多核并行DSP光场偏振图像快速处理技术

2018-05-28申扣明杨国平

电子技术与软件工程 2018年8期

文/申扣明杨国平

1 成像系统原理及图像处理方法

1.1 光场成像原理

光场成像技术是一种能够在曝光中获得一种四维光场的信息，而通过光场成像技术的这个特点，可以使光场相机完成多维光学信息的采集工作。如图1中所示，在微型的透镜阵列型的光场相机中，我们能够通过主镜头来进行偏振通道的调整，从而通过探测器进行相关偏振信息的获得。

根据上述光场相机的微透镜阵列的分析，其中其在主镜头位置上放置了一个偏振片阵列，其中每一个偏振单元都是具有不同的偏振方向的。在光场相机中每一个微透单元都包含了大量的探测器元件，并且根据其镜头的等级能够划分很多个子孔径。当偏振单元与子孔径的位置对应时，就能够在目标光线经过镜头时，使每一个子孔径得到不同的偏振方向的光源，并且这时探测器的接受装置会将投射的微透镜单元。而当光场的方向维度向偏振维度方向转换时，则偏振采样与方向采样需要一一的进行对应，从而真正的实现不同偏振方向强度信息的获取。

我们通过光场偏振成像技术的应用，并对偏振信息的获取方式进行研究，其在偏振信息获取为快照式时，为了能够一次成像来获得更多的偏振图像，需要将大部分的圆偏振分量进行研究，并且不能够忽略仪器能够检测的各项范围，当整个成像系统只能够测量入射光束时，主要是采集强度分量以及线偏分量。而为了有效的避免因为偏振片在探测器上出现的混叠现象，需要我们在进行阵列的设计过程中，将每一个偏振片的子孔径大小进行准确的掌握，这样才能够得到需要的偏振数据。

1.2 偏振图像处理方法

1.2.1 偏振图像重构及仿真

偏振图像处理过程中，我们对于理想光场成像系统的研究，需要将偏振通道与微透镜后像元进行对应，并需要通过对像元的对应关系进行研究，只有利用定标方式来获得对应像元灰度构建的偏振图像。因此根据图2中所示，在进行偏振重构算法过程中，利用双线性插值的方法来进行对偏振通道的标注，其中利用周围的四个像素点进行P点响应值的计算。

为了能够对偏振图像的定标方案进行研究，其在设计时我们将其设计如图3所示，我们通过将定标光源选择为全色积分球，设置理想出射光为完全的非偏振光，并且让整个光源的输出功率保持稳定。设计中将线性起偏器的比例大小确定在10000:1，并且能够使起偏器在光轴上自由旋转。此外，在全色积分球、孔径光阑及起偏器等设置过程中，必须要将其全部设置为水平位置，这样才能够通过实验来研究积分球的性能。而这时的采集光场相机的响应图像则可以在去除暗电流后，其自身的数据作为我们掌握的原始数据进行后期的使用。

1.2.2 图像校正

因为一些非均匀性的光学性能的镜头的使用，使得透镜光学系统中所有的有边比的图像畸变中心的部分出现黑暗现象，而在使用CCD探测器的光电转换系统中，因为其自身的灵敏度不同，使得其探测器的响应时间也是不一样的，所有需要进行图像的辐射校正工作。首先，我们要利用成像系统中的积分球生成均匀光学成像，在进行图像真实镜头的校正，从而保证镜头的均匀性。而随着科学技术的发展，基于遥感成像原理和光学领域中的各项知识，受到一些外部因素的影响，导致了在三个偏振图像中，三个通道的像素图像不在同一位置，从而直接导致后期在图像的融合上出现严重的问题，必须要进行相应的登记转型。而针对现阶段遥感图像背景的复杂特征，需要使用相应的方法对遥感图像进行提取，而目前广泛应用的就是傅立叶变换的配准算法，其自身能够很好的去除相关的噪声与频谱噪声，从而很好的满足系统中各项时间与效率的要求。

2 图像处理结果及效率

图1：光场成像原理

图2：双线性差值原理

图3：重构光场相机偏振图像的定标光路图

图4：重构的三个偏振通道图像

图5：偏振图像处理结果

2.1 偏振图像处理结果

当对整个图像处理程序进行试验调试完成后，在计算机上进行运行时，可以清楚的从成像设备中将目标光场中的详细图像进行获取，并且保证了原始光场图像中分辨率，然后在DSP处理模块中利用原始光场对图像进行三个通道的偏振图像重构，其结构为图4中所示。

并且我们通过计算Stokes矢量中的I、Q、U，以及线性偏振度DOLP和偏振角θ，从而进一步的获得融合图像，结果如图5所示。

2.2 程序运行效率

作为对于本文研究中的一个非常关键的地方，图像处理系统的实时性处理非常重要，但是，针对偏振处理算法研究过程中，还没有进行实际的嵌入式平台的广泛应用。所以，为了能够将这几种优化方法进行有效的比较，需要对比计算机上的处理效率。而在实际处理光场图像偏振时，计算机的自身性能是非常关键的。根据相关数据显示，计算机的处理器如果是双核芯，那么其理论上将会有8个处理器，这时对于图像处理的速度则将达到950ms，但是，因为在图像处理过程中自身程序的效率与处理器核心数不是线性的，此种现象已经在多核DSP并行处理上得到了广泛的验证。此外，因为计算机处理中的图像算法只是一种简单的初级优化，而嵌入式平台上的处理程序时采用多种处理设备的，所以能够很好的对一些未经优化的C代码进行优化，然后准确的记录处理一帧图像所用的时间，详细的运行效率变化如图6所示。

从上述操作我们能够看出，DSP处理器的图像处理性能远远高于普通计算机，并且随着不断增加的DSP核数，在图像处理效率方面也会有明显的提升。