近年来,低对比度环境下的目标识别是我国新一代国家发展战略重大基础问题中“探测与识别关键技术领域”的重点研究方向。偏振成像技术利用目标本身的辐射强度和偏振特性等方面的差异进行目标和背景的区分,不容易受到外部环境变化的影响,可作为光照度低、背景复杂、目标隐藏等情况下的新型探测手段。针对目前偏振成像探测系统中存在的精度低、处理速率慢等问题,本文提出了一种基于沃拉斯顿棱镜偏振相机的图像处理研究方法,工作内容包括以下几点:首先,介绍了偏振光的定义及其分类,结合Stokes矢量法对光的偏振态进行描述。对不同光学元件的穆勒矩阵表征形式,以及偏振测量中的重要参量DOP(偏振度)和AOP(偏振角)进行深入研究。最后对比分析了常见的偏振成像系统,包括分时和同时两种偏振成像系统。其次,对偏振成像系统进行总体方案设计。主要分为沃拉斯顿棱镜偏振相机的图像采集部分和FPGA图像处理部分,然后进行分模块化设计,重点包含基于沃拉斯顿棱镜的偏振成像光学系统模块设计、CCD相机采集模块设计、DDR3图像存储模块设计、HDMI图像显示模块设计。最后,对偏振图像处理算法进行研究,主要包括配准和融合算法的实现与优化。在偏振图像配准方面,本课题将八方向Sobel算子与SIFT(Scale-invariant feature transform)算法相结合,运用此种改进的SIFT算法可以减少无用特征点的数量,降低特征点匹配算法的计算量,使得匹配的准确率、运算速率得到提升。在偏振图像融合方面,选择的源图像为DOP图像和Stokes参数之一的0S图像,采用加权平均法、能量值取大法以及改进的基于Curvelet变换法三种方式融合算法。结果显示,三幅融合图像的成像效果均优于强度图像,并运用客观评价指标进行验证,证明基于Curvelet变换的融合算法可充分保留偏振图像的信息量。利用该成像探测系统在不同环境下进行大量实验,实验结果图表明:获得的偏振图像包含目标丰富的特征信息,尤其是在雾霾环境下可以大大增加被探测目标所包含的信息量,有望应用于目标的探测与识别相关领域。