CN104240206A - 非制冷红外焦平面探测器图像处理系统及方法 - Google Patents

Abstract

本发明公开了一种非制冷红外焦平面探测器图像处理系统及方法，它包括非均匀性校正方法、盲元校正方法、图像滤波去噪方法、图像增强方法和伪彩变换方法。本发明提供一种非制冷红外焦平面探测器图像处理系统及方法，该方法能够对图像的非均匀性和无效像元进行处理，提高红外成像时的实际温度高分辨率，能够对图像的噪声、图像对比度、图像灰度范围进行处理，使得图像清晰。

Description

非制冷红外焦平面探测器图像处理系统及方法

技术领域

本发明涉及一种非制冷红外焦平面探测器图像处理系统及方法。

背景技术

红外成像电子学组件是热成像系统的重要组成部分，其肩负着充分发挥红外焦平面探测器性能、将红外焦平面探测器输出的电信号经过处理转化为视频信号或者其它系统规定格式的信号的功能。红外成像电子学组件则包括硬件系统和图像处理算法两大部分，由于当前硬件系统平台已经十分完善，因此红外图像处理技术成为成像电子学组件的重要研究内容。红外图像处理技术需要针对红外图像的具体特点而开展。受限于红外探测器的制作工艺难度和材料纯度影响，红外图像主要存在如下几个共性问题：第一，红外成像受非均匀性及无效像元的影响，实际温度分辨率不高；第二，红外成像普遍存在噪声大、图像对比度低、灰度范围窄的现象。

针对上述缺陷，需要提供一种系统的方法对红外图像进行处理。

发明内容

本发明的目的在于克服现有技术的不足，提供一种非制冷红外焦平面探测器图像处理系统及方法，该方法能够对图像的非均匀性和无效像元进行处理，提高红外成像时的实际温度高分辨率，能够对图像的噪声、图像对比度、图像灰度范围进行处理，使得图像清晰。

本发明的目的是通过以下技术方案来实现的：非制冷红外焦平面探测器图像处理系统及方法，它包括非均匀性校正方法、盲元校正方法、图像滤波去噪方法、图像增强方法和伪彩变换方法；

所述的非均匀性校正方法包括两点线性非均匀校正和基于目标、环境的二元非线性非均匀校正，其中两点线性非均匀校正包括以下子步骤：

S101：使焦平面通过光学系统与平面黑体源对准，黑体辐射均匀照射在红外焦平面阵列上，并充满焦平面的整个视场；

S102：控制黑体辐射源的温度在TL；

S103：测量焦平面每个探测元的响应值y_ij(φ_L)，该测量值在一个预先设定的曝光时间内完成，响应值存储在第一存储单元；

S104：重复步骤S103，在大量设定的时间内完成大量的测试数据，重复次数为8～10次；

S105：计算每个探测元在TL下的响应平均值

S106：计算所有探测元的响应值的平均值V_L；

S107：设置黑体辐射源的温度在TH，且TL<TH；

S108：重复步骤S103～S106，计算每一探测元在温度TH下的响应平均值及所有探测元的响应平均值V_H；

S109：计算每一探测元的校正增益G_ij和偏移量O_ij，分别存储在查找表(LUT)内，以供校正时取用；

$G_{\mathrm{ij}}=\frac{V_H-V_L}{{\stackrel{\&OverBar;}{y}}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_H\right)-{\stackrel{\&OverBar;}{y}}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_L\right)},$

$O_{\mathrm{ij}}=\frac{V_H{y}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_L\right)-V_L{y}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_H\right)}{{\stackrel{\&OverBar;}{y}}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_L\right)-{\stackrel{\&OverBar;}{y}}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_H\right)};$

S110：根据查找表(LUT)内的增益和偏移量系数，对红外图像进行校正，得到校正后输出y_ij(n),

y_ij(n)＝G_ij(n)x_ij(n)+O_ij(n)；

x_ij(n)为n时刻像素(i，j)非均匀性校正前的输出，y_ij(n)为n时刻像素(i，j)两点非均匀性校正后的输出；

基于目标、环境的二元非线性非均匀校正包括以下子步骤：

S121：使红外焦平面探测器通过光学系统与平面黑体源对准，黑体辐射均匀照射在红外焦平面探测器阵列上，并充满红外焦平面探测器的整个视场，并将黑体辐射源的温度控制在某一温度定标点上；

S122：在一个温度范围内的八个定标点温度条件下，很到八组红外焦平面探测器的各个探测单元的响应值；

S123：在每一定标温度点上对于整个红外焦平面探测器的所有探测单元的响应值进行平均，获得其在八个温度定标点处的八个平均响应值；

S124：对前两步获得的8组定标点响应数据和平均响应值进行最小二乘曲线拟合，获得每个探测单元的校正参数e、g、h，并将这些校正参数保存；

S125：最后对需要进行校正的图像数据带入校正函数Z′＝eZ²+gZ²+h，进行非线性非均匀性校正输出；

所述的盲元校正方法包括如下子步骤：

S201：对图像进行检测，在有盲元的地方作标记，作为查找表存放在RMA中；

S202：计算盲元点3*3窗口灰度的平均值，

$P22=\frac{\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{3}{\mathrm{\&Sigma;}}}\mathrm{Aij}*\mathrm{Fij}*\mathrm{Pij}}{\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{3}{\mathrm{\&Sigma;}}}\mathrm{Aij}*\mathrm{Fij}}$

其中Aij为各像素点的贡献因子

S203：将得到的平均值作为本盲元的输出；

所述的图像滤波去噪方法包括快速中值滤波和带阈值的均值滤波，其中，快速中值滤波包括如下子步骤：

S301：将图像的像素点进行从左到右，从上到下的依次排序，定义有N列，有M行，则第N列M行的像素为X_MN；

S302：比较每一行的像素，得到每一行的最大值、中间值和最小值；

最大值为：Max＝max{X_M1，...,X_MN}；

中间值为：Med＝med{X_M1，...,X_MN}；

最小值为：Min＝min{X_M1，...,X_MN}；

其中M为1～M的任一整数；

S303：分别比较各行的最大值，中间值和最小值，得到最大值中的最小值、中间值中的中间值和最小值中的最大值；

Min_of_max＝min{Max}；

Med_of_med＝med{Med}；

Max_of_min＝max{Min}；

S304：比较S303中得到最大值中的最小值、中间值中的中间值和最小值中的最大值，得到中间值，该中间值就是最终的滤波结果；

Meddata＝med{Min_of_max，Med_of_med，Max_of_min}；

所述的带阈值的均值滤波包括如下子步骤：

S321：将图像的像素点进行从左到右，从上到下的依次排序，定义有j列，有i行，则第j列i行的像素为Pij；

S322：当前处理点为P1j，设定累加初值tot_P＝P1j，像素计数count_P＝1；

S323：计算周围点与P1j的差值的绝对值，ABSij＝abs(P1j-Pij)其中Pij为周围像素点；

S324：如果ABSij<Threshold,则tot_P＝tot_P+Pij,count_P＝count_P+1；

S325：遍历完周围所有点后，out_P1j＝tot_P/count_P；

所述的图像增强方法包括双阈值增强和边缘增强；所述的双阈值增强包括双阈值映射和双阈值自适应增强两部分，双阈值增强包括如下子步骤：

S401：统计原始图像中各个灰度级的像素点个数a(n)，计算并构建原始直方图。

S402遍历原始直方图，剔除截断阈值rT(通常取rT＝max[a(n)]/100)以下的冗余灰度级，并映射得到新直方图的各灰度级k，k∈[1,Lth]，其中

$L_{\mathrm{th}}=\underset{n=0}{\overset{255}{{\mathrm{\&lambda;}}_n}},{\mathrm{\&lambda;}}_n=\left\{\begin{array}{cc}1& a\left(n\right)\&GreaterEqual;r_D\\ 0& a\left(n\right)<r_D\end{array}\right.$

S403：采用分界阈值选取方法，自适应地选取新得到直方图的rD。

S404：根据rD，运用下式进行分界阈值映射，得到映射后的灰度η。

$\mathrm{\&eta;}=\left\{\begin{array}{cc}k& k\&le;r_D\\ r_D+(255-r_D)(k-r_D)/(L_{\mathrm{th}}-r_D)& k>r_D\end{array}\right.$

S405：遍历图像，对照截断阈值映射后的灰度级k，将分界阈值映射后的各灰度级η映射到相应的像素点，而被剔除的冗余灰度级的对应像素点灰度则用最小的像素点对应灰度代替；

S406：使用小波函数wavedec2对已得到的图像进行二维离散多分辨率分解，选择的小波基为db8，分解为两层；

S407：对分解得到的高频系数做自适应增强处理，

$\left\{\begin{array}{cc}{W}_{\mathrm{ij}}& W_{\mathrm{ij}}>r_T\\ \frac{r_T-G\&CenterDot;r_D}{r_T-r_D}\&CenterDot;(W_{\mathrm{in}}-r_T)+r_T& r_D<W_{\mathrm{in}}<r_T\\ G\&CenterDot;W_{\mathrm{in}}& -r_D\&le;W_{\mathrm{ij}}\&le;r_T\\ \frac{r_T-G\&CenterDot;r_D}{r_T-r_D}\&CenterDot;(W_{\mathrm{in}}+r_T)-r_T& -r_D\&le;W_{\mathrm{in}}\&le;{-r}_T\\ W_{\mathrm{in}}& W_{\mathrm{in}}<{-r}_T\end{array}\right.$

式中：G为增益因子；Win和Wout为变换前后的小波系数，G与噪声显著性指数g的关系为

$G=\left\{\begin{array}{cc}{G}_{\max }& g\&le;g_1\\ \frac{G_{\max }}{g_1-g_2}& g_1<g<g_2\\ 0& g\&GreaterEqual;g_2\end{array}\right.$

式中：g1和g2分别为门限阈值(g1<g2)；

S408：对低频系数采用线性调节方式来调节对比度，实现对图像的增强处理；

边缘增强包括以下子步骤：

S411：对原始红外图像进行拉普拉斯变换，获得边缘图像f_B(x,y)；

S412：将平台直方图均衡化后的图像f_T(x,y)乘以一个经验系数得到处理后图像；

S413：将处理后图像与边缘图像叠加生成红外图像f_dj(x,y)，

$f_{\mathrm{dj}}(x,y)=\&PartialD;*f_T(x,y)+f_B(x,y);$

S414：对叠加后的灰度值进行限制得到最终的红外图像f_N(x,y)，

$f_N(x,y)=\left\{\begin{array}{cc}0& f_{\mathrm{dj}}(x,y)<0\\ f_{\mathrm{dj}}(x,y)& 0\&le;f_{\mathrm{dj}}(x,y)\&le;255\\ 255& f_{\mathrm{dj}}(x,y)>255\end{array}\right.;$

所述的伪彩变换方法包括密度分割、空间域灰度级-彩色变换和频率域伪彩色增强；

其中，所述的密度分割是对图像亮度范围进行分割，使一定亮度间隔对应于某一类地物或几类地物，从而有利于图像的增强和分类，并且为每个区间指定一种彩色，从而将灰度图像变成一幅伪彩色图像；

所述的空间域灰度级-彩色变换根据色度学原理，将原图像的灰度分段经过红、绿、蓝三种不同变换，变成三基色分量，然后用它们分别去控制彩色显示器的红、绿、蓝电子枪，便可以在彩色显示器的屏幕上合成一幅彩色图像；

所述的频率域伪彩色增强先把黑白图像经傅立叶变换到频率域，在频率域内三个不同传递特性的滤波器分离成三个独立分量，然后对它们进行逆傅立叶变换，便得到三幅代表不同频率分量的单色图像，接着对这三幅图像进行直方图均衡化，最后将它们作为三基色分量分别加到彩色显示器的红、绿、蓝显示通道，从而实现频率域分段的伪彩色增强。

所述的盲元校正方法中步骤S202中若有连续的盲元存在，则周边盲元不进行统计，只统计正常像素点的平均值，且贡献因子A_ij可配置。

所述的图像增强方法中的步骤S401中获得边缘图像的拉普拉斯变换边缘提取算子为一个3*3的滤波器，其为：

$\left\{\begin{array}{ccc}0& -1& 0\\ -1& 4& -1\\ 0& -1& 0\end{array}\right\}.$

本发明的有益效果是：本发明提供一种非制冷红外焦平面探测器图像处理系统及方法，该方法能够对图像的非均匀性和无效像元进行处理，提高红外成像时的实际温度高分辨率，能够对图像的噪声、图像对比度、图像灰度范围进行处理，使得图像清晰。

附图说明

图1为图像处理方法框图；

图2为两点线性非均匀性校正流程图；

图3为非均匀性校正红外像素响应示意图；

图4为基于目标、环境的二元非线性非均匀性校正流程图；

图5为盲元校正流程图；

图6为快速中值滤波去噪流程图；

图7为带阈值均值滤波去噪流程图；

图8为双阈值自适应图像增强流程图；

图9为边缘图像增强流程图；

图10为伪彩变换方法框图；

图11为密度分割空间示意图；

图12为密度分割平面示意图；

图13为典型的空间域灰度级-彩色变换函数；

图14为红、绿、蓝三种变换函数和相互关系图；

图15为频率域伪彩色增强框图。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

如图1所示，非制冷红外焦平面探测器图像处理系统及方法，它包括非均匀性校正方法、盲元校正方法、图像滤波去噪方法、图像增强方法和伪彩变换方法；

如图2所示，所述的非均匀性校正方法包括两点线性非均匀校正和基于目标、环境的二元非线性非均匀校正，其中两点线性非均匀校正包括以下子步骤：

S101：使焦平面通过光学系统与平面黑体源对准，黑体辐射均匀照射在红外焦平面阵列上，并充满焦平面的整个视场；

S102：控制黑体辐射源的温度在TL；

S103：测量焦平面每个探测元的响应值y_ij(φ_L)，该测量值在一个预先设定的曝光时间内完成，响应值存储在第一存储单元；

S104：重复步骤S103，在大量设定的时间内完成大量的测试数据，重复次数为8～10次；

S105：计算每个探测元在TL下的响应平均值

S106：计算所有探测元的响应值的平均值V_L；

S107：设置黑体辐射源的温度在TH，且TL<TH；

S108：重复步骤S103～S106，计算每一探测元在温度TH下的响应平均值及所有探测元的响应平均值V_H；

S109：计算每一探测元的校正增益G_ij和偏移量O_ij，分别存储在查找表(LUT)内，以供校正时取用；

$G_{\mathrm{ij}}=\frac{V_H-V_L}{{\stackrel{\&OverBar;}{y}}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_H\right)-{\stackrel{\&OverBar;}{y}}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_L\right)},$

$O_{\mathrm{ij}}=\frac{V_H{y}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_L\right)-V_L{y}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_H\right)}{{\stackrel{\&OverBar;}{y}}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_L\right)-{\stackrel{\&OverBar;}{y}}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_H\right)};$

S110：根据查找表(LUT)内的增益和偏移量系数，对红外图像进行校正，得到校正后输出y_ij(n),

y_ij(n)＝G_ij(n)x_ij(n)+O_ij(n)；

x_ij(n)为n时刻像素(i，j)非均匀性校正前的输出，y_ij(n)为n时刻像素(i，j)两点非均匀性校正后的输出。

如图3所示，假设红外探测元的响应为线性响应，如图3(a)所示。从图中可以看出非制冷红外热成像系统的基本理论各探测元在相同输入条件下，具有不同的输出特性。输入输出曲线截距的不同反映了探测器的噪声电流的不均匀性，曲线斜率的不同反映了响应率的不均匀性，非均匀性校正就是使相同辐射条件下的探测器的响应曲线重合于一条曲线，为此设定一条标准曲线，将各探测元的响应曲线分别做旋转和平移变换，可得到图(b)和(c)所示的曲线，最终使探测元的响应曲线完全重合。

如图4所示，基于目标、环境的二元非线性非均匀校正包括以下子步骤：

S121：使红外焦平面探测器通过光学系统与平面黑体源对准，黑体辐射均匀照射在红外焦平面探测器阵列上，并充满红外焦平面探测器的整个视场，并将黑体辐射源的温度控制在某一温度定标点上；

S122：在一个温度范围内的八个定标点温度条件下，很到八组红外焦平面探测器的各个探测单元的响应值；

S123：在每一定标温度点上对于整个红外焦平面探测器的所有探测单元的响应值进行平均，获得其在八个温度定标点处的八个平均响应值；

S124：对前两步获得的8组定标点响应数据和平均响应值进行最小二乘曲线拟合，获得每个探测单元的校正参数e、g、h，并将这些校正参数保存；

S125：最后对需要进行校正的图像数据带入校正函数Z′＝eZ²+gZ²+h，进行非线性非均匀性校正输出。

如图5所示，所述的盲元校正方法包括如下子步骤：

S201：对图像进行检测，在有盲元的地方作标记，作为查找表存放在RMA中；

S202：计算盲元点3*3窗口灰度的平均值，

$P22=\frac{\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{3}{\mathrm{\&Sigma;}}}\mathrm{Aij}*\mathrm{Fij}*\mathrm{Pij}}{\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{3}{\mathrm{\&Sigma;}}}\mathrm{Aij}*\mathrm{Fij}}$

其中Aij为各像素点的贡献因子；

S203：将得到的平均值作为本盲元的输出。

在图像检测过程中，如果有连续的盲元存在，则周边盲元不进行统计，只统计正常像素点的平均值。焦平面相邻像素具有相关性，且周边像素点对中心点的相关性不一样，引入可配置的贡献因子Aij提高盲元替换后的图像效果。用盲元校正方法对盲元进行校正，设D22为盲元，该点的3x3窗口如下表所示，

D11	D12	D13
			D21	D22	D23
D31	D32	D33

则对P22盲元进行盲元校正，各像素点的盲元标记为Fij,如果Fij为0表示盲元，Fij为1表示正常像元。则：

$P22=\frac{\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{3}{\mathrm{\&Sigma;}}}\mathrm{Aij}*\mathrm{Fij}*\mathrm{Pij}}{\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{3}{\mathrm{\&Sigma;}}}\mathrm{Aij}*\mathrm{Fij}}$

式中：Aij为各像素点的贡献因子(本实例A11＝A13＝A31＝A33＝0.8，A12＝A21＝A23＝A32＝1),如果采用传统十字窗口，则A11＝A13＝A31＝A33＝0,A12＝A21＝A23＝A32＝1。

如图6所示，所述的图像滤波去噪方法包括快速中值滤波和带阈值的均值滤波，其中，快速中值滤波包括如下子步骤：

S301：将图像的像素点进行从左到右，从上到下的依次排序，定义有N列，有M行，则第N列M行的像素为X_MN；

S302：比较每一行的像素，得到每一行的最大值、中间值和最小值；

最大值为：Max＝max{X_M1，...,X_MN}；

中间值为：Med＝med{X_M1，...,X_MN}；

最小值为：Min＝min{X_M1，...,X_MN}；

其中M为1～M的任一整数；

S303：分别比较各行的最大值，中间值和最小值，得到最大值中的最小值、中间值中的中间值和最小值中的最大值；

Min_of_max＝min{Max}；

Med_of_med＝med{Med}；

Max_of_min＝max{Min}；

S304：比较S303中得到最大值中的最小值、中间值中的中间值和最小值中的最大值，得到中间值，该中间值就是最终的滤波结果；

Meddata＝med{Min_of_max，Med_of_med，Max_of_min}。

采用快速中值滤波对一个3x3窗口内的像素进行中值计算，下表所示是一个3x3窗口内的像素排列方式，该窗口将窗口内的各个像素点从左至右.从上至下依次定义为X1l、X12、X13、X21、X22、X23、X3l、X32、X33。

X11	X12	X13
			X21	X22	X23
X31	X32	X33

处理时，先分别对每一行的数据进行排序，以得到每一行的最大值、中间值和最小值。其中第一行得到：

最大值为：Maxl＝max{X11,X12，X13}；

中间值为：Medl＝med{X1l，X12，X13}；

最小值为：Minl＝min{X11，X12，X13}；

比较三个最大值得到最大值中的最小值Min_of_max.比较三个中值得到中间值中的中间值Med_of_med，比较三个最小值得到最小值中的最大值Max_of_min：

Min_of_max＝min{Maxl，Max2，Max3}；

Med_of_med＝med{Medl，Med2，Med3}；

Max_of_min＝max{Mini，Min2，Min3}；

比较最大值中的最小值Min_of_max、中值中的中间值Med_of_med和最小值中的最大值Max_of_min，得到的中间值就是最终的滤波结果Meddata。

Meddata＝med{Min_of_max，Med_of_med，Max_of_min}。

与传统的排序方法相比.这种方法的比较次数大大减少,因为求出中值只用了l9次比较运算，非常适合硬件逻辑上进行并行处理。

如图7所示，所述的带阈值的均值滤波包括如下子步骤：

S321：将图像的像素点进行从左到右，从上到下的依次排序，定义有j列，有i行，则第j列i行的像素为Pij；

S322：当前处理点为P1j，设定累加初值tot_P＝P1j，像素计数count_P＝1；

S323：计算周围点与P1j的差值的绝对值，ABSij＝abs(P1j-Pij)其中Pij为周围像素点；

S324：如果ABSij<Threshold,则tot_P＝tot_P+Pij,count_P＝count_P+1；

S325：遍历完周围所有点后，out_P1j＝tot_P/count_P。

采用带阈值的均值滤波对一个3x3窗口内的像素进行计算，下表所示是一个3x3窗口内的像素排列方式，该窗口将窗口内的各个像素点从左至右.从上至下依次定义为P1l、P12、P13、P21、P22、P23、P3l、P32、P33。

P11	P12	P13
			P21	P22	P23
P31	P32	P33

假设当前处理P22像素点。具体过程如下：

设定累加初值tot_P＝P22,像素计数count_P＝1

计算周围点与P22的差值的绝对值，ABSij＝abs(P22-Pij)其中Pij＝{P11,P12,P13,P21,P23,P31,P32,P33}

如果ABSij<Threshold,则tot_P＝tot_P+Pij,count_P＝count_P+1

遍历完周围所有的8个点后，out_P22＝tot_P/count_P。

如图8所示，所述的图像增强方法包括双阈值增强和边缘增强；所述的双阈值增强包括双阈值映射和双阈值自适应增强两部分，如图8所示，双阈值增强包括如下子步骤：

S401：统计原始图像中各个灰度级的像素点个数a(n)，计算并构建原始直方图。

S402遍历原始直方图，剔除截断阈值rT(通常取rT＝max[a(n)]/100)以下的冗余灰度级，并映射得到新直方图的各灰度级k，k∈[1,Lth]，其中

$L_{\mathrm{th}}=\underset{n=0}{\overset{255}{{\mathrm{\&lambda;}}_n}},{\mathrm{\&lambda;}}_n=\left\{\begin{array}{cc}1& a\left(n\right)\&GreaterEqual;r_D\\ 0& a\left(n\right)<r_D\end{array}\right.$

S403：采用分界阈值选取方法，自适应地选取新得到直方图的rD。

S404：根据rD，运用下式进行分界阈值映射，得到映射后的灰度η。

$\mathrm{\&eta;}=\left\{\begin{array}{cc}k& k\&le;r_D\\ r_D+(255-r_D)(k-r_D)/(L_{\mathrm{th}}-r_D)& k>r_D\end{array}\right.$

S405：遍历图像，对照截断阈值映射后的灰度级k，将分界阈值映射后的各灰度级η映射到相应的像素点，而被剔除的冗余灰度级的对应像素点灰度则用最小的像素点对应灰度代替；

S406：使用小波函数wavedec2对已得到的图像进行二维离散多分辨率分解，选择的小波基为db8，分解为两层；

S407：对分解得到的高频系数做自适应增强处理，

$\left\{\begin{array}{cc}{W}_{\mathrm{ij}}& W_{\mathrm{ij}}>r_T\\ \frac{r_T-G\&CenterDot;r_D}{r_T-r_D}\&CenterDot;(W_{\mathrm{in}}-r_T)+r_T& r_D<W_{\mathrm{in}}<r_T\\ G\&CenterDot;W_{\mathrm{in}}& -r_D\&le;W_{\mathrm{ij}}\&le;r_T\\ \frac{r_T-G\&CenterDot;r_D}{r_T-r_D}\&CenterDot;(W_{\mathrm{in}}+r_T)-r_T& -r_D\&le;W_{\mathrm{in}}\&le;{-r}_T\\ W_{\mathrm{in}}& W_{\mathrm{in}}<{-r}_T\end{array}\right.$

式中：G为增益因子；Win和Wout为变换前后的小波系数，G与噪声显著性指数g的关系为

$G=\left\{\begin{array}{cc}{G}_{\max }& g\&le;g_1\\ \frac{G_{\max }}{g_1-g_2}& g_1<g<g_2\\ 0& g\&GreaterEqual;g_2\end{array}\right.$

式中：g1和g2分别为门限阈值(g1<g2)；

S408：对低频系数采用线性调节方式来调节对比度，实现对图像的增强处理；

如图9所示，边缘增强包括以下子步骤：

S411：对原始红外图像进行拉普拉斯变换，获得边缘图像f_B(x,y)，拉普拉斯边缘提取算子为一个3*3的滤波器，其为：

$\left\{\begin{array}{ccc}0& -1& 0\\ -1& 4& -1\\ 0& -1& 0\end{array}\right\};$

S412：将平台直方图均衡化后的图像f_T(x,y)乘以一个经验系数得到处理后图像；

S413：将处理后图像与边缘图像叠加生成红外图像f_dj(x,y)，

$f_{\mathrm{dj}}(x,y)=\&PartialD;*f_T(x,y)+f_B(x,y);$

S414：对叠加后的灰度值进行限制得到最终的红外图像f_N(x,y)，

$f_N(x,y)=\left\{\begin{array}{cc}0& f_{\mathrm{dj}}(x,y)<0\\ f_{\mathrm{dj}}(x,y)& 0\&le;f_{\mathrm{dj}}(x,y)\&le;255\\ 255& f_{\mathrm{dj}}(x,y)>255\end{array}\right..$

如图10所示，所述的伪彩变换方法包括密度分割、空间域灰度级-彩色变换和频率域伪彩色增强；

其中，所述的密度分割是对图像亮度范围进行分割，使一定亮度间隔对应于某一类地物或几类地物，从而有利于图像的增强和分类，并且为每个区间指定一种彩色，从而将灰度图像变成一幅伪彩色图像。如图11和图12所示，密度分割法是把黑白图像的灰度级从0(黑)到M0(白)分成N个区间Li,i＝1,2,…,N。给每个区间Li指定一种彩色Ci，这样，便可以把一幅灰度图像变成一幅伪彩色图像，此法比较直观简单。

所述的空间域灰度级-彩色变换根据色度学原理，将原图像的灰度分段经过红、绿、蓝三种不同变换，变成三基色分量，然后用它们分别去控制彩色显示器的红、绿、蓝电子枪，便可以在彩色显示器的屏幕上合成一幅彩色图像。空间域灰度级-彩色变换的变换过程如图13所示，典型的变换函数如图14所示，其中(a)、(b)、(c)分别为红、绿、蓝三种变换函数，而图(d)是把三种变换画在同一坐标轴上以便看清相互间的关系。由图(d)可见，只有在灰度为零时呈蓝色，灰度为L/2时呈绿色，灰度为L时呈红色，灰度为其它值时将由三基色混合成不同的色调

如图15所示，所述的频率域伪彩色增强先把黑白图像经傅立叶变换到频率域，在频率域内三个不同传递特性的滤波器分离成三个独立分量，然后对它们进行逆傅立叶变换，便得到三幅代表不同频率分量的单色图像，接着对这三幅图像进行直方图均衡化，最后将它们作为三基色分量分别加到彩色显示器的红、绿、蓝显示通道，从而实现频率域分段的伪彩色增强。

Claims (3)

1.非制冷红外焦平面探测器图像处理系统及方法，其特征在于：它包括非均匀性校正方法、盲元校正方法、图像滤波去噪方法、图像增强方法和伪彩变换方法；

所述的非均匀性校正方法包括两点线性非均匀校正和基于目标、环境的二元非线性非均匀校正，其中两点线性非均匀校正包括以下子步骤：

S101：使焦平面通过光学系统与平面黑体源对准，黑体辐射均匀照射在红外焦平面阵列上，并充满焦平面的整个视场；

S102：控制黑体辐射源的温度在TL；

S103：测量焦平面每个探测元的响应值y_ij(φ_L)，该测量值在一个预先设定的曝光时间内完成，响应值存储在第一存储单元；

S104：重复步骤S103，在大量设定的时间内完成大量的测试数据，重复次数为8～10次；

S105：计算每个探测元在TL下的响应平均值

S106：计算所有探测元的响应值的平均值V_L；

S107：设置黑体辐射源的温度在TH，且TL<TH；

S108：重复步骤S103～S106，计算每一探测元在温度TH下的响应平均值及所有探测元的响应平均值V_H；

S109：计算每一探测元的校正增益G_ij和偏移量O_ij，分别存储在查找表(LUT)内，以供校正时取用；

$G_{\mathrm{ij}}=\frac{V_H-V_L}{{\stackrel{\&OverBar;}{y}}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_H\right)-{\stackrel{\&OverBar;}{y}}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_L\right)},$

$O_{\mathrm{ij}}=\frac{V_H{y}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_L\right)-V_L{y}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_H\right)}{{\stackrel{\&OverBar;}{y}}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_L\right)-{\stackrel{\&OverBar;}{y}}_{\mathrm{ij}}\left({\mathrm{\&phi;}}_H\right)};$

S110：根据查找表(LUT)内的增益和偏移量系数，对红外图像进行校正，得到校正后输出y_ij(n),

y_ij(n)＝G_ij(n)x_ij(n)+O_ij(n)；

x_ij(n)为n时刻像素(i，j)非均匀性校正前的输出，y_ij(n)为n时刻像素(i，j)两点非均匀性校正后的输出；

基于目标、环境的二元非线性非均匀校正包括以下子步骤：

S121：使红外焦平面探测器通过光学系统与平面黑体源对准，黑体辐射均匀照射在红外焦平面探测器阵列上，并充满红外焦平面探测器的整个视场，并将黑体辐射源的温度控制在某一温度定标点上；

S122：在一个温度范围内的八个定标点温度条件下，很到八组红外焦平面探测器的各个探测单元的响应值；

S123：在每一定标温度点上对于整个红外焦平面探测器的所有探测单元的响应值进行平均，获得其在八个温度定标点处的八个平均响应值；

S124：对前两步获得的8组定标点响应数据和平均响应值进行最小二乘曲线拟合，获得每个探测单元的校正参数e、g、h，并将这些校正参数保存；

S125：最后对需要进行校正的图像数据带入校正函数Z'＝eZ²+gZ²+h，进行非线性非均匀性校正输出；

所述的盲元校正方法包括如下子步骤：

S201：对图像进行检测，在有盲元的地方作标记，作为查找表存放在RMA中；

S202：计算盲元点3*3窗口灰度的平均值，

$P22=\frac{\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{3}{\mathrm{\&Sigma;}}}\mathrm{Aij}*\mathrm{Fij}*\mathrm{Pij}}{\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{3}{\mathrm{\&Sigma;}}}\mathrm{Aij}*\mathrm{Fij}}$

其中Aij为各像素点的贡献因子

S203：将得到的平均值作为本盲元的输出；

所述的图像滤波去噪方法包括快速中值滤波和带阈值的均值滤波，其中，快速中值滤波包括如下子步骤：

S301：将图像的像素点进行从左到右，从上到下的依次排序，定义有N列，有M行，则第N列M行的像素为X_MN；

S302：比较每一行的像素，得到每一行的最大值、中间值和最小值；

最大值为：Max＝max{X_M1，...,X_MN}；

中间值为：Med＝med{X_M1，...,X_MN}；

最小值为：Min＝min{X_M1，...,X_MN}；

其中M为1～M的任一整数；

S303：分别比较各行的最大值，中间值和最小值，得到最大值中的最小值、中间值中的中间值和最小值中的最大值；

Min_of_max＝min{Max}；

Med_of_med＝med{Med}；

Max_of_min＝max{Min}；

S304：比较S303中得到最大值中的最小值、中间值中的中间值和最小值中的最大值，得到中间值，该中间值就是最终的滤波结果；

Meddata＝med{Min_of_max，Med_of_med，Max_of_min}；

所述的带阈值的均值滤波包括如下子步骤：

S321：将图像的像素点进行从左到右，从上到下的依次排序，定义有j列，有i行，则第j列i行的像素为Pij；

S322：当前处理点为P1j，设定累加初值tot_P＝P1j，像素计数count_P＝1；

S323：计算周围点与P1j的差值的绝对值，ABSij＝abs(P1j-Pij)其中Pij为周围像素点；

S324：如果ABSij<Threshold,则tot_P＝tot_P+Pij,count_P＝count_P+1；

S325：遍历完周围所有点后，out_P1j＝tot_P/count_P；

所述的图像增强方法包括双阈值增强和边缘增强；所述的双阈值增强包括双阈值映射和双阈值自适应增强两部分，双阈值增强包括如下子步骤：

S401：统计原始图像中各个灰度级的像素点个数a(n)，计算并构建原始直方图；

S402：遍历原始直方图，剔除截断阈值rT以下的冗余灰度级，并映射得到新直方图的各灰度级k，k∈[1,Lth]，其中

$L_{\mathrm{th}}=\underset{n=0}{\overset{255}{{\mathrm{\&lambda;}}_n}},{\mathrm{\&lambda;}}_n=\left\{\begin{array}{cc}1& a\left(n\right)\&GreaterEqual;r_D\\ 0& a\left(n\right)<r_D\end{array}\right.,$

通常取rT＝max[a(n)]/100；

S403：采用分界阈值选取方法，自适应地选取新得到直方图的rD；

S404：根据rD，运用下式进行分界阈值映射，得到映射后的灰度η；

$\mathrm{\&eta;}=\left\{\begin{array}{cc}k& k\&le;r_D\\ r_D+(255-r_D)(k-r_D)/(L_{\mathrm{th}}-r_D)& k>r_D\end{array}\right.$

S405：遍历图像，对照截断阈值映射后的灰度级k，将分界阈值映射后的各灰度级η映射到相应的像素点，而被剔除的冗余灰度级的对应像素点灰度则用最小的像素点对应灰度代替；

S406：使用小波函数wavedec2对已得到的图像进行二维离散多分辨率分解，选择的小波基为db8，分解为两层；

S407：对分解得到的高频系数做自适应增强处理，

$\left\{\begin{array}{cc}{W}_n& W_{\mathrm{in}}>r_T\\ \frac{r_T-G\&CenterDot;r_D}{r_T-r_D}& r_D<W_{\mathrm{in}}<r_T\\ G\&CenterDot;W_{\mathrm{in}}& -r_D\&le;W_{\mathrm{in}}\&le;r_T\\ \frac{r_T-G{\&CenterDot;r}_D}{r_T-r_D}\&CenterDot;(W_{\mathrm{in}}+r_T)-r_T& -r_D\&le;W_{\mathrm{in}}\&le;-r_T\\ W_{\mathrm{in}}& W_{\mathrm{in}}<-r_T\end{array}\right.$

式中：G为增益因子；Win和Wout为变换前后的小波系数，G与噪声显著性指数g的关系为

$G=\left\{\begin{array}{cc}{G}_{\max }& g\&le;g_1\\ \frac{G_{\max }}{g_1-g_2}& g_1<g<g_2\\ 0& g\&GreaterEqual;g_2\end{array}\right.$

式中：g1和g2分别为门限阈值(g1<g2)；

S408：对低频系数采用线性调节方式来调节对比度，实现对图像的增强处理；

边缘增强包括以下子步骤：

S421：对原始红外图像进行拉普拉斯变换，获得边缘图像f_B(x,y)；

S422：将平台直方图均衡化后的图像f_T(x,y)乘以一个经验系数，得到处理后图像；

S423：将处理后图像与边缘图像叠加生成红外图像f_dj(x,y)，

$f_{\mathrm{dj}}(x,y)=\&PartialD;*f_T(x,y)+f_B(x,y);$

S424：对叠加后的灰度值进行限制得到最终的红外图像f_N(x,y)，

$f_N(x,y)=\left\{\begin{array}{cc}0& f_{\mathrm{dj}}(x,y)<0\\ f_{\mathrm{dj}}(x,y)& 0\&le;f_{\mathrm{dj}}(x,y)\&le;255\\ 255& f_{\mathrm{dj}}(x,y)>255\end{array}\right.;$

所述的伪彩变换方法包括密度分割、空间域灰度级-彩色变换和频率域伪彩色增强；

其中，所述的密度分割是对图像亮度范围进行分割，使一定亮度间隔对应于某一类地物或几类地物，从而有利于图像的增强和分类，并且为每个区间指定一种彩色，从而将灰度图像变成一幅伪彩色图像；

所述的空间域灰度级-彩色变换根据色度学原理，将原图像的灰度分段经过红、绿、蓝三种不同变换，变成三基色分量，然后用它们分别去控制彩色显示器的红、绿、蓝电子枪，便可以在彩色显示器的屏幕上合成一幅彩色图像；

所述的频率域伪彩色增强先把黑白图像经傅立叶变换到频率域，在频率域内三个不同传递特性的滤波器分离成三个独立分量，然后对它们进行逆傅立叶变换，便得到三幅代表不同频率分量的单色图像，接着对这三幅图像进行直方图均衡化，最后将它们作为三基色分量分别加到彩色显示器的红、绿、蓝显示通道，从而实现频率域分段的伪彩色增强。

2.根据权利要求1所述的非制冷红外焦平面探测器图像处理系统及方法，其特征在于：所述的盲元校正方法中步骤S202中若有连续的盲元存在，则周边盲元不进行统计，只统计正常像素点的平均值，且贡献因子A_ij可配置。

3.根据权利要求1所述的非制冷红外焦平面探测器图像处理系统及方法，其特征在于：所述的图像增强方法中的步骤S411中获得边缘图像的拉普拉斯变换边缘提取算子为一个3*3的滤波器，其为：

$\left\{\begin{array}{ccc}0& -1& 0\\ -1& 4& -1\\ 0& -1& 0\end{array}\right\}.$