【技术实现步骤摘要】
一种基于神经网络的自然光下偏振图像重建方法和系统
[0001]本专利技术属于成像
,尤其涉及一种基于神经网络的自然光下偏振图像重建方法和系统。
技术介绍
[0002]各种各样的散射粒子对目标探测、信息传输都有严重的影响。近年来,人们对散射介质的光学成像越来越感兴趣。当散射介质中,获取目标图像是由目标光和背景散射光组成的,散射强度较小或者传输距离近时,图像还能够清晰分辨,由于散射强度、光学厚度、传输距离的增加,图像就变得模糊不清,那就必须把背景散射光削弱甚至去除。然而,偏振信息相比于传统光学采用光强进行散射介质成像携带更多维信息(偏振度、偏振角),具有独特优势。随着偏振技术的发展研究,其有许多亟待解决的问题。同样地,散射和吸收效应使得偏振光在传输过程中也会受到衰减,当环境的散射强度增大或者传输距离增加时,基于传统物理的偏振成像方法也是难以获取清晰的目标图像。
[0003]此外,计算机处理能力的增强和计算成像技术的快速发展,使得卷积神经网络在各个方面有着广泛的应用。而计算成像的迅速发展是离不开深度学习技术的,卷积神经网络成为了解决散射介质成像的必要手段,卷积神经网络使得之前难以理解的散射问题变得更加有趣。将正常的散射问题以逆向思维描述,为解决该问题开辟了不同的途径。将偏振理论和深度学习算法结合解决散射介质成像成为了一种新型的成像模型,并利用两者的优势来探索基于数据驱动的散射系统的统计特性。基于深度学习的偏振信息在目标检测、水下成像、图像去噪和图像融合中的应用表明,其检测精度更高,噪声得到显著抑制,有 ...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的自然光下偏振图像重建方法,其特征在于,包括:步骤S1:搭建实验环境;步骤S2:搭建用于目标重建的神经网络模型;所述神经网络模型的输入为偏振图像及其偏振系数;神经网络模型的输出为重建后的目标图像;步骤S3:在实验环境中设置差异化目标进行偏振图像采集,采集得到四个角度的偏振图像I0°
,I
45
°
,I
135
°
,I
180
°
,确定多角度偏振图像及其对应的第一偏振系数以构建第一样本;将所述第一样本存入样本集中;计算线偏振图像及其第二偏振系数,将线偏振图像及其第二偏振系数关联起来构建第二样本,并将第二样本存入样本集中;步骤S4:采用样本集对神经网络模型作训练,并在满足目标条件时,终止训练;步骤S5:将训练好的神经网络模型用于目标重建;所述神经网络模型的输入是现场环境下采集到的目标的偏振图像,输出是重建目标图像。2.根据权利要求1所述的基于神经网络的自然光下偏振图像重建方法,其特征在于,依次配置LED光源、偏振片、散射介质、多个目标和焦平面偏振相机和采集终端。3.根据权利要求2所述的基于神经网络的自然光下偏振图像重建方法,其特征在于,所述确定多角度偏振图像及其对应的第一偏振系数以构建第一样本;具体包括如下步骤:步骤S3A1:确定多角度偏振图像I0°
,I
45
°
,I
135
°
,I
180
°
及其对应的和角度相关的第一偏振系数BI0,BI
45
,BI
90
,BI
135
,分别为:,分别为:,分别为:,分别为:其中P0,P
45
,P
90
,P
135
分别为实验环境光场中0
°
,45
°
,90,135
°
的光场强度;步骤S3A2:将多角度偏振图像及其对应的和角度相关的第一偏振系数分别对应起来作为第一样本;步骤S3A3:两两计算所有第一偏振系数B...
【专利技术属性】
技术研发人员:郭忠义,林冰,李关辉,
申请(专利权)人:哈工大机器人合肥国际创新研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。