紅外偏振圖像的仿真

虞文俊，顧國華，劉騁昊

紅外偏振圖像的仿真

虞文俊，顧國華*，劉騁昊

（南京理工大學電子工程與光電技術學院，南京210094）

為了在獲得真實偏振圖像之前獲得偏振圖像，采用仿真的方法進行了實驗研究，即先通過實驗獲得各種物體的偏振度建立一個偏振數據庫并進行理論研究論證，再利用K-均值聚類算法對紅外圖像中的物體進行聚類，最后將聚類后的圖像通過計算得到偏振圖像。結果表明，得到的仿真偏振圖像效果很明顯，能夠很好地區分人造物和自然物，從而驗證了仿真算法的可行性。圖像仿真對于更好、更方便地研究物體的偏振特性和建立偏振數據庫有著非常重要的意義。

圖像處理；紅外偏振圖像；圖像仿真；偏振數據庫

引 言

紅外成像的仿真一般是在原始景物紅外輻射分布的基礎上，從時間、空間、光譜和輻射量等方面進行［1］。仿真可分為數學仿真和半實物仿真兩大類。數學仿真就是建立系統的數學模型，然后通過計算機復現系統的工作過程，它屬于抽象性仿真，可以非實時運行。半實物仿真屬于物理仿真，必須實時運行。目前國內外對在目標紅外成像仿真研究方面的研究方法很成熟了，但是對紅外偏振圖像的仿真研究不是很多，也研究得不是很透徹，參考文獻［1］中提到了一種簡單的紅外偏振圖像仿真算法，作者就是在此基礎上進行了深入的研究。

通過實驗可獲得人造物和自然物的偏振度數據，用這些數據建立一個偏振數據庫［2］。當已知物體的偏振度，就可通過仿真算法得到景物的偏振圖像，即在獲得真實偏振圖像之前，可先通過對物體偏振特性的仿真來獲得偏振圖像［1］。參考文獻［1］中對紅外偏振圖像的仿真算法過于簡單，只考慮景物中一種獨特的物體的偏振度來仿真得到最后的偏振圖像，效果不明顯，沒有很好地區分人造物和自然物，而本文中先通過大量實驗計算獲得人造物和自然物的偏振度，然后利用K-均值聚類算法對原圖像進行分類，將分類后的物體仿真得到偏振圖像，最終仿真圖像效果很明顯，能夠更好地區分人造物和自然物。

1 偏振度的定義

自然光在傳播過程中，由于外界的影響，造成各個振動方向上的強度不等，使其一方向的振動比其它占優勢，這種光叫做部分偏振光［3-4］。偏振度表示為完全偏振光強度在整個光強度中的比例，即：

式中，P表示偏振度，Ip為完全偏振光的強度，In為自然光的強度；當P＝1時表示為完全偏振光，當0＜P＜1時表示是部分偏振光［5-8］。

偏振光通常也使用斯托克斯矢量描述法［9］。Stokes（斯托克斯矢量）描述法是由I，Q，U，V共4個參量來描述［6］。因為自然中圓偏振很少，所以假設V＝0。下式是I，Q，U的具體表達式：

2 偏振數據庫

通過大量實驗，分別對一些常用種類的目標以探測角為0°～65°來拍攝它們的紅外圖像，表1中列舉了常用種類目標的偏振度數據庫，這些數據是由圖1所示［10］的裝置拍攝到的圖像用（2）式和（3）式進行計算得到的。探測角是指熱像儀和物體的法線所成的角度，所以探測角最大可達90°。探測角和偏振數據之間沒有直接的數值對應關系，只是為了得到不同角度下偏振度數據的變化情況。

Fig.1 Experimental device for polarization data acquisition

Table 1 Common types of polarization of the target database

3 仿真算法和結果

3.1仿真算法

根據前面列出的偏振度數據得到目標物的偏振度，一般在拍攝紅外圖像時，景物基本上是垂直入射到紅外熱像儀上的，所以在偏振圖像仿真時選擇探測角為0°的物體偏振度。具體的仿真算法如下。

（1）首先對原始的紅外圖像基于K-均值聚類，將原始圖像中的物體分為K類，K-均值聚類具體算法［11］為：（a）從樣本點的集合S＝｛x1，x2，…，xn｝中隨機選擇K個初始的聚類中心；（b）將樣本點的集合S＝｛x1，x2，…，xn｝根據中心Z1，Z2，…，ZK進行聚類，得到K個類｛｛C1｝，｛C2｝，…，｛Ck｝｝，C是聚類的對象，對任意的xj∈S，如果（xj－Zi）2≤（xj－Zp）2，p≠i且p＝1，2，…，K，則xj∈Ci；（c）調整聚類中心，得到新的類中心計算聚類誤差，直到E的值不再很明顯地變化時結束，其中j＝1，2，…，n；p＝1，2，…，K。

假設紅外圖像上有綠色植被、大理石、紅旗和水，其實就是將這份紅外圖像采用聚類的算法大致分成4類。

（2）通過表1獲知物體的偏振度，再利用（1）式求出物體的偏振圖像，一般紅外熱像儀探測物體都是垂直探測，所以選用物體探測角為0°的偏振度數據，即綠色植被、大理石、紅旗和水分別利用下面的式子來獲得它們的偏振圖像：

式中，Igreen（i），Imarble（i），Iwater（i）和Icloth（i）為紅外圖像經過聚類后得到的像素，Pgreen（i），Pmarble（i），Pwater（i）和Pcloth（i）分別為各個類仿真計算后的偏振圖像像素，i代表某個像素點。

仿真算法流程圖見圖2。

Fig.2 Simulation algorithm flowchart

3.2仿真結果

紅外圖像經過聚類算法后的結果如圖3所示，經過上述方法對紅外圖像仿真后得到的結果見圖4，參考文獻［1］中的結果見圖5。

Fig.3 Clustering results

Fig.4 This simulation algorithm

本文中的仿真算法較參考文獻［1］中的仿真算法效果好，在本文中的最終結果，各個人造物體都明顯被突出了，達到了偏振圖像突出人造物目標的效果，自然物體被忽略了，而參考文獻［1］中的結果和原圖像沒有多大的區別，效果不明顯。

Fig.5 The simulation algorithm results in reference［1］

4 結 論

雖然仿真圖像不能完全來代替真實偏振圖像，但仿真圖像可以達到突出人造物的目的，所以對于一些不能直接獲得真實物體偏振圖像的圖像，仿真還是有其研究意義的。圖像仿真對于更好、更方便地研究物體的偏振特性和建立偏振數據庫有著非常重要的意義，并且該仿真算法適用于所有波段的紅外偏振圖像。

［1］ HAN N.Infrared polarization imaging technology［D］.Nanjing：Nanjing University of Science and Technology，2008：36-40（in Chinese）.

［2］ ZENG H F.Key technology research about infrared polarization imaging［D］.Nanjing：Nanjing University of Science and Technology，2012：19-40（in Chinese）.

［3］ WOLFF L B，ANDREOU A.Polarization camera sensors［J］.Imaage and Vision Computing，1995，13（6）：497-510.

［4］ LIAO Y B.Polarization optics［M］.Beijing：Science Press，2003：45-63（in Chinese）.

［5］ WOLFF L B.Applications of polarization camera technology［J］.IEEE Export，1995，10（5）：30-38.

［6］ ZHAO X J，BERMAK A，BOUSSAID F，et al.Liquid-crystal micropolarimeter array for full Stokes polarization imaging in visible spectrum［J］.Optics Express，2010，18（17）：17776-17786.

［7］ LEVITT JA，MATTHEWSD R.Fluorescence lifetime and polarization-resolved imaging in cell biology［J］.Analytical Biotechnology，2009，20（1）：28-36.

［8］ JIA Y H.Digital image processing［M］.Wuhan：Wuhan University Press，2007：10-95（in Chinese）.

［9］ DOU A P.Imaging polarization detection of a number of key technical research［D］.Xi’an：Northwestern Polytechnical University，2006：33-44（in Chinese）.

［10］ YUW J，GU G H，YANGW.Fusion algorithm of infrared polarization images based on wavelet transform［J］.Laser Technology，2013，37（3）：289-292（in Chinese）.

［11］ ZHAO Y Q，PAN Q，CHEN Y M.Imaging polarization spectral remote sensing and application［M］.Beijing：National Defence Industry Press，2011：22-245（in Chinese）.

Simulation of infrared polarization images

YU Wenjun，GU Guohua，LIU Chenghao
（College of Electronic Engineering and Optoelectronic Technology，Nanjing University of Technology and Engineering，Nanjing 210094，China）

In order to obtain polarization images without true polarization images，firstly，the degree of polarization of various objects were found in experiments，and a database of degree of polarization was built.Then，objects in the infrared images were classified by means of K-means clustering algorithm.Finally，the polarization images were calculated from the clustering images.The results verify the simulation algorithm is feasible.The effect of the simulated images is good，it is easy to distinguish artificial object from natural objects.Image simulation is important for better and more convenient research of polarization properties of objects and the establishment of a database of polarization.

image processing；infrared polarization image；image simulation；polarization database

TP391

A

10.7510／jgjs.issn.1001-3806.2014.01.016

1001-3806（2014）01-0076-03

總裝預研基金資助項目（62301020303）；江蘇省青藍工程基金資助項目

虞文俊（1988-），男，碩士研究生，主要研究方向為圖像處理和圖像融合。

*通訊聯系人。E-mail：gghnjust＠jsmail.com.cn

2013-01-15；

2013-02-26