CN105118037B - 一种气动热辐射图像自动校正方法 - Google Patents
一种气动热辐射图像自动校正方法 Download PDFInfo
- Publication number
- CN105118037B CN105118037B CN201510560251.XA CN201510560251A CN105118037B CN 105118037 B CN105118037 B CN 105118037B CN 201510560251 A CN201510560251 A CN 201510560251A CN 105118037 B CN105118037 B CN 105118037B
- Authority
- CN
- China
- Prior art keywords
- image
- heat radiation
- offset field
- radiation image
- gray
- 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
Links
- 230000005855 radiation Effects 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000012937 correction Methods 0.000 title claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 238000003706 image smoothing Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 abstract description 3
- 238000006731 degradation reaction Methods 0.000 abstract description 3
- 230000003287 optical effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000191 radiation effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
Abstract
本发明公开了一种气动热辐射图像自动校正方法,包括:利用基于加权平方最小的图像平滑算法滤除原始气动热辐射图像Z中的噪声和细节;将灰度偏移场B用K阶二维多项式表示;利用最小二乘法估计灰度偏移场,估计的灰度偏移场为如下最小化问题的解:将▽B=Ca带入(3)中最小化问题中,得到的估计值;为灰度偏移场B的准确估计系数,校正图像为本发明方法,通过对气动热辐射退化图像与校正图像的峰值信噪比和灰度值比较,可以发现该校正算法可以有效抑制气动热辐射产生的背景噪声,大幅提升图像的信噪比。
Description
技术领域
本发明属于气动光学与图像处理相结合的交叉科学技术领域,具体涉及一种气动热辐射图像自动校正方法。
背景技术
气动光学是研究高速绕流流场对高速飞行器成像探测影响的一门学科。如图1所示,为高速飞行器光学窗口气动热辐射效应示意图。带有光学成像探测系统的高速飞行器在大气层内飞行时,光学窗口与来流之间的相互作用形成复杂的流场。由于空气粘性的作用,与光学窗口表面相接触的气流将受到阻滞,使得气流速度降低,在窗口表面附近形成边界层。边界层内具有很大速度梯度的各层会产生强烈的摩擦,气流的动能不可逆转地变为热能,造成窗口壁面温度的升高。高温气流将不断向低温壁面传热,引起很强的气动加热。光学窗口被气动加热而处于严重的气动热环境中,产生热辐射噪声,降低光电探测系统的信噪比和图像质量。
飞行速度越大,气流在飞行器表面加热的程度就越严重。窗外气流的辐照度和窗口的辐照度与背景的辐照度迭加,成像传感器将进入非线性区或饱和,造成景物有效信息的丢失或信噪比、信杂比的降低,探测性能的下降或功能失效。因此,需要进行气动热辐射校正,以提高信噪比。
由于气动热辐射的退化模型是未知且随机变化的,退化图像还含有传感器噪声,增加了图像恢复或校正的难度,目前还没有相关文献报道气动热辐射图像自动校正方法。
发明内容
本发明提出了一种气动热辐射图像自动校正方法,该方法使用基于加 权平方最小(weighted least squares)的图像平滑算法滤除原始热辐射图像的噪声和细节,在滤波图像梯度域中利用最小二乘法估计气动热辐射产生的灰度偏移场,从原始气动热辐射图像中减去估计的灰度偏移场,得到校正图像。该方法可有效地对气动热辐射图像进行校正恢复,大幅提高图像的信噪比和图像质量。
本发明提供的一种气动热辐射图像自动校正方法的具体步骤包括:
(1)利用基于加权平方最小的图像平滑算法滤除原始气动热辐射图像Z中的噪声和细节,滤波图像可表示为
其中I为单位矩阵,λ为光滑参数,Dx和Dy分别为x和y方向梯度算子,Wx和Wy为加权系数矩阵。
(2)因气动热辐射产生的灰度偏移场B是低频的加性噪声,本发明中灰度偏移场B可用K阶二维多项式表示
(xi,yi)为像素i的坐标,a为多项式系数{at,s}的向量形式,W为与x和y相关的矩阵。
(3)利用最小二乘法估计灰度偏移场,估计的灰度偏移场为如下最小化问题的解:
为滤波图像的梯度,为灰度偏移场梯度,‖·‖2表示L2范数。可表示为
上式中N为图像像素数。
(4)将步骤(3)中的带入(3)中最小化问题中,则的估计值可表示为
因上式存在闭合解,估计值为
(5)为步骤(4)中得到的灰度偏移场B的准确估计系数,校正图像为
本发明方法,通过对气动热辐射退化图像与校正图像的峰值信噪比和灰度值比较,可以发现该校正算法可以有效抑制气动热辐射产生的背景噪声,大幅提升图像的信噪比。
附图说明
图1是高速飞行器光学窗口气动热辐射效应示意图;
图2是本发明气动热辐射图像校正算法的流程图;其中:
图2(a)为热辐射图像;
图2(b)为图2(a)的滤波图像;
图2(c)为估计的灰度偏移场;
图2(d)为对图2(a)校正后的图像;
图3(a)是红外图像;
图3(b)是图3(a)的滤波图像;
图4(a)是仿真的气动热辐射图像;
图4(b)是图4(a)的校正图像;
图4(c)是估计的灰度偏移场;
图4(d)是图4(a)和图4(b)中同一列像素值对比结果;
图5(a)是电弧风洞试验中红外成像系统采集的气动热辐射图像;
图5(b)是图5(a)的校正图像;
图5(c)是在图5(a)中估计的灰度偏移场;
图5(d)是图5(a)和图5(b)中同一列像素值对比结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图2所示,本发明提供了一种气动热辐射图像自动校正方法,包括如下步骤:
(1)利用基于加权平方最小的图像平滑算法滤除原始热辐射图像Z中的噪声和细节,滤波图像可表示为
I为单位矩阵,λ为光滑参数,Dx和Dy分别为x和y方向梯度算子,Wx和Wy为包含加权系数的对角矩阵,其对角元素可分别表示为
为输入图像Z的对数变换。本实施例中,0.1<α<5,0.1<λ<10,ε=0.0001。图3(a)是红外图像,当α=1.6和λ=1.6,相应的滤波图像为图3(b)。从滤波图像可以看出原始红外图像的细节和噪声基本被滤除。
(2)因气动热辐射产生的灰度偏移场B是低频的加性噪声,本发明中灰度偏移场B可用K阶二维多项式表示
(xi,yi)为像素i的坐标,a为多项式系数{at,s}的向量形式,W为与x和y相关的矩阵。本实施例中,5≤K≤10。在图4和图5所示的校正实验中,K=8。
(3)利用最小二乘法估计灰度偏移场。估计的灰度偏移场可表示如下最小化问题的解:
为滤波图像的梯度,为灰度偏移场梯度,‖·‖2表示L2范数。可表示为
上式中N为图像像素数。在上述最小化问题中,滤波算法大幅降低了原始图像的细节以及强噪声对于偏移场估计的影响,从而能够准确估计气动热辐射产生的灰度偏移场。
(4)将步骤(3)中的带入(3)中最小化问题中,则可表示为
因上式存在闭合解,所以为
上式中,D=[Dx;Dy]
(5)利用估计的可直接求得灰度偏移场直接从原始热辐射图像Z减去可得到校正图像
表1是不同飞行时刻仿真热辐射图像与校正图像峰值信噪比(dB)对比结果,对气动热辐射退化图像与校正图像的峰值信噪比和灰度值比较,可以发现该校正算法可以有效抑制气动热辐射产生的背景噪声,大幅提升图像的信噪比。
表1
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种气动热辐射图像自动校正方法,其特征在于,所述方法包括如下步骤:
(1)利用基于加权平方最小的图像平滑算法滤除原始气动热辐射图像Z中的噪声和细节,滤波图像可表示为
其中I为单位矩阵,λ为光滑参数,Dx和Dy分别为x和y方向梯度算子,Wx和Wy为加权系数矩阵;
(2)将灰度偏移场B用K阶二维多项式表示
其中,(xi,yi)为像素i的坐标,a为多项式系数{at,s}的向量形式,W为与x和y相关的矩阵;
(3)利用最小二乘法估计灰度偏移场,估计的灰度偏移场为如下最小化问题的解:
其中,为滤波图像的梯度,▽B为灰度偏移场梯度,||·||2表示L2范数,▽B表示为
上式中N为图像像素数;
(4)将步骤(3)中的▽B=Ca带入(3)中最小化问题中,将a的估计值表示为:
求解得到:
其中,D=[Dx;Dy];
(5)利用估计的求得灰度偏移场直接从原始热辐射图像Z减去得到校正图像即
2.如权利要求1所述的方法,其特征在于,所述步骤(2)中5≤K≤10。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510560251.XA CN105118037B (zh) | 2015-09-02 | 2015-09-02 | 一种气动热辐射图像自动校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510560251.XA CN105118037B (zh) | 2015-09-02 | 2015-09-02 | 一种气动热辐射图像自动校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105118037A CN105118037A (zh) | 2015-12-02 |
CN105118037B true CN105118037B (zh) | 2017-04-19 |
Family
ID=54666012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510560251.XA Active CN105118037B (zh) | 2015-09-02 | 2015-09-02 | 一种气动热辐射图像自动校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105118037B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10521888B2 (en) * | 2015-12-23 | 2019-12-31 | Huazhong University Of Science And Technology | Aerothermal radiation effect frequency domain correction method |
CN105654432B (zh) * | 2015-12-23 | 2017-05-17 | 华中科技大学 | 一种气动热辐射效应的频域校正方法 |
CN105654430B (zh) * | 2015-12-24 | 2017-04-19 | 华中科技大学 | 一种反差约束的气动热辐射校正方法 |
CN108288030B (zh) * | 2017-12-29 | 2021-05-18 | 华中科技大学 | 一种机载红外小目标检测识别实时处理系统和方法 |
CN111583149B (zh) * | 2020-05-08 | 2023-02-17 | 西安电子科技大学 | 一种基于l1-l0范数最小化的气动热辐射图像自动校正方法 |
CN114359095B (zh) * | 2021-12-31 | 2024-08-06 | 武汉工程大学 | 气动热辐射效应校正方法 |
CN114529481B (zh) * | 2022-04-21 | 2022-07-26 | 武汉工程大学 | 气动光学热辐射效应校正方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102413283A (zh) * | 2011-10-25 | 2012-04-11 | 广州飒特红外股份有限公司 | 红外热图数字信号处理系统及方法 |
CN104318528A (zh) * | 2014-10-21 | 2015-01-28 | 北京工业大学 | 基于多尺度wls滤波的雾天图像恢复方法 |
-
2015
- 2015-09-02 CN CN201510560251.XA patent/CN105118037B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102413283A (zh) * | 2011-10-25 | 2012-04-11 | 广州飒特红外股份有限公司 | 红外热图数字信号处理系统及方法 |
CN104318528A (zh) * | 2014-10-21 | 2015-01-28 | 北京工业大学 | 基于多尺度wls滤波的雾天图像恢复方法 |
Non-Patent Citations (2)
Title |
---|
一种基于热成像原理的图像热噪声去除算法;李孟等;《红外技术》;20130930;第35卷(第9期);567-570 * |
基于小波变换气动光学效应模糊图像去噪;杨秋英等;《微计算机信息(管控一体化)》;20071231;第23卷(第3-3期);288-289,281 * |
Also Published As
Publication number | Publication date |
---|---|
CN105118037A (zh) | 2015-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105118037B (zh) | 一种气动热辐射图像自动校正方法 | |
US10127641B2 (en) | Contrast constrained aerothermal radiation correction method | |
CN106920220B (zh) | 基于暗原色和交替方向乘子法优化的湍流图像盲复原方法 | |
WO2016106951A1 (zh) | 一种方向自适应图像去模糊方法 | |
CN105654432B (zh) | 一种气动热辐射效应的频域校正方法 | |
CN108230249B (zh) | 基于各向异性的l1范数全变分正则化非均匀性校正方法 | |
CN102968776B (zh) | 一种线性与非线性滤波器相结合的非均匀性校正方法 | |
CN102968765B (zh) | 一种基于sigma滤波器的红外焦平面非均匀性校正方法 | |
CN111583149B (zh) | 一种基于l1-l0范数最小化的气动热辐射图像自动校正方法 | |
CN102129670B (zh) | 电影划痕损伤的检测修复方法 | |
CN104272347A (zh) | 去除包含在静止图像中的雾的图像处理装置及其方法 | |
CN105631898A (zh) | 基于空时显著性融合的红外运动目标检测方法 | |
CN109767404A (zh) | 一种椒盐噪声下红外图像去模糊方法 | |
US11195254B2 (en) | Interframe registration and adaptive step size-based non-uniformity correction method for infrared image | |
CN106056557A (zh) | 一种基于改进大气散射模型的单幅图像快速去雾方法 | |
CN109993174A (zh) | 一种基于噪声抑制的空中目标检测方法及系统 | |
CN102542540B (zh) | 一种基于pde的红外图像背景抑制方法 | |
CN102081737B (zh) | 一种气动热辐射图像多尺度建模方法及其应用 | |
US10521888B2 (en) | Aerothermal radiation effect frequency domain correction method | |
CN115965552B (zh) | 用于低信噪比图像序列的频空时域联合去噪与恢复系统 | |
CN103985089B (zh) | 结合权重边缘分析与帧内迭代的图像条纹校正方法 | |
CN110136081A (zh) | 一种基于高斯核偏态校正弥撒滤波器的图像增强方法 | |
CN106651784A (zh) | 一种用于去除高斯固定图案噪声的非均匀校正方法 | |
KR101404654B1 (ko) | 초점평면배열 적외선 카메라의 영상 불균일 보정 방법 | |
CN113870308B (zh) | 一种螺旋梯度优化估计的弱小目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |