CN104280128A - 基于场景的InGaAs短波红外焦平面成像动态范围调整方法 - Google Patents

Abstract

本发明公开了基于场景的InGaAs短波红外焦平面成像动态范围调整方法，其特征在于，包括：步骤1：基于场景直方图统计的动态范围区间的获取；步骤2：场景灰度的预测算法；步骤3：动态范围自适应硬件构架。利用场景中目标灰度的统计，实时预测目标灰度的动态范围，然后把预测的灰度动态范围转变成InGaAs短波红外焦平面工作的偏置电压值，通过低噪声、高精度的模拟电路实现焦平面偏置电压的调整，达到根据场景自适应动态范围调整的目的。

Description

基于场景的InGaAs短波红外焦平面成像动态范围调整方法

技术领域

本发明涉及红外成像的技术领域，特别是涉及基于场景的InGaAs短波红外焦平面成像动态范围调整方法。

背景技术

InGaAs短波红外焦平面成像动态范围表征了短波红外系统可探测红外辐射大小的范围，反映了系统的工作性能。宽动态范围的系统可以获得更多有关目标的信息，有利于对目标的分析和识别。特别是对于那些用来探测红外辐射特性变化较大目标的短波红外成像系统，拥有较宽的动态范围显得尤为重要。

因此希望能提高InGaAs短波红外焦平面成像系统的动态范围，使系统根据不同的情况自动地调整其动态范围，对于红外焦平面成像系统的发展和更广泛的应用具有非常重要的意义。

发明内容

本发明的目的在于提供基于场景的InGaAs短波红外焦平面成像动态范围调整方法来克服现有技术中存在的上述问题。

为实现上述目的，本发明提供基于场景的InGaAs短波红外焦平面成像动态范围调整方法，包括：

步骤1：基于场景直方图统计的动态范围区间的获取；

步骤2：场景灰度的预测算法；

步骤3：动态范围自适应硬件构架。

优选地，由于系统要不断地调整模数转换器的转换区间，因此调整依据显得尤为重要，以获得场景有效灰度信息为依据，根据不同的场景信息选择对焦平面输出信号进行选择性增益处理；所述步骤1采用场景直方图截取的方式，分别在场景直方图中搜索最大和最小灰度值作为灰度截取位置，以获得的场景所处的焦平面原始信号的分布区间，然后利用选择场景分布区间进行动态范围自适应调整处理，最大灰度值和最小灰度值包含的灰度区间就是场景区域的灰度分布，表达式为：

$R_{\mathrm{gray}}=\left\{\begin{array}{c}{\mathrm{MIN}}_{\mathrm{gray}},\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{h}_i<\mathrm{SUM}*3\%\\ {\mathrm{MAX}}_{\mathrm{gray}},\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{h}_{256-i}<\mathrm{SUM}*3\%\end{array}\right.---\left(1\right)$

式中R_gray表示场景灰度范围，MAX_gray为直方图最大值方向的3％像素截取灰度，MIN_gray为直方图最小值方向的3％像素截取灰度，h_i为图像直方图，采用所述场景直方图截取的方式有较强的针对性，仅针对目标的强度变化考虑对系统动态范围区间选择，分离了图像奇异点的影响，又兼顾了背景中的有效信息。具体实施时，不需要很高的精度，因而可以减少系统的计算量，。

优选地，所述步骤2将获得的目标灰度换算成焦平面输出电压，通过输出电压范围调整焦平面的偏压，使焦平面的输出范围满足适合目标观察最优化的动态范围。

优选地，所述步骤2在目标灰度提取中结合了LMS自适应滤波的方法，一是可以预测场景灰度范围，让动态范围自适应程度更加精确，二是可以滤掉一些不必要的干扰，有利于对每帧图像动态范围自适应平缓过度，使系统工作更加稳定可靠，提前知道目标灰度的变化趋势，使动态范围得到及时准确的调整，系统运行更稳定，鲁棒性更强。

优选地，所述步骤3采用了一种超低噪声线性稳压电源配合高精度数字电位器的硬件架构方式进行实现，InGaAs短波红外焦平面输出的信号经过后续信号处理部分进行目标分析、灰度提取、滤波预测得到的调整参数值输入到高精度的数字电位器转换成需要的电压值调整据焦平面的偏压，整个动态范围自适应控制电路结构简单，只需要在普通的红外焦平面成像电路中增加两个芯片即可可以满足要求，适合小型化、低功耗设计；在得到目标灰度特征以后，计算出目标灰度在焦平面输出信号中的分布，采用超低噪声运放结合高精度数字电位器实现焦平面偏置电压，输出到焦平面的V_EBASAGE，从硬件上实现了目标实时成像动态范围场景自适应。

本发明从红外焦平面工作模型出发，利用场景中目标灰度的统计，实时预测目标灰度的动态范围，然后把预测的灰度动态范围转变成InGaAs短波红外焦平面工作的偏置电压值，通过低噪声、高精度的模拟电路实现焦平面偏置电压的调整，达到根据场景自适应动态范围调整的目的。

附图说明：

图1是动态范围自适应硬件构架的示意性视图。

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场景的InGaAs短波红外焦平面成像动态范围调整方法，包括：

步骤1：基于场景直方图统计的动态范围区间的获取；

步骤2：场景灰度的预测算法；

步骤3：动态范围自适应硬件构架。

由于系统要不断地调整模数转换器的转换区间，因此调整依据显得尤为重要，以获得场景有效灰度信息为依据，根据不同的场景信息选择对焦平面输出信号进行选择性增益处理；所述步骤1采用场景直方图截取的方式，分别在场景直方图中搜索最大和最小灰度值作为灰度截取位置，以获得的场景所处的焦平面原始信号的分布区间，然后利用选择场景分布区间进行动态范围自适应调整处理，最大灰度值和最小灰度值包含的灰度区间就是场景区域的灰度分布，表达式为：

$R_{\mathrm{gray}}=\left\{\begin{array}{c}{\mathrm{MIN}}_{\mathrm{gray}},\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{h}_i<\mathrm{SUM}*3\%\\ {\mathrm{MAX}}_{\mathrm{gray}},\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{h}_{256-i}<\mathrm{SUM}*3\%\end{array}\right.---\left(1\right)$

式中R_gray表示场景灰度范围，MAX_gray为直方图最大值方向的3％像素截取灰度，MIN_gray为直方图最小值方向的3％像素截取灰度，h_i为图像直方图，采用所述场景直方图截取的方式有较强的针对性，仅针对目标的强度变化考虑对系统动态范围区间选择，分离了图像奇异点的影响，又兼顾了背景中的有效信息。具体实施时，不需要很高的精度，因而可以减少系统的计算量，。

所述步骤2将获得的目标灰度换算成焦平面输出电压，通过输出电压范围调整焦平面的偏压，使焦平面的输出范围满足适合目标观察最优化的动态范围。

所述步骤2在目标灰度提取中结合了LMS自适应滤波的方法，一是可以预测场景灰度范围，让动态范围自适应程度更加精确，二是可以滤掉一些不必要的干扰，有利于对每帧图像动态范围自适应平缓过度，使系统工作更加稳定可靠，提前知道目标灰度的变化趋势，使动态范围得到及时准确的调整，系统运行更稳定，鲁棒性更强。

根据附图1，所述步骤3采用了一种超低噪声线性稳压电源配合高精度数字电位器的硬件架构方式进行实现，InGaAs短波红外焦平面输出的信号经过后续信号处理部分进行目标分析、灰度提取、滤波预测得到的调整参数值输入到高精度的数字电位器转换成需要的电压值调整据焦平面的偏压，整个动态范围自适应控制电路结构简单，只需要在普通的红外焦平面成像电路中增加两个芯片即可可以满足要求，适合小型化、低功耗设计；在得到目标灰度特征以后，计算出目标灰度在焦平面输出信号中的分布，采用超低噪声运放结合高精度数字电位器实现焦平面偏置电压，输出到焦平面的V_EBASAGE，从硬件上实现了目标实时成像动态范围场景自适应。

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.基于场景的InGaAs短波红外焦平面成像动态范围调整方法，其特征在于，包括：

步骤1：基于场景直方图统计的动态范围区间的获取；

步骤2：场景灰度的预测算法；

步骤3：动态范围自适应硬件构架。

2.如权利要求1所述的基于场景的InGaAs短波红外焦平面成像动态范围调整方法，其特征在于，所述步骤1采用场景直方图截取的方式，分别在场景直方图中搜索最大和最小灰度值作为灰度截取位置，最大灰度值和最小灰度值包含的灰度区间就是场景区域的灰度分布，表达式为：

$R_{\mathrm{gray}}=\left\{\begin{array}{c}{\mathrm{MIN}}_{\mathrm{gray}},\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{h}_i<\mathrm{SUM}*3\%\\ {\mathrm{MAX}}_{\mathrm{gray}},\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{h}_{256-i}<\mathrm{SUM}*3\%\end{array}\right.---\left(1\right)$

式中R_gray表示场景灰度范围，MAX_gray为直方图最大值方向的3％像素截取灰度，MIN_gray为直方图最小值方向的3％像素截取灰度，h_i为图像直方图，采用所述场景直方图截取的方式有较强的针对性，仅针对目标的强度变化考虑对系统动态范围区间选择，分离了图像奇异点的影响，又兼顾了背景中的有效信息。具体实施时，不需要很高的精度，因而可以减少系统的计算量。

3.如权利要求1所述的基于场景的InGaAs短波红外焦平面成像动态范围调整方法，其特征在于，所述步骤2将获得的目标灰度换算成焦平面输出电压，通过输出电压范围调整焦平面的偏压，使焦平面的输出范围满足适合目标观察最优化的动态范围。

4.如权利要求3所述的基于场景的InGaAs短波红外焦平面成像动态范围调整方法，其特征在于，所述步骤2在目标灰度提取中结合了LMS自适应滤波的方法，一是可以预测场景灰度范围，让动态范围自适应程度更加精确，二是可以滤掉一些不必要的干扰，有利于对每帧图像动态范围自适应平缓过度，使系统工作更加稳定可靠。

5.如权利要求1所述的基于场景的InGaAs短波红外焦平面成像动态范围调整方法，其特征在于，所述步骤3采用了一种超低噪声线性稳压电源配合高精度数字电位器的硬件架构方式进行实现，InGaAs短波红外焦平面输出的信号经过后续信号处理部分进行目标分析、灰度提取、滤波预测得到的调整参数值输入到高精度的数字电位器转换成需要的电压值调整据焦平面的偏压，整个动态范围自适应控制电路结构简单，只需要在普通的红外焦平面成像电路中增加两个芯片即可可以满足要求，适合小型化、低功耗设计。