CN103279947B - 一种基于单幅图像灰度特征的红外图像校正方法 - Google Patents

Abstract

本发明描述了一种基于单幅图像灰度特征的红外图像校正方法，该方法针对一种典型的宏观不均匀性模式的红外图像，提出了圆形均值特性曲线的概念来描述红外图像的不均匀性模式，并利用该曲线对不均匀性图像进行了校正。首先，对典型红外图像的黑体图像的圆形均值特性曲线进行了分析，得到不均匀性的分布特征，之后对待校正红外图像的圆形均值特性曲线进行滤波处理，以期望减少由于噪声与场景的干扰，然后，对滤波后的圆形均值特性曲线做基于分布特征的拟合；最后利用拟合曲线对待校正的红外图像进行不均匀性的校正；由于红外图像的不均匀性特征可以很好的由圆形均值特性曲线给出，利用该方法可以得到较好的校正效果。

Description

一种基于单幅图像灰度特征的红外图像校正方法

技术领域：

本发明属于红外成像与图像处理领域，特别涉及一种基于单幅图像灰度特征的红外图像校正方法。该方法可用于典型的红外成像系统，易于硬件实现，可广泛应用于工业以及民用红外成像系统等领域，并提供简单有效的图像前端处理。

背景技术：

红外成像阵列是当今应用最广泛的红外探测技术，目前已经广泛的应用于工业、军用与民用技术领域的红外成像系统。该技术对温度变化极为敏感，利用目标与周围背景之间的温差来提取目标性状等相关信息。但由于红外成像器材对温度敏感的特性，相关器材与工艺很难保证每一个成像单元对于相同输入都有相同的响应，这就造成了成像的不均匀性，而且这样的特性工作时间较长后还会累积，严重影响了成像的质量。这样的不均匀性还会影响图像的后端处理，一般的图像增强算法会对不均匀性进行放大，甚至淹没图像场景的信息。因此图像的不均匀性的抑制已经成为一个迫切需要解决的问题。相关的研究人员也提出了一些算法，主要利用标定的方法，通过对连续帧相关性的计算，给出了成像单元的分布规律，对不均匀性的校正有一定的效果。

对于单帧图像，目前还没有专门对应的校正方法，并且理论上也很难实现。

发明内容：

本发明的目的在于提出了一种基于单帧图像的场景红外图像校正方法，对于单帧的图像进行简便的不均匀性校正。该方法提出了圆形均值特性曲线的概念，并通过相应的曲线特征，通过简便的运算，能够实现不均匀性的校正。

为了达到上述目的，本发明采用以下技术方案予以实现：

一种基于单帧图像灰度特征的红外图像校正方法，包括以下步骤：

步骤一：通过红外成像器材采集场景图像；

步骤二：计算步骤一采集的场景图像的圆形均值特性曲线G(r)；

步骤三：对圆形均值特性曲线G(r)进行中值滤波，得到中值滤波后圆形均值特性曲线G'(r)；

步骤四：对中值滤波后圆形均值特性曲线进行拟合；

步骤五：利用步骤四拟合后曲线对步骤一采集的场景图像进行校正。

本发明进一步的改进在于：所述基于单帧图像灰度特征的红外图像校正方法具体包括以下步骤：

步骤一：通过红外成像器材采集场景图像，大小为m*n；

步骤二：用公式（2）求得步骤一采集的场景图像的圆形均值特性曲线G(r)；

$G\left(r\right)=\underset{x^2+y^2\∈(r^2,r^2+1)}{\mathrm{\Σ}}f(x,y),r=0,\·\·\·,\sqrt{{(m/2)}^2+{(n/2)}^2}---\left(2\right)$

其中，f代表m*n的图像，f(x,y)表示图像中坐标为(x,y)的点，f(0,0)为图像中心；

步骤三：用公式（4）对圆形均值特性曲线G(r)进行中值滤波，得到中值滤波后圆形均值特性曲线G'(r)；

G'(r)=medfilt(G(r))（4）

步骤四：使用公式（3）作为不均匀性的模型，通过方法一或方法二对场景图像的中值滤波后圆形均值特性曲线进行拟合；

H(r)=ar³+b；（3）

其中，H(r)为不均匀性特征；b为均匀红外图像中心区域灰度值，a为待定系数；

方法一：利用公式（5）与最小二乘法对场景图像的中值滤波后圆形均值特性曲线进行拟合；

$\tilde{b}=\underset{r=1}{\overset{r_a}{\mathrm{\Σ}}}{G}^{\′}\left(r\right)---\left(5\right)$

$b\∈[\tilde{b}-n,\tilde{b}+n]$

为参数b的估计值，在范围内，每一个b可能的参数代入中值滤波后圆形均值特性曲线中，利用最小二乘法求得对应最合适的参数a，并对其进行比较，得到误差的方差和最小的一组参数a与b；

方法二：直接使用公式（6）对场景图像的中值滤波后圆形均值特性曲线进行拟合；

选取中值滤波后圆形均值特性曲线G'(r)中任意两个点(r₁,G'(r₁)),(r₂,G'(r₂))带入公式（6）中，求得参数a与b：

$\left\{\begin{array}{c}{G}^{\′}\left(r_1\right)={{\mathrm{ar}}_1}^3+b\\ G^{\′}\left(r_2\right)={{\mathrm{ar}}_2}^3+b\end{array}\right.---\left(6\right)$

步骤五：利用求得的不均匀性模型H(r)的参数a和b代入公式（7）得到误差图像E：

$E(x,y)=a{(x^2+y^2)}^{\frac{3}{2}}+b---\left(7\right)$

误差图像E与步骤一采集的场景图像做差。

本发明进一步的改进在于：步骤三中中值滤波窗口长度为5。

本发明进一步的改进在于：步骤三中，点(r₁,G'(r₁)),(r₂,G'(r₂))满足

$|r_1-r_2|\≥\frac{\sqrt{{(m/2)}^2+{(n/2)}^2}}{2}.$

本发明进一步的改进在于：步骤四中将每一个b可能的参数代入中值滤波后圆形均值特性曲线中时，步长为1。

本发明中对红外图像提出圆形均值特性曲线的概念，并依此作为红外图像不均匀性的特征；

本发明所述输入的红外图像的圆形分布的均值特性曲线即：

以图像中心为原点，圆半径为自变量，计算圆半径所在圆环的像素均值，记做G(r)。

$G\left(r\right)=\underset{x^2+y^2\∈(r^2,r^2+1)}{\mathrm{\Σ}}f(x,y),r=0,\·\·\·,\sqrt{{(m/2)}^2+{(n/2)}^2}---\left(1\right)$

其中，f代表输入尺寸为m*n的图像，f(x,y)表示图像中坐标为(x,y)的点，f(0,0)为图像中心；

对红外不均匀黑体图像求得其圆形特性均值曲线，通过对该曲线的分析，得到不均匀性的特征分布曲线，并求得近似的解析式解；

①计算含有不均匀性的黑体红外图像的圆形均值特性曲线，记为G(r)：

$G\left(r\right)=\underset{x^2+y^2\∈(r^2,r^2+1)}{\mathrm{\Σ}}f(x,y),r=0,\·\·\·,\sqrt{{(m/2)}^2+{(n/2)}^2}---\left(2\right)$

其中，f代表m*n的图像，f(x,y)表示图像中坐标为(x,y)的点，f(0,0)为图像中心；

②利用常用解析曲线（多项式曲线、指数对数曲线、三角函数曲线等）来对圆形均值特性曲线进行拟合，找出最合适的简单解析曲线，这里实验得出三次曲线可以很好的模拟典型的圆形均值特性曲线。由于曲线0点对应的图像中心，为不均匀性最小的地方，即其他图像区域是以中心为基准的，故这样的三次曲线是过图像中心所在灰度的，由于典型的不均匀性特征是由中心到四周是单调的，故拟合采用的三次曲线没有一次项和二次项，可以表示为：

H(r)=ar³+b；（3）

其中，b为均匀红外图像中心区域灰度值，a为待定系数，根据场景图像的不同有不同的取值。

对含有宏观不均匀性的红外场景图像求得其圆形均值特性曲线，并对该曲线做中值滤波处理，以避免噪声与场景的干扰；

在场景图像的圆形均值特性曲线中，求得其中值滤波曲线，以避免场景与噪声对圆形均值特性曲线的影响，即：

G'(r)=medfilt(G(r))（4）

这里中值滤波medfilt的长度取为5。

对滤波后曲线做基于步骤2中得到的不均匀性特性的曲线拟合；

根据步骤2中得到场景图像不均匀性的特征为三次曲线，这样可以利用三次曲线对场景图像的圆形均值特性曲线进行拟合。拟合可以采用最小二乘法：即选取不同的参数a与b，求得与原圆形均值特性曲线误差的平方和最小的曲线。这里为了减少计算量，首先对参数b进行了估计，即：

由于图像中心是整幅图像中不均匀性最小的区域，故可以利用图像中心的均值做为参数b的估计，并将该均值附近的一个范围作为参数b可能的取值，即：

$\tilde{b}=\underset{r=1}{\overset{r_a}{\mathrm{\Σ}}}{G}^{\′}\left(r\right)---\left(5\right)$

并认为 $b\∈[\tilde{b}-n,\tilde{b}+n]$

这里为参数b的估计值，在范围内，每一个b可能的参数代入曲线中（步长为1），利用最小二乘法求得对应最合适的参数a，并对其进行比较，得到误差的方差和最小的一组参数a与b。

这里为了减少计算量，利用待定系数法，即首先对原圆形均值特性曲线进行中值平滑滤波，再选取曲线中两个点(r₁,G'(r₁)),(r₂,G'(r₂))带入三次曲线中，求得参数a与b，即解方程组：

$\left\{\begin{array}{c}{G}^{\′}\left(r_1\right)={{\mathrm{ar}}_1}^3+b\\ G^{\′}\left(r_2\right)={{\mathrm{ar}}_2}^3+b\end{array}\right.,---\left(6\right)$

解得参数a,b后，H(r)=ar³+b便为所求的不均匀性特征。之后利用该式对图像进行校正即可。

利用步骤4中的到的拟合曲线作为待校正的红外图像的不均匀性模型，代入原图进行校正。

利用步骤四得到的场景图像不均匀性特征H(r)=ar³+b，得到一幅仅有不均匀性的图像，即对于图像上任意一点，计算其到图像中心的距离r，都满足式H(r)=ar³+b。将这样的一幅图像记做E，即：

$E(x,y)=a{(x^2+y^2)}^{\frac{3}{2}}+b;---\left(7\right)$

然后将原图与这样的不均匀性图像做差，即可得到校正图像。

相对于现有技术，本发明具有以下优点：本发明方法针对一种典型的宏观不均匀性模式的红外图像，提出了圆形均值特性曲线的概念来描述红外图像的不均匀性模式，并利用该曲线对不均匀性图像进行了校正；由于红外图像的不均匀性特征可以很好的由圆形均值特性曲线给出，利用该方法可以得到较好的校正效果。

附图说明：

图1是基于单帧红外图像灰度信息的不均匀性校正方法的总体流程图；

图2是红外成像器材采集的黑体成像得到的图像；

图3是红外成像器材采集的场景图像；

图4是进行校正后的场景图像；

图5是场景图像的圆形均值特性曲线和其拟合曲线。

具体实施方式：

下面结合附图对本发明做进一步详细描述：

本发明通过对一幅由典型红外成像器材得到的288*384的图像进行处理来说明本发明方法。图2为对一黑体成像得到的图像，图3为对一场景成像得到的图像，图像中包含明显的不均匀性特征，图3中还包含了大量的场景信息。

请参阅图1所示，本发明一种基于单帧图像的场景红外图像校正方法，包括以下步骤：

步骤一：通过红外成像器材采集场景图像，大小为m*n；

步骤二：用公式（2）求得步骤一采集的场景图像的圆形均值特性曲线G(r)；

$G\left(r\right)=\underset{x^2+y^2\∈(r^2,r^2+1)}{\mathrm{\Σ}}f(x,y),r=0,\·\·\·,\sqrt{{(m/2)}^2+{(n/2)}^2}---\left(2\right)$

其中，f代表m*n的图像，f(x,y)表示图像中坐标为(x,y)的点，f(0,0)为图像中心；

步骤三：用公式（4）对圆形均值特性曲线G(r)进行中值滤波，得到中值滤波后圆形均值特性曲线G'(r)；

G'(r)=medfilt(G(r))（4）

这里中值滤波窗口长度取为5，以期望滤除圆形均值特性曲线G(r)上宽度小于3的噪声与错误，以便更准确的求得拟合曲线。

步骤四：使用公式（3）作为不均匀性的模型，利用公式（5）与最小二乘法或者直接使用公式（6）对场景图像的中值滤波后圆形均值特性曲线进行拟合，图5中给出了曲线的拟合情况；

H(r)=ar³+b；（3）

其中，H(r)为不均匀性特征；b为均匀红外图像中心区域灰度值，a为待定系数，根据场景图像的不同有不同的取值；

$\tilde{b}=\underset{r=1}{\overset{r_a}{\mathrm{\Σ}}}{G}^{\′}\left(r\right)---\left(5\right)$

$b\∈[\tilde{b}-n,\tilde{b}+n]$

这里为参数b的估计值，在范围内，每一个b可能的参数代入中值滤波后圆形均值特性曲线中（步长为1），利用最小二乘法求得对应最合适的参数a，并对其进行比较，得到误差的方差和最小的一组参数a与b。

这里为了减少计算量，利用待定系数法，即首先对原圆形均值特性曲线进行中值平滑滤波，再选取中值滤波后圆形均值特性曲线G'(r)中任意两个点(r₁,G'(r₁)),(r₂,G'(r₂))带入三次曲线中，求得参数a与b，即解方程组：

$\left\{\begin{array}{c}{G}^{\′}\left(r_1\right)={{\mathrm{ar}}_1}^3+b\\ G^{\′}\left(r_2\right)={{\mathrm{ar}}_2}^3+b\end{array}\right.,---\left(6\right)$

解得参数a,b后，H(r)=ar³+b便为所求的不均匀性特征。

优选，点 $|r_1-r_2|\≥\frac{\sqrt{{(m/2)}^2+{(n/2)}^2}}{2}.$

这里使用的方法为最小二乘法，这样需要确定公式（3）中的两个参数，这里使用公式（5）来对第二个参数求得一个估计值，并限制其在一个区间内，这样可以减少大量的运算。如果不需要十分精确的估计，使用公式（6）直接选择圆形均值特性曲线上两点进行待定系数法求得两个参数也是可以的。

步骤五：利用求得的不均匀性模型H(r)的参数a和b代入公式（7）得到误差图像E：

$E(x,y)=a{(x^2+y^2)}^{\frac{3}{2}}+b---\left(7\right)$

并利用误差图像E对步骤一采集的场景图像进行校正，方式是将误差图像E与步骤一采集的场景图像做差。

通过图4可以看出本发明的不均匀性校正方法已经使得图像的不均匀性得到较大的改进，视觉效果得到了较大的改进。

Claims (4)

1.一种基于单帧图像灰度特征的红外图像校正方法，其特征在于，包括以下步骤：

步骤一：通过红外成像器材采集场景图像，大小为m*n；

步骤二：用公式(2)求得步骤一采集的场景图像的圆形均值特性曲线G(r)；

$G\left(r\right)=\underset{x^2+y^2\∈(r^2,y^2+1)}{\mathrm{\Σ}}f(x,y),r=0,\·\·\·,\sqrt{{(m/2)}^2+{(n/2)}^2}---\left(2\right)$

其中，f代表m*n的图像，f(x,y)表示图像中坐标为(x,y)的点，f(0,0)为图像中心；

步骤三：用公式(4)对圆形均值特性曲线G(r)进行中值滤波，得到中值滤波后圆形均值特性曲线G'(r)；

G'(r)＝medfilt(G(r))(4)

步骤四：使用公式(3)作为不均匀性的模型，通过方法一或方法二对场景图像的中值滤波后圆形均值特性曲线进行拟合；

H(r)＝ar³+b；(3)

其中，H(r)为不均匀性特征；b为均匀红外图像中心区域灰度值，a为待定系数；

方法一：利用公式(5)与最小二乘法对场景图像的中值滤波后圆形均值特性曲线进行拟合；

$\tilde{b}=\underset{r=1}{\overset{r_a}{\mathrm{\Σ}}}{G}^{\′}\left(r\right)---\left(5\right)$

$b\∈[\tilde{b}-n,\widetilde{b+n}]$

为参数b的估计值，在范围内，每一个b可能的参数代入中值滤波后圆形均值特性曲线中，利用最小二乘法求得对应最合适的参数a，并对其进行比较，得到误差的方差和最小的一组参数a与b；

方法二：直接使用公式(6)对场景图像的中值滤波后圆形均值特性曲线进行拟合；

选取中值滤波后圆形均值特性曲线G'(r)中任意两个点(r₁,G'(r₁)),(r₂,G'(r₂))带入公式(6)中，求得参数a与b：

$\left\{\begin{array}{c}{G}^{\′}\left(r_1\right)={{\mathrm{ar}}_1}^3+b\\ G^{\′}\left(r_2\right)={{\mathrm{ar}}_2}^3+b\end{array}\right.---\left(6\right)$

步骤五：利用求得的不均匀性模型H(r)的参数a和b代入公式(7)得到误差图像E：

$E(x,y)=a{(x^2+y^2)}^{\frac{3}{2}}+b---\left(7\right)$

误差图像E与步骤一采集的场景图像做差。

2.根据权利要求1所述的一种基于单帧图像灰度特征的红外图像校正方法，其特征在于，步骤三中中值滤波窗口长度为5。

3.根据权利要求1所述的一种基于单帧图像灰度特征的红外图像校正方法，其特征在于，步骤三中，点(r₁,G'(r₁)),(r₂,G'(r₂))满足。

4.根据权利要求1所述的一种基于单帧图像灰度特征的红外图像校正方法，其特征在于，步骤四中将每一个b可能的参数代入中值滤波后圆形均值特性曲线中时，步长为1。