姜 陽，肖長詩，2，3，文元橋，2，詹文強(qiáng)，陳芊芊

（1.武漢理工大學(xué)航運(yùn)學(xué)院，武漢 430063；2.內(nèi)河航運(yùn)技術(shù)湖北省重點(diǎn)實驗室，武漢 430063；3.山東交通學(xué)院威海校區(qū)威海海洋信息科學(xué)與技術(shù)研究院，威海 264200）

引 言

在水上航行的特定環(huán)境中，不像室內(nèi)或公路交通等結(jié)構(gòu)化場景，氣候條件惡劣，場景信息高度非結(jié)構(gòu)化，由于船體搖晃、光照條件變化、波浪、水面反光和鏡面倒影等干擾造成的復(fù)雜水面動態(tài)紋理、以及由于水霧造成的低能見度和低對比度等困難，會極大地影響無人船感知模塊的信息獲取。通過傳統(tǒng)的圖像信息采集方法受水面背景的影響，無法獲取準(zhǔn)確可靠的圖像信息，導(dǎo)致圖像語義分割不準(zhǔn)確。

偏振成像探測獲取到的物體反射或輻射光波的偏振態(tài)信息，可以有效區(qū)分不同材質(zhì)、不同表面形態(tài)、不同導(dǎo)電率的散射體，從而抑制雜亂背景，突出目標(biāo)的細(xì)節(jié)特征，在目標(biāo)探測、特征提取、大氣遙感、生物醫(yī)學(xué)影像等領(lǐng)域具有相當(dāng)大的應(yīng)用潛力［1?4］。昆明物理研究所的柳繼勇等［5］提出了一種基于閾值分割的像素級紅外偏振圖像融合算法，該算法用高低帽剪切進(jìn)行閾值分割并計算隸屬度，根據(jù)隸屬度進(jìn)行圖像融合；Cremer等［6］利用長波紅外探測器和中波紅外探測器對海面上的中型和小型人造物體目標(biāo)的偏振特性進(jìn)行研究，結(jié)果表明偏振技術(shù)有利于人造目標(biāo)的識別與跟蹤；Yemelyanov等［7?8］以HSV顏色空間模型為圖像融合的基礎(chǔ)，將紅外強(qiáng)度圖像和對應(yīng)的偏振信息圖像在3個通道上進(jìn)行融合，生成的偽彩色融合圖像在對比度和信息熵等圖像信息指標(biāo)數(shù)值上有顯著提升；Egan等［9］利用彩色紅外成像儀對偽裝軍事目標(biāo)進(jìn)行了偏振成像探測實驗，結(jié)果表明偏振技術(shù)能改善目標(biāo)圖像對比度，抑制雜亂背景，有效提升目標(biāo)識別率；Lavigne等［10］通過紅外探測裝置系統(tǒng)，獲得了紅外光強(qiáng)度圖像和對應(yīng)的偏振圖像，并在HSV顏色空間上對不同類型圖像中的公共信息進(jìn)行了融合，其融合圖像的結(jié)果表明該探測器通過偏振技術(shù)能識別目標(biāo)陰影區(qū)，有效提升了其裝置的探測能力；Kalra等［11］利用偏振相機(jī)捕捉多模態(tài)圖像，并將處理后的數(shù)據(jù)與深度學(xué)習(xí)相結(jié)合，實現(xiàn)了在不同場景和背景條件下對雜亂透明物體的實例分割，與傳統(tǒng)的基于圖像的分割方法相比有了很大的改進(jìn)；Li等［12］使用從不同反射界面獲得的偏振純度系數(shù)（Indices of polarimetric purity，IPPs）作為去偏振特性的標(biāo)準(zhǔn)來實現(xiàn)對具有不同粗糙度的有機(jī)涂層覆蓋目標(biāo)的分類，結(jié)果表明，不同反射界面的去偏振性能在IPPs空間是獨(dú)一無二的，為目標(biāo)分類和目標(biāo)探測提供了新途徑；同年，Li等［13］將IPPs用于描述散射系統(tǒng)中葡萄糖濃度（Glucose concentra?tions，GC）的變化，結(jié)果表明，與偏振度（Degree of polarization，DoP）相比，對于前向散射檢測來說，IPPs的P1是GC更好的指示劑。綜上，國內(nèi)外圍繞偏振信息探測、應(yīng)用、成像和處理方面做了大量工作，偏振技術(shù)在人工智能系統(tǒng)的感知模塊中運(yùn)用還較少，在智能航行系統(tǒng)中運(yùn)用到偏振特性的更少，在偏振方面的圖像融合，大多數(shù)都為定性結(jié)論，并沒有對偏振圖像的機(jī)理進(jìn)行研究分析。在水上航行場景中，偏振信息特征極其復(fù)雜且敏感，尤其是在惡劣情況下，偏振特性受可見光特性和采集設(shè)備的條件制約，其變化劇烈，能夠作為關(guān)鍵信息對感知模塊獲取的信息量進(jìn)行補(bǔ)充，增加了有效的環(huán)境信息量，對惡劣天氣的抗干擾性強(qiáng)，有利于恢復(fù)圖像的對比度及局部細(xì)節(jié)，針對于水岸線難以分割、弱小目標(biāo)難以發(fā)現(xiàn)和強(qiáng)光耀斑倒影等特有困難問題，進(jìn)行水上航行場景可見光偏振圖像的融合研究，對水上交通運(yùn)輸?shù)陌l(fā)展有著重要作用。

對此，本文提出一種基于HSV顏色空間的水上航行場景可見光偏振圖像融合方法。以偏振技術(shù)為方法，通過采集航行場景的0°、45°、90°和135°四個方向的偏振圖像，將采集到的RGB偏振圖像引入HSV顏色空間后提取圖像的偏振度信息、偏振角信息，根據(jù)水上航行場景的可見光偏振特性分布規(guī)律，制定不同區(qū)域的融合規(guī)則，通過圖像融合算法對上述偏振信息融合，最后，通過將可見光偏振圖像的偏振信息與顏色空間信息進(jìn)行融合得到最終結(jié)果。本文將偏振應(yīng)用到對無人船航行場景的語義理解上，有助于提高對可見光圖像偏振信息的準(zhǔn)確融合，提升無人船針對惡劣水上航行場景的視覺感知能力。

1 可見光偏振圖像融合

本文通過對同一航行場景的不同偏振態(tài)信息的處理，制定了不同航行場景模塊下對應(yīng)的偏振特征融合規(guī)則，提出了一種基于HSV顏色空間的可見光偏振圖像融合方法，獲得更加豐富、準(zhǔn)確的航行場景圖像信息。本文主要貢獻(xiàn)描述如下：

（1）考慮到水上航行場景的惡劣程度，提出將偏振信息應(yīng)用到水上航行場景的無人船感知模塊系統(tǒng)中，分析不同的偏振圖像特性，將不同信息進(jìn)行融合。這項工作將有助于提升無人船在惡劣航行場景下的環(huán)境感知能力。

（2）在進(jìn)行圖像的語義分割時，傳統(tǒng)的可見光圖像分割方法經(jīng)常受到邊緣信息模糊化的困擾。為了解決這個問題，提出將偏振信息應(yīng)用到無人船航行場景的語義理解上，結(jié)果表明，分割效果圖像中水岸交界線被完整、清晰地分割出來，關(guān)于天空和非天空區(qū)域的二值分割效果良好。

（3）與傳統(tǒng)的圖像融合方法相比，本文通過以水上航行場景偏振特性分布規(guī)律為基礎(chǔ)，制定了不同場景模塊下對應(yīng)的偏振特征融合規(guī)則，提出了一種基于HSV顏色空間的可見光偏振圖像融合方法。圖像融合效果良好，在惡劣環(huán)境下效果穩(wěn)定。

1.1 偏振表述

Stokes［14?16］矢量可以被用來描述完全偏振光、部分偏振光以及非偏光。由于在自然界中圓偏振光很少，再加上環(huán)境影響因素和實驗儀器影響因素等，導(dǎo)致圓偏振度極小，在本文中主要研究的水上航行情況幾乎可以忽略不計，因此主要研究的偏振度信息是線偏振度信息，采取改進(jìn)Pickering方法，通過獲取角度為0°、45°、90°和135°四個方向的圖像數(shù)據(jù)，進(jìn)行Stokes參量解算，該方法的誤差對偏振態(tài)的影響更小，多個方向角的數(shù)據(jù)采集可以降低測量誤差，其參量均是光強(qiáng)的時間平均值，具有強(qiáng)度量綱，且有不少元素為零，沒有除或根號開方等運(yùn)算，計算簡單。

式中：I為光的總強(qiáng)度；Q為0°和90°上的光強(qiáng)差；U為45°和135°方向上的光強(qiáng)差。

現(xiàn)有的偏振檢測研究大多是偏振度和偏振角（Angle of polarization，AoP），可以反映出物體表面的粗糙度、導(dǎo)電率以及紋理等信息［17］。

偏振度是指偏振光的能量與全部光能的比例，能反映出物體的材質(zhì)紋理信息。

偏振方向（偏振角）是指橢圓主軸與傳統(tǒng)坐標(biāo)系軸之間的夾角，能反映出物體表面反光角度的信息。

1.2 圖像融合

圖像融合是提高偏振圖像檢測性能的關(guān)鍵步驟。主要的偏振信息圖像融合算法按照融合方法原理的不同可以分為：在不同尺度上基于幾何空間分析的方法、基于圖像像素值以數(shù)理概論和統(tǒng)計等為原理的方法、在顏色空間模型上將不同信道圖像融合在不同的顏色通道的方法和以區(qū)域分割為前提對不同類型區(qū)域有不同融合策略的融合方法等?；陬伾臻g的圖像融合算法是以顏色空間模型為基礎(chǔ)，將待融合的源圖像分別以一定的權(quán)重融合在不同的色彩通道，能最大程度地保留各源圖像特征信息，并以偽彩色圖像的形式獲得待融合圖像的一種融合方法。

偏振圖像與普通圖像相比，可以獲取場景中目標(biāo)物體的不同偏振態(tài)，含有更豐富的信息，不同類型的偏振信息具有互補(bǔ)性。Stokes參量圖像雖然可以反映出一些目標(biāo)場景的偏振信息，但多幅圖像的顯示不利于觀察和處理，因此，需要進(jìn)一步采用其他融合顯示方法。偏振度和偏振角圖像反映了目標(biāo)場景的不同信息，但其分屬兩幅圖像，不易觀察，且未包含目標(biāo)場景的輻射強(qiáng)度信息。進(jìn)行偏振信息的融合，是本文的第一步。

2 本文方法

本文以偏振成像作為基本的視覺感知和場景理解方法和工具，對水上航行視覺場景進(jìn)行像素級的分類識別和理解。在水上航行的特定環(huán)境中，需要感知的場景范圍較大并且高度非結(jié)構(gòu)化，針對水上航行場景的高動態(tài)范圍、低能見度、低對比度、強(qiáng)耀光、波浪動態(tài)紋理等復(fù)雜的非結(jié)構(gòu)化視覺環(huán)境，提出將偏振應(yīng)用到無人船對水上航行場景的語義理解上，對水面視覺場景中不同目標(biāo)的靜態(tài)圖像特征、動態(tài)圖像特征進(jìn)行分析。提出了一種基于HSV顏色空間的偏振圖像融合方法。圖1為提出方法的示意圖，包含了數(shù)據(jù)輸入、數(shù)據(jù)處理、信息提取以及圖像融合4個部分。主要通過以下步驟完成：

圖1 基于HSV顏色空間的偏振圖像融合方法示意圖Fig.1 Schematic diagram of polarization image fusion method based on HSV color space

（1）采集原始偏振圖像數(shù)據(jù)，獲得目標(biāo)場景的0°、45°、90°和135°四個偏振方向的圖像。

（2）對偏振圖像的偏振特性信息進(jìn)行優(yōu)化。

（3）對偏振圖像的偏振信息進(jìn)行融合。

（4）對偏振圖像進(jìn)行調(diào)制。

（5）將偏振圖像與顏色信息進(jìn)行融合。

2.1 偏振圖像采集

本文使用的采集設(shè)備主要由線偏振片和圖像采集設(shè)備組成，目的是要獲取偏振角度分別為0°、45°、90°、135°的場景圖像。入射光經(jīng)過線偏振片，出射光的強(qiáng)度信息再被光電感應(yīng)設(shè)備捕捉，獲得含有不同偏振態(tài)的信息。采用CMOS感光類型的單反相機(jī)，線偏振片采用鍍膜類型的配套偏振片，偏振片置于單反鏡頭前。偏振成像光路圖如圖2所示。

圖2 偏振成像光路示意圖Fig.2 Schematic diagram of polar?ization imaging optical path

整體工作流程如下：

（1）將配套的線偏振片安裝在單反相機(jī)上，將相機(jī)安裝在穩(wěn)定三腳架上；

（2）調(diào)整好ISO感光度、快門曝光時間和光圈大小，手動對焦，固定各參數(shù)值；

（3）固定相機(jī)，以此時線偏振片位置為初始0°方向，通過線型控制器捕獲到圖像I(0°)；

（4）順時針旋轉(zhuǎn)線偏振片，每次順時針轉(zhuǎn)動45°，轉(zhuǎn)動3次，在旋轉(zhuǎn)角度為45°、90°和135°時，通過線型控制器捕捉到I(45°)、I(90°)、I(135°)的場景圖像分別拍下，通過軟硬件算法獲得對應(yīng)的偏振信息，再以圖像的方式進(jìn)行表示；

（5）以相同場景的I(0°)、I(45°)、I(90°)和I(135°)場景圖像，轉(zhuǎn)換成對應(yīng)偏振方向的HSV圖像，以獲取到的對應(yīng)偏振方向V圖像，按照偏振成像原理，合成偏振圖像。

由于單反相機(jī)捕獲的圖像格式和計算機(jī)中儲存、處理的圖像格式均為三原色通道矩陣（BGR或RGB等），考慮到偏振信息是以光強(qiáng)信息為基礎(chǔ)進(jìn)行提取的，因此將三原色通道矩陣映射到HSV顏色空間，將完全包含光強(qiáng)信息的V矩陣提取出來進(jìn)行處理，通過計算可以獲得圖片中每個像素對應(yīng)位置的I、Q和U，進(jìn)而可以獲取不同位置的偏振度和偏振方位角信息。

HSV與RGB相互轉(zhuǎn)換的規(guī)則如下：

（1）RGB?>HSV的算法規(guī)則

（2）HSV?>RGB的算法規(guī)則

式中：R、G、B范圍在[0，255]之間，H通道代表色調(diào)，指平常的顏色，用角度度量，范圍為[0°，360°]，紅色為0°、S表示顏色接近光譜色的程度，取值[0，1]，值越大，顏色越飽和，越接近光譜色，越深而艷；V通道代表明度，表示顏色明亮的程度，是純粹的光強(qiáng)信息，范圍為[0，1]。

2.2 偏振特征信息優(yōu)化

偏振信息中攜帶著目標(biāo)物體信息，受到各種影響因素的影響。偏振度P圖像能準(zhǔn)確反映偏振特性，但天空的偏振分布和水面強(qiáng)烈的偏振反射情況會嚴(yán)重地影響圖像的可視化效果。由于天空的可見光傳播方式以散射為主，局部區(qū)域以無偏特性為主；而光線以反射為主要傳播方式的其他區(qū)域，在進(jìn)行偏振方向光強(qiáng)差計算時，能將物體表面材質(zhì)的粗糙度信息與紋理特征信息提取出來，場景中以反射為主的區(qū)域集中在水面與固體物質(zhì)上，天空中存在的云也是以反射為主。因此在參量Q、U的成像結(jié)果中，天空無云區(qū)域以黑色為主體，而其余區(qū)域表現(xiàn)出強(qiáng)烈的反射性質(zhì)特征，因此設(shè)計考慮參量Q和參量U的偏振信息進(jìn)行成像，優(yōu)化偏振信息定義為

由圖3可知，在強(qiáng)偏振反射的情況下，偏振度圖像的水面在特定區(qū)域的偏振度數(shù)值異常高，表現(xiàn)出水體由于布儒斯特角和鏡面反射的原因而產(chǎn)生的特有的“偏振耀斑”現(xiàn)象，而在優(yōu)化的偏振信息圖像中，不僅抑制了這種“偏振耀斑”現(xiàn)象，而且水、天、非水非天各自偏振特性明顯，交界線清晰。這種偏振成像方法所生成的偏振特征圖像克服了水面偏振度反光現(xiàn)象帶來的影響，保留了場景物質(zhì)本身的偏振特性，具有良好的穩(wěn)定性。在圖像信息中，同時包含了邊緣、輪廓、紋理信息和偏振分布特性，不僅提高了圖像本身的清晰度，凸顯了弱目標(biāo)的對比度，同時還降低了環(huán)境對其的負(fù)面影響，增加了圖像信息的穩(wěn)定性。

圖3 優(yōu)化偏振成像實驗對比結(jié)果Fig.3 Comparison results of optimized polarization imaging experiments

2.3 偏振信息融合

整體的偏振信息圖像融合規(guī)則步驟如下：

（1）定義像素標(biāo)簽，以優(yōu)化的偏振信息圖像為分割標(biāo)準(zhǔn)，用平均圖像熵和均值指標(biāo)作為分割指標(biāo)，對場景圖像進(jìn)行天空與非天空的二類標(biāo)簽定義；

（2）將天空區(qū)域的偏振信息按照對應(yīng)的融合規(guī)則進(jìn)行融合；

（3）將非天空區(qū)域的偏振信息按照對應(yīng)的融合規(guī)則進(jìn)行融合。

信息熵（Information entropy）是由香農(nóng)在信息論中提出，衡量圖像信息豐富程度的一個重要的圖像融合質(zhì)量評價指標(biāo)，定義如下

式中：p i為灰度值i的像素數(shù)與圖像I總像素的比值，L為圖像總灰度級數(shù)值。信息熵越大表示信息量越大，圖像越復(fù)雜、像素分布越?jīng)]有規(guī)律。

在大部分場景情況下，天空噪點(diǎn)也較少，而非天空區(qū)域噪點(diǎn)較多。這兩部分的區(qū)別較明顯，其明顯的區(qū)域特征可由代表混亂程度的信息熵來描述，因此以優(yōu)化的偏振圖像為標(biāo)準(zhǔn)進(jìn)行分割，分割算法為判斷像素領(lǐng)域的平均信息熵是否小于場景圖像的整體平均熵，分割規(guī)則如下

式中：E(i，j)為偏振優(yōu)化信息圖像中(i，j)位置的領(lǐng)域平均圖像熵，E為偏振優(yōu)化信息圖像的總平均圖像熵。

在圖4中，黑色表示非天空區(qū)域，白色表示天空區(qū)域。分割效果圖像中水岸交界線被完整、清晰地分割出來，原場景圖像中模糊的橋梁與鋼絲繩等物體也能被較為準(zhǔn)確地分類，總體來說場景圖像關(guān)于天空和非天空區(qū)域的二值分割效果較好，以此來對圖像像素進(jìn)行分類。

圖4 分割實驗Fig.4 Segmentation experiment

由于水上航行場景中同時包含天空、水面和非水非天模塊，每種模塊都屬于不同的物態(tài)，不同物態(tài)之間的偏振信息差異較大，偏振特性分布規(guī)律也是不同的。因此在不同的場景模塊下，需要制定不同的偏振特性信息融合規(guī)則，分模塊定義融合規(guī)則如下：

（1）天空偏振信息融合規(guī)則

為了融合天空中中性點(diǎn)等偏振特征分布規(guī)律信息，選擇像素最小值進(jìn)行融合，融合規(guī)則為

式中：f(i，j)為融合圖像在(i，j)位置的像素值；a(i，j)和b(i，j)為待融合圖像的像素值；type(i，j)為在此位置的像素屬性。

（2）水面偏振信息融合規(guī)則

水面偏振信息表現(xiàn)出代表自身屬性的閾值信息和波浪紋理信息等，其鏡面反射現(xiàn)象在一定的情況下能反射出天空和岸邊物體的偏振特性分布，水面上的船只和航標(biāo)等導(dǎo)體的偏振特性較暗，木質(zhì)船體等絕緣物質(zhì)偏振特性為高亮，水面的偏振反射區(qū)域也為高亮區(qū)域，情況復(fù)雜多變，因此為融合困難區(qū)域，在這個模塊的融合規(guī)則應(yīng)該以大梯度、高對比度為主，其特征信息的融合權(quán)重應(yīng)該用可以表示信息豐富程度的方差進(jìn)行衡量，融合規(guī)則為

式中：Ca和Cb分別表示待融合圖像a、b的融合系數(shù)；V a(i，j)和V b(i，j)分別表示待融合圖像a、b在(i，j)位置的領(lǐng)域方差值。

（3）固體偏振信息融合規(guī)則

固體表面的偏振信息中包含了反映材料性質(zhì)和紋理性質(zhì)的信息，其中特有的導(dǎo)電率和粗糙度信息能較為準(zhǔn)確地確定固體屬性，有助于提升物體識別的準(zhǔn)確度，為了包含更多的信息，將信息熵與對比度較大特征進(jìn)行融合，其融合規(guī)則可與水域融合規(guī)則相同。

水面和固體的融合規(guī)則可相同，均以方差為權(quán)重按比例進(jìn)行融合，因此可以將水面和固體劃為非天空區(qū)域，融合規(guī)則如下

在這樣的融合規(guī)則下，對場景圖像的準(zhǔn)確分割是很重要且關(guān)鍵的，會影響到像素的分類，進(jìn)而影響到融合規(guī)則的選擇，最終會導(dǎo)致圖像的融合效果發(fā)生改變。

2.4 偏振圖像調(diào)制

為了能使偏振信息圖像具有光強(qiáng)的屬性，實現(xiàn)與顏色信息的融合，需要對偏振信息圖像進(jìn)行基于光強(qiáng)的調(diào)制，同時增加圖像中特征的對比度，具體步驟如下：

（1）將偏振度信息、偏振邊緣信息和偏振角信息分別根據(jù)自己的調(diào)制系數(shù)進(jìn)行調(diào)制，調(diào)制系數(shù)可以連續(xù)且單調(diào)，其中偏振度信息和偏振邊緣信息的調(diào)制系數(shù)如下［18］

式中：M為調(diào)制系數(shù)，P為待調(diào)制信息數(shù)據(jù)。偏振角調(diào)制函數(shù)形式如下

式中：M為偏振角的調(diào)制系數(shù)，χ為偏振角圖像，m和n為圖像尺寸，μ為偏振角圖像的均值。

（2）以2.3節(jié)確定的融合規(guī)則和融合方法對偏振度、偏振邊緣和偏振角圖像信息進(jìn)行融合，得到偏振信息融合圖像；

（3）再以Stokes偏振信息矩陣中的S0偏振總光強(qiáng)參量進(jìn)行調(diào)制。

從圖5可以看出，調(diào)制前的偏振信息圖像僅能直觀表達(dá)出較強(qiáng)的偏振特征，很多細(xì)節(jié)不能直觀表達(dá)，圖像整體對比度較低，各圖像經(jīng)過調(diào)制后，不同區(qū)域的像素值差異增大，偏振圖像能更多、更清晰地表達(dá)出細(xì)節(jié)和邊緣等特征信息，并且圖像整體對比度較高，同時具有光強(qiáng)屬性，包含偏振光強(qiáng)信息，更加符合模型機(jī)理邏輯。

圖5 調(diào)制圖像前后對比Fig.5 Comparison of images before and after modulation

2.5 偏振圖像與顏色信息融合

為了突出偏振信息圖像，融合準(zhǔn)確、完整的顏色信息，同時符合人眼的視覺特性，針對HSV顏色空間能將光強(qiáng)信息與色彩信息分開這一特性，本文嘗試了基于HSV的彩色融合，將原場景圖像和偏振信息圖像在HSV通道上進(jìn)行融合。以水上航行場景偏振特性分布為基礎(chǔ)，在進(jìn)行偏振信息提取時，將RGB圖片轉(zhuǎn)換成HSV顏色空間，以偏振特性融合圖像為新的V通量信息，與原始圖像中的H、S通量信息，共同組成HSV顏色空間下的圖像三通量，融合其原有的顏色信息，再反變換成RGB格式的圖像，用以儲存、傳遞和處理。融合圖像能夠全面反映被測目標(biāo)場景的偏振及輻射信息，將偏振圖像進(jìn)行彩色化融合可有效反映目標(biāo)場景的強(qiáng)度和偏振信息，有利于增加目標(biāo)的可識別能力，但是，不同的彩色融合方法效果差異較大。

從圖6（b）和圖6（c）中可以觀察到天空、水面和岸邊的分界線明顯，物體的邊緣輪廓和紋理特性突出，不同物體之間的偏振信息存在明顯差異。圖6（d）是提取出來的場景偏振特征圖，圖中水、天、非水非天各自偏振特性明顯，交界線清晰。圖6（e）是場景的偏振融合圖。圖6（f）是場景的偏振強(qiáng)度圖。圖6（g）是場景的偏振信息圖像，偏振信息中不僅包含偏振度特征，還包含了偏振角特征，在一定程度上能增強(qiáng)對比度和豐富邊緣輪廓信息，相對于原圖像難以區(qū)分的水岸交界線有良好的區(qū)分作用。圖6（h）是場景的顏色信息圖像。由圖6（i）可知，融合圖像同時具有偏振信息和顏色信息，轉(zhuǎn)化成HSV顏色空間后的偏振信息更加準(zhǔn)確、豐富。邊緣、輪廓和紋理等特征信息與水上航行區(qū)域偏振特性分布規(guī)律清晰可見，能夠突出水上目標(biāo)和水天分界線，還能抑制過曝和倒影，較自然地融合顏色信息，沒有顏色失真現(xiàn)象。

圖6 圖像融合過程Fig.6 Image fusion process

3 結(jié)果分析

為了確保結(jié)果的公平性和全面性，測試圖像均來自日常對水上航行場景的采集，列舉了3種代表性的圖像分割方法。他們是分水嶺算法［19］、ResNet101［20］、ResNet50［21］。擬采用K?means［22］圖像分割算法進(jìn)行應(yīng)用效果分析評價，K?means聚類算法的分析流程步驟如下：

（1）確定K值，在本文討論的水上航行場景中，理想情況下具有天空、水域與非天非水域這3部分，因此定義K為3；

（2）從數(shù)據(jù)集中隨機(jī)選擇K個數(shù)據(jù)點(diǎn)作為質(zhì)心；

（3）以平方差作為損失函數(shù)，將每個像素點(diǎn)歸類到合適的類別

式中：Lft為第t次迭代的損失總和，g(i，j)為圖像(i，j)位置的像素值為X類別第t-1次迭代的質(zhì)心值，分別計算各像素點(diǎn)到各質(zhì)心之間的距離，并將各像素點(diǎn)劃分到離最近質(zhì)心的小組類別；

（4）當(dāng)每個質(zhì)心都聚集了一些點(diǎn)后，重新定義算法選出新的質(zhì)心；

（5）比較新、老質(zhì)心的距離，如小于閾值，算法終止；

（6）如果新、老質(zhì)心距離大于閾值，則繼續(xù)迭代執(zhí)行步驟（3～5），直到新、老質(zhì)心的距離小于閾值，算法終止。

3.1 與其他方法對比

為了驗證本文方法的有效性，展示了不同圖像分割方法對水上場景進(jìn)行分割的視覺比較。從測試圖像中選擇了4對測試圖像（霧天、耀斑、過曝、弱交界線）作為示例，以顯示本文方法與其他方法之間的差異。原場景分割是采用本文方法直接對不帶偏振片的原場景圖像進(jìn)行分割，不進(jìn)行圖像融合操作。圖中本文方法藍(lán)色區(qū)域表示可航行區(qū)域，紅色區(qū)域表示不可航行區(qū)域，綠色區(qū)域表示天空區(qū)域。

圖7顯示了在霧天航行場景下的圖像分割結(jié)果。圖7（i）在霧天情況下分割結(jié)果很不理想，將水天混為了一類。圖7（j）水天界線分割效果不理想。圖7（k）分割效果差。圖7（h）通過用本文分割方法直接對不帶偏振片的原場景圖像進(jìn)行分割，水天線、大橋均未能清晰分割，對岸的物體也沒有被分割出來。而在本文的方法中，融合圖像不僅將水域區(qū)域較為準(zhǔn)確地分割出來，還將大橋和對岸物體的輪廓較為準(zhǔn)確分割出來，這說明偏振信息能增強(qiáng)圖像對比度，凸顯邊緣輪廓信息，能夠在惡劣的場景環(huán)境下，穩(wěn)定獲得對比度較強(qiáng)、目標(biāo)特性較好的特征信息，具有一定程度上的去霧效果。

圖7 霧天場景分割應(yīng)用效果對比Fig.7 Comparison of the application effect of foggy scene segmentation

圖8顯示了在強(qiáng)反光的水面耀斑航行場景下的圖像分割結(jié)果。圖8（i）水天陸的交界線較為明確，有較好的區(qū)域特征，但水面耀斑對分割結(jié)果的影響略大。圖8（j）和圖8（k）兩種方法水天線分割不明確，且把耀斑不同程度地歸為了天空一類。圖8（h）通過用本文分割方法直接對不帶偏振片的原場景圖像進(jìn)行分割，直觀可見分割效果不僅受水面的反光影響，還受到曝光范圍的影響，使水面的反光區(qū)域和暗處區(qū)域不能被準(zhǔn)確分割。而在本文的方法中，融合圖像能被準(zhǔn)確分割出水域，抑制了水面耀斑帶來的不利影響。

圖8 耀斑場景分割應(yīng)用效果對比Fig.8 Comparison of the application effect of flare scene segmentation

圖9顯示了在過曝航行場景下的圖像分割結(jié)果。圖9（i）將天空、水面和遠(yuǎn)處的大橋錯誤地歸為一類，岸邊分割效果良好。圖9（j）水天交界線不明顯，遠(yuǎn)處大橋細(xì)節(jié)分割不精確。圖9（k）將水、水上小目標(biāo)、天空錯誤地歸為一類，不能識別出水天分界線，且未檢測到水域。圖9（h）通過用本文分割方法直接對不帶偏振片的原場景圖像進(jìn)行分割，直觀可見原圖的水天交界線幾乎不能被識別分割，天空和大部分水域被分割在一起，橋梁和另一部分水域被分割在一起，分割效果很差。而在本文的方法中，融合圖像的水天岸交界線、大橋輪廓和水上目標(biāo)能被較為清晰地分割出來。

圖9 過曝場景分割應(yīng)用效果對比Fig.9 Comparison of the application effect of overexposed scene segmentation

圖10顯示了在水面弱交界線航行場景下的圖像分割結(jié)果。圖10（i）直觀可見，分割效果很不理想。圖10（j）和圖10（k）分割效果不理想。圖10（h）通過用本文分割方法直接對不帶偏振片的原場景圖像進(jìn)行分割，直觀可見原圖的駁船、水面倒影和天空日心被分割為一類，其余天空區(qū)域與其余水面區(qū)域被分割成一類，整個水天交界線和水上主要目標(biāo)被錯誤分割。而在本文的方法，融合圖像的天空、水面、駁船和其他水面目標(biāo)被清晰地分割出來。

圖10 弱交界線場景分割應(yīng)用效果對比Fig.10 Comparison of the application effect of scene segmentation with boundary line

3.2 方法的參數(shù)比較

定義水上航行場景的綜合像素精度（Pixel accuracy，PA）為

式中：N X?all表示標(biāo)準(zhǔn)分割圖像中X類像素總數(shù)，N X?right表示對比分割圖像中正確區(qū)域的X類像素總數(shù)，pa X表示X類的像素精度，場景圖像中所有類的像素精度共同決定了場景整體的像素精度PA，這樣PA就可以用來表示場景圖像分割的綜合像素精度。

融合圖像的場景分割效果均優(yōu)于原場景圖像的場景分割效果，融合圖像能有效抑制惡劣情況帶來的干擾，較為準(zhǔn)確地分割出水域、天空和非航行等區(qū)域。其中，在霧天和過曝光的場景中，融合圖像分割效果的像素準(zhǔn)確率遠(yuǎn)高于原場景圖像，在弱交界線的情況下，水面交界線能被清晰分割，場景整體像素準(zhǔn)確率均比原場景高。清晰的水岸天交界線和水面障礙物等重要信息，有助于可航行水域的準(zhǔn)確界定、后續(xù)的航行地圖生成和路徑規(guī)劃等研究和操作控制，其重要程度高且意義重大。場景分割應(yīng)用效果實驗對比如圖11所示。

圖11 場景應(yīng)用效果對比（PA）Fig.11 Scene application effect com?parison(PA)

因該算法生成的融合圖像場景分割效果較為準(zhǔn)確，說明該融合算法效果較好，與目前的其他圖像處理算法具有較高的耦合性。

4 結(jié)束語

本文以水上航行場景可見光偏振特性為研究對象，全面地分析了不同情況下水上航行場景可見光的偏振特性分布規(guī)律，制定了不同場景模塊下對應(yīng)的偏振特征融合規(guī)則，提出了一種基于HSV顏色空間的偏振圖像融合算法，生成的融合圖像在惡劣航行場景下效果穩(wěn)定，分割效果良好，水面交界線能被清晰分割，有助于可航行區(qū)域的準(zhǔn)確界定、后續(xù)的航行地圖生成和路徑規(guī)劃等研究和控制操作，適用于在惡劣環(huán)境下對場景信息的增強(qiáng)和補(bǔ)充，為水上無人交通運(yùn)輸提供了理論基礎(chǔ)和實踐證明。通過分析比較，驗證了所提方法的有效性。