CN108447031B - 一种红外图像热背景噪声校正的方法 - Google Patents
一种红外图像热背景噪声校正的方法 Download PDFInfo
- Publication number
- CN108447031B CN108447031B CN201810167640.XA CN201810167640A CN108447031B CN 108447031 B CN108447031 B CN 108447031B CN 201810167640 A CN201810167640 A CN 201810167640A CN 108447031 B CN108447031 B CN 108447031B
- Authority
- CN
- China
- Prior art keywords
- infrared image
- memory
- image
- hill
- noise
- 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
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000015654 memory Effects 0.000 claims abstract description 114
- 238000012937 correction Methods 0.000 claims abstract description 94
- 230000005855 radiation Effects 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000001914 filtration Methods 0.000 claims abstract description 30
- 230000010354 integration Effects 0.000 claims description 36
- 238000003708 edge detection Methods 0.000 claims description 29
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 230000003044 adaptive effect Effects 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 11
- 230000001965 increasing effect Effects 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 8
- 238000003384 imaging method Methods 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000002829 reductive effect Effects 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 3
- 238000003331 infrared imaging Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 229920006395 saturated elastomer Polymers 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Images
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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
Abstract
本申请公开了一种红外图像热背景噪声校正的方法，包括步骤：FPGA红外图像增强系统中输入红外图像，获取红外图像的灰度值数据；将所述红外图像存储于第一存储器中，去除丘状辐射噪声，其中通过标定的方式进行丘状辐射噪声校正；将去除后的红外图像存储于第二存储器中，同时第一存储器存储下一幅红外图像，进行下一幅红外图像的丘状辐射校正；在第二存储器中进行高斯噪声滤波校正；在第三存储器中采用自适应积分时间调节法对高斯噪声滤波校正后的红外图像进行校正，自动选取合适的积分时间，反馈到红外探测器系统、校正过强的热背景辐射。本发明进行并行计算，实现这三步的流水操作，大大缩短了图像处理的时间，提高了红外图像处理的速度。
Description
技术领域
本发明涉及红外成像技术领域，具体地说，是涉及一种红外图像热背景噪声校正的方法。
背景技术
红外技术是伴随着军用需要而迅速发展起来的一种新兴技术。近年来，红外成像技术有了迅速的发展，在国防和国民经济中，显示出独有的特色，具有广阔的发展前景。红外成像已经被广泛地应用于军事、医学、商业以及日常生活中。但是，在大多应用环境中，由于红外图像的成像机理的限制以及周围环境的干扰，红外图像与可见光图像相比，大多有图像较模糊、噪声大等特点。这对后续的处理极为不利。而红外图像的干扰多种多样，热背景噪声对红外成像的干扰尤为显著，严重影响输出图像的分辨率和信噪比。因此在应用中必须对红外图像进行增强处理，来校正红外图像热背景噪声。
常用的图像增强方法包括直方图均衡法、两点校正和盲元填充算法等，以直方图均衡法为例，首先，统计直方图中灰度值出现的概率，其次，将该直方图进行归一化处理，最后，进行下一幅像素值的计算。通过对灰度值进行变换以提高红外图像的对比度，最后将图像中灰度概率密度较大灰度值扩展到附近的灰度概率密度小的灰度值上，使得图像更加均匀化。
直方图均衡法能够有效地提高图像对比度和抑制热背景噪声。然而，由于在统计直方图中灰度值出现的概率时对数据不加选择，可能会增加背景和噪声的对比度并且降低目标信号的对比度，使得变换后图像的灰度值减少，并且该算法的计算量较大，不能提高红外图像处理的实时性，故对于某些特定热背景噪声去除的领域，该算法可能致使变换后的图像细节不清楚。
因此，提供一种热背景噪声去除的图像增强方法，增强红外图像目标，抑制热背景噪声，进而突出红外图像中的目标信息，对红外图像处理算法的研究很有必要。
发明内容
本发明所要解决的技术问题是提供一种红外图像热背景噪声校正的方法，提高图像对比度，增强红外图像目标，抑制热背景噪声对成像的影响。
为解决上述技术问题，本发明提供了一种红外图像热背景噪声校正的方法，包括步骤：
FPGA红外图像增强系统中输入红外图像，获取红外图像的灰度值数据，其中将热背景噪声模型简化为丘状辐射和高斯噪声的叠加；
将所述红外图像存储于第一存储器中，在第一存储器中去除丘状辐射噪声，其中通过标定的方式进行丘状辐射噪声校正；
丘状辐射噪声去除后，将去除后的红外图像存储于第二存储器中，同时第一存储器存储下一幅红外图像，进行下一幅红外图像的丘状辐射校正；
在所述第二存储器中进行高斯噪声滤波校正，通过基于边缘检测的自适应高斯去噪算法进行滤波，使用3*3的像素邻域窗口，在该邻域中用边缘检测算子检测边缘，根据检测的结果对红外图像进行平滑处理：
用3*3的邻域窗口对红外图像进行遍历，从红外图像的第二行第二列的像素开始为中心组成3*3窗，依次从红外图像中划取邻域，直到红外图像的倒数第二行倒数第二列的像素位置，对于无法以位于边界的像素为中心取得3*3邻域的红外图像边界进行补零处理；在3*3邻域中，使用8邻域的拉普拉斯边缘检测算子对边缘进行检测，将邻域中像素灰度值与拉普拉斯掩模进行卷积运算，对卷积结果取绝对值，将它定义为该邻域中心点的像素梯度值。设定一个阈值T，当红外图像内部的像素点的梯度值大于或等于阈值T，则该区域中存在图像边缘，此时，对该邻域将不做任何处理，保留边缘；当红外图像中的梯度值小于阈值T，则该像素处于平坦区域，对该邻域使用邻域平均法，尽可能的保留边缘位置信息，在没有边缘位置处通过邻域平均法去噪，其中T为边缘检测时的阈值；
将高斯噪声滤波校正后的红外图像存储于第三存储器中，同时第二存储器存储下一幅丘状辐射校正好的图像；
在第三存储器中采用自适应积分时间调节法对高斯噪声滤波校正后的红外图像进行校正，自动选取合适的积分时间，反馈到红外探测器系统、校正过强的热背景辐射，设定阈值T1，当平均灰度值大于设定的阈值T1时，则判定此时红外探测器响应趋于饱和，此时减少积分时间，当平均灰度值小于设定的阈值T2时，此时红外探测器对信号响应较弱，此时增加积分时间。
优选地，所述第一存储器，进一步为，静态随机存储器，包括：地址位和数据位，地址位是二进制数值，为任意位宽，每个地址位对应一个可录入数据的数据位，地址位对应的存储区域用于存储对应的红外图像灰度值。
优选地，所述将所述红外图像存储于第一存储器中，在第一存储器中去除丘状辐射噪声，其中通过标定的方式进行丘状辐射噪声校正，进一步为，
将所述红外图像存储于第一存储器中，在第一存储器中去除丘状辐射噪声，采取基于定标的非均匀性校正算法进行校正，通过标定的方式生成偏移量校正系数，通过加载偏移量校正系数的方式来去除丘状辐射的干扰：对于典型的热背景噪声，排除明显的成像产生的高斯噪声干扰，热背景噪声模型呈明显的丘状分布，图像热背景中心的区域灰度较高，明显亮于四周的区域，在第一存储器中对热背景噪声的图像进行非均匀性校正对于一般的热背景噪声，使用丘状辐射模型进行校正，即在图像热背景较亮处，热背景噪声中心减去K倍的丘状辐射模型，系数K要根据特定的情况进行确定，对于特定的热背景噪声，要对丘状辐射模型根据特定情况稍加修改，再进行非均匀性校正，得到修正后的图像。
优选地，在第三存储器中采用自适应积分时间调节法对高斯噪声滤波校正后的红外图像进行校正，当灰度接近饱和时红外探测器响应趋于饱和，自动选取合适的积分时间，反馈到红外探测器系统、校正过强的热背景辐射，进一步为：
在其他参数固定的情况下积分时间与探测器输出电压成正比，第三存储器中进行判断，当像元响应值趋向饱和时，减小积分时间，增大探测器响应的实际动态范围，使用事前校正并记录校正系数，通过查表法查找存储好的积分时间校正表，调用相应档位的校正系数以切换积分档位来完成均匀性校正。
优选地，所述第二存储器为静态随机存储器，包括地址位和数据位，将校正后的红外图像存储于相应的地址位对应的存储区域中，FPGA驱动VGA将第二存储器中存储的校正后的红外图像显示出来，与原始红外图像作比对、观测热背景噪声校正的效果。
本发明中流水式处理方法，减少了图像处理的时间，大大提高红外图像的可观测性。对红外图像进行了热背景噪声校正，获取背景噪声校正后的图像数据，抑制了热背景噪声对红外成像的影响，放大了目标的细节，提高了图像的对比度。
与现有技术相比，本发明所述的红外图像热背景噪声校正的方法，达到了如下效果：
(1)本发明所述红外图像热背景噪声校正的方法，第一存储器中的图像进行完丘状辐射噪声处理后，将图像存储于第二存储器中，同时第一存储器存储下一幅图像，对下一幅图像进行丘状辐射噪声处理。第二存储器中的图像通过基于边缘检测的自适应高斯噪声去除算法进行滤波，处理完后存储于第三存储器中，在第三存储器运行自适应积分时间调节法，选取合适的积分时间，同时将下一幅要处理的图像存储于第二存储器中，在第二存储器中进行下一幅红外图像的高斯噪声滤波校正。这样，进行并行计算，实现这三步的流水操作，大大缩短了图像处理的时间，提高了红外图像处理的速度。
(2)本发明所述红外图像热背景噪声校正的方法，在对红外图像进行高斯噪声滤波处理时，用边缘检测算子检测边缘，根据检测的结果再对图像有选择地进行平滑处理，从而实现通过基于边缘检测的自适应高斯噪声去除算法进行选择性的平滑滤波，该改进算法优先使用边缘检测的方法对像素邻域进行分类，将邻域所处的图像区域分为边缘区域和平坦区域。在对邻域特征完成判别之后，按照邻域所处区域的不同，分别采用保留图像信息(对于存在边缘区域)以及邻域平均法(对于平坦区域)的方式。这样可以有效地保护图像边缘，同时保证对存在于平坦区域的热背景噪声依然保有良好的处理效果。
(3)本发明所述红外图像热背景噪声校正的方法，选取了自适应积分时间调节法，当灰度接近饱和时，自动选取合适的积分时间，通过查表法查找存储好的积分时间校正表，调用相应档位的校正系数以切换积分档位来完成均匀性校正。查表法的建立，大大降低了硬件编程的复杂度及系统占用的内存空间。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为实施例1中红外图像热背景噪声校正的方法流程示意图。
具体实施方式
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。此外，“耦接”一词在此包含任何直接及间接的电性耦接手段。因此，若文中描述一第一装置耦接于一第二装置，则代表所述第一装置可直接电性耦接于所述第二装置，或通过其他装置或耦接手段间接地电性耦接至所述第二装置。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明本发明的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
以下结合附图对本发明作进一步详细说明，但不作为对本发明的限定。
实施例1：
结合图1，本实施例提供了一种红外图像热背景噪声校正的方法，包括以下步骤：
步骤101：FPGA红外图像增强系统中输入红外图像，获取红外图像的灰度值数据，其中将热背景噪声模型简化为丘状辐射和高斯噪声的叠加；
通过A/D采样芯片向FPGA(Field－Programmable Gate Array，Field－Programmable Gate Array)红外图像热背景噪声校正系统输入红外图像，并读取红外图像的灰度值数据。
步骤102：将所述红外图像存储于第一存储器中，在第一存储器中去除丘状辐射噪声，其中通过标定的方式进行丘状辐射噪声校正；
在第一存储器中进行丘状辐射噪声去除处理，FPGA从第一存储器中读数据并进行相应的数据处理，通过定标的非均匀性校正算法进行校正。通过标定的方式生成偏移量校正系数，在实际工作时通过加载偏移量校正系数来去除丘状辐射的干扰。：对于典型的热背景噪声，排除明显的成像产生的高斯噪声干扰，热背景噪声模型呈明显的丘状分布，图像热背景中心的区域灰度较高，明显亮于四周的区域，在第一存储器中对热背景噪声的图像进行非均匀性校正对于一般的热背景噪声，使用丘状辐射模型进行校正，即在图像热背景较亮处，热背景噪声中心减去K倍的丘状辐射模型，系数K要根据特定的情况进行确定，对于特定的热背景噪声，要对丘状辐射模型根据特定情况稍加修改，再进行非均匀性校正，得到修正后的图像。
所述第一存储器，进一步为，静态随机存储器，包括：地址位和数据位，地址位是二进制数值，为任意位宽，每个地址位对应一个可录入数据的数据位，地址位对应的存储区域用于存储对应的红外图像灰度值。
步骤103：丘状辐射噪声去除后，将去除后的红外图像存储于第二存储器中，同时第一存储器存储下一幅红外图像，进行下一幅红外图像的丘状辐射校正；
将第一存储器中的图像通过标定的方式进行丘状辐射噪声校正，处理完后存储于第二存储器中，在第二存储器中进行高斯噪声校正，同时将下一幅要处理的红外图像存储于第一存储器中，在第一存储器中进行下一幅红外图像的丘状辐射噪声校正。
将第一存储器中处理完毕后的数据存储于第二存储器中，这样，腾出第一存储器来缓存下一幅图像的数据，这样，保证第一存储器一直工作，缩短了整体的图像处理的时间。
步骤104：在所述第二存储器中进行高斯噪声滤波校正，通过基于边缘检测的自适应高斯去噪算法进行滤波，使用3*3的像素邻域窗口，在该邻域中用边缘检测算子检测边缘，根据检测的结果对红外图像进行平滑处理：
在第二存储器中进行高斯噪声校正处理，使用3*3的像素邻域窗口，以使用尽量少的存储器资源来完成窗的构造。在该邻域中用边缘检测算子检测边缘，根据检测的结果再对图像有选择地进行平滑处理，从而实现通过基于边缘检测的自适应高斯噪声去除算法进行选择性的平滑滤波。
用3*3的邻域窗口对红外图像进行遍历，从红外图像的第二行第二列的像素开始为中心组成3*3窗，依次从红外图像中划取邻域，直到红外图像的倒数第二行倒数第二列的像素位置，对于无法以位于边界的像素为中心取得3*3邻域的红外图像边界进行补零处理；在3*3邻域中，使用8邻域的拉普拉斯边缘检测算子对边缘进行检测，将邻域中像素灰度值与拉普拉斯掩模进行卷积运算，对卷积结果取绝对值，将它定义为该邻域中心点的像素梯度值。设定一个阈值T，当红外图像内部的像素点的梯度值大于或等于阈值T，则该区域中存在图像边缘，此时，对该邻域将不做任何处理，保留边缘；当红外图像中的梯度值小于阈值T，则该像素处于平坦区域，对该邻域使用邻域平均法，这样可以尽可能的保留边缘位置信息，在没有边缘位置处可以通过邻域平均法去噪，其中T为边缘检测时的阈值；
所述第二存储器为静态随机存储器，包括地址位和数据位，将校正后的红外图像存储于相应的地址位对应的存储区域中，FPGA驱动VGA将第二存储器中存储的校正后的红外图像显示出来，与原始红外图像作比对、观测热背景噪声校正的效果。
步骤105：将高斯噪声滤波校正后的红外图像存储于第三存储器中，同时第二存储器存储下一幅丘状辐射校正好的图像；
将第二存储器中的图像通过基于边缘检测的自适应高斯噪声去除算法进行滤波，处理完后存储于第三存储器中，在第三存储器运行自适应积分时间调节法，选取合适的积分时间，同时将下一幅要处理的图像存储于第二存储器中，在第二存储器中进行下一幅红外图像的高斯噪声校正。
步骤106：在第三存储器中采用自适应积分时间调节法对高斯噪声滤波校正后的红外图像进行校正，当灰度接近饱和时红外探测器响应趋于饱和，自动选取合适的积分时间，反馈到红外探测器系统、校正过强的热背景辐射，设定阈值T1，当平均灰度值大于设定的阈值T1时，则判定此时红外探测器响应趋于饱和，此时减少积分时间，当平均灰度值小于设定的阈值T2时，此时红外探测器对信号响应较弱，此时增加积分时间。
当热背景辐射过强时，导致红外探测器响应趋近于饱和，选取了自适应积分时间调节法，当灰度接近饱和时，自动选取合适的积分时间，反馈到红外探测系统，从而增大红外图像的信噪比。
在其他参数固定的情况下积分时间与探测器输出电压成正比，第三存储器中进行判断，当像元响应值趋向饱和时，减小积分时间，增大探测器响应的实际动态范围，使用事前校正并记录校正系数，通过查表法查找存储好的积分时间校正表，调用相应档位的校正系数以切换积分档位来完成均匀性校正。
积分时间作为红外热成像的重要参数，对成像系统的整体性能有重要影响，在其他参数固定的情况下，其与探测器输出电压成正比。在第三存储器中进行判断，当像元响应值趋向饱和时，减小积分时间，防止目标被淹没，增大探测器响应的实际动态范围。使用事前校正并记录校正系数，通过查表法查找存储好的积分时间校正表，调用相应档位的校正系数以切换积分档位来完成均匀性校正。
三个存储器同时工作，进行并行计算，实现这三步的流水操作，相当三步同时进行，大大缩短了图像处理的时间，提高了红外图像处理的速度。
实现通过基于边缘检测的自适应高斯噪声去除算法进行选择性的平滑滤波，该改进算法优先使用边缘检测的方法对像素邻域进行分类，将邻域所处的图像区域分为边缘区域和平坦区域。在对邻域特征完成判别之后，按照邻域所处区域的不同，分别采用保留图像信息(对于存在边缘区域)以及邻域平均法(对于平坦区域)的方式。这样可以有效地保护图像边缘，同时保证对存在于平坦区域的热背景噪声依然保有良好的处理效果。
选取了自适应积分时间调节法，当灰度接近饱和时，自动选取合适的积分时间，通过查表法查找存储好的积分时间校正表，调用相应档位的校正系数以切换积分档位来完成均匀性校正。查表法的建立，提高了处理速度，提高了图像处理的实时性，大大降低了硬件编程的复杂度及系统占用的内存空间，当热背景过高，使探测器趋于饱和时，可以反馈到红外探测系统，减少积分时间，及时的抑制热背景过强造成的不良影响。
实施例2：
在实施例1的基础上本实施例为应用实施例，本发明实施例提供一种红外焦平面探测器图像增强的方法，包括如下步骤：
步骤201、输入红外图像，获取所述红外图像的灰度值数据。
通过A/D采样芯片向FPGA(Field－Programmable Gate Array，Field－Programmable Gate Array)红外图像增强系统输入红外图像，并读取红外图像的灰度值数据。
在具体实施例中，通过A/D采样芯片向系统中输入14位宽的红外图像，该红外图像的灰度级是214级(16383级)灰度，因此本实施例中需获取16383个灰度值所对应的数据。
步骤202、将红外图像存储于第一存储器中，在第一存储器中去除丘状辐射噪声，通过标定的方式进行丘状辐射噪声校正。
在一些可选的实施例中，步骤202进一步为:在第一存储器中进行丘状辐射噪声校正处理，由于图像处理系统对成像的实时性具有极高的要求，因此为了校正热背景中的丘状辐射噪声，采取基于定标的非均匀性校正算法进行校正。通过标定的方式生成偏移量校正系数，在实际工作时通过加载偏移量校正系数的方式来去除丘状辐射的干扰。
其中第一存储器为静态随机存储器。该静态随机存储器包括：地址位和数据位，地址位是二进制数值，可以为任意位宽，每个地址位对应有一个可录入数据的数据位，地址位与本实施例所述的灰度值的表现形式相吻合，本实施例用地址位对应的存储区域来存储对应的红外图像灰度值。
FPGA驱动VGA来在显示屏上显示出原始的红外图像，即第一存储器中存储的是未经校正处理后的红外图像，FPGA通过VGA将第一存储器中的图像在显示屏上显示，这样可以与校正完的图像作比对，看校正热背景噪声的效果，未经处理的图像热背景噪声明显，目标细节不清晰，信噪比较低，而经过热背景噪声校正后的图像目标清晰，抑制了热背景噪声对红外成像的影响，提高了图像的对比度。
步骤203、丘状噪声去除后，将去除后的图像存储于第二存储器中，同时第一存储器存储下一幅红外图像，进行下一幅红外图像的丘状辐射校正。
将第一存储器中的图像通过标定的方式进行丘状辐射噪声校正，处理完后存储于第二存储器中，在第二存储器中进行高斯噪声校正，同时将下一幅要处理的红外图像存储于第一存储器中，在第一存储器中进行下一幅红外图像的丘状辐射噪声校正。
步骤204、在第二存储器中进行高斯噪声滤波，通过基于边缘检测的自适应高斯去噪算法进行滤波。
在第二存储器中进行高斯噪声校正处理，使用3*3的像素邻域窗口，以使用尽量少的存储器资源来完成窗的构造。在该邻域中用边缘检测算子检测边缘，根据检测的结果再对图像有选择地进行平滑处理，从而实现通过基于边缘检测的自适应高斯噪声去除算法进行选择性的平滑滤波，进一步为：
首先用3*3的邻域窗口对图像进行遍历，从一幅图像的第二行第二列的像素开始为中心组成3*3窗，依次从图像中划取邻域，直到图像的倒数第二行倒数第二列的像素位置。由于图像大小不同的原因，有些图像无法以位于边界的像素为中心取得3*3邻域，所以对图像边界进行补零处理。在3*3邻域中，使用8邻域的拉普拉斯边缘检测算子对边缘进行检测，将邻域中像素灰度值与拉普拉斯掩模进行卷积运算，对卷积结果取绝对值，将它定义为该邻域中心点的像素梯度值。设定一个阈值T，如果图像内部的像素点的梯度值大于或等于阈值T，则该区域中存在图像边缘。此时，对该邻域将不做任何处理，以保留边缘和可能的目标信息。而如果图像中的梯度值小于阈值T，则认为该像素处于平坦区域，此时对该邻域使用邻域平均法。其中T为边缘检测时的阈值，选取合适的阈值，可以有效的判别出边缘。
第二存储器为静态随机存储器。同第一存储器一样，包括地址位和数据位，将处理完后的图像存储于相应的地址对应的存储区域中，FPGA驱动VGA来在显示屏上显示出热背景噪声校正后的红外图像，即FPGA驱动VGA将第二存储器中存储的校正完后的红外图像显示出来，这样可以与原始红外图像作比对，来观测校正热背景噪声的效果，可以看出，未经处理的图像热背景噪声明显，目标细节不清晰，经过热背景噪声校正后的图像。
步骤205、将高斯噪声校正后的图像存储于第三存储器中，同时第二存储器存储下一幅丘状辐射校正好的图像。
将第二存储器中的图像通过基于边缘检测的自适应高斯噪声去除算法进行滤波，处理完后存储于第三存储器中，在第三存储器运行自适应积分时间调节法，选取合适的积分时间，同时将下一幅要处理的图像存储于第二存储器中，在第二存储器中进行下一幅红外图像的高斯噪声校正。
步骤206、当热背景辐射过强时，导致红外探测器响应趋近于饱和，选取了自适应积分时间调节法，当灰度接近饱和时，自动选取合适的积分时间，反馈到红外探测系统，从而增大红外图像的信噪比。
积分时间作为红外热成像的重要参数，对成像系统的整体性能有重要影响，在其他参数固定的情况下，其与探测器输出电压成正比。在第三存储器中进行判断，当像元响应值趋向饱和时，减小积分时间，防止目标被淹没，增大探测器响应的实际动态范围。使用事前校正并记录校正系数，通过查表法查找存储好的积分时间校正表，调用相应档位的校正系数以切换积分档位来完成均匀性校正。
与现有技术相比，本发明所述的红外图像热背景噪声校正的方法，达到了如下效果：
(1)本发明所述红外图像热背景噪声校正的方法，第一存储器中的图像进行完丘状辐射噪声处理后，将图像存储于第二存储器中，同时第一存储器存储下一幅图像，对下一幅图像进行丘状辐射噪声处理。第二存储器中的图像通过基于边缘检测的自适应高斯噪声去除算法进行滤波，处理完后存储于第三存储器中，在第三存储器运行自适应积分时间调节法，选取合适的积分时间，同时将下一幅要处理的图像存储于第二存储器中，在第二存储器中进行下一幅红外图像的高斯噪声滤波校正。这样，进行并行计算，实现这三步的流水操作，大大缩短了图像处理的时间，提高了红外图像处理的速度。
(2)本发明所述红外图像热背景噪声校正的方法，在对红外图像进行高斯噪声滤波处理时，用边缘检测算子检测边缘，根据检测的结果再对图像有选择地进行平滑处理，从而实现通过基于边缘检测的自适应高斯噪声去除算法进行选择性的平滑滤波，该改进算法优先使用边缘检测的方法对像素邻域进行分类，将邻域所处的图像区域分为边缘区域和平坦区域。在对邻域特征完成判别之后，按照邻域所处区域的不同，分别采用保留图像信息(对于存在边缘区域)以及邻域平均法(对于平坦区域)的方式。这样可以有效地保护图像边缘，同时保证对存在于平坦区域的热背景噪声依然保有良好的处理效果。
(3)本发明所述红外图像热背景噪声校正的方法，选取了自适应积分时间调节法，当灰度接近饱和时，自动选取合适的积分时间，通过查表法查找存储好的积分时间校正表，调用相应档位的校正系数以切换积分档位来完成均匀性校正。查表法的建立，大大降低了硬件编程的复杂度及系统占用的内存空间。
本领域内的技术人员应明白，本申请的实施例可提供为方法、装置、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
上述说明示出并描述了本发明的若干优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (5)
1.一种红外图像热背景噪声校正的方法，其特征在于，包括步骤：
FPGA红外图像增强系统中输入红外图像，获取红外图像的灰度值数据，其中将热背景噪声模型简化为丘状辐射和高斯噪声的叠加；
将所述红外图像存储于第一存储器中，在第一存储器中去除丘状辐射噪声，其中通过标定的方式进行丘状辐射噪声校正；
丘状辐射噪声去除后，将去除后的红外图像存储于第二存储器中，同时第一存储器存储下一幅红外图像，进行下一幅红外图像的丘状辐射校正；
在所述第二存储器中进行高斯噪声滤波校正，通过基于边缘检测的自适应高斯去噪算法进行滤波，使用3*3的像素邻域窗口，在3*3的像素邻域窗口中用边缘检测算子检测边缘，根据检测的结果对红外图像进行平滑处理：
用3*3的像素邻域窗口对红外图像进行遍历，从红外图像的第二行第二列的像素开始为中心组成3*3的像素邻域窗口，依次从红外图像中划取3*3的像素邻域窗口，直到红外图像的倒数第二行倒数第二列的像素位置，对于无法以位于边界的像素为中心取得3*3的像素邻域窗口的红外图像边界进行补零处理；在3*3的像素邻域窗口中，使用8邻域的拉普拉斯边缘检测算子对边缘进行检测，将3*3的像素邻域窗口中像素灰度值与拉普拉斯掩模进行卷积运算，对卷积结果取绝对值，将它定义为3*3的像素邻域窗口中心点的像素梯度值，设定一个阈值T，当红外图像内部的像素点的梯度值大于或等于阈值T，则3*3的像素邻域窗口中存在图像边缘，此时，对3*3的像素邻域窗口将不做任何处理，保留边缘；当红外图像中的梯度值小于阈值T，则该像素处于平坦区域，对3*3的像素邻域窗口使用邻域平均法，尽可能的保留边缘位置信息，在没有边缘位置处通过3*3的像素邻域窗口平均法去噪，其中T为边缘检测时的阈值；
将高斯噪声滤波校正后的红外图像存储于第三存储器中，同时第二存储器存储下一幅丘状辐射校正好的图像；
在第三存储器中采用自适应积分时间调节法对高斯噪声滤波校正后的红外图像进行校正，自动选取合适的积分时间，反馈到红外探测器系统、校正过强的热背景辐射，设定阈值T1，当平均灰度值大于设定的阈值T1时，则判定此时红外探测器响应趋于饱和，此时减少积分时间，当平均灰度值小于设定的阈值T2时，此时红外探测器对信号响应较弱，此时增加积分时间。
2.根据权利要求1所述的红外图像热背景噪声校正的方法，其特征在于，所述第一存储器，进一步为，静态随机存储器，包括：地址位和数据位，地址位是二进制数值，为任意位宽，每个地址位对应一个可录入数据的数据位，地址位对应的存储区域用于存储对应的红外图像灰度值。
3.根据权利要求1所述的红外图像热背景噪声校正的方法，其特征在于，所述将所述红外图像存储于第一存储器中，在第一存储器中去除丘状辐射噪声，其中通过标定的方式进行丘状辐射噪声校正，进一步为，
将所述红外图像存储于第一存储器中，在第一存储器中去除丘状辐射噪声，采取基于定标的非均匀性校正算法进行校正，通过标定的方式生成偏移量校正系数，通过加载偏移量校正系数的方式来去除丘状辐射的干扰：对于典型的热背景噪声，排除明显的成像产生的高斯噪声干扰，热背景噪声模型呈明显的丘状分布，图像热背景中心的区域灰度较高，明显亮于四周的区域，在第一存储器中对热背景噪声的图像进行非均匀性校正对于一般的热背景噪声，使用丘状辐射模型进行校正，即在图像热背景较亮处，热背景噪声中心减去K倍的丘状辐射模型，系数K要根据特定的情况进行确定，对于特定的热背景噪声，要对丘状辐射模型根据特定情况稍加修改，再进行非均匀性校正，得到修正后的图像。
4.根据权利要求1所述的红外图像热背景噪声校正的方法，其特征在于，在第三存储器中采用自适应积分时间调节法对高斯噪声滤波校正后的红外图像进行校正，当灰度接近饱和时红外探测器响应趋于饱和，自动选取合适的积分时间，反馈到红外探测器系统、校正过强的热背景辐射，进一步为：
在其他参数固定的情况下积分时间与探测器输出电压成正比，第三存储器中进行判断，当像元响应值趋向饱和时，减小积分时间，增大探测器响应的实际动态范围，使用事前校正并记录校正系数，通过查表法查找存储好的积分时间校正表，调用相应档位的校正系数以切换积分档位来完成均匀性校正。
5.根据权利要求1所述的红外图像热背景噪声校正的方法，其特征在于，所述第二存储器为静态随机存储器，包括地址位和数据位，将校正后的红外图像存储于相应的地址位对应的存储区域中，FPGA驱动VGA将第二存储器中存储的校正后的红外图像显示出来，与原始红外图像作比对、观测热背景噪声校正的效果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810167640.XA CN108447031B (zh) | 2018-02-28 | 2018-02-28 | 一种红外图像热背景噪声校正的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810167640.XA CN108447031B (zh) | 2018-02-28 | 2018-02-28 | 一种红外图像热背景噪声校正的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108447031A CN108447031A (zh) | 2018-08-24 |
| CN108447031B true CN108447031B (zh) | 2020-12-22 |
Family
ID=63192835
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810167640.XA Active CN108447031B (zh) | 2018-02-28 | 2018-02-28 | 一种红外图像热背景噪声校正的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108447031B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110035239B (zh) * | 2019-05-21 | 2020-05-12 | 北京理工大学 | 一种基于灰度—梯度优化的多积分时间红外图像融合方法 |
| CN111445398B (zh) * | 2020-03-11 | 2023-06-20 | 浙江大华技术股份有限公司 | 热成像图像处理方法、设备及计算机可读存储介质 |
| CN113489907B (zh) * | 2021-07-16 | 2023-07-14 | 北京富吉瑞光电科技股份有限公司 | 红外热像仪的成像控制方法、装置及红外成像设备 |
| CN116385314B (zh) * | 2023-05-30 | 2023-08-15 | 武汉大学 | 面阵成像系统噪声去除方法及系统 |
| CN116539542B (zh) * | 2023-06-20 | 2024-09-03 | 北京朗森基科技发展有限公司 | 用于大气痕量气体分析的球载成像傅里叶变换光谱仪 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102426698A (zh) * | 2011-11-04 | 2012-04-25 | 中国航空工业集团公司洛阳电光设备研究所 | 一种红外图像增强方法 |
| CN104240206B (zh) * | 2014-09-30 | 2017-09-19 | 成都市晶林科技有限公司 | 非制冷红外焦平面探测器图像处理方法 |
| CN104618664B (zh) * | 2014-12-26 | 2017-11-24 | 昆明物理研究所 | 一种基于自适应积分时间的嵌入式红外图像超帧处理方法 |
| US9927363B2 (en) * | 2015-03-24 | 2018-03-27 | Arizona Board Of Regents On Behalf Of Arizona State University | Real-time baseline correction technique for infrared time-resolved photoluminescence |
| CN104867122B (zh) * | 2015-05-29 | 2017-08-01 | 北京理工大学 | 一种红外自适应非均匀性校正及细节增强级联处理方法 |
| CN106373094B (zh) * | 2016-08-25 | 2017-11-07 | 中国科学院长春光学精密机械与物理研究所 | 一种红外图像的非均匀性校正方法及装置 |
-
2018
- 2018-02-28 CN CN201810167640.XA patent/CN108447031B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN108447031A (zh) | 2018-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108447031B (zh) | 一种红外图像热背景噪声校正的方法 | |
| US7536036B2 (en) | Method and apparatus for red-eye detection in an acquired digital image | |
| CN110827229B (zh) | 一种基于纹理加权直方图均衡化的红外图像增强方法 | |
| JP4693694B2 (ja) | 赤目検出及び補正方法及び装置 | |
| JP5212380B2 (ja) | 画像補正装置、画像補正プログラムおよび画像補正方法 | |
| WO2009029365A1 (en) | Systems and methods for determination of a camera imperfection for an image | |
| US20160300326A1 (en) | Image processing device and method thereof | |
| CN111145086A (zh) | 一种图像处理方法、装置及电子设备 | |
| US8295639B2 (en) | Image correction apparatus, image correction method, and image correction program | |
| US11113490B2 (en) | System and method for evaluating symbols | |
| CN115578286A (zh) | 高动态范围的混合曝光成像方法和装置 | |
| CN116612111B (zh) | 一种高强度复合材料加工质量检测方法 | |
| US20180018759A1 (en) | Image artifact detection and correction in scenes obtained from multiple visual images | |
| CN111915497B (zh) | 一种图像黑白增强方法、装置、电子设备和可读存储介质 | |
| CN111652821A (zh) | 基于梯度信息的微光视频图像降噪处理方法、装置和设备 | |
| US20230093967A1 (en) | Purple-fringe correction method and purple-fringe correction device | |
| CN113570507A (zh) | 一种图像降噪方法、装置、设备及存储介质 | |
| CN116074495A (zh) | 一种图像传感器坏点的存储方法、检测校正方法及装置 | |
| CN115797327A (zh) | 一种缺陷检测方法、装置、终端设备及存储介质 | |
| US8351729B2 (en) | Apparatus, method, and program for image correction | |
| US8077926B2 (en) | Method of motion detection using adaptive threshold | |
| CN108447037B (zh) | 一种图像动态范围增强的方法和装置 | |
| US8233736B2 (en) | Digital photographing apparatus, method of controlling the same, and recording medium having recorded thereon program for executing the method | |
| CN112862708B (zh) | 图像噪声的自适应识别方法、传感器芯片以及电子设备 | |
| CN116051425B (zh) | 一种红外图像处理方法、装置、电子设备及存储介质 |
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 |