CN104268870A - 基于小波变换直方图的短波红外焦平面非均匀性校正算法 - Google Patents

Abstract

本发明公开了基于小波变换直方图的短波红外焦平面非均匀性校正算法，包括：(1)建立短波红外焦平面阵列响应的统计模型；(2)通过短波红外焦平面阵列的时域直方图表示响应密度函数；(3)使用单尺度的中值直方图规定非均匀校正算法将单个探测单元的响应密度函数规定化到邻域探测元响应密度函数的中间值，从而实现非均匀校正；(4)短波红外焦平面阵列的原始图像基于正交小波变换分解的多尺度校正。

Description

基于小波变换直方图的短波红外焦平面非均匀性校正算法

技术领域

本发明涉及短波红外焦平面的技术领域，特别是涉及短波红外焦平面阵列的非均匀性校正算法。

背景技术

针对短波红外焦平面阵列存在的非均匀性，已有文献中提出的校正方法，主要分为两大类。一类是基于定标的校正方法，该类方法原理简洁，硬件易于实现和集成，校正精度高，可用于场景温度的度量，且对目标没有任何要求，但这类方法实际校正时需要参考源进行标定，使得设备装置相对复杂。另一类是基于场景的方法，它直接利用每帧图像的场景信息进行非均匀校正，克服了第一类方法的不足，因此是目前研究的热点。但在这类技术中绝大部分算法都需要估计真实场景值，典型的如：Scribner等提出了基于神经网络的非均匀校正算法，该算法将噪音图像的四邻域平均作为真实图像的估计值，并且用于训练神经网络，但前提是固定图案噪音能够被四邻域平均所消减，否则迭代将会发散；Hardie等提出了基于运动补偿时域平均(MCTA)的校正算法，该算法利用运动补偿平均后的图像来估计真实场景，但此时必须保证同一场景点要有充分多的探测单元在不同时间观察过，否则校正效果也会不理想。

因此希望有一种短波红外焦平面非均匀性校正算法来克服或至少减轻上述的缺陷。

发明内容

本发明的目的在于提供基于小波变换直方图规定的短波红外焦平面非均匀性校正算法来克服现有技术中存在的上述问题。

为实现上述目的，本发明提供基于小波变换直方图的短波红外焦平面非均匀性校正算法，包括：

(1)建立短波红外焦平面阵列响应的统计模型；

(2)通过短波红外焦平面阵列的时域直方图表示响应密度函数；

(3)使用单尺度的中值直方图规定非均匀校正算法将单个探测单元的响应密度函数规定化到邻域探测元响应密度函数的中间值，从而实现非均匀校正；

(4)短波红外焦平面阵列的原始图像基于正交小波变换分解的多尺度校正。

优选地，所述短波红外焦平面阵列响应的统计模型常用线性模型来表示，它可以写为

y＝A_ijx+B_ij+v   (1)

式中：A_ij和B_ij分别表示第(i，j)探测元的增益和偏移系数；x表示该探测元的输入辐射能；y为探测元输出响应灰度值；v是高斯白噪声。

优选地，所述短波红外焦平面阵列的时域直方图，第(i，j)探测元的时域直方图函数被定义为一定时间内输出响应值在响应区间内每个灰度出现的次数。它的表达式可以写为

H＝h_ij(y|t)   (2)

式中：t为观察时间；表示在t时间内灰度y出现的次数。如果t足够长，则它与ρ_ij(y)存在如下关系

$\underset{t\→\∞}{\lim }\frac{h_{\mathrm{ij}}\left(y\right|t)}{{\∫h}_{\mathrm{ij}}\left(y\right|t)\mathrm{dy}}={\mathrm{\ρ}}_{\mathrm{ij}}\left(y\right)---\left(3\right)$

因此直方图可以准确地反映响应密度函数ρ_ij(y)。

优选地，所述单尺度的中值直方图规定非均匀校正算法，中值响应密度函数ρ_m(y)为邻域探测元响应密度函数的平均值

${\mathrm{\ρ}}_m\left(y\right)=\frac{1}{8}\underset{i=1}{\overset{2}{\mathrm{\Σ}}}\underset{j=1}{\overset{2}{\mathrm{\Σ}}}{\mathrm{\ρ}}_{\mathrm{ij}}\left(y\right)---\left(4\right)$

设定探测元的输出构成的中值直方图记为h(y)

$h\left(y\right)=\underset{i=1}{\overset{2}{\mathrm{\Σ}}}\underset{j=1}{\overset{2}{\mathrm{\Σ}}}{h}_{\mathrm{ij}}\left(y\right)---\left(5\right)$

可以证明

$\underset{t\→\∞}{\lim }\frac{h\left(y\right)}{\∫h\left(y\right)\mathrm{dy}}=\mathrm{\ρ}\left(y\right)---\left(6\right)$

优选地，所述短波红外焦平面阵列的原始图像基于正交小波变换分解的多尺度校正为短波红外焦平面阵列的原始图像经过三级正交小波分解可以完整的解析所有尺度的非均匀性，具体分解公式为：

$S_{i,l}^j=\underset{k,n}{\mathrm{\Σ}}{f}_0(k-2i)f_0(m-2l)S_{k,m}^{j-1}---\left(7\right)$

${\mathrm{\σ}}_{i,l}^j=\underset{k,n}{\mathrm{\Σ}}{f}_1(k-2i)f_0(m-2l)S_{k,m}^{j-1}---\left(8\right)$

${\mathrm{\β}}_{i,l}^j=\underset{k,n}{\mathrm{\Σ}}{f}_0(k-2i)f_0(m-2l)S_{k,m}^{j-1}---\left(9\right)$

为尺度空间尺度系数，f₀和f₁分别为正交小波变换函数的低通滤波器和高通滤波器系数，反映了2个方向的低频分量，它对应于在下一尺度上的边缘轮廓信息；反映了水平方向的高频成分和垂直方向的垂直分量；同理，反映了垂直方向上的水平分量。表示对角方向上的对角线分量；分别对分解后的系数进行单尺度的中值直方图规定非均匀校正算法，从而得到各个尺度校正后的子图像，将校正后的图像分别进行小波重构，反变换到空域，完成对原始红外图像的正交小波的多尺度中值直方图规定校正。

本发明提供了基于小波变换直方图规定的短波红外焦平面非均匀性校正算法，本发明提供的基于小波变换直方图规定的短波红外焦平面非均匀性校正算法对探测元邻域进行时域直方图中值规定，校正由于焦平面非均匀性引起邻域像素灰度差异，达到消除焦平面非均匀性目的，在中值直方图规定之前融合小波变换多尺度分解，对各个尺度分别校正，最后反变换得到结果，有效的校正了图像各个尺度的非均匀性。

具体实施方式

为使本发明实施的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面结合附图对本发明的实施例进行详细说明。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底″内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。

根据本发明一宽泛实施例的基于小波变换直方图的短波红外焦平面非均匀性校正算法，包括：

(1)建立短波红外焦平面阵列响应的统计模型；

(2)通过短波红外焦平面阵列的时域直方图表示响应密度函数；

(3)使用单尺度的中值直方图规定非均匀校正算法将单个探测单元的响应密度函数规定化到邻域探测元响应密度函数的中间值，从而实现非均匀校正；

(4)短波红外焦平面阵列的原始图像基于正交小波变换分解的多尺度校正。

短波红外焦平面阵列探测元的响应模型常用线性模型来表示，它可以写为

y＝A_ijx+B_ij+v   (1)

式中：A_ij和B_ij分别表示第(i，j)探测元的增益和偏移系数；x表示该探测元的输入辐射能；y为探测元输出响应灰度值；v是高斯白噪声。

响应密度函数可以通过短波红外焦平面阵列的输出值构成的时域直方图来表征。第(i，j)探测元的时域直方图函数被定义为一定时间内输出响应值在响应区间内每个灰度出现的次数。它的表达式可以写为

H＝h_ij(y|t)   (2)

式中：t为观察时间；表示在t时间内灰度y出现的次数。如果t足够长，则它与ρ_ij(y)存在如下关系

$\underset{t\→\∞}{\lim }\frac{h_{\mathrm{ij}}\left(y\right|t)}{{\∫h}_{\mathrm{ij}}\left(y\right|t)\mathrm{dy}}={\mathrm{\ρ}}_{\mathrm{ij}}\left(y\right)---\left(3\right)$

因此直方图可以准确地反映响应密度函数ρ_ij(y)。

短波红外焦平面成像的像素间灰度是连续的，那么红外图像中相邻像素之间的差别在一定帧数的统计意义上是很小的，这意味着两个相邻像素在时间的直方图上几乎是相等的。把单个探测单元的响应密度函数规定化到邻域探测元响应密度函数的中间值，从而实现非均匀校正。

定义：中值响应密度函数ρ_m(y)为邻域探测元响应密度函数的平均值

${\mathrm{\ρ}}_m\left(y\right)=\frac{1}{8}\underset{i=1}{\overset{2}{\mathrm{\Σ}}}\underset{j=1}{\overset{2}{\mathrm{\Σ}}}{\mathrm{\ρ}}_{\mathrm{ij}}\left(y\right)---\left(4\right)$

设定探测元的输出构成的中值直方图记为h(y)

$h\left(y\right)=\underset{i=1}{\overset{2}{\mathrm{\Σ}}}\underset{j=1}{\overset{2}{\mathrm{\Σ}}}{h}_{\mathrm{ij}}\left(y\right)---\left(5\right)$

可以证明

$\underset{t\→\∞}{\lim }\frac{h\left(y\right)}{\∫h\left(y\right)\mathrm{dy}}=\mathrm{\ρ}\left(y\right)---\left(6\right).$

通过多种类型的短波红外焦平面阵列的大量原始图像采样分析得出非均匀性几乎都分布在高频空间内，并且在高频空间的非均匀性呈现3种特性：灰度突变性、横竖方向性、斑块边界性。利用正交小波变换可以很好的分解出这三种特性的非均匀性噪声。

原始图像经二维正交小波变换分解之后，分别得到水平高频分量、垂直高频分量、对角高频分量和低频分量。通过采集短波红外焦平面阵列的大量原始数据试验后得出，经过三级正交小波分解可以完整的解析所有尺度的非均匀性。

具体分解公式为：

$S_{i,l}^j=\underset{k,n}{\mathrm{\Σ}}{f}_0(k-2i)f_0(m-2l)S_{k,m}^{j-1}---\left(7\right)$

${\mathrm{\σ}}_{i,l}^j=\underset{k,n}{\mathrm{\Σ}}{f}_1(k-2i)f_0(m-2l)S_{k,m}^{j-1}---\left(8\right)$

${\mathrm{\β}}_{i,l}^j=\underset{k,n}{\mathrm{\Σ}}{f}_0(k-2i)f_0(m-2l)S_{k,m}^{j-1}---\left(9\right)$

为尺度空间尺度系数，f₀和f₁分别为正交小波变换函数的低通滤波器和高通滤波器系数，反映了2个方向的低频分量，它对应于在下一尺度上的边缘轮廓信息；反映了水平方向的高频成分和垂直方向的垂直分量；同理，反映了垂直方向上的水平分量。表示对角方向上的对角线分量。

分别对分解后的系数进行单尺度的中值直方图规定非均匀校正算法，从而得到各个尺度校正后的子图像。将校正后的图像分别进行小波重构，反变换到空域，完成对原始红外图像的正交小波的多尺度中值直方图规定校正

最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (5)

1.基于小波变换直方图的短波红外焦平面非均匀性校正算法，其特征在于，包括：

(1)建立短波红外焦平面阵列响应的统计模型；

(2)通过短波红外焦平面阵列的时域直方图表示响应密度函数；

(3)使用单尺度的中值直方图规定非均匀校正算法将单个探测单元的响应密度函数规定化到邻域探测元响应密度函数的中间值，从而实现非均匀校正；

(4)短波红外焦平面阵列的原始图像基于正交小波变换分解的多尺度校正。

2.如权利要求1所述的基于小波变换直方图的短波红外焦平面非均匀性校正算法，其特征在于，所述短波红外焦平面阵列响应的统计模型常用线性模型来表示，它可以写为

y＝A_ijx+B_ij+v   (1)

式中：A_ij和B_ij分别表示第(i，j)探测元的增益和偏移系数；x表示该探测元的输入辐射能；y为探测元输出响应灰度值；v是高斯白噪声。

3.如权利要求1所述的基于小波变换直方图的短波红外焦平面非均匀性校正算法，其特征在于，所述短波红外焦平面阵列的时域直方图，第(i，j)探测元的时域直方图函数被定义为一定时间内输出响应值在响应区间内每个灰度出现的次数。它的表达式可以写为

H＝h_ij(y|t)   (2)

式中：t为观察时间；表示在t时间内灰度y出现的次数。如果t足够长，则它与ρ_ij(y)存在如下关系

$\underset{t\→\∞}{\lim }\frac{h_{\mathrm{ij}}\left(y\right|t)}{{\∫h}_{\mathrm{ij}}\left(y\right|t)\mathrm{dy}}={\mathrm{\ρ}}_{\mathrm{ij}}\left(y\right)---\left(3\right)$

因此直方图可以准确地反映响应密度函数ρ_ij(y)。

4.如权利要求1所述的基于小波变换直方图的短波红外焦平面非均匀性校正算法，其特征在于，所述单尺度的中值直方图规定非均匀校正算法，中值响应密度函数ρ_m(y)为邻域探测元响应密度函数的平均值

${\mathrm{\ρ}}_m\left(y\right)=\frac{1}{8}\underset{i=1}{\overset{2}{\mathrm{\Σ}}}\underset{j=1}{\overset{2}{\mathrm{\Σ}}}{\mathrm{\ρ}}_{\mathrm{ij}}\left(y\right)---\left(4\right)$

设定探测元的输出构成的中值直方图记为h(y)

$h\left(y\right)=\underset{i=1}{\overset{2}{\mathrm{\Σ}}}\underset{j=1}{\overset{2}{\mathrm{\Σ}}}{h}_{\mathrm{ij}}\left(y\right)---\left(5\right)$

可以证明

$\underset{t\→\∞}{\lim }\frac{h\left(y\right)}{\∫h\left(y\right)\mathrm{dy}}=\mathrm{\ρ}\left(y\right)---\left(6\right)$

5.如权利要求4所述的基于小波变换直方图的短波红外焦平面非均匀性校正算法，其特征在于，所述短波红外焦平面阵列的原始图像基于正交小波变换分解的多尺度校正为短波红外焦平面阵列的原始图像经过三级正交小波分解可以完整的解析所有尺度的非均匀性，具体分解公式为：

$S_{i,l}^j=\underset{k,n}{\mathrm{\Σ}}{f}_0(k-2i)f_0(m-2l)S_{k,m}^{j-1}---\left(7\right)$

${\mathrm{\σ}}_{i,l}^j=\underset{k,n}{\mathrm{\Σ}}{f}_1(k-2i)f_0(m-2l)S_{k,m}^{j-1}---\left(8\right)$

${\mathrm{\β}}_{i,l}^j=\underset{k,n}{\mathrm{\Σ}}{f}_0(k-2i)f_0(m-2l)S_{k,m}^{j-1}---\left(9\right)$

为尺度空间尺度系数，f₀和f₁分别为正交小波变换函数的低通滤波器和高通滤波器系数，反映了2个方向的低频分量，它对应于在下一尺度上的边缘轮廓信息；反映了水平方向的高频成分和垂直方向的垂直分量；同理，反映了垂直方向上的水平分量。表示对角方向上的对角线分量；分别对分解后的系数进行单尺度的中值直方图规定非均匀校正算法，从而得到各个尺度校正后的子图像，将校正后的图像分别进行小波重构，反变换到空域，完成对原始红外图像的正交小波的多尺度中值直方图规定校正。