红外偏振感知与智能处理

赵永强; 李宁; 张鹏; 姚嘉昕; 潘泉

doi:10.3788/IRLA201847.1102001

红外偏振感知与智能处理

doi: 10.3788/IRLA201847.1102001

1.
西北工业大学深圳研究院,广东深圳 518057;
2.
西北工业大学自动化学院,陕西西安 710072;
3.
西安建筑科技大学艺术学院,陕西西安 710055

基金项目:

国家自然科学基金（61771391）;深圳市科技创新委员会基础研究（学科布局）项目（JCYJ20170815162956949）

详细信息

作者简介:
赵永强(1976-),男,教授,博士,主要从事图像处理、偏振视觉、高光谱遥感、光电探测等方面的研究。Email:zhaoyq@nwpu.edu.cn

中图分类号: TP391

Infrared polarization perception and intelligent processing

1.
Research & Development Institute of Northwestern Polytechnical University,Shenzhen 518057,China;
2.
School of Automation,Northwestern Polytechnical University,Xi'an 710072,China;
3.
School of Arts,Xi'an University of Architecture and Technology,Xi'an 710055,China

摘要: 红外偏振成像在抗干扰目标检测、复杂环境下人造物识别中具有潜在优势，同时能够获取目标表面理化特性。分时、分振幅、分孔径红外偏振成像方式由于体积、重量、功耗等的不足限制了其应用，而小型化、集成化、实时成像设备是红外偏振成像广泛应用的前提，而对于所获取数据的智能分析是其应用的基础。介绍了所研制的红外偏振智能感知系统，通过分焦平面式成像技术实时采集目标场景的红外偏振数据，通过深度学习与分焦平面偏振成像紧密融合，实现高质量偏振图像恢复与典型场景下运动目标的智能感知。
- 分焦平面偏振成像 /
- 热红外偏振探测 /
- 深度学习 /
- 图像处理
Abstract: Infrared polarization imaging has potential advantages in anti-jamming target detection and man-made object recognition in complex environment, and can obtain the physical and chemical characteristics of the target surface. The application of division-of-time, division-of-amplitude and division-of-aperture infrared polarization imaging technique is limited to the insufficiency of volume, weight and power consumption. Miniaturization, integration and real-time imaging equipment are the premise of the widespread application of infrared polarization imaging. Intelligent analysis of the acquired data is the basis of its application. In this paper, a new developed infrared polarization intelligent sensing system was introduced, which collected the infrared polarization data of the target scene in real-time by using the division-of-focal-plane imaging technology. By combining the deep learning with the division-of-focal-plane polarization imaging closely, the high quality polarization image restoration and the intelligent sensing of moving target in typical scenes were realized.
- division of focal plane polarization imaging /
- thermal infrared polarization detection /
- deep learning /
- image processing

[1]	Zhao Yongqiang, Pan Quan, Cheng Yongmei. Imaging Spectropolarimetric Remote Sensing and Application[M]. Beijing:National Defense Industry Press, 2011. (in Chinese)赵永强, 潘泉, 程咏梅. 成像偏振光谱遥感及应用[M]. 北京:国防工业出版社, 2011.
[2]	Tyo J S, Goldstein D L, Chenault D B, et al. Review of passive imaging polarimetry for remote sensing applications[J]. Applied Optics, 2006, 45(22):5453-5469.
[3]	Wang Xia, Xia Runqiu, Jin Weiqi, et al. Technology progress of infrared polarization imaging detection[J]. Infrared and Laser Engineering, 2014, 43(10):3175-3182. (in Chinese)王霞, 夏润秋, 金伟其, 等. 红外偏振成像探测技术进展[J]. 红外与激光工程, 2014, 43(10):3175-3182.
[4]	Zhao Yongqiang, Zhang Yuchen, Liu Wuteng, et al. Polarization imaging by micro-polarizer array[J]. Infrared and Laser Engineerin, 2015, 44(10):3117-3123. (in Chinese)赵永强, 张宇辰, 刘吾腾, 等. 基于微偏振片阵列的偏振成像技术研究[J]. 红外与激光工程, 2015, 44(10):3117-3123.
[5]	Kim J, Kwon Lee J, Mu Lee K. Deeply-recursive convolutional network for image super-resolution[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2016:1637-1645.
[6]	He K, Zhang X, Ren S, et al. Deep residual learning for image recognition[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2016:770-778.
[7]	Ioffe S, Szegedy C. Batch normalization:Accelerating deep network training by reducing internal covariate shift[Z]. arXiv preprint arXiv:1502.03167, 2015.
[8]	Gao S, Gruev V. Bilinear and bicubic interpolation methods for division of focal plane polarimeters[J]. Optics Express, 2011, 19(27):26161-26173.
[9]	Gao S, Gruev V. Gradient-based interpolation method for division-of-focal-plane polarimeters[J]. Optics Express, 2013, 21(1):1137-1151.
[10]	Ahmed A, Zhao X, Gruev V, et al. Residual interpolation for division of focal plane polarization image sensors[J]. Optics Express, 2017, 25(9):10651-10662.
[11]	Redmon J, Farhadi A. Yolov3:An incremental improvement[Z]. arXiv preprint arXiv:1804.02767, 2018.
[12]	Li N, Zhao Y, Pan Q, et al. Removal of reflections in LWIR image with polarization characteristics[J]. Optics Express, 2018, 26(13):16488-16504.

[1]	李鹏越, 续欣莹, 唐延东, 张朝霞, 韩晓霞, 岳海峰. 基于并行多轴自注意力的图像去高光算法 . 红外与激光工程, 2024, 53(3): 20230538-1-20230538-11. doi: 10.3788/IRLA20230538
[2]	胡浩丰, 黄一钊, 朱震, 马千文, 翟京生, 李校博. 基于深度学习复杂环境的偏振成像技术研究进展（特邀） . 红外与激光工程, 2024, 53(3): 20240057-1-20240057-18. doi: 10.3788/IRLA20240057
[3]	刘禹彤, 李妍, 金璐, 汤化旭, 王舜, 吴雨聪, 冯悦姝. 基于深度学习的多分辨显微关联成像系统设计 . 红外与激光工程, 2023, 52(4): 20220461-1-20220461-8. doi: 10.3788/IRLA20220461
[4]	王嘉业, 李艺璇, 张玉珍. 基于学习的光栅图像噪声抑制方法 . 红外与激光工程, 2022, 51(2): 20220006-1-20220006-10. doi: 10.3788/IRLA20220006
[5]	袁盼, 谭竹嫣, 张旭, 金伟其, 孙秉才, 翁静, 李力. 工业气体泄漏红外成像检测及差分光谱滤波检测方法研究 . 红外与激光工程, 2022, 51(8): 20210714-1-20210714-14. doi: 10.3788/IRLA20210714
[6]	郭恩来, 师瑛杰, 朱硕, 程倩倩, 韦一, 苗金烨, 韩静. 深度学习下的散射成像：物理与数据联合建模优化（特邀） . 红外与激光工程, 2022, 51(8): 20220563-1-20220563-13. doi: 10.3788/IRLA20220563
[7]	卞殷旭, 邢涛, 邓伟杰, 鲜勤, 乔洪磊, 于钱, 彭吉龙, 杨晓飞, 蒋燕男, 王家雄, 杨慎敏, 沈韧斌, 沈华, 匡翠方. 基于深度学习的色彩迁移生物医学成像技术 . 红外与激光工程, 2022, 51(2): 20210891-1-20210891-18. doi: 10.3788/IRLA20210891
[8]	夏信, 何传亮, 吕英杰, 王守志, 张博, 陈晨, 陈海鹏, 李美萱. 深度学习驱动的智能电网运行图像数据压缩技术 . 红外与激光工程, 2022, 51(12): 20220097-1-20220097-6. doi: 10.3788/IRLA20220097
[9]	王志远, 赖雪恬, 林惠川, 陈福昌, 曾峻, 陈子阳, 蒲继雄. 基于深度学习实现透过浑浊介质图像重构（特邀） . 红外与激光工程, 2022, 51(8): 20220215-1-20220215-10. doi: 10.3788/IRLA20220215
[10]	邓人隽, 史坦, 李向平, 邓子岚. 基于全局拓扑优化深度学习模型的超构光栅分束器 . 红外与激光工程, 2021, 50(5): 20211028-1-20211028-4. doi: 10.3788/IRLA20211028
[11]	黄宜帆, 贺岩, 胡善江, 侯春鹤, 朱小磊, 李凯鹏, 刘芳华, 陈勇强, 郭守川. 海洋激光雷达图像处理提取海水深度的方法 . 红外与激光工程, 2021, 50(6): 20211034-1-20211034-8. doi: 10.3788/IRLA20211034
[12]	石峰, 陆同希, 杨书宁, 苗壮, 杨晔, 张闻文, 何睿清. 噪声环境下基于单像素成像系统和深度学习的目标识别方法 . 红外与激光工程, 2020, 49(6): 20200010-1-20200010-8. doi: 10.3788/IRLA20200010
[13]	冯世杰, 左超, 尹维, 陈钱. 深度学习技术在条纹投影三维成像中的应用 . 红外与激光工程, 2020, 49(3): 0303018-0303018-17. doi: 10.3788/IRLA202049.0303018
[14]	赵洋, 傅佳安, 于浩天, 韩静, 郑东亮. 深度学习精确相位获取的离焦投影三维测量 . 红外与激光工程, 2020, 49(7): 20200012-1-20200012-8. doi: 10.3788/IRLA20200012
[15]	唐聪, 凌永顺, 杨华, 杨星, 路远. 基于深度学习的红外与可见光决策级融合检测 . 红外与激光工程, 2019, 48(6): 626001-0626001(15). doi: 10.3788/IRLA201948.0626001
[16]	梁欣凯, 宋闯, 赵佳佳. 基于深度学习的序列图像深度估计技术 . 红外与激光工程, 2019, 48(S2): 134-141. doi: 10.3788/IRLA201948.S226002
[17]	李宁, 赵永强, 潘泉. 时空自适应的分焦平面偏振视频PCA去噪 . 红外与激光工程, 2019, 48(10): 1026001-1026001(7). doi: 10.3788/IRLA201948.1026001
[18]	耿磊, 梁晓昱, 肖志涛, 李月龙. 基于多形态红外特征与深度学习的实时驾驶员疲劳检测 . 红外与激光工程, 2018, 47(2): 203009-0203009(9). doi: 10.3788/IRLA201847.0203009
[19]	姚旺, 刘云鹏, 朱昌波. 基于人眼视觉特性的深度学习全参考图像质量评价方法 . 红外与激光工程, 2018, 47(7): 703004-0703004(8). doi: 10.3788/IRLA201847.0703004
[20]	张秀玲, 侯代标, 张逞逞, 周凯旋, 魏其珺. 深度学习的MPCANet火灾图像识别模型设计 . 红外与激光工程, 2018, 47(2): 203006-0203006(6). doi: 10.3788/IRLA201847.0203006

点击查看大图

计量

文章访问数: 745
HTML全文浏览量: 164
PDF下载量: 282
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

红外偏振感知与智能处理

doi: 10.3788/IRLA201847.1102001

作者简介:
赵永强(1976-),男,教授,博士,主要从事图像处理、偏振视觉、高光谱遥感、光电探测等方面的研究。Email:zhaoyq@nwpu.edu.cn

Infrared polarization perception and intelligent processing

计量

红外偏振感知与智能处理

doi: 10.3788/IRLA201847.1102001

1. 西北工业大学深圳研究院,广东深圳 518057;

2. 西北工业大学自动化学院,陕西西安 710072;

3. 西安建筑科技大学艺术学院,陕西西安 710055

作者简介:
赵永强(1976-),男,教授,博士,主要从事图像处理、偏振视觉、高光谱遥感、光电探测等方面的研究。Email:zhaoyq@nwpu.edu.cn

English Abstract

Infrared polarization perception and intelligent processing

1. Research & Development Institute of Northwestern Polytechnical University,Shenzhen 518057,China;

2. School of Automation,Northwestern Polytechnical University,Xi'an 710072,China;

3. School of Arts,Xi'an University of Architecture and Technology,Xi'an 710055,China

全文HTML

目录

留言板

红外偏振感知与智能处理

doi: 10.3788/IRLA201847.1102001

作者简介: 赵永强(1976-),男,教授,博士,主要从事图像处理、偏振视觉、高光谱遥感、光电探测等方面的研究。Email:zhaoyq@nwpu.edu.cn

Infrared polarization perception and intelligent processing

计量

出版历程

红外偏振感知与智能处理

doi: 10.3788/IRLA201847.1102001

1. 西北工业大学 深圳研究院,广东 深圳 518057; 2. 西北工业大学 自动化学院,陕西 西安 710072; 3. 西安建筑科技大学 艺术学院,陕西 西安 710055

作者简介: 赵永强(1976-),男,教授,博士,主要从事图像处理、偏振视觉、高光谱遥感、光电探测等方面的研究。Email:zhaoyq@nwpu.edu.cn

English Abstract

Infrared polarization perception and intelligent processing

1. Research & Development Institute of Northwestern Polytechnical University,Shenzhen 518057,China; 2. School of Automation,Northwestern Polytechnical University,Xi'an 710072,China; 3. School of Arts,Xi'an University of Architecture and Technology,Xi'an 710055,China

全文HTML

目录

作者简介:
赵永强(1976-),男,教授,博士,主要从事图像处理、偏振视觉、高光谱遥感、光电探测等方面的研究。Email:zhaoyq@nwpu.edu.cn

1. 西北工业大学深圳研究院,广东深圳 518057;

2. 西北工业大学自动化学院,陕西西安 710072;

3. 西安建筑科技大学艺术学院,陕西西安 710055

作者简介:
赵永强(1976-),男,教授,博士,主要从事图像处理、偏振视觉、高光谱遥感、光电探测等方面的研究。Email:zhaoyq@nwpu.edu.cn

1. Research & Development Institute of Northwestern Polytechnical University,Shenzhen 518057,China;

2. School of Automation,Northwestern Polytechnical University,Xi'an 710072,China;

3. School of Arts,Xi'an University of Architecture and Technology,Xi'an 710055,China