CN103164846B - 一种基于转向核估计的红外条纹非均匀性校正方法 - Google Patents

Abstract

本发明公开了一种基于转向核估计的红外条纹非均匀性校正方法，针对红外列向条纹非均匀性，利用转向核邻域来表征像素点所在区域的边缘程度，将转向核估计的结果作为期望图像，将期望图像列向量和当前图像列向量之间采用最小二乘拟合，通过迭代求解各列的非均匀性校正参数，实现红外图像列向条纹非均匀性校正，去除条纹非均匀性的同时能够保留图像边缘。

Description

一种基于转向核估计的红外条纹非均匀性校正方法

技术领域

本发明涉及一种红外成像系统图像处理技术，尤其涉及一种红外条纹非均匀性校正方法。

背景技术

由于工艺、材料以及器件工作环境等因素的限制，相同辐照度下红外探测器像元响应不完全一致，造成红外图像存在非均匀性的问题。其中，红外扫描线列和非制冷凝视型焦平面的读出电路考虑到工艺和成本的因素通常采用列输出的方式，表现出的图像噪声主要是列向条纹状为主的非均匀性干扰。

通常在一定的光照范围内，红外探测器在列向条纹非均匀性干扰下像元响应近似为线性模型：

，

其中是（）的真实像素值；是该点观测到的非均匀性像素值，和分别表示第列像元的增益和偏置系数；表示随机噪声。

非均匀性校正可视为将观测值按照线性模型映射到估计值的过程，非均匀性校正方法主要有基于定标源和基于场景自适应校正两大类。前者是目前常用的校正方法，在校正前需要特定的定标辐射源；后者不需要使用定标源即可完成，成为该领域的研究重点。目前基于场景的自适应校正方法主要包括人工神经网络和恒定统计评价法等，其缺点是算法收敛性受迭代步长和初始值的影响，算法计算量相对较大。针对红外条纹非均匀性校正方法多利用到图像序列之间的相关性，比如任建乐等人在《基于配准的红外焦平面阵列条纹非均匀性校正》一文中提出基于配准的校正方式，在同一红外探测器相邻两帧相同场景亮度恒定不变的假设下，得到校正参数，算法在精确配准的图像序列之间能够有效去除条纹非均匀性，但是算法对于配准的精度有较高要求。

因此，如何通过红外单幅图像更好地抑制条纹非均匀性仍然是一个值得深入的研究领域。

发明内容

本发明提供了一种基于转向核估计的红外条纹非均匀性校正方法，针对红外列向条纹非均匀性，利用转向核领域来表征像素点所在区域的边缘程度，将转向核估计的结果作为期望图像，将期望图像列向量和当前图像列向量之间采用最小二乘拟合，通过迭代求解各列的非均匀性校正参数，能够实现红外图像列向条纹非均匀性校正，去除条纹非均匀性的同时能够保留图像边缘。

本发明采用如下技术方案实现：

一种基于转向核估计的红外条纹非均匀性校正方法，其特征在于，包含以下步骤：

步骤1，读取一幅待校正的尺寸为的红外图像；计算每个像素点水平方向和垂直方向的一阶梯度、和二阶梯度；根据一阶梯度确定各像素点的转向核椭圆邻域和转向核权值；由转向核权值估计各像素点的期望值；其中是迭代次数，初始值为1，，；

步骤2，拟合非均匀性校正参数，将每列像素的当前估计结果与待校正图像的对应列像素进行一阶线性拟合，得到每列的增益校正参数和偏置校正参数；

步骤3，根据每列的增益校正参数和偏置校正参数校正图像，并计算校正后的图像与转向核估计图像之间的误差函数，当误差函数时，迭代结束，为预先设定的阈值；否则重复步骤1，并更新迭代次数。

上述的基于转向核估计的红外条纹非均匀性校正方法，其中所述步骤1还包含以下步骤：

步骤1.1，由各像素点水平方向和垂直方向的一阶梯度、形成局部梯度矩阵；

步骤1.2，对局部梯度矩阵进行奇异值分解，分解值用三个特定矩阵表示为，其中是正交矩阵，正交矩阵形式用表示，和为正交矩阵参数；是奇异值对角矩阵，对角矩阵形式用表示，和为奇异值对角矩阵参数；是酉矩阵；

步骤1.3，确定转向核椭圆邻域的主方向、伸长因子和尺度因子：

，，，

其中和是抑制噪声的正则化因子，是邻域窗口内的像素总数；

步骤1.4，由转向核椭圆邻域的尺度因子、伸长因子和椭圆邻域主方向共同计算转向核矩阵，转向核权值，，其中是平滑因子，表示求矩阵的行列式，代表的椭圆邻域；

步骤1.5，根据转向核权值来估计各像素期望值的过程采用向量的形式表示为：

其中，，，为各像素点的期望值，其中是迭代次数，初始值为1，，，，表示将矩阵元素变换为列向量，和分别是图像高度和宽度。

上述的基于转向核估计的红外条纹非均匀性校正方法，其中所述步骤2中拟合列向条纹非均匀性校正参数，是将非均匀性校正公式作为目标函数，将当前期望图像第列向量和图像对应列向量采用最小二乘法进行一阶线性拟合，每列增益校正参数和偏置校正参数拟合公式为： ，其中为第行第列的像素校正后的值。

本发明具有以下积极效果：

本发明针对条纹非均匀性的特殊性，利用多项式拟合校正方式的原理，将同列像素视作相同探测单元产生的不同福照度数据，并将通过转向核估计的当前图像值视作不同输出辐照度下的均值，采用最小二乘拟合的方式得到满足误差阈值的校正后的图像。本发明方法简单，不需要定标源，由最小二乘拟合来保证收敛性，达到抑制非均匀性的效果，并且去除条纹非均匀性的同时能够保留图像边缘。

附图说明

图1为本发明一种基于转向核估计的红外条纹非均匀性校正方法的流程图；

图2为本发明一种基于转向核估计的红外条纹非均匀性校正方法的转向核邻域与奇异值分解系数的关系示意图；

图3（a）为本发明一种基于转向核估计的红外条纹非均匀性校正方法典型实施例中采集到的具有列向条纹非均匀性的红外中波图像的示意图；

图3（b）为本发明一种基于转向核估计的红外条纹非均匀性校正方法典型实施例中像素点LOC1的转向核椭圆邻域示意图；

图3（c）为本发明一种基于转向核估计的红外条纹非均匀性校正方法典型实施例中像素点LOC2的转向核椭圆邻域示意图；

图3（d）为本发明一种基于转向核估计的红外条纹非均匀性校正方法典型实施例中像素点LOC3的转向核椭圆邻域示意图；

图3（e）为本发明一种基于转向核估计的红外条纹非均匀性校正方法典型实施例中像素点LOC4的转向核椭圆邻域示意图；

图3（f）为本发明一种基于转向核估计的红外条纹非均匀性校正方法典型实施例中像素点LOC5的转向核椭圆邻域示意图；

图3（g）为本发明一种基于转向核估计的红外条纹非均匀性校正方法典型实施例中像素点LOC6的转向核椭圆邻域示意图；

图4（a）为本发明一种基于转向核估计的红外条纹非均匀性校正方法实施例中具有列向条纹非均匀性的红外中波原始图像；

图4（b）为本发明一种基于转向核估计的红外条纹非均匀性校正方法实施例中校正效果图像。

具体实施方式

以下结合附图，通过详细说明一个较佳的具体实施例，对本发明作进一步阐述。

如图1所示，本发明一种基于转向核估计的红外条纹非均匀性校正方法包含以下步骤：

步骤1：读取一幅待校正的尺寸为的红外图像；计算每个像素点水平方向和垂直方向的一阶梯度、和二阶梯度；根据一阶梯度确定各像素点的转向核椭圆邻域和转向核权值；由转向核权值估计各像素点的期望值；其中是迭代次数，初始值为1，，。

由于对图像预估实质是一个非线性滤波的过程，采用常规的邻域平均方式在平坦区域或高空间分辨率区域，预估前提成立；而在高频细节丰富的边缘区域，由于简单的平均不具有边缘保护的作用，估计精度较低。因此，需要采用具有边缘保留作用的滤波核，当靠近边缘时，核主方向为边缘方向，并且核的能量与边缘程度成正比。

上述的步骤1中，各像素点的转向核椭圆邻域和转向核权值的求解过程如下：

步骤1.1，由各像素点水平方向和垂直方向的一阶梯度、形成局部梯度矩阵。

步骤1.2，对局部梯度矩阵进行奇异值分解，分解值用三个特定矩阵表示为，其中是正交矩阵，正交矩阵形式用表示，和为正交矩阵参数，由具体分解过程确定；是奇异值对角矩阵，对角矩阵形式用表示，和为奇异值对角矩阵参数，由具体值分解过程确定；是酉矩阵。

步骤1.3，确定转向核椭圆邻域的主方向、伸长因子和尺度因子：

，，，

其中和是抑制噪声的正则化因子，是邻域窗口内的像素总数。如图2所示，即为转向轴椭圆邻域的半长轴，即为转向轴椭圆邻域的半短轴。

步骤1.4，由转向核椭圆邻域的尺度因子、伸长因子和椭圆邻域主方向共同计算转向核矩阵，转向核权值，，其中是平滑因子，表示求矩阵的行列式，代表的椭圆邻域。

步骤1.5，根据转向核权值来估计各像素期望值的过程采用向量的形式表示为：

其中，，，为各像素点的期望值，其中是迭代次数，初始值为1，，，，表示将矩阵元素变换为列向量，和分别是图像高度和宽度。

在本实施例中，采用从实际256×1的红外线列探测器采集到的红外图像。初迭代次数，设置估计误差阈值为。

将采集到的红外图像沿水平和垂直两个方向求取一阶梯度和二阶梯度，将每个像素周围4×4的邻域内的一阶梯度组成局部梯度矩阵，进行矩阵的奇异值分解，分解后的三组矩阵分别为：酉矩阵、奇异值对角矩阵和正交矩阵，后两个矩阵用于确定转向核椭圆邻域，椭圆邻域的主方向，伸长因子，尺度因子，和是抑制噪声的正则化因子，具体实施时分别取1和1E-7，=4×4是邻域窗口内的像素总数。图3（a）为红外线列探测器采集到的具有列向条纹非均匀性的红外中波图像的示意图，为了演示转向核椭圆邻域的效果，在图3（a）中标注了6个不同位置的像素点LOC1、LOC2…LOC6，图3（b）为计算得到的像素点LOC1~LOC6对应的不同转向核邻域。

根据椭圆邻域各参数求解各点所对应的转向核矩阵为：

对应像素点的转向核权值为：

，

其中是平滑因子，表示求矩阵的行列式，代表的椭圆邻域。

根据转向核权值来估计各像素期望值的过程采用向量的形式表示为：

其中，，，

，表示将矩阵元素变换为列向量，和分别是图像高度和宽度。

步骤2，拟合非均匀性校正参数，将每列像素的当前估计结果与待校正图像的对应列像素进行一阶线性拟合，得到每列的增益校正参数和偏置校正参数。

拟合的目标函数模型为，其中为第行第列的像素校正后的值，将当前期望图像第列向量和图像对应列向量采用最小二乘法进行一阶线性拟合，以最小化每列像素的误差平方和为前提：

将分别针对误差增益校正系数和偏置校正系数求导，简化得到的校正系数公式为：

。

步骤3，根据每列的增益校正参数和偏置校正参数校正图像，并计算校正后的图像与转向核估计图像之间的误差函数，当误差函数时，迭代结束，为预先设定的阈值；否则重复步骤1，并更新迭代次数。

本实施例中，根据对红外图像进行校正。计算校正后图像和此次迭代中转向核估计图像之间的误差，当误差大于本具体实施时确定的阈值时重新对校正后的图像进行转向核估计；否则，迭代停止，完成校正。

结合图4（a）和图4（b），图4（a）是具有列向条纹非均匀性的红外中波原始图像，图4（b）是应用本发明方法进行校正后的图像，迭代次数为24。可见本发明具有良好的红外条纹非均匀性校正效果。

综上所述，本发明针对红外列向条纹非均匀性，利用转向核邻域来表征像素点所在区域的边缘程度，将转向核估计的结果作为期望图像，将期望图像列向量和当前图像列向量之间采用最小二乘拟合，通过迭代求解各列的非均匀性校正参数，实现红外图像列向条纹非均匀性校正，并且去除条纹非均匀性的同时能够保留图像边缘。尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (2)

1.一种基于转向核估计的红外条纹非均匀性校正方法，其特征在于，包含以下步骤：

步骤1，读取一幅待校正的尺寸为的红外图像；计算每个像素点水平方向和垂直方向的一阶梯度、和二阶梯度；根据一阶梯度确定各像素点的转向核椭圆邻域和转向核权值；由转向核权值估计各像素点的期望值；其中是迭代次数，初始值为1，，；和分别是图像高度和宽度；

步骤2，拟合非均匀性校正参数，将每列像素的当前估计结果与待校正图像的对应列像素进行一阶线性拟合，得到每列的增益校正参数和偏置校正参数；

步骤3，根据每列的增益校正参数和偏置校正参数校正图像，并计算校正后的图像与转向核估计图像之间的误差函数，当误差函数时，迭代结束，为预先设定的阈值；否则重复步骤1，并更新迭代次数；

其中，所述步骤1还包含以下步骤：

步骤1.1，由各像素点水平方向和垂直方向的一阶梯度、形成局部梯度矩阵；

步骤1.2，对局部梯度矩阵进行奇异值分解，分解值用三个特定矩阵表示为，其中是正交矩阵，正交矩阵形式用表示，和为正交矩阵参数；是奇异值对角矩阵，对角矩阵形式用表示，和为奇异值对角矩阵参数；是酉矩阵；

步骤1.3，确定转向核椭圆邻域的主方向、伸长因子和尺度因子：

，，，

其中和是抑制噪声的正则化因子，是邻域窗口内的像素总数；

步骤1.4，由转向核椭圆邻域的尺度因子、伸长因子和椭圆邻域主方向共同计算转向核矩阵，转向核权值，，其中是平滑因子，表示求矩阵的行列式，代表的椭圆邻域；

步骤1.5，根据转向核权值来估计各像素期望值的过程采用向量的形式表示为：

其中，，，为各像素点的期望值，其中是迭代次数，初始值为1，，，，表示将矩阵元素变换为列向量。

2.如权利要求1所述的基于转向核估计的红外条纹非均匀性校正方法，其特

征在于，所述步骤2中拟合列向条纹非均匀性校正参数，是将非均匀性校正公式作为目标函数，将当前期望图像第列向量和图像对应列向量采用最小二乘法进行一阶线性拟合，每列增益校正参数和偏置校正参数拟合公式为： ，其中为第行第列的像素校正后的值。