Welcome to visit Journal of Shaanxi Normal University(Natural Science Edition)!

Research progress of division-of-focal-plane polarization spectral imaging technology

  • HAO Jinglei 1 ,
  • ZHANG Bei 2 ,
  • ZHAO Yongqiang , 2, *
Expand
  • 1 School of Information and Control Engineering, Xi’an University of Architecture andTechnology, Xi’an 710055, Shaanxi, China
  • 2 School of Automation, Northwestern Polytechnical University, Xi’an 710072, Shaanxi, China

Received date: 2024-08-31

  Online published: 2025-07-21

Abstract

Polarization spectral imaging technology provides an effective solution to the imaging problems in complex scenes by combining intensity, polarization, and spectral information. Division-of-focal-plane polarization spectral imaging technology has become a significant development direction in this field due to its high compactness and strong real-time performance. This paper first reviews the development history of polarization spectral imaging technology and systematically compares the advantages and disadvantages of related technologies. Then, it focuses on the research progress of the division-of-focal-plane polarization spectral imaging system, providing a detailed overview of polarization spectral splitting elements, polarization spectral demosaicking algorithms, and existing polarization spectral image databases. It also systematically summarizes the core advantages of this technology, including high compactness, strong real-time performance, and low power consumption. Finally, it summarizes the applications of polarization spectral imaging technology in military reconnaissance, space exploration, medical diagnosis, and remote sensing detection. The analysis indicates that this technology has broad prospects in fields such as target detection, environmental monitoring, and medical diagnosis, but it still faces challenges such as low spatial resolution and insufficient accuracy in reconstructing polarization information currently. Based on this, future research should focus on optimizing the design and fabrication of polarization spectral splitting elements, improving demosaicking algorithms for high-quality image restoration, and further expanding its application capabilities in dynamic scenes and complex environments.

Cite this article

HAO Jinglei , ZHANG Bei , ZHAO Yongqiang . Research progress of division-of-focal-plane polarization spectral imaging technology[J]. Journal of Shaanxi Normal University(Natural Science Edition), 2025 , 53(4) : 82 -93 . DOI: 10.15983/j.cnki.jsnu.2025307

传统的强度成像、偏振成像和光谱成像技术已广泛应用于日常生活、工业生产、医学检测及军事侦察等多个领域。然而,这些单一模式的成像方法在面对复杂环境时,如雨雪、雾霾等恶劣天气条件,或水下、烟雾等散射介质及伪装目标等,其成像质量会受到显著影响。
偏振光谱成像技术是强度成像、偏振成像与光谱成像的有机结合,能够同时获取目标的空间、偏振和光谱信息。所得的偏振光谱图像是关于强度、偏振和光谱数据的超立方体[1]。强度成像通过获取目标与光相互作用产生的强度信息,揭示目标的空间分布特性[2]。偏振成像技术可提取目标与光相互作用产生的偏振信息,从而获取与表面纹理、粗糙度、材料介电常数等相关的物理信息,并具备凸显目标、辨别真伪等优势[3]。光谱成像技术通过分析目标与光相互作用产生的光谱信息,可获取目标的化学组成等特征[4]。强度成像、光谱成像和偏振成像各有优势与局限,偏振光谱成像技术综合运用这3种成像手段,能够高效获取目标的多维信息,在复杂环境中有效提升目标辨识度并增大探测距离,广泛应用于目标检测、环境监测、医学诊断、农作物估产等军民领域[5-10],具有广阔的发展前景。
本文首先简要回顾了偏振光谱成像技术的发展历程,重点分析了分焦平面偏振光谱成像系统的技术思路。随后,探讨了偏振光谱成像技术在军事和民用领域的典型应用。最后,对该技术的未来发展方向及潜在应用前景进行了展望。

1 偏振光谱成像技术的分类和特点

根据获取目标信息的速度,偏振光谱成像技术可分为非快照式与快照式。非快照式偏振光谱成像技术大多是在光谱成像技术的基础上增加偏振探测模块发展而来,主要包括:分时转轮型、可调谐滤光片型、光弹调制型和空间调制傅里叶变换型等[11]。几种典型的非快照式偏振光谱成像器件如图1所示。
图1 典型的非快照式偏振光谱成像设备

注:网络版为彩图。

Fig.1 Typical non-snapshot polarization spectral imaging devices

最早出现的分时转轮型偏振光谱成像仪结构简单,但成像速度较慢且对环境的稳定性要求较高[12]。可调谐滤光片型偏振光谱成像仪有效提升了系统的成像速度,但存在空间分辨率较低的问题[13]。光弹调制型偏振光谱成像仪理论上能够实现宽覆盖、多角度、高精度的偏振光谱测量,但存在制造技术难度大、资源消耗高以及需要高精度交叉标定和配准等缺点[14]。静态傅里叶变换型偏振光谱成像仪是在静态傅里叶光谱仪中嵌入偏振探测模块得到的,可获取高信噪比的偏振光谱信息,但由于该系统需推扫成像,实时性较差[15-16]
非快照式偏振光谱成像技术还包括棱镜分光型、强度调制通道型、分振幅偏振探测与窄带滤波片结合型、基于微偏阵列的干涉型以及偏振光谱调制技术与狭缝式棱镜色散光谱成像技术结合型等。这些成像技术各具优劣势[17-18],本文不再赘述。
非快照式偏振光谱成像器件由于成像机理的限制,成像速度较慢,难以应用于时间敏感目标或动态场景的快照式成像。为了解决这一问题,研究人员致力于探索能够同时捕获目标的强度、光谱和偏振三维数据信息的快照式偏振光谱成像技术。典型的快照式偏振光谱成像器件如图2所示。
图2 典型的快照式偏振光谱成像器件

注:网络版为彩图。

Fig.2 Typical snapshot polarization spectral imaging devices

计算层析型偏振光谱成像仪(computed tomography imaging channeled spectropolarimeter,CTICSP)结合了通道型偏振光谱技术与计算层析技术,其系统示意图如图2a所示。该成像系统通过光谱调制模块对入射光偏振信息进行调制,该模块由2个相位延迟器和1个线性偏振器组成。该成像仪不包含任何运动部件,能够通过一次成像获取全斯托克斯参量的偏振光谱信息,并利用相关算法进行恢复[19]。然而,由于成像机制的限制,该系统在空间和光谱分辨率方面存在一定不足。
偏振光栅是一种偏振敏感的各向异性透射光栅[20]。基于偏振光栅的偏振光谱成像仪(polarization grating imaging spectropolarimeter,PGIS)结合3组偏振光栅与不同状态的波片,实现透射光偏振态的调制,并将不同斯托克斯参量的光谱信息映射到探测器的不同区域,最终复原偏振光谱信息。相较于 CTICSP,该技术具有更高的光谱分辨率,但对探测器的尺寸和分辨率要求较高,且成像分辨率较低。
编码孔径偏振光谱成像仪结合编码孔径与双折射晶体,并利用压缩感知技术对偏振光谱信息进行重构[21],经过编码孔径的光经双折射晶体分解成2束光并在 CCD 上成像,最终解调获得目标的空间、偏振及光谱信息。该成像技术可实现较高的空间及光谱分辨率,但无法获取完整的全斯托克斯信息。
基于微透镜阵列的偏振光谱成像仪结构简单、性能优异。微透镜阵列位于物镜像面上,起到分光瞳的作用[22]。目标场景经过前置光学系统在微透镜阵列上成像,单个微透镜将全部光会聚到一个点,再经不同器件在探测器上成像[23]。该成像技术结构较为简单,但存在空间分辨率低、配准困难等问题。
微纳加工工艺的快速发展推动了微偏阵列(micro-polarizer array,MPA)的广泛应用,并进一步促进了分焦平面偏振光谱成像技术的发展。索尼公司的 IMX250MYR 彩色偏振传感器[24]由2部分阵列组成:采用 Chun 模式[25]的微偏阵列以及采用 Bayer 模式[26]的彩色滤波阵列,二者以上下叠加的结构组合而成,如图 3 所示。由于单个像素点仅能捕获特定位置的单一波段和单一偏振角度信息,因此需要专门的插值算法来恢复全分辨率图像,即去马赛克技术[27]。Tu等[28]将2台彩色偏振分焦平面(division of focal plane,DOFP)相机组合在一起(这两台相机同样由 Chun 模式的微偏阵列和 Bayer 模式的彩色滤波阵列构成, 区别在于其嵌套模式的不同),其中入射光通过非偏振立方体分束器被分成2束。一台相机结合1/4波片以捕捉光的圆偏振态,另一台则用于感知线偏振态。该成像系统需要高精度配准,以实现准确的偏振光谱信息获取。
图3 索尼公司IMX250MYR彩色偏振传感器的结构示意图

注:网络版为彩图。

Fig.3 The structural schematic diagram of Sony’s IMX250MYR color polarization sensor

Tu等[29]在索尼的彩色传感器上添加微延迟器阵列,实现了分焦平面型彩色全斯托克斯(Stokes)偏振成像。该成像系统结构紧凑,可实现3个光谱波段的全斯托克斯偏振成像,但空间分辨率较低。系统的实物图如图4所示。
图4 分焦平面型彩色全斯托克斯偏振成像系统

注:网络版为彩图。

Fig.4 Image of the devision-of-focal-plane color full-stokes polarization imaging system

Mu等[1]通过结合分焦平面偏振成像阵列与分光棱镜,提出了一种快照型线性偏振光谱成像仪(snapshot linear-Stokes imaging spectropolarimeter, SLSIS)。该成像仪利用分光棱镜对不同波段的光进行色散,使其投射到不同的像元位置,从而获取不同角度的偏振信息。该方法无需在光谱、空间或偏振维度进行扫描,重建速度快,且后续处理计算量较小。然而,该成像仪仍然受帧率限制,提高帧率会降低灵敏度,同时噪声可能会影响重建精度。此外,其工作波段较窄,而制造宽波段消色差微延迟器仍存在技术难题。系统的实物图如图 5 所示。
图5 快照型线性偏振光谱成像仪

注:网络版为彩图。

Fig.5 Snapshot linear polarization spectral imaging instrument

其他快照式偏振光谱成像器件还包括结合压缩感知编码孔径技术与强度调制模块的压缩通道偏振光谱成像仪(compressedchanneled imaging spectropolarimeter, CCISP)[30],以及基于偏振调制阵列的成像光谱偏振仪[31]等。
通过分析国内外研究现状,非快照式和快照式偏振光谱成像技术的优劣势对比如表 1 所示。从总体趋势来看,偏振光谱成像技术正朝着小型化、轻量化和高实时性的方向发展。非快照式偏振光谱成像技术已难以满足对成像时效性及器件结构紧凑性要求较高的探测需求,因此研究快照式偏振光谱成像技术具有重要意义。其中,基于分焦平面的偏振光谱成像系统具备结构紧凑、体积小、重量轻、功耗低和实时性强等优势。尽管其成像模式导致空间分辨率较低,但可通过后续的图像处理算法优化信息获取,最终获得高精度的偏振光谱信息,在高动态场景中具有重要的应用价值。
表1 非快照式与快照式偏振光谱成像技术的优劣势对比

Tab.1 Comparison of the advantages and disadvantages of non-snapshot and snapshot polarization spectral imaging techniques

成像模式 技术方案 优势 劣势
非快照式 POLDER转轮型[12] 结构简单 成像实时性差
LCTF型[13] 简易,成本低 稳定性差,调焦不便
AOTF+LCVR型[18] 波段范围宽,可编程操控 空间分辨率低
MSPI光弹调制型[14] 测量精度高 制造难度大,需标定配准
棱镜分光型[17] 测量精度高 需扫描成像
空间调制傅里叶变换型[15-16] 高信噪比 需推扫成像,耗时长
快照式 计算层析型(CTICSP)[19] 无运动部件 空间、光谱分辨率低,计算量大
偏振光栅型(PGIS)[20] 光谱分辨率高 制造工艺复杂,成本高
编码孔径型[21] 空间、光谱分辨率高 偏振信息不足
微透镜阵列型[22] 结构简单 空间分辨率低,装调困难
分焦平面型[24] 结构紧凑,功耗低 空间分辨率低

2 分焦平面偏振光谱成像技术

在微型无人机、医学内窥检测等动态平台中,成像设备在复杂环境下的抗干扰能力尤为重要。偏振光谱成像技术可获取目标的多维信息,满足抗干扰成像的需求[32]。然而,这些动态平台对成像设备的体积、重量、功耗及实时性也提出了严格要求。
随着微纳加工工艺的快速发展,基于分焦平面偏振光谱成像技术[33]采用“以空间换时间”的思路,在成像传感器表面直接集成像元级偏振光谱滤光片阵列,实现不同偏振角度及不同光谱波段信息的实时采集。该成像系统的关键成像器件结构示意图如图6所示。
图6 分焦平面偏振光谱成像系统关键成像器件

注:网络版为彩图。

Fig.6 Key imaging components of the division-of-focal-plane polarization spectral imaging system

分焦平面偏振光谱成像技术无需传统分光元件,具备结构紧凑、稳定性高、集成度高、体积小、重量轻、功耗低、成本低、可快照成像等优势,在遥感探测、目标识别探测和生物医学等领域应用广泛,被认为是未来偏振光谱成像技术的重要发展方向[1]
分焦平面偏振光谱成像器件可直接输出偏振光谱马赛克图像,并通过去马赛克算法重构偏振光谱图像,最终得到的偏振光谱图像质量由偏振光谱分光元件和偏振光谱图像处理算法决定。

2.1 偏振光谱分光元件

在偏振光谱成像系统中,分光元件作为核心组件,对成像系统的性能、结构复杂度、体积和质量起着决定性作用[34]。随着微纳加工技术的快速发展,分光元件的小型化和轻量化逐步得以实现[35]。常见的分光元件类型是滤光片型分光元件,其可与探测器集成,实现信息的实时获取[36]。滤光片的结构直接影响成像器件的分辨率和集成化程度,合理的结构设计不仅可以提升光通量,还能兼顾高分辨率的信息获取。
受到彩色滤波阵列和微偏阵列的启发,彩色偏振滤光片阵列(color-polarization filter array, CPFA)最早由 Tu 等[28]在 2017 年提出,如图7a所示。Sony公司研制的彩色焦平面阵列[24]图7b所示。这两种彩色偏振滤光片阵列均基于现有的彩色滤波阵列和微偏阵列简单叠加得到。然而,它们所采用的彩色滤波阵列[26]和微偏阵列[25]在实际成像过程中存在一定程度的串扰混叠[37],且彩色偏振滤光片阵列采用的双层复合结构导致光学透过率较低,信噪比较差[33],从而削弱探测距离和探测性能,进而影响后续偏振光谱信息的精确重构。
图7 两种偏振光谱阵列

注:网络版为彩图。

Fig.7 Two polarization spectral arrays

传统的一维亚波长金属光栅主要用于偏振调制,因其结构简单、易于加工且偏振调制能力强,已成为分焦平面偏振成像技术的主要实现手段。例如:目前可见光波段应用最广泛的分焦平面偏振成像探测器是索尼(Sony)公司的IMX250MZR传感器,其采用亚波长一维光栅来制备像素级微偏振片,通过改变光栅方向,即可调整微偏振片的透光轴。然而,现有的亚波长金属光栅在探测器的响应波段上呈现宽带带通特性,缺乏光谱调制功能,因此无法实现偏振光谱成像。
为了进一步提升分焦平面偏振光谱成像性能,相关学者提出对亚波长金属光栅进行简单改进,使传统的亚波长金属光栅同时具备偏振与光谱的调制能力[38],图8a展示了金属-介质-金属亚波长光栅结构。根据导模共振原理,介质层的引入与金属-介质-金属光栅层的设计赋予该光栅窄带滤波能力,同时不影响亚波长金属光栅的偏振调制性能。
图8 偏振光谱分光元件示意图

注:图片修改自文献[38-39],网络版为彩图。

Fig.8 Schematic diagram of polarization spectral splitting component

相较于传统的亚波长金属光栅,上述金属-介质-金属结构的亚波长偏振光谱光栅仍为一维光栅结构,仅需增加光栅层的镀膜工艺,相对简单。所使用的材料仍为半导体加工中常见的材料,因此非常适用于与传统电荷耦合器件(charge-coupled device,CCD)和互补金属氧化物半导体(complementary metal-oxide-semiconductor,CMOS)的集成工艺,具备重要的实际应用价值。
综上,相较于传统滤光片,亚波长光栅滤光片具有结构简单、体积小、集成度高、设计自由度大等优势。亚波长光栅滤光片能够同时实现偏振和光谱滤波功能,因此对其展开研究具有重要意义。
常见的亚波长光栅通常采用一维栅条或二维对称的结构[36]。为进一步拓展设计的多样性,并获得更加紧凑的结构以满足更多应用需求,研究人员基于亚波长光栅的概念,利用超材料(metamaterial)设计了超表面(metasurface)。近年来,超材料作为一种新型人工电磁材料受到了广泛关注;这种材料由亚波长的“人工原子”按照特定方式组合而成。当晶格尺度远小于波长时,超材料能够表现出类似于均匀介质的特性,这使其在电磁波的控制和应用方面展现出广阔前景。超表面由超材料单元以周期性或非周期性方式排列形成的超薄二维阵列构成,如图8b所示[39]。超材料使用的是人工复合材料,可通过人工设计不同的形状或尺寸,以匹配不同的实际应用需求。
分焦平面偏振光谱成像探测器的技术已从传统的彩色(三波段)逐步扩展至多波段。此类探测器具有体积小、重量轻、集成度高以及实时成像等显著优势,契合了偏振光谱成像向小型化发展的趋势。随着技术的不断进步,该类探测器逐渐成为偏振光谱成像领域的主流选择,有力推动了偏振光谱成像技术的发展与应用。

2.2 偏振光谱去马赛克

分焦平面偏振光谱成像系统具有快照式成像、体积小、重量轻、功耗低等优势。然而,该系统本质上是通过牺牲空间分辨率来换取时间分辨率,这种空间采样机制导致传感器的每个像素位置只能获取某一波段下某个偏振方向的图像信息,而该像素位置的其他光谱和偏振信息则缺失。直接采用下采样方式进行偏振多光谱信息重构将导致严重的瞬时视场误差。为了重构每个像素未捕获的其他光谱及偏振信息,从而提高图像分辨率,必须对捕获的偏振光谱马赛克图像进行去马赛克处理,这也是获取高质量偏振光谱图像的关键环节之一。
彩色偏振去马赛克方法主要针对红、绿、蓝3个波段以及 0°、45°、90°、135° 4个偏振方向,共 12 个偏振光谱通道。目前,已有一些彩色偏振去马赛克算法,主要可分为3类:1)基于传统插值方法的彩色偏振去马赛克算法[30-42];2)基于重构(例如稀疏表达)的彩色偏振去马赛克算法[43-44];3)基于深度学习的彩色偏振去马赛克算法[27,45-47]
传统插值算法的优势在于简单高效,但去马赛克的性能有限;基于重构的算法相比传统方法性能更优,但通常计算开销较大;基于深度学习的去马赛克算法性能最佳,但往往迁移能力较差。此外,部分泛化能力较强的多光谱去马赛克算法[48-49] 亦可用于偏振光谱去马赛克任务,但此类方法仅能对光谱信息实现高精度重构,而对偏振信息的重构性能仍然有限。
与光谱去马赛克和偏振去马赛克不同,偏振光谱去马赛克包含更多通道的信息。例如,在具有4 个偏振角度和 4 个光谱波段的情况下,需要从偏振光谱马赛克图像中恢复出 16 个通道的信息。由于缺失信息较多,传统的图像去马赛克方法已不再适用。文献[50]提出的偏振光谱去马赛克算法采用广义全变分与加权张量核范数最小化实现偏振光谱去马赛克。尽管该算法结构较为复杂,并且需要对每幅输入的偏振光谱马赛克图像进行迭代优化求解,但其适用范围较广,可用于任何偏振光谱阵列的去马赛克。
不同去马赛克算法的优劣势对比见表2。总体而言,与多光谱马赛克图像和偏振马赛克图像相比,偏振光谱马赛克图像存在空间、偏振及光谱信息高度耦合的问题。后续研究应重点解决偏振光谱马赛克图像中空间、偏振和光谱信息的强耦合关系解耦问题,从而实现光谱与偏振信息的高保真重构。
表2 去马赛克算法研究现状分析

Tab.2 Analysis of the research status of demosaicking algorithms

去马赛克技术 处理方法 主要存在问题
偏振光谱去马赛克 广义全变分[50] 算法复杂,效率低
彩色偏振去马赛克 传统插值[40-42] 性能有限
稀疏表达[43-44] 执行效率低
深度学习[2,45-47] 迁移能力较差
多光谱去马赛克 传统插值 性能有限
经典优化算法 执行效率低
深度学习[48-49] 偏振信息重构性能差,无法同时实现偏振、光谱的高保真重构

2.3 偏振光谱图像数据库

为了验证全斯托克斯偏振多光谱成像系统的成像性能,Fan 等[51]构建了一个包含完整斯托克斯参数的偏振多光谱图像数据集。该数据集包括 4 个斯托克斯参数、18 个光谱波段、512×512 的空间分辨率以及 67 个立体目标(如图9 所示)。该数据集的建立为偏振多光谱成像系统的研究提供了统一的数据源,有助于评估不同的成像方法。
Fig.9 67个目标在600 nm波段下的S0强度图像

S0 intensity images of 67 targets in the 600 nm band

3 偏振光谱成像技术典型应用场景

偏振光谱成像技术能够高效获取目标的多维信息,有效提高复杂环境中的目标辨识度,并延长探测距离。该技术最初主要应用于遥感和军事领域,如大气成分分析、海洋监测以及隐蔽目标探测等。随着技术的不断发展和完善,偏振光谱成像技术在医疗检测领域也展现出显著优势,例如在肿瘤早期诊断、皮肤病检测和组织病理分析等方面发挥了重要作用。

3.1 军事侦察

西北工业大学的赵永强小组针对红外偏振图像在复杂环境下对人造目标识别具有较强抗干扰能力的特点,研发了一套可实时采集目标红外偏振数据的智能感知系统,该系统的原理图如图10所示。系统采用分焦平面式成像技术实时获取目标的红外偏振信息,并通过深度学习算法实现高质量偏振图像的恢复以及典型场景下运动目标的智能感知[52-54]。该系统具备高集成度、体积小、重量轻、可快照式成像等优势。其中,基于多通道深度残差网络的去马赛克方法效果较好。然而,由于分焦平面成像输出的是偏振马赛克图像,计算方法对偏振参数的准确性及应用产生较大影响[54]
图10 红外偏振数据智能感知系统原理图

注:网络版为彩图。

Fig.10 Schematic diagram of intelligent perception system for infrared polarization data

2019年,Xu等[55]研究了红外高光谱偏振特性在伪装目标识别中的应用,并进行了长波红外高光谱偏振成像实验。实验中,采集了塑料、玻璃和铝等材料在3种不同温度下的图像数据,通过对比分析这些材料在相同温差环境中的光谱辐亮度与偏振度变化趋势。研究发现,在相同温度条件下,这些材料的红外偏振特性相比其辐射亮度表现出更显著的增强效果,并呈现出明显的波段选择性。此外,随着温度差异的增大,不同伪装目标的红外偏振特性增强幅度差距也相应增加。这表明,可以利用伪装目标因温度变化导致的偏振特性增强差异,为高效目标识别提供新的技术手段。这项研究揭示了通过分析伪装物体的红外偏振特征来提高识别准确性的潜力。

3.2 空间探测

针对太空目标,徐淼等[5]提出了一种天基面阵快速偏振光谱成像方案,其系统组成如图11所示。该方案采用大视场光学系统收集广域信息并聚焦光束。分光片通过能量分光方式,将部分光能分配给偏振成像模块,另一部分分配给光谱成像模块。偏振成像模块和光谱成像模块分别采用分焦平面偏振探测器与面阵光谱探测器进行实时探测。其中,偏振探测模块可同步获取 0°、45°、90°、135° 4个线偏振方向的信息,而光谱成像模块可同时获取 8 个通道的光谱图像。两个探测器的视场相匹配,便于后续图像融合处理。
图11 文献[5]提出的偏振光谱成像方案原理

注:网络版为彩图。

Fig.11 Schematic diagram of the principle of polarization spectral imaging presented by reference [5]

3.3 医疗诊断

2015年,He等[56]对未染色的人体颈部和甲状腺癌症组织切片进行了透射式多光谱穆勒矩阵成像。实验结果表明,该方法能够区分正常组织和癌变区域。此外,他们还证明,偏振和光谱特征可为诊断应用提供更详细的组织微观结构信息。熊周明等[57]构建了一种多波段偏振成像系统,并对正常皮肤、色素沉着及炎症皮肤进行了成像实验(如图12所示)。通过获取不同波长下皮肤异常区域与正常区域的偏振信息,发现绿激光波段更适用于探测色素沉着和炎症皮肤的异常区域。
图12 多波段激光照明下色素沉积区域和炎症区域的偏振图像

Fig.12 Polarization images of the pigment deposition areas and the inflammation areas under multi-band laser illumination

3.4 遥感探测

Ding等[58]提出了一种近紫外到近红外波段的阈值云检测方法(near ultraviolet to near infrared detection threshold,NNDT),该方法利用0.38 μm波段的辐射信息及其与1.64 μm波段的比值来区分云和天空,有效利用了近紫外波段在云和地表物体辐射特性上的差异。研究表明,NNDT算法替代了云检测对热红外波段的依赖,避免了传统云识别算法对最小地表反射率数据库的需求,为气溶胶和二氧化碳参数的反演奠定了基础。

4 结语

近年来,随着微纳加工工艺的进步,分焦平面偏振光谱成像技术得到了迅猛发展,使相关成像设备在降低成本的同时,实现了小型化和高实时性,从而拓宽了偏振光谱成像系统的应用范围。偏振光谱视觉的应用已从理论研究逐步扩展到实际应用。
分焦平面偏振光谱成像技术的未来研究仍将主要集中在成像设备和去马赛克算法两个方向。成像设备的发展趋势包括全偏振、多波段、高分辨率、高度集成以及智能化。通过优化偏振光谱分光器件的设计与制造工艺,可在提高消光比和透过率的同时,有效降低不同偏振光谱通道间的串扰,从而提升系统的成像精度及复杂环境下的图像质量。例如:超表面作为新兴的二维超材料,其亚波长尺度的人工微结构单元能够灵活调控电磁波的振幅、相位和偏振态等特性,在成像设备研发中具有重要作用。超表面可用于设计新型偏振控制器件或光谱滤波器,以提升系统性能。去马赛克算法则通过改进成像物理模型,并结合最新的图像处理技术,实现高质量的偏振光谱信息复原,从而进一步提高处理效率、精度和智能化水平。
作为一种新兴的成像技术,偏振光谱成像在应用层面仍具有巨大的潜力。目前,该技术在目标检测、三维成像、医学诊疗和散射介质成像等领域已取得一定进展。未来,随着材料科学、工艺技术和人工智能的进一步发展,分焦平面快照式偏振光谱成像技术将在空间探测、火灾救援、医疗诊断和工业生产等多个领域得到更广泛的应用。
[1]
MU T K, PACHECO S, CHEN Z Y, et al. Snapshot linear Stokes imaging spectropolarimeter using division of focal plane polarimetry and integral field spectroscopy[J]. Scientific Reports, 2017,7:42115.

[2]
DONG J J, ZHOU H L. Polarimeters from bulky optics to integrated optics:a review[J]. Optics Communications, 2020,465:125598.

[3]
CHEN Z Y, ZHANG C M, MU T K, et al. Tensorial multiview subspace clustering for polarimetric hyperspectral images[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022,60:5528513.

[4]
BOREMAN G D. Classification of imaging spectrometers for remote sensing applications[J]. Optical Engineering, 2005, 44(1):013602.

[5]
徐淼, 史浩东, 王超, 等. 空间目标多维度探测与激光通信一体化技术研究[J]. 中国激光, 2021, 48(12):1206002.

XU M, SHI H D, WANG C, et al. Technology for integrating space object multidimensional detection and laser communication[J]. Chinese Journal of Lasers, 2021, 48(12):1206002.

[6]
LI N, ZHAO Y Q, PAN Q, et al. Full-time monocular road detection using zero-distribution prior of angle of polarization[C]// Computer Vision-ECCV 2020, 2020, Glasgow.Berlin:Springer,2020:457-473.

[7]
KLEINT L, GANDORFER A. Prospects of solar magnetometry:from ground and in space[J]. Space Science Reviews, 2017, 210(1):397-426.

[8]
DU E, HE H H, ZENG N, et al. Mueller matrix polarimetry for differentiating characteristic features of cancerous tissues[J]. Journal of Biomedical Optics, 2014, 19(7):76013.

[9]
LUO D A, BARRAZA E T, KUDENOV M W. Aircraft skin defect localization using imaging polarimetry[J]. Optical Engineering, 57(8):084101.

[10]
LI S Y, JIAO J N, WANG C. Research on polarized multi-spectral system and fusion algorithm for remote sensing of vegetation status at night[J]. Remote Sensing, 2021, 13(17):3510.

[11]
SATTAR S, LAPRAY P J, FOULONNEAU A, et al. Review of spectral and polarization imaging systems[C]// Unconventional Optical Imaging Ⅱ, April 6-10,2020 France.Bellingham:SPIE,2020:191-203.

[12]
MARBACH T, PHILLIPS P, LACAN A, et al. The multi-viewing,-channel,-polarisation imager(3MI) of the eumetsat polar system-second generation(EPS-SG) dedicated to aerosol characterisation[C]// Sensors,Systems,and Next-Generation Satellites ⅩⅦ2013,Dresden.Bellingham:SPIE,2013:75-83.

[13]
ZHAO Y Q, ZHANG L, PAN Q. Spectropolarimetric imaging for pathological analysis of skin[J]. Applied Optics, 2009, 48(10):236-246.

[14]
宋志平, 操宁, 张晨, 等. 空间调制外差干涉型偏振光谱测量系统[J]. 光学精密工程, 2023, 31(7):992-999.

SONG Z P, CAO N, ZHANG C, et al. Spatial modulation heterodyne interference polarization spectrum measurement system[J]. Optics and Precision Engineering, 2023, 31(7):992-999.

[15]
李杰, 朱京平, 齐春, 等. 大孔径静态超光谱全偏振成像技术[J]. 红外与激光工程, 2014, 43(2):574-578.

LI J, ZHU J P, QI C, et al. Large aperture static hyperspectral imaging full polarimetry[J]. Infrared and Laser Engineering, 2014, 43(2):574-578.

[16]
LI J, QI C, ZHU J P, et al. Static Fourier transform hyperspectral imaging polarimeter[C]// 8th Workshop on Hyperspectral Image and Signal Processing:Evolution in Remote Sensing (WHISPERS),August 21-24,2016,Los Angeles.New York:IEEE,2016:1-4.

[17]
王新全, 相里斌, 黄旻, 等. 静态成像光谱偏振仪[J]. 光电子·激光, 2011, 22(5):1968-1974.

WANG X Q, XIANG L B, HUANG M, et al. Static imaging spectropolarimeter[J]. Journal of Optoelectronics·Laser, 2011, 22(5):1968-1974.

[18]
柏财勋, 李建欣, 周建强, 等. 基于微偏振阵列的干涉型高光谱偏振成像方法[J]. 红外与激光工程, 2017, 46(1):0138003.

BAI C X, LI J X, ZHOU J Q, et al. Interferometric hyperspectral polarization imaging method based on micro-polarization array[J]. Infrared and Laser Engineering, 2017, 46(1):0138003.

[19]
AUMILLER R W, VANDERLUGT C, DERENIAK E L, et al. Snapshot imaging spectropolarimetry in the visible and infrared[C] //Polarization:Measurement,Analysis,and Remote Sensing Ⅷ2008,Orlando.Bellingham:SPIE,2008:99-107.

[20]
KIM J, ESCUTI M J. Demonstration of a polarization grating imaging spectropolarimeter(PGIS)[C]// Polarization:Measurement,Analysis,and Remote Sensing Ⅸ2010,Orlando.Bellingham:SPIE,2010:80-88.

[21]
QIAO Y, JING N, ZHANG R, et al. Intensity modulation-based spectral polarization measurement method of coded aperture[J]. Optics Communications, 2019,437:128-132.

[22]
DWIGHT J G, TKACZYK T S. Lenslet array tunable snapshot imaging spectrometer (LATIS) for hyperspectral fluorescence microscopy[J]. Biomedical Optics Express, 2017, 8(3):1950-1964.

[23]
KUDENOV M W, DERENIAK E L. Compact real-time birefringent imaging spectrometer[J]. Optics Express, 2012, 20(16):17973-17986.

[24]
BARADARAN K M, VAHEDIAN A, SADOGHI Y H. Multi-target state estimation using interactive Kalman filter for multi-vehicle tracking[J]. IEEE Transactions on Intelligent Transportation Systems, 2020, 21(3):1131-1144.

[25]
CHUN C S L, FLEMING D L, TOROK E J. Polarization-sensitive thermal imaging[C]// Automatic Object Recognition Ⅳ1994,Orlando.Bellingham:SPIE 1994:275-286.

[26]
BAYER B. Color imaging array:US3971065[P].1976-7-20.

[27]
WEN S J, ZHENG Y Q, LU F, et al. Convolutional demosaicing network for joint chromatic and polarimetric imagery[J]. Optics Letters, 2019, 44(22):5646-5649.

[28]
TU X Z, SPIRES O J, TIAN X B, et al. Division of amplitude RGB full-Stokes camera using micro-polarizer arrays[J]. Optics Express, 2017, 25(26):33160.

[29]
TU X Z, MCELDOWNEY S, ZOU Y, et al. Division of focal plane red-green-blue full-Stokes imaging polarimeter[J]. Applied Optics, 2020, 59(22):33-40.

[30]
REN W Y, FU C, WU D, et al. Channeled compressive imaging spectropolarimeter[J]. Optics Express, 2019, 27(3):2197-2211.

[31]
ZHANG C M, YAN T Y, JIA C L, et al. Tempo-spatially modulated imaging spectropolarimetry based on polarization modulation array[J]. Journal of Quantitative Spectroscopy and Radiative Transfer, 2021,261:107448.

[32]
LIU H D, LI X B, CHENG Z Z, et al. Polarization maintaining 3D convolutional neural network for color polarimetric images denoising[J]. IEEE Transactions on Instrumentation and Measurement, 2023,72:5010409.

[33]
LI Z X, JIANG H Y, CAO M D, et al. Polarized color image denoising[C]// 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR), June 17-24,2023, Vancouver.New York: IEEE,2023:9873-9882.

[34]
ZHOU K, SHAN Z, ZHANG Q, et al. Research progresses of mems fabry-perot filtering chips and their applications for spectral detection[J]. Acta Optica Sinica, 2022, 42(8):0800001.

[35]
LEE K J, KO Y H, GUPTA N, et al. Unpolarized resonant Notch filters for the 8-12 μm spectral region[J]. Optics Letters, 2020, 45(16):4452-4455.

[36]
赵永强, 刘芯羽, 汤超龙. 光谱滤光片阵列进展[J]. 激光与光电子学进展, 2020, 57(19):190004.

ZHAO Y Q, LIU X Y, TANG C L. Progress in spectral filter arrays[J]. Laser & Optoelectronics Progress, 2020, 57(19):190004.

[37]
VAUGHN I J, TYO S. Spatio-temporal hybrid color-polarization channeled sensors[C]// Polarization Science and Remote Sensing Ⅸ.August 11-15, 2019, San Diego.Bellingham:SPIE,2019:118-125.

[38]
张艳. 偏振光谱光栅阵列设计及在导航中的应用[D]. 西安: 西北工业大学, 2017.

[39]
DING F, PORS A, CHEN Y T, et al. Beam-size-invariant spectropolarimeters using gap-plasmon metasurfaces[J]. ACS Photonics, 2017, 4(4):943-949.

[40]
MORIMATSU M, MONNO Y, TANAKA M, et al. Monochrome and color polarization demosaicking using edge-aware residual interpolation[C]// 2020 IEEE International Conference on Image Processing(ICIP), October 25-28,2020, Abu Dhabi.New York: IEEE,2020:2571-2575.

[41]
MORIMATSU M, MONNO Y, TANAKA M, et al. Monochrome and color polarization demosaicking based on intensity-guided residual interpolation[J]. IEEE Sensors Journal, 2021, 21(23):26985-26996.

[42]
YANG J, JIN W Q, QIU S, et al. Residual interpolation integrated pixel-by-pixel adaptive iterative process for division of focal plane polarimeters[J]. Sensors, 2022, 22(4):1529.

[43]
QIU S M, FU Q, WANG C L, et al. Linear polarization demosaicking for monochrome and colour polarization focal plane arrays[J]. Computer Graphics Forum, 2021, 40(6):77-89.

[44]
WEN S J, ZHENG Y Q, LU F. A sparse representation based joint demosaicing method for single-chip polarized color sensor[J]. IEEE Transactions on Image Processing, 2021,30:4171-4182.

[45]
SUN Y Y, ZHANG J C, LIANG R G. Color polarization demosaicking by a convolutional neural network[J]. Optics Letters, 2021, 46(17):4338-4341.

[46]
NGUYEN V, TANAKA M, MONNO K, et al. General demosaicking for multispectral polarization filter arrays using total generalized variation and weighted tensor nuclear norm minimization[J]. Applied Optics, 2021, 60(20):5967-5976.

[47]
YU D B, LI Q W, ZHANG Z L, et al. Color polarization image super-resolution reconstruction via a cross-branch supervised learning strategy[J]. Optics and Lasers in Engineering, 2023,165:107469.

[48]
BRAUERS J, AACH T. A color filter array based multispectral camera[C]// 12th Workshop Farbbildverarbeitung,2006,Ilmenau. Berlin:German Color Group, 2006:5-6.

[49]
HABTEGEBRIAL T A, REIS G, STRICKER D. Deep convolutional networks for snapshot hypercpectral demosaicking[C]// 10th Workshop on Hyperspectral Imaging and Signal Processing:Evolution in Remote Sensing (WHISPERS), September 24-26,2019, Amsterdam.New York:IEEE: IEEE,2019:1-5.

[50]
SHINODA K, YOKOYAMA K, HASEGAWA M. General demosaicking for multispectral polarization filter arrays using total generalized variation and weighted tensor nuclear norm minimization[J]. Applied Optics, 2021, 60(20):5967-5976.

[51]
FAN A X, XU T F, TENG G E, et al. Full-Stokes polarization multispectral images of various stereoscopic objects[J]. Scientific Data, 2023,10:328.

[52]
赵永强, 马位民, 李磊磊. 红外偏振成像进展[J]. 飞控与探测, 2019, 2(3):77-84.

ZHAO Y Q, MA W M, LI L L. Progress of infrared polarimetric imaging detection[J]. Flight Control & Detection, 2019, 2(3):77-84.

[53]
赵永强, 李宁, 张鹏, 等. 红外偏振感知与智能处理[J]. 红外与激光工程, 2018, 47(11):1102001.

ZHAO Y Q, LI N, ZHANG P, et al. Infrared polarization perception and intelligent processing[J]. Infrared and Laser Engineering, 2018, 47(11):1102001.

[54]
赵永强, 柳丹, 陈超, 等. 基于最小二乘支持向量机回归的背景偏振光谱二向反射分布建模分析[J]. 光子学报, 2011, 40(10):1494-1499.

ZHAO Y Q, LIU D, CHEN C, et al. Spectropolarimetric bidirectional reflectance distribution modeling for background based on LS-SVM regression[J]. Acta Photonica Sinica, 2011, 40(10):1494-1499.

[55]
XU W B, CHEN W L, LI J W. Identification method of camouflaged objects based on long-wave infrared hyperspectral polarization characteristic[J]. Spectroscopy and Spectral Analysis, 2019, 39(1):235-240.

[56]
HE C, HE H H, CHANG J T, et al. Characterizing microstructures of cancerous tissues using multispectral transformed Mueller matrix polarization parameters[J]. Biomedical Optics Express, 2015, 6(8):2934-2945.

[57]
熊周明, 屈惠明, 王心醉, 等. 多波段激光照明对不同皮肤状态偏振成像的差异性研究[J]. 光散射学报, 2022, 34(2):167-171.

XIONG Z M, QU H M, WANG X Z, et al. Study on the difference of polarization imaging of different skin states by multi-band laser illumination[J]. The Journal of Light Scattering, 2022, 34(2):167-171.

[58]
DING N, SHAO J B, YAN C X, et al. Near-ultraviolet to near-infrared band thresholds cloud detection algorithm for TANSAT-CAPI[J]. Remote Sensing, 2021, 13(10):1906.

Outlines

/