用于水下散射现象的主动多角度偏振成像技术及其对有效分辨能力的提升

《Optics & Laser Technology》：Active multi-angle polarization imaging for underwater descattering and improved effective resolvability

　　摘要
在浑浊环境中进行水下成像时，会受到严重的后向散射和前向散射的影响，这会降低对比度并使精细的结构细节变得模糊。本文介绍了一种多角度主动偏振成像系统，该系统利用快速转向镜（FSM）引导线偏振激光束从多个方向照射目标。由于后向散射的遮蔽成分会随着照明方向的不同而变化，多角度测量可以提供在不同散射几何条件下的互补观测结果，有助于在散射降解的情况下提高结构可见性。为了进一步减轻散射的影响，采用了一种基于DoLP的估计器，该估计器利用相对偏振线索来估计并抑制由散射主导的成分。然后，通过基于奇异值的低秩和残差分解策略将多角度散射观测结果融合在一起。在控制浑浊度并增加衰减系数的实验中，与代表性基线相比，该方法显示出持续的改进效果，对比度提高了3到8倍，对比度值介于0.99-2.23之间，均方误差（EME）值介于24.77-26.14之间。此外，该方法在所有六种条件下都实现了最高的峰值信噪比（PSNR）和最高的平均结构相似性（SSIM），平均PSNR和SSIM值分别为19.41 dB和0.42。通过对USAF 1951目标的分析进一步证实，在强散射条件下，该方法能够有效分辨线对，分辨率为高达4.49 lp/mm。这些结果表明，在具有挑战性的浑浊条件下实现高对比度水下成像具有巨大的潜力。

引言
水下光学成像在海洋资源勘探、海床测绘、生态监测和水下搜救中发挥着重要作用。然而，水中的悬浮颗粒会不断吸收和散射光线，导致图像质量严重下降，从而降低对比度并模糊场景细节。随着水浊度和传播距离的增加，这种散射效应变得更加显著，可能会淹没目标物体的信号。在高度浑浊的水中，即使在几米的范围内，捕获的图像也主要由漫反射光主导，使得目标细节几乎无法区分[1]、[2]、[3]。因此，如何有效抑制强散射造成的干扰并增强有用信号的获取仍然是水下成像中的一个紧迫挑战。

为了解决由散射引起的水下图像退化问题，已经研究了一些增强和主动成像方法，包括同步扫描成像[4]、[5]、[6]、范围门控成像[7]、[8]以及结构光成像[10]、[11]、[12]。与此同时，偏振成像作为一种有吸引力的方法应运而生，它利用了光线的额外偏振信息，而不仅仅是强度信息。通过利用目标反射光与水体后向散射光之间的偏振行为差异，偏振成像可以抑制遮蔽背景，提高目标与背景的区分度，从而增强图像对比度和可见性。由于其紧凑的硬件配置和成本效益高的实现方式，基于偏振的水下增强技术近年来受到了积极研究。

2005年，Schechner等人[13]率先提出了一个基于被动偏振的水下可见性恢复框架，并通过对比度和范围图分析进行了定量评估，表明可见性范围提高了大约1.8倍，但同时也注意到远距离物体的噪声敏感性增加，这激发了后续的主动偏振成像研究。随后，Huang等人[14]引入了中间图像和正交偏振差分信号来处理高反射目标，实现了2.3的EME值，但他们的方法依赖于无目标的背景区域来进行后向散射估计，当视野主要由目标占据或背景受到污染时可能会退化。Hu等人[15]进一步结合了目标偏振和空间非均匀散射，并应用多项式拟合进行透射校正以提高重建精度，报告称在实际水下实验中EME值从原始强度图像的1.0提高到了4.1；然而，关键参数仍然是通过EME驱动的搜索和模型拟合来选择的，这可能会降低在不同场景和散射条件下的稳定性和泛化能力。

在实际应用中，被动偏振成像依赖于自然光或环境光源，这使得在深海或高度浑浊的环境中难以获得足够的信噪比。此外，无法主动控制入射光线的偏振状态限制了目标信号和背景信号的有效分离。为了克服这些限制，研究逐渐转向了主动偏振成像技术。2009年，Treibitz等人[16]提出了一种使用宽带偏振照明和互信息最小化的主动偏振散射模型，并在水下现场场景中估计了红色、绿色和蓝色通道的物体偏振度分别为0.22、0.27和0.34。该方法对偏振估计误差和空间变化敏感，这可能导致恢复信号与后向散射之间的串扰。Han等人[17]提出了一种多尺度偏振成像策略，通过分离基础层和细节层并应用分层滤波和小波处理来抑制噪声放大，他们报告称图像对比度比原始强度图像提高了约4倍，表明细节可见性和整体质量有所改善。一个实际考虑因素是，这种方法依赖于连续获取两个正交偏振图像，这在动态场景中容易发生帧间不对齐。对于高度浑浊的水，Liu等人[18]提出了一种使用红色照明的波长选择主动偏振成像方法来减少散射并实现更可靠的偏振度估计。在70 NTU的实验中，他们的对比度指标从直接捕获图像的0.76提高到了恢复后的2.43，有效地使目标从不可检测变为可检测。为了减轻偏振角度的不一致性并抑制噪声，Wang等人[19]提出了一种基于周期性积分的偏振差分成像方法，该方法从0°到180°密集采样偏振并整合测量结果形成差分图像。他们报告称，在大多数情况下，该方法比代表性基线具有更高的结构相似性和略微更高的峰值信噪比。一个实际限制是，这种方法需要密集的连续采样和小步长。同样，为了提高对具有复杂表面偏振特性的目标的适用性，Deng等人[20]提出了一种基于斯托克斯矢量的计算偏振差分成像模型，该模型可以在没有背景先验的情况下估计空间变化的后向散射，并在低浑浊度下C达到0.59、EME达到12.78，在高浑浊度下C达到0.43、EME达到11.06。最近，Liu等人[21]尝试将水下偏振成像的观测维度扩展到空间域。通过平移全斯托克斯相机，他们获取了场景的多视图图像序列，并利用低秩和稀疏分解（LRSD）来利用不同视图之间的背景散射和目标信号的统计差异，成功分离了浑浊水中的散射背景。定量上，他们的方法将PSNR从8.05提高到17.46，将EME从6.09提高到20.43，将SSIM从0.4346提高到0.7156。这项工作展示了多视图联合估计的有效性；然而，由于需要机械平移整个成像系统来获得多视图序列，因此在视图之间可能会引入一定程度的视差和注册误差。在强散射或小尺度结构的场景中，这种视图间的不一致性可能会进一步损害高频细节的保真度，给精细结构的稳定分辨率带来挑战。

本文提出的框架与[21]中的机械平移多视图偏振LRSD框架在采集策略和计算处理方面有所不同。在[21]中，通过改变空间观察视角来获得观测多样性，并将LRSD应用于多视图斯托克斯图像。相比之下，我们的方法保持成像接收器固定，主动改变照明方向，因此获取的图像堆栈主要反映了相同成像几何条件下的照明引起的散射响应、偏振变化和结构可见性变化。这将多角度信息的来源从空间视图变化转移到了照明角度变化，同时减少了依赖于视点的视差和注册要求。此外，我们在第2节中详细阐述了一种基于DoLP的背景估计和散射模型。然后使用基于奇异值的低秩和残差分解策略将不同照明角度的散射强度堆栈融合在一起，而不是直接分解原始的多视图斯托克斯图像。

尽管取得了显著进展，现有基于偏振的方法的一个共同限制是观测多样性通常仍限于单一照明方向或少数几种采集配置，这没有充分利用散射和偏振响应的角度依赖性。先前关于水下图像形成的研究表明，在人工照明下，后向散射成分与光源位置、照明几何和角度散射函数密切相关[22]、[23]。这表明散射降解并不是固定不变的，而是随着照明方向的不同而变化。因此，多角度照明可以提供在不同散射几何条件下的互补观测结果，这也是本文采用多角度采集策略的动机。在实际应用中，所提出的框架特别是在低可见度环境下的水下检查和目标观测中非常相关，例如浑浊的港口水域、近海基础设施检查以及在散射主导条件下的水下物体搜索。在这些场景中，悬浮颗粒和非均匀后向散射会严重降低对比度并模糊结构细节。因此，在这些条件下提高可见性和实际分辨能力对于可靠的水下观测和检查至关重要。

在本文中，我们提出了一种多角度主动偏振成像系统。使用双轴快速转向镜（FSM）引导625纳米波长的线偏振激光束，选择该波长是考虑了在浑浊水中的散射和吸收之间的权衡[18]，从而生成了一组候选照明方向。在每个照明角度，系统获取偏振分辨的测量结果以计算线性斯托克斯参数和DoLP图。DoLP线索提供了区分散射主导背景成分和目标相关反射的物理意义上的依据。基于这些线索，我们进行DoLP引导的背景估计和散射处理，为每个照明角度生成增强图像，形成多角度增强堆栈。最后，我们利用基于奇异值的低秩和残差分解策略来总结散射多角度堆栈的主导低维内容，并保留与角度相关的局部结构变化，从而获得具有改善对比度和更清晰结构的重建结果。在六个控制浑浊度水平下，随着衰减系数的增加，我们的方法始终获得了最佳的定量性能，与传统基线相比，对比度和EME都有显著提高。USAF 1951线对分析进一步验证了在散射条件下有效分辨空间频率的显著提升。在不同浑浊度水平和多种材料目标下的广泛实验表明，所提出的方法在强散射条件下提供了稳定的增强效果和改善的结构可见性。

讨论
一个重要的实际考虑因素是用于融合的不同照明方向的数量如何影响恢复性能、有效细节分辨能力和计算成本。这项研究强调了实时部署所需的必要权衡，因为图像质量的改进必须与处理时间的增加相平衡。在衰减系数α=10.72m-1的情况下，我们研究了不同照明方向的数量对恢复性能的影响。

结论
在本文中，我们提出了一种用于浑浊水中水下散射的多角度主动偏振成像框架。通过结合基于DoLP的背景抑制与多角度低秩和残差融合，该方法利用了不同照明方向下的互补偏振和结构信息。在逐渐增加的衰减系数条件下进行的实验显示出相较于代表性基线的一致性改进，性能提升幅度约为三倍。

作者贡献声明：
周新龙：撰写原文稿、方法论部分、正式分析、数据整理、概念构建。
张家亮：撰写审稿与编辑内容、资金获取。
唐丽红：软件开发。
郭永刚：研究指导。
高三军：资金获取。

利益冲突声明：
作者声明不存在可能影响本文研究结果的已知财务利益冲突或个人关系。

致谢：
本研究部分得到了国家自然科学基金（项目编号62371064和62501068）、北京市自然科学基金（项目编号4232050）以及中国博士后科学基金（项目编号2025M773510）的支持。

作者名单：
周新龙 | 张家亮 | 唐丽红 | 郭永刚 | 高高三军