基于退偏特性目标识别

课程设计

题目：基于退偏特性差异进行目标识别学院：电子工程与自动化学院

专业：光信息科学与技术

学生姓名：

学号：

指导教师：叶松

2015年1月12日

摘要

本文通过用一种基于偏振特征的目标识别技术. 实验采用激光作为照明光源,根据目标散射光偏振度的差异,对线偏振光退偏特性的差异进行目标识别的原理与方法。系统获取了目标的偏振图像, 并编写程序计算了图像的灰度值，由Stokes矢量计算偏振度，合成偏振度图像。通过使激光光源照射在目标板表面，反射光通过偏振片后由CCD探测同一目标在不同偏振方向的反射光采集到几组图像数据，最终可合成偏振度图像，相对于退偏振强的目标, 退偏振弱的目标图像亮度变化明显，所以偏振成像技术可以有效地提高目标探测和识别效率。结果表明偏振度图像包含有许多普通图像所不能体现出的信息，利用这些信息可以识金属目标（铜、铁和铝）从非金属目标（树叶、纸、塑料和木头）中识别出来。

关键字：退偏特性；Stokes参量；目标识别；偏振度成像； Matlab编程

目录

引言 (1)

1 课程设计目的、内容、要求 (1)

2 方案论证和选择 (2)

2.1三个不同角度测量线偏振光强法 (2)

2.2四个不同角度测量线偏振光强法 (5)

3 仪器及元件的选择 (5)

4 偏振图像采集 (6)

4.1实验光路图 (6)

4.2 实验步骤 (6)

5 实验结果与分析 (7)

6 实验评价 (10)

7 课设总结 (10)

参考文献 (11)

附件一：实验仪器 (11)

附件二：实验采集图像 (12)

附件三：实验程序 (14)

附件四：实验光路图 (17)

基于退偏特性差异进行目标识别

引言

通常，当电磁波从物体表面反射时，根据物体材料、表面粗糙度及入射角度的不同，其偏振态将发生变化。偏振图像反映了物体对入射光偏振态的影响。偏振遥感正是基于探测物体对偏振电磁波的散射来获取物体的信息。偏振遥感被广泛应用在地质勘探、土壤分析、环境探测、植被分析、海洋开发及军事目标识别等领域。传统偏振成像采用被动工作方式，具有隐蔽性好的优点，但成像效果和距离均受到气象条件、目标温度对比度和天空背景照度等因素的限制。激光照明偏振成像技术克服了被动成像的缺点，在远距离暗目标探测和水下探测方面有着重要的应用。相对于被动成像而言，主动成像不依赖目标自身辐射(热成像)和目标对太阳或月亮等次光源的反射(可见光或近红外成像)，而是依靠仪器自身(激光雷达)发出激光作为照明光源，由被探测目标反射或散射光子来提取目标的信息。所以激光照明偏振成像技术不受气象条件、目标温度及背景照度的影响，在遥感尤其是军事目标识别方面有着广泛的应用前景。本文提出了一种综合利用偏振探测技术，识别复杂背景下目标的方法。

1 课程设计目的、内容、要求

1.1课程设计目的

（1）掌握利用目标对线偏振光退偏特性的差异进行目标识别的原理与方法；

（2）设计测量光路，将金属目标（铜、铁和铝）从非金属目标（树叶、纸、塑料和木头）中识别出来；

（3）掌握图像处理的方法包括计算合成偏振度图像、强度图像等；

（4）分析目标识别实验中影响识别效果的因素。

1.2 设计内容

（1）选择与制作目标板，设计并搭建实验光路；

（2）进行目标识别的实验，获取目标偏振图像；

（3）对图像进行处理,编程计算出各种目标图像的偏振度；并比较偏振度图像与强度图像识别效果；

（4）分析目标识别过程中影响识别效果的因素。

1.3 设计要求

（1）叙述利用目标退偏特性差异进行目标识别的原理及特点； （2）完成目标识别实验的现场演示。

2 方案论证和选择

2.1 三个不同角度测量线偏振光强法

2.1.1：粗糙表面对光波的偏振变换模型

斯托克斯矢量—密勒矩阵能够处理完全偏振光，而且还可以处理部分偏振光问题，同时还可考虑光波的强度变化问题。 密勒矩阵M 为：

M=????????????33000022000011000000

M M M M （2-1) 在密勒矩阵对角化的情况下， M 00表示总的反射或散射系数，M 11和M 22分别表示水平(或垂直) 和+45。(或一45。)方向的线偏振系数,为圆偏振光系数。不同目标反射或散射入射激光的保偏能力为:

P=(|M 11|+|M 22|+|M 33|)/(3M 00) （2-2)

对于特定偏振态的入射光波，上式还可以进一步简化。例如，对于光强为I 0的入射光波， 其偏振态是P(或S)偏振时，则

S=????????????33000022000011000000M M M M ????????????±0011=I 0?????

?

??????±001100M M （2-3) 式中：M 11/M 00表征目标散射P(或S)偏振态激光时的保偏能力。如果以+45。(一45）或左旋(右旋)偏振光入射，则可以得到以下结论:M 22/M 00表征目标散射+45。(一45。)线偏振激光时的保偏能力，而M 33/M 00表征了目标散射左旋(或右旋)圆偏振光时的保偏能力。 2.1.2 ：粗糙表面散射密勒矩阵元素的测量方法

为了测量肘M 11/M 00,以光强为I 0的P 偏振光人射，入射光斯托克斯矢量为为:

S=I 0[]0011T ,M 被测目标的密勒矩阵,见上文，入射光经目标散射后，变为P(或S)光

与自然光的叠加，其斯托克斯矢量为S out =I 0[]001100M M T ,在接收探测器前放置检偏器，旋转检偏器使其偏振方向沿x 轴，检偏器密勒矩阵M d,x 为:

M d,x =1/2?

?

???

????

???000000000011

0011

（2-4) 通过检偏器的光斯托克斯矢量为:S d,x = M d,x S out =1/2I 0[M 00+M 11 M 00+M 11 0 0 ]T

此时探测器接收的光强记为I 1,I 1=I 0/2(M 00+M 11), 这是光的电场矢量沿平行人射面方向的度。

再将检偏器偏振方向旋转至y 轴方向，密勒矩阵M d 为

M d,y =1/2??

???

??

??

???--00000000001

10011 （2-5) 同理，通过检偏器的光斯托克斯矢量为S d,y = M d,y S out =I 0/2[M 00-M 11 -M 00+M 11 0 0 ]T

此时探测器接收的光强记为I 2=I 0/2(M 00-M 11) ，这是光的电场矢量沿垂直入射面方向的强度。

目标表面散射光的总强度：I=I 1+I 2+I 0M 00,M 11/M 00则为两次测得光强之差除以I

)I +)/(I I -(I =/M M 21210011 （2-6) 由于电磁波经物体表面反射辐射后，根据表面的结构、纹理以及入射的角度，其偏振状态将发生改变，会使物体表面某些信息得到增强，从而可以更有效地鉴别物体。所以，通过实验手段获得的偏振图像可以表征一些强度测量很难表征的信息，如表面的结构、粗糙程度等。

偏振度：是度量电磁波中偏振程度的参数，为偏振光在总光强中所占的比例。一般而言，偏振度在0(自然光)与1(全偏振)间变化。

斯托克斯参量（Stokes parameters ）：是光学偏振态的数学表示。斯托克斯引入四个量作为表示偏振态的参量，即：

><+>=<2

2

0y E E S x （2-7)

><->=<2

2

1y E E S x （2-8)

>=<δcos 22y x E E S （2-9)

>=<δsin 23y x E E S （2-10)

其中E x ，E y 是光的电矢量E 在x 、y 方向上的振幅，δ是二者的相位差。这四个参量可以表示自然光及各种偏振光。一个给定的斯托克斯参量可看做一个矢量。

Stokes 参量中的S 0、S 1 、S 2 、S 3通常表示成I 、Q 、U 、V 。其中I 表示光波的总强度。Q 表示x 方向与y 方向上的线偏振光的强度差。U 表示4/π+方向与4/π-方向上的线偏振光的强度差。V 表示右旋不是左旋圆偏振分量占优势。在自然界大气背景及目标物对太阳入射的偏振效应中，圆偏振的分量极少，相对于仪器的误差来说可以忽略，通常假定V=0。因而，要完全确定一束光线的偏振状态，还需要三个独立数据来确定I 、Q 、U 这三个参量。

得到Stokes 矢量 S = [ I Q U V ] 后即可通过以下公式计算出该光束的偏振度为：

I

V U Q P 2

22++=

，( V=0 ) ? I

U Q P 2

2+=

(2-11)

I = ><+>=<2

2

0y E E S x （2-12） Q = ><->=<2

2

1y E E S x （2-13） U = >=<δcos 22y x E E S

（2-14）

在任一x o y 平面，在与X 轴的夹角为α的方向上进行观测所得到的光强可以用下式表

述：

αααα2s i n s i n c o s )(22

22

y x y

x

E E E E I ++= (2-15)

或者： ()()ααα2s i n 2c o s 2

1

U Q I I ++= (2-16)

这样只要测出三个不同角度的线偏振光的光强I ，就可以联立求出Stokes 的I 、Q 、U 的

值。现取0o 、60o 、130o 三个角度获得I 、Q 、U 值如下：

()3213

2

I I I I ++=

（2-17）

??? ??--=

321212134I I I Q （2-18）

()323

2I I U -=

（2-19）

这样通过实验使用CCD 成像器件测出0o 、60o 、120o 三个角度下的灰度图像即可没得三个方向的光强I 1、I 2、I 3的图像。代入以上（2-12）（2-13）（2-14）三式求出I 、Q 、U ，然后再代入式(2-11)即可求得偏振度值P 。

2.2四个不同角度测量线偏振光强法

按式（2-1）（2-2）（2-3）（2-4）可得：

?????

?

??????-+--+=????????????431423312I 1I I I I I I I I I V U Q （2-20）

其中I 为光的总强度，I -1、I 2、I 3、I 4分别表示放置在光传播方向上一理想偏振片透光轴与参考方向呈0o 、45o 、90o 和135o 方向上的线偏振光强。

这样通过实验使用CCD 成像器件测出0o 、45o 、90o 和135o 、四个角度下的灰度图像即可没得四个方向的光强I 1、I 2、I 3、I 4的图像。代入上式（2-20）求出I 、Q 、U ，然后再代入式(2-11)即可求得偏振度值P 。

2.3方案比较与选择

三个不同角度测量线偏振光强法和四个不同角度测量线偏振光强法相比看出，在实验步

骤上两者大同小异，主要区别在于数据采集和数据处理过程。使用三个不同角度测量线偏振光强法则只需使检偏器分别旋转3个角度拍取图像即可，由于在实验过程中，去旋转检偏器多多少少会使镜片产生位移，这样可能会引起拍摄图像产生位移。3个角度方法，即只需旋转两次，相比4个角度方法少转一次，从而减少由于镜片位移引起的误差。

使用四个不同角度测量线偏振光强法则需要测量4组数据，相比方三个不同角度测量线

偏振光强法多测1组。所以相对于三个不同角度测量线偏振光强法，计算误差比三个不同角度测量线偏振光强法的要小。 综上所述，最终选四个不同角度测量线偏振光强法。

3 仪器及元件的选择

由四个不同角度测量线偏振光强法原理分析得，所需器件有：激光光源、起偏器、扩束器、目标板、检偏器、成像透镜、CCD成像探测器、计算机、固定支架等。

被测目标物的选择：表面光滑金属目标（铜、铁和铝）从非金属目标（树叶、纸、塑料和木头）制作的目标板，背景为白纸。偏振片：其对入射光具有遮蔽和透过的功能，可使纵向光或横向光一种透过，一种遮蔽。在实验中，其起着关键作用。实验通过旋转偏振片于不同方向可以让不同方面的线偏振光束透过成为线偏振图像。

成像透镜：主要是作为CCD成像采集的辅助作用，其将被测物体成像于CCD探测面上。为了保证物体表面层次成像有好效果，应使用光学传递函数MTF值在中低频的强度曲线呈平缓的成像透镜器件。

CCD成像器件：其主要用于光线偏振图像的光强度直接采集，直接关系的源数据信息及误差，所应尽可以选择分辨率高和暗电流小的CCD器件。

计算机：主要用于采集的图像数据处理。实际编程计算时可使用MATLAB编程开发软件。为了保证数据处理的速度，应先用内存大、运算速度高的计算机。

4 偏振图像采集

图4.1 实验光路图

4.2 实验步骤

（1）摆光路器件：按图1实验光路图，除检偏器片外，按光路顺序摆放好各器件，其中将电路板（目标物）以白纸为背景固定在目标靶上。

（2）调焦：在光轴方向上移动成像透镜，观察采集图像的，使图像达最清晰程度，并固定好所有器件。

（3）采集线偏振图像：按偏振片上的刻度值，分别将偏振片与参考刻度成：0o、45o、90o、

135o夹角，采集记录相应的图像：I

1、I

2

、I

3

、I

4

。

数据处理：将步骤4）采集到的I

1、I

2

、I

3

、I

4

图像灰度值代入式（2-11）求出I、Q、U，

然后再代入式(2-5)即可求得偏振度值P。最终将所有计算结果的像素合成的图像即为偏振度图像。

5 实验结果与分析

图5.1 00方向线偏振图像图5.2 450方向线偏振图像

图5.3 90o 方向线偏振图像图5.4 135o方向线偏振图像

图5.5强度图像图5.6偏振度图像

图5.7树叶与硬币偏振、强度图

表5.8 偏振与强度图像的灰度均值

图5.1为0°时的线偏振图像，此时的图像中的金属硬币是最亮的，因为金属的退偏特性较弱，当检偏器旋转到一定角度时，金属硬币的亮度最亮，则该检偏器角度所成图像为0°

图像，亮度最亮。而当检偏器在原来0°的基础上旋转90°时，CCD所成图像亮度最暗，因为线偏振光经过与光线偏振方向成90度的偏振片时，能透过偏振片的光强很小，成像亮度低。图5.3中的亮度主要是由于金属的退偏特性和部分实验室自然光的透射进入CCD成像引起。总的来说偏振片90°时，成像图像灰度值最低。45°线偏振图像和135°线偏振图像如图5.2和图5.4所示，它们的灰度值应介于0度和90度图像的灰度值之间，相差不是特别的大。

但是我们可以明显的看出树叶的灰度值在图5.1、图5.2、图5.3和图5.4中，其灰度值几乎是相同的，变化非常的小。这是由于树叶的退偏特性严重，激光（线偏振光）打到其表面是，散射光就不是线偏振光了，而是近似于圆偏振光。所以在以上四幅图像中灰度相当。背景所采用的白纸在图5.1、图5.2、图5.3和图5.4中，图像的灰度值也是变化不明显，具有明显的退偏特性，与树叶一样。在由图5.7和表5.8可知，硬币的平均灰度值在强度图和偏振图中相差169.52，而树叶平均灰度值在强度图和偏振图中相差6.3，几乎相同，背景灰度值分别为79.65373和81.364512。我们进行目标识别时，就可以利用灰度均值的差别进行目标的识别工作。例如利用两个图像灰度相减得到图片。可以树叶和背景灰度趋于0，而硬币160多，目标明显区别于背景板和树叶，即可完成识别工作。

6 实验评价

本次试验图像偏振度的获取方法是较为常用的的方法，通过使用偏振处过滤光束实现线偏振图像的获取，最后将4个角度的线偏振图像通过公式计算得偏振度图像。总体来说较成功，达到了想要达成的效果，但是由于对起偏器进行0度校准有些出入，导致叶子的偏振度强度数据偏差，有待改进。本次试验的误差来源主要有，CCD的噪声，由于试验装置简单容易受外界干扰产生较大误差，试验目标板各个被测物大小，形状，薄厚，颜色，采光不同等原因产生的，如：因树叶颜色较深而造成强度图像较弱等。实验还有很多不足的地方可以改进，如测量数据较少而不能有效的证明结论，目标的选择较少，以及实验的方法较单一而没有比较点，不能从实践上来证明方案的合理性。

7 课设总结

通过本次课程设计，本人进一步了解Stoke定律，认识到了退偏特性差异探测技术在研究起着重要的作用。通过光路搭建，了解到了各器件的使用细节，提高了动手能力。通过M a t l a b编程，积累了初步经验，培养了能通过使用计算机处理能力了对实验数据处理的能

力。能使用所学知识解决现实中所遇到的问题是一件非常有意义的事，通过本次课设也进一步巩固了大学期间所学的知识。

参考文献

[1] C.冈萨雷斯(Rafael C.Gonzalez)，Richard E.Woods.数字图像处理(第二版)[M].北京:电子工业出版社,2007

[2] 唐若愚,于国萍,王晓峰.自然光照下偏振度图像的获取方法[J].武汉大学学报,2006,52(1):59~60.

[3] 刘卫国.Matlab7程序设计与应用[M].北京：高等教育出版社，2003

[4] 孙祥. matlab7.0基础教程[M]. 北京：清华大学出版社，2005

[5] 廖延彪. 偏振光学[M].北京：科学出版社，2003

[6] 杨之文.偏振光谱的测量及研究进展[J].光谱实验室，2003,20（6）：815-820.

[7] Dogariu A, Boreman G D.Facet model for photon-flux transmission through rough dielectric interfaces[J].Optics Letters,1996,21(10):701-703.

[8]于国萍,王晓峰.偏振图像的研究[J].物理实验,2009,29(7):38~42.

[9]Clemenceau P, Dogariu A,Stryewski J.Polarization active imaging[C] Proc.SPIE,2000,4035:401-4091

[10]Breugnot S,Clemenceau P.Modeling and performances of polarization active imager at

λ=806nm[C].Proc.SPIE,1999,3707:449-460.

附件一：实验仪器

附件二：实验采集数据

附图2.1 00方向线偏振图像附图2.2450方向线偏振图像

附图2.3 90o 方向线偏振图像 附图2.4 135o 方向线偏振图像

附图2.5 树叶与硬币偏振、强度图

附表2.6 偏振与强度图像的灰度均值

附件三：实验程序

Im0=imread('D:\1100830117\0.bmp'); subplot(2,3,1);

imshow(Im0);

title('0度');

Im45=imread('D:\1100830117\45.bmp'); subplot(2,3,2);

imshow(Im45);

title('45度');

Im90=imread('D:\1100830117\90.bmp'); subplot(2,3,3);

imshow(Im90);

title('90度');

Im135=imread('D:\1100830117\135.bmp'); subplot(2,3,4);

imshow(Im135);

title('135度');

I=Im0+Im90;

Q=Im0-Im90;

U=Im45-Im135;

R=Q.*Q+U.*U;

P1=double(R).^0.5;

P=P1./double(I);

mat2gray(P);

subplot(2,3,5);

imshow(P);

title('偏振度图像');

subplot(2,3,6);

imshow(I)

title('强度图像');

imwrite(I,'D:\1100830117\强度图.bmp'); imwrite(P,'D:\1100830117\偏振图.bmp');

Im0=imread('D:\1100830117\0.bmp'); subplot(2,3,1);

imshow(Im0);

title('0度');

Im45=imread('D:\1100830117\45.bmp'); subplot(2,3,2);

imshow(Im45);

title('45度');

Im90=imread('D:\1100830117\90.bmp'); subplot(2,3,3);

imshow(Im90);

title('90度');

Im135=imread('D:\1100830117\135.bmp');

imshow(Im135);

title('135度');

I=Im0+Im90;

Q=Im0-Im90;

U=Im45-Im135;

R=Q.*Q+U.*U;

P1=double(R).^0.5;

P=P1./double(I);

mat2gray(P);

subplot(2,3,5);

imshow(P);

title('偏振度图像');

subplot(2,3,6);

imshow(I)

title('强度图像');

imwrite(I,'D:\1100830117\强度图.bmp'); imwrite(P,'D:\1100830117\偏振图.bmp'); Im0=imread('D:\1100830117\强度图.bmp'); [m,n]=size(Im0);

Im0bi=Im0(20:0.68*m,1:0.5*n);

Im0ye=Im0(:,0.5*n:n);

subplot(2,3,1);

imshow(Im0bi);

title('硬币强度图');

subplot(2,3,2);

imshow(Im0ye);

title('树叶强度图');

Im1=imread('D:\1100830117\偏振图.bmp'); Im1bi=Im1(20:0.68*m,1:0.5*n);

Im1ye=Im1(:,0.5*n:n);

imshow(Im1bi);

title('硬币偏振图');

subplot(2,3,5);

imshow(Im1ye);

title('树叶偏振图')

Imbic=Im0bi-Im1bi;

Imyec=Im0ye-Im1ye;

subplot(2,3,3);

imshow(Imbic);

title('硬币灰度差图');

subplot(2,3,6);

imshow(Imyec);

title('树叶灰度差图');

qdyb=mean(mean(Im0bi));

pzyb=mean(mean(Im1bi));

qdsy=mean(mean(Im0ye));

pzsy=mean(mean(Im1ye));

fprintf('硬币的偏振度图像灰度均值为%f\n',pzyb); fprintf('硬币的强度图像灰度均值为%f\n',qdyb); fprintf('树叶的偏振度图像灰度均值为%f\n',pzsy); fprintf('树叶的强度图像灰度均值为%f\n',qdsy); fprintf('背景的偏振度图像灰度均值为%f\n',pzsy); fprintf('背景的强度图像灰度均值为%f\n',qdsy);