第1章 绪论
1.1浑浊介质定义及分类
光在一种介质中传播时，若介质中不存在异质体，即介质均匀，那么光线将遵循光的直线传播规律。但是，在大气、湖水等其他存在微小颗粒的介质中，光线将不再沿直线传播，而是向周边发散传播。这类能导致光散射现象的折射率非均匀性介质常被定义为浑浊介质，也称散射介质。
浑浊介质包括多种不同的存在形式，主要可以分为以下4类。
①气体中混有微小液滴，如雾。
②气体中混有固体微粒，如霾。
③液体中混有固体微粒，称为悬浊液。
④液体中混有另一种液体的微小液滴，称为乳剂。我们将前两类气态浑浊介质统称为雾霾或气溶胶。后两类液态浑浊介质的典型代表分别为海水和生物组织。
雾是由大量悬浮在近地面空气中的微小水滴或冰晶组成的气溶胶系统，多出现于秋冬季节，是近地面层空气中水汽凝结 (或凝华)的产物，会降低能见度。目标物水平能见度降低到1000米以内的称为雾，1000～10000米的称为轻雾或霭。由于液态水或冰晶组成的雾散射的光与波长关系不大，因此雾看起来呈乳白色、青白色、灰色。霾也称灰霾 (烟雾)，是空气中混有灰尘、硫酸、硝酸、有机碳氢化合物等固体粒子造成的大气浑浊现象。频发的雾霾会对民众的身体健康、正常生活和社会的经济发展等造成严重影响。
海洋覆盖超过70%的地球表面，一方面，海洋具有丰富的资源；另一方面，海洋是我国对外贸易，特别是石油等重要战略资源进口的主要通道。因此，海洋维系着我国诸多重大安全和发展利益。保卫国家海洋安全、维护海洋权益、保障海洋通道及重大海外利益，都离不开精准的海洋监测。对海洋目标进行实时追踪定位，以及对海洋矿物石油等资源进行勘探时，水下视觉能见度会随海水深度的增加而不断下降，严重影响追踪定位目标的精度和资源探勘的效率。
生物组织是由不同大小、不同成分的细胞和细胞间质组成的浑浊介质。生物组织中的病变，特别是肿瘤等重大疾病对人民生命安全造成了重大威胁。以食管癌为例，若早期得到诊断，则手术切除率100%、5年存活率高达90%，而中晚期手术治疗远期疗效都很差，5年存活率<30%。光学成像法具有非接触、无辐射等优势，是生物组织内病变区域影像检测的重要手段，但成像时散射光与反射光叠加到一起会严重影响影像质量，导致诊断准确率难以满足要求。
可见，研究光在浑浊介质中的传播特性，提高浑浊介质中的光学成像质量，对于诊断重大疾病，保障人民的身体健康和生命安全；探测与开发海洋资源，促进海洋经济发展；探测识别目标，维护海洋权益与安全等国计民生和国家安全问题至关重要。
1.2为什么要研究浑浊介质中的偏振成像
当光在浑浊介质中传输时，会受到介质中粒子吸收和散射等作用的影响。
光吸收是光通过浑浊介质时与其发生相互作用，光能量被部分地转化为其他能量形式的物理过程。吸收作用使光能量降低，图像亮度减弱，同时，不同波长的光吸收不同，还会引起颜色畸变。若浑浊介质对光仅存在吸收作用，则通过增加光源强度或者选择感光度和敏感度较高的探测器，根据吸收谱线进行颜色校正提高图像质量。
当光线通过浑浊介质时，介质中的微小粒子(异质体)或分子对光的作用使光线偏离原来的传播方向而向四周传播。这样从侧面也可以看到光的存在，这就是我们所知的散射现象。被散射的介质光与目标光叠加在一起，会造成图像分辨率降低，目标与背景之间对比度、信噪比下降，使成像质量变差。
针对光吸收导致的成像质量下降问题，国际上已经有较为全面成熟的系列研究，不作为本书主要关注点。如何去除介质散射光的影响，提高浑浊介质中的目标探测、成像与识别能力已成为国际光学成像探测领域的重要热点问题，这是本书的主要研究内容。
目前，基于光散射特性提高目标光学探测识别能力的方法主要可以分为图像处理方法和物理方法。
图像处理方法通过信息挖掘增强图像特征，主要有超分辨率重建技术、图像融合技术、图像增强处理技术、图像复原和相干光学成像等。该类方法能够对浑浊介质中的目标图像进行快速去散射处理，有效提高浑浊介质中目标识别与探测能力，但是受源图影响大，还会损失许多目标细节信息，导致图像失真。
物理方法是基于光与浑浊介质和目标的相互作用，分析介质散射和吸收特性对成像质量影响的物理机制，利用物理手段将介质光与目标光分离，在全面保持目标有效信息的同时，凸显目标原有特征，进行浑浊介质中目标的识别与探测，实现图像对比度提高。因此，物理方法不但能够有效进行浑浊介质中目标的识别与探测，而且能够全面保持目标有效信息、凸显目标原有特征。一般认为，探测器接收到的光线主要包含三部分，即包含目标信息的有效光 (目标光)、目标前向散射光和介质后向散射光 (介质光)。其中，目标前向散射光和介质光构成背景光，共同导致图像对比度降低。研究者根据这三类光线在浑浊介质中的传输速度、传输频率和传输路径等方面的差异，提出多种成像方式进行目标探测，如克尔成像、距离选通成像、条纹管成像、3D成像、光谱成像和偏振成像等。偏振成像方法由于穿透能力强、增加信息维度、提高目标与背景对比度等优势，受到学者的广泛关注。
偏振成像技术不仅能获取普通光学成像所能得到的强度和空间信息，还能获取额外的偏振信息。实际上，由于任何物体都有其独*的偏振特性，因此光的偏振信息昀早被用于生物组织成像。当偏振光在生物组织中传输时，介质散射作用会改变入射光的偏振态，因此可用偏振信息表征生物组织特性，从而使偏振成像能够广泛地应用到生物工程领域。同样，偏振成像也可用来进行传统强度成像难以区分的海水、雾霾等浑浊介质中的目标探测识别。因此，偏振成像是提高各种浑浊介质中的光学成像效果的重要手段，发展潜力巨大。
1.3浑浊介质中偏振成像方法研究现状
为了将光的偏振信息用于浑浊介质中的目标探测，国内外的科研工作者开展了大量有关研究，取得诸多成就，提出多种有效提高浑浊介质中目标成像效果的偏振成像方法。概括来讲，这些方法可以分为四类：第一类是根据光在浑浊介质中传输的物理模型，估算介质光，解算目标光，称作基于偏振去散射物理模型的偏振成像；第二类是基于介质光和目标光偏振特性差异的偏振成像方法，如偏振选通成像、偏振差分成像、偏振度成像等；第三类是基于目标与介质本身偏振特征的穆勒(Mueller)矩阵成像；第四类是基于偏振光在散射介质中传播过程的蒙特卡罗(Monte Carlo)数值模拟进行光子分类及成像识别的方法。下面分别介绍这四大类方法的国内外研究现状。
1.3.1基于光散射模型的偏振成像方法
基于光散射模型的偏振成像方法基于Schechner等建立的光线在大气中的散射模型，利用光的偏振特性降低大气中薄雾对成像质量影响的偏振滤波方法。该方法通过分析雾天成像过程中光线的偏振效应，构建了经典的雾天偏振成像模型，如图1.1所示。
该模型假设雾霾图像主要由大气光 (由雾霾环境造成的光 )和目标光(携带目标信息的光 )组成。大气光是造成雾霾中目标图像质量下降的主要原因。通过获取成像效果昀优和昀劣两幅图像，计算大气光的偏振度、光强，以及大气透过率，从而消除介质光，反解获得清晰的目标图像，同时获得目标的深度信息。随后该课题组对模型中存在的一系列问题进行了优化，利用液晶调制器代替旋转偏振片增加系统的鲁棒性，提出一种自动获取大气光参数的算法，并根据大气光分布连续性修正并滤除反射目标区域的大气光，可有效提高雾霾中反射目标的成像质量。
张晓玲等采用全图取单一值的方法估算大气透过率函数，并利用图像中昀远的景物点处的光强度值估算大气辐射强度，简化了Schechner提出的雾天偏振成像模型，有效避免了复杂的矩阵运算，使运算速度大幅提高，但是改进后的模型计算出的偏振度值精确性降低，容易使图像局部位置颜色失真。
Mudge和Virgen在分析了Schechner的成像方法后，指出在利用该方法进行目标探测时需要旋转检偏器来寻找两个昀佳偏振态方向不利于实际应用。为此，他们借助Stokes矢量，并通过计算，获得大气光的光强随偏振方向角的分布曲线(图1.2)，进而选出昀佳的偏振方向，有效地避免了实际操作中获取正交偏振图像时拍摄方向难以确定的问题，提高了算法的适用性。
图1.2光强随偏振方向角的分布曲线
王勇等提出一种通过任意三幅偏振图像获取Stokes参数，并估算大气光强度，从而有效改善薄雾天气下景物视觉效果的方法。该方法操作简单，普适性强，有利于工程应用。
基于光散射模型的偏振成像在应用时有一个前提假设，即只考虑空气光的偏振特性，而忽略目标光的偏振特性。因此，该方法并不适用于目标光偏振特性不可忽略的实际场景，特别是目标光的偏振特性强于空气光的场景。例如，若获取的场景包含湖水等反射性目标，由于光在湖水表面发生近似镜面反射，反射光的偏振特性强于背景光的偏振特性，此时该方法不再适用。为此，方帅等通过理论和统计样本分析，综合考虑目标光和大气光的偏振信息来恢复场景信息，利用协方差来计算获得目标的偏振度，同时为了降低场景中的人工目标对目标偏振度的影响又对目标的偏振度进行优化，提出改进的Schechner雾天偏振成像模型，获得的场景图像如图1.3所示。可见，考虑目标偏振度之后，成像质量得到了明显提高，获得的场景更加接近真实场景。
图1.3场景图像
邵晓鹏等在该方面开展了系列探索，针对在偏振成像实验中*优正交子图像 (*亮图像与*暗图像)的精准选择对目标图像的复原至关重要这一问题，提出基于光学相关的主动偏振成像技术，通过VLC(Vander Lugt correlator，范德尔卢格特相关器 )，利用频谱变换自动判别两幅正交子图像的相关性，实现了*优正交子图像的精准计算选取，避免了以往人眼视觉选取的误差，对偏振相机成像效果的内部优化具有很好的辅助作用；在偏振成像实验装置优化基础上，充分考虑偏振成像的固有噪声问题，同时考虑目标与背景偏振度对于图像重建对比度的影响[34]，探究正交子图像噪声差对于*终目标图像重建噪声的影响规律。图像噪声的放大倍数随背景偏振度与目标偏振度变化曲线如图 1.4所示。
图1.4图像噪声的放大倍数随背景与目标偏振度变化曲线
在偏振抑制后向散射光的基础上， Han等提出前向散射光导致图像对比度下降的退化模型，通过刀刃法选取合适的图像区域计算边缘扩展函数(edge spread function，ESF)，进一步递推线扩散函数(line spread function，LSF)，*终卷积得到点扩散函数(point spread function，PSF)，即前向散射退化函数，准确还原目标信号。图1.5所示为经前向散射抑制之后浑浊水体中羽毛球目标，与不经前向抑制处理的成像效果对比，可见图像质量得到明显改善。但是，该方法对原始图像的质量要求较高，适合经过偏振成像处理后目标图像的二次优化。
图1.5前向散射抑制前后图像成像效果对比
他们还以偏振成像设备得到的图像为数据样本，对雾霾或浑浊水下偏振图像进行小波变换，将图像分解为包含细节的高频部分与低频的背景轮廓部分，针对低频部分采用传统的偏振去雾模型进行处理，从而提取有效背景参量；针对高频细节丢失采用系数补偿的方式进行调节，高、低频部分经图像融合得到目标图像。该方法针对背景与目标在图像中的频谱分布差异，采用不同的处理方法复
展开
