CN106886983A - 基于Laplace算子和反卷积的图像非均匀性校正方法 - Google Patents

Abstract

本发明提供一种基于Laplace算子和反卷积的图像非均匀性校正方法，具体过程为：步骤一、针对待校正的F帧图像，利用Laplace算子对其进行卷积处理；步骤二、对卷积后F帧图像的同一像素点取中值，逐像素计算后得到中值矩阵；步骤三、基于所述中值矩阵，利用反卷积算法计算校正系数矩阵b；利用所述校正系数矩阵b对待校正图像进行校正。本发明基于相邻四个像素具有统计一致性的假设，对图像进行卷积、取中值最终计算出校正系数矩阵进行校正，该方法能够校正非均匀性噪声中的高频分量和低频分量，不需要预存基于定标法的校正系数，从而彻底解决探测器辐射响应随时间漂移的问题。

Description

基于Laplace算子和反卷积的图像非均匀性校正方法

技术领域

本发明属于红外焦平面成像技术领域，具体涉及一种基于Laplace算子和反卷积的图像非均匀性校正方法。

背景技术

长波红外探测器具有结构简单、体积小、灵敏度高和被动成像等特点，广泛应用于工业、农业、医疗、森林防火和国防等领域。由于半导体材料和工艺条件的限制，导致每个像元的辐射响应不同，导致探测器受严重的非均匀性噪声干扰，降低了系统的空间分辨率，严重影响系统的成像质量。与线阵探测器相比，红外焦平面阵列更容易受到非均匀性噪声的影响；与短波和中波红外探测器相比，长波红外探测器更容易受到非均匀性噪声的影响。因此，研究高精度的非均匀性校正方法，是提高红外探测器成像质量的关键。

非均匀校正方法主要分为两类，即基于定标的方法和基于场景的校正方法。基于定标的方法主要包括单点校正、两点校正和多点校正法。定标法优点是原理简单，计算量小，缺点是红外探测器辐射响应会随时间漂移，预存的校正系数校正精度逐渐下降。工程中需要对系统进行周期性重复定标以消除漂移的影响。这就需要额外的参考辐射源，增加系统的成本和设计复杂程度。此外，基于定标的方法需要中断正常的成像过程，不能有效克服辐射响应非线性的问题。

基于场景的校正方法包括基于统计的方法和基于配准的方法。基于统计的方法通常在时间域或者空间域内对每个像元接收的辐射量作一些统计假设，在此基础上通过调整校正系数达到非均匀性校正的目的。其中，恒定统计法假设每个像元在时间域内的均值和标准差分别相等。其他的代表性方法有神经网络法和卡尔曼滤波法等。然而在某些应用场合中，这些假设条件不能得到很好的满足，容易出现鬼影现象，校正精度下降。基于配准的校正方法假设在较短的时间间隔内，每个像元对相同场景的辐射响应是一致的。这类方法往往需要复杂的配准算法，其校正效果依赖于配准算法的精度。当场景对比度较低或噪声较大时，随着配准精度降低，校正精度下降，算法鲁棒性差。

发明内容

本发明为解决现有的非均匀性校正方法存在的校正精度低和鲁棒性不强的问题，提出一种基于Laplace算子和反卷积的图像非均匀性校正方法。

一种基于Laplace算子和反卷积的图像非均匀性校正方法，具体过程为：

步骤一、针对待校正的F帧图像，利用Laplace算子对其进行卷积处理；

其中，Laplace算子进行卷积的卷积核H为：

步骤二、对卷积后F帧图像的同一像素点取中值，逐像素计算后得到中值矩阵；

步骤三、基于所述中值矩阵，利用反卷积算法计算校正系数矩阵b；利用所述校正系数矩阵b对待校正图像进行校正。

有益效果

第一，本发明基于相邻四个像素具有统计一致性的假设，设置相应的卷积核对图像进行卷积，然后取中值最终计算出校正系数矩阵进行校正，该方法能够校正非均匀性噪声中的高频分量和低频分量，不需要预存基于定标法的校正系数，从而彻底解决探测器辐射响应随时间漂移的问题。

第二，本发明通过对Laplace算子卷积后的图像求中值运算，有效去除了场景本身的信息，因此不存在鬼影效应。

第三，本发明仅利用了相邻四个像素统计一致性的假设，不同的场景容易满足该假设条件，鲁棒性强。

第四，本发明计算简单，方便工程实现，具有很强的工程应用价值。

附图说明

图1是本发明所述的基于Laplace算子和反卷积的图像非均匀性校正方法实施流程图。

图2是实例中捕获的校正前图像。

图3是实例中计算得到的校正系数矩阵。

图4是实例中校正后的图像。

具体实施方式

下面结合附图和具体实例对本发明进行详细说明。

本发明的设计原理为：

假设校正后图像为J_f，校正系数矩阵为b，则校正模型为

J_f(i,j)＝I_f(i,j)+b(i,j) (1)

由于同一像素点与其最近邻的四个像素具有空间最近邻关系，因此其对相似的场景成像。

设定校正后F帧图像的同一像素点与其最近邻的四个像素具有统计一致性，则有

mid_F{4J_f(i,j)-[J_f(i-1,j)+J_f(i,j-1)+J_f(i+1,j)+J_f(i+1,j)]}＝0 (2)

其中，mid_F{·}代表对F个数值求中值。

设Laplace算子的卷积核为H，即

将式(2)写成矩阵的形式，有

其中，代表卷积运算符。

将式(1)代入式(4)，有

即

由于与帧索引f无关，故式(6)转化为

由于式(7)是典型的反卷积问题，可以使用维纳滤波等方法求解校正系数矩阵b。

基于上述原理，本发明提出一种基于Laplace算子和反卷积的非均匀性校正方法，如图1所示，该方法由以下步骤实现：

步骤一，F帧待校正图像I_f(f＝1,2,...,F)；F为正奇数，典型值为1001。I_f(i,j)代表图像I_f第i行、第j列像素的灰度值。

利用Laplace算子卷积F帧待校正图像，卷积后的图像表示为

其中Laplace算子进行卷积的卷积核H为：

本发明利用卷积核H对F帧图像进行卷积前，需要对图像边界进行对称延拓处理。

步骤二、对卷积后F帧图像的同一像素点取中值，逐像素计算后得到中值矩阵

步骤三、基于所述中值矩阵，利用反卷积算法计算校正系数矩阵b，实现图像的校正。

J_f(i,j)＝I_f(i,j)+b(i,j)

由于式(7)是典型的反卷积问题，可以使用维纳滤波等方法求解校正系数矩阵b。具体地，可以借助Matlab软件中deconvwnr函数求解。

实例：

结合图2至图4说明本实例，本实例将本发明一种基于Laplace算子和反卷积的图像非均匀性校正方法应用到原理样机中。原理样机包含焦距为38mm的光学镜头和Sofradir公司生产的制冷型长波红外探测器。其中，探测器分辨率为320×256，响应波段为7.7～11.3μm。

首先，利用转台持续改变原理样机的方位角，采集并存储1001帧原始红外图像，其中的一帧原始图像如图2所示。

其次，利用公式(3)中的Laplace卷积核卷积上述1001帧原始图像，对图像的边界进行了对称延拓处理。

再次，对卷积后的图像，计算每个像素对应的1001个值的中值，得到中值矩阵

最后，根据公式(7)，利用Matlab软件中deconvwnr函数求解校正系数矩阵b。得到的校正系数矩阵如图3所示。利用公式(1)，计算出校正后的图像，如图4所示。

通过实验，利用本发明得到的校正后图像视觉质量不亚于利用标准黑体定标后的图像，证明了本发明的有效性。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于Laplace算子和反卷积的图像非均匀性校正方法，其特征在于，具体过程为：

步骤一、针对待校正的F帧图像，利用Laplace算子对其进行卷积处理；

其中，Laplace算子进行卷积的卷积核H为：

$H=\left[\begin{array}{ccc}0& -1& 0\\ -1& 4& -1\\ 0& -1& 0\end{array}\right]$

步骤二、对卷积后F帧图像的同一像素点取中值，逐像素计算后得到中值矩阵；

步骤三、基于所述中值矩阵，利用反卷积算法计算校正系数矩阵b；利用所述校正系数矩阵b对待校正图像进行校正。

2.根据权利要求1所述基于Laplace算子和反卷积的图像非均匀性校正方法，其特征在于，利用卷积核H对F帧图像进行卷积前，对图像边界进行对称延拓处理。

3.根据权利要求1所述基于Laplace算子和反卷积的图像非均匀性校正方法，其特征在于，步骤三中所述利用反卷积算法求解校正系数矩阵，具体的计算公式为：

$H\⊗b=-{\mathrm{mid}}_F\{H\⊗I_f\}$

其中，表示中值矩阵，I_f表示待校正的图像，f＝1,2,...,F。

4.根据权利要求1所述基于Laplace算子和反卷积的图像非均匀性校正方法，其特征在于，所述F为正奇数。

5.根据权利要求1所述基于Laplace算子和反卷积的图像非均匀性校正方法，其特征在于，所述待校正的F帧图像为：被拍摄场景和焦平面阵列存在相对运动而采集获得的图像。