周彥卿，張 衛(wèi)，顧靜良，鄒 凱

(中國(guó)工程物理研究院應(yīng)用電子學(xué)研究所，四川綿陽(yáng)621900)

1 引言

紅外成像技術(shù)憑借其被動(dòng)工作，抗干擾能力強(qiáng)，全天候工作等特點(diǎn)，一直是目標(biāo)探測(cè)的最重要技術(shù)。然而由于成像原理的限制，對(duì)于小溫差目標(biāo)以及紅外偽裝目標(biāo)的探測(cè)一直是紅外探測(cè)技術(shù)的軟肋。

偏振成像是近20年來(lái)發(fā)展迅速的新成像體制，它通過(guò)檢測(cè)目標(biāo)反射光中的偏振信息，并用圖像將檢測(cè)結(jié)果表現(xiàn)出來(lái)。據(jù)資料，綠色植被的熱紅外偏振度大約為0．5%;巖石與沙土的熱紅外偏振度大約為1%;瀝青混凝土公路的熱紅外偏振度大約為1．7%～3．4%［1］;水體的熱紅外偏振度大約為8%～10%［2］;金屬的熱紅外偏振度大約為2%～7%［3－4］;可以看出，不同目標(biāo)的熱紅外偏振度存在著可分辨的差異，故可利用紅外偏振技術(shù)探測(cè)小溫差目標(biāo)和紅外偽裝目標(biāo)。

紅外偏振成像探測(cè)目標(biāo)的反射輻射和自發(fā)輻射的偏振態(tài)。由于偏振度圖像、偏振角圖像和原始紅外圖像各有特點(diǎn)，且都包含不同種類的目標(biāo)信息，故進(jìn)行圖像融合可以有效利用各圖像的信息。而采用標(biāo)準(zhǔn)HSV融合的偏振圖像強(qiáng)度在一些情況下較紅外原圖降低很多，變相降低了整個(gè)紅外探測(cè)系統(tǒng)的探測(cè)能力。因此，十分有必要研究針對(duì)性的圖像融合方法以提高紅外偏振圖像的對(duì)比度和強(qiáng)度。

2 偏振成像原理

2．1 偏振的產(chǎn)生

光波包含了振幅、頻率、位相和偏振態(tài)等一些信息。振幅反映出光強(qiáng)大小，頻率造就了光的色彩，而偏振態(tài)反映光與介質(zhì)的作用過(guò)程與特性。由菲涅爾反射定理，非偏入射光經(jīng)目標(biāo)表面反射后，將變成部分偏振光，此結(jié)論對(duì)于紅外光亦成立;基爾霍夫輻射理論指出，目標(biāo)的紅外偏振特性由目標(biāo)的自發(fā)輻射和反射輻射兩部分組成，它與目標(biāo)材質(zhì)的折射率、粗糙度、紅外光的波長(zhǎng)、入射角等因素有關(guān)。

2．2 偏振的描述

描述偏振態(tài)，常采用斯托克斯矢量法。它定義了4個(gè)變量，S0、S1、S2、S3。變量S3描述的是圓偏振的方向，一般值很小，可以忽略。當(dāng)光線通過(guò)一片偏振片時(shí)，岀射的輻射強(qiáng)度可以表示為:

式中，I(α)是偏振方位角為α?xí)r的偏振光強(qiáng)。取α為0°、45°、90°、135°，得到下式:

由斯托克斯矢量法，目標(biāo)的偏振角θ和偏振度P可以表示為:

由式(3)可知需要4幅圖像:I(0)、I(45)、I(90)、I(135)解算出斯托克斯矢量，進(jìn)而才能解算出偏振度和偏振角圖像。

圖1 飛彈模型的偏振成像Fig．1 polarization imaging of a rocket model

圖1 是在室外自然光環(huán)境下飛彈模型的中波紅外偏振圖像。圖1(a)為飛彈模型的紅外圖像，平均灰度約為187．5，背景的平均灰度約為234．4。圖1(b)為飛彈模型的偏振度圖像，灰度歸一化后(8 bit)，圖像平均灰度約為1．02;圖1(c)為偏振角圖像，灰度歸一化后(8 bit)，圖像平均灰度為34．93。偏振度圖像和偏振角圖像的強(qiáng)度太低，會(huì)降低信噪比。因此，需要進(jìn)行圖像融合，以改善圖像對(duì)比度、信噪比和強(qiáng)度。

本研究通過(guò)比較學(xué)齡期ALL患兒自評(píng)和家長(zhǎng)代評(píng)生活質(zhì)量得分，了解了ALL患兒整體生活質(zhì)量狀況;也進(jìn)一步證實(shí)患兒和家長(zhǎng)總體評(píng)價(jià)間不存在明顯差異，當(dāng)患兒自評(píng)存在困難時(shí)，家長(zhǎng)代評(píng)具有一定的參考價(jià)值;并且提示了在臨床工作中，應(yīng)充分結(jié)合患兒和家長(zhǎng)兩者的匯報(bào)，以提供更全面、更優(yōu)質(zhì)、更個(gè)性化的護(hù)理。

3 HSV圖像融合

3．1 基于標(biāo)準(zhǔn)HSV空間的圖像融合

HSV顏色空間由RGB顏色空間發(fā)展而來(lái)，它經(jīng)常用于偏振圖像的融合和其他的多圖融合。不同于RGB顏色空間，HSV是為人眼感觀優(yōu)化建立的顏色空間，其中，H代表色調(diào)，是HSV空間的最重要屬性，指平常所說(shuō)的顏色名稱，如紅色、黃色等;S代表飽和度，指色彩中白色的成分大小;V代表亮度。

偏振成像系統(tǒng)需要使用偏振片作為檢偏器，它會(huì)降低偏振圖像的強(qiáng)度;根據(jù)式(2)、式(3)，S1、S2的強(qiáng)度很小，導(dǎo)致偏振度P在數(shù)值上很?。?］。從圖1分析，原始紅外圖像和S0圖像的亮度大，細(xì)節(jié)豐富，但飛彈模型的對(duì)比度不夠;通常而言，偏振度圖像是目標(biāo)整體對(duì)比度最好，圖像整體強(qiáng)度最低，人造物輪廓較為明顯但表面特征不明顯;偏振角圖像能較好地反映出目標(biāo)表面特性，但亮度太低，噪點(diǎn)較多，整體對(duì)比度不如偏振度圖像。

實(shí)際應(yīng)用中，較關(guān)注的指標(biāo)是目標(biāo)對(duì)比度和全圖信噪比。在保證對(duì)比度和信噪比的基礎(chǔ)上，希望目標(biāo)細(xì)節(jié)信息以及整幅圖像的強(qiáng)度能滿足要求，即要保持紅外探測(cè)系統(tǒng)的探測(cè)能力［6］。結(jié)合偏振度圖像、偏振角圖像和紅外原圖的各自特點(diǎn)，通常會(huì)選擇對(duì)比度和信噪比都較高的偏振度圖像作為主要融合成分;選擇目標(biāo)表面特征豐富、目標(biāo)突出的偏振角圖像作為次要融合成分;選擇圖像細(xì)節(jié)最豐富、強(qiáng)度最高的紅外原圖對(duì)偏振圖像的細(xì)節(jié)和強(qiáng)度進(jìn)行補(bǔ)充。

標(biāo)準(zhǔn)HSV空間的圖像融合選擇將H、S、V分別對(duì)應(yīng)成偏振度、偏振角、偏振強(qiáng)度。由于偏振度圖像的值域［0，1］，偏振角圖像的值域［－π/4，π/4］，紅外原圖值域［0，256］;如果直接使用上述圖像進(jìn)行融合，會(huì)導(dǎo)致偏振度、偏振角圖像分量太小，融合效果不佳。此時(shí)，需要將以上三種圖像歸一化放大，讓三種圖像的強(qiáng)度處于同一數(shù)量級(jí)，故在圖像融合之前要對(duì)各圖像的灰度歸一化處理，再根據(jù)公式將HSV圖像轉(zhuǎn)換為RGB圖像，公式如下:

式(4)中，h，s，v分別對(duì)應(yīng)偏振度圖像，偏振角圖像，紅外原圖。計(jì)算出(r，g，b)之后，可以直接查看RGB圖像的融合效果，亦可按式(5)合成灰度圖像，方便后期處理。

3．2 改進(jìn)的HSV融合算法

標(biāo)準(zhǔn)HSV圖像融合是一種基礎(chǔ)的、簡(jiǎn)便的圖像融合方法，具有一定的效果，但是并非適用于所有場(chǎng)合。它的強(qiáng)度歸一化方法是基于值域的，若其中一種圖像的平均灰度比值域小很多，那么按照值域進(jìn)行強(qiáng)度歸一化的作用不大［7］;它三種圖像的融合權(quán)重是固定的，并沒(méi)有根據(jù)各圖像的不同狀態(tài)進(jìn)行調(diào)整，使得融合效果不穩(wěn)定。

針對(duì)標(biāo)準(zhǔn)HSV圖像融合的問(wèn)題，本文提出了一種改進(jìn)融合算法。

式(6)中，G是圖像的平均灰度;g(x，y)是點(diǎn)(x，y)的灰度值;i，j為圖像的長(zhǎng)寬分辨率。

其次，圖像融合的目的是為后續(xù)的目標(biāo)搜索提供對(duì)比度高、信噪比高的圖像，為此，可以利用各圖像的目標(biāo)對(duì)比度、全圖信噪比等評(píng)價(jià)數(shù)據(jù)計(jì)算出各圖的融合權(quán)重，優(yōu)化融合效果。

峰值信噪比是一種經(jīng)典的圖像客觀評(píng)價(jià)指標(biāo)，它常用于評(píng)價(jià)濾波、去噪后的圖像，它反映了圖像的保真度，計(jì)算如式(7):

式中，M，N分別是圖像每行、每列的像素點(diǎn);g(i，j)、f(i，j)分別是修復(fù)后圖像和原始圖像，本文定義紅外原圖為f(i，j)，偏振度圖、偏振角圖、融合圖為g(i，j)。需要注意，對(duì)于弱小目標(biāo)的圖像，采用全圖信噪比沒(méi)有意義，因?yàn)槟繕?biāo)只占圖像中很少的像素點(diǎn)，此時(shí)需先將圖像劃分為多個(gè)局部區(qū)域，分別計(jì)算各局部區(qū)域的信噪比，再計(jì)算多個(gè)區(qū)域的平均信噪比［8］。本文不涉及弱小目標(biāo)，故采用全圖信噪比進(jìn)行圖像評(píng)價(jià)。

目標(biāo)對(duì)比度反映了目標(biāo)區(qū)域在整幅圖像中的突出程度，它對(duì)于目標(biāo)搜索是非常重要的指標(biāo)，可以按(8)式計(jì)算:

式中，C是對(duì)比度;fT，fB分別表示目標(biāo)區(qū)域的平均灰度和背景的平均灰度。這里的目標(biāo)區(qū)域是手動(dòng)選取的一個(gè)矩形框，框外作為背景，如圖2所示［9］。

圖2 目標(biāo)區(qū)域選擇框Fig．2 selection of the target area

利用這兩個(gè)評(píng)價(jià)參數(shù)，按照式(9)計(jì)算出融合權(quán)重，將新得到的h，s，v代入式(4)進(jìn)行融合:

式中，h，s，v分別對(duì)應(yīng)式(4)中的h，s，v;IDOP，Iangle，IIR分別指歸一化處理后的偏振度圖、偏振角圖以及紅外原圖的強(qiáng)度;C代表對(duì)比度;SNR代表信噪比;ih，is是根據(jù)偏振度、偏振角圖像的對(duì)比度和信噪比得到的權(quán)重。h，s根據(jù)融合權(quán)重對(duì)偏振度圖、偏振角圖再次進(jìn)行圖像強(qiáng)度的調(diào)整，最后賦予h，s，進(jìn)行標(biāo)準(zhǔn)HSV融合。

3．3 流程圖

如圖3所示，算法計(jì)算出偏振度圖像、偏振角圖像和IR圖像的灰度均值和極值;根據(jù)灰度均值對(duì)各圖像進(jìn)行強(qiáng)度歸整，得到強(qiáng)度修正后的各圖像;再根據(jù)目標(biāo)對(duì)比度和峰值信噪比算出融合權(quán)重;最后按照權(quán)重對(duì)強(qiáng)度歸一化后的圖像進(jìn)行基于HSV的圖像融合，得到最終融合圖像。

圖3 基于改進(jìn)HSV空間的融合算法流程Fig．3 flow chart of polarization image fusion algorithm based on improved HSV

4 實(shí)驗(yàn)仿真與評(píng)價(jià)

選擇白天在室外晴朗環(huán)境下，對(duì)中近距離(約50 m)的飛彈目標(biāo)進(jìn)行中波(3～5μm)紅外偏振成像實(shí)驗(yàn)，并對(duì)標(biāo)準(zhǔn)HSV融合圖像和改進(jìn)的HSV融合圖像進(jìn)行評(píng)價(jià)。實(shí)驗(yàn)系統(tǒng)選擇制冷型中波紅外相機(jī)，工作波段(3～5μm)，分辨率320×240，精度為14 bit(即圖像的最大灰度為16384);偏振片為BaF2基底的金屬絲柵偏振片，作用波段2～30μm，消光比為300∶1。

由圖4，紅外原圖中飛彈模型與周圍背景的對(duì)比度并不明顯，無(wú)法辨識(shí)出飛彈模型的形狀和表面特性，圖像整體強(qiáng)度高，噪點(diǎn)少;標(biāo)準(zhǔn)HSV融合圖像中，目標(biāo)亮度提高，上半部分背景得到抑制，飛彈目標(biāo)的外輪廓一部分可見(jiàn)，但圖像下半部分的背景抑制效果不夠，有少數(shù)噪點(diǎn);改進(jìn)的HSV融合圖像，目標(biāo)本身的亮度有所下降，其外輪廓和表面特性較為清晰，背景被有效抑制，噪點(diǎn)較多。

圖4 飛彈模型的偏振圖像融合Fig．4 polarization image fusion of the rocket model based on HSV

從圖像平均灰度、目標(biāo)對(duì)比度、信息熵和全圖峰值信噪比4個(gè)方面對(duì)圖像進(jìn)行評(píng)價(jià)，其中，信息熵反映了圖像信息量的大小，圖像越復(fù)雜越不規(guī)律越清晰，熵越大。由表1，對(duì)比標(biāo)準(zhǔn)HSV融合，改進(jìn)的HSV融合算法的目標(biāo)對(duì)比度提高2倍，圖像平均灰度提高了23%，信息熵提高58%，信噪比降低3 dB。改進(jìn)融合算法在提高對(duì)比度、信息量的能力上較標(biāo)準(zhǔn)HSV融合具有一定優(yōu)勢(shì)，而信噪比的降低亦可接受。對(duì)比紅外原圖，改進(jìn)的HSV融合算法大幅提高了目標(biāo)對(duì)比度，而在平均灰度、信息熵、信噪比方面均有下降，但都在可接受的范圍內(nèi)，這是由于成像機(jī)構(gòu)使用了偏振片，它必然降低圖像強(qiáng)度，引入噪點(diǎn)，使得某些弱小細(xì)節(jié)不可見(jiàn)。

表1 融合圖像分析Table 1 analysis of the fusion image of the rocket model

5 結(jié)論

紅外偏振成像系統(tǒng)需要使用偏振片作為檢偏器，偏振片會(huì)降低圖像強(qiáng)度，引入噪點(diǎn)，這對(duì)于目標(biāo)探測(cè)十分不利。標(biāo)準(zhǔn)的HSV融合算法簡(jiǎn)單快捷，它的特點(diǎn)在于有側(cè)重的融合，但其融合權(quán)重固定，不能針對(duì)圖像特點(diǎn)進(jìn)行融合;改進(jìn)型HSV融合算法，根據(jù)評(píng)價(jià)參數(shù)計(jì)算融合權(quán)重，針對(duì)偏振度圖目標(biāo)對(duì)比度高、圖像強(qiáng)度小，偏振角圖的目標(biāo)表面特征、噪點(diǎn)多的特點(diǎn)智能調(diào)整各圖像的強(qiáng)度，有效提高融合圖像的目標(biāo)對(duì)比度和強(qiáng)度，對(duì)于偏振成像在目標(biāo)探測(cè)系統(tǒng)中的實(shí)際應(yīng)用很有意義。

［1］ Ben Dor B，Oppenheim U P．Polarization properties of targets and backgrounds in the infrared［C］．Proc SPIE，1992:68－76．

［2］ Joseph A Shaw．Infrared polarization in the natural earth environment［C］．Proc SPIE，2002，4819:129－138．

［3］ Aron Y，Grunau Y．Polarization in the LWIR［J］．Proc SPIE，2005，5783:653－661．

［4］ ZHANG Chaoyang，CHENG Haifeng，CHEN Zhaohui，et al．Polarimetric imaging of camouflage screen in visible and infrared wave band［J］．Infrared and Laser Engineering，2011，35(3):424－427．(in Chinese)張朝陽(yáng)，程海峰，陳朝輝，等．偽裝遮障的光學(xué)與紅外偏振成像［J］．紅外與激光工程，2011，35(3):424－427．

［5］ LI Quan，LIU Zejin，SHU Bohong，et al．Application of polarization diversity in active imaging［J］．High Power Laser and Particle Beams，2005，17(3):351－354．(in Chinese)黎全，劉澤金，舒伯宏，等．利用表面散射光偏振差異的目標(biāo)識(shí)別技術(shù)［J］．強(qiáng)激光與粒子束，2005，17(3):351－354．

［6］ WANG Qichao，SHI Jiaming，ZHAO Dapeng，et al．Polarimetric contrast characteristics of camouflage target and background［J］．High Power Laser and Particle Beams，2013，25(06):1354－1358．(in Chinese)王啟超，時(shí)家明，趙大鵬，等．偽裝目標(biāo)與背景的偏振對(duì)比特性［J］．強(qiáng)激光與粒子束，2013，25(06):1354－1358．

［7］ ZHANG Lei，LI Jing，LI Genquan，et al．Novel fusion algorithm based on image enhancement［J］．Laser＆Infrared，2013，43(9):1072－1075．(in Chinese)張雷，李婧，李根全，等．一種新的基于圖像增強(qiáng)的融合算法［J］．激光與紅外，2013，43(9):1072－1075．

［8］ ZHANG Lei，ZHANG Yu，WANG Xiaoxia．Application of phase modulation in the visible and infrared images fusion algorithm［J］．Laser＆Infrared，2013，43(2):213－216．(in Chinese)張雷，張宇，王肖霞．相位調(diào)制在可見(jiàn)光與紅外圖像融合中的應(yīng)用［J］．激光與紅外，2013，43(2):213－216．

［9］ LI Zhengzhou，MA Qiyou，ZHENG Wei，et al．Infrared dim moving target tracking method based on multiple features［J］．High Power Laser and Particle Beams，2011，23(01):54－58．(in Chinese)李正周，馬齊佑，鄭微，等．基于多特征融合的微弱紅外運(yùn)動(dòng)目標(biāo)跟蹤方法［J］．強(qiáng)激光與粒子束，2011，23(01):54－58．