一种水下偏振成像探测系统

1.本实用新型涉及偏振成像设备领域，具体为水下复杂环境下水下偏振成像探测系统。


背景技术：

2.水下成像作为研究水下世界的一种重要方法，在水下目标探测识别、水下考古、水下环境监测等领域中得到了广泛的应用。然而,在传统的水下光学成像，由于散射光的影响，成像质量受到很大的限制混浊粒子的干涉这些图像通常显示低能见度、低对比度和缺乏图像细节。特别是后向散射]光对图像对比度有重要影响。
3.目前，水下图像复原方法主要是分为两类，包括数字图像处理复原技术和光学复原技术。数字图像处理复原技术主通常算法简单，处理速度快，但其恢复目标细节的能力有限，且存在问题部分图像失真。光学复原技术主要是基于物理退化模型来实现的反演得到真实场景的光强恢复，包括偏振光学成像、多光谱融合复原等。偏振光学成像结构简单，应用方便，是目前最有效的光学复原技术之一,但成像效果仍存在一定局限性，影响了进一步的应用。


技术实现要素：

4.本实用新型针对背景技术存在的不足，本实用新型提供了一种水下偏振成像探测系统。输入端口中引入圆偏振图像，利用四张偏振图像进行相关参数k的估计，从而进行图像复原，可有效提高图像成像质量。
5.为解决上述问题，提供一种水下偏振成像探测系统，
6.包括设置在水下目标物上(7)外侧的主动光源、偏振调制系统和图像采集系统；主动光源包括对准水下目标物上(7)进行激光照射的激光器(1)，偏振调制系统包括设置在激光器(1)照射光束路径上的第一偏振片(2)，第一四分之一波片(3)和扩束器(4)，用于激光器(1)发出的光束依次经过第一偏振片(2)、第一四分之一波片(3)和扩束器(4)后照射在水下目标物上(7)；图像采集系统包括对准水下目标物上(7)的第一cmos相机(11)、第二四分之一波片(10)、由步进电机控制旋转的第二偏振片(8)和计算机(13)；第二四分之一波片(10)和第二偏振片(8)分别设置在第一cmos相机(11)与水下目标物上(7)的光束反射路径上，用于水下目标物(7)将激光器(1)发出的光束反射后依次经过第二偏振片(8)、第二四分之一波片(10)后到达第一cmos相机(11)。
7.第二偏振片(8)和第二四分之一波片(10)之间设置分束器(9)和第二cmos相机(12)，第二cmos相机(12)对准分束器(9)；通过分束器(9)将水下目标物(7)反射后经过第二偏振片(8)的光束分成两束光束，其中一束光束经过第二四分之一波片(10)到达第一cmos 相机(11)，另一束光束直接到达第二cmos相机(12)，用于同时拍摄线偏振图像和圆偏振图像。
8.第二偏振片(8)设有与其相连接的偏振片底座，偏振片底座由步进电机控制旋转，
用于自动调整第二偏振片(8)的旋转角度。
9.激光器采用532nm蓝绿激光器。
10.计算机(13)用于接收并处理第一cmos相机(11)和第二cmos相机(12)拍摄的图像信息。
11.计算机(13)与步进电机电连接。
12.计算机(13)内置的图像处理模块采用geforce rtx3070显卡
13.有益效果
14.本实用新型中的水下偏振成像探测系统通过调制圆偏振光照明，通过物体的偏振信息来进行目标物的图像获取，能够消除水下对光的散射吸收的影响，再经过相对算法优化从而呈现出水下目的物的高清图像。
15.通过步进电机对第二偏振片的旋转角度的调整，提升图像采集效率。
16.采用的532nm绿光激光光源，在水下透射性强，效果更好。
附图说明
17.图1为本实用新型中的水下偏振成像探测系统的组成结构示意图。
18.图2为本实用新型的实施整体流程图。
19.图3为建立的卷积神经网络示意图。
20.图4为原始图(左)，基于物理模型复原图(中)和本方法复原图的对比图(右)。
21.附图标号
22.激光器1、第一偏振片2、第一四分之一波片3、扩束器4、玻璃水缸5、模拟水下环境6、目标物7、第二偏振片8、分束器9、第二四分之一波片10、第一cmos相机11、第二cmos 相机12、计算机13。
具体实施方式
23.为了使本实用新型的目的、技术方案和有益技术效果更加清晰，下面结合附图和具体实施方式，对本实用新型技术方案进行详细阐述。应当理解的是，本说明书中描述的实施例仅仅是为了解释本实用新型，并非为了限定本实用新型，实施例的参数、比例等可因地制宜做出选择而对结果并无实质性影响。
24.由图1-图4所示，本实用新型了一种水下偏振成像探测系统，包括设置在水下目标物上 7外侧的主动光源、偏振调制系统和图像采集系统；主动光源包括对准水下目标物上7进行激光照射的激光器1，其中激光器优选532nm蓝绿激光器。
25.偏振调制系统包括设置在激光器1照射光束路径上的第一偏振片2，第一四分之一波片3 和扩束器4，用于激光器1发出的光束依次经过第一偏振片2、第一四分之一波片3和扩束器 4后照射在水下目标物上7；图像采集系统包括对准水下目标物上7的第一cmos相机11、第二四分之一波片10、由步进电机控制旋转的第二偏振片8和计算机13；第二四分之一波片 10和第二偏振片8分别设置在第一cmos相机11与水下目标物上7的光束反射路径上，用于水下目标物7将激光器1发出的光束反射后依次经过第二偏振片8、第二四分之一波片10后到达第一cmos相机11。计算机13用于接收并处理所述第一cmos相机11和所述第二cmos 相机12拍摄的图像信息。
26.其中第二偏振片8和第二四分之一波片10之间设置分束器9和第二cmos相机12，所述第二cmos相机12对准所述分束器9；通过所述分束器9将所述水下目标物7反射后经过第二偏振片8的光束分成两束光束，其中一束光束经过所述第二四分之一波片10到达所述第一 cmos相机11，另一束光束直接到达所述第二cmos相机12，用于同时拍摄线偏振图像和圆偏振图像。
27.第二偏振片8设有与其相连接的偏振片底座(未示出)，偏振片底座由步进电机控制旋转，计算机(13与所述步进电机电连接，用于自动调整所述第二偏振片8的旋转角度。
28.进一步优选的，计算机(13内置的图像处理模块采用geforce rtx3070显卡，用于加快图像处理的速度。
29.具体的，利用该系统进行水下偏振成像探测的具体步骤如下：
30.步骤1、搭建水下主动成像系统，采集水下清晰图像。调制圆偏振光作为光源1，为获得模拟水下环境6，选择pmma(聚甲基丙烯酸甲酯)玻璃水缸5，将目标物7置入玻璃水缸5中，分别加入不同浓度的脱脂牛奶从而得到实验样本环境。
31.本实施例中共采集124组偏振图像，每组图像包含0
°
、45
°
、90
°
和圆偏振图像。
32.采用532nm蓝绿激光器作为主动光源，经过第一偏振片2，第一四分之一波片3，扩束镜 4后照射在水下目标物7上；经过所述水下目标物7反射后经过所述图像采集系统的所述第二偏振片8后，通过分束器9，一束光束经过四分之一波片10到达第一cmos相机11，另一束直接到达第二cmos相机12
33.步骤2、建立数据集，具体操作如下：首先拍摄水下中清晰强度图像，然后加入不同浓度脱脂牛奶，控制第二偏振片8，旋转至0
°
，第一cmos相机11和第二cmos相机12同时拍摄图像后，旋转第二偏振片8至45
°
、90
°
第二cmos相机13采集图像。
34.步骤3、经多次操作得到大量数据集，按0.8：0.1：0.1的比例分为训练集，验证集，测试集。
35.步骤4、设计一种卷积神经网络13，使用了九个卷积层，通过融合不同大小的滤波器形成多尺度特征。
36.将浑浊水下拍摄的0
°
、45
°
、90
°
、圆偏振四张图作为卷积神经网络的输入，首先细化每幅图像的特征信息，将粗尺度网络特征与细尺度网络的中间层连接起来。粗尺度特征提取模块包括两层卷积层，第一层卷积核大小为1*1，第二层卷积核大小为3*3，通过粗尺度特征提取偏振图像特征。利用第三层的连接块连接第一层和第二层的特征信息。通过卷积层，再次细化特征信息。第五层的连接块连接了第二层和第四层的特征信息。第六层连接了第一、四、五层的特征信息。最后通过3*3卷积层和线性激活函数得到k的估计模块。从而计算生成恢复图像。这种多尺度设计获得不同尺度的特征，中间连接块也补偿了卷积过程中的信息损失。网络架构中卷积层只使用了三种滤波器。因此，本方法是轻量级的。
37.步骤5、在k估计模块之后，图像生成模块由一个乘法层和几个加法层组成，通过计算生成恢复图像。
[0038][0039]
步骤6、利用步骤4中的卷积神经网络训练步骤3中拍摄的训练集，并利用步骤3中
的验证集验证神经网络复原图像效果。不断改变神经网络中部分参数，得到卷积神经网络模型。
[0040]
步骤7、利用步骤3中的测试集测试步骤4中训练的卷积神经网络模型，并用图像增强指标衡量图像复原效果。
[0041]
本实用新型将多尺度的特征应用于k估计模块的估计，从而实现浑浊水下环境快速成像，有效提高图像质量
[0042]
从实验结果可以直观地看出，本实用新型显著提高浑浊水下图像效果。
[0043]
为定量地对图像成像质量进行评估，采用eme(the value ofmeasure of enhancement) 和图像对比度(ic)作为衡量标准来评价图像的提升效果，eme和ic越大,表示图像质量越高。对比结果如下表所示下：
[0044] 原图物理模型复原图本实施例eme0.6390.6662.452ic0.0970.1760.551
[0045]
虽然结合附图介绍了本实用新型的实施方式,但是专利所有者可以在所附权利要求的范围之内做出变形或修改，只要不超过本实用新型的权利要求所描述的保护范围，均在本实用新型的保护范围之内。