CN107346533A - 一种基于视觉特性的盲元剔除方法 - Google Patents

一种基于视觉特性的盲元剔除方法 Download PDF

Info

Publication number
CN107346533A
CN107346533A CN201710563609.3A CN201710563609A CN107346533A CN 107346533 A CN107346533 A CN 107346533A CN 201710563609 A CN201710563609 A CN 201710563609A CN 107346533 A CN107346533 A CN 107346533A
Authority
CN
China
Prior art keywords
blind
blind element
pixel
access control
control model
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
Application number
CN201710563609.3A
Other languages
English (en)
Inventor
王文秀
傅雨田
董峰
李锋
郑彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Institute of Technical Physics of CAS
Original Assignee
Shanghai Institute of Technical Physics of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Institute of Technical Physics of CAS filed Critical Shanghai Institute of Technical Physics of CAS
Priority to CN201710563609.3A priority Critical patent/CN107346533A/zh
Publication of CN107346533A publication Critical patent/CN107346533A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于视觉特性的盲元剔除方法，方法包括：基于视觉特性的盲元初检测，盲元精确检测和盲元补偿。所述基于视觉的盲元初检测为根据人眼视觉特性对邻域中心灰度值高于邻域非中心像素值的最大值D或低于邻域最小值D的标记盲元点；所述盲元精确检测模块，对多场景视觉初定位结果累加，并分三个等级：1类盲元、2类盲元、3类盲元，且不断更新；所述盲元补偿模块采用改进的中值滤波方法补偿，剔除盲元。本发明所用方法简单，对硬件要求低，同时，较好的解决了传统盲元剔除方法细节丢失、误判点目标、随机盲元和老化引起新盲元问题。

Description

一种基于视觉特性的盲元剔除方法
技术领域
本发明涉及红外图像处理领域，可应用于各种红外图像采集系统，如常用的384×288，640×512等，可较好的应用于红外焦平面盲元剔除。
背景技术
盲元问题一直是红外焦平面阵列图像采集的重点内容，盲元的存在严重影响成像质量，也为后续目标特征提取与检测产生影响。目前硬件焦平面制造工艺与材料无法消除盲元问题，因而盲元后期处理方法就变得格外重要。
盲元剔除方法留有诸多难点：过多判定盲元点导致图像细节丢失，过亮过暗的点目标难分辨，随机盲元难处理，老化引起新盲元难判别以及处理过程硬件难实现等问题。如中值判别检测中难以确定中值范围，阈值改变影响较大；1/10中值分界线法与正常相元比较，而忽略了亮点目标和暗点目标也属正常像元，有待改进；Kirging插值法、ROC曲线检测方式、多项式检测法等对硬件要求高，实际应用能力弱。
采针对以上问题，本方法采用基于视觉特性的盲元初检测，适应人眼明显分辨过亮和过暗点特点，有效避开阈值范围难确定问题；精确检测解决检测中随机盲元、误判点目标、老化等问题，有效解决误判过多盲元造成的细节丢失问题。
基于视觉特性的盲元初检测过程阈值设定对精确检测结果影响较小，人眼对像素范围敏感，为了查全盲元点，本方法采用比例检测，可以此为阈值确定初始定位结果，精确检测先累加多组场景初始盲元检测结果，并在对应的焦平面点上进行标记，并按帧累加，统计一定组以上，可对盲元分等级，根据需要对1类、2类盲元采取中值替换。
发明内容
本发明的目的，是要提供一种硬件实现能力强、解决细节丢失、误判亮暗点目标、随机盲元点和老化问题的盲元剔除方法。
为实现上述目的，本发明采用如下技术方案：
本方法将盲元剔除分三步实施：基于视觉特性的盲元初检测，盲元精确检测，盲元补偿。
所述基于视觉特性的盲元初检测方法如下，首先设置滑动窗口大小为3×3，对滑动窗口的非中心像素8个灰度值排序，如果中心像元灰度值高于非中心像素最大值D或低于非中心像素最小值D，视为盲元，标记为‘1’，否则标记‘0’，其中，D的取值为：k为灰度等级图像；
所述的盲元精确检测方法如下，首先对P个场景、每个场景T幅图像，共计p×T幅图按步骤1)处理，得到的结果按帧累加后，可得到各像素点权重值；再将像素点权重值与黑体检测结果比较，把盲元分成三个等级：权重值不低于视为1类盲元、介于和之间的视为2类盲元、其余为3类盲元，并标记位置，其中，3类盲元视为正常像元；
所述的盲元补偿方法如下：对3×3邻域内非中心8个像元进行排序，将第四或第五个像素值替换各1、2类盲元位置像元值。
本发明的优点在于，有效解决盲元处理过程中遗留的诸多难题：过多判定盲元点导致图像细节丢失，过亮过暗点目标难分辨，随机盲元难处理，老化引起新盲元难判别问题。同时，本方法处理过程占用内存少，实现速度快，盲元判别精准度高，可应用于硬件和软件处理系统。
附图说明
图1为本发明方法原理框图。
图2为本发明详细实现过程图。
具体实施方式
下面结合具体实施例，即制冷型384×288红外焦平面阵列的盲元检测与补偿对本发明作进一步描述，在此仅用本发明的适宜性实例说明来解释本发明，但并不作为本发明的限定。
根据图1所示，此系统由基于视觉的盲元初检测，盲元精确检测和盲元补偿模块组成。在具体实施例中，基于视觉的盲元初检测为处理原始采集信号；盲元精确检测是对盲元初检测结果按帧累加。
首先，根据焦平面阵列大小设定盲元等级图的大小为384×288，新检测的初始盲元点不断存入盲元权重值，选取新采集的18个场景，每个场景200幅图像，共计3600幅进行统计。
其次，为了避免初检测过程中场景随机性问题，对检测结果进行累加。本模块先设定盲元等级矩阵大小为384×288，不断存入新采集的图像信息，不断更新个像素点权重值，设定阈值分别为2700和2000，2700以上视为固定盲元点，2000以上视为随机盲元点，2000以下则视为正常像元点。
最后，针对分等级的盲元点对3×3邻域内非中心8个像元进行排序，将第四或第五个像素值替换中心像元值。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明所述系统及其实施方法所做的同等变化及修饰，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (1)

1.一种基于视觉特性的盲元剔除方法，由基于视觉特性盲元初检测、盲元精确检测和盲元补偿三步骤构成；其特征在于：
1)、所述基于视觉特性的盲元初检测方法如下，首先设置滑动窗口大小为3×3，对滑动窗口的非中心像素8个灰度值排序，如果中心像元灰度值高于非中心像素最大值D或低于非中心像素最小值D，视为盲元，标记为‘1’，否则标记‘0’，其中，D的取值为：k为灰度等级图像；
2)、所述的盲元精确检测方法如下，首先对P个场景、每个场景T幅图像，共计p×T幅图按步骤1)处理，得到的结果按帧累加后，可得到各像素点权重值；再将像素点权重值与黑体检测结果比较，把盲元分成三个等级：权重值不低于视为1类盲元、介于和之间的视为2类盲元、其余为3类盲元，并标记位置，其中，3类盲元视为正常像元；
3)、所述的盲元补偿方法如下：对3×3邻域内非中心8个像元进行排序，将第四或第五个像素值替换各1、2类盲元位置像元值。
CN201710563609.3A 2017-07-12 2017-07-12 一种基于视觉特性的盲元剔除方法 Pending CN107346533A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710563609.3A CN107346533A (zh) 2017-07-12 2017-07-12 一种基于视觉特性的盲元剔除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710563609.3A CN107346533A (zh) 2017-07-12 2017-07-12 一种基于视觉特性的盲元剔除方法

Publications (1)

Publication Number Publication Date
CN107346533A true CN107346533A (zh) 2017-11-14

Family

ID=60257027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710563609.3A Pending CN107346533A (zh) 2017-07-12 2017-07-12 一种基于视觉特性的盲元剔除方法

Country Status (1)

Country Link
CN (1) CN107346533A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111242980A (zh) * 2020-01-17 2020-06-05 中国科学院上海技术物理研究所 一种面向点目标的红外焦平面盲元动态检测方法
CN117197682A (zh) * 2023-09-01 2023-12-08 山东产研卫星信息技术产业研究院有限公司 一种长波红外遥感影像进行盲元检测与去除的方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060124831A1 (en) * 2004-12-10 2006-06-15 Schimert Thomas R Optically blocked reference pixels for focal plane arrays
CN102410880A (zh) * 2011-08-05 2012-04-11 重庆邮电大学 基于积分时间调整的红外焦平面阵列盲元检测方法
CN102937438A (zh) * 2012-08-03 2013-02-20 南京理工大学 基于最优化方法的红外弱小目标距离探测方法
US20160234489A1 (en) * 2014-06-23 2016-08-11 Unlimited Optics Corp. Method for measuring performance parameters and detecting bad pixels of an infrared focal plane array module
CN106327474A (zh) * 2016-08-25 2017-01-11 上海航天控制技术研究所 一种自动在线盲元检测方法
CN106525245A (zh) * 2016-11-03 2017-03-22 浙江大学 一种基于三梯度阈值的快速时序盲元检测与校正方法
CN106768383A (zh) * 2017-01-21 2017-05-31 浙江红相科技股份有限公司 一种红外焦平面阵列自动盲元检测与补偿方法
US20170179912A1 (en) * 2014-08-20 2017-06-22 Seek Thermal, Inc. Gain calibration for an imaging system

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060124831A1 (en) * 2004-12-10 2006-06-15 Schimert Thomas R Optically blocked reference pixels for focal plane arrays
CN102410880A (zh) * 2011-08-05 2012-04-11 重庆邮电大学 基于积分时间调整的红外焦平面阵列盲元检测方法
CN102937438A (zh) * 2012-08-03 2013-02-20 南京理工大学 基于最优化方法的红外弱小目标距离探测方法
US20160234489A1 (en) * 2014-06-23 2016-08-11 Unlimited Optics Corp. Method for measuring performance parameters and detecting bad pixels of an infrared focal plane array module
US20170179912A1 (en) * 2014-08-20 2017-06-22 Seek Thermal, Inc. Gain calibration for an imaging system
CN106327474A (zh) * 2016-08-25 2017-01-11 上海航天控制技术研究所 一种自动在线盲元检测方法
CN106525245A (zh) * 2016-11-03 2017-03-22 浙江大学 一种基于三梯度阈值的快速时序盲元检测与校正方法
CN106768383A (zh) * 2017-01-21 2017-05-31 浙江红相科技股份有限公司 一种红外焦平面阵列自动盲元检测与补偿方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
冷寒冰 等: "基于模糊中值的 IRFPA 自适应盲元检测与补偿", 《红外与激光工程》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111242980A (zh) * 2020-01-17 2020-06-05 中国科学院上海技术物理研究所 一种面向点目标的红外焦平面盲元动态检测方法
CN111242980B (zh) * 2020-01-17 2022-08-05 中国科学院上海技术物理研究所 一种面向点目标的红外焦平面盲元动态检测方法
CN117197682A (zh) * 2023-09-01 2023-12-08 山东产研卫星信息技术产业研究院有限公司 一种长波红外遥感影像进行盲元检测与去除的方法

Similar Documents

Publication Publication Date Title
CN102025918B (zh) 图像处理装置、成像设备、图像处理方法和程序
CN109389135B (zh) 一种图像筛选方法及装置
EP3073440B1 (en) Method and device for correcting recovery and analyzing alarm of distorted image
CN111199524B (zh) 一种针对可调光圈光学系统的图像紫边校正方法
CN109712192B (zh) 摄像模组标定方法、装置、电子设备及计算机可读存储介质
EP1580988A2 (en) Apparatus for digital video processing and method thereof
JP2003092707A (ja) 不良ピクセルを検出し補正するセンサ装置
CN109993052B (zh) 一种复杂场景下尺度自适应的目标跟踪方法和系统
US20100141810A1 (en) Bad Pixel Detection and Correction
CN103098456A (zh) 图像处理单元、图像处理方法和图像处理程序
CN109559353B (zh) 摄像模组标定方法、装置、电子设备及计算机可读存储介质
CN110766711A (zh) 一种视频镜头分割方法、系统、装置和存储介质
CN112561946B (zh) 一种动态目标检测方法
CN110866486A (zh) 主体检测方法和装置、电子设备、计算机可读存储介质
CN107346533A (zh) 一种基于视觉特性的盲元剔除方法
CN108965749B (zh) 基于纹理识别的缺陷像素检测和校正装置及方法
CN111741290A (zh) 图像频闪检测方法及装置、存储介质、终端
CN116233607A (zh) 一种多曝光图像处理方法、装置、芯片及电子设备
CN111160340B (zh) 一种运动目标检测方法、装置、存储介质及终端设备
CN110430400B (zh) 一种双目可运动摄像机的地平面区域检测方法
CN108010050A (zh) 一种基于自适应背景更新和选择性背景更新的前景检测方法
CN111583315A (zh) 一种新的可见光图像和红外图像配准方法及装置
CN101461228A (zh) 图像处理电路、半导体装置和图像处理设备
CN114298995A (zh) 一种图像缺陷元抑制方法、设备及计算机可读存储介质
US11871119B2 (en) Method for calculating exposure evaluation value and imaging device

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171114