摘要:以雪地為背景，根據不同的偽裝樣本，開展了基于偏振圖像的檢測研究。使用光電耦合器件(Complementarymetaloxidesemiconductor，CMOS)獲取物體表面反射光的偏振信息，通過分析和計算，獲得反映物體表面狀態的偏振度圖像和偏振角圖像。利用偏振角圖像、偏振度圖像的灰度平均值和灰度標準差值，論證了雪地與樣本#1～#5之間在可見光圖像、偏振角圖像與偏振度圖像的區別。根據巴氏距離求得雪地與樣本#1～#5間的相似度，得到相似度最高的材質、相似度最低的材質。研究表明，此結果對雪地偽裝裝備的設計和研制具有一定的參考價值，為識別融入雪地的偽裝材料提供有效的解決辦法。

　　關鍵詞:偏振;雪地;斯托克斯;檢測技術;巴氏距離

　　0引言

　　在現代戰爭中，坦克、車輛和火炮等重要目標的有效隱藏和偽裝成為戰略部署的重要前提。幾乎所有的戰斗目標都存在各種形式的偽裝，因此，能否快速從復雜的背景中有效識別出偽裝的戰斗目標對軍事應用具有重要意義[1]。偽裝就是利用光學、熱學、聲學等技術手段，改變目標原有的特征信息，隱藏自己的真實信息。在地處寒溫地帶的東北、華北、西北和青藏高原等地域，一年冬季時間較長，氣溫低，積雪時間長，雪地背景在一年時間中占比大。對于這些高寒作戰地區，雪地偽裝材料的檢測與識別尤為重要。雪地是一種單調、強反射、高亮度的背景，在光學特征上以白色為主。因此，利用光譜信息識別雪地偽裝目標難度較大。物體的偏振特性是與其材料、表面粗糙度、幾何形狀以及內部機理等相關的物理量。對于不同類型的目標，即使他們具有相同的反射率，不同的材料和表面粗糙度等自身特征也會導致其偏振特性不同。

　　偏振探測能夠將傳統光強探測獲得的三維(光強、光譜和空間)信息量擴展到七維(光強、光譜、空間、偏振度、偏振方位角、偏振橢率和旋轉的方向)信息量。因此，偽裝在雪地中的材料，即使其光譜呈現單一的白色也會由于材質偏振信息的不同而反映出其與雪地的不同。因此，利用偏振探測可以反映物體表面特征的特性，探測雪地中的偽裝目標。

　　從20世紀70年代開始，國內外的科學家做過許多有關多種物體偏振特性的研究工作。Vanderbilt等研究了樹葉的偏振反射特征，指出樹葉的偏振反射數據包含了樹葉表面和內部的結構信息[2];LockheedMartin公司發現目標的偏振散射特征含有豐富的識別信息，利用偏振散射特征成像可以發現隱藏在樹叢后面的軍事目標[3];美國軍方和BaeSystems高級技術中心對偏振成像探測技術在軍事上的應用進行了研究并獲得了大量試驗數據[4];美國空軍研究室的Goldstein等對不同標準軍用油漆的鋁板進行了光譜偏振特性的實驗研究和分析[5]。

　　孫瑋利用多波段偏振CCD地面實驗裝置獲取了目標的偏振圖像[6]，并通過圖像處理識別出人造目標[7];孫秋菊等利用紅外偏振成像系統對覆蓋和未覆蓋軍用三色迷彩偽裝網的目標場景進行了探測研究，驗證了偏振角成像對偽裝網的外形特征非常敏感[8];李從利等在霧天條件下利用偏振信息評估圖像[9];李曉明用偏振信息檢測了沙漠背景下的目標，該方法能有效提取沙漠背景下的金屬靶信息[10]。

　　可以看出，偏振探測已經應用在各種研究中，并都驗證了它的獨特性以及在物體識別應用中的可行性。本文基于物體的偏振特性，對隱藏在雪地背景中的偽裝樣本(白紙、白布、白色泡沫板、白色硬塑料板和白色金屬)進行檢測研究，并論證了不同材料的區別以及偏振成像相較于可見光圖像的優勢。用光電耦合器件(CMOS)采集了物體表面反射光的偏振信息[11-12]，通過分析與計算得到偏振度圖像和偏振角圖像。所得偏振度圖像和偏振角圖像能分辨普通圖片難以分辨的顏色和反射率相近的物體，從而得到不同材料的白色偽裝物在雪地背景中的基于偏振圖像的差異性。

　　1偏振成像探測原理與測試系統

　　1.1偏振探測原理及系統

　　光的偏振態由電場在x和y兩個方向振幅的比值以及這兩個方向的相位之差決定。同時，相位差也決定了偏振橢圓的長短軸之比以及偏振軸的方向。偏振光參數的表征方法有瓊斯矢量法、斯托克斯矢量法等[13]。1940年，Jones發明了矩陣計算方法，即瓊斯矩陣法[14]，它通過兩行一列的矩陣表示某點偏振光的電場矢量和復振幅分量形式在光傳播方向的偏振態，但瓊斯矩陣計算只能應用于線偏振光的測量。

　　1852年，Stokes通過研究發現，光的任何偏振態都可以用四個參數表示，這四個參數都是實數，可以通過各種探測設備直接或者間接測量[15]，即斯托克斯矢量，其表達式為: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為振幅;x、y分別為坐標軸方向;φ為相位;<>為均值;I為光波的總輻射強度;Q為水平方向與垂直方向的線偏振光強度的差值;U為+45°方向和-45°方向上的線偏振光強度的差值;V為左旋圓偏振光和右旋圓偏振光的強度差值[16]。

　　用Stokes矢量進行計算的4×4矩陣，可以描述光學元件的特性，此特性數據可用于推導與光學元件偏振光的偏振態有關的信息[17]。用穆勒矩陣可以得到出射光與入射光的Stokes矢量的關系式:SOut=M·SIn(2)由式(2)可知，已知初始入射光的偏振態和光通過的偏振器件的特性，就可以得到出射光的偏振特性。

　　一般條件下，圓偏振光對應的分量極小，是可以忽略不計的。入射光偏振特性在線偏振片作用下的穆勒矩陣[18]為:M=121cos2θsin2θ0cos2θcos22θsin2θcos2θ0sin2θsin2θcos2θsin22θ00000(3)式中q為透光軸與水平方向對應的夾角。則出射光S'對應的矢量為:IOutQOutUOutVOut=121cos2θsin2θ0cos2θcos22θsin2θcos2θ0sin2θsin2θcos2θsin22θ00000IInQInUInVIn(4)一般情況下探測器測量的都是光強信號，從式(4)中可以看出，出射光光強中的入射光矢量為:IOut(θ)=12(IIn+QIncos2θ+UInsin2θ)(5)式中:IOut(q)為偏振輻射(在q方向上的)，可以通過探測器檢測到。通過測量入射光在不同方向(IIn，QIn，UIn)上的偏振輻射強度，可以計算得到目標的Stokes矢量。

　　本文選取0°、60°和120°三個偏振方向的光強計算Stokes矢量，公式為: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)來表示偏振光強度在總光強中所占的比例[19]為:DLOP=Q2槡+U2I(7)用偏振角(AOP)來描述線偏振光振動方向和參考方向的夾角為:AOP=12arctan(UQ)(8)

　　1.2裝置與方法

　　實驗在黑龍江省哈爾濱市(北緯45°42'20''，東經126°36'52'')進行，根據經緯度計算得出太陽高度角約為22°。數據采集時間為2018年12月24日9∶30～10∶20，日出時間為07∶12∶28，日中時間為11∶32∶46，日落時間為15∶53∶05，太陽方位角為145°～158°。測量時，攝像頭與樣本垂直位置大約為35cm。

　　實驗設備有大恒圖像產品DH-HV5051UC-ML(CMOS)、線偏振片、三腳架、計算機。選取一片未被踐踏的雪地作為實驗場地，為了消除圖像拍攝期間的設備抖動，選用三腳架來固定攝像頭。根據太陽照射角度選取三腳架擺放位置，避開陰影部分。將裝有鏡圈的偏振片安裝在攝像頭前，分別手動旋轉到0°、60°和120°，由計算機通過USB控制CMOS采集不同的偏振圖像。

　　計算機獲取圖像后，經Matlab軟件對三個偏振方向的強度圖像進行處理，具體過程為:(1)對三個偏振方向的強度圖像進行濾波處理，減少背景噪聲對測試結果準確性的影響;(2)采用邊緣檢測方法對濾波后的三幅圖像進行配準處理，消除實驗中由于設備微小抖動所產生的圖像漂移，減小實驗誤差;(3)根據式(6)對濾波和匹配校準后的強度圖像進行逐個像原計算得到場景上的I、Q和U分量，再根據式(7)與式(8)獲得各個像素點的偏振度和偏振角數值，從而得到偽裝物和背景的偏振度和偏振角圖像，實現對偽裝物的偏振探測。

　　1.3基于圖像相似度的檢測方法

　　為了得到樣本與雪地背景的差異性數據，選取了樣本物與雪地背景間的區域圖像進行分析。從圖像的灰度值與Bhattacharyya距離(巴氏距離)分析了樣本與雪地間的相似度，為實驗提供數據參考值。(1)圖像灰度平均值與標準差對比白色偽裝樣本和雪地背景均為單一的白色，兩者在灰度上的相對差別即灰度值對比可以用來對所拍攝的圖像進行分析。灰度的平均值可以反映圖像的總體亮度，即物體表面反射光經過偏振片后的光強信息，可分析樣本表面信息。而圖像灰度的標準差能反映區域內圖像的對比度，標準差越大，圖像區域內像素灰度變化越劇烈。

　　2測試結果及分析

　　實驗中，樣本#1為白紙，樣本#2為棉布，樣本#3為塑料布，樣本#4為金屬偽裝物，樣本#5為泡沫。多次選取樣本與雪地背景部分區域，多次計算樣本與雪地背景的偏振角和偏振度的平均值和標準差。可以看出，灰度平均值能反映圖像的總體亮度，可以得出雪地和樣本的偏振角圖像的亮度存在一定差異，但差異不大。偏振度可以反映光線的偏振化程度，雪地與樣本物均是由自身結構相同的不同物質所制成，且組成樣本的物質的反射率一樣，所以偏振化程度相近。

　　由偏振度圖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。樣本的灰度平均值與雪地的灰度平均值均存在較大差異。由此可以證明，偏振度圖像可以辨別出雪地背景中的偽裝物。在偏振度圖像中，白紙、泡沫與雪地的灰度平均值差異較大，前者比雪地亮，后者比雪地暗，但都可被較好地區分。泡沫比雪地灰度平均值低是由于泡沫本身沒有雪反射率高。雪地的灰度標準差較高是由于雪地反射光的方向隨機，偏振角變化較大。泡沫表面雖粗糙，但對反射光具有較為相同的偏振角。

　　可以看出，塑料板、泡沫以及金屬偽裝物與雪地背景的相似度較高，其次是白紙。由于棉布表面不平整，與雪地形成較大反差，兩者相似度在樣本中最低。根據巴氏距離求取近似度，可以看出，在偏振角圖像中，泡沫與雪地的巴氏距離數值明顯降低，兩者的差異性增大，表明在偏振角圖像中可以很好地分辨出泡沫板與雪地。相對于白紙、塑料板與金屬偽裝物，巴氏距離數值也有所下降。與可見光相比，偏振角圖像中的紙張、塑料板與金屬偽裝物將更容易分辨。但是棉布的巴氏距離數值卻很高，與雪地背景較為相似。所以偏振角圖像不適用棉布檢測，但對泡沫檢測較為敏感。

　　與可見光相比，偏振度圖像下的樣本與雪地之間的巴氏距離數值都偏小，表明兩者相似度極低。產生以上結果的原因可能與物體表面自身的光滑程度以及材質受冷以后的自身延展性有關。在可見光圖像中，樣本都是白色，與雪地背景基本一致。由于塑料板、金屬、泡沫材質偏硬，受冷無法改變其基礎性質，所以與雪地的巴氏距離值較高，相似度較高。但紙、棉布因為受冷收縮而產生變形，紙張四角有明顯翹起，而棉布中間部分收縮，導致表面褶皺。這些材質物理因素的變化導致了巴氏距離偏低，與雪地相似度偏低。

　　在偏振角圖像中，泡沫表面粗糙，光經過多次散射，反射光的偏振方向較雜亂。而雪地表面雖略粗糙但反射率高，反射光的偏振方向較單一，所以兩者的巴氏距離數值較低，產生了明顯的差異性。紙張、塑料板、金屬偽裝物表面相對光滑且組成規則，對入射光反射和散射的方向性較強，離散性較弱，就使其表現出較強的偏振特性。但雪地也具有這樣的特質，從而巴氏距離數值也只是略低于可見光圖像下的數值。但是在偏振度圖像中，樣本與雪地間的巴氏距離數值都偏低，存在明顯差異性。

　　3結論

　　本文探討了雪地背景中不同材質的白色物體基于偏振的檢測技術的可行性與有效性，論證了雪地與樣本#1～#5在可見光圖像、偏振角圖像和偏振度圖像上的區別，給出了雪地與樣本的偏振角圖像、偏振度圖像的灰度平均值與灰度標準差值。在可見光圖像中，除了棉布與雪地的巴氏距離最低以外，其他樣本的巴氏距離都比偏振圖像中的數據大。可以看出，偏振成像比可見光成像能更好地區別出顏色相近、光譜相近的不同材料。

　　在偏振角圖像中，雪地中的泡沫最明顯;在偏振度圖像中，雪地與塑料板差異最大。其次，根據巴氏距離求得了雪地與樣本#1～#5間的相似度。偏振圖像下的巴氏距離數值均比可見光圖像下的數值低，表明偏振圖像能更好地顯示樣本與雪地間的差異性，并且驗證了偏振圖像在灰度平均值與灰度標準差中所得到的結論。本研究證明了偏振圖像可以解決在可見光條件下所無法精準識別偽裝物這一難題，為融于背景的偽裝物的辯別提供了有效的解決方案。由于實驗是在室外進行，有諸多不可控因素，如太陽高度角、不同時間段的雪地光譜反射率等。在今后的實驗中，應進一步加入更多的可變參數，使得實驗結果更為精準，為雪地偽裝裝備的設計和研制提供更為精準的數據參考。

　　參考文獻

　　[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.

　　圖像方向評職知識：圖像去噪論文可投稿中文期刊

　　《計算機仿真》是由中國航天科工集團公司主管,由航天科工集團十七所主辦。它是仿真技術領域的綜合性科技期刊。98年起已列入國家科技部中國科技論文統計源期刊，征收的圖像去噪論文有：機載高速視覺圖像目標識別優化仿真研究，低分辨圖像的去噪優化過程仿真分析，局部自交干擾的無參模糊圖像自適應去燥仿真，醫用超聲圖像有效去噪方法研究與仿真，遠程網絡視頻教育動態圖像清晰化方法研究等。