CN118244280A - 一种基于猫眼效应的无人机探测方法及装置 - Google Patents

Abstract

本说明书涉及一种基于猫眼效应的无人机探测方法及装置，涉及激光成像技术领域。该方法包括向目标区域内的无人机发射激光信号；获取图像，图像包含目标区域内无人机接收激光信号后产生的猫眼回波信号且图像的采集周期与激光信号的脉冲相匹配；计算图像对应的局部灰度概率分布矩阵，局部灰度概率分布矩阵包含图像中各像素点对应的局部灰度概率值；根据局部灰度概率分布矩阵，确定无人机位置。该方法可大大降低远距离和复杂背景环境等外在条件对猫眼效应探测造成的不利影响，以提升鲁棒性。而且，该方法无需预先进行图像预处理和背景去噪处理，如此，可大大简化方法的复杂程度，以降低探测时间，提升其响应性能。

Description

一种基于猫眼效应的无人机探测方法及装置

技术领域

本发明属于激光成像技术领域，具体涉及一种基于猫眼效应的无人机探测方法及装置。

背景技术

目前，传统雷达探测手段对高空、高速、大型无人机的探测效果较好，但对体积小、信号弱、飞行高度低的低慢小无人机的探测存在盲区大、回波小、容易与气象干扰、杂波干扰或鸟群相混淆等缺点。射频技术可以有效发现隐匿在复杂地形中的无人机，但是无法实现对无人机的精细识别。而传统光电、红外传感器也存在探测识别距离近等问题。

通常，光电成像设备是无人机的常见载荷，一般具有猫眼效应，即为，光电设备中的发射器件在受到外部激光的照射时会产生指向原光源方向、回波能量比普通漫反射强2-4个数量级的后向反射光。上述猫眼效应为无人机的远程探测跟踪和精准识别提供了便利条件。因此，可通过对目标区域主动发射探测激光以实现对无人机光电设备的探测与识别。

传统的猫眼目标识别都是在主被动差分法的基础上完成的(例如：复杂场景下的猫眼目标快速识别方法，兵器装备工程学报,2022,43(07)；动态环境下“猫眼”目标快速识别算法研究，计算机仿真,2020，37(08)；基于纹理特征的“猫眼”效应目标识别方法，光子学报,2014，43(02))，与此类算法配套的激光主动探测系统一般采用脉冲激光作为照明激光器，照明激光器每间隔一帧的时间照明一次，从而使探测器获得主动和被动图像并做差分来减小背景噪声的干扰，接着再将差分图像进行一系列图像处理从而进一步滤除背景噪声，这种方法是目前的猫眼效应识别的最常用方法。

但是，主被动差分法具有以下缺陷：一是需要额外配置触发电路来控制出射激光脉冲使得其能与探测器采集帧频同步；二是在实际的复杂背景环境和气象条件下，尤其是在远距离探测动态低慢小无人机的情况下，由于猫眼效应回波会受到大气湍流、探测平台震动、目标运动以及背景杂散光等各方面因素的影响，造成回波图像信噪比低、所占像素过少、猫眼光斑强度在时间尺度上波动较大(例如连续采集的两幅图像均为主动图像或被动图像)等问题，使得成像质量较差，主被动图像匹配率低，从而导致探测系统对动态猫眼目标探测识别不清、虚警率高。可见，基于主被动差分法的猫眼目标探测识别方法实现对远距离复杂背景条件下无人机带载光电设备的探测与识别难度较大。

发明内容

本说明书的目的是提供一种基于猫眼效应的无人机探测方法，以克服上述在远距离复杂环境下对低慢小无人机的探测和识别缺陷。为实现上述目的，本说明书采用如下技术方案：

一方面，本说明书提供一种基于猫眼效应的无人机探测方法，包括：

向目标区域内的无人机发射激光信号；

获取图像，所述图像包含目标区域内无人机接收所述激光信号后产生的猫眼回波信号且所述图像的采集周期与所述激光信号的脉冲相匹配；

计算所述图像对应的局部灰度概率分布矩阵，所述局部灰度概率分布矩阵包含所述图像中各像素点对应的局部灰度概率值；

根据所述局部灰度概率分布矩阵，确定无人机位置。

另一方面，本说明书还提供一种基于猫眼效应的无人机探测装置，主要包括：

发射模块，用于处理向目标区域内无人机发射的激光信号，并用于发射处理后的激光信号；

接收模块，用于获取图像，所述图像包含目标区域内无人机接收所述激光信号后产生的猫眼回波信号；

信号处理模块，用于接收所述图像，计算所述图像对应的局部灰度概率分布矩阵，所述局部灰度概率分布矩阵包含所述图像中各像素点对应的局部灰度概率值；根据所述局部灰度概率分布矩阵，确定无人机位置。

基于上述任一技术方案，本说明书能够获得如下技术效果：

与现有技术相比，该无人机探测方法基于猫眼回波效应，通过计算采集而得的图像的局部灰度概率分布矩阵(即获得各图像的像素点的局部灰度特征)，确定无人机的位置。该探测方法可大大降低远距离和复杂环境等外在条件对猫眼效应造成的不利影响，以提升鲁棒性。而且，该方案无需预先进行图像预处理或背景去噪处理，如此，可大大简化方法的复杂程度，以降低探测时间，提升其响应性能。例如，对于动态飞行的低慢小无人机可进行实时探测和定位。

附图说明

图1是本说明书提供的一种基于猫眼效应的无人机探测方法的流程示意图；

图2是本说明书提供的一种基于猫眼效应的无人机探测装置的示意图；

图3是本说明书提供的一种基于猫眼效应的无人机探测装置的示意图；

图4是本说明书提供的晴朗天空背景下无人机所在区域的效果图；

图5是本说明书提供的复杂山体背景下无人机所在区域的效果图；

图6是本说明书提供的晴朗天空背景对应的灰度矩阵；

图7是本说明书提供的复杂山体背景对应的灰度矩阵；

图8是本说明书提供的晴朗天空背景对应的局部灰度概率分布矩阵；

图9是本说明书提供的复杂山体背景对应的局部灰度概率分布矩阵；

图10是本说明书提供的不同视频帧对应的局部灰度概率极大值。

具体实施方式

以下结合附图和具体实施例对本说明书作进一步详细说明，根据下面说明和权利要求书，本说明书的优点和特征将更清楚。需要说明的是，附图均采用非常简化的形式且均适用非精准的比例，仅用以方便、明晰地辅助说明本说明书实施例的目的。

需要说明的是，为了清楚地说明本说明书的内容，本发明特举多个实施例以进一步阐释本发明的不同实现方式，其中，该多个实施例是列举式而非穷举式。此外，为了说明的简洁，前实施例中已提及的内容往往在后实施例中予以省略，因此，后实施例中未提及的内容可相应参考前实施例。

请参照图1，本说明书的一实施例提供一种基于猫眼效应的无人机探测方法，主要包括：

步骤102、向目标区域内的无人机发射激光信号；

步骤104、获取图像，所述图像包含目标区域内无人机接收所述激光信号后产生的猫眼回波信号；

步骤106、计算所述图像对应的局部灰度概率分布矩阵；

步骤108、根据所述局部灰度概率分布矩阵，确定无人机位置。

具体地，本实施例提出的目标区域的无人机为配置光电设备的无人机，且通常而言，当向无人机的光电设备发射激光信号时，光电设备中具有反射性能的器件能够反射出光信号，以该光信号作为基础依据，并以该信号的局部灰度特征作为区别依据，进行确定无人机的位置，以此提升探测和识别性能，克服现有技术中主被动差分法的缺陷，详细说明如下：

上述方法以猫眼回波信号的灰度特征进行局部处理，即为，对图像的各像素点的灰度进行处理，以获得图像的局部灰度概率分布矩阵，再根据上述图像中局部灰度概率分布矩阵与目标无人机对应的局部灰度特征，确定无人机的位置。

基于以上，可见，该方法采用激光主动照明的方式，通过分析图像的局部灰度特征确定无人机的位置，无主、被动图像匹配率的要求，因而在远距离、复杂背景环境、复杂气象环境下，仍可获得可靠性较高的图像，鲁棒性较好，可避免出现猫眼回波信号信噪比低、所占像素过少、猫眼光斑强度在时间尺度上波动较大等问题，使用性能更好。

在此需要注意的是，激光信号的脉冲频率应当与图像的采集周期相匹配。

本实施例中，获取图像的方式以拍摄方式获得时，拍摄设备的曝光周期应当与激光信号的脉冲相匹配，以使得拍摄获得图像中包含无人机接收激光信号后产生的猫眼回波信号。当图像拍摄周期与激光信号的脉冲不匹配时，拍摄的图像错过回波信号，极易造成该方法无法实现。

在此还需说明的是，因以激光主动照明方式获得图像，其自然背景的激光回波通常为漫反射，即为其辐射变化相对平缓，且图像中各像素点间的灰度具有相关性，而猫眼回波信号的强度与普通背景漫反射强度相较，高出几个量级。尤其对于无人机而言，在无人机的光电设备对应的局域内，其背景变化平缓，因此，猫眼回波信号的强度与其领域背景的强度具有较大的反差。可见，基于图像中局部(像素点)灰度特征的差异可精准确定无人机的位置，且定位快速，实时探测性能较强。

在此还需说明的是，针对动态无人机时，可实时获取图像，即为图像序列，并按照时序对图像序列中各图像进行实时分析，以确定无人机的行驶轨迹。具体为，连续获得动态无人机目标对应的图像(若干图像按照时序排列可构成图像序列)，再按照时序依次对单个图像进行局部灰度特征分析，确定单个图像中无人机目标的位置。而按照时序获得无人机位置即为无人机的动态轨迹。以获取图像序列的方式探测无人机的动态轨迹时，需使得图像序列的帧频与激光信号的脉冲相匹配。

本实施例中，步骤106的一种实施方式具体如下：

步骤110、根据灰度转换算法，将所述图像转换为灰度矩阵；

步骤112、根据所述灰度矩阵，计算所述图像对应的局部灰度概率分布矩阵。

本实施例中，以灰度转换算法，分析上述图像的灰度特征，通过图像的灰度特征计算其对应的局部灰度概率分布矩阵。可见，通过应用成熟的灰度转换算法即可进行灰度分析，达到预期的处理效果，以使得处理后的数据的可靠性较高，且处理速度较快。

本实施例中，步骤112的一种具体实施方式如下：

步骤120、以x、y作为图像中的像素点位置，以f(x,y)表示灰度矩阵，以r为预设局域范围值，以p(x,y)表示局部灰度概率分布矩阵；

步骤122、在以点(x,y)为中心的(2r+1)×(2r+1)局域内，通过以下方式计算局部灰度概率分布矩阵p(x,y)：

本实施例中，预设局域范围值r可根据目标无人机的尺寸或像素点数量确定，当然，在实际确定过程中，还可根据其他外在影响因子确定r的取值，本实施例中对其不作具体限定。

鉴于相邻像素点间的灰度具有相关性，因此，可基于上述计算方式获得图像对应局部灰度概率分布矩阵。

由此可见，上述分析方式具有简单和快速的优势，以便于快速、实时获取处理结果。

本实施例中，步骤108的一种实现方式具体如下：

步骤130、确定局部灰度概率阈值；

步骤132、对比所述局部灰度概率分布矩阵中各像素点的局部灰度概率值和所述局部灰度概率阈值的大小；

步骤134、标记局部灰度概率值大于所述局部灰度概率阈值的像素点；

步骤136、根据标记的像素点，确定无人机位置。

本实施例中，局部灰度概率阈值参考经验值确定，预设的局部灰度概率阈值以k表示，则对比局部灰度概率阈值和单个图像中的局部灰度概率分布矩阵中各像素点的局部灰度概率值的大小；

若像素点的局部灰度概率值大于局部灰度概率阈值，则标记当前像素点，在对当前图像标记完成后，标记的像素点所在的位置即为目标无人机所在的位置。

基于以上，上述实现方式可在像素点局部灰度特征上精确探测和识别目标无人机，可靠性较强。

本实施例中，在步骤102之前，还包括以下步骤：

步骤140、根据目标区域的视场范围要求，确定所述激光信号的发散角；

步骤142、根据所述发散角，对所述激光信号进行扩束处理；

步骤144、对扩束处理后的激光信号进行均匀化处理。

本实施例中，根据目标区域的视场范围，对激光信号进行扩束处理，能够使得激光信号照射到目标无人机。而均匀化处理，可进一步降低该方法对信号处理时的难度，使得本方法的可行性较强，实用性较强。

在此需要注意的是，在其他实施例中，可根据实际使用情况，对激光信号不进行均匀化处理。

请参照图2-图3，本说明书又一实施例提供的一种基于猫眼效应的无人机探测装置，主要包括：

发射模块202，用于处理向目标区域内无人机发射的激光信号，并用于发射处理后的激光信号；

接收模块204，用于获取图像，所述图像包含目标区域内无人机接收所述激光信号后产生的猫眼回波信号；

信号处理模块206，用于接收所述图像，计算所述图像对应的局部灰度概率分布矩阵，所述局部灰度概率分布矩阵包含所述图像中各像素点对应的局部灰度概率值；根据所述局部灰度概率分布矩阵，确定无人机位置。

本实施例中，发射模块202和接收模块204可同时设置于光电转台上，通过调整光电转台的方向可调整发射模块202和接收模块204的光轴指向，以使得上述装置可瞄准和锁定目标无人机。而且，光电转台的承重能力与发射模块202和接收模块204的重量相适配。

本实施例中，激光信号的处理方式为对待发射的激光信号进行扩束处理和/或均匀化处理，且处理方式可采用连续变焦光学系统实现，以满足不同探测视场和探测距离对激光信号的要求。

在此，该装置采用激光主动照明的方式，通过分析图像的局部灰度特征确定无人机的位置，无主、被动图像匹配率的要求，因而在远距离、复杂背景环境、复杂气象环境下，仍可获得可靠性较高的图像，鲁棒性较好，可避免出现猫眼回波信号信噪比低、所占像素过少、猫眼光斑强度在时间尺度上波动较大等问题，使用性能更好。

本实施例中，所述接收模块204包括光学镜头212和光学探测器210，其中：

所述光电探测器的成像靶面用于汇聚目标区域的反射光，生成图像；

所述光学镜头212用于采集所述图像，并将所述图像发送至所述信号处理模块206。

上述接收模块204可通过光学探测器210和光学镜头212配合可采集和获取图像。在其他实施例中，可根据远距离以及小尺寸目标的探测需求，选用高灵敏度、高分辨率的探测器，而光学镜头212则可选用长焦镜头。

本实施例中，所述接收模块204还包括滤光片214，所述滤光片214设置于所述光电探测器与目标之间，所述滤光片214用于滤除目标区域的反射光的背景噪声，并将经滤除后的反射光发送至所述光电探测器。本实施例中，滤光片214的中心波长与激光波长相匹配。滤光片214通过滤除背景噪声的方式，可提升对无人机光电设备对应的猫眼回波的有效探测能力和成像效果。

本实施例中，该装置还包括控制模块220，用于控制所述发射模块202和所述接收模块204同步，以使所述激光信号的脉冲与所述图像的获取周期匹配，以使得拍摄获得图像中包含无人机接收激光信号后产生的猫眼回波信号。

本实施例中，该装置还包括显示模块230，所述显示模块230分别与所述信号处理模块206和所述接收模块204连接，所述显示模块230用于同时显示自所述接收模块204获取的原图像和自所述信号处理模块206获取的处理后图像。显示模块230则可实时显示处理结果，便于操作人员对装置作出适应性调整。

本实施例中，信号处理模块206还用于根据灰度转换算法，将所述图像转换为灰度矩阵；根据所述灰度矩阵，计算所述图像对应的局部灰度概率分布矩阵。该模块通过应用成熟的灰度转换算法即可进行灰度分析，达到预期的处理效果，以使得处理后的数据的可靠性较高，且处理速度较快。

本实施例中，信号处理模块206还用于以x、y作为各图像中的像素点位置，以f(x,y)表示灰度矩阵，以r为预设局域范围值，以p(x,y)表示局部灰度概率分布矩阵；在以点(x,y)为中心的(2r+1)×(2r+1)局域内，通过以下方式计算局部灰度概率分布矩阵p(x,y)：上述计算分析方式具有简单和快速的优势，以便于快速、实时获取处理结果。

本实施例中，信号处理模块206还用于确定局部灰度概率阈值；对比所述局部灰度概率分布矩阵中各像素点的局部灰度概率值和所述局部灰度概率阈值的大小；标记局部灰度概率值大于所述局部灰度概率阈值的像素点；根据标记像素点位置，确定无人机位置。上述模块可在像素点灰度特征上精确探测和识别目标无人机，可靠性较强。

本实施例中，该系统还包括预处理模块，用于根据目标区域的视场范围要求，确定所述激光信号的发散角；根据所述发散角，对所述激光信号进行扩束处理；对扩束处理后的激光信号进行均匀化处理。该模块可进一步降低该方法对信号处理时的难度，使得本方法的可行性较强，实用性较强。

本实施例中，以上述装置进行探测无人机目标，获得结果，详细如下：

探测时间为中午1点，目标与发射模块202间的距离为1km，无人机目标所在区域的背景为晴朗天空背景，请参照图4；

探测时间为中午1点，目标与发射模块202间的距离距离为0.5km，无人机目标所在区域的背景为复杂山体，请参照图5。

以上一实施例的方法和本实施例提供的装置对上述两个无人机目标进行处理，经灰度转换后，对应获得灰度矩阵，即为图6(对应图4)和图7(对应图5)。

且由图6可知，在阳光辐射相对强烈的中午，无人机配置的光电设备的猫眼效应的灰度特征与背景间的差异显著。而由图7可知，在复杂山体的背景下，灰度差异虽然降低，但是无人机光电设备的边缘灰度特征显著。

确定预设局域半径r为2，根据计算方式获得局部灰度概率分布矩阵，请参照图8(对应为图6)和图9(对应为图7)。

结合图6-图9，可知，局部灰度概率分布对应的特征阈值区域与灰度分布中无人机猫眼回波对应的尺度基本吻合，即，通过上述分析局部灰度特征的方式，能够精准探测和识别出目标无人机的位置。

请参照图10，本实施例还给出激光主动照明与无激光照明的对比结果。具体为，在同一帧中，在激光照明成像条件下的局域灰度概率分布极大值会明显提升。

基于相同的发明创造，本说明书实施例还提供了一种计算机可读存储介质，上述计算机可读存储介质存储一个或多个程序，上述一个或多个程序当被包括多个应用程序的电子设备执行时，使得上述电子设备执行图1对应的实施例提供的基于猫眼效应的无人机探测方法。

本说明书中各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于猫眼效应的无人机探测方法，其特征在于，包括：

向目标区域内的无人机发射激光信号，所述无人机配置有光电设备；

获取图像，所述图像包含目标区域内无人机接收所述激光信号后产生的猫眼回波信号且所述图像的采集周期与所述激光信号的脉冲相匹配；

计算所述图像对应的局部灰度概率分布矩阵，所述局部灰度概率分布矩阵包含所述图像中各像素点对应的局部灰度概率值；

根据所述局部灰度概率分布矩阵，确定无人机位置。

2.根据权利要求1所述的方法，其特征在于，所述计算所述图像对应的局部灰度概率分布矩阵，包括：

根据灰度转换算法，将所述图像转换为灰度矩阵；

根据所述灰度矩阵，计算所述图像对应的局部灰度概率分布矩阵。

3.根据权利要求2所述的方法，其特征在于，所述根据所述灰度矩阵，计算所述图像对应的局部灰度概率分布矩阵，包括：

以x、y作为所述图像中的像素点位置，以f(x,y)表示灰度矩阵，以r为预设局域范围值，以p(x,y)表示局部灰度概率分布矩阵；

在以点(x,y)为中心的(2r+1)×(2r+1)局域内，通过以下方式计算局部灰度概率分布矩阵p(x,y)：

4.根据权利要求1所述的方法，其特征在于，所述根据所述局部灰度概率分布矩阵，确定无人机位置，包括：

确定局部灰度概率阈值；

对比所述局部灰度概率分布矩阵中各像素点的局部灰度概率值和所述局部灰度概率阈值的大小；

标记局部灰度概率值大于所述局部灰度概率阈值的像素点；

根据标记像素点位置，确定无人机位置。

5.根据权利要求1所述的方法，其特征在于，所述向目标区域内的无人机发射激光信号之前，还包括：

根据目标区域的视场范围要求，确定所述激光信号的发散角；

根据所述发散角，对所述激光信号进行扩束处理；

对扩束处理后的激光信号进行均匀化处理。

6.一种基于猫眼效应的无人机探测装置，其特征在于，包括：

发射模块，用于处理向目标区域内无人机发射的激光信号，并用于发射处理后的激光信号；

接收模块，用于获取图像，所述图像包含目标区域内无人机接收所述激光信号后产生的猫眼回波信号；

信号处理模块，用于接收所述图像，计算所述图像对应的局部灰度概率分布矩阵，所述局部灰度概率分布矩阵包含所述图像中各像素点对应的局部灰度概率值；根据所述局部灰度概率分布矩阵，确定无人机位置。

7.根据权利要求6所述的装置，其特征在于，所述接收模块包括光学镜头和光学探测器，其中：

所述光电探测器的成像靶面用于汇聚目标区域的反射光，生成图像；

所述光学镜头用于采集所述图像，并将所述图像发送至所述信号处理模块。

8.根据权利要求7所述的装置，其特征在于，所述接收模块还包括滤光片，所述滤光片设置于所述光电探测器与目标之间，所述滤光片用于滤除目标区域的反射光的背景噪声，并将经滤除后的反射光发送至所述光电探测器。

9.根据权利要求6所述的装置，其特征在于，还包括控制模块，用于控制所述发射模块和所述接收模块同步，以使所述激光信号的脉冲与所述图像的获取周期匹配。

10.根据权利要求6所述的装置，其特征在于，还包括显示模块，所述显示模块分别与所述信号处理模块和所述接收模块连接，所述显示模块用于同时显示自所述接收模块获取的原图像和自所述信号处理模块获取的处理后图像。