CN108805853A - 一种红外图像盲元检测方法 - Google Patents
一种红外图像盲元检测方法 Download PDFInfo
- Publication number
- CN108805853A CN108805853A CN201710298898.9A CN201710298898A CN108805853A CN 108805853 A CN108805853 A CN 108805853A CN 201710298898 A CN201710298898 A CN 201710298898A CN 108805853 A CN108805853 A CN 108805853A
- Authority
- CN
- China
- Prior art keywords
- pixel
- value
- mean
- matrix
- blind
- 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
Links
Classifications
-
- 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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
Abstract
本发明属于红外热成像技术领域,公开了一种红外图像盲元检测方法,是基于Y16视频数据的盲元检测方法,其特征在于,其具体方法步骤如下:a.对黑体采集的Y16视频数据,计算出每个像元在时域内的最大值、最小值和均值,得到最大值矩阵、最小值矩阵和均值矩阵;b.计算每个像元最大值与均值的差、最小值与均值的差,在两者中选取最大差值与红外图像像元阈值进行比较,判断该像元是否是盲元;c.对均值矩阵局部加窗遍历,计算窗口内的标准差,检测步骤b未检测出的过亮或过暗像元;c.利用“3σ”原则判断当前像元是否为盲元,修改判断条件,如果判断是坏点,进行标记。本发明方法利用时域和空域特征相结合的特性来检测红外图像盲元,既考虑盲元时域的特征,又考虑其空域的特征;该方法可以有效去除闪烁的盲元。
Description
技术领域
本发明属于红外热成像技术领域,尤其涉及到一种红外图像盲元检测方法。
背景技术
红外成像技术中,因焦平面探测器的工艺问题,一直存在盲元的问题,例如探测器单元过亮、过暗、闪烁、无效等状态。为了形成良好的成像效果,需要对成像中的盲元进行检测并进行替换。
然而,传统检测方法多数是利用盲元的定义中的特征,对不同温度的均匀场景成像的像元进行判断,这种方法对比单帧图像的当前点与邻域像元,对过亮、过暗或者完全失效的像元检测有效,对闪烁像元效果不明显。
因而,本发明提出一种红外图像盲元检测方法,其利用时域和空域特征相结合的特性,既考虑盲元时域的特征,又考虑空域的特征,可以有效去除闪烁的盲元。
发明内容
本发明的目的是改善现有红外图像盲元检测技术的不足,而有针对性地设计出一种红外图像盲元检测方法,来有效地去除闪烁的盲元。
为达到上述目的,其具体技术方案如下:
一种红外图像盲元检测方法,是基于Y16视频数据的盲元检测方法,其具体方法步骤如下:
b.对黑体采集的Y16视频数据,计算出每个像元在时域内的最大值、最小值和均值,得到最大值矩阵、最小值矩阵和均值矩阵;
b.计算每个像元最大值与均值的差、最小值与均值的差,在两者中选取最大差值与红外图像像元阈值进行比较,判断该像元是否是盲元;
c.对均值矩阵局部加窗遍历,计算窗口内的标准差,检测步骤b未检测出的过亮或过暗像元。
优选地,所述计算时域内像元的最大值矩阵、最小值矩阵和均值矩阵的具体方法如下:依次读入进行非均匀性校正之后的多帧图像,令帧数为nFrames,计算每个像元的最大值、最小值并统计求和,计算均值矩阵。
优选地,所述利用时域均值差,检测盲元的具体方法如下:计算像元时域最大值与均值的差值nDiff1,最小值与均值的差值nDiff2,选择两者中的最大值nDiffMax,与阈值nMeanThreshold进行比较,判断并标记盲元。
优选地,所述对经过步骤b尚未检测出的过亮或过暗像元进行再检测的具体方法如下:对均值矩阵采用局部加窗的方法,计算每个窗口内的均值和方差,利用“3σ”原理进行检测,并标记。
优选地,所述对经过步骤b尚未检测出的过亮或过暗像元利用“3σ”算法进行再检测的具体步骤如下:
a.采用边缘复制的方法扩展图像的宽度和高度,使加窗处理能够遍历均值矩阵的每个像元;
b.遍历均值矩阵的每个像元,以当前像元点为中心,计算5*5的窗口内像元的灰度均值nWinMean,再利用均值计算窗口内的方差;
c.利用“3σ”原则判断当前像元是否为盲元,为了减少开方运算,修改判断条件,如果判断是坏点,进行标记。
与现有技术相比,本发明的优点和有益效果在于:
1.所述盲元检测算法不仅可以检测过亮、过暗或者完全失效的像元检测有效,对检测闪烁盲元效果也较好。
2.本发明方法对闪电的检测效果优势比较明显。
具体实施方式
以下具体实施例仅仅作为对本产品发明技术方案作进一步的描述,但本发明并不限于这些实施例。
原理阐述:由于图像数据采集于温度均匀面(如黑体),不存在同一个像元因温差造成不同时刻的较大灰度差,如果同一像元在不同时刻的灰度差值较大,可以确定探测器单元响应率不稳定,造成像元闪烁;也不存在温差造成相邻像素点之间较大的灰度差,如果相邻像素点的灰度差值较大,可以确定是由于探测器单元的响应率差异造成的。根据这两种因素,通过分析时域均值图像变化范围及其邻域方差来检测坏点具有合理性。
实施例1
b.计算每个像元最大值与均值的差、最小值与均值的差,在两者中选取最大差值与红外图像像元阈值进行比较,判断该像元是否是盲元;
c.对均值矩阵局部加窗遍历,计算窗口内的标准差,检测步骤b未检测出的过亮或过暗像元。
所述计算时域内像元的最大值矩阵、最小值矩阵和均值矩阵的具体方法如下:依次读入进行非均匀性校正之后的多帧图像,令帧数为nFrames,计算每个像元的最大值、最小值并统计求和,计算均值矩阵。所述利用时域均值差,检测盲元的具体方法如下:计算像元时域最大值与均值的差值nDiff1,最小值与均值的差值nDiff2,选择两者中的最大值nDiffMax,与阈值nMeanThreshold进行比较,判断并标记盲元。所述对经过步骤b尚未检测出的过亮或过暗像元进行再检测的具体方法如下:对均值矩阵采用局部加窗的方法,计算每个窗口内的均值和方差,利用“3σ”原理进行检测,并标记。所述对经过步骤b尚未检测出的过亮或过暗像元利用“3σ”算法进行再检测的具体步骤如下:
a.采用边缘复制的方法扩展图像的宽度和高度,使加窗处理能够遍历均值矩阵的每个像元;
b.遍历均值矩阵的每个像元,以当前像元点为中心,计算5*5的窗口内像元的灰度均值nWinMean,再利用均值计算窗口内的方差;
c.利用“3σ”原则判断当前像元是否为盲元,为了减少开方运算,修改判断条件,如果判断是坏点,进行标记。
显然,上述实施例仅仅是为清楚地说明本发明所作的一种举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。但对于根据本发明引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (5)
1.一种红外图像盲元检测方法,是基于Y16视频数据的盲元检测方法,其特征在于,其具体方法步骤如下:
a.对黑体采集的Y16视频数据,计算出每个像元在时域内的最大值、最小值和均值,得到最大值矩阵、最小值矩阵和均值矩阵;
b.计算每个像元最大值与均值的差、最小值与均值的差,在两者中选取最大差值与红外图像像元阈值进行比较,判断该像元是否是盲元;
c.对均值矩阵局部加窗遍历,计算窗口内的标准差,检测步骤b未检测出的过亮或过暗像元。
2.根据权利要求1所述的红外图像盲元检测方法,其特征在于,所述计算时域内像元的最大值矩阵、最小值矩阵和均值矩阵的具体方法如下:依次读入进行非均匀性校正之后的多帧图像,令帧数为nFrames,计算每个像元的最大值、最小值并统计求和,计算均值矩阵。
3.根据权利要求1所述的红外图像盲元检测方法,其特征在于,所述利用时域均值差,检测盲元的具体方法如下:计算像元时域最大值与均值的差值nDiff1,最小值与均值的差值nDiff2,选择两者中的最大值nDiffMax,与阈值nMeanThreshold进行比较,判断并标记盲元。
4.根据权利要求1所述的红外图像盲元检测方法,其特征在于,所述对经过步骤b尚未检测出的过亮或过暗像元进行再检测的具体方法如下:对均值矩阵采用局部加窗的方法,计算每个窗口内的均值和方差,利用“3σ”原理进行检测,并标记。
5.根据权利要求4所述的红外图像盲元检测方法,其特征在于,所述对经过步骤b尚未检测出的过亮或过暗像元利用“3σ”算法进行再检测的具体步骤如下:
a.采用边缘复制的方法扩展图像的宽度和高度,使加窗处理能够遍历均值矩阵的每个像元;
b.遍历均值矩阵的每个像元,以当前像元点为中心,计算5*5的窗口内像元的灰度均值nWinMean,再利用均值计算窗口内的方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710298898.9A CN108805853A (zh) | 2017-04-28 | 2017-04-28 | 一种红外图像盲元检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710298898.9A CN108805853A (zh) | 2017-04-28 | 2017-04-28 | 一种红外图像盲元检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108805853A true CN108805853A (zh) | 2018-11-13 |
Family
ID=64053768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710298898.9A Pending CN108805853A (zh) | 2017-04-28 | 2017-04-28 | 一种红外图像盲元检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108805853A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109738072A (zh) * | 2019-01-07 | 2019-05-10 | 山东大学 | 一种InGaAs短波红外成像仪的十字盲元检测及校正装置和方法 |
CN110146171A (zh) * | 2019-05-07 | 2019-08-20 | 中国科学院上海技术物理研究所 | 一种空间红外相机盲元修正方法及装置 |
CN110288557A (zh) * | 2019-07-04 | 2019-09-27 | 烟台艾睿光电科技有限公司 | 一种红外图像修复方法、装置、设备及可读存储介质 |
CN110567584A (zh) * | 2019-07-22 | 2019-12-13 | 河南中光学集团有限公司 | 一种实时红外探测器盲元检测提取及校正的方法 |
CN111008944A (zh) * | 2019-12-25 | 2020-04-14 | 武汉高德红外股份有限公司 | 一种红外焦平面探测器不稳定像元查找方法及系统 |
CN111353968A (zh) * | 2018-12-20 | 2020-06-30 | 中国科学院沈阳自动化研究所 | 一种基于盲元检测与分析的红外图像质量评价方法 |
CN111353495A (zh) * | 2018-12-20 | 2020-06-30 | 中国科学院沈阳自动化研究所 | 一种红外成像盲元的统计分析及评价方法 |
CN111612773A (zh) * | 2020-05-22 | 2020-09-01 | 北京富吉瑞光电科技有限公司 | 一种红外热像仪及实时自动盲元检测处理方法 |
CN113160158A (zh) * | 2021-04-13 | 2021-07-23 | 浙江大华技术股份有限公司 | 一种不稳定像元确定方法、装置、设备和介质 |
CN113781580A (zh) * | 2021-09-10 | 2021-12-10 | 北京安酷智芯科技有限公司 | 一种快速识别盲元的方法、装置、电子设备及存储介质 |
CN113899456A (zh) * | 2021-11-02 | 2022-01-07 | 洛阳师范学院 | 一种制冷型面阵红外探测器的盲元检测方法 |
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 (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020184172A1 (en) * | 2001-04-16 | 2002-12-05 | Vladimir Shlain | Object class definition for automatic defect classification |
CN101666682A (zh) * | 2009-08-06 | 2010-03-10 | 重庆邮电大学 | 基于场景统计的神经网络非均匀性校正方法 |
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 |
CN103076156A (zh) * | 2013-01-08 | 2013-05-01 | 江苏涛源电子科技有限公司 | 红外焦平面阵列的多判据盲元检测方法 |
CN104330164A (zh) * | 2014-08-05 | 2015-02-04 | 凯迈(洛阳)测控有限公司 | 红外焦平面阵列的盲元检测方法与装置 |
-
2017
- 2017-04-28 CN CN201710298898.9A patent/CN108805853A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020184172A1 (en) * | 2001-04-16 | 2002-12-05 | Vladimir Shlain | Object class definition for automatic defect classification |
CN101666682A (zh) * | 2009-08-06 | 2010-03-10 | 重庆邮电大学 | 基于场景统计的神经网络非均匀性校正方法 |
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 |
CN103076156A (zh) * | 2013-01-08 | 2013-05-01 | 江苏涛源电子科技有限公司 | 红外焦平面阵列的多判据盲元检测方法 |
CN104330164A (zh) * | 2014-08-05 | 2015-02-04 | 凯迈(洛阳)测控有限公司 | 红外焦平面阵列的盲元检测方法与装置 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111353495A (zh) * | 2018-12-20 | 2020-06-30 | 中国科学院沈阳自动化研究所 | 一种红外成像盲元的统计分析及评价方法 |
CN111353495B (zh) * | 2018-12-20 | 2023-07-18 | 中国科学院沈阳自动化研究所 | 一种红外成像盲元的统计分析及评价方法 |
CN111353968B (zh) * | 2018-12-20 | 2023-03-31 | 中国科学院沈阳自动化研究所 | 一种基于盲元检测与分析的红外图像质量评价方法 |
CN111353968A (zh) * | 2018-12-20 | 2020-06-30 | 中国科学院沈阳自动化研究所 | 一种基于盲元检测与分析的红外图像质量评价方法 |
CN109738072B (zh) * | 2019-01-07 | 2019-12-10 | 山东大学 | 一种InGaAs短波红外成像仪的十字盲元检测及校正装置和方法 |
CN109738072A (zh) * | 2019-01-07 | 2019-05-10 | 山东大学 | 一种InGaAs短波红外成像仪的十字盲元检测及校正装置和方法 |
CN110146171A (zh) * | 2019-05-07 | 2019-08-20 | 中国科学院上海技术物理研究所 | 一种空间红外相机盲元修正方法及装置 |
CN110288557B (zh) * | 2019-07-04 | 2021-07-13 | 烟台艾睿光电科技有限公司 | 一种红外图像修复方法、装置、设备及可读存储介质 |
CN110288557A (zh) * | 2019-07-04 | 2019-09-27 | 烟台艾睿光电科技有限公司 | 一种红外图像修复方法、装置、设备及可读存储介质 |
CN110567584A (zh) * | 2019-07-22 | 2019-12-13 | 河南中光学集团有限公司 | 一种实时红外探测器盲元检测提取及校正的方法 |
CN111008944A (zh) * | 2019-12-25 | 2020-04-14 | 武汉高德红外股份有限公司 | 一种红外焦平面探测器不稳定像元查找方法及系统 |
CN111008944B (zh) * | 2019-12-25 | 2023-07-14 | 武汉高德红外股份有限公司 | 一种红外焦平面探测器不稳定像元查找方法及系统 |
CN111612773A (zh) * | 2020-05-22 | 2020-09-01 | 北京富吉瑞光电科技有限公司 | 一种红外热像仪及实时自动盲元检测处理方法 |
CN111612773B (zh) * | 2020-05-22 | 2021-02-02 | 北京富吉瑞光电科技股份有限公司 | 一种红外热像仪及实时自动盲元检测处理方法 |
CN113160158A (zh) * | 2021-04-13 | 2021-07-23 | 浙江大华技术股份有限公司 | 一种不稳定像元确定方法、装置、设备和介质 |
CN113160158B (zh) * | 2021-04-13 | 2022-06-07 | 浙江大华技术股份有限公司 | 一种不稳定像元确定方法、装置、设备和介质 |
CN113781580A (zh) * | 2021-09-10 | 2021-12-10 | 北京安酷智芯科技有限公司 | 一种快速识别盲元的方法、装置、电子设备及存储介质 |
CN113781580B (zh) * | 2021-09-10 | 2024-03-26 | 北京安酷智芯科技有限公司 | 一种快速识别盲元的方法、装置、电子设备及存储介质 |
CN113899456A (zh) * | 2021-11-02 | 2022-01-07 | 洛阳师范学院 | 一种制冷型面阵红外探测器的盲元检测方法 |
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 |
---|---|---|
CN108805853A (zh) | 一种红外图像盲元检测方法 | |
CN103763515B (zh) | 一种基于机器学习的视频异常检测方法 | |
CN110458839B (zh) | 一种有效的电线电缆监测系统 | |
US8212210B2 (en) | IR camera and method for presenting IR information | |
JP4767240B2 (ja) | 映像の境界を検出する方法及びその装置とこれを具現するコンピューターで読み取れる記録媒体 | |
CN106170087B (zh) | 异常像素检测 | |
CN106525245B (zh) | 一种基于三梯度阈值的快速时序盲元检测与校正方法 | |
CN104330164A (zh) | 红外焦平面阵列的盲元检测方法与装置 | |
JP2016048815A (ja) | 画像処理装置、画像処理方法、及び、画像処理システム | |
CN106878636B (zh) | 缺陷像素点检测方法、装置及图像处理芯片 | |
TW201340727A (zh) | 白平衡處理方法及其處理裝置 | |
CN104010114B (zh) | 视频去噪方法和装置 | |
US8606016B2 (en) | Edge detection apparatus and computing circuit employed in edge detection apparatus | |
CN116883412B (zh) | 一种石墨烯远红外电热设备故障检测方法 | |
CN106500855A (zh) | 一种红外探测器盲元检测方法 | |
US20150139554A1 (en) | Consecutive thin edge detection system and method for enhancing a color filter array image | |
Tanbakuchi et al. | Adaptive pixel defect correction | |
TWI492621B (zh) | 適應性影像處理方法及其相關裝置 | |
CN110084795B (zh) | 一种基于本底的红外图像盲元检测方法及系统 | |
CN105451015B (zh) | 一种图像坏点的检测方法及装置 | |
TWI465699B (zh) | 水位量測方法 | |
CN111008944A (zh) | 一种红外焦平面探测器不稳定像元查找方法及系统 | |
CN103985089B (zh) | 结合权重边缘分析与帧内迭代的图像条纹校正方法 | |
US20140327796A1 (en) | Method for estimating camera response function | |
KR101012626B1 (ko) | 인간 시각 시스템에 기초한 결함 화소 검출을 위한 방법 및장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
DD01 | Delivery of document by public notice |
Addressee: Sun Guoqiang Document name: Notification of Passing Examination on Formalities |
|
DD01 | Delivery of document by public notice | ||
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181113 |
|
RJ01 | Rejection of invention patent application after publication |