CN102855610B - 采用参数正确性因子的红外图像非均匀性校正方法 - Google Patents

Abstract

本发明公开了一种采用参数正确性因子的红外图像非均匀性校正方法，对任一具体型号的红外焦平面探测器，获得黑体图像序列；计算黑体图像序列每个温度点每个像元非均匀性增益参数与非均匀性偏置参数；统计黑体图像序列每个温度点增益参数的空间域局部标准差和偏置参数的空间域局部标准差；用整个黑体图像序列统计焦平面探测器每个像元在所有温度点的增益概率分布函数；计算非均匀性增益参数与非均匀性偏置参数和增益空间域局部标准差和偏置空间域局部标准差；计算增益空间域局部标准差的概率值和偏置空间域局部标准差的概率值；采用最终增益参和偏置参数对图像进行非均匀性校正，获得校正后图像。本发明能从根本上抑制“鬼影”现象。

Description

采用参数正确性因子的红外图像非均匀性校正方法

技术领域

本发明属于红外图像处理技术，特别是一种采用参数正确性因子的红外图像非均匀性校正方法。

背景技术

红外焦平面探测器一般存在着比较严重的非均匀性噪声，现阶段通过探测器的技术发展彻底解决非均匀性问题是没有可能性的，于是国内外众多学者都努力通过信号处理方式攻克非均匀性，即非均匀性校正。采用软件校正解决非均匀性问题，形式简单、成本低廉。但由于非均匀性问题的理论复杂性，虽然国内外大量学者作了各种努力，到目前为止并没有彻底解决好非均匀性问题。

非均匀性校正的方法分为两类，一类是基于定标的方法，一类是基于场景的方法。基于定标的方法主要有一点校正和两点校正，现在已经发展出多点校正的方法[1]。定标方法优点是简单、计算量低，缺点是红外探测器响应非线性和温漂效应往往会使得非均匀性参数过程是一个非平稳随机过程，定标参数的实际作用有限。基于场景的方法能有效地克服非线性问题和温漂效应，所以目前对非均匀性研究的重点都放在了基于场景方法中。

但现有的基于场景非均匀性校正方法会造成处理后的图像存在明显的“鬼影”现象。基于场景非均匀性校正实际上是利用场景数据实时统计焦平面探测器非均匀性增益与偏置参数并进行校正的过程，“鬼影”则是由统计出非均匀性增益与偏置参数偏离了真实值造成的，即参数计算错误。“鬼影”问题限制了基于场景非均匀性校正技术走向实用化。

发明内容

本发明的目的在于提供一种采用参数正确性因子的红外图像非均匀性校正方法，能够自动判断基于场景非均匀性校正算法统计出的焦平面探测器非均匀性参数的正确性，并只采用正确的参数进行非均匀性校正，从而能从根本上抑制“鬼影”现象。

实现本发明目的的技术解决方案为：一种采用参数正确性因子的红外图像非均匀性校正方法，包括如下步骤：

（1）对任一具体型号的红外焦平面探测器，利用宽温黑体采集各个温度点的黑体图像，获得黑体图像序列B_T＝{B(1),B(2),…,B(T),…}，T表示黑体温度；

（2）计算黑体图像序列B_T每个温度点每个像元非均匀性增益参数gain^B(i,j,T)与非均匀性偏置参数offset^B(i,j,T)，i表示第i行，j表示第j列；

（3）统计黑体图像序列每个温度点增益参数gain^B(i,j,T)参数的空间域局部标准差和偏置参数offset^B(i,j,T)的空间域局部标准差

（4）用整个黑体图像序列B_T统计焦平面探测器每个像元在所有温度点的概率分布函数每个像元在所有温度点的概率分布函数

（5）第（1）至（4）步为标定阶段，对每个红外焦平面探测器，只需要标定一次，在正常使用过程中，每次处理从第（5）步开始，该第（5）步为探测器工作后将不断地实时获得红外图像从而构成红外图像序列I_k＝{I(1),I(2),…,I(k),…}，k表示帧号；

（6）对红外图像序列I_k采用时间域均值与标准差统计的方法实时统计当前第k帧图像I(k)每一个像素的时间域均值m(i,j,k)和标准差s(i,j,k)，利用m(i,j,k)和s(i,j,k)计算非均匀性增益参数gain^I(i,j,T)与非均匀性偏置参数offset^I(i,j,T)；

（7）计算的空间域局部标准差offset^I(i,j,T)的空间域局部标准差

（8）利用概率分布函数计算的概率值利用概率分布函数计算的概率值

（9）利用概率值和作为参数正确性因子控制最终非均匀性增益参数gain(i,j,k)和偏置参数offset(i,j,k)的更新计算；

（10）采用增益参数gain(i,j,k)和偏置参数offset(i,j,k)对图像I(k)进行非均匀性校正，获得校正后图像I_out(k)。

本发明与现有技术相比，其显著优点：（1）通过引入参数正确性因子反馈计算基于场景非均匀性校正方法计算出非均匀性参数的正确性，阻断错误参数被采用，极大降低了“鬼影”发生的可能性；（2）计算方法简单，实时性好。

下面结合附图对本发明作进一步详细描述。

附图说明

图1是原始图像。

图2是参数正确性因子的三维图。

图3是非均匀性校正后图像。

具体实施方式

本发明采用参数正确性因子的红外图像非均匀性校正方法，包括如下步骤：

（1）对任一具体型号的红外焦平面探测器（如美国FLIR公司的640×512长波非制冷型探测器、美国FLIR公司的320×256长波非制冷型探测器、法国SOFRADIR公司320×240长波非制冷型探测器、法国SOFRADIR公司384×288长波非制冷型探测器、法国SOFRADIR公司320×256中波制冷型探测器、法国SOFRADIR公司640×512中波制冷型探测器等），利用宽温黑体采集各个温度点的黑体图像，获得黑体图像序列B_T＝{B(1),B(2),…,B(T),…}，T表示黑体温度；

（2）计算黑体图像序列B_T每个温度点每个像元非均匀性增益参数gain^B(i,j,T)与非均匀性偏置参数offset^B(i,j,T)，i表示第i行，j表示第j列；

（3）统计黑体图像序列每个温度点增益参数gain^B(i,j,T)参数的空间域局部标准差和偏置参数offset^B(i,j,T)的空间域局部标准差

（4）用整个黑体图像序列B_T统计焦平面探测器每个像元在所有温度点的概率分布函数每个像元在所有温度点的概率分布函数

（5）第（1）至（4）步为标定阶段，对每个红外焦平面探测器，只需要标定一次，在正常使用过程中，每次处理从第（5）步开始，该第（5）步为探测器工作后将不断地实时获得红外图像从而构成红外图像序列I_k＝{I(1),I(2),…,I(k),…}，k表示帧号；

（6）对红外图像序列I_k采用时间域均值与标准差统计的方法实时统计当前第k帧图像I(k)每一个像素的时间域均值m(i,j,k)和标准差s(i,j,k)，利用m(i,j,k)和s(i,j,k)计算非均匀性增益参数gain^I(i,j,T)与非均匀性偏置参数offset^I(i,j,T)；

（7）计算gain^I(i,j,T)的空间域局部标准差offset^I(i,j,T)的空间域局部标准差

（8）利用概率分布函数计算的概率值利用概率分布函数计算的概率值

（9）利用概率值和作为参数正确性因子控制最终非均匀性增益参数gain(i,j,k)和偏置参数offset(i,j,k)的更新计算；

（10）采用增益参数gain(i,j,k)和偏置参数offset(i,j,k)对图像I(k)进行非均匀性校正，获得校正后图像I_out(k)。

实施例

（1）本发明首先开始标定阶段，对法国SOFRADIR公司生产的长波制冷型探测器（像元数为320×256）利用宽温黑体(-40℃~100℃)采集利用宽温黑体采集各个温度点的黑体图像，每隔0.1℃，采集一幅黑体图像，共1410幅。获得黑体图像序列B_T＝{B(1),B(2),…,B(T),…,B(1410)}（T表示黑体温度）。

（2）计算黑体图像序列B_T每个温度点每个像元非均匀性增益参数gain^B(i,j,T)（i表示第i行，j表示第j列）

${\mathrm{gain}}^B(i,j,T)=\frac{B(i,j,T+\mathrm{\ΔT})-B(i,j,T-\mathrm{\ΔT})}{\frac{1}{{(2l+1)}^2}\underset{p=i-l}{\overset{i+l}{\mathrm{\Σ}}}\underset{q=j-l}{\overset{j+l}{\mathrm{\Σ}}}[B(p,q,T+\mathrm{\ΔT})-B(p,q,T-\mathrm{\ΔT})]}$

ΔT为温差，设置为0.1-0.5℃，l决定了图像局部区域大小，设置范围为3至10。

计算黑体图像序列B_T每个温度点每个像元非均匀性偏置参数offset^B(i,j,T)

offset^B(i,j,T)＝B(i,j,T)

（3）统计黑体图像序列每个温度点增益参数gain^B(i,j,T)参数的空间域局部标准差

$s_{\mathrm{gain}}^B(i,j,T)=\frac{\sqrt{\underset{p=i-l}{\overset{i+l}{\mathrm{\Σ}}}\underset{q=j-l}{\overset{j+l}{\mathrm{\Σ}}}\{{\mathrm{gain}}^B(i,j,T)-[\underset{g=i-l}{\overset{i+l}{\mathrm{\Σ}}}\underset{f=j-l}{\overset{j+l}{\mathrm{\Σ}}}{\mathrm{gain}}^B(p,q,T)/{(2l+1)}^2]{\}}^2}}{{(2l+1)}^2}$

l决定了图像局部区域大小，设置范围为3至10。统计黑体图像序列每个温度点偏置参数offset^B(i,j,T)的空间域局部标准差

$s_{\mathrm{offset}}^B(i,j,T)=\frac{\sqrt{\underset{p=i-l}{\overset{i+l}{\mathrm{\Σ}}}\underset{q=j-l}{\overset{j+l}{\mathrm{\Σ}}}\{{\mathrm{offset}}^B(i,j,T)-[\underset{g=i-l}{\overset{i+l}{\mathrm{\Σ}}}\underset{f=j-l}{\overset{j+l}{\mathrm{\Σ}}}{\mathrm{offset}}^B(p,q,T)/{(2l+1)}^2]{\}}^2}}{{(2l+1)}^2}$

（4）用整个黑体图像序列B_T统计焦平面探测器每个像元在所有温度点的概率分布函数

${\mathrm{ms}}_{\mathrm{gain}}^B(i,j)=\frac{\underset{T=-40}{\overset{100}{\mathrm{\Σ}}}{s}_{\mathrm{gain}}^B(i,j,T)}{1410}$

${\mathrm{ss}}_{\mathrm{gain}}^B(i,j)=\frac{\sqrt{\underset{T=-40}{\overset{100}{\mathrm{\Σ}}}{[s_{\mathrm{gain}}^B(i,j,T)-{\mathrm{ms}}_{\mathrm{gain}}^B(i,j)]}^2}}{1410}$

$P_{\mathrm{gain}}^B(i,j,x)=\frac{1}{\sqrt{2\mathrm{\π}}\·{\mathrm{ss}}_{\mathrm{gain}}^B(i,j)}\exp [-\frac{{[x-{\mathrm{ms}}_{\mathrm{gain}}^B(i,j)]}^2}{{\mathrm{ss}}_{\mathrm{gain}}^B{(i,j)}^2}]$

用整个黑体图像序列B_T统计焦平面探测器每个像元在所有温度点的概率分布函数

${\mathrm{ms}}_{\mathrm{offset}}^B(i,j)=\frac{\underset{T=-40}{\overset{100}{\mathrm{\Σ}}}{s}_{\mathrm{offset}}^B(i,j,T)}{1410}$

${\mathrm{ss}}_{\mathrm{offset}}^B(i,j)=\frac{\sqrt{\underset{T=-40}{\overset{100}{\mathrm{\Σ}}}{[s_{\mathrm{offset}}^B(i,j,T)-{\mathrm{ms}}_{\mathrm{offset}}^B(i,j)]}^2}}{1410}$

$P_{\mathrm{offset}}^B(i,j,x)=\frac{1}{\sqrt{2\mathrm{\π}}\·{\mathrm{ss}}_{\mathrm{offset}}^B(i,j)}\exp [-\frac{{[x-{\mathrm{ms}}_{\mathrm{offset}}^B(i,j)]}^2}{{\mathrm{ss}}_{\mathrm{offset}}^B{(i,j)}^2}]$

至此，标定结束，和保存下来作为标定参数参与到接下来的基于场景非均匀性校正计算。

（5）在探测器使用过程中，当探测器开机正常工作后将不断地实时获得红外图像从而构成红外图像序列I_k＝{I(1),I(2),…,I(k),…}（k表示帧号）。对参数进行初始化（第1帧的所有像素的非均匀性增益参数gain(i,j,1)设置为1，非均匀性偏置参数offset(i,j,1)设置为0）。

（6）对红外图像序列I_k采用时间域均值与标准差统计的方法实时统计当前第k帧图像I(k)每一个像素的时间域均值m(i,j,k)和标准差s(i,j,k)

$m(i,j,k)=\frac{n-1}{n}m(i,j,k-1)+\frac{1}{n}I(i,j,k)$

$s(i,j,k)=\frac{n-1}{n}s(i,j,k-1)+\frac{1}{n}|I(i,j,k)-m(i,j,k)|$

n控制着统计均值和标准差收敛速度。利用m(i,j,k)和s(i,j,k)计算非均匀性增益参数gain^I(i,j,k)与非均匀性偏置参数offset^I(i,j,T)

offset^I(i,j,k)＝m(i,j,k)

gain^I(i,j,k)＝1/s(i,j,k)

（7）计算gain^I(i,j,k)的空间域局部标准差

$s_{\mathrm{gain}}^I(i,j,k)=\frac{\sqrt{\underset{p=i-l}{\overset{i+l}{\mathrm{\Σ}}}\underset{q=j-l}{\overset{j+l}{\mathrm{\Σ}}}\{{\mathrm{gain}}^I(i,j,k)-[\underset{g=i-l}{\overset{i+l}{\mathrm{\Σ}}}\underset{f=j-l}{\overset{j+l}{\mathrm{\Σ}}}{\mathrm{gain}}^I(p,q,k)/{(2l+1)}^2]{\}}^2}}{{(2l+1)}^2}$

l决定了图像局部区域大小，设置范围为3至10。计算offset^I(i,j,T)的空间域局部标准差

$s_{\mathrm{offset}}^I(i,j,k)=\frac{\sqrt{\underset{p=i-l}{\overset{i+l}{\mathrm{\Σ}}}\underset{q=j-l}{\overset{j+l}{\mathrm{\Σ}}}\{{\mathrm{offset}}^I(i,j,k)-[\underset{g=i-l}{\overset{i+l}{\mathrm{\Σ}}}\underset{f=j-l}{\overset{j+l}{\mathrm{\Σ}}}{\mathrm{offset}}^I(p,q,k)/{(2l+1)}^2]{\}}^2}}{{(2l+1)}^2}$

l决定了图像局部区域大小，设置范围为3至10。

（8）利用概率分布函数计算的概率值

$p_{\mathrm{gain}}^I(i,j,k)=P_{\mathrm{gain}}^B[i,j,s_{\mathrm{gain}}^I(i,j,k)]=\frac{1}{\sqrt{2\mathrm{\π}}\·{\mathrm{ss}}_{\mathrm{gain}}^B(i,j)}\exp [-\frac{{[s_{\mathrm{gain}}^I(i,j,k)-{\mathrm{ms}}_{\mathrm{gain}}^B(i,j)]}^2}{{\mathrm{ss}}_{\mathrm{gain}}^B{(i,j)}^2}]$

利用概率分布函数计算的概率值

$p_{\mathrm{offset}}^I(i,j,k)=P_{\mathrm{offset}}^B[i,j,s_{\mathrm{offset}}^I(i,j,k)]=\frac{1}{\sqrt{2\mathrm{\π}}\·{\mathrm{ss}}_{\mathrm{offset}}^B(i,j)}\exp [-\frac{{[s_{\mathrm{offset}}^I(i,j,k)-{\mathrm{ms}}_{\mathrm{offset}}^B(i,j)]}^2}{{\mathrm{ss}}_{\mathrm{offset}}^B{(i,j)}^2}]$

（9）利用概率值和作为参数正确性因子μ(i,j,k)

$\mathrm{\μ}(i,j,k)=\left\{\begin{array}{cc}{p}_{\mathrm{gain}}^I(i,j)\·p_{\mathrm{offset}}^I(i,j)& p_{\mathrm{gain}}^I(i,j)\·p_{\mathrm{offset}}^I(i,j)>0.1\\ 0& p_{\mathrm{gain}}^I(i,j)\·p_{\mathrm{offset}}^I(i,j)\≤0.1\end{array}\right.$

参数正确性因子μ的三维图如图2所示。用正确性因子控制最终非均匀性增益参数gain(i,j,k)和偏置参数offset(i,j,k)的更新计算

gain(i,j,k)＝[1-μ(i,j,k)]·gain(i,j,k-1)+μ(i,j,k)·gain^I(i,j,k)

offset(i,j,k)＝[1-μ(i,j,k)]·offset(i,j,k-1)+μ(i,j,k)·offset^I(i,j,k)

（10）采用增益参数gain(i,j,k)和偏置参数offset(i,j,k)对图像I(k)进行非均匀性校正，获得校正后图像I_out(k)

I_out(i,j,k)＝gain(i,j,k)·[I(i,j,k)-offset(i,j,k)]

上述ΔT选取0.1℃，l设置选取5为例，处理结果如图3所示。

Claims (9)

1.一种采用参数正确性因子的红外图像非均匀性校正方法，其特征在于包括如下步骤：

(1)对任一具体型号的红外焦平面探测器，利用宽温黑体采集各个温度点的黑体图像，获得黑体图像序列B_T＝{B(1),B(2),…,B(T),…}，T表示黑体温度；

(2)计算黑体图像序列B_T每个温度点每个像元非均匀性增益参数gain^B(i,j,T)与非均匀性偏置参数offset^B(i,j,T)，i表示第i行，j表示第j列；

(3)统计黑体图像序列每个温度点每个像元非均匀性增益参数gain^B(i,j,T)参数的空间域局部标准差和非均匀性偏置参数offset^B(i,j,T)的空间域局部标准差

(4)用整个黑体图像序列B_T统计焦平面探测器每个像元在所有温度点的概率分布函数每个像元在所有温度点的概率分布函数

(5)第(1)至(4)步为标定阶段，对每个红外焦平面探测器，只需要标定一次，在正常使用过程中，每次处理从第(5)步开始，该第(5)步为探测器工作后将不断地实时获得红外图像从而构成红外图像序列I_k＝{I(1),I(2),…,I(k),…}，k表示帧号；

(6)对红外图像序列I_k采用时间域均值与标准差统计的方法实时统计当前第k帧图像I(k)每一个像素的时间域均值m(i,j,k)和标准差s(i,j,k)，利用m(i,j,k)和s(i,j,k)计算非均匀性增益参数gain^I(i,j,T)与非均匀性偏置参数offset^I(i,j,T)；

(7)计算gain^I(i,j,T)的空间域局部标准差offset^I(i,j,T)的空间域局部标准差

(8)利用概率分布函数计算的概率值利用概率分布函数计算的概率值

(9)利用概率值和作为参数正确性因子控制最终非均匀性增益参数gain(i,j,k)和非均匀性偏置参数offset(i,j,k)的更新计算；

(10)采用非均匀性增益参数gain(i,j,k)和偏置参数offset(i,j,k)对图像I(k)进行非均匀性校正，获得校正后图像I_out(i,j,k)。

2.根据权利要求1所述的采用参数正确性因子的红外图像非均匀性校正方法，其特征在于第(2)步中，计算黑体图像序列B_T每个温度点每个像元非均匀性增益参数gain^B(i,j,T)，i表示第i行，j表示第j列：

ΔT为温差，l决定了图像局部区域大小；

计算黑体图像序列B_T每个温度点每个像元非均匀性偏置参数offset^B(i,j,T)：

offset^B(i,j,T)＝B(i,j,T)。

3.根据权利要求1所述的采用参数正确性因子的红外图像非均匀性校正方法，其特征在于第(3)中，统计黑体图像序列每个温度点每个像元非均匀性增益参数gain^B(i,j,T)参数的空间域局部标准差

l决定了图像局部区域大小，统计黑体图像序列每个温度点非均匀性偏置参数offset^B(i,j,T)的空间域局部标准差

4.根据权利要求1所述的采用参数正确性因子的红外图像非均匀性校正方法，其特征在于第(4)步中，用整个黑体图像序列B_T统计焦平面探测器每个像元在所有温度点的概率分布函数

用整个黑体图像序列B_T统计焦平面探测器每个像元在所有温度点的概率分布函数

至此，标定结束，和保存下来作为标定参数参与到接下来的基于场景非均匀性校正计算。

5.根据权利要求1所述的采用参数正确性因子的红外图像非均匀性校正方法，其特征在于第(6)步中，对红外图像序列I_k采用时间域均值与标准差统计的方法实时统计当前第k帧图像I(k)每一个像素的时间域均值m(i,j,k)和标准差s(i,j,k)

n控制着统计均值和标准差收敛速度，利用m(i,j,k)和s(i,j,k)计算非均匀性增益参数gain^I(i,j,k)与非均匀性偏置参数offset^I(i,j,T)：

offset^I(i,j,k)＝m(i,j,k)

gain^I(i,j,k)＝1/s(i,j,k)。

6.根据权利要求1所述的采用参数正确性因子的红外图像非均匀性校正方法，其特征在于第(7)步中，计算gain^I(i,j,k)的空间域局部标准差

l决定了图像局部区域大小，计算offset^I(i,j,T)的空间域局部标准差

l决定了图像局部区域大小。

7.根据权利要求1所述的采用参数正确性因子的红外图像非均匀性校正方法，其特征在于第(8)步中，利用概率分布函数计算的概率值

利用概率分布函数计算的概率值

8.根据权利要求1所述的采用参数正确性因子的红外图像非均匀性校正方法，其特征在于第(9)步中，利用概率值和作为参数正确性因子μ(i,j,k)：

用正确性因子控制最终非均匀性增益参数gain(i,j,k)和偏置参数offset(i,j,k)的更新计算：

gain(i,j,k)＝[1-μ(i,j,k)]·gain(i,j,k-1)+μ(i,j,k)·gain^I(i,j,k)

offset(i,j,k)＝[1-μ(i,j,k)]·offset(i,j,k-1)+μ(i,j,k)·offset^I(i,j,k)。

9.根据权利要求1所述的采用参数正确性因子的红外图像非均匀性校正方法，其特征在于第(10)步中，采用非均匀性增益参数gain(i,j,k)和非均匀性偏置参数offset(i,j,k)对图像I(k)进行非均匀性校正，获得校正后图像I_out(i,j,k)，I_out(i,j,k)＝gain(i,j,k)·[I(i,j,k)-offset(i,j,k)]。