一種結(jié)合AOTF的偏振光譜目標檢測算法

晏棟

[摘? ? 要]要改善高光譜圖像目標檢測的算法對目標先驗信息的敏感度過高的問題，發(fā)現(xiàn)了一種偏振高光譜圖像約束的能力變得最小的檢測方法。從聲光可調(diào)諧濾光器光譜成像儀的工作原理和系統(tǒng)的結(jié)構(gòu)方面入手，在約束能量最小化目標檢測算法中運用一種處理過的偏振高光譜數(shù)據(jù)替代掉傳統(tǒng)的高光譜圖像數(shù)據(jù)作為檢測的樣本，對檢測結(jié)果實行連通的區(qū)域進行判斷和輪廓進行提取和處理。采用AOTF偏振成像系統(tǒng)進行采集的偏振光譜數(shù)據(jù)來完成目標檢測試驗，試驗結(jié)果證明，替換樣本數(shù)據(jù)后的目標檢測算法的精準度得到了很大程度的提高。

[關(guān)鍵詞]光譜成像;偏振光譜;聲光可調(diào)諧濾光器;目標檢測;CEM算法

[中圖分類號]TP391.41 [文獻標志碼]A [文章編號]2095–6487（2021）09–0–02

[Abstract]To improve the high sensitivity of hyperspectral image target detection algorithms to the prior information of the target， a detection method that minimizes the constraining ability of polarized hyperspectral images has been found. Starting from the working principle of the acousto-optic tunable filter spectral imager and the structure of the system， a processed polarization hyperspectral data is used to replace the traditional hyperspectral image data in the constrained energy minimization target detection algorithm. For the sample， the connected area of the detection result is judged and the contour is extracted and processed. The polarization spectrum data collected by the AOTF polarization imaging system is used to complete the target detection experiment. The experimental results prove that the accuracy of the target detection algorithm after replacing the sample data has been greatly improved.

[Keywords]spectral imaging; polarization spectrum; acousto-optic tunable filter; target detection; CEM algorithm

這幾年光譜目標檢測領(lǐng)域涌現(xiàn)出很多的新興運算方法，可以利用RX與UTD融合算法來做小目標的檢測，UTD算法只能對有特定的波段依賴性小的目標有比較好的檢測效果，對其他波段的監(jiān)測效果卻無法保證，采用另一種基于奇異值分解（SVD）的RX改進的運算方法，這樣的算法基于SVD可以將高光譜圖像投影到背景的正交子空間上，要對去除圖像背景的殘留圖像進行計算和分析取得噪聲背景和潛在異常的兩個樣本采集，噪聲背景的估計背景的協(xié)方矩陣，潛在異常背景則作為測試的樣本來對異常進行檢測，完美的規(guī)避了RX背景估計所留下的問題。這樣的算法可以對背景和異常數(shù)據(jù)的空間秩序深度值欠缺有效的方式進行確定。對于檢測目標能量與背景差異不大的情況，采用在正交子空間投影的OSP的基礎(chǔ)上對噪聲進行有效的調(diào)整，通過空間密度的選擇進行決策半徑的方法來提高檢測的效率，這種算法需要進行背景光譜和目標的先驗信息，可能出現(xiàn)背景的種類多并且分布得很復雜，會讓先驗信息沒辦法進行完全涵蓋采集圖像的背景信息的情況，出現(xiàn)應(yīng)用效果不好而達不到目標檢測的要求。如果利用高光譜圖像數(shù)據(jù)豐富的波段信息，采用矩陣分析的結(jié)論對逐波段正交子空間投影算法，這種算法可以對所需目標進行實時的逐波段進行檢測，目標結(jié)果穩(wěn)定的情況就會自動停止對其運算。放到實際應(yīng)用中這種算法對檢測結(jié)果穩(wěn)定與否進行判斷和衡量，對目標場景的應(yīng)用就很難達到檢測的要求。還有一種采用CEM約束能量最小化基礎(chǔ)算法當作目標檢測的最經(jīng)典的算法得到了廣泛的應(yīng)用，這種算法的敏感度過于高，如果圖像光譜中有同譜異物、相源混合的情況就會導致先驗?zāi)繕讼窈湍繕讼裼猩晕⒌牟煌@樣的目標算法會自動把目標像感應(yīng)成不感興趣目標而錯失檢測目標而抑制信息，讓信息無法進行檢測。

聲光可調(diào)諧濾光器AOTF的基本原理是以各向異性雙折射晶體為基礎(chǔ)，利用聲和光為介質(zhì)，其組成部分是環(huán)能器、射頻驅(qū)動器和聲終端。AOTF射頻驅(qū)動器控制射頻源產(chǎn)生的射頻信號的變化倆對波段長度進行調(diào)節(jié)，衍射效率得到了大大的提升。AOTF可利用頂端吸聲體來吸收經(jīng)過晶體之后的聲波，來避免聲波在晶體內(nèi)重復反射。自然光和超聲波經(jīng)過二氧化碲晶體之后會因為聲和光的相互作用，入射光會出現(xiàn)布拉格衍射，取得衍射光和零極光。在這當中，零極光方向和入射方向保持一致，正負一級的衍射光如果出現(xiàn)偏折，正負一級的衍射光就會偏振態(tài)相互正交的狀態(tài)。

AOTF晶體是新型的分光元件，和傳統(tǒng)的分光元件相比主要的優(yōu)點是：結(jié)構(gòu)很緊湊、穩(wěn)定性能好、掃面速度快、光譜分辨率高、同光孔徑較大、波長的穩(wěn)定性能好、衍射光可以進行調(diào)節(jié)而無多級衍射、衍射的效率高、協(xié)調(diào)的范圍較寬、系統(tǒng)的響應(yīng)速度快、適應(yīng)環(huán)境的能力也很強。本文基于AOTF的成像系統(tǒng)采用了凝視型的工作方法，保證了這個系統(tǒng)成像的穩(wěn)定性，提高了系統(tǒng)的硬件目標檢測的效率。再者，結(jié)合了AOTF原理運用AOTF光譜成像系統(tǒng)對兩個不相同偏振狀態(tài)下的高光譜數(shù)據(jù)立方體，實現(xiàn)了光譜目標增加偏振維度得到了判斷的依據(jù)。

1 基于AOTF的偏振成像光譜儀結(jié)構(gòu)分析

試驗搭建以AOTF為基礎(chǔ)的偏振光譜成像儀包括下面幾部分：準直望遠系統(tǒng)、AOTF的分光系統(tǒng)、AOFF射頻驅(qū)動器、二次成像系統(tǒng)、計算機控制系統(tǒng)、探測頭和數(shù)據(jù)采集系統(tǒng)。如圖1所示。

（1）目標物從光源照射后通過望遠鏡準直系統(tǒng)準直之后，順著偏振器1進入AOTF聲光可調(diào)諧濾光器的自動分光系統(tǒng)。AOTF可調(diào)射頻對射頻信號的控制波長進行調(diào)節(jié)，對應(yīng)零級非衍射光和一級衍射光，波長的正負一級衍射光偏振態(tài)正交。

（2）AOTF的光再次經(jīng)過偏振器2，兩個偏振器同時作用，對特定偏振方向的衍射光和零極光進行消除，在圖像中進行反應(yīng)，這樣就有效消除了特定偏振方向的衍射光和零級光的衍射圖像。經(jīng)過PC不但可以對AOTF射頻驅(qū)動器進行有效控制，對驅(qū)動信號的頻率進行調(diào)整，還可以設(shè)置CCD相機的工作狀態(tài)，接受采集的數(shù)據(jù)并對其進行儲存，得到各個波段所需要的目標物圖像，形成一個數(shù)據(jù)的立方體。

（3）目標檢測的效果可以通過偏振高光譜來約束能量最小化的目標的檢測方法來完成作業(yè)。

2 約束能量最小化算法的應(yīng)用

約束能量最小算法中，記下N為元個數(shù)，M為圖像的波段數(shù)，對所有的檢測樣本集合進行計算。CEM的算法設(shè)計的主要作用是采集光譜數(shù)據(jù)立方體中可以進行提取的數(shù)據(jù)來感知感興趣的目標光譜的相似度高的信號，來對相似度較低的信號進行抑制，這時的背景信號就可以進行低能量的輸出。主要的作用就是設(shè)計一個滿足光譜的模型，它所列的條件可以讓能量小的FLR濾波器正常輸出。

3 以AOTF為基礎(chǔ)的CEM算法

利用CEM的經(jīng)典算法進行目標檢測時，濾波算子中提前進行了感興趣目標樣本的光譜特征，并把它當成目標檢測的重要判斷依據(jù)。在實際檢測的過程當中，感興趣的目標有可能出現(xiàn)在不同背景的環(huán)境當中，地物拋光譜的特性受到環(huán)境的影響因素很大，它們都是拋光譜的土壤，卻因為土質(zhì)的不一樣讓感興趣的拋光譜信息變得不一樣。當然，感興趣目標的實際采集中更多的是混合相元CEM算法只能檢測到它的部分特征，對多元混合像元不能準確地進行有效的判定。

為了處理CEM算法在混合像元中存在不適合的問題，選擇了通過處理的偏振高光譜圖像技術(shù)，它可以運用數(shù)據(jù)作為測試樣本代替了原有的高光譜圖像，感興趣目標偏振高光譜信息的檢查進行判斷的方式大大地提高了檢測的精準度，偏振信息對金屬類的檢測更為準確。有效改善了目標檢測方法出現(xiàn)的結(jié)果圖像噪聲多和檢測的輪廓不能連續(xù)的問題，對連通區(qū)域增加了判斷和邊界處理的方法有效解決了問題，實現(xiàn)了檢測結(jié)果清晰直觀，輪廓明顯的影像。

3.1 圖像信息的偏振信息處理

物體的重要屬性表現(xiàn)在其表面特征中，表面特征與電磁波相互進行反射和散射后，此時物體會有一種自身的表面特征與光學定律所導致的物品特性。如果當時的環(huán)境很復雜，出現(xiàn)煙、霧、霾的較低能見度的情況下，和其他的目標檢測方法做對比，應(yīng)用SROKES偏振信息處理的方法就展現(xiàn)出它特有的優(yōu)勢，細節(jié)顯示很好且目標物的輪廓很清晰。

3.2 形態(tài)學的處理

檢測目標物的過程中，目標場景中有出現(xiàn)異物的同譜和異物散點會形成虛假信息。研究了CEM算法，對其增加連通區(qū)域判斷的方法，這樣可以有效對背景中目標同譜的問題進行解決，同時降低了其虛假報警率，目標檢測的準確率也得到了大大的提升。

運用CEM算法，連通區(qū)域的判斷采用了數(shù)字圖像的結(jié)構(gòu)元進行操作，實現(xiàn)膨脹腐蝕掉同譜異物點的原理來實現(xiàn)的。對圖像進行卷積魔板的算術(shù)進行運算是基礎(chǔ)進行開運算來完成膨脹和腐蝕，這樣的方法可以對目標外的孤立散點進行有效的消除。膨脹技術(shù)還可以填充物體內(nèi)部的細小空洞使邊界平滑，而腐蝕可以對檢測到的目標物的邊界點進行消除，從而縮小檢測目標。經(jīng)過這兩方面的操作后，目標物體內(nèi)部的空洞就不見了，使外部邊界得到了恢復原狀。同時，要讓檢測結(jié)果更加的清晰明了，在膨脹腐蝕操作之上使用了目標邊界提取的方法。圖像進行分割后就可以進行圖像提取的操作了，它的輔助方式是通過二值圖像對邊緣進行檢測，完成一個圖像的邊界集合。圖像處理的過程中，可8個方向全方位對結(jié)構(gòu)和形態(tài)等元素進行檢測，在獲得多方向邊緣檢測的基礎(chǔ)上對其進行處理。試驗證明，這樣算法是對多個方位的結(jié)構(gòu)形態(tài)元素不同邏輯的組合保持了很高的敏感度，這樣圖像就可以保持細節(jié)特征清晰，圖像的邊緣會很平滑，得到了很好的改善效果。

4 試驗和結(jié)構(gòu)分析

要實現(xiàn)AOTF的偏振系統(tǒng)在實際中應(yīng)用，必須要以試驗來進行有效的證實。建立在AOTF的偏振高光譜的成像系統(tǒng)，其組成部分是：待檢目標、負責成像的AOTF光譜儀、AOTF的射頻驅(qū)動器及試驗不足光源這幾個部分組成。試驗中得到偏振高光譜圖像的波長要保證的范圍0.39～1.01 μm。為突出目標偏振光譜的這一特性，AOTF的驅(qū)動頻率區(qū)間應(yīng)該是67.5～134.7 MHz，頻率間隔范圍為0.975 K，大小為767×578 pixels。為了體現(xiàn)目標檢測的偏振光譜特性，本次試驗選擇偏振信息更加明顯的金屬性質(zhì)的制磁性底座旋鈕作為感興趣目標來進行研究，在選擇門限閾值為0.72時，目標檢測試驗結(jié)果相進行比較沒有使用偏振處理高光譜數(shù)據(jù)的目標檢測虛假報警率下降了約36.55%。

5 結(jié)束語

在AOTF偏振光譜成像的采集儀器為基礎(chǔ)的處理過程中，很大程度地利用了AOTF的偏振特性，利用原始數(shù)據(jù)立方體之中進行添加和補充偏振信息，并對目標檢測的圖像進行了圖像學的專業(yè)處理，有效地改善了檢測過程目標的效果。通過試驗知道，運用CEM的偏振信息數(shù)據(jù)立方體進行檢測的目標效果和無使用偏振信息系統(tǒng)處理的效果相比，前者顯現(xiàn)出了多方面的優(yōu)勢，檢測的效果得到了顯著的改善和提升。與此同時，添加圖像的形態(tài)學對檢測目標進行目標的外輪廓處理，這樣受到背景干擾的可能就會更小，其改善的效果很理想。再者來講，建立在AOTF偏振成像光譜儀進行逐個波段的偏振處理CEM算法完全可以使用在試驗室里面的小目標進行測試，以后的科研中還可以對CEM檢測方法進行持續(xù)不斷的改進，來完成對野外環(huán)境下任何天氣情況下的目標進行精準的檢測。

參考文獻

[1]童慶禧.高光譜遙感[M].北京：高等教育出版社，2006.

[2] 周昕，厲小潤.基于逐波段處理的高光譜圖像實時目標檢測[J].工業(yè)控制計算機，2015，28（6）：42-44.