0 引言

传统目标识别中采用的图像识别^[1]受环境光、目标光等影响较为明显，对于伪装目标或者颜色相似的目标难以区分^[2]。而偏振成像技术是通过偏振光区分目标与背景，由于非合作目标的退偏振能力通常较强，故识别目标的效果就会很好。在此基础上，将不同偏振角得到的图像融合到一起，就能获得信噪比很高的目标图像。

偏振光谱目标识别技术主要有光栅型、傅里叶变换型、液晶调制型和声光调制型^[3-5]。其中，光栅型的核心元件是偏振光栅，其结构简单、光谱分辨率高，但光栅对光存在一定的限制，光通量小，户外测试效果不佳^[6，7]。傅里叶变换型的核心部件是傅里叶变换干涉仪，通过加入可变相位延迟器实现对不同偏振角的二维图像的采集，由于每次只能获取一个偏振角的二维图像，所以扫描时间长，如果光谱扫描也采用时间扫描则速度更慢^[8]。液晶调制型的核心器件是晶体、电调制器以及步进电机，通过选择不同的窄带滤光片实现不同波长的调制，其缺点也是速度慢且机械部件的稳定性差^[9]。声光调制型的核心部件是声光晶体，其工作原理与电调制相近，优点是体积小、无机械部件，但光谱分辨率较差^[10]。

1 目标识别系统

目标识别系统如图1所示，系统组成包括前置光学系统、分光棱镜、起偏器、沃拉斯顿棱镜组、检偏器、成像CCD1、静态干涉具、聚焦透镜及成像CCD2。光入射系统后，由分光棱镜分为两部分，一部分进入偏振系统，另一部分进入光谱系统。偏振系统获取的图像具有偏振信息，同样，光谱系统获取的图像具有光谱信息。再将偏振数据与光谱数据进行图像融合处理，最终得到目标的偏振光谱合成图像。

1.1 偏振数据获取

由斯托克斯参量法^[11]完成目标区域偏振角的计算，斯托克斯矢量可表示为S₁、S₂、S₃、S₄。则其矢量有：

式中，S_d表示CCD1对应的斯托克斯矢量，S_t表示目标方向斯托克斯矢量，M表示系统的光学穆勒矩阵。

1.2 光谱数据获取

光谱数据获取利用傅里叶变换干涉具实现，M1、M2都是反射面，而M2具有一个角度α，则其干涉具有空间分布性。

如图2的三角函数关系可知，光线1入射A点，经反射至B点，透射至C点，最终与光线2相干形成干涉条纹，光程为：

通过以上计算得到光谱分辨率为Δλ的光谱图像，并成像在CCD2上。此图像与偏振系统获得的偏振图像进行图像融合获得清晰的目标图像。

2 实验

2.1 探测条件

实验选择2.0 m×2.0 m钢板（涂军绿漆）和某型火炮作为目标，测试距离从0.1 km～2.0 km，而测试标定波长为0.40 μm～0.90 μm。

2.2 测试结果分析

对目标偏振光的信号平均值与非偏振光信号平均值进行了比较。在偏振系统中，目标信号强度可表示为I_钢板|_偏振，而背景噪声强度可表示为I_噪声|_偏振，其信噪比可表示为SNR|_偏振；在无偏振条件下，目标信号强度可表示为I_钢板|_非偏振，背景噪声强度可表示为I_噪声|_非偏振，其信噪比可表示为SNR|_非偏振。则不同距离下偏振与非偏振信噪比对比结果如表1所示。

采用偏振系统的信噪比明显优于非偏振系统，同时偏振系统受距离的干扰也小很多。所以，偏振系统可以在较大范围内保持较高的信噪比。与此同时，标准钢板的信噪比要比火炮高很多，因为标准钢板实际上是一个很好的偏振光反射面，火炮的表面相对要差一些，将整个范围内的数据进行数据拟合可以得到其整体分布，如图3所示。2个目标的信噪比都会由于距离的增大而减小，但2.0 km内偏振系统的信噪比均值在0.35左右，具有较高检出性；而非偏振型超过0.4 km后几乎无法识别。

2.3 偏振光谱图像融合

将偏振系统的偏振图像与光谱系统的光谱图像进行融合处理，即可获得偏振光谱合成图像，如图4所示。图4(a)的图像结果是由传统可见光识别系统得到的光强灰度图像，而图4(b)是由本系统将偏振图像与光谱图像融合后得到的合成图像。采用偏振光谱成像技术的目标信噪比得到了大幅提升。目标光信号与背景噪声光的振幅比明显，具有很好的识别效果。测试过程中，随着距离的增大，光强型的识别图像渐渐地淹没在噪声中，而采用偏振光谱型在2.0 km内，合成图像基本保持一致，具有较高的鲁棒性。

3 结论

本文研发了一种可以用于户外的目标识别系统，该系统具有偏振识别模块和光谱识别模块两大部分，可以同时获取并进行处理。在图像融合的基础上，获得目标的合成图像，该图像具有信噪比高、受距离影响小等优势，在户外实时目标识别领域具有一定的实用价值。

参考文献

[1] 王高，周汉昌，姚宝岱，等.爆炸物太赫兹光谱探测技术研究进展[J].激光与光电子学进展，2011，48(1)：34-40.

[2] LAMAN N，HARSHA S S，GRISCH-KOWSKY D，et al.7 GHz resolution waveguide THz spectroscopy of explosives related solids showing new features[J].OPTICS EXPRESS，2008，16(6)：4094-4015.

[3] 王凌辉，王迎新，赵自然.太赫兹时域光谱分析中的回波滤除方法[J].红外与毫米波学报，2013，32(3)：265-276.

[4] 卢树华.基于太赫兹光谱技术的爆炸物类危险品检测[J].激光与光电子学进展，2012，49(4)：46-52.

[5] Huang Feng，Brian Schulkin， Hakan Altan，et al.Terahertz study of 1，3，5-trinitro-s-triazine by time-domain and Fourier transform infrared spectroscopy[J].Applied Physics Letters，2004，85(23)：5535-5537.

[6] 王高，徐德刚，姚建铨.THz光谱技术检测DNAN炸药含量的研究[J].光谱学与光谱分析，2013，33(4)：886-889.

[7] 苏娟，杨罗，张阳阳.基于轮廓片段匹配和图搜索的红外目标识别方法[J].兵工学报，36(5)：854-857.

[8] HAN P Y，TANI M，USAMI M，et al.A direct comparison between terahertz time-domain spectroscopy and far-infrared Fourier transform spectroscopy[J].Journal of Applied Physics，2001，89(4)：2357-2360.

[9] Zhong Hua，Zhang Cunlin，Zhang Liangliang，et al.A phase feature extraction technique for terahertz reflection spectroscopy[J].Appl.Phy.Lett.，2008，92(22)：221106.

[10] Hu Ying，Huang Ping，Guo Lantao，et al.Terahertz spectroscopic investigations of explosives[J].Physics Letters A.，2006，35(9)：728-732.

[11] Alexander Sinyukov，Ivan Zorych，Zoi-Heleni Michalopoulou，et al.Detection of explosives by Terahertz synthetic aperture imaging-focusing and spectral classification[J].C.R.Physique，2008，9(2)：248-261.