基于偏振成像特点和深层特征分类需求,提出一种显著性偏振参量深度稀疏特征学习的目标检测方法。首先在偏振解析基础上构造显著性偏振参量图像作为检测源图像;然后在判别式字典对下对待检测图像进行稀疏特征学习,并以字典对作为分类器在卷积神经网络(CNN)框架下进行目标分类和定位;最后结合偏振成像探测实际应用需求,选择典型目标和应用场景进行数据采集和模型训练,并进行仿真验证。结果表明该方法在检测得分和平均检测精度上都比直接偏振方向方法有所提高,验证了其有效性,该方法对于有效提升偏振成像探测能力具有应用价值。

提出了一种在α和高斯混合噪声以及循环平稳干扰并存背景下基于分数低阶循环相关(FLOCC) 联合估计单电磁矢量传感器波达方向(DOA)和极化参数的多重信号分类(MUSIC)方法。该方法利用信号的循环平稳特性, 采用分数低阶循环相关函数抑制α和高斯混合噪声以及循环平稳干扰信号; 然后利用MUSIC方法对单电磁矢量传感器的DOA和极化参数进行联合估计, 并利用DOA参数与极化参数的相互独立性, 将传统MUSIC方法的四维搜索简化为两次二维搜索,从而有效地减少该算法的计算量。对所提算法与基于分数低阶矩的MUSIC算法进行了实验对比。结果显示: 提出的方法可充分地抑制与待测信号循环频率相异的任意循环平稳干扰信号; 在α和高斯混合信噪比为0 dB, 信干比为3 dB 时, 估计得到的DOA和极化参数的均方根误差分别为0.3°和0.7°, 明显优于基于分数低阶矩的MUSIC方法。

为了提高目标探测中目标背景对比度，本文利用分焦平面的微偏振元相机同时获取目标四幅偏振状态图像，解算得到斯托克斯矢量，提取目标的偏振度和偏振角成像图像，并结合偏振特性因子F 对偏振图像效果进行了改进。结果表明：目标偏振度成像图像在原光强图像基础上能够增强目标背景对比度，偏振特性因子成像图像在保留偏振度成像图像增强目标背景对比度的优点的同时，能够提高图像清晰度，扩展图像信息。

提出了一种分级多尺度融合的水下偏振图像处理方法.首先，利用非负矩阵分解对偏振参量图像进行融合增强，得到所含局部特征信息完整且冗余度低的偏振参量融合图像；在此基础上，基于二维经验模式分解分别将偏振参量融合图像与偏振强度图像进行多尺度变换，对得到的高低频子图像分别进行加权平均融合，融合权重是采用穷举搜索法计算得到；最后，将高低频融合结果反变换得到最终融合图像.实验仿真结果表明该融合方法在增强图像细节信息及提高水下偏振图像对比度方面具有显著效果.

提出了基于最小二乘优化系统的估值方法测量求解光器件物理偏振参量。对于输入偏振态可测或非可测的系统，在建立相应的估值解析方程和适当的测量条件基础上，此测量方案均是简单易行的。对以旋转波片为偏振发生器的测量系统的估值误差进行了仿真和分析。仿真表明，选取较多的测量次数，且旋转波片延迟为3π/4附近时，可得到较小的估值误差。基于系统估值算法，针对输入偏振态可直接测量的情况建立了实验系统并进行估值。实验表明，估值得到的物理偏振参量的标准差在0.0011～0.0103内。