本發(fā)明涉及偏振成像探測領域，特別是涉及一種基于Stokes矢量RGB圖像優(yōu)化表征的測量裝置及多物體區(qū)分方法。

背景技術：

偏振信息是一種光波特有的基本物理信息，可以表征一些其它光波信息所無法體現(xiàn)的光學特性，因此在光學測量和成像領域具有豐富的應用成果和廣泛的應用前景。

Stokes矢量是一種描述光波偏振狀態(tài)的四維矢量，可以表征最基本的光學偏振信息，因此Stokes矢量測量及其應用技術成為了偏振測量及成像領域的一大主要內容。

在偏振成像領域，識別具有不同偏振特性的材料或物體一直是主要的發(fā)展方向和應用領域。在之前的Stokes偏振成像對比度優(yōu)化技術中，通常是計算偏振分析儀(PSA)的最佳狀態(tài)，并計算該狀態(tài)下CCD所記錄的光強圖，因此往往是將偏振信息輸出為灰度圖像。該方法雖然可以通過參量數值的不同對偏振物體進行區(qū)分，然而由于其輸出為灰度圖像，并未利用人眼對色彩的區(qū)別能力，因此對于不同種偏振特性相差不大的物體區(qū)分度不高并且缺乏直觀性。

技術實現(xiàn)要素：

基于現(xiàn)有技術，本發(fā)明提出了一種基于場景Stokes矢量測量及其RGB圖像優(yōu)化的多物體區(qū)分方法，基于對場景Stokes矢量的測量，計算模擬不同PSA狀態(tài)下的CCD所記錄的光強圖像，并選取其中三幅灰度圖像的最優(yōu)化狀態(tài)組合，將這三幅灰度圖像賦值到RGB色彩空間組合得到彩色圖像，使得具有不同偏振特性的物體顏色差別明顯。

本發(fā)明的一種基于場景的Stokes矢量偏振測量系統(tǒng)的多物體區(qū)分方法，該方法包括以下步驟：

步驟1、在單一入射光入射的前提下，根據PSA的各個狀態(tài)求出相應的測量矩陣W，利用CCD相機采集PSA對應狀態(tài)下的光強信息，并基于光強信息求得場景內三個不同物體的Stokes矢量；

步驟2、建立計算黑白CCD相機所接收的灰度圖像與偏振態(tài)分析器狀態(tài)的關聯(lián)；即由偏振態(tài)分析器狀態(tài)可以計算出黑白CCD相機所接收的灰度圖像

步驟3、通過優(yōu)化搜尋，獲得最優(yōu)化的三個PSA狀態(tài)組合，模擬得到同一場景下三幅圖像的灰度值大小，并把不同狀態(tài)下的對應物體的灰度值分別賦值于RGB通道，從而形成對應物體的RGB空間坐標點；通過優(yōu)化搜尋，獲得最優(yōu)化的三個偏振態(tài)分析器狀態(tài)組合所對應的三幅場景灰度圖像，該最優(yōu)化的三個PSA狀態(tài)使得彩色圖像中物體RGB空間坐標點平均值的距離整體最大，其判據可為物體RGB空間坐標點平均值所連結成的三角形面積最大；

步驟4、根據步驟3模擬得到最優(yōu)化的三個偏振態(tài)分析器狀態(tài)組合下的三幅場景灰度圖像，并將其賦值于RGB通道的分量灰度圖像中，在合成得到的彩色圖像中，具有不同偏振特性的物體將具有明顯的色彩區(qū)別，從而實現(xiàn)區(qū)分多個不同偏振物體的物體識別。

所述步驟3中獲得最優(yōu)化的三個偏振態(tài)分析器狀態(tài)組合的方法，具體包括：將三個物體在RGB彩色空間下的RGB坐標點連結為矢量三角形，求得三角形面積取到最大值時PSA在三個狀態(tài)下的偏振片和波片角度值，即為對應的最優(yōu)化偏振態(tài)分析器狀態(tài)組合。

所述步驟4中實現(xiàn)多個不同偏振物體的識別，具體包括：模擬得出最優(yōu)化PSA狀態(tài)組合所對應的三幅灰度圖像，并將其分別作為彩色圖像中的RGB灰度分量圖像進行合成，所得到的彩色圖像中不同的偏振物體在步驟(3)的保證下將會表現(xiàn)出較大的色彩差異，從而對其進行識別。

與現(xiàn)有技術相比，本發(fā)明方法該可以將多維偏振信息與人眼色彩識別能力相結合，最大化的利用圖像的色彩特征，對具有不同偏振信息的物體進行區(qū)分，該方法在識別多個物體時效果更為明顯，具有較大優(yōu)勢；

且最大幅度的利用了人眼的色彩識別功能，具有很大的直觀性，對于偏振測量技術和模擬偏振成像技術的發(fā)展具有重要意義。

附圖說明

圖1為基于場景的Stokes矢量偏振測量系統(tǒng)結構示意圖；

圖2為基于場景的Stokes矢量RGB圖像優(yōu)化表征的多物體區(qū)分方法的整體流程圖；

圖3為物體平均RGB坐標點與其連結成的矢量三角形示意圖，P_a，P_b，P_c為彩色圖像中物體RGB空間坐標點平均值；L_a，L_b，L_c為坐標點之間的距離；

圖4為實施例實驗中場景的原始灰度圖像；

圖5為最優(yōu)化狀態(tài)下的場景組合彩色圖像。

附圖標記：1、633nm激光光源(單波長激光器)，2、擴束裝置組，3、反射板，4、偏振態(tài)分析器(PSA)，5、彩色CCD相機。

具體實施方式

結合附圖及實施例對本發(fā)明作進一步詳細描述：

本發(fā)明的理論依據：

在測量單一入射光照射的前提下，考慮由三個具有不同偏振特性的物體組成的被測場景，首先介紹單一波長下的Stokes矢量測量的方法：

S＝W^-1I (1)

其中I＝[i₁,i₂,i₃,i₄]^T為一四階列向量，每一個分量表示在一確定PSA狀態(tài)下的調制光強；W為4x4的測量矩陣，該矩陣由四次測量過程中PSA每一次的狀態(tài)所決定。每一行都可以認為是一組Stokes矢量；S＝[S₀,S₁,S₂,S₃]^T表示待測的Stokes矢量。上述方法中的光強i是由CCD相機對目標場景進行拍攝后取其圖像中某物體部分灰度平均值得到的。在上述前提下，可測得三個偏振物體對應的Stokes參量為S¹，S²，S³。

偏振分析儀(PSA)對偏振光的調制功能是由其測量矢量T的橢圓率χ和方位角ψ所決定的，在已知物體Stokes參量的條件下，物體反射光經PSA調制所得到的出射光強可由下式表示：

其中測量矢量T為矩陣W的第一行行矩陣，即為PSA的特征矢量。

設PSA的三種不同狀態(tài)分別為狀態(tài)a，狀態(tài)b和狀態(tài)c，則三種狀態(tài)下三個物體的灰度值可以分別表示為以及將每個物體在三種狀態(tài)下的灰度值分別賦值到彩色空間的RGB分量，則三個物體在RGB空間的坐標可表示為：

連結P₁，P₂，P₃可在RGB三維色彩空間中構成一個矢量三角形，設該三角形面積為D。由于三個坐標點的坐標分量受PSA三種不同狀態(tài)下橢圓率和方位角的影響，因該三角形面積是三個狀態(tài)下橢圓率和方位角的具有六個自變量的函數，若使得三角形面積D在定義域范圍取得最大值，則一般而言此時三個物體的RGB空間坐標距離相差較大，從而顏色差距較為明顯。三角形面積取得最大值時三個狀態(tài)下橢圓率和方位角分別為χ^a、ψ^a；χ^b、ψ^b；χ^c、ψ^c，其滿足下式關系：

(χ^a,ψ^a,χ^b,ψ^b,χ^c,ψ^c)＝arg max{D(χ^a,ψ^a,χ^b,ψ^b,χ^c,ψ^c)}. (4)

通過模擬可獲得在三組PSA最優(yōu)化狀態(tài)下的場景灰度圖像，將三幅灰度圖像分別作為彩色圖像的RGB分量并進行合成，即可得到模擬彩色圖像。在該圖像中，具有不同偏振特性物體的顏色將有明顯差別，可以直觀的對其進行區(qū)分。

如圖1所示，為本發(fā)明的基于Stokes矢量的測量系統(tǒng)結構示意圖，633nm激光光源1發(fā)出的光經過擴束裝置組2入射到反射板3上，經反射板反射后形成固定的待測Stokes矢量，再經過由偏振片和四分之一波片組成的偏振態(tài)分析器(PSA)4后進入彩色CCD相機5。通過調節(jié)裝置中的四分之一波片和偏振片的角度實現(xiàn)全自由度的橢圓率和方位角調節(jié)，獲得測量矩陣W中的各個偏振狀態(tài)。其中所選用的光強探測器件是Stingray F-033B型黑白CCD相機。

本發(fā)明的基于Stokes矢量偏振測量系統(tǒng)的多物體區(qū)分方法，以在單一波長入射光照射的前提下和同一場景下的三個具有不同偏振特性的物體為例，測量了在同一場景下具有不同偏振特性物體的Stokes矢量，并通過計算得出PSA任意狀態(tài)下偏振成像系統(tǒng)記錄的場景的灰度圖像；通過優(yōu)化搜尋，獲得三個最優(yōu)化的PSA狀態(tài)組合，使得將三個最優(yōu)化的PSA狀態(tài)下的三幅灰度圖像賦值到彩色圖像RGB三個通道時，三個物體對應的RGB三維空間坐標點所連結成的矢量三角形面積最小，并最終將PSA最優(yōu)狀態(tài)組合對應的三幅場景灰度圖像合成為一幅彩色RGB圖像，實現(xiàn)對不同偏振特性物體的顯著和直觀區(qū)分。

如圖2所示，為本發(fā)明的流程圖。具體實現(xiàn)步驟為：

步驟1、在單一入射光入射的前提下，根據PSA的各個狀態(tài)求出相應的測量矩陣W，利用CCD相機采集PSA對應狀態(tài)下的光強信息，并基于光強信息求得場景內三個不同物體的Stokes矢量；

步驟2、建立計算黑白CCD相機所接收的灰度圖像與偏振態(tài)分析器狀態(tài)的關聯(lián)；即由偏振態(tài)分析器狀態(tài)可以計算出黑白CCD相機所接收的灰度圖像

步驟3、通過優(yōu)化搜尋，獲得最優(yōu)化的三個PSA狀態(tài)組合，模擬得到同一場景下三幅圖像的灰度值大小，并把不同狀態(tài)下的對應物體的灰度值分別賦值于RGB通道，從而形成對應物體的RGB空間坐標點；通過優(yōu)化搜尋，獲得最優(yōu)化的三個偏振態(tài)分析器狀態(tài)組合所對應的三幅場景灰度圖像，該最優(yōu)化的三個PSA狀態(tài)使得彩色圖像中物體RGB空間坐標點平均值的距離整體最大，其判據可為物體RGB空間坐標點平均值所連結成的三角形面積最大；

步驟4、根據步驟3模擬得到最優(yōu)化的三個偏振態(tài)分析器狀態(tài)組合下的三幅場景灰度圖像，并將其賦值于RGB通道的分量灰度圖像中，在合成得到的彩色圖像中，具有不同偏振特性的物體將具有明顯的色彩區(qū)別，從而實現(xiàn)區(qū)分多個不同偏振物體的物體識別。

步驟3對三個物體在三幅灰度圖像中的灰度值分別賦值于RGB通道，并求得最優(yōu)化PSA狀態(tài)組合的方法是：將三個物體在RGB彩色空間下的RGB坐標點連結為矢量三角形，求得三角形面積取到最大值時PSA在三個狀態(tài)下的偏振片和波片角度值，即為對應的最優(yōu)化PSA狀態(tài)組合。

步驟4中對多個不同偏振特性物體的識別方法是：模擬得出最優(yōu)化PSA狀態(tài)組合所對應的三幅灰度圖像，并將其分別作為彩色圖像中的RGB灰度分量圖像進行合成，所得到的彩色圖像中不同的偏振物體在步驟3的保證下將會表現(xiàn)出較大的色彩差異，從而對其進行識別。

本發(fā)明實施例描述如下：

基于Stokes矢量RGB圖像優(yōu)化表征的多物體區(qū)分方法具體步驟如下：

假設實施例場景中的原始灰度圖像中包括物體1、2、3，經實際測量所得的物體1、2、3的平均Stokes參量如下所示：

S¹＝[20.24,-16.32,-0.58,-1.78]^T

S²＝[17.58,-6.44,5.47,5.94]^T

S³＝[26.14,-25.20,-1.87,2.07]^T

本例中PSA的特征矢量的橢圓率和方位角可轉化為PSA中偏振片和波片的旋轉角度θ_p和θ_R。

通過優(yōu)化搜尋所得到的最優(yōu)化PSA組合下的偏振片角度和波片角度組合分別為35.98°、68.89°、14.85°、120.02°、91.79°、108.40°。以這一組合結果得到最優(yōu)化場景組合彩色圖像，三個物體分別具有不同的顏色，表明3個物體具有不同的偏振特性。因此不僅可以得知場景中有3個物體，而且可以直觀和明顯的看出，這三個物體具有不同的偏振特性，這是傳統(tǒng)的強度圖像所不能實現(xiàn)的。