CN107203150B - 基于红外半实物仿真系统的非均匀性校正方法 - Google Patents
基于红外半实物仿真系统的非均匀性校正方法 Download PDFInfo
- Publication number
- CN107203150B CN107203150B CN201710361660.6A CN201710361660A CN107203150B CN 107203150 B CN107203150 B CN 107203150B CN 201710361660 A CN201710361660 A CN 201710361660A CN 107203150 B CN107203150 B CN 107203150B
- Authority
- CN
- China
- Prior art keywords
- energy
- value
- gray
- gray value
- array
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于红外半实物仿真系统的非均匀性校正方法,主要解决现有方法实时性差和稳定性不高的问题。其实现方案为:1、采集连续灰度的红外图像;2、分别找出图像中最大、最小能量值所对应的灰度值;3、对灰度值及所对应的能量值进行曲线拟合并得到灰度重排数组;4、根据灰度重排数组获得每个像素点的重排能量;5、对重排能量进行曲线拟合得到拟合直线;6、根据拟合直线和灰度重排数组计算每个灰度值处的校正灰度。本发明能够校正红外半实物仿真系统采集的所有灰度值的红外图像,对全灰度段的红外图像进行非均匀性校正,提高了校正的实时性与稳定性,可用于光电场景仿真、半实物系统验证和合成图像评估。
Description
技术领域
本发明属于非均匀性校正技术领域,特别涉及一种红外半实物仿真系统的非均匀性校正方法,可用于光电场景仿真、半实物系统验证和合成图像评估。
背景技术
系统仿真技术是以相似原理、信息技术、系统理论及其应用领域有关的专业技术为基础,以计算机和各种物理效应设备为工具,利用系统模型对实际的或设想的系统进行实验研究的一门新兴综合性技术。而半实物仿真是指在仿真试验系统的仿真回路中接入部分实物的实时仿真。它为进行实际系统的研究、分析、决策、设计,以及对专业人员的培训提供了一种先进的方法,增加了人们对客观世界内在规律的认识能力,有力地推动了那些过去以定性分析为主的学科向定量化方向仿真。
然而红外半实物仿真系统的红外辐射源由于是由一个黑体或并列多个黑体构成,存在空间范围内的红外辐射强度不均匀的情况;此外在输入为相同值的情况下,由于DMD阵列中单个像素元的响应参数存在微小差异,使得最终输出的红外图像的辐射强度是非均匀的。由于红外半实物仿真系统的非均匀性校导致仿真出来的红外场景失真,所以对其进行非均匀性校正显得尤为重要。
目前已有多种红外半实物仿真系统出现的非均匀性校正技术。包括:温度定标校正方法、高通滤波校正方法、人工神经校正方法。其中:温度定标校正方法能够实现实时的非均匀性校正,但长时间工作后需要重新定标,长时间的实时校正效果不理想;高通滤波校正方法能够实现长时间的非均匀性校正,但需要场景处于运动状态,不能校正静态场景;人工神经校正方法可以跟踪探测元的非线性变化,但不能保证校正的稳定性。
上述现有技术的共同缺点是:针对红外半实物仿真系统硬件的非均匀性,其校正结果的稳定性和实时性不高。
发明内容
本发明的目的在于上述现有技术的不足,提出一种基于红外半实物仿真系统的非均匀性校正方法,以提高对红外半实物仿真系统进行非均匀性校正的实时性和稳定性。
为实现上述目的,本发明的技术方案包括如下:
(1)利用红外半实物仿真系统采集灰度值连续的C幅红外图像,得到C幅红外图像的能量值信息,其中C=2s,为红外半实物仿真系统的每个输出像素灰度值的数据位数;
(2)根据红外图像的能量值信息,找出最大能量值E'max及其所对应的最大灰度值k'max和最小能量值E'min及其所对应的最小灰度值k'min;
(3)以灰度值为横坐标,能量值为纵坐标建立直角坐标系;将(k'min,E'min)作为起始坐标点,(k'max,E'max)作为终止坐标点,并根据这两个坐标点拟合出一条直线作为红外图像的理想能量直线;
(4)根据理想能量直线和能量矩阵E对能量矩阵进行重排,得到红外图像中每一个像素点重新排序后的灰度值数组A';
(5)根据灰度重排数组A',分别对每一个像素点的能量值进行重新排序得到能量重排矩阵E',并计算红外图像的平均能量重排数组Es';
(6)根据能量重排矩阵E'对每一个像素点的灰度-能量关系进行曲线拟合,得到拟合直线,且直线的斜率为al,截距为bl,其中l=1,2,...,L,L为红外图像的像素数目;再对红外图像的平均能量重排数组Es'进行曲线拟合,得到平均能量的拟合直线,且直线的斜率为a,截距为b;
(7)根据拟合直线,利用公式alx+bl=ak+b和灰度重排数组A',计算在系统输入灰度值为k时,每一个像素点校正后的灰度值,该灰度值所对应的能量即为校正后的能量,即完成对红外半实物仿真系统的非均匀性校正。
本发明与现有技术相比,具有如下有优点:
本发明由于在图像的能量值进行曲线拟合时,对红外图像的所有灰度进行了重排处理,可对半实物仿真系统的全灰度进行非均匀校正,提高了校正效果的稳定性;并且由于得到了全灰度的校正系数,所以可对半实物仿真系统仿真的任一图像进行非均匀校正,提高了校正效果的实时性。
附图说明
图1为本发明中基于红外半实物仿真系统的非均匀性校正方法实现流程框图。
图2为本发明中基于红外半实物仿真系统的理想能量-灰度拟合曲线图。
图3为本发明中基于红外半实物仿真系统的单个像素点能量与平均能量曲线图。
图4为本发明中基于红外半实物仿真系统的非均匀性校正方法实验效果图。
具体实施方式:
以下结合附图和具体实施例,对本发明作进一步详细说明。
参照附图1,本发明基于红外半实物仿真系统的非均匀性校正方法方法,其实现步骤如下:
步骤1,利用红外半实物仿真系统采集灰度值连续的C幅红外图像,得到C幅红外图像的能量值信息。
(1a)假设k为每幅红外图像的灰度,有k=1,2,...,C,其中C=2s,为红外半实物仿真系统的每个输出像素灰度值的数据位数;
(1b)假设每一个红外图像的分辨率为M*N,则该红外图像像素点的数目为L=M*N;
(1c)假设P是长度为L的数组,并对红外图像按照从左到右,从上到下的顺序,依次将每一个像素点的坐标存储到P中,其中l=1,2,...,L;
(1d)设置一个大小为L*C的矩阵E作为能量矩阵。其中,E(l,k)存储灰度为k、坐标为Pl的像素点的能量值。
步骤2,根据红外图像的能量值信息,找出最大能量值E'max及其所对应的最大灰度值k'max和最小能量值E'min及其所对应的最小灰度值k'min。
(2a)在能量矩阵E中,找出每一个像素点的最大能量值所对应的灰度值Kmax(l)和最小能量值所对应的灰度值Kmin(l),得到最大能量的灰度值数组Kmax和最小能量的灰度值数组Kmin,其中Kmax和Kmin长度均为L;
(2b)统计最大能量的灰度值数组Kmax中不同的灰度值,并计算每一个灰度值条件下的图像平均能量值,再将得到所有平均能量值中的最小值作为最大能量值E'max,该最大能量值所对应的灰度值作为最大灰度值k'max;
(2c)统计最小能量的灰度值数组Kmin中不同的灰度值,并计算每一个灰度值条件下的图像的平均能量值,再将得到的所有平均能量值中的最大值作为最小能量值E'min,该最小能量值所对应的灰度值为最小灰度值k'min。
步骤3,参照附图2,以灰度值为横坐标,能量值为纵坐标建立直角坐标系;将(k'min,E'min)作为起始坐标点,(k'max,E'max)作为终止坐标点,并根据这两个坐标点拟合出一条直线作为红外图像的理想能量直线。
步骤4,根据理想能量直线和能量矩阵E对能量矩阵进行重排,得到红外图像中每一个像素点重新排序后的灰度值数组A'。
(4a)计算理想能量直线上每一个灰度值k'处的理想能量值E'k',其中k'=0,1,...,C;
(4b)对于图像中的每个像素点,在每一个灰度值k'处,利用公式计算该灰度对应的理想能量值与所有灰度值处的能量值误差,并找出最小误差值相应的重排灰度值;
(4c)设置一个数组,依次将每一个灰度值k'相应的重排灰度值存储到该数组中,得到每一个像素点的灰度重排数组A'。
步骤5,根据灰度重排数组A',获得红外图像的能量重排矩阵E'和平均能量重排数组Es'。
(5a)设置一个大小为L*C的矩阵,在红外图像的每一个像素点处,依次查询灰度重排数组A'中每一个灰度值对应的能量矩阵E中的能量值依次存储在大小为L*C的矩阵中,得到红外图像的能量重排矩阵E';
(5b)设置一个长度为C的数组,根据能量重排矩阵E',求出红外图像中所有像素点能量值的平均值存储到该数组中,得到红外图像的平均能量重排数组Es'。
步骤6,根据能量重排矩阵E'和平均能量重排数组Es',得到红外图像每一个像素点的能量拟合直线和全图像的平均能量拟合直线。
(6a)根据能量重排矩阵E',对每一个像素点的能量-灰度关系进行曲线拟合,得到斜率为al,截距为bl的拟合直线,其中l=1,2,...,L,L为红外图像的像素数目;
(6b)对红外图像的平均能量重排数组Es'进行曲线拟合,得到斜率为a,截距为b的平均能量的拟合直线。
步骤7,根据拟合直线和灰度重排数组A',完成对红外半实物仿真系统的非均匀性校正。
参照图3,本步骤的具体实现如下:
(7a)根据拟合直线,利用公式alx+bl=ak+b,计算在红外半实物仿真系统的输入灰度值为k时,坐标为Pl的像素点重排后的灰度值x;
(7b)根据灰度重排数组A',查找当坐标Pl像素点的灰度值为x时,该点校正后的灰度值A'(x),即完成对红外半实物仿真系统的非均匀性校正。
本发明的效果可通过以下实验进一步说明:
将一幅纯色图输入到红外半实物仿真系统中,输出采集的红外辐射图像,用本发明方法对该采集的红外图像进行进行校正试验,结果如图4,其中图4a为采集的红外辐射图像,图4b为通过本发明校正后的红外辐射图像。
从图4a可以看出,采集到的红外图像其非均匀性非常明显,并且图像中出现渐晕,这是因为并列多个黑体时的辐射强度有空间不均匀性,并且DMD阵列存在不准确性;
从图4b可以看出通过本发明校正后,图像比较均匀,而且消除了渐晕现象,验证了本发明的有效性、实时性和稳定性。
Claims (5)
1.一种基于红外半实物仿真系统的非均匀性校正方法,其特征在于,包括:
(1)利用红外半实物仿真系统采集灰度值连续的C幅红外图像,得到C幅红外图像的能量值信息,其中C=2s,s为红外半实物仿真系统的每个输出像素灰度值的数据位数;
(2)根据红外图像的能量值信息,找出最大能量值E'max及其所对应的最大灰度值k'max和最小能量值E'min及其所对应的最小灰度值k'min;
(3)以灰度值为横坐标,能量值为纵坐标建立直角坐标系;将(k'min,E'min)作为起始坐标点,(k'max,E'max)作为终止坐标点,并根据这两个坐标点拟合出一条直线作为红外图像的理想能量直线;
(4)根据理想能量直线和能量矩阵E对能量矩阵进行重排,得到红外图像中每一个像素点重新排序后的灰度值数组A':
(4a)计算理想能量直线上每一个灰度值k'处的理想能量值E'k',其中k'=0,1,...,C;
(4b)对于图像中的每个像素点,在每一个灰度值k'处,利用公式计算该灰度对应的理想能量值与所有灰度值处的能量值误差,并找出最小误差值相应的重排灰度值,其中E(l,k)是存储灰度为k、坐标为Pl的像素点的能量值,其中l=1,2,...,L;
(4c)设置一个数组,依次将每一个灰度值k'相应的重排灰度值存储到该数组中,得到每一个像素点的灰度重排数组A';
(5)根据灰度重排数组A',分别对每一个像素点的能量值进行重新排序得到能量重排矩阵E',并计算红外图像的平均能量重排数组Es';
(6)根据能量重排矩阵E'对每一个像素点的灰度-能量关系进行曲线拟合,得到拟合直线,且直线的斜率为al,截距为bl,其中l=1,2,...,L,L为红外图像的像素数目;再对红外图像的平均能量重排数组Es'进行曲线拟合,得到平均能量的拟合直线,且直线的斜率为a,截距为b;
(7)根据拟合直线,利用公式alx+bl=ak+b和灰度重排数组A',计算在系统输入灰度值为k时,每一个像素点校正后的灰度值,该灰度值所对应的能量即为校正后的能量,即完成对红外半实物仿真系统的非均匀性校正。
2.根据权利要求1所述的方法,其中步骤(1)所述的采集红外图像能量值信息,按照如下步骤进行:
(1a)假设k为每幅红外图像的灰度,有k=1,2,...,C,其中C=2s,s为红外半实物仿真系统的每个输出像素灰度值的数据位数;
(1b)假设每一个红外图像的分辨率为M*N,则该红外图像像素点的数目为L=M*N;
(1c)假设P是长度为L的数组,并对红外图像按照从左到右,从上到下的顺序,依次将每一个像素点的坐标存储到P中;
(1d)设置一个大小为L*C的矩阵E作为能量矩阵,其中,E(l,k)是存储灰度为k、坐标为Pl的像素点的能量值,其中l=1,2,...,L。
3.根据权利要求1所述的方法,其中步骤(2)中分别找出最大能量值和最小能量值及其所对应的灰度值,按照如下步骤进行:
(2a)在能量矩阵E中,找出每一个像素点的最大能量值所对应的灰度值Kmax(l)和最小能量值所对应的灰度值Kmin(l),得到最大能量的灰度值数组Kmax和最小能量的灰度值数组Kmin,其中Kmax和Kmin长度均为L;
(2b)统计最大能量的灰度值数组Kmax中不同的灰度值,并计算每一个灰度值条件下的图像平均能量值,再将得到所有平均能量值中的最小值作为最大能量值E'max,该最大能量值所对应的灰度值作为最大灰度值k'max;
(2c)统计最小能量的灰度值数组Kmin中不同的灰度值,并计算每一个灰度值条件下的图像的平均能量值,再将得到的所有平均能量值中的最大值作为最小能量值E'min,该最小能量值所对应的灰度值为最小灰度值k'min。
4.根据权利要求1所述的方法,其中步骤(5)中获得红外图像的能量重排矩阵E'和平均能量重排数组Es',按照如下步骤进行:
(5a)设置一个大小为L*C的矩阵,在红外图像的每一个像素点处,依次查询灰度重排数组A'中每一个灰度值对应的能量矩阵E中的能量值依次存储在大小为L*C的矩阵中,得到红外图像的能量重排矩阵E';
(5b)设置一个长度为C的数组,根据能量重排矩阵E',求出红外图像中所有像素点能量值的平均值存储到该数组中,得到红外图像的平均能量重排数组Es'。
5.根据权利要求1所述的方法,其中步骤(7)中计算每一个像素点校正后的灰度值,按照如下步骤进行:
(7a)根据拟合直线,利用公式alx+bl=ak+b,计算在红外半实物仿真系统的输入灰度值为k时,坐标为Pl的像素点重排后的灰度值x;
(7b)根据灰度重排数组A',查找当坐标Pl像素点的灰度值为x时,该点校正后的灰度值A'(x),即完成对红外半实物仿真系统的非均匀性校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710361660.6A CN107203150B (zh) | 2017-05-22 | 2017-05-22 | 基于红外半实物仿真系统的非均匀性校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710361660.6A CN107203150B (zh) | 2017-05-22 | 2017-05-22 | 基于红外半实物仿真系统的非均匀性校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107203150A CN107203150A (zh) | 2017-09-26 |
CN107203150B true CN107203150B (zh) | 2020-01-07 |
Family
ID=59906190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710361660.6A Active CN107203150B (zh) | 2017-05-22 | 2017-05-22 | 基于红外半实物仿真系统的非均匀性校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107203150B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063533A (zh) * | 2018-04-30 | 2018-12-21 | 李泽中 | 一种动态的人脸快速识别算法 |
CN108989697B (zh) * | 2018-07-12 | 2020-11-03 | 大连工业大学 | 道路成像测量中用于响应非均匀校正的标准源图像构建方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1811360A (zh) * | 2006-02-24 | 2006-08-02 | 昆明物理研究所 | 凝视红外焦平面探测器自适应非均匀性校正方法 |
US8330820B2 (en) * | 2008-12-05 | 2012-12-11 | Bae Systems Information And Electronic Systems Integration Inc. | Fast electrostatic shutter and method of achieving offset compensation in infrared video imagers using fast shutters |
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 |
CN106570829B (zh) * | 2015-10-09 | 2019-05-07 | 南京理工大学 | 一种红外图像非均匀性校正方法 |
CN105466566A (zh) * | 2015-12-05 | 2016-04-06 | 中国航空工业集团公司洛阳电光设备研究所 | 一种红外非均匀性校正实时补偿方法 |
CN105929730B (zh) * | 2016-04-21 | 2018-08-07 | 西安电子科技大学 | 一种激光红外复合告警仿真系统及方法 |
-
2017
- 2017-05-22 CN CN201710361660.6A patent/CN107203150B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107203150A (zh) | 2017-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108846805A (zh) | 一种基于场景自适应的红外热图像两点非均匀校正方法 | |
CN109191403A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN109002843A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN109389630B (zh) | 可见光图像与红外图像特征点集确定、配准方法及装置 | |
CN107203150B (zh) | 基于红外半实物仿真系统的非均匀性校正方法 | |
CN106355195A (zh) | 用于测量图像清晰度值的系统及其方法 | |
US11974050B2 (en) | Data simulation method and device for event camera | |
CN109191386A (zh) | 一种基于BPNN的快速Gamma校正方法及装置 | |
CN106375658B (zh) | 一种甚高精度图像处理vlsi验证方法 | |
CN108038467B (zh) | 一种镜像图与粗细层次结合的稀疏人脸识别方法 | |
CN110288026A (zh) | 一种基于度量关系图学习的图像分割方法及装置 | |
CN108917722A (zh) | 植被覆盖度计算方法及装置 | |
CN103868601B (zh) | Irfpa探测器非均匀响应的双边全变分正则化校正方法 | |
CN116029938B (zh) | 一种基于线性拟合的图像平场校正方法及装置 | |
CN110415171B (zh) | 图像处理方法、装置及存储介质、电子设备 | |
US8712161B2 (en) | Image manipulating system and method | |
CN104200469B (zh) | 一种视觉智能数控系统的数据融合方法 | |
CN107220998A (zh) | 利用图像颜色判定物体温度的方法及系统 | |
CN104574455A (zh) | 图像重建方法及装置 | |
CN116597246A (zh) | 模型训练方法、目标检测方法、电子设备及存储介质 | |
CN103531173A (zh) | 一种屏幕颜色调整方法及装置 | |
CN106851141A (zh) | 一种遥感图像的非均匀性校正方法 | |
CN111260623B (zh) | 图片评价方法、装置、设备及存储介质 | |
CN105389775B (zh) | 融合图像灰度特征与结构化表示的图像群组配准方法 | |
CN103942764B (zh) | 一种基于模块分析技术的二维光纤光谱图像修复算法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |