本专利涉及光学、计算机视觉和深度学习领域,尤其涉及与一种偏振像转换的图像处理技术。
背景技术:
1、镜头前方加上偏振片时,通常能可视化更多的特征信息,如:使用红外探测技术时,可能会遇到敌方装备了与真实目标热辐射相仿的低价仿造物的情况,从而误导我方红外探测结果,通过识别偏振光的变化可以确认目标是否为潜在的人造军事目标;夜晚摄像头不易进行人脸识别,红外强度像非常模糊,不易辨别不同的人脸,加上偏振片就能获得人脸的特征信息。
2、然而,使用偏振探测技术时,由于光线透过多个偏振片会导致光强大幅减弱。为了解决这一问题,我们计划研发一种偏振算法,以替代传统的偏振片,从而避免光强减弱的影响,并且在不改变现有设备硬件结构和光路的情况下获取偏振像。
技术实现思路
1、本发明的目的是提供一种基于深度学习的数字偏振相机,以期能通过纯算法的方式,不改变现有相机的光路的情况下,生成强度无损耗的偏振图像。
2、本发明为了实现上述目的,采用如下技术方案:
3、基于深度学习的数字偏振相机,包括一个光学模块和一个数字处理单元。
4、所述光学模块可以拍摄常规光强度像,所述数字处理单元可以用偏振像转换算法将强度像转换为偏振像。
5、所述偏振像转换算法包括以下步骤:
6、步骤1、训练图片生成网络;
7、步骤1.1、对数据集进行数据增强;
8、步骤1.2、构建神经网络,调整网络结构,使得该结构对偏振像生成任务的适配度达到最大;
9、步骤1.3、调整网络参数,使得网络迭代多轮后能够最小化生成的偏振像与真实的偏振像的误差;
10、步骤1.4、将该算法导入常规光强度相机中,使得在相机内部结构不改变的情况下能够生成偏振像;
11、步骤2、使用深度学习算法,对强度像进行预处理、处理后的数据集通过训练好的图片生成网络得到偏振像;
12、步骤3、可选地,使用光学算法生成偏振像,包括获取斯托克斯参数以及使用斯托克斯参数将强度像转为偏振像;
13、步骤3.1、将常规光强度像输入度、度、度和度偏振像生成网络,用rgb值作为光强度值,得到、、、,以获取常规光强度像每个像素的斯托克斯参数,,;;
14、步骤3.2. 使用斯托克斯参数将强度像转为偏振像,得到偏振像每个像素的rgb值;
15、步骤4、将生成的偏振像的每个像素的rgb值转换为整张图片,显示出该图片。
16、与现有技术相比,本发明的有益效果在于:
17、将偏振像转换算法将常规光强度像转换为偏振像,用纯算法的手段得到偏振像,不改变原相机的光路。
18、改善了加偏振片对光强造成的损耗。
19、能够将常规光强度像中不明显的特征信息以偏振像的形式呈现出来。
1.一种基于深度学习的数字偏振相机,其特征在于,包括:
2.根据权利要求1所述的光学算法,其特征在于,包括:
3.根据权利要求1所述的深度学习算法,其特征在于,将常规光强度像输入至图片生成网络中生成偏振像。所述的图片生成网络的输入为常规光强度像,用输出为度的偏振像训练得到能够生成度偏振像的图片生成网络。具体步骤如下:
4.一种非暂态的存储介质,其上存储有程序,当这些程序在偏振相机系统上执行时,能够实现权利要求2或3所述的方法。