题名 | 分焦平面偏振成像关键技术研究 |
作者 | 张俊超1,2 |
答辩日期 | 2019-05-14 |
授予单位 | 中国科学院沈阳自动化研究所 |
授予地点 | 沈阳 |
导师 | 罗海波 |
关键词 | 分焦平面 偏振成像 图像插值 图像去噪 非均匀性校正 |
学位名称 | 博士 |
其他题名 | Research on key techniques of polarization imaging for division-of-focal-plane polarimeters |
学位专业 | 模式识别与智能系统 |
英文摘要 | 分焦平面偏振成像是一种新型的偏振信息获取技术,它是将微偏振阵列集成到相机的焦平面上,焦平面上的每个像元对应一个微偏振元,每2*2单元组成一个超像素,按照0°,45°,90°,135°排列。它可以一次成像获得多个偏振方向的光强响应,该系统结构紧凑、体积小,又具有高透过率、高消光比和高实时性等优点,是当前偏振成像的研究热点。然而该成像系统还存在一些成像问题,导致偏振图像质量较低。为此,在本文开展了分焦平面偏振成像关键技术方面的研究,本文的主要贡献如下:1. 针对分焦平面偏振图像分辨率不足和瞬时视场误差问题,提出了一种基于偏振光强相关性的分焦平面偏振图像插值算法。该算法是基于偏振通道之间的相关性和图像的梯度信息进行建模,针对简单的自然场景获得了较好的插值效果,且成功应用于实际工程中。2. 提出了一种基于稀疏编码理论的分焦平面偏振图像去马赛克算法,该方法结合稀疏先验和非局部自相似先验进行建模。模型简单有效,将分焦平面偏振图像插值问题转变成最优化求解问题,通过迭代求解获得高质量的插值图像。实验结果表明该算法相对于传统的插值算法极大程度地提高了插值精度,为复杂场景的偏振图像插值提供了一种有效的技术手段。3. 提出了偏振图像去马赛克的卷积神经网络PDCNN,首次将深度学习应用于偏振成像领域中。PDCNN网络是一个端到端的网络,以马赛克的分焦平面偏振图像作为输入,四个偏振方向的全分辨率图像作为输出。设计了跳跃连接、专门的Stokes矢量层和损失函数,极大程度地提高了偏振图像的插值精度。4. 针对分焦平面偏振图像的非均匀性问题,提出了一种基于标定的可见光波段的非均匀性校正算法。综合考虑了微偏振片和相机探测器的非均匀性,从非均匀性产生机理入手,根据光强获取过程进行建模。并采用了平均分析矩阵求解校正模型,克服了现有校正算法欠校正和过校正的问题。5. 针对分焦平面偏振图像去噪问题,提出了一种基于主成分分析的分焦平面偏振图像去噪算法。该方法直接在分焦平面偏振图像(去马赛克前)上进行去噪,有效地弥补了现有去噪算法的不足。此外,还在Stokes矢量上进行了残差估计和去除,进一步提升了去噪效果。 |
语种 | 中文 |
产权排序 | 1 |
页码 | 120页 |
内容类型 | 学位论文 |
源URL | [http://ir.sia.cn/handle/173321/25148] |
专题 | 沈阳自动化研究所_光电信息技术研究室 |
作者单位 | 1.中国科学院大学 2.中国科学院沈阳自动化研究所 |
推荐引用方式 GB/T 7714 | 张俊超. 分焦平面偏振成像关键技术研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2019. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论