CN101776487B - 一种红外焦平面非均匀性指纹提取及图像校正方法 - Google Patents

Abstract

一种红外焦平面非均匀性指纹提取及图像校正方法，属于红外成像技术领域。由生产工艺决定，每个红外焦平面都有相对稳定的非均匀模式及其随温度变化的规律，这两者统称为指纹。本发明提出了非均匀性指纹的定义，并利用小波分解分析焦平面非均匀性在频域中所具有的特征，提炼出属于该焦平面的非均匀性指纹，然后存储在探测器的存储单元中。校正时以环境温度为输入参数，读取出该环境温度下的非均匀性指纹后，便可在指纹的约束下进行非均匀性校正。与常规方法相比较，本方法不需要每次校正时都要用均匀挡板去获取背景帧，校正思路简洁，简化了校正装置和校正过程，校正后的图像非均匀性有明显的改善。

Description

一种红外焦平面非均匀性指纹提取及图像校正方法

技术领域

本发明属于红外成像技术领域，具体涉及一种红外焦平面非均匀性校正方法。

背景技术

红外焦平面阵列(IPFPA)技术已经成为当今红外成像技术发展的主要方向。与线阵扫描成像方式相比，焦平面阵列元敏感度高，能够获得有关物体更多的表面信息以及更高的、可变的帧速率，正迅速成为红外成像技术的主流器件。除在军事上得到广泛应用外，还在夜视仪、海上营救搜索、天文、工业热探测和医学等民用领域有飞速的发展。

但是由于制造工艺和使用环境的影响，使得图像的非均匀性成为制约红外焦平面探测器性能的限制性因素。单点扫描成像方式不存在红外响应非均匀性的问题，线阵扫描成像方式中的响应非均匀性也是只存在于线阵方向，而对于焦平面阵列，这种红外响应的非均匀性存在于整个像平面上，称为固定图案噪声，严重影响成像质量，所以必须进行非均匀性校正。

常见的非均匀校正方法有基于定标和基于场景两类。定标类中两点法是常用的方法。华中科技大学图像识别与人工智能研究所张天序等人在《系统工程与电子技术》2005年第27卷第7期《红外焦平面非均匀性校正两点法的优化实现》一文中分析了红外焦平面非均匀性校正两点法的基本原理，推导出了两点校正的定点公式，并分析了该定点公式的误差。在实际硬件处理过程中对定点校正公式进行了汇编优化，极大地提高了校正的速度，其结果表明优化方法是简单、有效的。两点法原理简洁，易于硬件实现和集成，但它受限于IRFPA响应漂移带来的校正误差，并且需要参考源进行标定，使设备变得复杂。

基于场景类的神经网络法是一些改进方法的基础。华中科技大学图像识别与人工智能研究所曹治国等人在《红外与激光工程》2000年第29卷第1期《基于神经网络法的焦平面器件非均匀性校正技术研究》一文中分析传统非均匀性校正方法的缺点，指出自适应校正红外焦平面非均匀性的必要性。研究了基于神经网络的自适应非均匀性校正算法，探讨了最近4领域像素平均、最近4领域像素灰度加权和8领域像素灰度加权等三种情况。基于场景的方法能够适应性地更新校正系数，但这类算法实时性不高，需要特殊并行计算机结构来实现。

中山大学信息科学与技术学院汪民等人在《红外技术》2007年第6期《一种非制冷焦平面阵列图像漂移的双温度补偿新方法》一文提出了一种双变量线性回归模型进行图像温度漂移补偿的新方法。它研究了温度漂移，分析了环境温度与机芯温度的规律和相互之间的关系，较好地解决了非制冷IRFPA的图像输出因漂移造成图像测温偏差大的工业应用难题。

南京理工大学电子工程与光电技术学院白俊奇等人在《基于环境温度补偿的红外焦平面探测器非均匀性校正模型》一文中通过分析环境温度变化对红外焦平面阵列探测器输出的影响，建立了一种基于环境温度和目标温度非线性的非均匀性理论模型，实验表明能够提高非均匀性校正的精度。

常规算法有的复杂，耗时长；有的需要每次校正都用均匀挡板去获取背景帧，校正过程繁琐；有的算法虽然考虑到探测器本身随环境温度变化的规律，但是需要记录大量的数据，不便于硬件的实现。而本方法利用小波分解分析焦平面所成图像，发现在低频和高频部分都具有某相对稳定的特性及其变化规律，类似于人类的指纹。所以在分析了传统方法的不足后，本发明提出了一种基于非均匀性指纹小波分解的红外焦平面校正方法。它不需要像定标类校正方法周期性的定标，也不需要像神经网络法要特殊并行计算机结构来实现。在实际校正中，利用探测器上的温度敏感元件测出此时的环境温度，读取所存储的指纹，通过小波分解和逆变换就可以实现校正过程。该方法不需要背景帧，从定量和定性分析校正后的效果都有很大的改善。

发明内容

本发明提出了非均匀性指纹的定义、一种红外焦平面非均匀性指纹小波分解提取方法及其在红外焦平面非均匀性校正中的应用方法。由生产工艺决定，每个红外焦平面都有相对稳定的非均匀模式及其随温度变化的规律，这两者统称为指纹。其方法是通过对探测器焦平面的非均匀性模式及随温度变化的规律进行研究，利用小波分解对焦平面在对角高频、水平高频、垂直高频和低频部分的特性进行研究，提出了一种红外焦平面非均匀性指纹提取方法，并且，利用上述提取方法提取的指纹数据，对红外焦平面实际成像的图像进行非均匀性的校正。与常规校正算法相比，该方法最大特点是不需要背景帧，校正过程简洁，校正效果明显改善。

一种基于小波分解的红外焦平面非均匀性指纹提取方法，其中所述的红外焦平面非均匀性指纹包括对角高频指纹、水平高频指纹、垂直高频指纹和低频指纹四部分，具体步骤如下：

一、数据获取步骤，从红外焦平面工作环境温度从设定的下限开始，每间隔恒定的环境温度增量，采集一组面源黑体的图像序列，直至设定的环境温度上限，共获取多组面源黑体图像序列；

二、数据处理步骤，从所述多组图像序列的每一组中都选取红外焦平面工作稳定后的任意连续几帧图像，取这几帧图像的时域平均作为基准图像，将上述基准图像进行小波一级分解，得到四个分量：低频分量、垂直高频分量、水平高频分量和对角高频分量；

三、指纹提取步骤，选取上述任一组中的对角高频分量作为红外焦平面对角高频指纹，任一组中的水平高频分量作为红外焦平面水平高频指纹，选取临界环境温度以上的任一组的垂直高频分量作为第一垂直高频指纹，临界环境温度以下的任一组的垂直高频分量作为第二垂直高频指纹，上述第一垂直高频指纹和第二高频指纹均作为红外焦平面的垂直高频指纹；而红外焦平面低频指纹则以上述每一组中红外焦平面稳定工作后的同一帧图像为基础数据，利用归一化和最小二乘法算法计算得出，

其中，所述的临界环境温度确定的原则为：若某环境温度以上的任一组的垂直高频分量和该环境温度以下的任一组的垂直高频分量的差值，大于该环境温度以上的任意两组的垂直高频分量的差值或大于该环境温度以下的任意两组的垂直高频分量的差值，则该环境温度即为临界环境温度。

进一步地，所述的数据获取步骤包括：

(1)首先让面源黑体的温度恒定；

(2)其次使红外焦平面工作在环境温度为T_SL的恒温箱中，从探测器开机直至稳定工作一段时间期间，共采集FrmNumber帧面源黑体图像，FrmNumber表示所采集到的黑体图像的帧数，T_SL为所述数据获取步骤中设定的环境温度的下限；

(3)然后让环境温度增加ΔT_S，ΔT_S为恒定值，使红外焦平面工作在ΔT_S+T_SL的恒温箱中，从探测器开机直至稳定工作一段时间期间，同样采集FrmNumber帧面源黑体图像；

(4)在步骤(3)的基础上，让环境温度依次增加ΔT_S，每增加一次也同样采集FrmNumber帧黑体图像，直至环境温度变为T_SH，T_SH为所述数据获取步骤中设定的环境温度的上限；

这样，共采集到N组面源黑体图像序列：

$N=\frac{T_{\mathrm{SH}}-T_{\mathrm{SL}}}{\mathrm{\Δ}{T}_S}+1,$

其中N为自然数。

进一步地，所述的低频指纹的计算包括：

(1)矩阵Z1_R/2×C/2的计算：将环境温度T_Sn等于所述设定的上限T_SH时的黑体图像序列进行小波一级分解，选取红外焦平面工作稳定后的第k帧的低频分量作为矩阵Z1_R/2×C/2，

其中，k为自然数，n为自变量，取值从1到N，每取一值表示T_Sn为某一环境温度，N为自然数，表示所述多组图像序列的组数，在符号Z1_R/2×C/2中的R表示矩阵行数，即红外焦平面像元阵列的行数，C表示矩阵列数，即红外焦平面像元阵列的列数，R/2、C/2表示小波一级分解后矩阵的行数和列数减半；

(2)参数p₁、p₂、p₃、p₄的计算：

首先把上述多组图像序列都进行小波一级分解，将所述第k帧图像的低频分量矩阵都相对于矩阵Z1_R/2×C/2进行归一化，如下式：

$D_{T_{\mathrm{Sn}}}(i,j)=f_{T_{\mathrm{Sn}}}(i,j)/{Z1}_{R/2\×C/2}(i,j),n=1,...,N,$

其中，

表示环境温度为T_Sn时，图像序列中的所述第k帧图像小波一级分解后，低频分量矩阵中元素(i，j)的值，

表示

归一化后的结果，是和规格一样的矩阵，

从矩阵

中任选一个参考点(x，y)，让n从1到N取值，组成规格为1×N的向量，记为符号上的横线表示该符号是向量，

将N组数据

按最小二乘原理进行曲线拟合，即可求得指纹参数：

$f_u=p_1+\frac{p_2}{1+e^{p_3-p_4*T_{\mathrm{Sn}}}},$

其中，f_u表示

中元素的逼近值，T_Sn表示环境温度，p₁、p₂、p₃、p₄为待求参数；

(3)参数p₅、p₆、p₇的计算：

在环境温度T_Sn下，在归一化矩阵

中，选取任意两个位置(x₁，y₁)和(x₂，y₂)，它们的差值

由下式计算：

$d_{T_{\mathrm{Sn}}}=D_{T_{\mathrm{Sn}}}(x_1,y_1)-D_{T_{\mathrm{Sn}}}(x_2,y_2),n=1,...,N,$

让n从1到N取值，

可得到N个值，因此可看成1×N的向量

把

里的N个元素相对于第一个元素

进行归一化，即：

$\stackrel{\‾}{v_{T_{\mathrm{Sn}}}}=\stackrel{\‾}{d_{T_{\mathrm{Sn}}}}/\stackrel{\‾}{d_{T_{\mathrm{Sn}}}}\left(1\right),n=1,...,N,$

是

归一化的结果，是1×N的向量，选择以下的数学模型，将N对数据

按最小二乘原理进行曲线拟合，即可求得指纹参数p₅、p₆、p₇：

$y=p_5*T_{\mathrm{Sn}}^2+p_6*T_{\mathrm{Sn}}+p_7,$

其中y表示

中元素的拟合值，T_Sn表示环境温度，p₅、p₆、p₇为待求参数；

(4)矩阵Z2_R/2×C/2的计算：

当n＝1时，归一化矩阵

即为

中任一元素(i，j)的值和所述参考点(x，y)的值相减：

${Z2}_{R/2\×C/2}=D_{T_{S1}}(i,j)-D_{T_{S1}}(x,y),i=\mathrm{1,2},...,R/2;j=\mathrm{1,2},...,C/2,$

得到第二个矩阵Z2_R/2×C/2，Z2_R/2×C/2是和

规格一样的矩阵；

上述矩阵Z1_R/2×C/2、矩阵Z2_R/2×C/2及参数p₁、p₂、p₃、p₄、p₅、p₆和p₇统称为所述低频指纹。

一种应用所述的基于小波分解的红外焦平面非均匀性指纹提取方法对红外探测器图像非均匀性进行校正的方法，包括：

(1)指纹提取及存储步骤：利用所述的红外焦平面非均匀性指纹提取方法提取出探测器红外焦平面的非均匀性指纹，包括对角高频指纹

水平高频指纹

垂直高频指纹低频指纹中矩阵Z1_R/2×C/2、Z2_R/2×C/2及参数p₁、p₂、p₃、p₄、p₅、p₆和p₇，并存储于探测器的存储单元中，

其中R表示矩阵行数，即红外焦平面像元阵列的行数，C表示矩阵列数，即红外焦平面像元阵列的列数，R/2、C/2表示小波一级分解后矩阵的行数和列数减半；

(2)测温步骤：探测器的温度敏感元测量红外焦平面工作环境温度；

(3)小波分解步骤：将红外焦平面获取到的一幅实际景物图像oriX进行小波一级分解，得到低频分量oriX^A、水平高频分量oriX^H、垂直高频分量oriX^V和对角高频分量oriX^D；

(4)读取指纹步骤：读取存储于存储单元中的非均匀性指纹，其中对于垂直高频指纹需根据红外焦平面的工作环境温度进行选择，若环境温度高于临界环境温度，读取第一垂直高频指纹；若环境温度低于该临界环境温度，读取第二垂直高频指纹；

(5)小波逆变换步骤：

首先，将步骤(4)中读取出的非均匀性指纹中的低频指纹作如下处理，得到矩阵

$\mathrm{Temp}=p_1+\frac{p_2}{1+e^{p_3-p_4*T_{\mathrm{Sn}}}}+(p_5*T_{\mathrm{Sn}}^2+p_6*T_{\mathrm{Sn}}+p_7)*{Z2}_{R/2\×C/2},$

$U_{R/2\×C/2}^A={Z1}_{R/2\×C/2}\·*\mathrm{Temp}$

其中Temp是为了描述方便临时引入的一个符号，表示计算后的结果，而·*表示点乘，该符号两边操作数必须为两个规格一致的矩阵，表示该两矩阵对应位置的元素相乘，结果为一个矩阵，规格和操作数矩阵一致；

然后，将和对角高频指纹

水平高频指纹

及垂直高频指纹

作如下运算：

${\mathrm{newX}}^A={\mathrm{oriX}}^A-U_{R/2\×C/2}^A,$

${\mathrm{newX}}^H={\mathrm{oriX}}^H-X_{R/2\×C/2}^H,$

${\mathrm{newX}}^V={\mathrm{oriX}}^V-X_{R/2\×C/2}^V,$

${\mathrm{newX}}^D={\mathrm{oriX}}^D-X_{R/2\×C/2}^D,$

用newX^A、newX^H、newX^V和newX^D作为输入图像oriX校正后的低频分量、水平高频分量、垂直高频分量和对角高频分量，进行小波逆变换，便可得到校正后的图像。

所述测温步骤中，温度敏感元实时测量环境温度，假定获取前一帧图像时的红外焦平面工作环境温度为T_Sa，获取当前帧图像时环境温度为T_Sb，如果满足下式：

|T_Sb-T_Sa|＞ΔT_Sw                                        ，

则将T_Sb作为当前帧校正需要的环境温度提供给读取指纹步骤，否则，将T_Sa作为当前帧校正需要的环境温度提供给读取指纹步骤，其中，ΔT_Sw为所设定的温度阈值。

本发明与常规的校正算法不同，从研究探测器焦平面相对稳定的非均匀性模式和随温度变化的规律出发，挖掘出属于某一探测器焦平面的特有指纹。在实际校正过程中，不再需要反复地获取背景帧，可以直接利用这些属性进行校正。校正的过程比以前的算法简洁明了，思路清晰。实验后的校正效果，无论是定性地观察，还是定量地比较，如用到的非均匀性度量和直方图评价指标，都可以发现比起原始图的非均匀性，有了相当大的改善。

附图说明

图1为本发明的流程图；

图2是环境温度为20度时，36帧黑体图像其(50，50)像素点的灰度值随时间变化的曲线，可以看出3000秒后焦平面工作趋于稳定；

图3是环境温度为20度时，第36帧黑体图像小波一级分解后的对角高频分量的三维显示，它不随环境温度而变化；

图4是环境温度为20度时，第36帧黑体图像小波一级分解后的水平高频分量的三维显示，它也不随环境温度而变化；

图5(a)是环境温度为20度时，第36帧黑体图像小波一级分解后的垂直高频分量的三维显示，图5(b)是环境温度为-20度时，第36帧黑体图像小波一级分解后的垂直高频分量的三维显示；

图6(a)是环境温度为20度时，第36帧黑体图像小波一级分解后的低频分量的三维显示，图6(b)是环境温度为-20度时，第36帧黑体图像小波一级分解后的低频分量的三维显示；

图7(a)是环境温度为20度时，第36帧黑体图像校正前的原始图(为了便于观察，经自动色阶)，图7(b)是对应的校正后的效果图(为了便于观察，经自动色阶)；

图8(a)是环境温度为-10度时，第36帧黑体图像校正前的原始图(为了便于观察，经自动色阶)，图8(b)是对应的校正后的效果图(为了便于观察，经自动色阶)；

图9(a)是环境温度为20度时，第36帧黑体图像校正前原始图的直方图，图9(b)是对应的校正图的直方图；

图10(a)是环境温度为-10度时，第36帧黑体图像校正前原始图的直方图，图10(b)是对应的校正图的直方图。

具体实施方式

下面结合附图和具体实施例详细对本发明作详细说明，其中采用的红外焦平面阵列实际规格为R×C＝288×384。

(1)指纹提取及存储步骤：利用所述的红外焦平面非均匀性指纹提取方法提取出探测器红外焦平面的非均匀性指纹，

(1.1)所述非均匀性指纹提取方法的数据获取步骤：

首先让面源黑体的温度T_b恒定在40度；

其次使焦平面工作在环境温度为T_SL＝-40度的恒温箱中，从探测器开机直至工作稳定一段时间后，共采集FrmNumber＝36帧黑体图像；

然后让环境温度增加ΔT_S＝10度，使焦平面工作在ΔT_S+T_SL＝-30度的恒温箱中。让探测器从开机到工作稳定一段时间后，同样采集36帧黑体图像；

让环境温度不断增加ΔT_S＝10度，每增加一次也同样采集36帧黑体图像，直至环境温度变为T_SH＝20度。

这样共采集到N＝7组面源黑体图像序列，可由下式进行计算：

$N=\frac{T_{\mathrm{SH}}-T_{\mathrm{SL}}}{\mathrm{\Δ}{T}_S}+1,$

(1.2)所述非均匀性指纹提取方法的数据处理步骤：

从所述7组图像序列的每一组中都选取红外焦平面工作稳定后的连续6帧图像，取这6帧图像的时域平均作为基准图像将上述基准图像进行小波一级分解，每一组得到四个分量：低频分量、垂直高频分量、水平高频分量和对角高频分量；

(1.3)所述非均匀性指纹提取方法的指纹提取步骤：

选取上述任一组，优选第7组中的对角高频分量作为红外焦平面对角高频指纹，记作

优选第7组中的水平高频分量作为红外焦平面水平高频指纹，记作

选取环境温度20度的垂直高频分量作为第一垂直高频指纹，记作

环境温度-20度的垂直高频分量作为第二垂直高频指纹，记作

实验中0度为所述的临界环境温度，它们均作为红外焦平面的垂直高频指纹

而红外焦平面低频指纹的提取如下：

矩阵Z1_144×192的计算：将环境温度T_Sn＝T_SH＝20度时的黑体图像序列进行小波一级分解，用稳定后的第k＝36帧的低频分量作为Z1_144×192。

参数p₁、p₂、p₃、p₄的计算：

把7组黑体图像序列的第36帧图像进行小波一级分解，将低频分量相对于矩阵Z1_144×192进行归一化，如下式：

$D_{T_{\mathrm{Sn}}}(i,j)=f_{T_{\mathrm{Sn}}}(i,j)/{Z1}_{144\×192}(i,j),n=1,...,7,$

其中，

表示环境温度为T_Sn时，黑体图像序列中的第36帧图像进行小波一级分解后，低频分量矩阵中元素(i，j)的值。矩阵

表示

归一化后的结果，是和

规格一样的矩阵。

从矩阵

中选取一个参考点(x，y)＝(20，20)，让n从1到7取值，这样可以组成规格为1×7的向量，记为

符号上的横线表示该符号是向量。

将7对数据

按最小二乘原理进行曲线拟合，即可求得指纹参数：

$f_u=p_1+\frac{p_2}{1+e^{p_3-p_4*T_{\mathrm{Sn}}}},$

其中，f_u表示

中元素的逼近值，T_Sn表示环境温度，求得p₁＝0.5303，p₂＝0.5631，p₃＝-0.0577，p₄＝0.0786。

参数p₅、p₆、p₇的计算：

在环境温度T_Sn下，归一化矩阵

中位置分别为(x₁，y₁)＝(129，99)和(x₂，y₂)＝(20，20)两个点值的差值

由下式计算：

$d_{T_{\mathrm{Sn}}}=D_{T_{\mathrm{Sn}}}(x_1,y_1)-D_{T_{\mathrm{Sn}}}(x_2,y_2),n=1,...,7,$

让n从1到7取值，

可得到7个值，因此可看成1×7的向量

把

里的7个元素相对于第一个元素进行归一化，即：

$\stackrel{\‾}{v_{T_{\mathrm{Sn}}}}=\stackrel{\‾}{d_{T_{\mathrm{Sn}}}}/\stackrel{\‾}{d_{T_{\mathrm{Sn}}}}\left(1\right),n=1,...,7,$

是

归一化的结果，是1×7的向量。选择以下的数学模型，将7对数据

按最小二乘原理进行曲线拟合，即可求得指纹参数p₅、p₆、p₇：

$y=p_5*T_{\mathrm{Sn}}^2+p_6*T_{\mathrm{Sn}}+p_7,$

其中y表示

中元素的拟合值。T_Sn表示环境温度，求得p₅＝-0.0001506，p₆＝-0.0204，p₇＝0.434。

矩阵Z2_144×192的计算：

当n＝1时，归一化矩阵即为

将它其中各元素的值和某参考点(20，20)的值相减：

${Z2}_{144\×192}=D_{T_{S1}}(i,j)-D_{T_{S1}}(20,20),i=\mathrm{1,2},...,144;j=\mathrm{1,2},...,192,$

得到第二个矩阵Z2_144×192。

提取出红外焦平面非均匀性指纹后，存储在探测器的存储单元中。具体实施过程中，发现对角高频分量对非均匀性校正结果的影响不大，所以为尽量减小存储量，而没有存储。

(2)测温步骤：探测器的温度敏感元测量环境温度，环境温度作为输入参数提供给所述读取指纹步骤，

所述测温步骤中，温度敏感元实时测量环境温度，假定红外焦平面获取的上一帧的环境温度为T_Sa，当前帧的环境温度为T_Sb，为更新作为输入参数的环境温度，所设定的温度阈值为ΔT_Sw＝5，如果满足下式：

|T_Sb-T_Sa|＞5                                ，

则将T_Sb作为当前帧校正需要的环境温度提供给读取指纹步骤，否则，将T_Sa作为当前帧校正需要的环境温度提供给读取指纹步骤。

(3)小波分解步骤：将红外焦平面获取到的一幅实际景物图像oriX进行小波一级分解，得到低频分量oriX^A、水平高频分量oriX^H、垂直高频分量oriX^V和对角高频分量oriX^D；

(4)读取指纹步骤：读取存储于存储单元中的非均匀性指纹，其中对于垂直高频指纹需根据红外焦平面的工作环境温度进行选择，若环境温度高于临界环境温度，读取第一垂直高频指纹

若环境温度低于该临界环境温度，读取第二垂直高频指纹

(5)小波逆变换步骤：

首先，将步骤(4)中读取出的非均匀性指纹中的低频指纹作如下处理，得到矩阵

$\mathrm{Temp}=p_1+\frac{p_2}{1+e^{p_3-p_4*T_{\mathrm{Sn}}}}+(p_5*T_{\mathrm{Sn}}^2+p_6*T_{\mathrm{Sn}}+p_7)*{Z2}_{144\×192},$

$U_{144\×192}^A={Z1}_{144\×192}\·*\mathrm{Temp}$

其中Temp是为了描述方便临时引入的一个符号，表示计算后的结果，而·*表示点乘，该符号两边操作数必须为两个规格一致的矩阵，表示该两矩阵对应位置的元素相乘，结果为一个矩阵，规格和操作数矩阵一致；

然后，将

和水平高频指纹

及垂直高频指纹

作如下运算：

${\mathrm{newX}}^A={\mathrm{oriX}}^A-U_{144\×192}^A,$

${\mathrm{newX}}^H={\mathrm{oriX}}^H-X_{144\×192}^H,$

${\mathrm{newX}}^V={\mathrm{oriX}}^V-X_{144\×192}^V,$

如前所述，具体实施过程中，发现对角高频分量对非均匀性校正结果的影响不大，所以为尽量减小存储量，而没有存储对角高频指纹

因此上式中也未对oriX^D进行处理。

用newX^A、newX^H、newX^V和oriX^D作为输入图像oriX校正后的低频分量、水平高频分量、垂直高频分量和对角高频分量，进行小波逆变换，便可得到校正后的图像。

校正前后的图像见附图。由图7和图8可以直观看出，校正前的黑体图像质量受非均匀性影响严重，还有明显的竖条纹噪声；校正后的黑体图像得到了明显的改善，分布均匀。图9和图10是校正前后的直方图比较，我们可以看到校正后的图其灰度值变得更加接近，且是在原来峰值附近。

为了进一步定量地考察校正前后非均匀性的改善，下面用常规的非均匀性度量公式进行衡量。

$U_R=\frac{1}{\stackrel{\&OverBar;}{<V_s>}}\&CenterDot;\sqrt{\frac{1}{m-d}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{[V_s\left(i\right)-\stackrel{\&OverBar;}{<V_s>}]}^2},$

其中m为IRFPA探测单元数量，d为焦平面上无效像元的个数，为整个IRFPA的平均响应输出电压，Vs(i)为IRFPA的探测单元响应输出电压。

以各环境温度下校正前后的第36帧黑体图像进行计算，结果见表1。

表1各环境温度下校正前后的U_R

环境温度	-40度	-30度	-20度	-10度	0度	10度	20度
								校正前	0.1685	0.1519	0.1365	0.1223	0.0979	0.0846	0.0761
校正后	0.0022	0.0021	0.0021	0.0025	0.0035	0.0034	0.0020

由上表具体的数字可以看出，图像的非均匀性得到了明显的改善，校正后的非均匀性几乎比校正前降低了两个数量级。

Claims (4)

1.一种基于小波分解的红外焦平面非均匀性指纹提取方法，其中所述的红外焦平面非均匀性指纹包括对角高频指纹、水平高频指纹、垂直高频指纹和低频指纹四部分，具体步骤如下：

一、数据获取步骤，从红外焦平面工作环境温度所设定的下限开始，每间隔恒定的环境温度增量，采集一组面源黑体的图像序列，直至设定的环境温度上限，共获取多组面源黑体图像序列；

二、数据处理步骤，从所述多组图像序列的每一组中都选取红外焦平面工作稳定后的任意连续几帧图像，取这几帧图像的时域平均作为基准图像，将上述基准图像进行小波一级分解，得到四个分量：低频分量、垂直高频分量、水平高频分量和对角高频分量；

三、指纹提取步骤，选取上述任一组中的对角高频分量作为红外焦平面对角高频指纹，任一组中的水平高频分量作为红外焦平面水平高频指纹，选取临界环境温度以上的任一组的垂直高频分量作为第一垂直高频指纹，临界环境温度以下的任一组的垂直高频分量作为第二垂直高频指纹，上述第一垂直高频指纹和第二高频指纹均作为红外焦平面的垂直高频指纹；而红外焦平面低频指纹则以上述每一组中红外焦平面稳定工作后的同一帧图像为基础数据，利用归一化和最小二乘法算法计算得出，

其中，所述的临界环境温度确定的原则为：若某环境温度以上的任一组的垂直高频分量和该环境温度以下的任一组的垂直高频分量的差值，大于该环境温度以上的任意两组的垂直高频分量的差值或大于该环境温度以下的任意两组的垂直高频分量的差值，则该环境温度即为临界环境温度；

所述的低频指纹的计算包括：

A.矩阵Z1_R/2×C/2的计算：将环境温度T_Sn等于设定的环境温度的上限T_SH时的黑体图像序列进行小波一级分解，选取红外焦平面工作稳定后的第k帧的低频分量作为矩阵Z1_R/2×C/2，

其中，k为自然数，n为自变量，取值从1到N，每取一值表示T_Sn为某一环境温度，N为自然数，表示所述多组图像序列的组数，在符号Z1_R/2×C/2中的R表示矩阵行数，即红外焦平面像元阵列的行数，C表示矩阵列数，即红外焦平面像元阵列的列数，R/2、C/2表示小波一级分解后矩阵的行数和列数减半；

B.参数p₁、p₂、p₃、p₄的计算：

首先把上述多组图像序列都进行小波一级分解，将所述第k帧图像的低频分量矩阵都相对于矩阵Z1_R/2×C/2进行归一化，如下式：

$D_{T_{\mathrm{Sn}}}(i,j)=f_{T_{\mathrm{Sn}}}(i,j)/{Z1}_{R/2\&times;C/2}(i,j),n=1,...,N$

其中，

表示环境温度为T_Sn时，图像序列中的所述第k帧图像小波一级分解后，低频分量矩阵中元素(i，j)的值，

表示

归一化后的结果，是和

规格一样的矩阵，

从矩阵

中任选一个参考点(x，y)，让n从1到N取值，组成规格为1×N的向量，记为符号上的横线表示该符号是向量，

将N组数据

按最小二乘原理进行曲线拟合，即可求得指纹参数：

$f_u=p_1+\frac{p_2}{1+e^{p_3-p_4*T_{\mathrm{Sn}}}},$

其中，f_u表示

中元素的逼近值，T_Sn表示环境温度，p₁、p₂、p₃、p₄为待求参数；

C.参数p₅、p₆、p₇的计算：

在环境温度T_Sn下，在归一化矩阵

中，选取任意两个位置(x₁，y₁)和(x₂，y₂)，它们的差值

由下式计算：

$d_{T_{\mathrm{Sn}}}=D_{T_{\mathrm{Sn}}}(x_1,y_1)-D_{T_{\mathrm{Sn}}}(x_2,y_2),n=1,...,N,$

让n从1到N取值，

可得到N个值，因此可看成1×N的向量把

里的N个元素相对于第一个元素(1)进行归一化，即：

$\stackrel{\&OverBar;}{v_{T_{\mathrm{Sn}}}}=\stackrel{\&OverBar;}{d_{T_{\mathrm{Sn}}}}/\stackrel{\&OverBar;}{d_{T_{\mathrm{Sn}}}}\left(1\right),n=1,...,N,$

是归一化的结果，是1×N的向量，选择以下的数学模型，将N对数据

按最小二乘原理进行曲线拟合，即可求得指纹参数p₅、p₆、p₇：

$y=p_5*T_{\mathrm{Sn}}^2+p_6*T_{\mathrm{Sn}}+p_7,$

其中y表示

中元素的拟合值，T_Sn表示环境温度，p₅、p₆、p₇为待求参数；

D.矩阵Z2_R/2×C/2的计算：

当n＝1时，归一化矩阵

即为

中任一元素(i，j)的值和所述参考点(x，y)的值相减：

${Z2}_{R/2\&times;C/2}=D_{T_{S1}}(i,j)-D_{T_{S1}}(x,y),i=\mathrm{1,2},...,R/2;j=\mathrm{1,2},...,C/2,$

得到第二个矩阵Z2_R/2×C/2，Z2_R/2×C/2是和

规格一样的矩阵；

上述矩阵Z1_R/2×C/2、矩阵Z2_R/2×C/2及参数p₁、p₂、p₃、p₄、p₅、p₆和p₇统称为所述的低频指纹。

2.根据权利要求1中所述的一种基于小波分解的红外焦平面非均匀性指纹提取方法，其特征在于所述的数据获取步骤包括：

(1)首先让面源黑体的温度恒定；

(2)其次使红外焦平面工作在环境温度为T_SL的恒温箱中，从探测器开机直至稳定工作一段时间期间，共采集FrmNumber帧面源黑体图像，FrmNumber表示所采集到的黑体图像的帧数，T_SL为所述数据获取步骤中设定的环境温度的下限；

(3)然后让环境温度增加ΔT_S，ΔT_S为恒定值，使红外焦平面工作在ΔT_S+T_SL的恒温箱中，从探测器开机直至稳定工作一段时间期间，同样采集FrmNumber帧面源黑体图像；

(4)在步骤(3)的基础上，让环境温度依次增加ΔT_S，每增加一次也同样采集FrmNumber帧黑体图像，直至环境温度变为T_SH，T_SH为所述数据获取步骤中设定的环境温度的上限；

这样，共采集到N组面源黑体图像序列：

$N=\frac{T_{\mathrm{SH}}-T_{\mathrm{SL}}}{\mathrm{\&Delta;}{T}_S}+1,$

其中N为自然数。

3.应用权利要求1-2任一项所述的基于小波分解的红外焦平面非均匀性指纹提取方法对红外探测器图像非均匀性进行校正的方法，包括：

(I)指纹提取及存储步骤：利用上述权利要求1-2任一项所述的方法提取出探测器红外焦平面的非均匀性指纹，包括对角高频指纹

水平高频指纹

垂直高频指纹低频指纹中的矩阵Z1_R/2×C/2、矩阵Z2_R/2×C/2及参数p₁、p₂、p₃、p₄、p₅、p₆和p₇，并存储于探测器的存储单元中，

其中R表示矩阵行数，即红外焦平面像元阵列的行数，C表示矩阵列数，即红外焦平面像元阵列的列数，R/2、C/2表示小波一级分解后矩阵的行数和列数减半；

(II)测温步骤：探测器的温度敏感元测量红外焦平面工作环境温度；

(III)小波分解步骤：将红外焦平面获取到的一幅实际景物图像oriX进行小波一级分解，得到低频分量oriX^A、水平高频分量oriX^H、垂直高频分量oriX^V和对角高频分量oriX^D；

(IV)读取指纹步骤：读取存储于存储单元中的非均匀性指纹，其中对于垂直高频指纹需根据红外焦平面的工作环境温度进行选择，若环境温度高于临界环境温度，读取第一垂直高频指纹；若环境温度低于该临界环境温度，读取第二垂直高频指纹；

(V)小波逆变换步骤：

首先，将步骤(IV)中读取出的非均匀性指纹中的低频指纹作如下处理，得到矩阵

$\mathrm{Temp}=p_1+\frac{p_2}{1+e^{p_3-p_4*T_{\mathrm{Sn}}}}+(p_5*T_{\mathrm{Sn}}^2+p_6*T_{\mathrm{Sn}}+p_7)*{Z2}_{R/2\&times;C/2}$

$U_{R/2\&times;C/2}^A={Z1}_{R/2\&times;C/2}\&CenterDot;*\mathrm{Temp}$

其中Temp是为了描述方便临时引入的一个符号，表示计算后的结果，而·*表示点乘，该符号两边操作数必须为两个规格一致的矩阵，表示该两矩阵对应位置的元素相乘，结果为一个矩阵，规格和操作数矩阵一致；

然后，将

和对角高频指纹水平高频指纹

及垂直高频指纹

作如下运算：

${\mathrm{newX}}^A={\mathrm{oriX}}^A-U_{R/2\&times;C/2}^A,$

${\mathrm{newX}}^H={\mathrm{oriX}}^H-X_{R/2\&times;C/2}^H,$

${\mathrm{newX}}^V={\mathrm{oriX}}^V-X_{R/2\&times;C/2}^V,$

${\mathrm{newX}}^D={\mathrm{oriX}}^D-X_{R/2\&times;C/2}^D,$

用newX^A、newX^H、newX^V和newX^D作为输入图像oriX校正后的低频分量、水平高频分量、垂直高频分量和对角高频分量，进行小波逆变换，便可得到校正后的图像。

4.如权利要求3所述的方法，其中的测温步骤中，温度敏感元实时测量红外焦平面工作环境温度，假定获取前一帧图像时的红外焦平面工作环境温度为T_Sa，获取当前帧图像时环境温度为T_Sb，如果满足下式：

|T_Sb-T_Sa|＞ΔT_Sw                   ，

则将T_Sb作为当前帧校正需要的环境温度提供给读取指纹步骤，否则，将T_Sa作为当前帧校正需要的环境温度提供给读取指纹步骤，其中，ΔT_Sw为所设定的温度阈值。

Images