一种复杂天气下的大气偏振光定向方法与流程

技术特征：
1.一种复杂天气下的大气偏振光定向方法，其特征在于，包括以下步骤：(1)对大气偏振图像进行特征提取，根据大气偏振图像特征利用支持向量机对大气偏振图像进行分类，得到天气权重；(2)将大气偏振图像通过斯托克斯矢量法计算为线性偏振强度图像，将大气偏振图像与线性偏振强度图像划分为图像块；分别对大气偏振图像块与线性偏振强度图像块进行噪声估计；将估计出的噪声与天气权重融合，得到最终噪声估计矩阵；(3)建立三边加权稀疏编码模型，将大气偏振图像作为输入量输入所述三边加权稀疏编码模型中；利用所述最终噪声估计矩阵更新三边加权稀疏编码模型中的权值矩阵；利用更新后的权值矩阵输出去噪后的图像；(4)计算去噪后的图像的偏振角度图像；利用偏振角图像结合随机抽样一致算法得到载体坐标系下的太阳方位角；通过天文年历计算得到导航坐标系下的太阳方位角；计算载体坐标系下的太阳方位角及导航坐标系下的太阳方位角的差值，得到绝对航向角。2.根据权利要求1所述的复杂天气下的大气偏振光定向方法，其特征在于，步骤(1)中，采用pcanet网络对大气偏振图像进行特征提取，所述pcanet网络结构为一层输入层、两层卷积层及一层输出层。3.根据权利要求1或2所述的复杂天气下的大气偏振光定向方法，其特征在于，步骤(2)中，将线性偏振强度图像与大气偏振图像均划分为5*5的图像块，将图像块的噪声视为高斯噪声进行噪声估计，设线性偏振强度图像块的噪声估计为σ
d
，大气偏振图像块的噪声估计为σ
p
，则w5＝diag(dolp1，
…
，dolp
m
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中i为大气偏振图像光强度，w5为线性偏振强度图像块，dolp1为第一个线性偏振强度图像块的线性偏振强度，m为线性偏振强度图像块的个数。4.根据权利要求3所述的复杂天气下的大气偏振光定向方法，其特征在于，步骤(2)中，第i个线性偏振强度图像块的线性偏振强度计算为：其中i(0)，i(90)，i(45)，i(135)为0
°
，90
°
，45
°
，135
°
方向的光强度值。5.根据权利要求3所述的复杂天气下的大气偏振光定向方法，其特征在于，步骤(3)中，将线性偏振强度图像块及大气偏振图像块估计出的噪声与天气权重融合得到各图像块的最终噪声估计矩阵的公式为：其中，σ
i
为第i个图像块的最终噪声估计矩阵，w4为天气权重，σ
d
、σ
p
分别为偏振强度图像块与大气偏振图像块的噪声估计。6.根据权利要求5所述的复杂天气下的大气偏振光定向方法，其特征在于，步骤(3)中，所述三边加权稀疏编码模型为：其中，y为输入图像，d为字典，c为稀疏矩阵，利用最终噪声估计矩阵σ更新三边加权稀
疏编码模型中的权重矩阵w1，w2，其中，在此处天气权重w4，线性偏振强度权重w5隐含入模型中为p2大小的单位矩阵，s矩阵通过对输入图像y奇异值分解得到，σ1代表第一个图像块的最终噪声估计矩阵，σ
m
代表第m个图像块的最终噪声估计矩阵，计算出后，通过式计算出去噪后图像7.根据权利要求1或2所述的复杂天气下的大气偏振光定向方法，其特征在于，步骤(4)中，利用斯托克斯矢量计算得到偏振角度图像，所述偏振角度图像aop为：aop＝0.5arctan2(i
d
(45)
‑
i
d
(135)/(i
d
(0)
‑
i
d
(90)))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)其中，i
d
(0)、i
d
(45)、i
d
(90)、i
d
(135)分别为去噪后图像0
°
，45
°
，90
°
，135
°
方向的光强度值。8.根据权利要求1或2所述的复杂天气下的大气偏振光定向方法，其特征在于，步骤(4)中，太阳方位角的计算公式为：中，太阳方位角的计算公式为：其中，k偏振角度图像中太阳子午线斜率，为载体坐标系下的太阳方位角，是导航坐标系下的太阳方位角，θ
s
是太阳高度角，δ是观测点纬度，β是太阳赤纬角；再计算绝对航向角为：

技术总结
本发明公开了一种复杂天气下的大气偏振光定向方法，包括天气分类、噪声估计、去噪、拟合四部分；在天气分类阶段，采用PCANet网络对偏振图像进行特征提取，采用支持向量机进行分类；在噪声估计阶段，采用偏振图像以及偏振强度图像的图像块来进行估计；在去噪阶段，采用加权稀疏编码模型与天气权重、线性偏振强度权重结合来进行去噪；在拟合阶段，利用去噪后图像计算出偏振角度图像，并利用随机抽样一致算法进行太阳子午线的拟合。本发明可有效恢复复杂天气下被破坏的偏振角度图像，提高在复杂天气下的定向精度。气下的定向精度。气下的定向精度。


技术研发人员：申冲 吴新冬 赵东花 王晨光 唐军 刘俊
受保护的技术使用者：中北大学
技术研发日：2021.08.11
技术公布日：2021/11/4