基于被动成像的大气湍流测量及可视化关键技术研究

The detection and visualization of atmospheric turbulence provide technical supports for the discovery of unknown phenomenon of atmospheric turbulence, the deep theoretical investigation for the atmospheric turbulence theory, and the performance improvements of long-range laser communication and electro-optical imaging systems. This project synthesizes the atmospheric optics and the computer vision. With the common cameras, the key techniques for the detection and visualization of atmospheric turbulence based on the passive imaging are investigated. In view of the non-uniform distribution of atmospheric turbulence field, the adaptive voxel segmentation, which is based on the prior knowledge of sematic segmentation with the deep learning method, is performed to divide the atmospheric turbulence filed. For the weak movements of turbulence-degraded video, both the weak motion magnification method which is based on the Riesz transform and the image distortion calculation method which is based on the probability refractive flow, are adopted to analyze the weak image distortion and suppress the background noise. The turbulence filed distribution is obtained with the tomography method which is commonly used in the medical image. For the special application scene of transparent atmospheric turbulence, the feature space transformation is adopted, which makes the traditional algorithms of motion analysis and 3D reconstruction applicable in the motion detection and visualization of the transparent turbulence . The turbulence detection and visualization systems investigated in this project are easy to carry, can detect the spatial distribution of turbulence filed at the same time, and can be applied in the indoor and outdoor scenes.

大气湍流测量及可视化可为探索发现大气湍流未知现象、深入开展大气湍流基础理论研究、以及提升远距离激光通信性能和光电成像质量提供技术支撑。本项目综合大气光学、计算机视觉等学科，利用普通相机实现基于被动成像的大气湍流测量及可视化关键技术研究。考虑大气湍流场空间非均匀分布特性，采用以深度学习语义分割为先验的自适应体素划分方法对大气湍流场进行划分。针对大气湍流引起的微弱视频运动，开展基于Riesz变换分解的微弱运动放大和基于概率折射率流的图像畸变量计算研究，分析大气湍流引起的微弱图像畸变并抑制背景噪声。结合医学成像中的断层扫描技术实现大气湍流强度空间分布反演。针对透明大气湍流这一特殊应用场景，采用特征空间转换，将常规运动分析和三维重建算法拓展应用于透明大气湍流运动速度测量及三维可视化研究。本项目实现的大气湍流测量及可视化系统携带方便、可测量同一时刻湍流场整体空间分布、可同时适用于室内和户外场景。

大气湍流是降低远距离激光通信和光电成像质量的主要原因之一，一直以来是制约激光通信、远距离光电成像目标探测、地对空观测成像等系统性能的瓶颈问题。通过对大气湍流进行测量及可视化技术的研究，一方面有助于探索发现大气湍流运动中的未知现象以及对新的理论的证明，进一步深入开展大气湍流的基础理论研究。另一方面，又可为提升大气湍流中远距离激光通信性能和光电成像系统质量提供理论依据和技术支撑。本项目开展了基于被动成像的大气湍流参数测量及可视化研究工作。首先，基于Rytov近似理论框架完善了大气湍流中光传播特性理论模型，为构建大气湍流退化图像数据集奠定了更为扎实的大气湍流相关理论研究基础。其次，研究了基于被动成像的大气湍流强度测量方法，构建了基于光学成像物理模型和图像处理技术联合驱动的大气湍流退化图像数据集，基于深度学习技术搭建了用于大气湍流强度计算的卷积神经网络模型，通过在构建的湍流退化图像仿真数据集上进行模型训练和测试，实现了基于被动成像的大气湍流强度计算。最后，研究了基于被动成像的气流速度测量及可视化方法，提出了基于混合神经辐射场的气流速度计算及可视化方法，建立了基于体素和多层感知机的气流区域混合神经辐射场表征模型，利用辐射场动静解耦技术并通过引入气流运动边界约束和重要性采样等策略，实现了基于被动成像和辐射场重建技术的气流速度计算及可视化。本项目研究的基于被动成像的大气湍流参量测量及可视化技术后续拟应用于远距离光电成像系统和地对空观测成像等系统，通过对成像过程中大气湍流特性进行测量和分析，可为提升系统性能提供扎实的理论和技术支持。