粗糙目标表面红外偏振特性研究 下载: 705次
1 引 言
红外偏振成像技术是将红外成像与偏振成像相结合的一种新型成像探测技术,其利用红外偏振成像可明显提升对伪装、暗弱目标的探测识别能力,因此国内外针对红外偏振成像技术开展了大量研究。2011年,美军在白沙靶场利用红外偏振成像技术对低空小型飞行器进行了跟踪试验,探测的最大虚警率由普通红外成像的0.52降为0.01,信噪比提高了3.4~35.6倍[1]。2007年,汪震等人研究了铝质和钢质金属板热红外偏振度和其表面粗糙度的关系,得出表面越光滑其热红外偏振度越大的结论[2]。2016年,北京环境特性研究所在不同温度中分别对涂漆和镀铝目标开展了不同观测角度下的高光谱偏振成像实验,结果表明温度和观测角对目标红外光谱偏振特性具有影响[3]。虽然红外偏振成像技术可从红外辐射和偏振两个维度对目标进行探测,若要有效识别目标,必须准确掌握目标的红外辐射偏振特性。1993年,D.L.Jordan等人研究了金属和玻璃表面热辐射线偏振度的红外测量,并测量了不同粗糙度的铝和玻璃的线偏振度[4]。1998年,Lawrence B.Wolff等人提出了一种解释粗糙和光滑表面热辐射偏振的综合模型,对电介质和金属粗糙表面进行了研究,这种模型有望用来识别不同类型的材料[5]。2004年,Kristan P.Gurton等人对光滑物体表面的自发辐射偏振特性进行了建模仿真[6]。2005年,Kristan P.Gurton等人提出了一系列表征偏振热辐射对表面粗糙度依赖性的测量方法,特别测量了一系列粗糙硼硅酸盐玻璃基体的线性偏振光谱分辨率[7]。2015年,汤倩基于菲涅尔反射定律对目标自发辐射偏振进行建模仿真研究[8]。2018年,陈伟力等人对典型卫星表面材质进行了可见光反射特性分析[9]。但是,上述研究仅适用于理想的光滑物体表面,当物体表面粗糙度较大时,仿真结果与实测结果差异较大[10],难以准确全面地反映目标的红外偏振特性,故目标识别反演精度较低。
本文针对传统红外辐射偏振模型存在的局限性,基于微面元理论,将遮蔽函数引入到双向反射分布函数(BRDF)模型当中,并利用Muller矩阵将标量的双向反射分布函数偏振化,从而构建出适用于粗糙表面的红外辐射偏振度特性解析模型,更加全面地表征物体表面的红外辐射偏振特性。通过对不同粗糙度的典型材质进行仿真分析,得到红外辐射偏振度与入射角、粗糙度等的关系。最后,搭建了红外辐射偏振度特性测试实验,对不同景物进行长波红外偏振以及近红外偏振图像采集,以验证理论分析结果的正确性。
2 理论建模
BRDF在光的辐射度学上的严格定义最早由Nicodemus在20世纪70年代提出,其为入射光入射到物体表面经过反射后的出射辐射亮度与入射光的辐射照度的比值,其表达式为[11]:
式中:
BRDF表示了不同光线入射角度下物体表面在任意观测角的反射特性,是描述物体表面光反射特性的确定性函数[10-11]。本文的微面元模型采用高斯分布作为粗糙物体表面的微面元法线分布的概率分布函数,表达式为[12]:
式中:
2.1 基于微面元的双向反射分布函数
当目标物体表面不是理想光滑表面时,入射到微面元上的散射光会被截止,物体表面越粗糙,发生遮蔽-掩饰效应的概率就越大,从而会对粗糙物体表面的散射特性产生影响,所以在建立适用于粗糙物体表面的微面元双向反射分布函数模型时需要考虑遮蔽-掩饰效应的影响。
带有遮蔽函数的微面元双向反射分布函数模型的数学定义式如下:
式中:
图 1. 微面元双向反射分布函数模型几何关系示意图
Fig. 1. Schematic diagram of geometric relationship for bidirectional reflection distribution function model of microelement
在基于微面元的偏振双向反射函数的坐标系里有4个平面:入射方向与物体表面法线组成的平面ioz、入射方向与微面元法线组成的平面ion、观测方向与物体表面法线组成的平面roz、观测方向与微面元法线组成的平面ron,在这里用
2.2 遮蔽函数
入射到微面元上的光线被截止的现象称为遮蔽,在观测方向上,反射光线被截住的现象称为掩饰。遮蔽函数反映了不存在遮蔽和掩饰这两种事件所共同发生的概率,它由相邻面元反射的遮蔽和掩饰概率决定[7]。
假设材质表面各向同性,设
式中:
式中:
根据上述理论分析,不同入射角度对应的遮蔽函数变化趋势如
图 3. 随入射角与散射角变化的遮蔽函数曲线
Fig. 3. Shadowing function varying with incident and reflective angles
2.3 粗糙表面红外辐射偏振特性建模
为研究粗糙表面物体的微观分布对物体红外偏振特性的影响,本文将标量的微面元双向反射分布函数矢量化。为保证信息不丢失,本文采用Muller矩阵来描述光波偏振态:
式中:
由电磁场理论可知,散射光与入射光之间可通过Jones矩阵建立联系,在实际应用中,Muller矩阵与Jones矩阵之间存在转换关系。偏振化的琼斯矩阵为:
Muller矩阵与Jones矩阵的转换关系如式(14)、式(15)所示[14],由于圆偏振分量很小且计算复杂,一般忽略不计,令
式中:
本文引入定向半球反射率概念[15-16],即:目标表面上整个半球空间内的反射辐射通量与特定入射方向的入射辐射通量的比值,通过对BRDF在2π半球空间内做积分,可求得定向半球反射率:
定向发射率用定向反射率表示为:
黑体发射率矩阵为[17-18]:
描述光的偏振态通常有两种方式:Jones矢量表示法和Stokes矢量表示法。由于Stokes矢量可描述完全偏振光、部分偏振光和完全非偏振光,所以选择Stokes矢量表示法描述光的偏振态,通用表达式为:
目标表面总的红外偏振辐射的Stokes矢量表示为:
入射光为自然光的矩阵,表示为:
根据偏振度求解公式,可求得粗糙表面红外辐射偏振度解析式:
3 仿真分析
本文利用MATLAB软件建立微面元,假设微面元是斜面倾角为45°的等腰三角形,本文采用的是由Torrance and Sparrow提出的表面粗糙度模型,其属于各向同性粗糙度模型,该模型是否发生遮蔽—掩饰效应只取决于表面法线的角度
通过查阅文献可知,自发辐射偏振度在发射角为70°~80°之间存在峰值[21]。根据上述理论分析得到发射角为70°时金属铝与玻璃的自身辐射偏振度与粗糙度的关系曲线,如
图 4. 金属铝与玻璃板的自发辐射偏振度随粗糙度的变化曲线
Fig. 4. Changes of spontaneous emission polarization degree of aluminum and glass plate as roughness
由
图 5. 有无遮蔽函数模型时金属铝偏振度随入射角变化曲线
Fig. 5. Changes of polarization degree of metal aluminum with different surface roughnesses as incident angle with and without shadowing function
图 6. 有无遮蔽函数模型时玻璃板偏振度随入射角变化曲线
Fig. 6. Changes of polarization degree curve of glass plate with different surface roughnesses as incident angle with and without shadowing function
为了更直观地比较不同表面粗糙度情况下,金属材质与非金属材质偏振度随入射角的变化情况,本文设计实验进行研究。
图 7. 不同粗糙度下两种材质的偏振度变化曲线
Fig. 7. Degrees of polarization of two materials with different roughnesses varying with incident angle
4 红外偏振成像实验
为了验证目标物体存在红外偏振特性以及证明理论分析结果的正确性,本文开展了长波红外偏振成像实验以及近红外偏振成像实验,分别验证物体的自发辐射特性和反射辐射特性。长波红外微偏振相机以及近红外偏振成像实验的探测器的主要技术参数如
表 1. 成像系统主要技术参数
Table 1. Main technical parameters of the imaging system
|
实验选取与仿真时使用的铝片和玻璃板相近的材料,铝片的粗糙度为0.177和0.798;玻璃板的粗糙度为0.18和0.876,采用型号为SJ-210的粗糙度测量仪对物体表面粗糙度进行测量。
图 8. 铝(a)和玻璃(b)的红外偏振度实际测量值与仿真对比图
Fig. 8. Comparison diagrams of actual measured values and simulation values of infrared polarization degree for (a) aluminum and (b) glass
图 9. 不同粗糙度的铝片和玻璃的长波红外偏振度图像(a)铝片 (b)玻璃板
Fig. 9. Long-wave infrared polarization images of aluminum sheets (a) and glass plates (b) with different roughnesses
图 10. 室外景物图像(a) 及长波红外强度图像 (b) 的长波红外偏振度图像
Fig. 10. Long wave infrared polarization images of outdoor scenes (a) and long wave infrared intensity image (b)
将红外偏振片依次旋转到0°、45°、90°和135°的位置后,近红外偏振成像系统就获得了物体的4幅含有偏振信息的图像。由于物体温度和环境温度基本一致,所以利用近红外偏振成像系统获得的图像仅有物体的红外反射辐射偏振信息。
图 11. 具有不同粗糙度铝片的灰度图像(a)与近红外偏振度图像(b)
Fig. 11. Gray image (a) and near infrared polarization image (b) of aluminum sheets with different roughnesses
图 12. 不同粗糙度的玻璃板灰度图像(a)与近红外偏振度图像(b)
Fig. 12. Gray image (a) and near infrared polarization image (b) of glass plates with different roughnesses
采用与上文相同的旋转偏振片方式,获得室外景物的近红外偏振图像。
图 13. 室外景物拍摄的图像。(a)红外强度图像;(b)入射角为80°时红外偏振度图像;(c)入射角为70°时红外偏振度图像;(d)入射角为20°时红外偏振度图像
Fig. 13. Outdoor scenes. (a) Infrared intensity image; infrared polarized image at incident angles of 80° (b), 70° (c), 20° (d)
图 14. 不同入射角下的屋顶偏振度
Fig. 14. Polarization degrees of the roof at different incident angles
5 结 论
通过对本文建立的含有遮蔽函数的物体表面的红外辐射偏振度数学模型进行仿真发现:物体表面粗糙度较大时,两种模型偏振度差值会大于0.1,所以在对物体表面红外辐射偏振度建立数学模型时加入遮蔽函数有一定的必要性;金属与非金属的红外自发辐射偏振度都随粗糙度的增大而减小,粗糙度对非金属表面红外自发辐射偏振度的影响大于对金属的影响;区分金属与非金属材质有最佳的入射角范围,为60°~80°。利用长波红外偏振相机和近红外偏振成像系统对不同景物进行图像采集,实验结果验证了仿真结果的正确性。通过实验得出红外偏振图像在一定情况下能够提高图像对比度,突显目标的结论。下一步工作还可针对不同材质表面反演出遮蔽函数的4个参数,使粗糙物体表面红外偏振数学模型更加精准。
[5] WOLFF L B, LUNDBERG A, TANG R. Image understing from thermal emission polarization[C]. Proceedings of 1998 IEEE Computer Society Conference on Computer Vision Pattern Recognition, IEEE, 1998: 625631.
[6] GURTON K P, DAHMANI R, VIDEEN G. Measured degree of infrared polarization f a variety of thermal emitting surfaces[R]. Adelphi: Army Research Labary, 2004: 119.
[8] 汤倩. 红外辐射偏振建模与仿真研究[D]. 合肥: 合肥工业大学, 2015: 162.TANG Q. Research on modeling simulation of infrared radiation polarization[D]. Hefei: Hefei University of Technology, 2015: 162. (in Chinese)
[10] NICODEMUS F E, RICHMOND J C, HSIA J J, et al.. Geometrical Considerations Nomenclature f Reflectance[M]. Washington: National Bureau of Stards, 1977: 629.
[14] PRIEST R G, GERMER T A. Polarimetric BRDF in the microfacet model: they measurements[C]. Proceedings of the 2000 Meeting of the Military Sensing Symposia Specialty Group on Passive Senss, Infrared Infmation Analysis Center, 2000: 169181.
[19] 张海越. 基于穆勒矩阵的目标光学反射特性研究[D]. 南京: 南京理工大学, 2017: 161.ZHANG H Y. Study on optical reflection acteristics of target based on Muller matrix[D]. Nanjing: Nanjing University of Science Technology, 2017: 161. (in Chinese)
[20] 李刚. 空间目标天基红外探测光学系统研究[D]. 西安: 中国科学院西安光学精密机械研究所, 2013: 163.LI G. Research about spacebased IRoptical system f space object detection[D]. Xi’an: Xi’an Institute of Optics & Precision Mechnics, Chinese Academy of Sciences, 2013: 163. (in Chinese)
[21] 王晓娟. 基于长波的红外偏振成像技术研究[D]. 天津: 天津大学, 2016: 156.WANG X J. Research on infrared polarization image technology based on long wave infrared[D]. Tianjin: Tianjin University, 2016: 156. (in Chinese)
柳祎, 史浩东, 姜会林, 李英超, 王超, 刘壮, 李冠霖. 粗糙目标表面红外偏振特性研究[J]. 中国光学, 2020, 13(3): 459. Yi LIU, Hao-dong SHI, Hui-lin JIANG, Ying-chao LI, Chao WANG, Zhuang LIU, Guan-lin LI. Infrared polarization properties of targets with rough surface[J]. Chinese Optics, 2020, 13(3): 459.