(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210825609.7 (22)申请日 2022.07.14 (71)申请人 中国科学院长春光学精密机 械与物 理研究所 地址 130033 吉林省长 春市经济技 术开发 区东南湖大路38 88号 (72)发明人 姚东　梁瀚钢　蒋春明　 (74)专利代理 机构 长春中科长光知识产权代理 事务所(普通 合伙) 22218 专利代理师 高一明 (51)Int.Cl. G01J 3/447(2006.01) G01J 3/28(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06T 5/00(2006.01) G06T 7/00(2017.01) G06T 7/70(2017.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 偏振智能感知系统及感知方法 (57)摘要 本发明提供一种偏振智能感知系统及感知 方法， 其中的感知方法包括S1、 对目标场景进行 偏振成像， 获得偏振图像； S2、 对偏振图像进行解 算， 获得目标场景的偏 振信息； S3、 根据 偏振信息 生成待还原的目标场景的图像信息； S4、 根据图 像信息、 光谱信息以及强度信息， 应用神经网络 获取目标场景的解译信息。 本发 明可以广泛应用 于各种运载平台环境， 具有较强的环境适应性， 能够获取常规光学传感器所不能感知 的目标场 景信息， 如偏振度信息、 偏振相角信息、 图像增强 信息等， 适用于海洋环境、 低照度环境、 水雾环境 等恶劣情况。 本发明将偏振成像技术与人工智能 技术相结合， 以接近于 “实时”的计算速度开展信 息搜寻、 识别、 存 储等处理工作。 权利要求书2页 说明书9页 附图3页 CN 115219026 A 2022.10.21 CN 115219026 A 1.一种偏振智能感知系统， 其特 征在于， 包括： 偏振光学成像模块， 用于对目标场景进行偏振成像， 获得偏振图像； 偏振图像处 理模块， 用于对所述偏振图像进行解 算， 获得所述目标场景的偏振信息； 目标场景图像增强模块， 用于根据 所述偏振信 息生成待还原的所述目标场景的图像信 息； 目标场景解译模块， 用于基于所述图像信 息、 光谱信息或强度信 息， 应用神经网络获取 所述目标场景的解译信息 。 2.如权利要求1所述的偏振智能感知系统， 其特 征在于， 所述偏振图像处 理模块包括： 偏振图像预处 理单元， 用于对所述偏振图像进行 预处理； 所述偏振信息解算单元， 用于对预处理后的偏振图像进行解算， 获得像元的偏振度信 息和偏振相角信息 。 3.如权利要求1所述的偏振智能感知系统， 其特征在于， 所述目标场景图像解译模块采 用基于DETR网络的多维度目标检测 神经网络， 所述多维度目标检测 神经网络包括： 预处理子模块， 以强度图像、 偏振度、 偏振相角、 已还原的目标场景图像、 光谱信息联合 作为输入或部分组合作为输入， 结合降噪模块以及CNN神经网络对所述偏振图像进行降噪 和特征融合； 变换器子模块， 使用Transformer模型提取目标对象的相关数据； 预测输出子模块， 使用FNN神经网络对所述变换器子模块输出的数据进行处理得到多 目标检测结果。 4.如权利要求1所述的偏振智能感知系统， 其特征在于， 所述目标场景图像增强模块采 用偏振图像增强模型： IMG(O)＝ k1*C1{I0， I45， I90， I135}+k2*C2{IMG(D)}+k3*C3{IMG(A)}； 其中， IMG(O)表示待还原的所述目标场 景的图像信息， C1(I， I0， I45， I90， I135)表示强度 图像0°、 45°、 90°和135°偏振图像的计算后的优选图像， 该优选图像为单独某偏振角度图像 或多角度的计算图像； IMG(D)表示偏振度图像， C2{IMG(D)}表示利用偏振度图像所得到的 含有目标空间的边缘凸显信息的计算图像； IMG(A)表示偏振相角图像， C3{IMG(A)}表示利 用偏振相角图像获取的含有目标物表 面信息的计算图像； k1、 k2和k3分别表示所述偏振图像 的计算优选图像、 偏振度计算图像与所述偏振相角计算图像的强度系数。 5.如权利要求1所述的偏振智能感知系统， 其特征在于， 所述偏振光学成像模块包括相 适配的偏振光学镜 头和偏振探测器， 所述偏振光学镜 头具有弱偏振调制特性。 6.一种利用权利要求1～5中任一项所述的偏振智能感知系统实现的偏振智能感知方 法， 其特征在于， 包括如下步骤： S1、 对目标场景进行偏振成像， 获得偏振图像； S2、 对所述偏振图像进行解 算， 获得所述目标场景的偏振信息； S3、 根据所述偏振信息生成待还原的所述目标场景的图像信息； S4、 根据所述图像信息、 光谱信息或强度信息， 应用神经网络获取所述目标场景的解译 信息。 7.如权利要求6所述的偏振智能感知方法， 其特 征在于， 步骤S2具体包括如下子步骤： S21、 对所述偏振图像进行 预处理；权　利　要　求　书 1/2 页 2 CN 115219026 A 2S22、 从预处 理后的偏振图像中获取 所述目标场景的斯 托克斯矢量； S23、 基于所述 斯托克斯矢量 解算所述目标场景的偏振信息； 所述偏振信息包括偏振度信息和偏振相角信息； 所述偏振度信息DoP的计算公式为： 或线偏振度信息Do LP的计算公式为： 其中， I、 Q、 U、 V分别为所述目标场景的斯 托克斯矢量； 所述偏振相角信息Ao LP的计算公式为： 8.如权利要求7所述的偏振智能感知方法， 其特征在于， 在步骤S21中， 将临近的四像元 定义为一个超级像素I＝[I0， I45， I90， I135]， 探测强度定义为Id， 真实目标强度为It， 采用多 项式拟合方式对探测强度进行 标定， 实现对所述偏振图像的去噪， 多 项式拟合方式为： It＝a0+a1Id+a2Id2…anIdn； 其中， a0…an为多项式的系数。 9.如权利要求7所述的偏振智能感知方法， 其特征在于， 在步骤S3中， 构建基于DETR网 络的多维度目标检测 神经网络， 所述多维度目标检测 神经网络包括： 预处理子模块， 以强度图像、 偏振度、 偏振相角、 已还原的目标场景图像、 光谱信息联合 作为输入或部分组合作为输入， 结合降噪模块以及CNN神经网络对所述偏振图像进行降噪 和特征融合； 变换器子模块， 使用Transformer模型提取目标对象的相关数据； 预测输出子模块， 使用FNN神经网络对所述变换器子模块输出的数据进行处理得到多 目标检测结果。 10.如权利要求7所述的偏振智能感知方法， 其特征在于， 在步骤S3中， 构建偏振图像增 强模型： IMG(O)＝ k1*C1{I0， I45， I90， I135}+k2*C2{IMG(D)}+k3*C3{IMG(A)} 其中， IMG(O)表示待还原的所述目标场 景的图像信息， C1(I， I0， I45， I90， I135)表示强度 图像0°、 45°、 90°和135°偏振图像的计算后的优选图像， 该优选图像为单独某偏振角度图像 或多角度的计算图像； IMG(D)表示偏振度图像， C2{IMG(D)}表示利用偏振度图像所得到的 含有目标空间的边缘凸显信息的计算图像； IMG(A)表示偏振相角图像， C3{IMG(A)}表示利 用偏振相角图像获取的含有目标物表 面信息的计算图像； k1、 k2和k3分别表示所述偏振图像 的计算优选图像、 偏振度计算图像与所述偏振相角计算图像三种图像的强度系数。权　利　要　求　书 2/2 页 3 CN 115219026 A 3