CN106548496A - 一种基于多向的红外焦平面阵列盲元检测方法 - Google Patents
一种基于多向的红外焦平面阵列盲元检测方法 Download PDFInfo
- Publication number
- CN106548496A CN106548496A CN201611003271.8A CN201611003271A CN106548496A CN 106548496 A CN106548496 A CN 106548496A CN 201611003271 A CN201611003271 A CN 201611003271A CN 106548496 A CN106548496 A CN 106548496A
- Authority
- CN
- China
- Prior art keywords
- value
- minimum
- maximum
- point
- dimensional
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Transforming Light Signals Into Electric Signals (AREA)
Abstract
本发明涉及红外图像处理技术领域,提出了一种基于多向的红外焦平面阵列盲元检测方法:首先通过十字向的一维算子计算出该点横向和纵向的最大值和最小值,然后通过对角向的一维算子计算出该点对角方向的最大值和最小值,再由十字向和对角向一维算子的最大值和最小值分别获得该点二维方向的最大值和最小值,最后通过阈值判断该点是否为盲元点。本发明有益效果:不仅可以准确检测单个盲元,同时对于水平、垂直或对角向上连续的两个或多个盲元也可以准确检测得到;所需的存储开销低,运算简单,具有良好的通用性及可移植性,只需通过在软件中增添相应代码即可实现该功能,不会增加额外的硬件成本,大大降低了研制难度,缩短了研制周期。
Description
技术领域
本发明属于红外图像处理技术领域,具体涉及一种基于多向的红外焦平面阵列盲元检测方法。
背景技术
近年来,红外焦平面阵列作为新一代红外探测器件提高了红外系统的空间分辨率和系统灵敏度,其应用日趋广泛。但由于制造材料、工艺等因素的影响,红外焦平面阵列器件不可避免的存在非均匀性,而在不均匀的极端情况下,部分探测器元失去探测能力,成为盲元。盲元的数量和分布对红外图像的信噪比和图像质量产生很大的影响,如果盲元过多或者分布过于集中,则红外图像上将出现大量的或者过于集中的白点(黑点),这严重影响红外图像的视觉效果,如果不对这一类问题加以解决,红外热像仪的应用将会受到很大的限制。若能通过盲元检测准确定位过亮或过暗的像元,再对其进行补偿,将大大提高红外焦平面阵列的成像质量。
现有的基于场景的盲元检测算法主要有线性外推法、“3σ”法和基于噪声特性的方法,线性外推法往往较适合孤立的盲元点的检测,对于连续的两个或多个盲元,该方法会失效;“3σ”法利用了概率统计的概念,认定盲元点的出现是小概率事件,在盲元点较少时该方法具有较好的效果,但是当红外焦平面盲元率达到10%以上,甚至更高时,该方法会出现大面积的漏检甚至错检;基于噪声特性的方法能够结合盲元的特性来检测盲元点,但是该方法复杂,不利于硬件实现。因此,需要寻找一种新的盲元检测方法,不仅能够准确检测出孤立的以及连续的盲元,而且不会出现漏检甚至错检,并且利于硬件实现。
发明内容
本发明所要解决的技术问题是提供一种基于多向的红外焦平面阵列盲元检测方法,解决目前红外焦平面探测器盲元检测方法中存在缺陷的问题。
本发明为解决上述技术问题所采用的技术方案是:一种基于多向的红外焦平面阵列盲元检测方法,包括以下步骤:
步骤一、将红外成像系统通电后,系统平台随机采集一帧原始红外图像数据;对于原始红外图像数据中的任一点C,它的十字向相邻各点的灰度值分别为x 11 ,x 12 ,x 13 ,x 14 ,y 11 ,y 12 ,y 13 ,y 14 ,对角向相邻各点的灰度值分别为x 21 ,x 22 ,x 23 ,x 24 ,y 21 ,y 22 ,y 23 ,y 24 ;
步骤二、分别计算点C的十字向和对角向一维算子最大值和最小值,其中:点C的x 方向的一维算子最大值和最小值分别用C x1max和C x1min表示,y 方向的一维算子最大值和最小值分别用C y1max和C y1min表示,点C的对角向一维算子的最大值和最小值用C x2max、C x2min、C y2max和C y2min表示,上述各最大值和最小值的计算公式为:
;
步骤三、根据步骤二得到的一维算子的最大值和最小值分别计算其在二维方向的最大值和最小值,二维方向的最大值和最小值分别用C 1max、C 1min、C 2max、C 2min表示,计算公式为:
;
步骤四、根据盲元定义,选取阈值T 1 、T 2 进行判断:
若实际获得的C点灰度值满足或,则判断该像素为疑似过热失效元;
若实际获得的C点灰度值满足或,则判断该像素为疑似过冷失效元;
步骤五、系统平台随机采集下一帧原始红外图像数据,并对该原始红外图像数据中的点按照步骤2-4的方法进行疑似失效元检测;
步骤六、若两帧原始红外图像数据的失效元的位置一致,则将一致的点确定为盲元点。
本发明步骤四中所述的阈值T 1 、T 2 的取值范围为10%-15%。
本发明的有益效果是:1、本发明不仅可以准确的检测出单个盲元,同时对于水平、垂直以及对角方向上连续的两个或多个盲元也可以准确检测得到;2、本发明所需的存储开销低,运算简单,具有良好的通用性及可移植性,只需要通过在软件中增添相应代码即可实现该功能,不会增加额外的硬件成本,大大降低了研制难度,缩短了研制周期。
附图说明
图1为本发明图1为多向算子像素分布图;
图2为本发明实现过程的具体流程图。
具体实施方式
如图所示,一种基于多向的红外焦平面阵列盲元检测方法,包括以下步骤:
步骤一、将红外成像系统通电后,系统平台随机采集一帧原始红外图像数据;对于原始红外图像数据中的任一点C,它的x 轴正向相邻两点的灰度值为x 13 ,x 14 ,它的x 轴负向相邻两点的灰度值为x 12 ,x 11 ,它的y 轴正向相邻两点的灰度值为y 12 ,y 11 ,它的y 轴负向相邻两点的灰度值为y 13 ,y 14 ,对角向位于第一象限的相邻两点的灰度值为y 22 ,y 21 ,对角向位于第二象限的相邻两点的灰度值为x 22 ,x 21 ,对角向位于第三象限的相邻两点的灰度值为y 23 ,y 24 ,对角向位于第三象限的相邻两点的灰度值为x 23 ,x 24 ;
步骤二、分别计算点C的十字向和对角向一维算子最大值和最小值,其中:点C的x 方向的一维算子最大值和最小值分别用C x1max和C x1min表示,y 方向的一维算子最大值和最小值分别用C y1max和C y1min表示,点C的对角向一维算子的最大值和最小值用C x2max、C x2min、C y2max和C y2min表示,上述各最大值和最小值的计算公式为:
;
步骤三、根据步骤二得到的一维算子的最大值和最小值分别计算其在二维方向的最大值和最小值,二维方向的最大值和最小值分别用C 1max、C 1min、C 2max、C 2min表示,计算公式为:
;
步骤四、根据盲元定义,选取阈值T 1 、T 2 进行判断:
若实际获得的C点灰度值满足或,则判断该像素为疑似过热失效元;
若实际获得的C点灰度值满足或,则判断该像素为疑似过冷失效元;
步骤五、系统平台随机采集下一帧原始红外图像数据,并对该原始红外图像数据中的点按照步骤2-4的方法进行疑似失效元检测;
步骤六、若两帧原始红外图像数据的失效元的位置一致,则将一致的点确定为盲元点。
进一步,步骤四中阈值T1、T2的取值范围为10%-15%。
本发明根据盲元在图像中与周围点的奇异性,利用多向联合外推理论进行盲元检测:首先通过十字向的一维算子计算出该点横向和纵向的最大值和最小值,然后通过对角向的一维算子计算出该点对角方向的最大值和最小值,再由十字向和对角向一维算子的最大值和最小值分别获得该点二维方向的最大值和最小值,最后通过阈值判断该点是否为盲元点。
如果单用十字向的算子,则只能检测出单个盲元,对于水平或垂直方向连续的两个或多个盲元检测不出;如果单用对角向的算子,虽然能检测出单个盲元和水平或垂直连续的两个或多个盲元,但对于对角向连续的盲元则检测不出。
实施例1
本实施例所采用的红外成像系统使用的面阵大小为640×512的中波制冷型焦平面阵列探测器,该成像系统的图像处理电路的核心器件主要由FPGA构成,FPGA芯片型号为ZYNQ7020,基于多向的盲元检测方法在FPGA中实施。
整个实施例的具体实现步骤如下:一种基于多向的红外焦平面阵列盲元检测方法,包括以下步骤:
步骤一、将红外成像系统通电后,系统平台随机采集一帧原始红外图像数据;对于原始红外图像数据中的任一点C,它的十字向相邻各点的灰度值分别为x 11 ,x 12 ,x 13 ,x 14 ,y 11 ,y 12 ,y 13 ,y 14 ,即它的x 轴正向相邻两点的灰度值为x 13 ,x 14 ,它的x 轴负向相邻两点的灰度值为x 12 ,x 11 ,它的y 轴正向相邻两点的灰度值为y 12 ,y 11 ,它的y 轴负向相邻两点的灰度值为y 13 ,y 14 ,对角向相邻各点的灰度值分别为x 21 ,x 22 ,x 23 ,x 24 ,y 21 ,y 22 ,y 23 ,y 24 ,即对角向位于第一象限的相邻两点的灰度值为y 22 ,y 21 ,对角向位于第二象限的相邻两点的灰度值为x 22 ,x 21 ,对角向位于第三象限的相邻两点的灰度值为y 23 ,y 24 ,对角向位于第三象限的相邻两点的灰度值为x 23 ,x 24 ;
步骤二、分别计算点C的十字向和对角向一维算子最大值和最小值,其中:点C的x 方向的一维算子最大值和最小值分别用C x1max和C x1min表示,y 方向的一维算子最大值和最小值分别用C y1max和C y1min表示,点C的对角向一维算子的最大值和最小值用C x2max、C x2min、C y2max和C y2min表示,则计算公式为:
;
步骤三、根据步骤二得到的一维算子的最大值和最小值分别计算其在二维方向的最大值和最小值,二维方向的最大值和最小值分别用C 1max、C 1min、C 2max、C 2min表示,计算公式为:
;
步骤四、根据盲元定义,阈值T 1 取值15%、T 2 取值10%进行判断:
若实际获得的C点灰度值满足或,则判断该像素为疑似过热失效元;
若实际获得的C点灰度值满足或,则判断该像素为疑似过冷失效元;
步骤五、系统平台随机采集下一帧原始红外图像数据,并对该原始红外图像数据中的点按照步骤2-4的方法进行疑似失效元检测;
步骤六、若两帧原始红外图像数据的失效元的位置一致,则将一致的点确定为盲元点。
Claims (2)
1.一种基于多向的红外焦平面阵列盲元检测方法,其特征在于:包括以下步骤:
步骤一、将红外成像系统通电后,系统平台随机采集一帧原始红外图像数据;对于原始红外图像数据中的任一点C,它的十字向相邻各点的灰度值分别为x 11 ,x 12 ,x 13 ,x 14 ,y 11 ,y 12 ,y 13 ,y 14 ,对角向相邻各点的灰度值分别为x 21 ,x 22 ,x 23 ,x 24 ,y 21 ,y 22 ,y 23 ,y 24 ;
步骤二、分别计算点C的十字向和对角向一维算子最大值和最小值,其中:点C的x 方向的一维算子最大值和最小值分别用C x1max和C x1min表示,y 方向的一维算子最大值和最小值分别用C y1max和C y1min表示,点C的对角向一维算子的最大值和最小值用C x2max、C x2min、C y2max和C y2min表示,上述各最大值和最小值的计算公式为:
;
步骤三、根据步骤二得到的一维算子的最大值和最小值分别计算其在二维方向的最大值和最小值,二维方向的最大值和最小值分别用C 1max、C 1min、C 2max、C 2min表示,计算公式为:
;
步骤四、根据盲元定义,选取阈值T 1 、T 2 进行判断:
若实际获得的C点灰度值满足或,则判断该像素为疑似过热失效元;
若实际获得的C点灰度值满足或,则判断该像素为疑似过冷失效元;
步骤五、系统平台随机采集下一帧原始红外图像数据,并对该原始红外图像数据中的点按照步骤2-4的方法进行疑似失效元检测;
步骤六、若两帧原始红外图像数据的失效元的位置一致,则将一致的点确定为盲元点。
2.根据权利要求1所述的一种基于多向的红外焦平面阵列盲元检测方法,其特征在于:所述的阈值T 1 、T 2 的取值范围为10%-15%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611003271.8A CN106548496A (zh) | 2016-11-15 | 2016-11-15 | 一种基于多向的红外焦平面阵列盲元检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611003271.8A CN106548496A (zh) | 2016-11-15 | 2016-11-15 | 一种基于多向的红外焦平面阵列盲元检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106548496A true CN106548496A (zh) | 2017-03-29 |
Family
ID=58394401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611003271.8A Pending CN106548496A (zh) | 2016-11-15 | 2016-11-15 | 一种基于多向的红外焦平面阵列盲元检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106548496A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101038209A (zh) * | 2007-04-19 | 2007-09-19 | 华中科技大学 | 一种红外焦平面阵列非均匀性自适应校正方法 |
CN102214354A (zh) * | 2011-04-29 | 2011-10-12 | 中国航空工业集团公司洛阳电光设备研究所 | 一种红外图像无效像元实时检测方法 |
CN103335721A (zh) * | 2013-06-21 | 2013-10-02 | 中国科学院西安光学精密机械研究所 | 基于场景匹配的红外焦平面阵列动态盲元检测方法 |
CN104330167A (zh) * | 2014-11-24 | 2015-02-04 | 浙江大立科技股份有限公司 | 红外焦平面阵列动态盲元处理方法及装置 |
-
2016
- 2016-11-15 CN CN201611003271.8A patent/CN106548496A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101038209A (zh) * | 2007-04-19 | 2007-09-19 | 华中科技大学 | 一种红外焦平面阵列非均匀性自适应校正方法 |
CN102214354A (zh) * | 2011-04-29 | 2011-10-12 | 中国航空工业集团公司洛阳电光设备研究所 | 一种红外图像无效像元实时检测方法 |
CN103335721A (zh) * | 2013-06-21 | 2013-10-02 | 中国科学院西安光学精密机械研究所 | 基于场景匹配的红外焦平面阵列动态盲元检测方法 |
CN104330167A (zh) * | 2014-11-24 | 2015-02-04 | 浙江大立科技股份有限公司 | 红外焦平面阵列动态盲元处理方法及装置 |
Non-Patent Citations (2)
Title |
---|
张熙宁: "一种改进的红外焦平面阵列盲元检测算法", 《激光与红外》 * |
赵春晖,刘振龙: "基于线性外推理论的红外焦平面阵列盲元检测算法", 《沈阳大学学报(自然科学版)》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10810705B2 (en) | Video dehazing device and method | |
US10348985B2 (en) | Turbulence-free camera system and related method of image enhancement | |
CN102982537B (zh) | 一种检测场景变换的方法和系统 | |
CN110009672A (zh) | 提升ToF深度图像处理方法、3D图像成像方法及电子设备 | |
JP2015528614A5 (zh) | ||
CN101216304A (zh) | 物体尺寸估测之系统及方法 | |
JP2012520588A5 (zh) | ||
Wang et al. | Single view based pose estimation from circle or parallel lines | |
CN103745483A (zh) | 一种基于球场比赛视频图像的移动目标位置自动检测方法 | |
KR101759798B1 (ko) | 실내 2d 평면도의 생성 방법, 장치 및 시스템 | |
CN110930317A (zh) | 一种基于卷积神经网络的鬼成像方法 | |
CN103438834A (zh) | 基于结构光投影的层级式快速三维测量装置及测量方法 | |
CN106033614A (zh) | 一种强视差下的移动相机运动目标检测方法 | |
CN106023193A (zh) | 一种用于浑浊介质中结构表面检测的阵列相机观测方法 | |
CN105787912A (zh) | 一种基于分类的阶跃型边缘亚像素定位方法 | |
CN103729620A (zh) | 一种基于多视角贝叶斯网络的多视角行人检测方法 | |
Ting-Fa et al. | Object’s translational speed measurement using motion blur information | |
CN104537627B (zh) | 一种深度图像的后处理方法 | |
CN109087348A (zh) | 一种基于自适应区域投射的单像素成像方法 | |
KR101215666B1 (ko) | 오브젝트 색상 보정 방법, 시스템 및 컴퓨터 프로그램 제품 | |
Jia et al. | 3D depth information extraction with omni-directional camera | |
Shen et al. | Depth map enhancement method based on joint bilateral filter | |
TWI465699B (zh) | 水位量測方法 | |
TWI450155B (zh) | 應用於光學式觸控裝置之校正資訊計算方法及系統 | |
CN106548496A (zh) | 一种基于多向的红外焦平面阵列盲元检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170329 |
|
RJ01 | Rejection of invention patent application after publication |