CN105046674A - 一种多元并扫红外ccd图像的非均匀化校正方法 - Google Patents

Abstract

本发明是一种多元并扫红外CCD图像的非均匀化校正方法，该方法包括步骤如下：步骤A：对扫描方向的红外图像像素进行计算，获取各个红外探元图像的平均增益及其动态范围；步骤B：获取多元并扫探测器的整体增益值和动态范围值；步骤C：获取每个探元的红外图像像素调整参数值；步骤D：对每个探元对应的红外图像像素进行像素值的调整，获得整幅红外图像的像素，实现多元并扫红外CCD图像的非均匀化校正。

Description

一种多元并扫红外CCD图像的非均匀化校正方法

技术领域

本发明涉及红外图像处理技术领域，尤其涉及多元并扫体制的红外图像非均匀化的校正方法。

背景技术

多元并扫是源于传统胶片时代的全景摄影相机，具有很大的飞行旁向视场角、分辨率高的特点，只需线阵探测器，就可以获取宽幅图像，常常应用于红外图像的快速获取。红外多元并扫成像技术就是采用多元并扫的模式来获取地面的红外图像，在军事和民用方面正得到越来越广泛和深入的应用。它通过物镜的左右摆扫获取图像获得飞行旁向视场很大的红外图像，大大提高了图像获取的效率。飞行旁向大视场的红外图像包含的信息丰富，使得地物图像的动态范围增大，对于后期的红外图像处理提出了更高的要求。

非均匀性是影响红外图像视觉效果的一个主要因素，需要对其进行校正。产生非均匀性的原因有多种，既有探测单元(简称探元)自身响应的不一致问题，也有探元工作中噪声引入的非均匀性。受材料和工艺水平等因素的限制，各探元响应的非均匀性比较明显，而且各探元的响应特性还会随工作温度的变化而变化，从而导致获取的红外图像分辨率显著下降，给红外图像的应用及判读分析带来了困难，因而在使用中对于红外图像往往都要进行非均匀校正。

目前红外图像的非均匀校正方法主要有两大类，即基于定标的校正方法和基于场景的校正方法。基于定标的校正方法具有较高的校正准确度，目前使用较为广泛的是基于两点定标的校正技术，例如毛小群(毛小群、石俊生、何文学，基于定标法的红外图像非均匀性校正，云南师范大学学报，2009年7月，29卷4期：57～63)对一点法和两点定标方法进行了客观比较和评价，认为两点定标的校正方法比较好。但是基于定标的校正方法需要许多辅助器件(黑体源、光学设备等)，大大增加了探测器的体积和成本，并且在标定过程中还必须成像系统暂停工作，这严重制约了该方法的使用范围。

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，因此是目前研究的焦点。但在这类技术中绝大部分方法都需要估计真实场景值，典型的如赵春晖(赵春晖，刘振龙，改进的红外图像神经网络非均匀性校正算法，红外与激光工程，2013年4月，第42卷第4期)分析了传统的神经网络性校正算法所出现问题原因的基础上，提出了有效的改进方法：用非线性滤波器代替传统算法中使用的均值滤波器。校正后的红外图像，清晰度有明显的改善，消除了传统算法中存在伪像的问题。但是该方法需要训练神经网络，而且图案噪声能够被四邻域平均所消减，否则迭代将会发散；贺明等人(贺明，王新赛，路建方，吴强，徐华亮，一种新的红外焦平面阵列非均匀性代数校正算法，应用光学，2011年11月，第32卷第6期：1217～1212)针对传统红外图像非均匀性代数校正算法收敛速度慢、运动估计精度不高的缺点，提出一种多尺度光流帧问运动估计的非均匀代数校正算法。通过时域低通滤波，采用多尺度光流估计下一帧图像，将所得图像对进行代数校正。该方法性能在自主研发的热像仪中得到验证，但是必须保证同一场景点要被探测单元在不同时间观察过，否则校正效果也会不理想。

此外，也有将定标和场景校正的方法组合起来的方法，如何炬(何炬，马泳，刘啸，周群群，汪睿，红外焦平面非均匀校正快收敛卡尔曼滤波算法第41卷第12期，红外与激光工程，2012年12月)提出了一种采用优化的初始状态参数的改进卡尔曼滤波算法。优化的初始状态参数通过对用于两点校正的校正参数进行转换并对其结果进行统计得到。对于真实的红外图像序列实验结果显示，传统卡尔曼滤波算法在经过数次迭代之后才进入收敛状态，改进该算法必须从一开始就已经接近收敛状态。实验结果表明改进算法收敛速度快，对起始段图像序列的非均匀校正效果有改善。但是该方法需要序列红外图像，很难对单幅图像进行处理。

可见，现有的技术对红外图像的非均匀化校正处理比较复杂，且分别有一些要求和限制，不适合具有很大视场的多元并扫这种模式红外图像处理，利用传统校正方法的校正效果均不够理想。

发明内容

(一)要解决的技术问题

鉴于上述技术问题，本发明提供了一种多元并扫红外CCD图像的非均匀化校正的方法。

(二)技术方案

本发明提供一种多元并扫红外CCD图像的非均匀化校正的方法。该方法包括步骤如下：

步骤A：对扫描方向的红外图像像素进行计算，获取各个红外探元图像的平均增益及其动态范围；

步骤B：获取多元并扫探测器的整体增益值和动态范围值；

步骤C：获取每个探元的红外图像像素调整参数值；

步骤D：对每个探元对应的红外图像像素进行像素值的调整，获得整幅红外图像的像素，实现多元并扫红外CCD图像的非均匀化校正。

(三)有益效果

从上述技术方案可以看出，本发明红外CCD图像的非均匀化校正方法具有以下有益效果：

(1)各个探元探测的性能是考虑扫描方向上CCD图像的累计统计特性而得到的，计算简单，效率高，实时性好。

(2)基于探元增益一致性原则，通过图像的整体增益与每个探元的局部增益比例关系，来计算每个探元对应的修正参数；

(3)校正参数的计算都是采用了大视场多元并扫获取的当前红外图像本身数据，没有额外引入其它数据，能够较好地适应各种场景。

附图说明

图1为根据本发明实施例多元并扫红外CCD图像的非均匀化校正方法的流程图；

图2A为非均匀化校正的原始红外图像；

图2B为非均匀化校正的原始红外图像图2A的局部放大显示的效果；

图2C为利用图1所示方法对图2A进行非均匀化校正后的红外图像；

图2D为非均匀化校正后的红外图像图2C的局部放大显示的效果；

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号。附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。另外，虽然本文可提供包含特定值的参数的示范，但应了解，参数无需确切等于相应的值，而是可在可接受的误差容限或设计约束内近似于相应的值。

请参阅图1示出本发明多元并扫红外CCD图像的非均匀化校正的方法的流程图，该方法包括：首先获取各个探元图像的平均增益及其动态范围，获取多元并扫探测器的整体增益值和整体的动态范围值，然后计算每个探元的像素调整参数值，最后对每个探元对应的图像像素进行像素值的调整，实现多元并扫红外CCD图像的非均匀化校正。

步骤A中，针对获取多元并扫红外图像的每个探测器单元(简称探元)，对扫描方向的红外图像像素进行计算，获取每个探元图像的平均增益值μ_i和动态范围值σ_i，其具体计算公式如下：

${\mathrm{\μ}}_i=\frac{\underset{j=0}{\overset{j\≤M}{\Σ}}I(i,j)}{M}---\left(1\right)$

${\mathrm{\σ}}_i=3\sqrt{\frac{\underset{j=0}{\overset{j\≤M}{\Σ}}{\left(I\right(i,j)-{\mathrm{\μ}}_i)}^2}{M}}---\left(2\right)$

其中，表示从0到M进行求和，j为对应每个扫描方向的像素排列序号(即图像的列向排列序号)，M为图像在扫描方向的排序总数，I(i，j)表示原始红外图像I中在第i行第j列位置处像素的数值，i为获取图像所对应的探元序号(即图像的横向排列序号)，表示进行平方根运算。

步骤B中，对每个探元获取图像的平均增益值和动态范围值进行计算，得到多元并扫探测器的整体增益值μ_A和整体的动态范围值σ_A，其计算公式如下：

${\mathrm{\μ}}_A=\frac{\underset{i=0}{\overset{i\≤N}{\Σ}}{\mathrm{\μ}}_i}{N}---\left(3\right)$

${\mathrm{\σ}}_A=3\sqrt{(\frac{\underset{i=0}{\overset{i\≤N}{\Σ}}{\mathrm{\σ}}_i^2+\underset{i=0}{\overset{i\≤N}{\Σ}}{\mathrm{\μ}}_i^2}{N}-{\mathrm{\μ}}_A^2)}---\left(4\right)$

其中，表示从0到N进行求和，μ_i为第i个探元的平均增益值，σ_i为第i个探元的动态范围标志值，i为图像所在的探元号(即图像的横向序号)，N为获取红外图像的探元数量，也就是垂直于扫描方向的像素总数。

步骤C中，利用多元并扫探测器的整体增益值和整体的动态范围值计算得到每个探元的像素调整参数值k_i和b_i，其计算公式如下：

$k_i=\frac{{\mathrm{\σ}}_A}{{\mathrm{\σ}}_i}---\left(5\right)$

b_i＝μ_A-μ_i(6)

其中，μ_A为整体增益值，σ_A为整体的动态范围值，μ_i为第i个探元的平均增益值，σ_i为第i个探元的动态范围标志值。

步骤D中，利用每个探元的像素调整参数值，对每个探元对应的红外图像像素进行像素值的调整，获得整幅红外图像的像素，实现多元并扫红外CCD图像的非均匀性校正，所述像素值的调整如下公式表示：

P(i，j)＝I(i，j)k_i+b_i(7)

其中，P(i，j)为调整后的红外图像的像素值，I(i，j)表示多元并扫红外图像I中在第i个探元在扫描方向上获取的第j个位置处红外图像的像素值，k_i和b_i为步骤C计算第i个探元的像素调整参数。

本实施例多元并扫红外CCD图像的非均匀化校正的方法通过将输入红外图像的每个像素均进行这样的调整，就完成了整幅红外图像的像素调整。

为了验证本实施例的效果，对图2A为对比度调整之前的原始多元并扫红外图像，共有480探元，扫描方向有11500个像素，场景中包含了河流、桥梁、农田等多种景物，场景信息丰富。图2B为原始红外图像的局部放大图，从图2A和图2B上可以看出图像具有明显的不均匀性，主要体现在中间探元的图像较暗(数值偏小)、两侧探元图像较亮(数值偏大)，而且从局部放大的图像可以看出原始红外图像还存在着明显的条纹状非均匀性噪声图。图2C为利用本发明的方法进行非均匀性化校正处理后的效果图，图2D为非均匀性化校正处理后的局部放大效果图。从图2C和图2D可以看出：红外图像的非均匀性得到了明显的修正，尤其是中间较暗、两侧亮的非均匀性格和条纹状非均匀性都得到了很还的去除，校正后的图像纹理清晰，视觉效果良好。

本实施例多元并扫红外CCD图像的非均匀化校正的方法通过将输入红外图像的每个像素均进行这样的调整，就完成了整幅图像的像素调整。

至此，已经结合附图对本实施例进行了详细描述。依据以上描述，本领域技术人员应当对本发明多元并扫红外CCD图像的非均匀化校正的方法有了清楚的认识。

此外，上述对各元件和方法的定义并不仅限于实施方式中提到的各种具体结构、形状或方式，本领域的普通技术人员可对其进行简单地熟知地替换。

综上所述，本发明的多元并扫红外CCD图像的非均匀化校正方法，在其校正过程中，每个像素都是根据每个探元的在扫描方向上获取的数据进行统计分析，基于各个探元的辐射响应的一致性来计算每个探元对应的修正参数，计算简单，实时性好。而且校正参数的计算都是采用了大视场多元并扫红外图像本身数据，没有采用其它的外部数据，能够较好地适应各种场景。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种多元并扫红外CCD图像的非均匀化校正方法，该方法包括步骤如下：

步骤A：对扫描方向的红外图像像素进行计算，获取各个红外探元图像的平均增益及其动态范围；

步骤B：获取多元并扫探测器的整体增益值和动态范围值；

步骤C：获取每个探元的红外图像像素调整参数值；

步骤D：对每个探元对应的红外图像像素进行像素值的调整，获得整幅红外图像的像素，实现多元并扫红外CCD图像的非均匀化校正。

2.根据权利要求1所述多元并扫红外CCD图像的非均匀化校正方法，其中，每个探元获取图像的平均增益值μ_i和动态范围标志值σ_i的计算如下公式表示：

${\mathrm{\μ}}_i=\frac{\underset{j=0}{\overset{j\≤M}{\Σ}}I(i,j)}{M}---\left(1\right)$

${\mathrm{\σ}}_i=3\sqrt{\frac{\underset{j=0}{\overset{j\≤M}{\Σ}}{\left(I\right(i,j)-{\mathrm{\μ}}_i)}^2}{M}}---\left(2\right)$

其中，表示从0到M进行求和，j为对应每个扫描方向的像素排列序号，M为图像在扫描方向的排序总数，I(i，j)表示原始红外图像I中在第i行第j列位置处像素的数值，i为获取图像所对应的探元序号，表示进行平方根运算。

3.根据权利要求1所述多元并扫红外CCD图像的非均匀化校正方法，其中，获取多元并扫探测器的整体增益值μ_A和整体的动态范围值σ_A的计算如下公式表示：

${\mathrm{\μ}}_A=\frac{\underset{i=0}{\overset{i\≤N}{\Σ}}{\mathrm{\μ}}_i}{N}---\left(3\right)$

${\mathrm{\σ}}_A=3\sqrt{(\frac{\underset{i=0}{\overset{i\≤N}{\Σ}}{\mathrm{\σ}}_i^2+\underset{i=0}{\overset{i\≤N}{\Σ}}{\mathrm{\μ}}_i^2}{N}-{\mathrm{\μ}}_A^2)}---\left(4\right)$

其中，表示从0到N进行求和，μ_i为第i个探元的平均增益值，σ_i为第i个探元的动态范围标志值，i为图像所在的探元号，N为获取红外图像的探元数量，也就是垂直于扫描方向的像素总数，表示进行平方根运算。

4.根据权利要求1所述多元并扫红外CCD图像的非均匀化校正方法，其中，每个探元的像素调整参数值k_i和b_i计算如下公式表示：

$k_i=\frac{{\mathrm{\σ}}_A}{{\mathrm{\σ}}_i}---\left(5\right)$

b_i＝μ_A-μ_i(6)

其中，μ_A为整体增益值，σ_A为整体的动态范围值，μ_i为第i个探元的平均增益值，σ_i为第i个探元的动态范围标志值，i为获取图像所对应的探元序号。

5.根据权利要求1所述多元并扫红外CCD图像的非均匀化校正方法，其中，所述像素值的调整如下公式表示：

P(i，j)＝I(i，j)k_i+b_i(7)

其中，P(i，j)为调整后的红外图像的像素值，I(i，j)表示多元并扫红外图像I中在第i个探元在扫描方向上获取的第j个位置处红外图像的像素值，k_i和b_i为第i个探元的像素调整参数，i为获取图像所对应的探元序号，j为对应每个扫描方向的像素排列序号。