CN108805853A - 一种红外图像盲元检测方法 - Google Patents

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

一种红外图像盲元检测方法

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。