粗糙表面六参量偏振双向反射分布函数模型 下载: 1138次
1 引言
偏振探测技术有着传统探测技术所不具备的优势,不仅能够获取目标的表面光强信息,而且能够获取目标的偏振信息[1],如偏振度(DOP)、偏振角等信息。这些多维信息能够提高目标的识别精度,从而辨别出传统探测技术无法识别的目标和纹理特征。光波与不同介质相互作用后,光的偏振状态变化决定于目标的本征属性,如目标材质、粗糙度等。依据这一特点,偏振探测技术在目标识别、遥感和生物医学等方面得到广泛的应用[2-4]。
偏振双向反射分布函数(pBRDF)作为表征粗糙表面反射偏振特性的典型模型,描述了入射光经目标表面反射后,反射光偏振特性在上半球空间的分布情况,能够很好地表征目标表面偏振特性与探测角度、复折射率、表面粗糙度等影响因素之间的数学关系[5]。pBRDF的获取主要有实验测量和理论建模两种方式。由于实验测量受到实验条件、测量数据多的限制,很难获取在任意入射、反射等条件下的pBRDF。因此,国内外众多学者开展了pBRDF的建模与研究,其中,大多数集中在对现有模型进行改进,逐渐形成了适用于不同情况的pBRDF模型。Priest[6]基于微面元模型提出一种pBRDF模型,并对两种复折射率相差较大的材料进行实验测量,发现模型计算结果和实验数据有相同的趋势,但未进行定量的分析。Thilak等[7]基于微面元pBRDF模型推导出了目标表面散射光偏振度表达式,利用实验数据和优化算法对材料的复折射率进行反演。虽然进行了定量的分析,但该模型未考虑漫反射对偏振特性的影响,反演精度不高。之后,冯巍巍等[8]在考虑漫反射对偏振度的影响下,建立一种适用于涂层表面的pBRDF模型,但该模型漫反射部分过于简单,造成模型精度不高,且无法表征漫反射与反射角的关系,不满足互易性。Renhorn等[9]采用半球反射率(DHR)对漫反射进行建模,对涂层材料反射光的s偏振和p偏振分析,模型仿真值与实验测量值能很好地吻合,但DHR计算量较大,实际应用较为困难。杨玉峰等[10]采用Minnaert模型[11]对漫反射部分建模,提出一种半经验的粗糙面六参数BRDF模型,提高了数据拟合精度,但无法对目标的复折射率以及粗糙度等材料属性进行反演,另外,该模型并未推导至偏振化形式,使得该模型不具备反射光偏振特性分析的能力。
针对传统模型的不足,本文基于微面元理论,考虑多次遮蔽效应和漫反射对粗糙表面散射偏振特性的影响,采用Minnaert模型表征漫反射强度,引入镜面反射系数,提出一种改进的偏振双向反射分布函数模型,推导出反射光偏振度的表达式,并基于反射光偏振度对模型参数进行反演。为验证所提六参量模型的有效性和精确性,对文献[ 7]中的铝和黑漆材料数据进行参数反演。最后,对45#钢开展偏振特性测量实验和模型仿真,分析了不同入射角、反射角、表面粗糙度下反射光偏振度的分布。
2 理论基础
2.1 双向反射分布函数(BRDF)
BRDF表征了目标表面反射辐射传输特性,是对粗糙表面散射特性进行建模的常用函数模型。
式中:θi和φi分别为入射光的天顶角和方位角;θr和φr分别为反射光的天顶角和方位角;相对方位角Δφ=φi-φr;λ为入射光的波长。
2.2 六参量偏振双向反射分布函数
pBRDF是在BRDF基础上加入偏振特性推导而来,可以表征目标表面入射辐射和反射辐射之间的偏振辐射传输关系,两者之间的偏振传输关系可由穆勒矩阵建立联系,
式中:
一般认为pBRDF包括具有偏振的镜面反射Fs和非偏振的漫反射Fd两部分,即:
由微面元理论可知,目标表面由一系列微小面元组成,这些微小面元都服从菲涅耳反射定律,镜面反射Fs由入射光经微面元一次镜面反射产生,漫反射Fd由入射光经微面元多次反射产生。其中镜面反射Fs表达式为
式中:ks表示镜面反射系数;σ2表示粗糙表面的斜度方差;G(θi,θr,σ)表示遮蔽效应函数[13],本文采用由Scancer提出的函数,其考虑了多重散射效应,表达式见下式;
式中:erfc为互补误差函数。
当相对方位角Δφ=π时,穆勒矩阵
式中:rs和rp分别为s分量和p分量的振幅反射率;
式中:n和k分别为材料复折射率
现实生活中材料表面由于受到磨损或经过加工,通常是比较粗糙的,入射光经过材料表面会发生不同程度的漫反射现象。Minnaert模型可以模拟反射系数随角度缓慢变化的BRDF表面,主要用于植被、土壤等环境的反射情况,在特定形式可以退化为Lambert模型,并且满足互易性定理。杨玉峰等[10]利用该模型对BRDF的漫反射特性进行表征,提高了传统BRDF的建模精度。Minnaert模型表达式为
式中:k为待定系数,取值范围为0~1,当k=1时,模型转化为Lambert模型。
由于该模型包含(cosθi cosθr)k-1项,能够很好地模拟漫反射强度随角度的变化情况,同时满足互易性。因此本文采用Minnaert模型对漫反射分量进行建模,并对(14)式加入偏振特性转化为漫反射偏振模型,可以认为漫反射不具有偏振特性而只对反射辐射强度有贡献,因此漫反射穆勒矩阵
式中:kd为相对漫反射系数;c为待定系数,取值范围为(-1,0)。
结合(5)式、(6)式和(15)式,可得六参量pBRDF模型表达式为
2.3 反射光偏振度表达式
由于自然光中圆偏振分量极小,可以忽略不计[15],则当入射光为自然光时,其斯托克斯矢量可以表示为Ei=
偏振度定义为偏振分量占该光波的总强度之比,即
3 模型参数反演
为了验证所提六参量pBRDF模型的可靠性,选取文献[ 7]中铝和黑漆材料的开源数据作为材料表面反射光偏振度测量值,分别采用本文模型和文献[ 7]模型对材料复折射率进行参数反演,并将本文模型与文献[ 7]模型进行对比。推导出的反射光偏振度(18)式中含有6个未知参数,可以根据几组实测数据采用优化算法对参数进行求解。由于目标函数是非线性的,选择非线性最小二乘法进行参数求解[7]。
将反演出的6个模型参数代入(18)式中,可以得到目标表面反射光偏振度关于入射角的模型仿真结果,对比曲线如
表 1. 参数反演结果
Table 1. Parameter inversion results
|
4 实验与分析
实验选用45#钢进行表面反射光偏振特性分析。材料表面形貌由KEYENCE公司的VR-3000型三维轮廓仪进行检测,测得45#钢板σ=0.45。
4.1 目标表面反射光偏振度测量与建模
实验时,入射角取30°、40°、50°,在每个入射角下,反射角在(20°,65°)范围内每5°测量一次偏振度数据,相对方位角Δφ=180°,相机曝光时间设置为5,增益设置为0,探测波长选择435 nm。偏振图像采集时,为了减小测量误差,每组数据取10次采集结果的平均值。
利用获取的多组偏振度测量值对六参量模型进行参数反演,将反演结果代入(18)式中可得偏振度模型仿真结果,并与文献[
7]模型的仿真结果进行对比,对比曲线如
图 4. 不同入射角下DOP实验测量值与模型仿真值对比。(a) θi=30°;(b) θi=40°;(c) θi=50°
Fig. 4. Comparison between experimental measurement and model simulation of DOP at different incident angles. (a) θi=30°; (b) θi=40°; (c) θi=50°
4.2 表面粗糙度对偏振度仿真结果的影响
由微面元理论和遮蔽效应可知,材料表面粗糙度参量σ是影响粗糙表面反射光偏振特性的一个重要因素,本文采用数值仿真的方法进行分析,分析方法如下:利用θi=40°的反演结果(n=1.6,k=2.139,σ=0.5,ks=0.9,kd=0.15,c=-0.3),固定参量n、k、ks、kd、c的值不变,分别取σ=0.35,0.5,0.65,不同σ下反射光偏振度对比曲线如
同时入射光在材料表面发生多次反射概率增大,导致漫反射增强,反射光退偏现象越严重,这个仿真结果与相关模型研究结果一致[16,17]。因此,粗糙度参量是粗糙表面反射光偏振特性的一个重要影响因素。
5 结论
提出一种改进的六参量偏振双向反射分布函数模型,并推导出金属粗糙表面反射光偏振度表达式,用于表征粗糙表面的反射光偏振特性,并基于反射光偏振度对模型参数进行反演。通过对文献中实测数据进行参数反演,验证了在考虑漫反射情况下,六参量pBRDF模型能够更好地与实验测量值吻合,并且提高了复折射率反演精度。对45#钢表面反射光偏振特性进行了测量与分析,实验结果表明,反射光偏振度随入射角、反射角增大而增大,随材料表面粗糙度增大而减小,同时模型计算值与实验测量值均能较好地吻合,进一步验证了所提模型的可靠性。需要指出的是,参数的反演需要精确的pBRDF测量数据,因此如何优化实验设备以减小误差是后续研究的方向。
[1] 杨敏, 方勇华, 吴军, 等. 基于六参量偏振BRDF模型的地物背景偏振反射特性研究[J]. 光学学报, 2018, 38(5): 0526001.
[2] 王小龙, 王峰, 刘晓, 等. 荒漠背景下典型伪装目标的高光谱偏振特性[J]. 激光与光电子学进展, 2018, 55(5): 051101.
[3] 徐飞飞, 曾朝阳, 陈杭. 复杂地物背景下的车辆目标激光主动偏振成像研究[J]. 激光与光电子学进展, 2016, 53(5): 051103.
[4] Watson R, Raven P N. Comparison of measured BRDF data with parameterized reflectance models[J]. Proceedings of SPIE - the International Society for Optical Engineering, 2001, 4370: 159-168.
[5] 陈伟力, 李军伟, 孙仲秋, 等. 典型卫星表面材料可见光偏振特性分析[J]. 光学学报, 2018, 38(10): 1026001.
[6] Priest R G. Polarimetric microfacet scattering theory with applications to absorptive and reflective surfaces[J]. Optical Engineering, 2002, 41(5): 988-993.
[7] Thilak V, Voelz D G, Creusere C D. Polarization-based index of refraction and reflection angle estimation for remote sensing applications[J]. Applied Optics, 2007, 46(30): 7527-7536.
[8] 冯巍巍, 魏庆农, 汪世美, 等. 涂层表面偏振双向反射分布函数的模型研究[J]. 光学学报, 2008, 28(2): 290-294.
[9] Renhorn I G E, Hallberg T, Bergström D, et al. Four-parameter model for polarization-resolved rough-surface BRDF[J]. Optics Express, 2011, 19(2): 1027-1036.
[10] 杨玉峰, 吴振森, 曹运华. 一种实用型粗糙面六参数双向反射分布函数模型[J]. 光学学报, 2012, 32(2): 0229001.
[11] Minnaert M. The reciprocity principle in lunar photometry[J]. The Astrophysical Journal Letters, 1941, 93: 403-410.
[12] 袁艳, 金鼎, 苏丽娟. 粗糙表面双向反射分布函数优化建模与验证[J]. 激光与光电子学进展, 2018, 55(5): 052901.
[13] Sancer M. Shadow-corrected electromagnetic scattering from a randomly rough surface[J]. IEEE Transactions on Antennas and Propagation, 1969, 17(5): 577-585.
[14] Zhan H Y, Voelz D G, Cho S Y, et al. Complex index of refraction estimation from degree of polarization with diffuse scattering consideration[J]. Applied Optics, 2015, 54(33): 9889-9895.
[15] 杨敏, 方勇华, 吴军, 等. 基于Kubelka-Munk理论的涂层表面多参量偏振双向反射分布函数模型[J]. 光学学报, 2018, 38(1): 0126002.
[16] 颛孙晓博, 武文远, 黄雁华, 等. 基于MB模型的简化偏振BRDF模型建立与仿真[J]. 红外与激光工程, 2015, 44(3): 1098-1102.
[17] 张颖, 宋平, 赵慧洁. 一种适用于涂层的双高斯偏振BRDF模型[J]. 红外与激光工程, 2017, 46(11): 1117002.
Article Outline
朱达荣, 冯康康, 汪方斌, 刘涛, 孙凡, 王雪. 粗糙表面六参量偏振双向反射分布函数模型[J]. 激光与光电子学进展, 2020, 57(9): 092901. Darong Zhu, Kangkang Feng, Fangbin Wang, Tao Liu, Fan Sun, Xue Wang. Six-Parameter Polarized Bidirectional Reflectance Distribution Function Model for Rough Surfaces[J]. Laser & Optoelectronics Progress, 2020, 57(9): 092901.