CN108665422A - 傅里叶域内逆向感知的单帧红外非均匀性检测方法 - Google Patents

Abstract

本发明公开了一种傅里叶域内逆向感知的单帧红外非均匀性检测方法，将原始单帧红外图像分解为若干个加权非重叠图像子块，并对其进行傅里叶‑对数变换，获得每个加权非重叠图像子块相应对数域下的傅里叶能谱；从所述若干个加权非重叠图像子块的傅里叶能谱中计算最小傅里叶能谱；根据所述最小傅里叶能谱确定基于逆向感知理论下可能出现非均匀性特征的虚警数，再根据虚警数和选取的经验阈值构造可表示非均匀性傅里叶能谱分布的二值映射；根据所述二值映射对原始单帧红外图像的傅里叶能谱进行滤波，并通过傅里叶逆变换获得红外图像的非均匀性检测结果。本发明基于图像傅里叶域的频谱分布特性，利用人类视觉系统逆向感知理论实现红外图像的非均匀性检测，以达到对单帧红外图像像质提升效果。

Description

傅里叶域内逆向感知的单帧红外非均匀性检测方法

技术领域

本发明属于红外图像处理领域，具体涉及一种傅里叶域内逆向感知的单帧红外非均匀性检测方法。

背景技术

新一代凝视型红外成像系统的成功研发与应用主要得益于其内部核心器件——红外焦平面阵列的使用；但是，由于制造工艺、器件材料、工作环境等因素的限制，红外焦平面阵列的各探测单元在相同辐照度下存在光电响应不一致、非均匀的问题，这使得成像系统产生的红外图像中含有明显的固定图案噪声，严重影响了系统的成像质量；因此，对探测器像元或原始红外图像进行非均匀性校正是整个红外成像链路中必须开展的一项重要工作。

目前，红外非均匀性校正方法可分为辐射定标法和场景自适应法两类。辐射定标的方法主要依靠黑体辐射源等辅助仪器来对探测器像元的输出进行标定，该方法模型简单，易实现，具有较高的校正准确度，是实际红外工程中主要使用的方法；基于场景的校正方法则是利用成像系统获得的红外图像序列来估计真实场景的像素值或探测器像元的非均匀性，因其具备实时校正等优势而成为目前该领域的主要研究方向。

发明内容

有鉴于此，本发明的主要目的在于提供一种傅里叶域内逆向感知的单帧红外非均匀性检测方法。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例提供一种傅里叶域内逆向感知的单帧红外非均匀性检测方法，该方法为：将原始单帧红外图像分解为若干个加权非重叠图像子块，并对其进行傅里叶-对数变换，获得每个加权非重叠图像子块相应对数域下的傅里叶能谱；从所述若干个加权非重叠图像子块的傅里叶能谱中计算最小傅里叶能谱；根据所述最小傅里叶能谱确定基于逆向感知理论下可能出现非均匀性特征的虚警数，再根据虚警数和选取的经验阈值构造可表示非均匀性傅里叶能谱分布的二值映射；根据所述二值映射对原始单帧红外图像的傅里叶能谱进行滤波，并通过傅里叶逆变换获得红外图像的非均匀性检测结果。

上述方案中，所述将原始单帧红外图像分解为若干个加权非重叠图像子块，并对其进行傅里叶-对数变换，获得每个加权非重叠图像子块相应对数域下的傅里叶能谱，具体通过以下步骤实现：

步骤101：对输入的原始图像I_m×n(m,n＞128)按尺寸l×l(l＝128)大小进行分子块，将其分解为N个非重叠的图像子块，

式中，为向上取整运算，B_i为分解所得的第i个非重叠图像子块；

步骤102：生成一个大小为l×l的汉宁窗矩阵H，根据所述汉宁窗矩阵H对每个图像子块B_i进行加权，

H＝h·h^T (3)

式中，h为利用汉宁函数生成的l×1维列向量，h^T是h的转置向量，表示镜像操作，H为由列向量h生成的l×l汉宁窗矩阵，为加权后的图像子块，(p,q)为空域像素点坐标；

步骤103：对加权后的图像子块进行傅里叶-对数变换，获得相应对数域下的傅里叶能谱，

式中，F_i为对数域下图像子块的傅里叶能谱，log(·)和FFT(·)分别表示对数变换和快速傅里叶变换，|·|表示取绝对值。

上述方案中，从所述若干个加权非重叠图像子块的傅里叶能谱中计算最小傅里叶能谱，具体为：比较所得的N个图像子块傅里叶能谱在相同位置处的系数大小，从中取出最小值，构成最小傅里叶能谱，

F^m(u,v)＝min(F_i(u,v))_i＝1,…,N (6)

式中，F^m为计算出的最小傅里叶能谱，min(·)为取最小值函数，(u,v)为能谱图中的频率坐标。

上述方案中，所述根据所述最小傅里叶能谱确定基于逆向感知理论下可能出现非均匀性特征的虚警数，再根据虚警数和选取的经验阈值构造可表示非均匀性傅里叶能谱分布的二值映射，具体通过以下步骤实现：

步骤201：以(u,v)频谱位置为中心，选择一个大小为k×k的邻域Ω作为特征点候选区域，则在傅里叶能谱中(u,v)位置处候选特征点数共有N·k²；

步骤202：参考最小傅里叶能谱，计算候选区域Ω中可能出现非均匀性特征的虚警数，并按该规则遍历整个傅里叶能谱，

式中，表示满足F_Ω≥F^m(u,v)条件的特征点数，此处假设所述N个图像子块的傅里叶能谱服从独立同分布；

步骤203：选择经验阈值ε＝1，通过判断N_fa≤ε，构造一个可表示非均匀性傅里叶能谱分布的二值映射，

式中，W表示所构造的映射矩阵。

上述方案中，所述根据所述二值映射对原始单帧红外图像的傅里叶能谱进行滤波，并通过傅里叶逆变换获得红外图像的非均匀性检测结果，具体通过以下步骤实现：

步骤301：对所述二值映射W进行线性插值，使其大小与原始图像大小相同；

步骤302：利用插值后的二值映射W对原始图像傅里叶能谱进行滤波，

式中，F_I＝|FFT(I)|²为原始图像I的傅里叶能谱，为滤波后表示非均匀性的傅里叶能谱。

步骤303：对所述滤波后的傅里叶能谱进行傅里叶逆变换，从而得到红外图像的非均匀性检测结果，

式中，IFT(·)为傅里叶逆变换，R为非均匀性检测结果。

与现有技术相比，本发明的有益效果：

(1)本发明在傅里叶域内通过检测由图像非均匀性产生的频谱毛刺来实现单帧红外图像的非均匀性检测与校正；

(2)本发明采用人类视觉系统中逆向感知理论，通过计算可能是有意义特征的虚警数来构造一个可表示非均匀性特征所在位置的二值映射矩阵；

(3)本发明利用所述二值映射矩阵来对原始图像傅里叶能谱进行滤波，并通过傅里叶逆变换获得非均匀性检测结果。

附图说明

图1为本发明的整体流程图。

图2为本发明实施例提供的第一组仿真实验结果，其中(a)为原始红外图像，(b)为对比方法MIRE的非均匀性校正结果，(c)为本发明的校正结果，(d)为本发明的非均匀性检测结果。

图3为本发明实施例提供的第二组仿真实验结果，其中(a)为原始红外图像，(b)为对比方法MIRE的非均匀性校正结果，(c)为本发明的校正结果，(d)为本发明的非均匀性检测结果。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供一种基于傅里叶域内逆向感知的单帧红外非均匀性检测方法，如图1所示，该方法为：将原始单帧红外图像分解为若干加权非重叠图像子块，并对其进行傅里叶-对数变换，得到相应对数域下的傅里叶能谱；利用所述图像子块的傅里叶能谱计算最小傅里叶能谱，将其预设为理想图像的傅里叶能谱参考；根据所述最小傅里叶能谱，计算基于逆向感知理论下可能出现非均匀性特征的虚警数，通过选取经验阈值，构造可表示非均匀性傅里叶能谱分布的二值映射；利用所述二值映射对原始图像的傅里叶能谱进行滤波，并通过傅里叶逆变换，得到红外图像的非均匀性检测结果。

本发明基于图像傅里叶域的频谱分布特性，利用人类视觉系统逆向感知理论实现红外图像的非均匀性检测，以达到对单帧红外图像像质提升效果。

本发明方法的具体过程描述如下：

步骤101：将原始单帧红外图像分解为若干加权非重叠图像子块，并对其进行傅里叶-对数变换，得到相应对数域下的傅里叶能谱；

(1)对输入的原始图像I_m×n(m,n＞128)按尺寸l×l(l＝128)大小进行分子块，将其分解为N个非重叠的图像子块，

式中，为向上取整运算，B_i为分解所得的第i个非重叠图像子块。

(2)生成一个大小为l×l的汉宁窗矩阵H，利用该矩阵对每个图像子块B_i进行加权，以消除因分子块处理引起的边界效应，

H＝h·h^T (3)

式中，h为利用汉宁函数生成的l×1维列向量，h^T是h的转置向量，表示镜像操作，H为由列向量h生成的l×l汉宁窗矩阵，为加权后的图像子块，(p,q)为空域像素点坐标。

(3)对加权后的图像子块进行傅里叶-对数变换，得到相应对数域下的傅里叶能谱，

式中，F_i为对数域下图像子块的傅里叶能谱，log(·)和FFT(·)分别表示对数变换和快速傅里叶变换，|·|表示取绝对值。

步骤102：利用所述图像子块傅里叶能谱F_i计算出最小傅里叶能谱F^m，将其预设为理想图像的傅里叶能谱参考；

具体地，比较所得的N个图像子块傅里叶能谱在相同位置处的系数大小，从中取出最小值，构成最小傅里叶能谱，

F^m(u,v)＝min(F_i(u,v))_i＝1,…,N (6)

式中，F^m为计算出的最小傅里叶能谱，min(·)为取最小值函数，(u,v)为能谱图中的频率坐标。

步骤103：根据所述最小傅里叶能谱，计算基于逆向感知理论下可能出现非均匀性特征的虚警数，通过选取经验阈值，构造可表示非均匀性傅里叶能谱分布的二值映射；

人类视觉系统逆向感知理论认为，在一幅完全随机的图像中，人眼感知不到任何有效的结构信息，如果图像中出现某种有意义的结构特征，则说明其以极低的概率发生，定义该特征是否有意义取决于与其对应的虚警数目N_fa＝N_t·Pr(X≥x)，式中N_t表示待检验特征点的数目，Pr(X≥x)表示待检测变量X满足某一特征x的概率；因此，可通过计算傅里叶域内图像非均匀性特征的虚警数N_fa，来构造一个能表示非均匀性傅里叶能谱分布的映射矩阵，具体过程如下，

(1)以(u,v)频谱位置为中心，选择一个大小为k×k的邻域Ω作为特征点候选区域，则在傅里叶能谱中(u,v)位置处候选特征点数共有N·k²；

(2)参考最小傅里叶能谱，计算候选区域Ω中可能出现非均匀性特征的虚警数，并按该规则遍历整个傅里叶能谱，

式中，表示满足F_Ω≥F^m(u,v)条件的特征点数，此处假设所述N个图像子块的傅里叶能谱服从独立同分布。

(3)选择经验阈值ε＝1，通过判断N_fa≤ε，构造一个可表示非均匀性傅里叶能谱分布的二值映射，

式中，W表示所构造的映射矩阵。

步骤104：利用所述二值映射对原始图像的傅里叶能谱进行滤波，并通过傅里叶逆变换，得到红外图像的非均匀性检测结果；

(1)对所述二值映射W进行线性插值，使其大小与原始图像大小相同；

(2)利用插值后的二值映射W对原始图像傅里叶能谱进行滤波，

式中，F_I＝|FFT(I)|²为原始图像I的傅里叶能谱，为滤波后表示非均匀性的傅里叶能谱。

(3)对所述滤波后的傅里叶能谱进行傅里叶逆变换，从而得到红外图像的非均匀性检测结果，

式中，IFT(·)为傅里叶逆变换，R为非均匀性检测结果。

本发明的检测效果可通过两组仿真实验进行说明，并选取中值直方图均衡法MIRE作为非均匀性校正性能的对比方法。

仿真实验1：如图2(a)所示，选取一幅受非均匀性“轻度”影响的真实红外图像进行仿真测试，图2(b)～(d)为测试结果。其中，(b)为对比方法MIRE处理后校正效果，(c)为本发明方法的处理效果，(d)则是本文方法的非均匀性检测结果。可以看出，本发明方法在分离出图像非均匀性的同时，较好地保持了图像真实成分，体现出良好的校正性能。

仿真实验2：如图3(a)所示，选取一幅受非均匀性“重度”影响的真实红外图像进行仿真测试，图3(b)～(d)为测试结果。其中，(b)为对比方法MIRE处理后校正效果，(c)为本发明方法的处理效果，(d)则是本文方法的非均匀性检测结果。可以看出，经过本文方法处理后，这些严重影响图像质量的“重度”非均匀性图案被很好地检测出，从而使得校正图像的视觉效果得到极大提升。

此外，为进一步说明本发明的优越性和先进性，采用图像非均匀性校正方法中常用的客观评价指标——非均匀性(NU)和粗糙度(Roughness)来客观比较不同方法校正性能的优劣性。其中，非均匀性指标定量评价图像的非均匀性噪声，其值相对越小，表明图像中所含非均匀性噪声越少；图像粗糙度则用来刻画图像的纹理细节，其值相对较小时，表明图像纹理细节的清晰度高，图像视觉效果好。从表1中的数值对比可见，本发明具有更优的非均匀性校正性能。

表1

以上所述，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。

Claims (5)

1.一种傅里叶域内逆向感知的单帧红外非均匀性检测方法，其特征在于，该方法为：将原始单帧红外图像分解为若干个加权非重叠图像子块，并对其进行傅里叶-对数变换，获得每个加权非重叠图像子块相应对数域下的傅里叶能谱；从所述若干个加权非重叠图像子块的傅里叶能谱中计算最小傅里叶能谱；根据所述最小傅里叶能谱确定基于逆向感知理论下可能出现非均匀性特征的虚警数，再根据虚警数和选取的经验阈值构造可表示非均匀性傅里叶能谱分布的二值映射；根据所述二值映射对原始单帧红外图像的傅里叶能谱进行滤波，并通过傅里叶逆变换获得红外图像的非均匀性检测结果。

2.根据权利要求1所述的傅里叶域内逆向感知的单帧红外非均匀性检测方法，其特征在于，所述将原始单帧红外图像分解为若干个加权非重叠图像子块，并对其进行傅里叶-对数变换，获得每个加权非重叠图像子块相应对数域下的傅里叶能谱，具体通过以下步骤实现：

步骤101：对输入的原始图像I_m×n(m,n＞128)按尺寸l×l(l＝128)大小进行分子块，将其分解为N个非重叠的图像子块，

式中，为向上取整运算，B_i为分解所得的第i个非重叠图像子块；

步骤102：生成一个大小为l×l的汉宁窗矩阵H，根据所述汉宁窗矩阵H对每个图像子块B_i进行加权，

H＝h·h^T (3)

式中，h为利用汉宁函数生成的l×1维列向量，h^T是h的转置向量，表示镜像操作，H为由列向量h生成的l×l汉宁窗矩阵，为加权后的图像子块，(p,q)为空域像素点坐标；

步骤103：对加权后的图像子块进行傅里叶-对数变换，获得相应对数域下的傅里叶能谱，

式中，F_i为对数域下图像子块的傅里叶能谱，log(·)和FFT(·)分别表示对数变换和快速傅里叶变换，|·|表示取绝对值。

3.根据权利要求1或2所述的傅里叶域内逆向感知的单帧红外非均匀性检测方法，其特征在于，从所述若干个加权非重叠图像子块的傅里叶能谱中计算最小傅里叶能谱，具体为：比较所得的N个图像子块傅里叶能谱在相同位置处的系数大小，从中取出最小值，构成最小傅里叶能谱，

F^m(u,v)＝min(F_i(u,v))_i＝1,…,N (6)

式中，F^m为计算出的最小傅里叶能谱，min(·)为取最小值函数，(u,v)为能谱图中的频率坐标。

4.根据权利要求3所述的傅里叶域内逆向感知的单帧红外非均匀性检测方法，其特征在于，所述根据所述最小傅里叶能谱确定基于逆向感知理论下可能出现非均匀性特征的虚警数，再根据虚警数和选取的经验阈值构造可表示非均匀性傅里叶能谱分布的二值映射，具体通过以下步骤实现：

步骤201：以(u,v)频谱位置为中心，选择一个大小为k×k的邻域Ω作为特征点候选区域，则在傅里叶能谱中(u,v)位置处候选特征点数共有N·k²；

步骤202：参考最小傅里叶能谱，计算候选区域Ω中可能出现非均匀性特征的虚警数，并按该规则遍历整个傅里叶能谱，

式中，表示满足F_Ω≥F^m(u,v)条件的特征点数，此处假设所述N个图像子块的傅里叶能谱服从独立同分布；

步骤203：选择经验阈值ε＝1，通过判断N_fa≤ε，构造一个可表示非均匀性傅里叶能谱分布的二值映射，

式中，W表示所构造的映射矩阵。

5.根据权利要求4所述的傅里叶域内逆向感知的单帧红外非均匀性检测方法，其特征在于，所述根据所述二值映射对原始单帧红外图像的傅里叶能谱进行滤波，并通过傅里叶逆变换获得红外图像的非均匀性检测结果，具体通过以下步骤实现：

步骤301：对所述二值映射W进行线性插值，使其大小与原始图像大小相同；

步骤302：利用插值后的二值映射W对原始图像傅里叶能谱进行滤波，

式中，F_I＝|FFT(I)|²为原始图像I的傅里叶能谱，为滤波后表示非均匀性的傅里叶能谱。

步骤303：对所述滤波后的傅里叶能谱进行傅里叶逆变换，从而得到红外图像的非均匀性检测结果，

式中，IFT(·)为傅里叶逆变换，R为非均匀性检测结果。