CN102289788B - 多通道红外探测器中条纹非均匀性实时校正方法 - Google Patents

Abstract

本发明公开一种多通道红外探测器中条纹非均匀性实时校正方法，包括如下步骤：(1)利用标准参考辐射源，初始化多通道红外探测器的条纹非均匀性变化区间；(2)输入原始红外图像；(3)校正原始红外图像的点状非均匀性；(4)对点校图像高通滤波；(5)对点校图像高频分量像素点进行筛选；(6)计算第j读出通道条纹非均匀性的校正参数；(7)对点校图像的条纹非均匀性进行抑制，输出校正图像；(8)更新第j读出通道条纹非均匀性的变化区间；(9)输入新一帧原始红外图像，跳转至步骤(3)。本发明对条纹非均匀性进行校正，进一步改善了多通道红外探测器的成像质量，极大提高了图像的校正精度。

Description

多通道红外探测器中条纹非均匀性实时校正方法

技术领域

本发明涉及一种多通道红外探测器条纹非均匀性校正方法，特别涉及一种适合硬件实时实现的条纹非均匀性校正方法。

背景技术

近年来，红外成像技术取得了很大进步，在国防建设和国民经济领域得到广泛应用，特别是已成为军事侦察与预警中的核心技术和重要手段。然而，受制造工艺、结构以及材料等因素限制，红外探测器存在非均匀性问题。非均匀性导致红外探测器温度分辨率和空间分辨率不高，影响了红外系统的成像质量，限制了红外整机的探测距离。因此，对红外图像进行非均匀性校正，不仅在理论上具有重要意义，实用中也有迫切需求。

多通道红外探测器的非均匀性根据产生机理不同分为探测单元引起的点状非均匀性和读出电路引起的条纹非均匀性。点状非均匀性是由于不同探测单元对相同红外辐射的响应存在差异而产生；条纹非均匀性是由于多通道红外探测器的像元使用的读出通道不同而产生。因为读出通道放大器在晶体管阈值电压等方面不同，所以使用不同读出通道的像元之间具有不同的噪声，该噪声呈现直条状，具有竖直方向的相关性，被称为条纹非均匀性。

目前，非均匀性校正技术主要分为辐射源标定和场景非均匀性校正两大类。辐射源标定非均匀性校正，如单点、两点以及多点校正等，通过不同探测单元对参考辐射源的响应计算校正参数，原理简单、易于硬件实现，缺点是需要对系统周期性标定以消除校正参数的漂移，并且在标定期间探测器不能成像。场景非均匀性校正，如图像配准校正、神经网络校正以及统计滤波校正等，无需参考辐射源，能够根据场景信息自适应的更新校正参数，是目前算法研究和系统应用的重要方向。场景非均匀性校正缺点是算法的运算量大、收敛速度慢、校正后图像会残留“鬼影”，在一定程度上给后续图像处理算法带来困难。因此，现有非均匀性校正算法存在以下缺点：（1）多数算法仅考虑了探测单元引起的点状非均匀性，忽略了读出通道引起的条纹非均匀性，然而，条纹非均匀性同样严重影响了多通道红外探测器的成像质量；（2）现有的辐射源标定非均匀性校正需要周期性标定校正参数；（3）现有的场景非均匀性校正运算量大、收敛速度慢，不能满足系统实时处理需求。

发明内容

发明目的：本发明的目的在于针对现有技术的不足，提供一种算法简单、适用性强、效果良好、且适合硬件实时实现的多通道红外探测器条纹非均匀性校正方法。

技术方案：本发明所述的多通道红外探测器中条纹非均匀性实时校正方法，包括如下步骤：

（1）利用标准参考辐射源，初始化多通道红外探测器的条纹非均匀性变化区间[NU_min(j),NU_max(j)]；NU_min(j)和NU_max(j)分别表示第j读出通道变化区间的最小值和最大值,第j读出通道对应于图像的第j列；

（2）输入原始红外图像X_raw；

（3）校正原始红外图像的点状非均匀性，输出点校图像X_fix；

（4）构造读出通道方向的高通滤波器，对点校图像X_fix高通滤波，得到X_fix的高频分量X_high；

（5）对点校图像X_fix高频分量X_high像素点进行筛选，消除目标高频分量对条纹非均匀性校正参数的影响；

（6）基于步骤（5）计算第j读出通道条纹非均匀性的校正参数O(j)；

（7）对点校图像X_fix的条纹非均匀性进行抑制，输出校正图像X_out；

（8）更新第j读出通道条纹非均匀性的变化区间[NU_min(j),NU_max(j)]；

（9）输入新一帧原始红外图像，跳转至步骤(3)。

本发明步骤（1）中，条纹非均匀性变化区间的估计服从高斯3σ分布，即样本期望的三倍方差内是正常数值，表示为集合Y，

Y={X(k)|μ-3σ≤X(k)≤μ+3σ,1≤k≤n}

$u=\frac{1}{n}\underset{k=1}{\overset{n}{\mathrm{\Σ}}}X\left(k\right)$

$\mathrm{\σ}=\sqrt{\frac{1}{n-1}\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{(X\left(k\right)-u)}^2}$

其中，X(k)是样本，μ是期望，σ是标准差，n是样本总个数。

本发明步骤（3）中，利用两点校正算法对原始红外图像X_raw的点状非均匀性进行校正，两点校正中参考辐射源的低温设定为T_low=-10℃，高温设定为T_high＝80℃，校正公式为：

X_fix(i,j)＝G′(i,j)X_raw(i,j)+O′(i,j)

$G^{\′}(i,j)=\frac{\stackrel{\‾}{X_{\mathrm{raw}}}\left(T_{\mathrm{high}}\right)-\stackrel{\‾}{X_{\mathrm{raw}}}\left(T_{\mathrm{low}}\right)}{X_{\mathrm{raw}}(i,j{,T}_{\mathrm{high}})-X_{\mathrm{raw}}(i,j,T_{\mathrm{low}})}$

$O^{\′}(i,j)=\stackrel{\‾}{X_{\mathrm{raw}}}\left(T_{\mathrm{low}}\right)-\frac{\stackrel{\‾}{X_{\mathrm{raw}}}\left(T_{\mathrm{high}}\right)-\stackrel{\‾}{X_{\mathrm{raw}}}\left(T_{\mathrm{low}}\right)}{X_{\mathrm{raw}}(i,j,T_{\mathrm{high}})-X_{\mathrm{raw}}(i,j,T_{\mathrm{low}})}\×X_{\mathrm{raw}}(i,j,T_{\mathrm{low}})$

其中，G′(i,j)和O′(i,j)分别是像素(i,j)的增益和偏置校正系数，

和

分别是定标温度T_low，T_high的红外探测器响应期望值，X_raw(i,j,T_low)和X_raw(i,j,T_high)分别是在定标温度T_low，T_high像素(i,j)处的响应值，i和j分别是图像的行数和列数，1≤i≤240，1≤j≤320，X_raw(i,j)是原始红外图像X_raw坐标(i,j)处的像素值；X_fix(i,j)是点校图像X_fix坐标(i,j)处的像素值。

本发明步骤（4）中，基于像素空间相关理论，使用高斯型高通滤波器（GHPF）计算点校图像的高频分量，高斯型高通滤波器（GHPF）的传递函数表达式如下所示:

$H(p,q)=1-e^{-D{(p,q)}^2/2D_0^2}$

其中，H是传递函数，D₀是指定的非负值，表示截止频率，D(p,q)是(p,q)点距频率原点的距离，p和q分别表示频域横坐标和纵坐标。

像素(i,j)高频分量X_high(i,j)表达式为：

X_high(i,j)＝ξ^-1[H(p,q)·ξ[X_fix(i,j)·(-1)^i+j]]·(-1)^i+j

其中，ξ[·]表示傅里叶变换，ξ^-1[·]表示傅里叶反变换，p和q分别表示频域横坐标和纵坐标，i和j分别表示时域图像行数和列数，1≤i≤240，1≤j≤320，X_fix(i,j)是点校图像X_fix坐标(i,j)处的像素值。

本发明步骤（5）中，点校图像X_fix高频分量X_high的筛选准则是：

其中，

是高频分量X_high(i,j)的筛选输出，X_high(i,j)是点校图像(i,j)处的高频分量，NU_min(j)和NU_max(j)分别是第j读出通道条纹非均匀性变化区间的最小值和最大值，i和j分别是图像的行数和列数。

本发明步骤（8）中，根据帧间相关理论，第j读出通道条纹非均匀性变化区间的迭代更新准则是：

$\left\{\begin{array}{cc}{\mathrm{NU}}_{\min }\left(j\right)=\frac{1}{N}\&times;O\left(j\right)+(1-\frac{1}{N})\&times;{\mathrm{NU}}_{\min }\left(j\right)& |O\left(j\right)-{\mathrm{NU}}_{\min }\left(j\right)|<\mathrm{\&epsiv;}\\ {\mathrm{NU}}_{\max }\left(j\right)=\frac{1}{N}\&times;O\left(j\right)+(1-\frac{1}{N})\&times;{\mathrm{NU}}_{\max }\left(j\right)& |{\mathrm{NU}}_{\max }\left(j\right)-O\left(j\right)|<\mathrm{\&epsiv;}\end{array}\right.$

其中，NU_min(j)和NU_max(j)分别是第j读出通道条纹非均匀性变化区间的最小值和最大值，O(j)是第j读出通道条纹非均匀性的校正参数，N是积累帧数，ε是误差常量。

本发明与现有技术相比，其有益效果是：1、本发明充分发挥了定标非均匀性校正和场景非均匀性校正的优势，克服了现有非均匀性校正技术多数仅考虑了探测单元引起的点状非均匀性，而忽略了读出电路引起的条纹非均匀性的缺点，本发明重点对条纹非均匀性进行校正，进一步改善了多通道红外探测器的成像质量，极大提高了图像的校正精度；2、本发明将标定参数作为先验条件应用于场景非均匀性校正中，充分结合标定和场景非均匀性校正的优势，极大地加快校正算法收敛速度的同时有效提高了校正精度；3、本发明基于空间分频思想将图像分为高频和低频分量，利用高频分量计算条纹非均匀性校正参数，最大程度抑制了场景非均匀性校正的“鬼影”现象，校正算法不存在副作用；4、完成条纹非均匀性的校正只需单帧图像，算法收敛速度快，运算量小，适合硬件实时实现。

附图说明

图1为本发明多通道红外探测器中条纹非均匀性实时校正方法的流程图。

具体实施方式

下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。

实施例1：如图1所示，多通道红外探测器中条纹非均匀性实时校正方法，多通道红外探测器的像元个数320×240，共有320路读出通道，探测器的帧频是25HZ。红外图像通过光纤传给DSP+FPGA架构的专用图像处理板，条纹非均匀性校正在DSP处理器中实现，满足实时处理的需求，具体实施步骤如下：

（1）利用标准参考辐射源，初始化多通道红外探测器的条纹非均匀性变化区间[NU_min(j),NU_max(j)]；NU_min(j)和NU_max(j)分别表示第j读出通道变化区间的最小值和最大值,第j读出通道对应于图像的第j列；

选取标准参考辐射源的多个温度点{T_k|1≤k≤m}，m是温度点总数，对温度点T_k进行多次采样，并计算多次采样图像列期望的最大值NU_max(j,T_k)和最小值NU_min(j,T_k)。这里，温度T_k从-10℃到80℃每隔2℃采集50帧图像，生成样本空间{NU_min(j,T_k),NU_max(j,T_k)|T_k=-10,-8,-6，...,80}，即样本空间{NU_min(j,-10),NU_min(j,-8),...，NU_min(j,80)}和{NU_max(j,-10),NUmax(j,-8),...，NU_max(j,80)}。基于高斯3σ分布理论，从样本{NU_min(j,-10),NU_min(j,-8),...，NU_min(j,80)}和{NU_max(j,-10),NU_max(j,-8),...，NU_max(j,80)}选取正常数值，分别表示为集合Y_min(j)和Y_max(j)，表达式如下所示：

Y_min(j)＝{NU_min(j,T_k)|u_min(j)-3σ_min(j)≤NU_min(j,T_k)≤u_min(j)+3σ_min(j),-10≤T_k≤80}

$u_{\min }\left(j\right)=\frac{1}{m}\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}{\mathrm{NU}}_{\min }(j,T_k)$

${\mathrm{\&sigma;}}_{\min }\left(j\right)=\sqrt{\frac{1}{m-1}\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}{({\mathrm{NU}}_{\min }(j,T_k)-u_{\min }\left(j\right))}^2}$

Y_max(j)＝{NU_max(j,T_k)|u_max(j)-3σ_max(j)≤NU_max(j,T_k)≤u_max(j)+3σ_max(j),-10≤T_k≤80}

$u_{\max }\left(j\right)=\frac{1}{m}\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}{\mathrm{NU}}_{\max }(j,T_k)$

${\mathrm{\&sigma;}}_{\max }\left(j\right)=\sqrt{\frac{1}{m-1}\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}{({\mathrm{NU}}_{\max }(j,T_k)-u_{\max }\left(j\right))}^2}$

其中，NU_min(j,T_k)和NU_max(j,T_k)分别是第j读出通道温度T_k时条纹非均匀性变化区间的最小值和最大值，u_min(j)和σ_min(j)分别是样本空间{NU_min(j,T_k)|T_k=-10,-8,...,80}的期望和标准差，u_max(j)和σ_max(j)分别是样本空间{NU_max(j,T_k)|T_k＝-10,-8,...,80}的期望和标准差，1≤j≤320。

因此，NU_min(j)和NU_max(j)表达式如下所示：

NU_min(j)=E[Y_min(j)]

NU_max(j)＝E[Y_max(j)]

其中，E[·]是期望运算。

（2）输入原始红外图像X_raw；

（3）利用两点校正算法对原始红外图像X_raw的点状非均匀性进行校正，输出点校图像X_fix，两点校正中参考辐射源的低温设定为T_low=-10℃，高温设定为T_high=80℃，校正公式如下所示：

X_fix(i,j)=G′(i,j)X_raw(i,j)+O′(i,j)

$G^{\&prime;}(i,j)=\frac{\stackrel{\&OverBar;}{X_{\mathrm{raw}}}\left(T_{\mathrm{high}}\right)-\stackrel{\&OverBar;}{X_{\mathrm{raw}}}\left(T_{\mathrm{low}}\right)}{X_{\mathrm{raw}}(i,j{,T}_{\mathrm{high}})-X_{\mathrm{raw}}(i,j,T_{\mathrm{low}})}$

$O^{\&prime;}(i,j)=\stackrel{\&OverBar;}{X_{\mathrm{raw}}}\left(T_{\mathrm{low}}\right)-\frac{\stackrel{\&OverBar;}{X_{\mathrm{raw}}}\left(T_{\mathrm{high}}\right)-\stackrel{\&OverBar;}{X_{\mathrm{raw}}}\left(T_{\mathrm{low}}\right)}{X_{\mathrm{raw}}(i,j,T_{\mathrm{high}})-X_{\mathrm{raw}}(i,j,T_{\mathrm{low}})}\&times;X_{\mathrm{raw}}(i,j,T_{\mathrm{low}})$

其中，G′(i,j)和O′(i,j)分别是像素(i,j)的增益和偏置校正系数，

和

分别是定标温度T_low，T_high的红外探测器响应期望值，X_raw(i,j,T_low)和X_raw(i,j,T_high)分别是在定标温度T_low，T_high像素(i,j)处的响应值，i和j分别是图像的行数和列数，1≤i≤240，1≤j≤320。

（4）构造读出通道方向的高斯型高通滤波器（GHPF），对点校图像X_fix高通滤波，得到X_fix的高频分量X_high；

高斯型高通滤波器（GHPF）的传递函数表达式如下所示:

$H(p,q)=1-e^{-D{(p,q)}^2/2D_0^2}$

其中，H是传递函数，D₀=15是截止频率，D(p,q)是(p,q)点距频率原点的距离，p和q分别表示频域横坐标和纵坐标。

像素(i,j)高频分量X_high(i,j)表达式如下所示：

X_high(i,j)＝ξ^-1[H(p,q)·ξ[X_fix(i,j)·(-1)^i+j]]·(-1)^i+j

其中，ξ[·]表示傅里叶变换，ξ^-1[·]表示傅里叶反变换，p和q分别表示频域横坐标和纵坐标，i和j分别表示时域图像行数和列数，1≤i≤240，1≤j≤320。

（5）对点校图像X_fix高频分量X_high像素点进行筛选，消除目标高频分量对条纹非均匀性校正参数的影响；

点校图像X_fix高频分量X_high的筛选准则是：

其中，

是高频分量X_high(i,j)的筛选输出，X_high(i,j)是点校图像(i,j)处的高频分量，NU_min(j)和NU_max(j)分别是第j读出通道条纹非均匀性变化区间的最小值和最大值，i和j分别是图像的行数和列数，1≤i≤240，1≤j≤320。

（6）计算第j读出通道条纹非均匀性的校正参数O(j)；

$O\left(j\right)=E\left[X_{\mathrm{high}}^{\&prime;}(i,j)\right]$

其中，E[·]是期望运算，

是高频分量的筛选输出，1≤i≤240，1≤j≤320。

（7）对点校图像X_fix的条纹非均匀性进行抑制，输出校正图像X_out；

像素(i,j)处的校正输出X_out(i,j)表达式如下所示：

X_out(i,j)＝X_fix(i,j)-O(j)

其中，X_fix(i,j)是点校图像(i,j)处的像素值，O(j)是第j读出通道的校正参数，1≤i≤240，1≤j≤320。

（8）更新第j读出通道条纹非均匀性的变化区间[NU_min(j),NU_max(j)]；

NU_min(j)和NU_max(j)的更新准则是：

$\left\{\begin{array}{cc}{\mathrm{NU}}_{\min }\left(j\right)=\frac{1}{N}\&times;O\left(j\right)+(1-\frac{1}{N})\&times;{\mathrm{NU}}_{\min }\left(j\right)& |O\left(j\right)-{\mathrm{NU}}_{\min }\left(j\right)|<\mathrm{\&epsiv;}\\ {\mathrm{NU}}_{\max }\left(j\right)=\frac{1}{N}\&times;O\left(j\right)+(1-\frac{1}{N})\&times;{\mathrm{NU}}_{\max }\left(j\right)& |{\mathrm{NU}}_{\max }\left(j\right)-O\left(j\right)|<\mathrm{\&epsiv;}\end{array}\right.$

其中，NU_min(j)和NU_max(j)分别是第j读出通道条纹非均匀性变化区间的最小值和最大值，O(j)是校正参数，N是积累帧数，ε是误差常量，1≤j≤320。

（9）输入新一帧原始红外图像，跳转至步骤(3)。

如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上作出各种变化。

Claims (5)

1.一种多通道红外探测器中条纹非均匀性实时校正方法，其特征在于包括如下步骤：

（1）利用标准参考辐射源，初始化多通道红外探测器的条纹非均匀性变化区间[NU_min(j),NU_max(j)]；NU_min(j)和NU_max(j)分别表示第j读出通道变化区间的最小值和最大值,第j读出通道对应于图像的第j列；

（2）输入原始红外图像X_raw；

（3）校正原始红外图像的点状非均匀性，输出点校图像X_fix；

（4）构造读出通道方向的高通滤波器，对点校图像X_fix高通滤波，得到X_fix的高频分量X_high；

（5）对点校图像X_fix高频分量X_high像素点进行筛选，消除目标高频分量对条纹非均匀性校正参数的影响；

点校图像X_fix高频分量X_high的筛选准则是：

其中，

是高频分量X_high(i,j)的筛选输出，X_high(i,j)是点校图像(i,j)处的高频分量，NU_min(j)和NU_max(j)分别是第j读出通道条纹非均匀性变化区间的最小值和最大值，i和j分别是图像的行数和列数；

（6）基于步骤（5）计算第j读出通道条纹非均匀性的校正参数O(j)；

校正参数O(j)的表达式为，

$O\left(j\right)=E\left[X_{\mathrm{high}}^{\&prime;}(i,j)\right]$

其中，E[·]是期望运算，是高频分量的筛选输出，i和j分别是图像的行数和列数；

（7）对点校图像X_fix的条纹非均匀性进行抑制，输出校正图像X_out；

像素(i,j)处的校正输出X_out(i,j)表达式为：

X_out(i,j)＝X_fix(i,j)-O(j)

其中，X_fix(i,j)是点校图像(i,j)处的像素值，O(j)是第j读出通道的校正参数，i和j分别是图像的行数和列数；

（8）更新第j读出通道条纹非均匀性的变化区间[NU_min(j),NU_max(j)]；

第j读出通道条纹非均匀性变化区间的迭代更新准则是：

$\left\{\begin{array}{cc}{\mathrm{NU}}_{\min }\left(j\right)=\frac{1}{N}\&times;O\left(j\right)+(1-\frac{1}{N})\&times;{\mathrm{NU}}_{\min }\left(j\right)& |O\left(j\right)-{\mathrm{NU}}_{\min }\left(j\right)|<\mathrm{\&epsiv;}\\ {\mathrm{NU}}_{\max }\left(j\right)=\frac{1}{N}\&times;O\left(j\right)+(1-\frac{1}{N})\&times;{\mathrm{NU}}_{\max }\left(j\right)& |{\mathrm{NU}}_{\max }\left(j\right)-O\left(j\right)|<\mathrm{\&epsiv;}\end{array}\right.$

其中，NU_min(j)和NU_max(j)分别是第j读出通道条纹非均匀性变化区间的最小值和最大值，O(j)是第j读出通道条纹非均匀性的校正参数，N是积累帧数，ε是误差常量；

（9）输入新一帧原始红外图像，跳转至步骤(3)。

2.根据权利要求1所述的多通道红外探测器中条纹非均匀性实时校正方法，其特征在于：步骤（1）中，条纹非均匀性变化区间的估计服从高斯3σ分布，即样本期望的三倍方差内是正常数值，表示为集合Y，

Y＝{X(k)|μ-3σ≤X(k)≤μ+3σ,1≤k≤n}

$u=\frac{1}{n}\underset{k=1}{\overset{n}{\mathrm{\&Sigma;}}}X\left(k\right)$

$\mathrm{\&sigma;}=\sqrt{\frac{1}{n-1}\underset{k=1}{\overset{n}{\mathrm{\&Sigma;}}}{(X\left(k\right)-u)}^2}$

其中，X(k)是样本，μ是期望，σ是标准差，n是样本总个数。

3.根据权利要求1所述的多通道红外探测器中条纹非均匀性实时校正方法，其特征在于：步骤（3）中，利用两点校正算法对原始红外图像X_raw的点状非均匀性进行校正，两点校正中参考辐射源的低温设定为T_low=-10℃，高温设定为T_high=80℃，校正公式为：

X_fix(i,j)=G′(i,j)X_raw(i,j)+O′(i,j)

$G^{\&prime;}(i,j)=\frac{\stackrel{\&OverBar;}{X_{\mathrm{raw}}}\left(T_{\mathrm{high}}\right)-\stackrel{\&OverBar;}{X_{\mathrm{raw}}}\left(T_{\mathrm{low}}\right)}{X_{\mathrm{raw}}(i,j{,T}_{\mathrm{high}})-X_{\mathrm{raw}}(i,j,T_{\mathrm{low}})}$

$O^{\&prime;}(i,j)=\stackrel{\&OverBar;}{X_{\mathrm{raw}}}\left(T_{\mathrm{low}}\right)-\frac{\stackrel{\&OverBar;}{X_{\mathrm{raw}}}\left(T_{\mathrm{high}}\right)-\stackrel{\&OverBar;}{X_{\mathrm{raw}}}\left(T_{\mathrm{low}}\right)}{X_{\mathrm{raw}}(i,j,T_{\mathrm{high}})-X_{\mathrm{raw}}(i,j,T_{\mathrm{low}})}\&times;X_{\mathrm{raw}}(i,j,T_{\mathrm{low}})$

其中，G′(i,j)和O′(i,j)分别是像素(i,j)的增益和偏置校正系数，

和

分别是定标温度T_low，T_high的红外探测器响应期望值，X_raw(i,j,T_low)和X_raw(i,j,T_high)分别是在定标温度T_low，T_high像素(i,j)处的响应值，i和j分别是图像的行数和列数，1≤i≤240，1≤j≤320，X_raw(i,j)是原始红外图像X_raw坐标(i,j)处的像素值；X_fix(i,j)是点校图像X_fix坐标(i,j)处的像素值。

4.根据权利要求1所述的多通道红外探测器中条纹非均匀性实时校正方法，其特征在于：步骤（4）中，所述高通滤波器为高斯型高通滤波器，所述高斯型高通滤波器的传递函数表达式为:

$H(p,q)=1-e^{-D{(p,q)}^2/2D_0^2}$

其中，H是传递函数，D₀是指定的非负值，表示截止频率，D(p,q)是(p,q)点距频率原点的距离，p和q分别表示频域横坐标和纵坐标。

5.根据权利要求1所述的多通道红外探测器中条纹非均匀性实时校正方法，其特征在于：步骤（4）中，像素(i,j)高频分量X_high(i,j)表达式为：

X_high(i,j)＝ξ^-1[H(p,q)·ξ[X_fix(i,j)·(-1)^i+j]]·(-1)^i+j

其中，ξ[·]表示傅里叶变换，ξ^-1[·]表示傅里叶反变换，p和q分别表示频域横坐标和纵坐标，i和j分别表示时域图像行数和列数，1≤i≤240，1≤j≤320，X_fix(i,j)是点校图像X_fix坐标(i,j)处的像素值。

Images