CN105869129A - 针对非均匀校正后的热红外图像剩余非均匀噪声去除方法 - Google Patents

Abstract

本发明公开了一种针对非均匀校正后的热红外图像剩余非均匀噪声去除方法。其实施步骤如下：1)利用红外成像系统在不同温度下对黑体成像得到红外图像；2)将得到的黑体图像进行非均匀校正；3)求得校正后黑体图像的像素平均值；4)将校正后的黑体图像中每个像素值与其平均值相减存储结果；5)拍摄外景图像并进行非均匀校正；6)将校正后图像像素值与不同温度下图像平均值做比较找到最接近值对应的相减数组，将像素值与数组中对应位置的值相减得到新的图像。本发明弥补了传统红外图像噪声去除方法不足，提供了一种更有效、更精确去除剩余非均匀空间噪声的方法。本发明能够有效去除红外图像中的剩余非均匀空间噪声，并不损失图像原信息，获得高质量的复原图像。

Description

针对非均匀校正后的热红外图像剩余非均匀噪声去除方法

技术领域：

本发明属于高灵敏度红外成像及应用技术领域，基于一种制冷型红外成像硬件系统，涉及红外图像非均匀校正后的剩余空间噪声的去除。

背景技术：

随着红外成像技术的发展，人们对热红外成像系统灵敏度水平的要求越来越高，获取更高灵敏度红外图像的需求也更加迫切，经过非均匀性校正的红外图像已不能满足高灵敏度场合的需要，因为即使经过非均匀性校正，红外图像仍然存在剩余非均匀性空间噪声，在高灵敏度场合，这会极大的影响对信号的分辨能力，必须采取新的措施以进一步提高红外图像的灵敏度水平。高灵敏度红外成像系统一般采用制冷型红外焦平面器件，由于焦平面阵列中各探测元响应特性不完全一致，不同的探测光敏元件对相同的红外辐射会产生不同的输出信号，使得红外图像出现非均匀性噪声。常规的非均匀性校正算法无法完全去除该噪声，但在一般应用场合该剩余噪声不影响图像质量，所以可见文献中尚无针对非均匀处理后的红外图像进一步去除非均匀性噪声的方法。本方法基于此问题而提出，基于红外焦平面硬件特性，针对性的进一步削弱非均匀性噪声，可以在不损失图像信息的前提下有效抑制剩余非均匀性噪声。

发明内容：

发明目的：本发明提供了一种有效、精确去除剩余非均匀空间噪声的全新方法。这种方法根据像元的响应特性以及在定标图像校正后像元与理想值偏差的固定性出发，创造性的提出了针对剩余非均匀性空间噪声的去除方法：

本发明提出的红外成像系统剩余非均匀空间噪声去除方法，包括以下步骤：

1)利用基于M×N规模的焦平面阵列的红外成像系统，分别在A，A+e，A+2e，……B的温度下对均匀的黑体进行成像，得到H幅图像Y₁、Y₂……Y_H，A为设定的起始温度值，B为设定的终止温度值，e为温度间隔值；

2)选取C₁、C₂、C₃、C₄四个温度下的四幅黑体图像F₁、F₂、F₃、F₄作为进行非均匀校正的标准图像，用这四幅图像分别对步骤1)中所得到的H幅黑体图像进行非均匀校正,得到H幅校正后的黑体图像X₁、X₂……X_H；非均匀性校正所用系数由如下公式求得：

$G_{i,j}=\frac{\[{\mathrm{\Σ}}_{k=1}^4{V}_{i,j}\left({\mathrm{\φ}}_k\right)\]*\[{\mathrm{\Σ}}_{k=1}^4\stackrel{\‾}{V}\left({\mathrm{\φ}}_k\right)\]-4*{\mathrm{\Σ}}_{k=1}^4\[\[{\mathrm{\Σ}}_{k=1}^4\stackrel{\‾}{V}\left({\mathrm{\φ}}_k\right)*V_{i,j}\left({\mathrm{\φ}}_k\right)\]\]}{{\[{\mathrm{\Σ}}_{k=1}^4{V}_{i,j}\left({\mathrm{\φ}}_k\right)\]}^2-4*{\mathrm{\Σ}}_{k=1}^4{\[V_{i,j}\left({\mathrm{\φ}}_k\right)\]}^2}$

$O_{i,j}=\frac{\[{\mathrm{\Σ}}_{k=1}^4{V}_{i,j}\left({\mathrm{\φ}}_k\right)\]*{\mathrm{\Σ}}_{k=1}^4\[\[{\mathrm{\Σ}}_{k=1}^4\stackrel{\‾}{V}\left({\mathrm{\φ}}_k\right)*V_{i,j}\left({\mathrm{\φ}}_k\right)\]\]-\[{\mathrm{\Σ}}_{k=1}^4\stackrel{\‾}{V}\left({\mathrm{\φ}}_k\right)\]*{\[{\mathrm{\Σ}}_{k=1}^4{V}_{i,j}\left({\mathrm{\φ}}_k\right)\]}^2}{{\[{\mathrm{\Σ}}_{k=1}^4{V}_{i,j}\left({\mathrm{\φ}}_k\right)\]}^2-4*{\mathrm{\Σ}}_{k=1}^4{\[V_{i,j}\left({\mathrm{\φ}}_k\right)\]}^2}$

其中，φ_k为取定的定标点，V_i,j(φ_k)为测得的第i行，第j列个光敏元对应的响应输出；对红外焦平面阵列所有光敏元的输出信号求平均得；

3)对步骤2)中非均匀校正后的每幅图像求像素点平均值，计为aver₁，aver₂，……aver_H，将计算得到的平均值结果作为每幅黑体图像的标准值：

$aver=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}X(i,j)$

其中X(i,j)是图像第i行，第j列元素的像素值；

4)将步骤2)中非均匀校正后的每幅图像中的每个像素点值与步骤3)中求得的对应图像的平均值求差，得到H个M×N的二维数组D₁，D₂……D_H，每个数组中存储着对应图像求得的差值；

5)拍摄外景图像得到红外图像f，用步骤2)中选取的四幅黑体图像F₁、F₂、F₃、F₄对图像f进行非均匀校正,得到校正后的图像F；

6)将校正后图像F中的每个像素点值F(i,j)分别与步骤3)中得到的平均值进行比较，找到与像素点的值最接近的平均值aver_X，找到最接近的平均值后，再找出与该平均值所对应的步骤4)中求出的差值二维矩阵D_X，其中X为1～H中的值；

7)将图像F中的像素点F(i,j)与步骤6)中找到的D_X数组中与该像素位置对应的点D_X(i,j)值求差，将求得的结果作为新的像素值，得到最终去除空间噪声后的红外图像。

本发明相对于现有方法具有如下的优点及效果：

1本发明紧接传统非均匀校正方法之后，创造性的进一步降低了剩余非均匀性噪声，为降低红外图像空间噪声提供了新的手段。

2本发明针对传统非均匀校正方法处理后的红外图像的剩余非均匀性噪声，在实验室以不同像元在不同辐射量于固定定标点校正后对均值的偏差作为补偿，降低了在高灵敏度运用场合剩余非均匀性噪声对图像的干扰，降低了空间噪声。，

3本发明针对非均匀性噪声的固定性得到的偏差补偿数据集，可广泛用于各种场景对固定图案噪声的消除，提高图像的非均匀性，无场景使用限制。

附图说明：

图1是本发明的红外成像系统剩余非均匀的空间噪声去除方法框图。

图2是本发明中(10,40)位置上的黑体图像像素在各温度下与其均值求得的差值分布曲线。

图3(a,b)是本发明实施例中非均匀性校正后经过直方图2/255拉伸后的黑体图像(a)与用本文方法降低剩余非均匀空间噪声的同样按照2/255同样比例拉伸后的黑体图像(b)的对比。

图4(a,b)是本发明实施例中待去噪外景图像(a)与经过处理后的外景图像(b)的对比。

具体实施方式：

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

如图1，以320×256焦平面为硬件的红外成像系统为例，改进的红外系统剩余非均匀空间噪声去除方法，包括以下步骤：

1)利用红外成像系统，分别在6，8，10，12，14，15，17，20，22，24，25，27摄氏度下对均匀黑体进行成像，得到12幅黑体图像Y₁、Y₂、……Y₁₂，温度的间隔不等。

2)选取10、15、20、25摄氏度四个温度下的四幅黑体图像F₁、F₂、F₃、F₄作为进行非均匀校正的标准图像。用这四幅图像分别对1)中所得到的12幅黑体图像进行非均匀校正,得到12幅校正后的黑体图像。

3)对2)中非均匀校正后的每幅图像求像素点平均值，计为aver₁＝36108，aver₂＝3737，aver₃＝38853，aver₄＝40313…aver₇＝44174…aver₁₀＝49857…aver₁₂＝52449。将计算得到的平均值结果作为每幅黑体图像的标准值。

4)将2)中非均匀校正后的每幅图像中的每个像素点值与3)中求得的对应图像的平均值求差。得到12个256×320的二维数组D₁，D₂……D₄₆，每个数组中存储着对应图像求得的差值，图2所示是各温度下(10,40)位置的像素与各平均值求得的差。

5)拍摄外景图像得到红外图像f，用2)中选取的四幅图像对图像f进行非均匀校正,得到校正后的图像F，如图4(a)所示。

6)将校正后图像F中的每个像素点值F(i,j)分别与3)中得到的平均值进行比较，找到与像素点的值最接近的平均值aver_X，其中i的值为1～256，j的值为1～320，找到最接近的平均值后，再找出与该平均值所对应的4)中求出的差值二维矩阵D_X，其中X为1～12中的值。

7)将图像F中的像素点F(i,j)与6)中找到的D_X数组中与该像素位置对应的点D_X(i,j)值求差，将求得的结果作为新的像素值，得到最终去除空间噪声后的红外图像。

如图3(a)所示，是没有经过本文方法处理的非均匀性校正拉伸后黑体图像，与原始图像拉伸比例为2/255。其中可以明显的看到存在着剩余非均匀性空间噪声，剩余非均匀性为0.044052％。图3(b)为经过本文方法处理后的图像，可以看到剩余非均匀性噪声降低为0.039722％。

用本文的去除剩余非均匀性空间噪声的方法对外景图像进行降噪，如图4(b)所示为本实施例的去剩余非均匀性空间噪声结果，将图4(b)与图4(a)中的原始空间噪声比较，可见，其中的空间固定噪声被大幅降低，大幅提高了图像质量，凸显了弱信号目标。

以上所述仅为本发明的优选实施方式，本发明的保护范围并不仅限于上述实施方式，凡是属于本发明原理的技术方案均属于本发明的保护范围。对于本领域的技术人员而言，在不脱离本发明的原理的前提下进行的若干改进和润饰，这些改进也应视为本发明的保护范围。

Claims (1)

1.一种针对非均匀校正后的热红外图像剩余非均匀噪声去除方法，包括如下步骤：

1)利用基于M×N规模的焦平面阵列的红外成像系统，分别在A，A+e，A+2e，……B的温度下对均匀的黑体进行成像，得到H幅图像Y₁、Y₂……Y_H，A为设定的起始温度值，B为设定的终止温度值，e为温度间隔值；

2)选取C₁、C₂、C₃、C₄四个温度下的四幅黑体图像F₁、F₂、F₃、F₄作为进行非均匀校正的标准图像，用这四幅图像分别对步骤1)中所得到的H幅黑体图像进行非均匀校正,得到H幅校正后的黑体图像X₁、X₂……X_H；非均匀性校正所用系数由如下公式求得：

$G_{i,j}=\frac{\[{\mathrm{\Σ}}_{k=1}^4{V}_{i,j}\left({\mathrm{\φ}}_k\right)\]*\[{\mathrm{\Σ}}_{k=1}^4\stackrel{\‾}{V}\left({\mathrm{\φ}}_k\right)\]-4*{\mathrm{\Σ}}_{k=1}^4\[\[{\mathrm{\Σ}}_{k=1}^4\stackrel{\‾}{V}\left({\mathrm{\φ}}_k\right)*V_{i,j}\left({\mathrm{\φ}}_k\right)\]\]}{{\[{\mathrm{\Σ}}_{k=1}^4{V}_{i,j}\left({\mathrm{\φ}}_k\right)\]}^2-4*{\mathrm{\Σ}}_{k=1}^4{\[V_{i,j}\left({\mathrm{\φ}}_k\right)\]}^2}$

$O_{i,j}=\frac{\[{\mathrm{\Σ}}_{k=1}^4{V}_{i,j}\left({\mathrm{\φ}}_k\right)\]*{\mathrm{\Σ}}_{k=1}^4\[\[{\mathrm{\Σ}}_{k=1}^4\stackrel{\‾}{V}\left({\mathrm{\φ}}_k\right)*V_{i,j}\left({\mathrm{\φ}}_k\right)\]\]-\[{\mathrm{\Σ}}_{k=1}^4\stackrel{\‾}{V}\left({\mathrm{\φ}}_k\right)\]*{\[{\mathrm{\Σ}}_{k=1}^4{V}_{i,j}\left({\mathrm{\φ}}_k\right)\]}^2}{{\[{\mathrm{\Σ}}_{k=1}^4{V}_{i,j}\left({\mathrm{\φ}}_k\right)\]}^2-4*{\mathrm{\Σ}}_{k=1}^4{\[V_{i,j}\left({\mathrm{\φ}}_k\right)\]}^2}$

其中，φ_k为取定的定标点，V_i,j(φ_k)为测得的第i行，第j列个光敏元对应的响应输出；对红外焦平面阵列所有光敏元的输出信号求平均得；

3)对步骤2)中非均匀校正后的每幅图像求像素点平均值，计为aver₁，aver₂，……aver_H，将计算得到的平均值结果作为每幅黑体图像的标准值：

$aver=\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}X(i,j)$

其中X(i,j)是图像第i行，第j列元素的像素值；

4)将步骤2)中非均匀校正后的每幅图像中的每个像素点值与步骤3)中求得的对应图像的平均值求差，得到H个M×N的二维数组D₁，D₂……D_H，每个数组中存储着对应图像求得的差值；

5)拍摄外景图像得到红外图像f，用步骤2)中选取的四幅黑体图像F₁、F₂、F₃、F₄对图像f进行非均匀校正,得到校正后的图像F；

6)将校正后图像F中的每个像素点值F(i,j)分别与步骤3)中得到的平均值进行比较，找到与像素点的值最接近的平均值aver_X，找到最接近的平均值后，再找出与该平均值所对应的步骤4)中求出的差值二维矩阵D_X，其中X为1～H中的值；

7)将图像F中的像素点F(i,j)与步骤6)中找到的D_X数组中与该像素位置对应的点D_X(i,j)值求差，将求得的结果作为新的像素值，得到最终去除空间噪声后的红外图像。