利用 IDL 进行极化数据分析

原文链接：https://www.nv5geospatialsoftware.com/Learn/Blogs/Blog-Details/polarimetric-data-analysis-with-idl

81521 为本文评分：

5.0

利用 IDL 进行极化数据分析

作者：Jenny Bloom 发表日期：2024年8月28日，星期三

这篇由 Ranier M.E. Illing 撰写的博客，是我们 IDL 研究员系列博客的第三篇。IDL 研究员计划是我们支持那些充满热情但可能需要帮助以继续其 IDL 工作的退休 IDL 用户的一种方式。IDL 背后持续创新，该计划是我们了解人们日常使用 IDL 进行创新的众多途径之一。如果您已退休并有兴趣成为 IDL 研究员，并通过博客分享您的研究，请随时联系我，看看您是否符合该计划的条件。

当我们观察周围的世界时，眼睛捕获的大部分信息来自光的强度。我们根据光谱波段中不同的强度感知不同的颜色，从而帮助我们理解物体及其环境的特征。然而，我们的眼睛并不特别擅长检测光的另一个关键特性——偏振。

光不仅仅是颜色和强度。它是一种垂直于其传播方向振荡的波。偏振测量的是这种波在时间上的相干性——本质上是指波是在固定平面内振荡、绕其路径螺旋前进，还是介于两者之间。为了完整描述光波的特性，科学家使用了四个关键参数。

S0 – 波的总强度
S1 – 在给定横向方向上的强度振荡量
S2 – 在与该方向成 45° 方向上的强度振荡量
S3 – 沿视线方向的强度振荡量

线性偏振，即波在固定横向平面内振荡，是最常见的形式。例如，偏光太阳镜会过滤掉所有不在水平面内振荡的光，从而减少眩光并提高视觉清晰度。

使用 IDL® 深入探究偏振

为了探索偏振数据，我们使用 Ball TTP 双液晶偏振计获取了野外数据图像。原始图像使用 IDL 编写的 PolarQL 分析系统进行处理和校正。IDL 使我们能够分析处理后的图像并生成各种极化产品，从而更深入地了解数据。

一个特定的数据集脱颖而出。它专注于仅使用偏振光测量来消除雾霾。这项研究在 Ball BCH 前面的草坡上进行，TTP 装置用于拍摄埃尔多拉多峡谷的影像。

利用线性偏振发现隐藏图层

图 1 显示了采集到的线性偏振强度样本（计算方式为 S_linear=√(S_1^2+S_2^2 ) ）。鲜艳的色彩显示展示了山脉的不同层次，每一层通过其线性偏振散射路径辐射度来区分。这种独特的可视化方式使我们能够透过雾霾，分辨出原本可能混为一体的不同景观层次。

为了进一步探索这些数据，我们使用了 PolarQL.pro 2.1 版本中可用的交互式分割工具。该工具可以将任意一对数据图像绘制为二维直方图。可用于分析的数据包括四个原始图像（S0、S1、S2、S3）、线性偏振强度、分数偏振、椭圆率等。用户可以使用框选光标交互式地选择一个感兴趣区域，该区域会在以红色颜色表渲染的“显示”图像中高亮显示相应的像素。显示的图像可以是任何可用的原始或处理后的图像。

图 1。下方两幅图中的第一幅显示了线性偏振强度，鲜艳的色彩显示了山脉的层次，每一层通过其线性偏振散射路径辐射度来区分。

图 2。使用 IDL 中的分割工具分析的埃尔多拉多峡谷数据。S1-S2 直方图绘图指针框中的特征在 S0 图像中被高亮显示为绿色像素。

图 2 显示了图像通过其线性偏振通量的清晰分割。绿色部分对应于箭头连接的指针框中的像素，清晰地突出了基于偏振特征的图像分割。请注意阴影效应——远处山脉的偏振被近处山脉所遮蔽，这表明两者之间存在显著不同的偏振。

超越分数偏振

虽然分数偏振很重要，但有时它可能会掩盖在线性偏振通量中看到的清晰分割。这是因为分数偏振涉及除以 S0，将强度特征与偏振信息结合起来。例如，一个低偏振强度特征（如图 2 中的天空）与一个高偏振强度特征（如图 2 中的前景山脉）可以清晰地区分开。然而，除以总强度后，两个特征的分数偏振可能变得相似，从而更难区分。

与其仅仅依赖分数偏振，“最具极化特性的”信息可以在偏振角（或更直接地，S2/S1）中找到。这个比率仅关注光的偏振，无需进行绝对强度校准，从而更准确地表示潜在的极化特性。

极化数据分析提供了一个强大的视角，通过它我们可以揭示环境中隐藏的细节，获得超越肉眼可见的洞察力。通过利用 IDL 和 PolarQL 分析系统等工具，我们可以探索光偏振的细微差别，从而更清晰地解释复杂的数据集。