基于偏振图像的雪地伪装材料检测技术研究

　　摘要:以雪地为背景，根据不同的伪装样本，开展了基于偏振图像的检测研究。使用光电耦合器件(Complementarymetaloxidesemiconductor，CMOS)获取物体表面反射光的偏振信息，通过分析和计算，获得反映物体表面状态的偏振度图像和偏振角图像。利用偏振角图像、偏振度图像的灰度平均值和灰度标准差值，论证了雪地与样本#1～#5之间在可见光图像、偏振角图像与偏振度图像的区别。根据巴氏距离求得雪地与样本#1～#5间的相似度，得到相似度最高的材质、相似度最低的材质。研究表明，此结果对雪地伪装装备的设计和研制具有一定的参考价值，为识别融入雪地的伪装材料提供有效的解决办法。

　　关键词:偏振;雪地;斯托克斯;检测技术;巴氏距离

　　0引言

　　在现代战争中，坦克、车辆和火炮等重要目标的有效隐藏和伪装成为战略部署的重要前提。几乎所有的战斗目标都存在各种形式的伪装，因此，能否快速从复杂的背景中有效识别出伪装的战斗目标对军事应用具有重要意义[1]。伪装就是利用光学、热学、声学等技术手段，改变目标原有的特征信息，隐藏自己的真实信息。在地处寒温地带的东北、华北、西北和青藏高原等地域，一年冬季时间较长，气温低，积雪时间长，雪地背景在一年时间中占比大。对于这些高寒作战地区，雪地伪装材料的检测与识别尤为重要。雪地是一种单调、强反射、高亮度的背景，在光学特征上以白色为主。因此，利用光谱信息识别雪地伪装目标难度较大。物体的偏振特性是与其材料、表面粗糙度、几何形状以及内部机理等相关的物理量。对于不同类型的目标，即使他们具有相同的反射率，不同的材料和表面粗糙度等自身特征也会导致其偏振特性不同。

　　偏振探测能够将传统光强探测获得的三维(光强、光谱和空间)信息量扩展到七维(光强、光谱、空间、偏振度、偏振方位角、偏振椭率和旋转的方向)信息量。因此，伪装在雪地中的材料，即使其光谱呈现单一的白色也会由于材质偏振信息的不同而反映出其与雪地的不同。因此，利用偏振探测可以反映物体表面特征的特性，探测雪地中的伪装目标。

　　从20世纪70年代开始，国内外的科学家做过许多有关多种物体偏振特性的研究工作。Vanderbilt等研究了树叶的偏振反射特征，指出树叶的偏振反射数据包含了树叶表面和内部的结构信息[2];LockheedMartin公司发现目标的偏振散射特征含有丰富的识别信息，利用偏振散射特征成像可以发现隐藏在树丛后面的军事目标[3];美国军方和BaeSystems高级技术中心对偏振成像探测技术在军事上的应用进行了研究并获得了大量试验数据[4];美国空军研究室的Goldstein等对不同标准军用油漆的铝板进行了光谱偏振特性的实验研究和分析[5]。

　　孙玮利用多波段偏振CCD地面实验装置获取了目标的偏振图像[6]，并通过图像处理识别出人造目标[7];孙秋菊等利用红外偏振成像系统对覆盖和未覆盖军用三色迷彩伪装网的目标场景进行了探测研究，验证了偏振角成像对伪装网的外形特征非常敏感[8];李从利等在雾天条件下利用偏振信息评估图像[9];李晓明用偏振信息检测了沙漠背景下的目标，该方法能有效提取沙漠背景下的金属靶信息[10]。

　　可以看出，偏振探测已经应用在各种研究中，并都验证了它的独特性以及在物体识别应用中的可行性。本文基于物体的偏振特性，对隐藏在雪地背景中的伪装样本(白纸、白布、白色泡沫板、白色硬塑料板和白色金属)进行检测研究，并论证了不同材料的区别以及偏振成像相较于可见光图像的优势。用光电耦合器件(CMOS)采集了物体表面反射光的偏振信息[11-12]，通过分析与计算得到偏振度图像和偏振角图像。所得偏振度图像和偏振角图像能分辨普通图片难以分辨的颜色和反射率相近的物体，从而得到不同材料的白色伪装物在雪地背景中的基于偏振图像的差异性。

　　1偏振成像探测原理与测试系统

　　1.1偏振探测原理及系统

　　光的偏振态由电场在x和y两个方向振幅的比值以及这两个方向的相位之差决定。同时，相位差也决定了偏振椭圆的长短轴之比以及偏振轴的方向。偏振光参数的表征方法有琼斯矢量法、斯托克斯矢量法等[13]。1940年，Jones发明了矩阵计算方法，即琼斯矩阵法[14]，它通过两行一列的矩阵表示某点偏振光的电场矢量和复振幅分量形式在光传播方向的偏振态，但琼斯矩阵计算只能应用于线偏振光的测量。

　　1852年，Stokes通过研究发现，光的任何偏振态都可以用四个参数表示，这四个参数都是实数，可以通过各种探测设备直接或者间接测量[15]，即斯托克斯矢量，其表达式为:S=IQUV=〈E2x(t)〉+〈E2y(t)〉〈E2x(t)〉-〈E2y(t)〉2〈Ex(t)Ey(t)cos(φ)〉2〈Ex(t)Ey(t)sin(φ)〉=I0+I90I0-I90I45-I135IL+IR(1)式中:E为振幅;x、y分别为坐标轴方向;φ为相位;<>为均值;I为光波的总辐射强度;Q为水平方向与垂直方向的线偏振光强度的差值;U为+45°方向和-45°方向上的线偏振光强度的差值;V为左旋圆偏振光和右旋圆偏振光的强度差值[16]。

　　用Stokes矢量进行计算的4×4矩阵，可以描述光学元件的特性，此特性数据可用于推导与光学元件偏振光的偏振态有关的信息[17]。用穆勒矩阵可以得到出射光与入射光的Stokes矢量的关系式:SOut=M·SIn(2)由式(2)可知，已知初始入射光的偏振态和光通过的偏振器件的特性，就可以得到出射光的偏振特性。

　　一般条件下，圆偏振光对应的分量极小，是可以忽略不计的。入射光偏振特性在线偏振片作用下的穆勒矩阵[18]为:M=121cos2θsin2θ0cos2θcos22θsin2θcos2θ0sin2θsin2θcos2θsin22θ00000(3)式中q为透光轴与水平方向对应的夹角。则出射光S'对应的矢量为:IOutQOutUOutVOut=121cos2θsin2θ0cos2θcos22θsin2θcos2θ0sin2θsin2θcos2θsin22θ00000IInQInUInVIn(4)一般情况下探测器测量的都是光强信号，从式(4)中可以看出，出射光光强中的入射光矢量为:IOut(θ)=12(IIn+QIncos2θ+UInsin2θ)(5)式中:IOut(q)为偏振辐射(在q方向上的)，可以通过探测器检测到。通过测量入射光在不同方向(IIn，QIn，UIn)上的偏振辐射强度，可以计算得到目标的Stokes矢量。

　　本文选取0°、60°和120°三个偏振方向的光强计算Stokes矢量，公式为:I=23[I(0°)+I(60°)+I(120°)]Q=23[2I(0°)-I(60°)-I(120°)]U=2槡3[I(60°)-I(120°)](6)用偏振度(DLOP)来表示偏振光强度在总光强中所占的比例[19]为:DLOP=Q2槡+U2I(7)用偏振角(AOP)来描述线偏振光振动方向和参考方向的夹角为:AOP=12arctan(UQ)(8)

　　1.2装置与方法

　　实验在黑龙江省哈尔滨市(北纬45°42'20''，东经126°36'52'')进行，根据经纬度计算得出太阳高度角约为22°。数据采集时间为2018年12月24日9∶30～10∶20，日出时间为07∶12∶28，日中时间为11∶32∶46，日落时间为15∶53∶05，太阳方位角为145°～158°。测量时，摄像头与样本垂直位置大约为35cm。

　　实验设备有大恒图像产品DH-HV5051UC-ML(CMOS)、线偏振片、三脚架、计算机。选取一片未被践踏的雪地作为实验场地，为了消除图像拍摄期间的设备抖动，选用三脚架来固定摄像头。根据太阳照射角度选取三脚架摆放位置，避开阴影部分。将装有镜圈的偏振片安装在摄像头前，分别手动旋转到0°、60°和120°，由计算机通过USB控制CMOS采集不同的偏振图像。

　　计算机获取图像后，经Matlab软件对三个偏振方向的强度图像进行处理，具体过程为:(1)对三个偏振方向的强度图像进行滤波处理，减少背景噪声对测试结果准确性的影响;(2)采用边缘检测方法对滤波后的三幅图像进行配准处理，消除实验中由于设备微小抖动所产生的图像漂移，减小实验误差;(3)根据式(6)对滤波和匹配校准后的强度图像进行逐个像原计算得到场景上的I、Q和U分量，再根据式(7)与式(8)获得各个像素点的偏振度和偏振角数值，从而得到伪装物和背景的偏振度和偏振角图像，实现对伪装物的偏振探测。

　　1.3基于图像相似度的检测方法

　　为了得到样本与雪地背景的差异性数据，选取了样本物与雪地背景间的区域图像进行分析。从图像的灰度值与Bhattacharyya距离(巴氏距离)分析了样本与雪地间的相似度，为实验提供数据参考值。(1)图像灰度平均值与标准差对比白色伪装样本和雪地背景均为单一的白色，两者在灰度上的相对差别即灰度值对比可以用来对所拍摄的图像进行分析。灰度的平均值可以反映图像的总体亮度，即物体表面反射光经过偏振片后的光强信息，可分析样本表面信息。而图像灰度的标准差能反映区域内图像的对比度，标准差越大，图像区域内像素灰度变化越剧烈。

　　2测试结果及分析

　　实验中，样本#1为白纸，样本#2为棉布，样本#3为塑料布，样本#4为金属伪装物，样本#5为泡沫。多次选取样本与雪地背景部分区域，多次计算样本与雪地背景的偏振角和偏振度的平均值和标准差。可以看出，灰度平均值能反映图像的总体亮度，可以得出雪地和样本的偏振角图像的亮度存在一定差异，但差异不大。偏振度可以反映光线的偏振化程度，雪地与样本物均是由自身结构相同的不同物质所制成，且组成样本的物质的反射率一样，所以偏振化程度相近。

　　由偏振度图像的灰度平均值可以看出，塑料板的灰度值最低，而泡沫的灰度值最大。样本的灰度平均值与雪地的灰度平均值均存在较大差异。由此可以证明，偏振度图像可以辨别出雪地背景中的伪装物。在偏振度图像中，白纸、泡沫与雪地的灰度平均值差异较大，前者比雪地亮，后者比雪地暗，但都可被较好地区分。泡沫比雪地灰度平均值低是由于泡沫本身没有雪反射率高。雪地的灰度标准差较高是由于雪地反射光的方向随机，偏振角变化较大。泡沫表面虽粗糙，但对反射光具有较为相同的偏振角。

　　可以看出，塑料板、泡沫以及金属伪装物与雪地背景的相似度较高，其次是白纸。由于棉布表面不平整，与雪地形成较大反差，两者相似度在样本中最低。根据巴氏距离求取近似度，可以看出，在偏振角图像中，泡沫与雪地的巴氏距离数值明显降低，两者的差异性增大，表明在偏振角图像中可以很好地分辨出泡沫板与雪地。相对于白纸、塑料板与金属伪装物，巴氏距离数值也有所下降。与可见光相比，偏振角图像中的纸张、塑料板与金属伪装物将更容易分辨。但是棉布的巴氏距离数值却很高，与雪地背景较为相似。所以偏振角图像不适用棉布检测，但对泡沫检测较为敏感。

　　与可见光相比，偏振度图像下的样本与雪地之间的巴氏距离数值都偏小，表明两者相似度极低。产生以上结果的原因可能与物体表面自身的光滑程度以及材质受冷以后的自身延展性有关。在可见光图像中，样本都是白色，与雪地背景基本一致。由于塑料板、金属、泡沫材质偏硬，受冷无法改变其基础性质，所以与雪地的巴氏距离值较高，相似度较高。但纸、棉布因为受冷收缩而产生变形，纸张四角有明显翘起，而棉布中间部分收缩，导致表面褶皱。这些材质物理因素的变化导致了巴氏距离偏低，与雪地相似度偏低。

　　在偏振角图像中，泡沫表面粗糙，光经过多次散射，反射光的偏振方向较杂乱。而雪地表面虽略粗糙但反射率高，反射光的偏振方向较单一，所以两者的巴氏距离数值较低，产生了明显的差异性。纸张、塑料板、金属伪装物表面相对光滑且组成规则，对入射光反射和散射的方向性较强，离散性较弱，就使其表现出较强的偏振特性。但雪地也具有这样的特质，从而巴氏距离数值也只是略低于可见光图像下的数值。但是在偏振度图像中，样本与雪地间的巴氏距离数值都偏低，存在明显差异性。

　　3结论

　　本文探讨了雪地背景中不同材质的白色物体基于偏振的检测技术的可行性与有效性，论证了雪地与样本#1～#5在可见光图像、偏振角图像和偏振度图像上的区别，给出了雪地与样本的偏振角图像、偏振度图像的灰度平均值与灰度标准差值。在可见光图像中，除了棉布与雪地的巴氏距离最低以外，其他样本的巴氏距离都比偏振图像中的数据大。可以看出，偏振成像比可见光成像能更好地区别出颜色相近、光谱相近的不同材料。

　　在偏振角图像中，雪地中的泡沫最明显;在偏振度图像中，雪地与塑料板差异最大。其次，根据巴氏距离求得了雪地与样本#1～#5间的相似度。偏振图像下的巴氏距离数值均比可见光图像下的数值低，表明偏振图像能更好地显示样本与雪地间的差异性，并且验证了偏振图像在灰度平均值与灰度标准差中所得到的结论。本研究证明了偏振图像可以解决在可见光条件下所无法精准识别伪装物这一难题，为融于背景的伪装物的辩别提供了有效的解决方案。由于实验是在室外进行，有诸多不可控因素，如太阳高度角、不同时间段的雪地光谱反射率等。在今后的实验中，应进一步加入更多的可变参数，使得实验结果更为精准，为雪地伪装装备的设计和研制提供更为精准的数据参考。

　　参考文献

　　[1]ZHENGYF，ZHANGXG.Detectionofpeoplewithcamouflagepatternviadensedeconvolutionnetwork[J].IEEESignalProcessingLetters，2019，26(1):29-33.

　　[2]VANDERBILTVC，GRANTL.Polarizationoflightscatteredbyvegetation[C].ProceedingsoftheIEEE.IEEEXplore，1985，73(6):1012-1024.

　　[3]CORNELLSL，CHUNF，SADJADIBA.Targetrecognitionstudyusingpolarimetriclaserradar[J].AutomaticTargetRecognitionXIV，2004:274-284.

　　图像方向评职知识：图像去噪论文可投稿中文期刊

　　《计算机仿真》是由中国航天科工集团公司主管,由航天科工集团十七所主办。它是仿真技术领域的综合性科技期刊。98年起已列入国家科技部中国科技论文统计源期刊，征收的图像去噪论文有：机载高速视觉图像目标识别优化仿真研究，低分辨图像的去噪优化过程仿真分析，局部自交干扰的无参模糊图像自适应去燥仿真，医用超声图像有效去噪方法研究与仿真，远程网络视频教育动态图像清晰化方法研究等。