CN105049752B - 用于非均匀性修正的红外图像处理方法 - Google Patents

用于非均匀性修正的红外图像处理方法 Download PDF

Info

Publication number
CN105049752B
CN105049752B CN201510213875.4A CN201510213875A CN105049752B CN 105049752 B CN105049752 B CN 105049752B CN 201510213875 A CN201510213875 A CN 201510213875A CN 105049752 B CN105049752 B CN 105049752B
Authority
CN
China
Prior art keywords
column
pixel
input picture
scale factor
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510213875.4A
Other languages
English (en)
Other versions
CN105049752A (zh
Inventor
阿莫里·萨拉加吉亚
阿兰·迪朗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lingruide Co.
Original Assignee
Ulis SAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ulis SAS filed Critical Ulis SAS
Publication of CN105049752A publication Critical patent/CN105049752A/zh
Application granted granted Critical
Publication of CN105049752B publication Critical patent/CN105049752B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
    • H04N25/67—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to fixed-pattern noise, e.g. non-uniformity of response
    • H04N25/671—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to fixed-pattern noise, e.g. non-uniformity of response for non-uniformity detection or correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J1/00—Photometry, e.g. photographic exposure meter
    • G01J1/42—Photometry, e.g. photographic exposure meter using electric radiation detectors
    • G01J1/44—Electric circuits
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/10—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors
    • G01J5/20—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors using resistors, thermistors or semiconductors sensitive to radiation, e.g. photoconductive devices
    • G01J5/22—Electrical features thereof
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/10—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors
    • G01J5/20—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors using resistors, thermistors or semiconductors sensitive to radiation, e.g. photoconductive devices
    • G01J5/22—Electrical features thereof
    • G01J5/24—Use of specially adapted circuits, e.g. bridge circuits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/144—Image acquisition using a slot moved over the image; using discrete sensing elements at predetermined points; using automatic curve following means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
    • H04N25/67—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to fixed-pattern noise, e.g. non-uniformity of response
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
    • H04N25/67—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to fixed-pattern noise, e.g. non-uniformity of response
    • H04N25/671—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to fixed-pattern noise, e.g. non-uniformity of response for non-uniformity detection or correction
    • H04N25/673—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to fixed-pattern noise, e.g. non-uniformity of response for non-uniformity detection or correction by using reference sources
    • H04N25/674—Noise processing, e.g. detecting, correcting, reducing or removing noise applied to fixed-pattern noise, e.g. non-uniformity of response for non-uniformity detection or correction by using reference sources based on the scene itself, e.g. defocusing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N3/00—Scanning details of television systems; Combination thereof with generation of supply voltages
    • H04N3/02—Scanning details of television systems; Combination thereof with generation of supply voltages by optical-mechanical means only
    • H04N3/08—Scanning details of television systems; Combination thereof with generation of supply voltages by optical-mechanical means only having a moving reflector
    • H04N3/09—Scanning details of television systems; Combination thereof with generation of supply voltages by optical-mechanical means only having a moving reflector for electromagnetic radiation in the invisible region, e.g. infrared
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • H04N5/33—Transforming infrared radiation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J1/00—Photometry, e.g. photographic exposure meter
    • G01J1/42—Photometry, e.g. photographic exposure meter using electric radiation detectors
    • G01J1/44—Electric circuits
    • G01J2001/444—Compensating; Calibrating, e.g. dark current, temperature drift, noise reduction or baseline correction; Adjusting

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Electromagnetism (AREA)
  • Toxicology (AREA)
  • Image Processing (AREA)
  • Transforming Light Signals Into Electric Signals (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)
  • Image Input (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Studio Devices (AREA)

Abstract

本发明涉及一种图像处理方法，其涉及：由处理装置接收由对红外辐射敏感的像素阵列获取的输入图像(IB)；基于所述输入图像和列分量向量(VCOL)通过估计在所述输入图像中出现的所述列扩展的级别确定第一比例因子(α)；基于所述第一比例因子与所述向量的值的乘积生成列偏移值(α.VCOL(x))；基于所述输入图像和2D离差矩阵(IDISP)，通过估计在所述输入图像中出现的所述2D离差的级别，确定第二比例因子(β)；基于第二比例因子与所述矩阵的值的乘积生成像素偏移值(β.IDISP(x,y))；以及通过应用所述列和列偏移值生成修正图像(IC')。

Description

用于非均匀性修正的红外图像处理方法
技术领域
本公开涉及红外图像传感器领域，并且具体涉及一种执行通过对红外光敏感的像素阵列获取的图像中的偏移和增益修正的方法和装置。
背景技术
在红外(IR)成像领域中，不使用快门或者类快门的硬件而执行获取图像中的偏移修正，这对对非制冷IR成像装置例如微测辐射热计和还对制冷IR成像装置给出了重大挑战。这样的成像装置包括形成像素阵列的IR敏感探测器的阵列。
像素阵列中的像素之间的空间非均匀性对将在图像中被修正的偏移负责，其不仅随时间变化而且是基于温度的。这个问题通常使用成像装置中的内部机械快门处理，并且涉及当关闭快门时周期性获取图像以得到相对均匀场景的参考图像，其然后可以用于校准。然而，使用快门有多个缺点，例如，额外的重量和成本以及该组件的脆弱性。另外，对于特定应用，因为快门关闭和发生校准时所损失的时间，快门的使用是不可接收的。在该校准期间，不能获取场景的图像。
用于修正偏移的图像处理技术已经被提议作为使用快门的替换。然而，现有技术是复杂的和/或没有充分地修正图像。因此本领域中需要红外图像中偏移修正的一种改进的方法。
发明内容
本说明书的实施例的目的是至少部分地解决现有技术的一个或多个需要。
根据一个方面，提成一种图像处理方法，其包括：由处理装置接收由对红外辐射敏感的像素阵列获取的输入图像，像素阵列具有多个像素列，每个像素列与对应的参考像素相关联；基于输入图像和用于表示由参考像素引起的列扩展的列分量向量，通过估计在输入图像中出现的列扩展的级别确定第一比例因子；基于第一比例因子与向量值的乘积产生生成列偏移值；基于输入图像和用于表示由像素阵列引起的2D离差的2D离差矩阵，通过估计在出述输入图像中现所的2D离差的级别，确定第二比例因子；基于第二比例因子与矩阵的值的乘积生成像素偏移值；以及通过应用列和列偏移值生成修正图像。
根据一个实施例，方法进一步包括基于列偏移值生成部分修正图像，其中，第二比例因子是基于部分修正图像生成。
根据一个实施例，基于用于表示由像素阵列和相关联的参考像素引起的偏移的参考图像确定列向量和离差矩阵。
根据一个实施例，修正图像是基于以下等式生成的：IC′＝IB(x,y)-αICOL(x,y)-βIDISP(x,y)，其中，IB(x,y)是输入图像，α是第一比例因子，ICOL(x,y)这样一种矩阵，该矩阵的每行中包括列向量，β是第二比例因子，以及IDISP(x,y)是离差矩阵。
根据一个实施例，列向量表示第一列向量和第二列向量之间的差，第一列向量是基于在第一环境温度下拍摄的第一参考图像，第二列向量是基于在第二环境温度下拍摄的第二参考图像；离差矩阵表示基于第一参考图像的第一离差矩阵和基于第二参考图像的第二离差矩阵之间的差。
根据一个实施例，修正图像是基于以下等式生成的：
其中，IB (x,y)是输入图像，α是第一比例因子，是这样一种矩阵，该矩阵的每行中包括第 一列向量，I′COL(x,y)是等于的矩阵，其中，是这样一种矩阵，该矩阵 的每行中包括第二列向量，β是第二比例因子，是第一离差矩阵以及是 等于的矩阵，其中，是第二离差矩阵。
根据一个实施例，方法进一步包括基于修正图像确定至少一个列残差偏移值。
根据一个实施例，确定至少一个列残差偏移值包括：确定与修正图像的至少一些像素相关联的权重(wx,y)，基于至少一些像素中的每个像素的邻域的均匀性的估计生成权重；对于至少一些像素中的每个像素，计算与相邻列的对应行中的像素值的差；以及将权重应用至差并且积分加权的差以生成至少一个列残差偏移值。
根据一个实施例，至少一些像素中的每个像素的邻域的均匀性的估计是基于对于每个邻域计算的梯度值和水平方差。
根据一个实施例，确定第一比例因子包括：沿着图像的行应用高通滤波器；应用高通滤波器至列向量；以及确定滤波后图像的列平均值，其中，第一比例因子是基于滤波后图像的列平均值和列向量的滤波后值之间的差的最小化确定的。
根据一个实施例，第一比例因子α是基于以下等式确定的：
其中T()表示应用至列向量和至输入图像的行的高通滤波器。
根据一个实施例，确定第二比例因子包括：基于至少一个相邻像素对于输入图像的每个像素和对于离差矩阵的每个元素确定梯度值，其中，基于原始输入图像的梯度和离差矩阵的梯度之间的差的最小化确定比例因子。
根据一个实施例，第二比例因子β是基于以下等式确定的：
其中IB是输入图像，IDISP是离差矩阵，▽x是输入图像中行方向中相邻像素之间的像素梯度值，并且▽y是输入图像中列方向中的像素梯度值。
根据一个实施例，列和像素偏移值被应用至其它输入图像。
根据一个实施例，方法进一步包括通过求解以下最小化问题确定增益修正值(γ)：
其中var是变量，Ic'是修正图像以及Gain是增益矩阵。
根据其它方面，提供一种图像处理装置，其包括：存储器，其存储列向量和离差矩阵；处理装置适于：接收由对红外辐射敏感的像素阵列获取的输入图像，像素阵列具有多个像素列，每个像素列与对应的参考像素相关联；基于输入图像和用于表示由参考像素引起的列扩展的列向量通过估计在输入图像中出现的列扩展的级别确定第一比例因子；基于第一比例因子与向量的值的乘积产生生成列偏移值；基于输入图像和用于表示由像素阵列引起的2D离差的离差矩阵，通过估计在输入图像中出现的2D离差的级别，确定第二比例因子；基于第二比例因子与矩阵的值的乘积的生成像素偏移值；以及通过应用列和列偏移值生成修正图像。
附图说明
从参考附图以示例性并且非限制性的方式给出的实施例的以下详细描述，前述和其它特征和优点将变得明显，其中，：
图1示意地示出了根据示例性实施例的成像装置；
图2根据示例性实施例更详细地示意地示出了图1的成像装置的像素阵列的部件。
图3根据示例性实施例更详细地示意地示出了图1的成像装置的图像处理块。
图4是示出根据示例性实施例的成像处理方法中的操作的流程图。
图5是示出根据进一步示例性实施例的处理图像的方法中的操作的流程图。
图6是示出根据示例性实施例的去除列残差的方法中操作的流程图。
图7是根据示例性实施例更详细地示出图6的操作的流程图。
具体实施方式
虽然在以下描述中的一些实施例是相对于微测辐射热计类型的像素阵列而描述的，但是对于本领域技术人员而言显而易见的是文中所描述的方法可以同样地适用于其它类型的IR成像装置，包括冷却装置。
图1示出了包括对IR光敏感的像素阵列102的IR成像装置100。例如，在一些实施例中，像素阵列对于长波IR光例如具有7和13微米之间波长的光是敏感的。
为了便于说明，设置成12行和12列的仅144个像素104的像素阵列102在图1中示出。在可替换实施例中，像素阵列102可以包括任何数目的像素行和列。典型地，该阵列例如包括640×480或1024×768个像素。
阵列102的每列像素与相应的参考结构106相关联。尽管图象元件不是功能的，但是该结构将在本文中称为与类似于成像(或有源)的像素104的结构的“参考像素”。另外，输出块108耦合到像素阵列102的每一列以及每个参考像素106，并提供了原始图像IB。
控制电路110例如将控制信号提供至像素阵列，至参考像素106，并且至输出块108。原始图像IB被例如提供至图像处理块112，其应用偏移和增益至图像的像素以产生修正图像IC。
图2根据成像装置是微测辐射热计的实例更详细地示出了像素阵列102的两列C1和C2和其相关联的参考像素和输出电路
像素阵列102的每列像素耦接至相应的列线202。例如，每个像素104包括在相应的列线202与接地节点之间串行耦接的开关204、晶体管206和辐射热计208。
辐射热计是本领域所公知的，并且例如包括悬在基板上的膜，其包括IR吸收材料层并且具有其电阻由与IR辐射的存在相关的膜的温度上升而修改的属性。
每行的像素中的开关204是例如由共用选择信号控制的。例如，在图2中，第一行像素由控制信号S1控制，并且第二行像素由控制信号S2控制。
晶体管206是例如NMOS晶体管，其在其栅极处接收偏置电压VFID，以通过在其端部的一个处引起稳定电压，在另一端被接地，控制横跨有源测辐射热计的电势下降。
与每列相关联的参考像素106包括在相应列线202和撇取(skimming)电压VSK之间串行耦接的晶体管210和盲测辐射热计212。撇取电压VSK通过在参考测辐射热计的一端引起稳定电压，设置由有源和参考像素形成的测辐射热计桥的最高电势。晶体管210例如是PMOS晶体管，其在栅极处接收偏置电压GSK，以通过在盲测辐射热计的另一端引起稳定电压，控制横跨盲测辐射热计的电势下降。
盲测辐射热计212例如具有与像素阵列的有源测辐射热计208类似的结构，但是致使其对来自图像场景的辐射不敏感，例如通过反射屏障而形成的屏蔽和/或通过设计的热沉，例如通过提供高热传导给基板，测辐射热计例如被形成为直接与基板接触。
每个列线202还耦接到形成图1的输出块108的一部分的输出电路。在图2的实例中，每个输出电路包括电容跨阻放大器(CTIA)214，其具有耦接到对应列线202的负输入端，和接收参考电压VBUS的正输入端。放大器214的输出提供该列的输出电压VOUT。电容器216和开关218在放大器214的负输入端和输出端之间彼此并行耦接。
在像素阵列102的读取操作期间，通过激活和解活的输出块108的每个输出电路的开关218以复位电容器216中的电压并激活将被读取的行的恰当选择信号S1，S2等，例如每次读取一个像素行。在参考像素中的电流ICOMP和有源像素的电流IAC之间的差由电容器216在有限积分时间上积分以产生表示像素值的输出电压VOUT。
图3示出了根据示例性实施例的更详细的图1的图像处理块112。
图像处理块112的功能是例如在软件中实现，并且图像处理块112包括处理装置302，其具有在存储在指令存储器304中的指令的控制下的一个或多个处理器。在可替换的实施例中，图像处理块112的功能可以至少部分地由专用硬件来实现。在这样的情况下，处理装置302例如包括ASIC(专用集成电路)或FPGA(现场可编程门阵列)，并且指令存储器304可被省略。
处理装置302接收原始输入图像IB，并且生成修正图像IC，其例如被提供至成像装置的显示器(未示出)。处理装置302还耦接到数据存储器306，其存储表示由像素阵列102引起的结构列扩展的向量VCOL，以及表示由像素阵列102引起的2D非列结构离差的矩阵IDISP。列扩展例如主要起因于参考像素106在每列中的使用，而列参考像素的行通常不是完全均匀的。2D非列离差例如主要起因于像素阵列的有源测辐射热计之间的局部的物理和/或结构的差异，其起因于例如工艺过程离差。数据存储器306例如还存储增益矩阵，将在下面更详细地讨论。
图4是示出了根据示例性实施例的图像处理方法的操作的流程图。这种方法是例如通过上述的图像处理块112执行的。
假定原始图像IB已经由图1的像素阵列102获取，并且该像素阵列是这样一种类型的，在该类型中该阵列的每列都与对应的参考像素相关联。
此外，假设该列向量VCOL和2D离差矩阵IDISP是可用。列向量VCOL和2D离差矩阵IDISP是例如基于在成像装置的初始设置阶段期间获取的单个参考图像IREF(x,y)生成。参考图像是例如在黑体源或均匀发射场景前面并在受控的温度下获取的一个。主要为了消除时间噪声，参考图像是例如通过平均多个帧如大约50个帧而获得的。根据以下关系该参考图像IREF(x,y)是例如被认为具有结构列和2D离差分量：
其中，ICOL(x,y)是表示像素阵列的列之间的参考列扩展的矩阵，以及IDISP(x,y)是表示像素阵列的每个像素的参考2D离差的矩阵。
矩阵IDISP可以由向量VCOL来表示，向量VCOL具有与图像中n个数目列相等的长度。例如，矩阵ICOL(x,y)具有等于图像的行的数目的m个行，并且每行包括向量VCOL。向量VCOL的生成例如涉及处理参考图像IREF以提取列分量。这例如对于每列等于该列的像素值的平均值。矩阵IDISP的生成例如涉及从参考图像的每个像素值中减去对应的列扩展值VCOL(x)。
在图4中的第一操作401中，对于原始图像IB确定比例因子α，以表示图像IB中列扩展VCOL的级别。在一个实施例中，比例因子α的值是基于图像IB中列分量ICOL的量的最小化来确定的。这可以表达为以下最小化函数：
其中，是该给定函数达到最小化的证据。如上，矩阵ICOL(x,y)可以被表示为向量VCOL(x)，因为它限定对于每列的单个值。为了便于求解这个最小化问题，同时也为了简化计算，还例如通过每列取平均值，以向量的形式放置原始图像IB。此外，高通滤波器例如在图像中水平地换言之在行的方向中应用，并且还应用至向量VCOL(x)。该最小化问题然后是例如基于转换图像的列的平均计算，如下：
其中T()表示应用至列向量VCOL和至输入图像的IB(x,y)的高通滤波器，以及m是在图像中的行数。
例如，滤波器函数被定义为T(X)＝X*hp，换句话说是矩阵X和水平高通滤波器的卷积。在一个实例中，滤波器函数hp由应用至沿x维度的局部窗口内的中心像素的系数[0.0456-0.0288-0.29560.5575-0.2956-0.02880.0456]而限定。更一般地，滤波器是例如适于锐化图像中垂直边缘的高通滤波器，换句话说，是提取列噪声。
最小化问题是例如基于用于比例因子α如下直接解答来求解的：
换言之，比例因子的确定α例如涉及：将高通滤波器沿着原始图像的行应用至原始图像并且还应用至参考列向量；确定滤波后图像的列平均值，导致与参考列向量大小相同的向量；以及然后确定比例因子作为两个列向量之间即滤波后图像的列平均值和滤波后的列向量之间的差的最小化。
如以下将更详细地描述地，比例因子α允许对于图像确定列偏移值α.ICOL(x,y)。
再次参考图4，在随后操作402中，对于原始图像IB确定比例因子β，其表示图像中的参考2D离差分量IDISP的贡献级别。
为了确定比例因子β，假定获取的图像是自然图像，例如具有自然场景统计，以及假定像素之间的局部大变化即像素和其邻域之间的变化是固定2D离差的结果。例如确定比例因子β的值，使得减少该离差在整个图像上的影响。采取的方法是，例如，基于以下等式最小化图像中的总变化(TV)：
其中，▽()是像素梯度值。作为最小化问题的很好的近似，例如将其视为以下的最小化：
这样的最小化问题是例如基于针对比例因子β的以下直接解答来求解的：
其中▽x是图像中水平方向中换言之沿着每行的相邻像素之间的像素梯度值，以及▽y是图像中的垂直方向中换言之沿着每列的相邻像素之间的像素梯度值。
因此，操作402涉及基于至少一个相邻像素对于原始输入图像的每个像素和对于参考2D离差矩阵的每个元素确定梯度值；以及基于原始输入图像的梯度和参考2D离差矩阵的梯度之间的差的最小化确定比例因子β。
在这个实例中，比例因子β是基于原始图像IB确定的。然而，在可替换的实施例中，比例因子β可以在列偏移α.ICOL(x,y)已被删除后基于图像确定。比例因子β的直接解答因而变成：
其中，ICC是其中每个像素(x,y)已例如基于以下等式被修正的图像：
ICC(x,y)＝IB(x,y)-α×ICOL(x,y)
其中ICOL(x,y)是这样一种矩阵，其每行中包括列向量VCOL(x)。
在一些实施例中，在操作402中的计算，仅考虑低于上阈值的像素梯度值。事实上，例如假定非常高梯度对应于图像中的场景相关的边缘。例如，该上阈值被选择为是对于参考离差矩阵IDISP计算出的最高梯度值的大约三倍。
在随后的操作403中，基于等于α.ICOL(x,y)的列偏移值生成修正图像IC'，并且像素偏移值等于β.IDISP(x,y)。例如，修正图像被计算为：
IC′＝IB(x,y)-αICOL(x,y)-βIDISP(x,y)
在上述实施例中，修正图像是基于从单个参考图像IREF取得的分量ICOL和IDISP。在可替换的实施例中，为了增加参考修正的精度，例如分别在不同的检测器温度T0和T1下获取两个参考图像，以代替唯一的参考图像，并且装置例如存储在图3的存储器306中，第一组的分量和于在T0拍摄的参考图像，第二组的分量和基于在T1拍摄的参考图像上。在这样的情况下，该标量α和β的值是，例如通过直接从输入图像的IB(x,y)中减去第一分量并且例如通过与和操作401和402的相关的描述相同的方式计算α和β，但是基于结构列分量和2D离差分量使用这些分量确定的。修正图像的IC'然后例如确定为：
在一些实施例中，操作401至403可以提供足够的偏移修正，在这种情况下，修正图像IC'在图1的图像处理块112的输出处提供图像。在可替换的实施例中，附加操作404和/或附加运算405是例如随后执行，以产生最终图像IC。
在操作404中，例如通过在将其从该图像中减去之前从修正图像IC'中计算图像修正因子γ并且将结果的每个像素值与增益矩阵相乘，将增益修正应用至图像。例如，该增益修正值通过求解下面的最小化问题而得到。
用于图像修正因子γ的直接解答因此变成：
其中是矩阵X的平均值，并且Gain是增益矩阵，这是例如连同向量VCOL和矩阵IDISP存储在存储器306中的。通常对于本领域技术人员而言，这样的增益矩阵是例如在两个不同的温度下从均匀源如黑体源之前的两个参考图像之间的差中确定的。
修正图像IC”然后是基于修正图像与增益相乘生成。例如，修正图像IC”计算为：
IC"＝(IC′-γ)×Gain
在操作405中，图像中剩余的偏移残差例如列残差和/或离差残差被例如除去。
图5是根据其它示例性实施例示出了图像中偏移修正方法中操作的流程图。
如处理块(CALCULATEα)502所表示的，输入图像IB和列向量VCOL例如用于生成比例因子α。向量VCOL然后与比例因子α相乘以生成列偏移值α.VCOL(y)。然后从原始图像IB中减去这些偏移值以提供列扩展修正图像ICC。
如处理块(CALCULATEβ)504所表示的，列扩展修正图像ICC和离差矩阵IDISP例如用于生成比例因子β。矩阵IDISP然后与比例因子β相乘以生成像素偏移值β.IDISP(x,y)。然后从图像ICC中减去这些偏移值以生成修正图像IC'。
此外，偏移值α.VCOL(y)与β.IDISP(x,y)被例如相加在一起以提供参考图像的偏移值(RI偏移值)506。
虽然在图5中未示出，但是然后可选择地应用如关于图4的操作404所描述的增益修正至修正图像的IC'，以及应用图像修正因子γ至图像。
如处理块508所表示的，为了生成列残差修正值(CR偏移值)510和列残差修正图像ICR，列残差修正然后例如基于修正图像IC'执行。事实上，与每列的列电路相关联的一些偏移仍然可以在图像中出现，有可能导致图像中可见垂直条纹。例如执行列残差修正以去除这些列残差。
如由处理块512所表示的，2D离差残差修正然后例如基于列残差修正图像ICR执行以生成2D离差残差偏移值(DR偏移值)514。离差残差修正例如使用边缘保护和减少噪声平滑滤波器如各向异性离差滤波器来实现。
在图5的实例中，偏移值506、510和514被加总在一起以提供被应用至图像的总和偏移值SOV(x,y)。然后从原始图像的IB中减去这些偏移值SOV(x,y)。然而，确定总和偏移值SOV(x,y)的优点是这些偏移可以应用于与用于生成它们的图像不同的图像。例如，在原始图像IB是由成像装置获取的视频序列帧的情况下的，例如从序列中的后续图像中减去偏移值SOV(x,y)。这导致获取的原始图像和变得可用的修正图像之间的时间延迟的减少。
在可替换的实施例中，参考图像偏移506被应用到当前或随后的原始图像，在所产生的图像IC'上执行增益修正，并且然后列和离差偏移残差值例如应用到增益修正图像。
参考图6和图7的流程图，现在将更加详细地描述在图5的操作508中执行的列残差修正。
图6是示出了应用至图像例如应用至从上述过程中得到的修正图像IC的列残差偏移的计算方法中的操作的流程图。这些操作是例如通过上面讨论的图3中的图像处理块112来实现。
在第一操作601中，基于由像素的邻域所限定的图像的局部区域中的均匀性估计，对于图像的每列的每个像素计算权重Wx,y。均匀性越高，与像素相关联的权重越高，列之间的差更可能是由于结构(固定)列残差导致的。例如，该计算对于每个像素是基于包括所讨论像素的9×3像素邻域，换句话说，基于根据所讨论像素的左和右侧的多达四个像素和所讨论像素的上和下的多达一个像素而限定的矩形区域。均匀性例如通过对于每个像素的邻域计算局部梯度和局部水平变量而被估计。在一些实施例中，权重可以基于列已经由低通滤波器垂直滤波后的图像而计算，如将在下面更详细地描述。。
在随后的操作602中，每列和下一个列之间的平均差是由给予每列对应的列到列偏移值▽Colw(x)的对应权重加权。例如，列到列偏移向量▽Colw(x)是基于下面的等式确定：
其中，Wx,y是在以上操作601中计算的权重，Ix+1,y是在下一列x+1的位置y中的像素值，以及Ix,y是当前列x的位置y中的像素值。换言之，每个列到列偏移值▽Colw(x)被确定为列x和列x+1的像素值之间的加权差的平均值。该行的最后列偏移值例如设置为0。
作为进一步操作，由于列到列偏移仅表示列和下一个之间的前向偏移，因此，偏移向量的每个项被例如向后积分，即通过从倒数第二项开始，每列偏移值被累积添加至前述一个，直到到达第一项为止，以提供如下最终列偏移项OffCol(x)：
OffCol(n)＝0,and OffCol(x-1)＝OffCol(x)+▽Colw(x-1)
这些偏移值例如提供图5中标记为510的列残差偏移值，其是例如与其它偏移加总，以提供会从原始图像IB或从随后减去原始图像中被减去的加总的偏移值SOV(x,y)。可替换的地，在随后的操作603中，为了产生干净的图像ICR，将偏移值应用到已经基于列扩展VCOL和2D离差分量IDISP修正的图像IC'。此外，由图6中的虚线箭头所表示的，在一些实施例中，操作601和602基于所生成的干净图像被重复一次或多次，以除去甚至更多的结构列残差。
图7是示出根据示例性实施例更详细地图6的操作的流程图。
如所说明，基于像素在其中出现的区域的均匀性计算权重的图6的操作601例如涉及子操作701至704。
操作701涉及垂直地沿着图像的列应用低通滤波器。应用这样的低通滤波器，例如降低图像传感器固有的固定模式噪声(FPN)的影响。该滤波操作是可选的。滤波器是例如由内核算子wG和其标准差σ定义的高斯滤波器。在一个实例中，滤波器具有为9的内核算子wG和为2的标准差。
操作702涉及计算用于图像的每个像素的局部梯度值和局部水平变方差
局部梯度是例如基于以下等式确定：
其中，Gx和Gy分别是x和y中的Sobel算子，并且I是例如在操作701中滤波后的图像。
局部水平变方差是例如基于以下等式确定：
其中θ是被考虑像素的水平邻域，是水平领域中像素值的平均值并且I(f)是水平领域内的对应像素值。水平邻域θ例如具有三个或更多像素的大小2*wV+1并且例如高达9个像素，并且可以通常限定为：
在操作703中，水平形态膨胀是例如在每个局部水平方差和局部梯度值上执行，例如根据下面的等式：
其中对于给定的像素x是例如等于以及θ′是像素x的水平像素邻域。例如邻域θ′具有三个或更多个像素的大小2*wD+1，并且通常被限定为：
水平形态膨胀具有这样一种效果，其通过将具有高水平梯度值和/或高方差值的区域的影响水平地延伸到邻近像素，以在场景中出现的高对比垂直结构的情况下降低(通常由光学像差引起的)模糊对权重计算的影响。
在操作704中，例如对于每列将值和归一化，使得例如对于一列其总和等于1。例如，这些标准是基于下列等式计算的：
权重Wx,y然后例如由这些归一化值和的线性组合确定，给出由像素的邻域限定的图像的局部区域中的均匀性的估计。在一些实施例中，梯度和方差然后是被给于等同影响，在此情况中权重Wx,y例如由以下等式确定：
可替换地，通过将标量应用至每个值，不同影响可以分配至梯度和方差。例如，权重可以由以下等式确定：
其中a和b是标量，并且例如a+b＝1。例如，选择b大于a，例如5倍或者更多倍，可以应用水平方差。
再次参考图7，权重Wx,y形成权重图705，在一些实施例中，对于图像的每个像素计算权重，而在其它实施例中，为了降低计算时间，操作701至704适于提供仅用于特定像素的权重，例如图像的每二、三或者四行的像素。
后续操作是图6的操作602，其中，列到列偏移▽Colw(x)例如是基于以上等式确定：
项(Ix+1,y-Ix,y)是列x和列x+1之间的前向差分，并且这些例如基于图像IC'在图7的操作706中计算。在一些实施例中，在计算对于给定列的平均值中仅考虑特定阈值下的前向差分。事实上，特定阈值之上的值可以被认为表示不应当被去除的图像场景中的垂直边缘。阈值例如选为比一个列和下一个之间的最大预期列差略大。偏移值OffCol(x)然后例如通过对值▽Colw(x)进行积分来计算，如以上所解释的。
如以上所述，向量(x)的偏移值可以例如在操作603中从图像IC'减去以生成干净图像ICR，其中，列残差已经从干净图像中去除，或者它们可以被增加至其它偏移，如图5中所表示的。
如文中所描述的偏移修正方法的优点是它们不需要使用机械快门，并且它们已经被发现是十分有效的。
具体地，本发明人已经发现：在文中所描述类型的像素阵列中，由于温度像素和参考像素变化遵循阿列纽斯等式，其中，激活能量对于所有像素是基本相同的，并且对于所有参考像素是基本相同的，或者至少基本包括在描述每个像素的阿列纽斯等式的常数预因子内。因此，通过分解由像素阵列引起进入1D和2D分量的偏移并且得到比例因子α和β以表示这些分量，可以实现有效偏移修正而不使用机械快门。
至此描述的至少一个说明性实施例、各种改变、修改和改进，本领域技术人员是容易想到的。
例如，虽然关于图2描述了微测辐射热计的具体实例，本领域技术人员可以理解的是文中所描述的方法可以应用至微测辐射热计的各种其它实施或者至其它类型的IR成像装置。
另外，本领域技术人员可以理解的是可以执行关于各个实施例描述的各个操作，在可替换的实施例中，可以以不同的顺序但是不影响其效果。例如，确定比例因子α和β的顺序可以改变。

Claims (16)

1.一种图像处理方法，其包括：
由处理装置(302)接收由对红外辐射敏感的像素阵列(102)获取的输入图像(IB(x,y))，所述像素阵列具有多个像素列，每个像素列与对应的参考像素(106)相关联；
基于所述输入图像和用于表示由所述参考像素(106)引起的列扩展的列向量(VCOL(x))，通过估计在所述输入图像中出现的所述列扩展的级别，确定第一比例因子(α)；
基于所述第一比例因子与所述列向量的值的乘积，生成列偏移值(α.VCOL(x))；
基于所述输入图像和用于表示由所述像素阵列引起的离差的离差矩阵(IDISP(x,y))，通过估计在所述输入图像中出现的所述离差的级别，确定第二比例因子(β)；
基于所述第二比例因子与所述离差矩阵的值的乘积，生成像素偏移值(β.IDISP(x,y))；并且
通过应用所述列偏移值和所述像素偏移值生成修正图像(IC')。
2.根据权利要求1所述的方法，其中基于所述输入图像(IB(x,y))和所述离差矩阵(IDISP(x,y))确定所述第二比例因子包括：基于所述输入图像和所述列偏移值生成部分修正图像(ICC)，并且基于所述部分修正图像和所述离差矩阵(IDISP(x,y))生成所述第二比例因子。
3.根据权利要求1或2所述的方法，其中，基于用于表示由所述像素阵列和相关联的参考像素引起的偏移的参考图像(IREF)，确定列向量(VCOL(x))和离差矩阵(IDISP(x,y))。
4.根据权利要求1所述的方法，其中，所述修正图像(IC')是基于以下等式生成的：
IC′＝IB(x,y)-αICOL(x,y)-βIDISP(x,y)
其中，IB(x,y)是所述输入图像，α是所述第一比例因子，ICOL(x,y)是这样一种矩阵，在该矩阵的每行中包括列向量，β是所述第二比例因子，以及IDISP(x,y)是离差矩阵。
5.根据权利要求1或2所述的方法，其中，所述列向量(VCOL(x))表示基于在第一环境温度(T0)下拍摄的第一参考图像的第一列向量和基于在第二环境温度(T1)下拍摄的第二参考图像的第二列向量之间的差；
所述离差矩阵(IDISP(x,y))表示基于所述第一参考图像的第一离差矩阵和基于所述第二参考图像的第二离差矩阵之间的差。
6.根据权利要求5所述的方法，其中，所述修正图像(IC')是基于以下等式生成的：
其中，IB(x,y)是所述输入图像，α是所述第一比例因子，是这样一种矩阵，该矩阵的每行中包括第一列向量，I′COL(x,y)是等于的矩阵，其中，是这样一种矩阵，该矩阵的每行中包括第二列向量，β是第二比例因子，是第一离差矩阵，以及I'DISP(x,y)是等于的矩阵，其中，是第二离差矩阵。
7.根据权利要求1所述的方法，进一步包括基于所述修正图像(IC')确定至少一个列残差偏移值(510)。
8.根据权利要求7所述的方法，其中，确定所述至少一个列残差偏移值包括：
确定与所述修正图像的至少一些像素相关联的权重(wx,y)，所述权重是基于所述至少一些像素中的每个像素的邻域的均匀性的估计所生成的；
对于所述至少一些像素中的每个像素，计算关于相邻列的对应行中的像素值的差；以及
将所述权重应用至所述差，并且对加权的差进行积分，以生成至少一个列残差偏移值。
9.根据权利要求8所述的方法，其中，所述至少一些像素中的每个像素的邻域的均匀性的估计是基于对于每个邻域计算的梯度值和水平方差的。
10.根据权利要求1所述的方法，其中，确定第一比例因子包括：
沿着所述输入图像的行应用高通滤波器；
应用所述高通滤波器至列向量；以及
确定所述滤波后图像的列平均值，其中，所述第一比例因子是以使滤波后图像的列平均值和列向量的滤波后值之间的差最小化的这种方式确定的。
11.根据权利要求10所述的方法，其中，所述第一比例因子α是基于以下等式确定的：
其中T()表示应用至列向量VCOL(x)和至输入图像IB(x,y)的行的所述高通滤波器，m是输入图像IB(x,y)中的行数。
12.根据权利要求1所述的方法，其中，确定第二比例因子包括：
对于所述输入图像的每个像素和对于所述离差矩阵的每个元素，基于至少一个相邻像素确定梯度值，其中，所述第二比例因子是以使所述输入图像的梯度和所述离差矩阵的梯度之间的差的最小化的这种方式确定的。
13.根据权利要求12所述的方法，其中，第二比例因子β是基于以下等式确定的：
其中IB是所述输入图像，IDISP是所述离差矩阵，是所述输入图像中的行方向中的相邻像素之间的像素梯度值，并且是所述输入图像中的列方向中的像素梯度值。
14.根据权利要求1所述的方法，其中，所述列偏移值和所述像素偏移值被应用至其它输入图像。
15.根据权利要求1所述的方法，进一步包括通过求解以下最小化问题确定增益修正值(γ)：
其中var是变量，Ic'是修正图像以及Gain是增益矩阵。
16.一种图像处理装置，其包括：
存储器(306)，其存储列向量(VCOL(x))和离差矩阵(IDISP(x,y))；
处理装置(302)，其被适配为：
接收由对红外辐射敏感的像素阵列(102)获取的输入图像，所述像素阵列具有多个像素列，每个像素列与对应的参考像素(106)相关联；
基于所述输入图像和用于表示由所述参考像素引起的列扩展的列向量，通过估计在所述输入图像中出现的所述列扩展的级别，确定第一比例因子(α)；
基于所述第一比例因子与所述列向量的值的乘积，生成列偏移值(α.VCOL(x))；
基于所述输入图像和用于表示由所述像素阵列引起的离差的离差矩阵，通过估计在所述输入图像中出现的所述离差的级别，确定第二比例因子(β)；
基于第二比例因子与所述离差矩阵的值的乘积，生成像素偏移值(β.IDISP(x,y))；以及
通过应用所述列偏移值和所述像素偏移值生成修正图像(IC')。
CN201510213875.4A 2014-04-30 2015-04-29 用于非均匀性修正的红外图像处理方法 Active CN105049752B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR14/53917 2014-04-30
FR1453917A FR3020735B1 (fr) 2014-04-30 2014-04-30 Procede de traitement d'une image infrarouge pour une correction des non uniformites

Publications (2)

Publication Number Publication Date
CN105049752A CN105049752A (zh) 2015-11-11
CN105049752B true CN105049752B (zh) 2019-09-27

Family

ID=51659717

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510213875.4A Active CN105049752B (zh) 2014-04-30 2015-04-29 用于非均匀性修正的红外图像处理方法

Country Status (8)

Country Link
US (1) US10015425B2 (zh)
EP (1) EP2940991B1 (zh)
JP (1) JP6887597B2 (zh)
KR (1) KR102391619B1 (zh)
CN (1) CN105049752B (zh)
CA (1) CA2889654C (zh)
FR (1) FR3020735B1 (zh)
RU (1) RU2677576C2 (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6356926B2 (ja) * 2015-10-29 2018-07-11 富士フイルム株式会社 赤外線撮像装置および赤外線撮像装置による信号補正方法
CN106855435B (zh) * 2016-11-15 2019-04-09 北京空间机电研究所 长波线阵红外相机星上非均匀性实时校正方法
CN108665422B (zh) * 2017-08-30 2022-05-10 西安电子科技大学 傅里叶域内逆向感知的单帧红外非均匀性检测方法
US10672164B2 (en) * 2017-10-16 2020-06-02 Adobe Inc. Predicting patch displacement maps using a neural network
WO2019127059A1 (zh) * 2017-12-26 2019-07-04 西安电子科技大学 基于引导滤波和高通滤波的红外图像非均匀性校正方法
KR102110399B1 (ko) * 2018-06-19 2020-05-13 전주대학교 산학협력단 검사 대상체의 내부 또는 표면 결함을 측정하기 위한 적외선 열화상 보정 방법
FR3083901B1 (fr) 2018-07-10 2021-10-08 Schneider Electric Ind Sas Methode de traitement d'une image
KR101955498B1 (ko) * 2018-07-19 2019-03-08 엘아이지넥스원 주식회사 신경망 구조를 이용한 적외선 영상 보정 장치 및 그 방법
FR3088512B1 (fr) * 2018-11-09 2020-10-30 Schneider Electric Ind Sas Procede de traitement d'une image
CN109767403B (zh) * 2019-01-23 2022-12-16 西安科技大学 一种基于场景的红外焦平面阵列条状噪声消除方法
CN111080561A (zh) * 2019-11-08 2020-04-28 上海航天控制技术研究所 一种时域高通滤波方法
CN111008944B (zh) * 2019-12-25 2023-07-14 武汉高德红外股份有限公司 一种红外焦平面探测器不稳定像元查找方法及系统
FR3111699A1 (fr) 2020-06-23 2021-12-24 Schneider Electric Industries Sas Procede de traitement d’une image brute collectee par un detecteur a bolometres et dispositif associe
JP2022022530A (ja) * 2020-06-25 2022-02-07 シャープ株式会社 カメラ、画像処理方法、プログラムおよびプログラムを記録したコンピュータ読み取り可能な記録媒体
CN112150377B (zh) * 2020-08-27 2024-03-29 北京空间机电研究所 一种红外图像非均匀性校正系数解析解交替迭代优化方法
CN112393807B (zh) * 2020-11-23 2021-11-23 昆明物理研究所 红外图像处理方法、装置、系统以及计算机可读存储介质
FR3118558B1 (fr) * 2020-12-24 2023-03-03 Safran Electronics & Defense Procédé d’étalonnage d’une matrice de photodétecteurs, dispositif d’étalonnage et système d’imagerie associés

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0653882A1 (en) * 1993-11-15 1995-05-17 Hughes Aircraft Company Scene based nonuniformity correction for scanning infrared sensors
JPH09168116A (ja) * 1995-12-15 1997-06-24 Nec Corp 熱型赤外線撮像装置
US6188069B1 (en) * 1997-12-03 2001-02-13 Nec Corporation Solid-state image sensing device with image pick-up bolometers for noise containing image signal and reference bolometers for estimating noise and read-out circuit for producing noise-free image signal
WO2004107728A2 (en) * 2003-05-23 2004-12-09 Candela Microsystems Image sensor with dark signal reduction
WO2009129245A2 (en) * 2008-04-15 2009-10-22 Flir Systems, Inc. Scene based non-uniformity correction systems and methods
CN102385701A (zh) * 2011-10-14 2012-03-21 华中科技大学 扫描型红外成像系统的非均匀校正方法
CN102779332A (zh) * 2012-07-09 2012-11-14 中国人民解放军国防科学技术大学 时域卡尔曼滤波修正的非线性拟合红外非均匀校正方法
CN102855610A (zh) * 2012-08-03 2013-01-02 南京理工大学 采用参数正确性因子的红外图像非均匀性校正方法
CN103076096A (zh) * 2013-01-07 2013-05-01 南京理工大学 基于中值直方图均衡的红外非均匀性校正算法
CN103292908A (zh) * 2012-02-22 2013-09-11 Ulis股份公司 校正包括阻性辐射热计阵列的探测器的漂移的方法和设备
JP2014011500A (ja) * 2012-06-27 2014-01-20 Canon Inc 撮像装置

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3226859B2 (ja) * 1997-11-17 2001-11-05 日本電気株式会社 撮像装置
JP4396425B2 (ja) * 2004-07-07 2010-01-13 ソニー株式会社 固体撮像装置及び信号処理方法
GB0625936D0 (en) * 2006-12-28 2007-02-07 Thermoteknix Systems Ltd Correction of non-uniformity of response in sensor arrays
JP4991435B2 (ja) * 2007-08-02 2012-08-01 キヤノン株式会社 撮像装置
US8655614B2 (en) * 2007-11-30 2014-02-18 The Boeing Company Position only fit, POF, algorithm for blur spot target tracking and discrimination
US8086073B2 (en) 2008-02-07 2011-12-27 Seiko Epson Corporation Non-uniform image resizer
EP2283314B1 (en) * 2008-05-22 2017-05-03 Matrix Electronic Measuring Properties, LLC Stereoscopic measurement system and method
US8094215B2 (en) * 2008-10-02 2012-01-10 Altasens, Inc. Digital column gain mismatch correction for 4T CMOS imaging systems-on-chip
JP5640316B2 (ja) * 2009-02-24 2014-12-17 株式会社ニコン 撮像装置
US9237284B2 (en) * 2009-03-02 2016-01-12 Flir Systems, Inc. Systems and methods for processing infrared images
US20130314536A1 (en) * 2009-03-02 2013-11-28 Flir Systems, Inc. Systems and methods for monitoring vehicle occupants
EP2471258B1 (en) * 2009-08-25 2017-05-24 Dual Aperture International Co. Ltd. Reducing noise in a color image
SG192767A1 (en) * 2011-02-25 2013-09-30 Photonis Netherlands B V Acquiring and displaying images in real-time
TWI571129B (zh) * 2011-03-30 2017-02-11 Sony Corp A / D converter, solid shooting device and driving method, and electronic machine
JP5871496B2 (ja) * 2011-06-24 2016-03-01 キヤノン株式会社 撮像装置及びその駆動方法
IN2015MN00019A (zh) * 2012-07-26 2015-10-16 Olive Medical Corp
US20140028861A1 (en) * 2012-07-26 2014-01-30 David Holz Object detection and tracking

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0653882A1 (en) * 1993-11-15 1995-05-17 Hughes Aircraft Company Scene based nonuniformity correction for scanning infrared sensors
JPH09168116A (ja) * 1995-12-15 1997-06-24 Nec Corp 熱型赤外線撮像装置
US6188069B1 (en) * 1997-12-03 2001-02-13 Nec Corporation Solid-state image sensing device with image pick-up bolometers for noise containing image signal and reference bolometers for estimating noise and read-out circuit for producing noise-free image signal
WO2004107728A2 (en) * 2003-05-23 2004-12-09 Candela Microsystems Image sensor with dark signal reduction
WO2009129245A2 (en) * 2008-04-15 2009-10-22 Flir Systems, Inc. Scene based non-uniformity correction systems and methods
CN102385701A (zh) * 2011-10-14 2012-03-21 华中科技大学 扫描型红外成像系统的非均匀校正方法
CN103292908A (zh) * 2012-02-22 2013-09-11 Ulis股份公司 校正包括阻性辐射热计阵列的探测器的漂移的方法和设备
JP2014011500A (ja) * 2012-06-27 2014-01-20 Canon Inc 撮像装置
CN102779332A (zh) * 2012-07-09 2012-11-14 中国人民解放军国防科学技术大学 时域卡尔曼滤波修正的非线性拟合红外非均匀校正方法
CN102855610A (zh) * 2012-08-03 2013-01-02 南京理工大学 采用参数正确性因子的红外图像非均匀性校正方法
CN103076096A (zh) * 2013-01-07 2013-05-01 南京理工大学 基于中值直方图均衡的红外非均匀性校正算法

Also Published As

Publication number Publication date
JP6887597B2 (ja) 2021-06-16
KR20150125609A (ko) 2015-11-09
US10015425B2 (en) 2018-07-03
EP2940991A1 (fr) 2015-11-04
CA2889654A1 (fr) 2015-10-30
FR3020735B1 (fr) 2017-09-15
FR3020735A1 (zh) 2015-11-06
RU2677576C2 (ru) 2019-01-17
US20150319387A1 (en) 2015-11-05
RU2015115885A (ru) 2016-11-20
EP2940991B1 (fr) 2017-09-27
KR102391619B1 (ko) 2022-04-27
CN105049752A (zh) 2015-11-11
RU2015115885A3 (zh) 2018-11-01
JP2015212695A (ja) 2015-11-26
CA2889654C (fr) 2022-11-29

Similar Documents

Publication Publication Date Title
CN105049752B (zh) 用于非均匀性修正的红外图像处理方法
US7995859B2 (en) Scene based non-uniformity correction systems and methods
CN106197690B (zh) 一种宽温范围条件下的图像校准方法及系统
CN103164846B (zh) 一种基于转向核估计的红外条纹非均匀性校正方法
CN103312996B (zh) 图像处理设备、图像处理方法和放射线系统
US10685458B2 (en) Radiometric imaging
Chapman et al. Empirical formula for rates of hot pixel defects based on pixel size, sensor area, and ISO
CN107124901A (zh) 去除电子显微照相机图像异常点的方法
Popowicz et al. On the efficiency of techniques for the reduction of impulsive noise in astronomical images
CN104995658A (zh) 图像处理方法,图像处理设备和图像处理程序
Li et al. Interior radiation noise reduction method based on multiframe processing in infrared focal plane arrays imaging system
JPWO2016098353A1 (ja) 画像情報処理装置、画像情報処理システム、画像情報処理方法、及び、画像情報処理プログラム
Daigle et al. Faint flux performance of an EMCCD
US10670745B1 (en) Statistical photo-calibration of photo-detectors for radiometry without calibrated light sources comprising an arithmetic unit to determine a gain and a bias from mean values and variance values
Svensson An evaluation of image quality metrics aiming to validate long term stability and the performance of NUC methods
Chapman et al. Improved image accuracy in hot pixel degraded digital cameras
Chulani et al. Preliminary performance results of the weighted Fourier phase slope centroiding method for Shack–Hartmann wavefront sensors obtained with the OOMAO simulator
Geng et al. Scene-based nonuniformity correction algorithm based on temporal median filter
US8457393B2 (en) Cross-color image processing systems and methods for sharpness enhancement
US10397504B2 (en) Correcting lag in imaging devices
Ratliff A generalized algebraic scene-based nonuniformity correction algorithm for infrared focal plane arrays
Algamdi et al. An Improved Technique for Blind Pixels' Detection of Infrared Focal Plane Array Detector
Rossi et al. A technique for ghosting artifacts removal in scene-based methods for non-uniformity correction in IR systems
Tan et al. Improved neural networks based method for infrared focal plane arrays nonuniformity correction
CN113767419A (zh) 用于去除静态场景的红外图像中的余辉的方法和设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20211021

Address after: Palaiseau France

Patentee after: Lingruide Co.

Address before: France Wo Trvor Lou Vaz

Patentee before: ULIS

TR01 Transfer of patent right