1 合肥工业大学计算机与信息学院,安徽 合肥 230601
2 智能互联系统安徽省实验室,安徽 合肥 230601
针对阴影造成的低光照、低对比度和高噪声等问题,为提高阴影下目标的检测、识别精度,借鉴生物偏振视觉机理,在偏振距离理论及算法的基础上,提出一种与“色调-饱和度-强度”颜色空间(HSI color space)融合的偏振距离强度(PDI)模型。该模型利用偏振角信息作为估算方式设定阈值范围,将偏振距离信息与原始光强信息融合为新的强度通道,并与原始色调及饱和度信息融合,最终获取PDI模型映射结果。搭建实测实验装置,并开展4组对比实验。结果表明,与其他3种现有目标增强算法相比,所提算法在灰度对比度、信杂比和Fish距离指标上均取得显著提升,能够使阴影下目标与背景间的差异得到明显提高。
图像处理 偏振成像 阴影 偏振距离 目标增强 图像融合 激光与光电子学进展
2023, 60(12): 1210024
1 合肥工业大学 计算机与信息学院,安徽 合肥 230009
2 北京机电工程研究所,北京 100074
光信息在散射介质中传播时会发生散射现象,从而导致其强度和偏振信息发生变化。利用出射光的偏振状态可以间接表征散射介质的退偏特性,并对散射介质进行分类和识别。理论上穆勒矩阵( Mueller Matrix, MM)可以描述散射介质的全部偏振属性,对分析散射介质的退偏特性起到至关重要的作用,但是MM参数过多,较为复杂。然而,根据MM推导所得到的偏振纯度指数(Index of Polarization Purities,IPPs)结构简单,并可以更为直接的描述散射介质的退偏特性。IPPs由
${P_1}$![]()
![]()
、
${P_2}$![]()
![]()
、
${P_3}$![]()
![]()
组成,代表退偏系统等效分解成的四个非退偏纯系统之间的权重差异。以
${P_1}$![]()
![]()
、
${P_2}$![]()
![]()
,
${P_3}$![]()
![]()
为坐标轴可构建出纯度空间,纯度空间中不同的点代表不同的退偏系统,利用纯度空间可以对不同的退偏系统进行分辨。相比较于传统偏振表征指标,IPPs可以表征散射介质及目标更多维度的信息。近年来,IPPs在生物医学和目标检测等诸多方面的研究取得了重要的研究成果。文章主要介绍了IPPs的理论,综述并讨论了其在分析不同分散体系的退偏特性、生物组织成像、医学监测和目标识别等方面的研究进展。
偏振信息 偏振纯度指数 成像 目标识别 polarization information index of polarization purities (IPPs) imaging target recognition 红外与激光工程
2022, 51(3): 20210373
1 合肥工业大学计算机与信息学院,安徽 合肥 230009
2 合肥工业大学图像信息处理研究室,安徽 合肥 230009
3 合肥高创股份有限公司,安徽 合肥 230088
大气偏振模式在导航等领域具有广阔的应用前景,但是由于受到大气偏振信息采集装置物理特性的限制,在同一时刻只能获得局部的、不连续的偏振信息,对实际应用产生影响。针对此问题,本文通过挖掘大气偏振模式分布的连续性,提出一种大气偏振模式生成方法,从局部的偏振信息生成全天域的大气偏振模式。此外,偏振信息往往受到不同的天气条件、地理环境等因素的影响,而这些偏振数据在真实环境中难以采集。针对此问题,本文挖掘不同天气、地理条件下有限样本数据之间的多样性关系,以此关系将生成的大气偏振模式泛化到不同的条件下。本论文在仿真数据和实测数据上进行了实验,并与其它最新方法进行对比,实验结果证明了本文方法的优越性和鲁棒性。
大气偏振模式生成 有限样本驱动 偏振数据挖掘 atmospheric polarization mode generation few-shot driven polarization data mining
红外与激光工程
2020, 49(9): 20201041
红外与激光工程
2020, 49(6): 20201013
合肥工业大学计算机与信息学院, 安徽 合肥 230601
为了实现透过玻璃和薄膜对目标进行偏振成像,根据光线的物理传输过程建立了偏振透玻透膜成像模型,结合光学调制传递函数特点表征出玻璃和薄膜的传输系数。利用目标光和环境光的正交偏振分量提出一种偏振透玻透膜图像信息重构方法,分别采用曲线拟合、偏振滤波和频率域迭代算法实现重构算法中参数的估计,重构出透玻透膜图像。开展了室内模拟条件和室外实测环境下的实验,结果表明该方法能有效重构出透玻透膜图像中的人员、景物等目标信息。
图像处理 透玻透膜偏振成像模型 偏振成像 图像重构 image processing polarized images model of targets penetrating the polarization imaging image reconstruction
合肥工业大学 计算机与信息学院, 安徽 合肥 230601
结合目标偏振信息和大气偏振信息的差异, 提出了一种利用目标和大气偏振信息的雾天图像重构方法。首先, 从光强图像中分离大气光图像和目标光图像, 分别解析大气光偏振信息和目标光偏振信息, 构建偏振去雾模型。然后, 采用融合图像梯度信息的高斯滤波方法估算大气光强和目标光强, 并分别计算大气光偏振度和目标光偏振度。采用3σ法则阈值分割方法, 在大气光图像空间内估算无穷远处大气光强。最后, 重构出目标图像。在不同天气环境下开展外场实验, 结果表明, 该方法在雾霾、雨、雪天气下能够较好地恢复出目标信息, 重构后图像的信息熵提升约40%, 灰度标准差提升了约90%, 平均梯度和边缘强度提高了3倍。
图像重构 偏振成像 梯度信息 高斯滤波 3σ法则 image reconstruction polarization imaging gradient information Gaussian filter rule 3σ
1 合肥工业大学计算机与信息学院, 安徽 合肥 230009
2 工业安全与应急技术安徽省重点实验室, 安徽 合肥 230009
针对目前视频行人再识别中存在视角、光线变化,背景干扰与遮挡,行人外观与行为相似,以及相同行人在不同模态特征下距离的差异性而导致的匹配不正确问题,提出一种联合多级深度特征表示和有序加权距离融合的视频行人再识别方法。在行人特征表示阶段,提出了行人多级深度特征表示网络,该网络不仅能学习视频序列中行人的时空特征,还能获取行人的全局外观特征和局部外观特征。在有序加权距离融合阶段,将行人的特征表示输入到距离测度学习中,分别计算行人在三类特征下的独立距离,并将距离排序后,根据距离的排名优化距离权值,最后融合三类距离得到最终距离,从而准确匹配行人。通过在公共数据集中的实验表明,所提方法不仅能够提高视频行人再识别的识别率,还具有丰富和完整的行人特征表示能力。
机器视觉 视频行人再识别 多级深度特征 距离融合 卷积神经网络 循环神经网络 有序加权