CN110428466B - 一种非均匀性校正的方法和设备 - Google Patents

一种非均匀性校正的方法和设备 Download PDF

Info

Publication number
CN110428466B
CN110428466B CN201910639439.1A CN201910639439A CN110428466B CN 110428466 B CN110428466 B CN 110428466B CN 201910639439 A CN201910639439 A CN 201910639439A CN 110428466 B CN110428466 B CN 110428466B
Authority
CN
China
Prior art keywords
images
image
pixel
frame
target image
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
Application number
CN201910639439.1A
Other languages
English (en)
Other versions
CN110428466A (zh
Inventor
艾成汉
程敏
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.)
Zhejiang Huagan Technology Co ltd
Original Assignee
Zhejiang Dahua Technology Co Ltd
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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN201910639439.1A priority Critical patent/CN110428466B/zh
Publication of CN110428466A publication Critical patent/CN110428466A/zh
Application granted granted Critical
Publication of CN110428466B publication Critical patent/CN110428466B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • G06T2207/20036—Morphological 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)

Abstract

本发明公开了一种非均匀性校正的方法和设备，涉及图像处理技术领域，用以解决基于场景的帧间匹配算法校正能力不足，在帧间无相对位移时失效，匹配精度不足的问题，本发明方法包括：通过对相邻帧图像进行亚像素级互相关配准得到帧间的相对位移；根据相对位移是否大于阈值确定梯度下降的方向；根据梯度下降的方向对目标图像的像素校正参数进行更新，其中目标图像位于相邻帧图像的前一帧图像之后；根据更新后的像素校正参数对目标图像进行非均匀性校正，由于本发明通过亚像素级互先关配准提高了匹配的精度，此外根据相对位移是否大于阈值来确定梯度下降的方向、更新像素校正参数，实现了在镜头无相对位移时，对目标图像的非均匀性校正。

Description

一种非均匀性校正的方法和设备
技术领域
本发明涉及图像处理技术领域，特别涉及一种非均匀性校正的方法和设备。
背景技术
红外探测器的非均匀性是限制其性能与应用的首要因素，这种非均匀性表现为一种叠加在图像上固定图案噪声。
目前的非均匀性校正方法分为两类：一类是温度定标法，另一类是基于场景的自适应校正算法。定标法计算量较小，容易在FPGA(Field-Programmable Gate Array，现场可编辑门阵列)或DSP(Digital Signal Processing，数字信号处理)中实现。其中两点定标法在工程中起着主导作用。定标法的缺点是参数不随环境自行改变，需要对不同环境反复标定，操作繁琐。基于场景的自适应校正算法则拥有不需要反复标定，操作简单，参数可以随时间自适应变化等众多优点，其大致可分为三大种类：统计类、基于空域和基于配准的校正算法。统计类的典型算法有时域高通滤波法、卡拉曼滤波、恒定统计等；基于空域的校正算法则以神经网络算法为代表；基于配准的主要算法有运动补偿法、代数法和帧间配准等。
针对基于场景的帧间匹配算法大多需要视频帧之间有相对位移，通常认为，在较短的时间间隔内，若观察场景中相同的位置时，每个像元的响应也应该是相同的，因此这类技术需要准确的估计帧与帧之间的移动。
综上所述，基于场景的帧间匹配算法校正能力不足，在帧间无相对位移时失效，匹配精度不足。
发明内容
本发明提供一种非均匀性校正的方法和设备，用以解决现有技术中存在基于场景的帧间匹配算法校正能力不足，在帧间无相对位移时失效，匹配精度不足的问题。
第一方面，本发明实施例提供的一种非均匀性校正的方法包括：
通过对相邻帧图像进行亚像素级互相关配准得到帧间的相对位移；
根据所述相对位移是否大于阈值确定梯度下降的方向；
根据所述梯度下降的方向对目标图像的像素校正参数进行更新，其中所述目标图像位于所述相邻帧图像的前一帧图像之后；
根据更新后的像素校正参数对所述目标图像进行非均匀性校正。
上述方法，通过将帧间配准由像素级更换为亚像素级的配准，提高了帧间配准的精度，此外目前的帧间匹配算法只能够实现在镜头有相对位移时的参数更新，由于本发明中可以根据帧间的相对位移是否大于阈值判断镜头是否移动，针对镜头是否移动采用不同的方式确定对像素校正参数进行更新时梯度下降的方向，实现了在镜头无相对位移时对像素校正参数的更新，从而可以根据更新后的参数可以对目标图像进行非均匀性校正，实现了在帧间匹配算法校正能力不足，帧间无相对位移时失效情况下的非均匀性校正。
在一种可能的实现方式中，若所述相对位移大于阈值，则所述梯度下降的方向为所述目标图像时域降噪后的像素参考值和所述目标图像的像素估计值的差值缩小的方向；或
若所述相对位移不大于阈值，则所述梯度下降的方向为所述目标图像空域降噪后的像素参考值和所述目标图像的像素估计值的差值缩小的方向。
上述方法，根据帧间的相对位移判断镜头是否移动，在相对位移不大于阈值的情况下可以认为镜头无移动，此时基于帧间配准的方法失效，且非均匀性通常表现为高频噪声，则通过空域降噪的方式对目标图像进行降噪处理，根据空域降噪后的结果确定梯度下降的方向，实现了在镜头没有移动的情况下，对像素校正参数的更新；在镜头之间的相对位移大于阈值的情况下可以认为镜头之间有移动，此时的非均匀性表现为时域噪声，因此通过时域降噪的方式对目标图像进行降噪处理，根据时域降噪后的结果确定梯度下降的方向。
在一种可能的实现方式中，通过下列方式确定所述目标图像时域降噪后的像素参考值：
选取包括所述相邻帧图像中后一帧图像以及所述后一帧图像之前N-1帧图像的N帧图像；
根据初始像素校正参数确定所述N帧图像的像素估计值；
通过双线性插值将所述N-1帧图像中任意一帧图像与所述后一帧图像再次进行配准后，确定所述N-1帧图像中任意一帧图像与所述后一帧图像的重叠区域；
确定所述目标图像中目标区域的像素估计值的加权平均值，并将所述加权平均值作为所述目标图像中目标区域时域降噪后的像素参考值，其中所述目标区域为所述N-1帧图像与所述后一帧图像共同的重叠区域中的非运动前景区域。
上述方法，通过将时域降噪算法与亚像素级的帧间匹配算法有机结合，进一步增强了算法的非均匀性校正性能，改善了帧间匹配算法校正能力不足的问题，其中，将帧间匹配算法的配准修改为亚像素级，并通过双线性插值的方式对亚像素级配准后的图像再进一步配准，提高了帧间匹配算法的精度和适用性提高了帧间匹配算法的匹配精度。
在一种可能的实现方式中，通过下列方式确定所述目标图像空域降噪后的像素参考值：
选取一组连续图像，其中所述一组连续图像中的前两帧图像为所述相邻两帧，所述一组连续图像中的任意相邻帧图像之间的相对位移小于阈值；
若所述一组连续图像的帧数大于设定值，则对所述一组连续图像中的最后一帧图像进行空域降噪得到降噪后的图像，并将所述降噪后的图像的像素值作为所述目标图像空域降噪后的像素参考值。
上述方法，在镜头无相对位移的情况下，帧间匹配算法失效，因此通过将空域降噪算法对图像进行降噪处理，实现了帧间匹配算法在帧间无相对位移时失效导致非均匀性校正不佳的问题，弥补了算法在镜头长时间不动的情况下随时间失效的问题。
在一种可能的实现方式中，通过下列方式确定所述非运动前景区域：
通过形态学滤波对运动前景区域的掩膜进行去噪后确定运动前景区域；
将所述后一帧图像中除所述运动前景区域外的区域作为所述非运动前景区域。
上述方法，对前景区域的掩膜进行形态学操作消除噪声，增强了算法对运动前景物体与非均匀性噪声点之间的区分能力，通过形态学的相关处理，进一步改善了3σ准则对运动前景区域的判定性能，改善了运动前景区域残影的问题，增强了非均匀校正效果，减弱了运动前景物体对算法的影响。
在一种可能的实现方式中，若所述一组连续图像的帧数不大于设定值，则根据所述一组连续图像中的最后一帧图像当前的像素校正参数对所述目标图像进行非均匀性校正。
上述方法，在一组连续图像的帧数不大于设定值时，非均匀性随时间漂移的现象不明显，此时可以采用遗留的像素校正参数校正图像，减少计算过程。
第二方面，本发明实施例还提供一种非均匀性校正的设备，该设备包括配准模块、确定模块、参数更新模块和校正模块：
配准模块，用于通过对相邻帧图像进行亚像素级互相关配准得到帧间的相对位移；
确定模块，用于根据所述相对位移是否大于阈值确定梯度下降的方向；
参数更新模块，用于根据所述梯度下降的方向对目标图像的像素校正参数进行更新，其中所述目标图像位于所述相邻帧图像的前一帧图像之后；
校正模块，用于根据更新后的像素校正参数对所述目标图像进行非均匀性校正。
在一种可能的实现方式中，若所述相对位移大于阈值，则所述梯度下降的方向为所述目标图像时域降噪后的像素参考值和所述目标图像的像素估计值的差值缩小的方向；或
若所述相对位移不大于阈值，则所述梯度下降的方向为所述目标图像空域降噪后的像素参考值和所述目标图像的像素估计值的差值缩小的方向。
在一种可能的实现方式中，所述确定模块还用于通过下列方式确定所述目标图像时域降噪后的像素参考值：
选取包括所述相邻帧图像中后一帧图像以及所述后一帧图像之前N-1帧图像的N帧图像；
根据初始像素校正参数确定所述N帧图像的像素估计值；
通过双线性插值将所述N-1帧图像中任意一帧图像与所述后一帧图像再次进行配准后，确定所述N-1帧图像中任意一帧图像与所述后一帧图像的重叠区域；
确定所述目标图像中目标区域的像素估计值的加权平均值，并将所述加权平均值作为所述目标图像中目标区域时域降噪后的像素参考值，其中所述目标区域为所述N-1帧图像与所述后一帧图像共同的重叠区域中的非运动前景区域。
在一种可能的实现方式中，所述确定模块还用于通过下列方式确定所述目标图像空域降噪后的像素参考值：
选取一组连续图像，其中所述一组连续图像中的前两帧图像为所述相邻两帧，所述一组连续图像中的任意相邻帧图像之间的相对位移小于阈值；
若所述一组连续图像的帧数大于设定值，则对所述一组连续图像中的最后一帧图像进行空域降噪得到降噪后的图像，并将所述降噪后的图像的像素值作为所述目标图像空域降噪后的像素参考值。
在一种可能的实现方式中，所述确定模块还用于通过下列方式确定所述非运动前景区域：
通过形态学滤波对运动前景区域的掩膜进行去噪后确定运动前景区域；
将所述后一帧图像中除所述运动前景区域外的区域作为所述非运动前景区域。
在一种可能的实现方式中，所述设备还包括：
处理模块，用于若所述一组连续图像的帧数不大于设定值，则根据所述一组连续图像中的最后一帧图像当前的像素校正参数对所述目标图像进行非均匀性校正。
第三方面，本发明还提供一种电子设备，其包括处理器和存储器，其中，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行第一方面中任一所述方法的步骤。
第四方面，本发明还提供一种计算器可读存储介质，其包括程序代码，当所述程序产品在非均匀性校正的设备上运行时，所述程序代码用于使所述非均匀性校正的设备执行第一方面中任一所述方法的步骤。
第五方面，本发明还提供一种计算机程序产品，当所述计算机程序产品在电子设备上运行时，使得所述电子设备执行第一方面中任一所述方法的步骤。
另外，第二方面中任一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果，此处不再赘述。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种非均匀性校正的方法示意图；
图2A为本发明实施例提供的第一种两帧图像之间的重叠区域示意图；
图2B为本发明实施例提供的第二种两帧图像之间的重叠区域示意图；
图2C为本发明实施例提供的第三种两帧图像之间的重叠区域示意图；
图2D为本发明实施例提供的第四种两帧图像之间的重叠区域示意图；
图3A为本发明实施例提供的一种非运动前景区域示意图；
图3B为本发明实施例提供的一种重叠区域示意图；
图3C为本发明实施例提供的一种重叠且非运动前景区域示意图；
图4为本发明实施例提供的一种非均匀性校正的完整方法示意图；
图5为本发明实施例提供的一种非均匀性校正的设备示意图；
图6为本发明实施例提供的另一种非均匀性校正的设备示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
下面对文中出现的一些词语进行解释：
1、本发明实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
2、本发明实施例中术语“前景”指镜头中位于主体前面或靠近前沿的人或物。
3、本发明实施例中术语“红外焦平面阵列(Infrared Focal Plane Array)”属于红外光学系统焦平面上，可使整个视场内景物的每一个像元与一个敏感元相对应的多元平面阵列红外探测器件。
4、本发明实施例中术语“3σ准则”又称为拉依达准则，它是先假设一组检测数据只含有随机误差，对其进行计算处理得到标准偏差，按一定概率确定一个区间，认为凡超过这个区间的误差，就不属于随机误差而是粗大误差，含有该误差的数据应予以剔除，且3σ适用于有较多组数据的时候。
5、本发明实施例中术语“像元”，亦称像素(点)或像元点，即影像单元(pictureelement)，是组成数字化影像的最小单元。
本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。其中，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
红外探测器的非均匀性是限制其性能与应用的首要因素，造成非均匀性的原因很多，首先是每个探测器单元的响应率的不一致性，红外焦平面阵列由数万个像元构成，由于各个像元的响应参数不尽相同，造成即使在均匀输入的情况下，各个像素的响应也不一致，这是红外焦平面阵列非均匀性的主要因素；其次是探测器读出电路自身以及读出电路和探测器的耦合因素等。此外研究发现，红外探测器非均匀性的时间稳定性不佳，会随着工作时间的增加与外界环境的改变而缓慢漂移，严重影响图像的空间分辨率与温度灵敏度。所以，红外探测器必须采用相应的非均匀性校正措施，来修正这种探测器不均匀响应造成的影响。
传统的IRLMS(基于帧间配准误差最小化的非均匀性校正)算法校正能力有限，经实验发现，在帧间有位移的情况下，其校正性能迭代到一定程度后不再变化。对于某些非均匀性严重的设备而言，其图像效果虽然有改善，但仍然会有非均匀性的残留，影响视觉效果。
此外，IRLMS只对两帧之间图像进行像素级的互相关配准。若视频帧率为25，镜头移动速度为10像素/秒，那么两帧之间的位移不足0.5个像素，此时会认为两帧之间一直没有位移，造成误差。并且，传统的帧间匹配算法对运动前景区域没有处理，虽然通过帧间差的统计信息可以做出一些前景物体的判定，但固定的阈值对于运动前景物体和大的非均匀性的区分能力较弱。
因此本发明实施例一种基于场景的红外焦平面阵列非均匀性校正方法，通过与空域降噪算法的有机结合，弥补了算法在镜头长时间不动的情况下随时间失效的问题；通过与基于配准的时域降噪有机结合，进一步增强了算法的非均匀性矫正性能；通过添加调整参数和形态学的相关处理，进一步改善了3σ准则对前景运动区域的判定性能，增强了非均匀矫正效果，减弱了运动前景物体对算法的影响；将IRLMS的配准更换为亚像素级的配准，并与双线性插值算法配合，提升了算法的精确性和适用性。
针对上述场景，下面结合说明书附图对本发明实施例做进一步详细描述。
如图1所示，本发明实施例的一种非均匀性校正的方法，具体包括以下步骤：
步骤100：通过对相邻帧图像进行亚像素级互相关配准得到帧间的相对位移；
步骤101：根据所述相对位移是否大于阈值确定梯度下降的方向；
步骤102：根据所述梯度下降的方向对目标图像的像素校正参数进行更新，其中所述目标图像位于所述相邻帧图像的前一帧图像之后；
步骤103：根据更新后的像素校正参数对所述目标图像进行非均匀性校正。
通过上述方案，将IRLMS的配准由像素级更换为亚像素级的配准，提高了帧间配准的精度，此外根据帧间的相对位移是否大于阈值可以判断镜头是否移动，进一步确定对像素校正参数进行更新时梯度下降的方向，实现了在镜头无相对位移时，根据确定的梯度下降方向对像素校正参数进行更新，对目标图像进行非均匀性校正，提出了一种在镜头无相对位移时的校正方法，改善了帧间匹配算法校正能力不足，在帧间无相对位移时失效，匹配精度不足的问题。
在本发明实施例中，像素校正参数对于每一帧图像都是相同的，在本发明实施例中所提到的某帧图像的像素校正参数，适用于此次图像采集过程中的每一帧图像，例如，目标图像的像素校正参数也适用于目标图像的前一帧图像或是目标图像的后一帧图像，等等。
在本发明实施例中，对相邻帧图像之间进行亚像素级互相关配准之后确定的帧间的相对位移，通过判断相对位移是否大于阈值可以确定镜头之间是否存在移动。在相对位移大于阈值和不大于阈值两种情况下，确定梯度下降的方向的方式不相同，即对目标图像进行非均匀性校正的方法不相同，下面针对不同的情况进行详细介绍。
情况一、若相对位移大于阈值，则认为两帧图像间镜头有位移，非均匀性对固定场景而言也表现为时域噪声，因此通过时域降噪算法与IRLMS结合对目标图像进行处理，此时通过梯度下降法更新像素校正参数时，梯度下降的方向为目标图像的像素估计值和目标图像时域降噪后的像素参考值的差值缩小的方向。
例如，对第4帧和第5帧图像进行亚像素级互相关配准之后得到的两帧图像之间帧间的相对位移为1个像素，假设阈值为0.5个像素，相对位移大于阈值，因此可以确定第4帧和第5帧图像之间镜头有位移。
在通过时域降噪算法与IRLMS相结合对目标图像进行校正时，选取包括相邻帧图像中后一帧图像以及后一帧图像之前N-1帧图像的N帧图像；根据初始像素校正参数确定N帧图像的像素估计值；将后一帧图像之前N-1帧图像中的任意一帧图像与后一帧图像进行亚像素级互相关配准；以及通过双线性插值将所述N-1帧图像中任意一帧图像与后一帧图像再次进行配准后，确定N-1帧图像中任意一帧图像与后一帧图像的重叠区域；确定N-1帧图像与后一帧图像的重叠区域中的重叠且非运动前景区域的像素估计值的加权平均值，并将加权平均值作为目标图像时域降噪后的像素参考值，将目标图像的像素估计值和目标图像时域降噪后的像素参考值的差值缩小的方向作为梯度下降的方向，根据梯度下降的方向对目标图像的像素校正参数进行更新，其中目标图像位于相邻帧图像的前一帧图像之后；根据更新后的像素校正参数对目标图像进行非均匀性校正，下面通过举例的方式对这一过程进行详细介绍：
第一步，选取第5帧图像和第5帧图像之前的4帧图像，根据下述公式计算在初始像素校正参数下这5帧图像的像素估计值：
Figure GDA0003269837480000101
Figure GDA0003269837480000102
Figure GDA0003269837480000111
其中，n表示第n帧图像，i表示第i行，j表示第j列，(i，j)表示焦平面的第i行第j列个像元，
Figure GDA0003269837480000112
即表示第n帧焦平面第(i,j)个像元的像素值。
第二步，将前4帧图像分别与第5帧图像进行亚像素级互相关配准并通过双线性插值对齐小数部分后，确定前4帧图像中各帧图像与第5帧图像的重叠区域。
在本发明实施例中，进行帧间配准的方式有很多种，下面列举两种：
方式一、将第1帧图像与第5帧图像进行亚像素级互相关配准后通过双线性插值的方法对齐小数部分，之后再将第2帧图像与第5帧图像进行亚像素级互相关配准后通过双线性插值的方法对齐小数部分，再将第3帧图像与第5帧图像进行亚像素级互相关配准后通过双线性插值的方法对齐小数部分，最后将第4帧图像与第5帧图像进行亚像素级互相关配准后通过双线性插值的方法对齐小数部分。
方式二、将第1帧图像至第4帧图像分别与第5帧图像进行亚像素级互相关配准，之后再将配准后的第1帧至第4帧图像分别与第5帧图像之间通过双线性插值的方法对齐小数部分。
可选的，可以不再将第1帧图像至第4帧图像分别与第5帧图像进行亚像素级互相关配准，因为在通过对第4帧与第5帧图像进行亚像素级互相配准确定相对位移之前，已经将第1帧图像与第2帧图像之间，第2帧与第3帧图像之间，第3帧与第4帧图像之间进行了亚像素级互相关配准，因此可以计算出来1～3帧与5帧的位移关系，之后不再将前4帧图像与第5帧图像分别再进行亚像素级互相关配准，而是根据之前第1帧与第2帧，第2帧与第3帧，第3帧与第4帧，第4帧与第5帧的配准结果，确定出第1帧至第4帧图像分别与第5帧图像之间的位移关系，再通过双线性插值的方法将第1帧图像至第4帧图像分别与第5帧图像对齐小数部分。
需要说明的是，本发明实施例中所列举的进行帧间配准的方式只是举例说明，任何一种进行帧间配准的方式都适用于本发明实施例。
可选的，确定前4帧图像分别与第5帧图像之间的重叠区域，如图2A所示，第1帧图像与第5帧图像之间的重叠部分在第5帧图像中的位置如重叠区域1所示，其中i的范围为2～15，j的范围为4～22；如图2B所示，第2帧图像与第5帧图像之间的重叠部分在第5帧图像中的位置如重叠区域2所示，其中i的范围为9～30，j的范围为14～33；如图2C所示，第3帧图像与第5帧图像之间的重叠部分在第5帧图像中的位置如重叠区域3所示，其中i的范围为11～29，j的范围为2～22；如图2D所示，第4帧图像与第5帧图像之间的重叠部分在第5帧图像中的位置如重叠区域4所示，其中i的范围为5～21，j的范围为6～29。
第三步，首先判断运动前景所在区域，即根据下述公式确定运动前景区域的掩膜：
Figure GDA0003269837480000121
其中，en(i,j)为误差函数，
Figure GDA0003269837480000122
和
Figure GDA0003269837480000123
分别为en(i,j)的均值和标准差，
Figure GDA0003269837480000124
为可调参数，可以根据实际情况进行调整，便于增强对于前景运动物体和大的非均匀性的区分能力，其中的en(i,j)是通过第二步的配准可以得到的。
可选的，针对非均匀性的特点，在确定运动前景区域时，首先利用统计信息生成的运动前景区域的掩膜SF(i,j)，之后通过形态学开操作消除误判为前景的孤立非均匀性噪声点，并使用形态学闭操作填补运动前景物体本身内部的罅隙，如图3A所示，图中阴影部分为运动前景区域，除阴影部分外的小矩形部分为非运动前景区域(i的范围为11～34，j的范围为14～22)，该方法增强了算法对运动前景物体与非均匀性噪声点之间的区分能力，通过形态学的相关处理，进一步改善了3σ准则对运动前景区域的判定性能，增强了非均匀校正效果，减弱了运动前景物体对算法的影响。
第四步，确定重叠区域1、重叠区域2、重叠区域3、重叠区域4之间的重叠部分(重叠区域5，i的范围为11～15，j的范围为14～22)，在第5帧图像中的位置如图3B所示，之后确定重叠区域5中的非运动前景区域，即区域6(i的范围为11～15，j的范围为14～22)，在第5帧图像中的位置如图3C所示，针对第1帧至第5帧图像，针对区域6范围内的任意一个像元，将这一任意一个像元在这5帧图像的像素估计值作加权平均，得到的结果即为第5帧图像的像素参考值Yn(i,j)，其中i的范围为11～15，j的范围为14～22，n＝5。
第五步，将第5帧图像的像素参考值与像素估计值作差，得到新的误差矩阵：
Figure GDA0003269837480000131
其中，i的范围为11～15，j的范围为14～22，n＝5。
根据梯度下降法，对于第5帧位于重叠区域且不属于运动前景的像素校正参数进行更新：
Figure GDA0003269837480000132
其中，i的范围为11～15，j的范围为14～22，n＝5，α为可调参数学习率，一般为固定常数，可以根据实际情况进行调整。
之后，采用梯度下降法，将第5帧图像的时域降噪后的像素参考值和像素估计值的差值缩小的方向，即e5(i,j)缩小的方向作为梯度下降的方向，对第5帧图像中区域6部分的像素校正参数进行更新，更新后的参数为w6(i,j)，b6(i,j)，根据更新后的像素校正参数校正图像后，每个像元的校正值为：
Eij(5)＝w6(i,j)Xij(5)+b6(i,j)
其中，Xij(5)为第5帧图像第(i，j)个像元的像素观测值，Eij(5)为第5帧图像第(i，j)个像元的像素校正值。
在上述校正过程中，仅对重叠且非运动前景区域内的像元进行了校正，针对除重叠且非运动前景区域外的像元，其像素校正参数仍为w5(i,j)，b5(i,j)，不需要进行非均匀性的校正。
情况二、若相对位移不大于阈值，则认为两帧图像间镜头无位移，非均匀性对固定场景而言通常表现为高频噪声，此种情况下通过空域降噪的方式对目标图像进行处理，此时通过梯度下降法更新像素校正参数时，梯度下降的方向为目标图像的像素估计值和目标图像空域降噪后的像素参考值的差值缩小的方向。
例如，对第4帧和第5帧图像进行亚像素级互相关配准之后得到的两帧图像之间帧间的相对位移为0.3个像素，假设阈值为0.5个像素，相对位移大于阈值，因此可以确定第4帧和第5帧图像之间镜头无位移。
在通过空域降噪算法对目标图像进行校正时，选取一组连续图像，其中一组连续图像中的前两帧图像为相邻两帧，一组连续图像中的任意相邻帧图像之间的相对位移小于阈值；若一组连续图像的帧数大于设定值，则对一组连续图像中的最后一帧图像进行空域降噪得到降噪后的图像，并将降噪后的图像的像素值作为目标图像空域降噪后的像素参考值；或若一组连续图像的帧数不大于设定值，则将根据一组连续图像中的最后一帧图像当前的像素校正参数确定的像素值作为目标图像空域降噪后的像素参考值，下面通过举例的方式对这一过程进行详细介绍：
例如，阈值为0.5个像素，第4帧和第5帧图像之间帧间的相对位移为0.3个像素小于阈值，此时则认为两帧图像之间无位移，从这两帧图像开始记录无位移的连续帧数，即选取一组连续图像(第4帧至第8帧)，在这一组连续图像中任意相邻帧图像之间的相对位移小于阈值，例如第5帧和第6帧之间帧间的相对位移为0.4，第7帧和第8帧图像之间帧间的相对位移为0.2个像素。
在本发明实施例中，需要根据这一组连续图像的帧数是否小于设定值确定对像素校正参数进行更新。
当帧数小于设定值时，认为非均匀性随时间漂移的现象还不明显，例如设定值为6帧，这一组连续图像的帧数为5帧，小于设定值，此时认为非均匀性随时间漂移的现象还不明显，则可使用遗留的参数(即当前的像素校正参数)校正图像，根据当前的像素校正参数对第8帧图像进行非均匀性校正，不需要进行空域降噪和时域降噪的处理。
若帧数大于设定值时，认为此刻非均匀性已经随时间变化，校正参数不再适用，因此需要更新像素校正参数，更新的具体方法如下：
例如设定值为4帧时，这一组连续图像的帧数为5帧，大于设定值，此时对第8帧图像作空域降噪。因为非均匀性通常表现为高频噪声，因此可以先使用小波分解，并滤除高频，然后重组得到降噪后的图像。也可以采用导向滤波等方式。
需要说明的是，本发明实施例中所列举的空域降噪的方式只是举例说明，任何一种空域降噪的方式都适用于本发明实施例。
之后，将降噪后的第8帧图像的像素值作为像素参考值，将第8帧图像的像素参考值与像素估计值作差，得到误差矩阵，由于为同一帧图像，不存在运动前景物体，因此直接使用梯度下降法更新参数，此时梯度下降的方向为第8帧图像空域降噪后的像素参考值和像素估计值的差值缩小的方向。
采用同其情况一中同样的计算公式计算更新后的像素校正参数，不同的是情况二中是对图像中每个像元的像素校正参数都进行了更新。
根据更新后的像素校正参数计算第8帧图像的像素校正值Eij(8)：
Eij(8)＝w9(i,j)Xij(8)+b9(i,j)
其中，w9(i,j)、b9(i,j)为第8帧图像更新后的像素校正参数。
在本发明实施例中，当镜头再次开始移动时，停止参考空域降噪，重新使用时域降噪与帧间匹配算法更新校正参数。
例如，第8帧图像和第9帧图像之间的帧间的相对位移为0.6个像素，大于阈值0.5个像素，则表示从第8帧到第9帧图像开始，镜头又重新开始移动，此时则采用时域降噪与帧间匹配算法相结合的方式，即情况一中所列举的方式对第9帧图像的像素校正参数进行更新，进而根据更新后的像素校正参数对第9帧图像进行校正。
如图4所示，本发明实施例提供的一种非均匀性校正的完整方法包括：
步骤400、选取第5帧和第6帧图像进行亚像素互相关配准得到帧间的相对位移；
步骤401、判断帧间的相对位移是否大于阈值，如果是，则执行步骤402，否则，执行步骤408；
步骤402、根据初始像素校正参数计算第1帧至第6帧图像的像素估计值；
步骤403、将前5帧图像分别与第6帧图像进行亚像素级互相关配准，并通过双线性插值对齐小数部分，确定前5帧图像中每一帧图像与第6帧图像重叠的区域；
步骤404、在确定运动前景区域的掩膜后通过形态学操作去噪确定运动前景区域；
步骤405、对前5帧图像中每一帧图像与第6帧图像重叠的区域中确定重叠且非运动前景区域的像素估计值作加权平均得到第6帧图像的像素参考值；
步骤406、将第6帧图像作为目标图像，将目标图像中的重叠且非运动前景区域的像素参考值与像素估计值的差作为误差矩阵；
步骤407、根据该误差矩阵通过梯度下降法对目标图像中重叠且非运动前景区域的像素的像素校正参数进行更新；
步骤408、确定从第5帧及第6帧图像开始的一组连续图像，且这一组连续图像中的前两帧图像为第5帧及第6帧图像，这一组连续图像中的任意相邻帧图像之间的相对位移小于阈值；
步骤409、判断这一组连续图像的帧数是否大于设定值，如果是，则执行步骤410，否则，执行步骤413；
步骤410、将这一组连续图像中的最后一帧图像作为目标图像，对目标图像进行小波分解，并滤除高频，然后通过重组得到降噪后的图像；
步骤411、将降噪后的图像的像素值与降噪前目标图像的像素估计值的差作为误差矩阵；
步骤412、根据该误差矩阵通过梯度下降法对目标图像的像素的像素校正参数进行更新；
步骤413、根据更新后的像素校正参数对目标图像进行非均匀性校正。
其中，在步骤409中这一组连续图像的帧数不大于设定值时，更新后的像素校正参数即这一组连续图像中最后一帧图像当前的像素校正参数。
基于相同的发明构思，本发明实施例中还提供了一种非均匀性校正的设备，由于该设备即是本发明实施例中的方法中的设备，并且该设备解决问题的原理与该方法相似，因此该设备的实施可以参见方法的实施，重复之处不再赘述。
如图5所示，本发明实施例还提供一种非均匀性校正的设备，该设备包括：至少一个处理单元500以及至少一个存储单元501，其中，所述存储单元501存储有程序代码，当所述程序代码被所述处理单元500执行时，使得设备执行下列过程：
通过对相邻帧图像进行亚像素级互相关配准得到帧间的相对位移；
根据所述相对位移是否大于阈值确定梯度下降的方向；
根据所述梯度下降的方向对目标图像的像素校正参数进行更新，其中所述目标图像位于所述相邻帧图像的前一帧图像之后；
根据更新后的像素校正参数对所述目标图像进行非均匀性校正。
可选的，若所述相对位移大于阈值，则所述梯度下降的方向为所述目标图像时域降噪后的像素参考值和所述目标图像的像素估计值的差值缩小的方向；或
若所述相对位移不大于阈值，则所述梯度下降的方向为所述目标图像空域降噪后的像素参考值和所述目标图像的像素估计值的差值缩小的方向。
可选的，所述处理单元500还用于通过下列方式确定所述目标图像时域降噪后的像素参考值：
选取包括所述相邻帧图像中后一帧图像以及所述后一帧图像之前N-1帧图像的N帧图像；
根据初始像素校正参数确定所述N帧图像的像素估计值；
通过双线性插值将所述N-1帧图像中任意一帧图像与所述后一帧图像再次进行配准后，确定所述N-1帧图像中任意一帧图像与所述后一帧图像的重叠区域；
确定所述目标图像中目标区域的像素估计值的加权平均值，并将所述加权平均值作为所述目标图像中目标区域时域降噪后的像素参考值，其中所述目标区域为所述N-1帧图像与所述后一帧图像共同的重叠区域中的非运动前景区域。
可选的，所述处理单元500还用于通过下列方式确定所述目标图像空域降噪后的像素参考值：
选取一组连续图像，其中所述一组连续图像中的前两帧图像为所述相邻两帧，所述一组连续图像中的任意相邻帧图像之间的相对位移小于阈值；
若所述一组连续图像的帧数大于设定值，则对所述一组连续图像中的最后一帧图像进行空域降噪得到降噪后的图像，并将所述降噪后的图像的像素值作为所述目标图像空域降噪后的像素参考值。
可选的，所述处理单元500还用于通过下列方式确定所述非运动前景区域：
通过形态学滤波对运动前景区域的掩膜进行去噪后确定运动前景区域；将所述后一帧图像中除所述运动前景区域外的区域作为所述非运动前景区域。
可选的，所述处理单元500还用于：
若所述一组连续图像的帧数不大于设定值，则根据所述一组连续图像中的最后一帧图像当前的像素校正参数对所述目标图像进行非均匀性校正。
基于相同的发明构思，本发明实施例中还提供了一种非均匀性校正的设备，由于该设备即是本发明实施例中的方法中的设备，并且该设备解决问题的原理与该方法相似，因此该设备的实施可以参见方法的实施，重复之处不再赘述。
如图6所示，本发明实施例还提供一种非均匀性校正的设备，该设备包括：配准模块600、确定模块601、参数更新模块602、校正模块603：
配准模块600：用于通过对相邻帧图像进行亚像素级互相关配准得到帧间的相对位移；
确定模块601：用于根据所述相对位移是否大于阈值确定梯度下降的方向；
参数更新模块602：用于根据所述梯度下降的方向对目标图像的像素校正参数进行更新，其中所述目标图像位于所述相邻帧图像的前一帧图像之后；
校正模块603：用于根据更新后的像素校正参数对所述目标图像进行非均匀性校正。
可选的，若所述相对位移大于阈值，则所述梯度下降的方向为所述目标图像时域降噪后的像素参考值和所述目标图像的像素估计值的差值缩小的方向；或
若所述相对位移不大于阈值，则所述梯度下降的方向为所述目标图像空域降噪后的像素参考值和所述目标图像的像素估计值的差值缩小的方向。
可选的，所述确定模块601还用于通过下列方式确定所述目标图像时域降噪后的像素参考值：
选取包括所述相邻帧图像中后一帧图像以及所述后一帧图像之前N-1帧图像的N帧图像；
根据初始像素校正参数确定所述N帧图像的像素估计值；
通过双线性插值将所述N-1帧图像中任意一帧图像与所述后一帧图像再次进行配准后，确定所述N-1帧图像中任意一帧图像与所述后一帧图像的重叠区域；
确定所述目标图像中目标区域的像素估计值的加权平均值，并将所述加权平均值作为所述目标图像中目标区域时域降噪后的像素参考值，其中所述目标区域为所述N-1帧图像与所述后一帧图像共同的重叠区域中的非运动前景区域。
可选的，所述确定模块601还用于通过下列方式确定所述目标图像空域降噪后的像素参考值：
选取一组连续图像，其中所述一组连续图像中的前两帧图像为所述相邻两帧，所述一组连续图像中的任意相邻帧图像之间的相对位移小于阈值；
若所述一组连续图像的帧数大于设定值，则对所述一组连续图像中的最后一帧图像进行空域降噪得到降噪后的图像，并将所述降噪后的图像的像素值作为所述目标图像空域降噪后的像素参考值。
可选的，所述确定模块601还用于通过下列方式确定所述非运动前景区域：
通过形态学滤波对运动前景区域的掩膜进行去噪后确定运动前景区域；
将所述后一帧图像中除所述运动前景区域外的区域作为所述非运动前景区域。
可选的，所述设备还包括：
处理模块604，用于若所述一组连续图像的帧数不大于设定值，则根据所述一组连续图像中的最后一帧图像当前的像素校正参数对所述目标图像进行非均匀性校正。
在本发明实施例中，可以将确定模块、参数更新模块及校正模块、处理模块统一整合在一个模块中，例如整合为校正模块，其中校正模块可分为时域降噪模块和空域降噪模块。
本发明实施例还提供一种计算机可读非易失性存储介质，包括程序代码，当所述程序代码在计算终端上运行时，所述程序代码用于使所述计算终端执行上述本发明实施例任一非均匀性校正的方法的步骤。
本发明实施例还提供一种电子设备，包括程序代码，其包括处理器和存储器，其中，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行上述本发明实施例任一非均匀性校正的方法的步骤。
本发明实施例还提供一种计算机程序产品，当所述计算机程序产品在电子设备上运行时，使得所述电子设备执行上述本发明实施例任一非均匀性校正的方法的步骤，或任一非均匀性校正的方法可能涉及的方法的步骤。
以上参照示出根据本发明实施例的方法、装置(系统)和/或计算机程序产品的框图和/或流程图描述本发明。应理解，可以通过计算机程序指令来实现框图和/或流程图示图的一个块以及框图和/或流程图示图的块的组合。可以将这些计算机程序指令提供给通用计算机、专用计算机的处理器和/或其它可编程数据处理装置，以产生机器，使得经由计算机处理器和/或其它可编程数据处理装置执行的指令创建用于实现框图和/或流程图块中所指定的功能/动作的方法。
相应地，还可以用硬件和/或软件(包括固件、驻留软件、微码等)来实施本发明。更进一步地，本发明可以采取计算机可使用或计算机可读存储介质上的计算机程序产品的形式，其具有在介质中实现的计算机可使用或计算机可读程序代码，以由指令执行系统来使用或结合指令执行系统而使用。在本发明上下文中，计算机可使用或计算机可读介质可以是任意介质，其可以包含、存储、通信、传输、或传送程序，以由指令执行系统、装置或设备使用，或结合指令执行系统、装置或设备使用。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种非均匀性校正的方法，其特征在于，该方法包括：
通过对相邻帧图像进行亚像素级互相关配准，得到帧间的相对位移；
根据所述相对位移是否大于阈值确定梯度下降的方向，其中，若所述相对位移大于所述阈值，则基于目标图像时域降噪后的像素参考值确定所述梯度下降的方向，或，若所述相对位移不大于所述阈值，则选取一组连续图像，所述一组连续图像中的前两帧图像为所述相邻帧图像，所述一组连续图像中的任意相邻帧图像之间的相对位移小于所述阈值，且若所述一组连续图像的帧数大于设定值，则基于目标图像空域降噪后的像素参考值确定所述梯度下降的方向；
根据所述梯度下降的方向对目标图像的像素校正参数进行更新，其中所述目标图像位于所述相邻帧图像的前一帧图像之后；
根据更新后的像素校正参数对所述目标图像进行非均匀性校正。
2.如权利要求1所述的方法，其特征在于：
若所述相对位移大于所述阈值，则所述梯度下降的方向为所述目标图像时域降噪后的像素参考值和所述目标图像的像素估计值的差值缩小的方向；或
若所述相对位移不大于所述阈值，则选取一组连续图像，所述一组连续图像中的前两帧图像为所述相邻帧图像，所述一组连续图像中的任意相邻帧图像之间的相对位移小于所述阈值，且若所述一组连续图像的帧数大于设定值，则所述梯度下降的方向为所述目标图像空域降噪后的像素参考值和所述目标图像的像素估计值的差值缩小的方向。
3.如权利要求2所述的方法，其特征在于，通过下列方式确定所述目标图像时域降噪后的像素参考值：
选取包括所述相邻帧图像中后一帧图像以及所述后一帧图像之前N-1帧图像的N帧图像；
根据初始像素校正参数确定所述N帧图像的像素估计值；
将所述N-1帧图像中任意一帧图像与所述后一帧图像进行亚像素级互相关配准并通过双线性插值对齐小数部分后，确定所述N-1帧图像中任意一帧图像与所述后一帧图像的重叠区域；
确定目标区域的像素估计值的加权平均值，并将所述加权平均值作为所述目标图像中目标区域时域降噪后的像素参考值，其中所述目标区域为所述N-1帧图像与所述后一帧图像共同的重叠区域中的非运动前景区域。
4.如权利要求2所述的方法，其特征在于，通过下列方式确定所述目标图像空域降噪后的像素参考值：
对所述一组连续图像中的最后一帧图像进行空域降噪得到降噪后的图像，并将所述降噪后的图像的像素值作为所述目标图像空域降噪后的像素参考值。
5.如权利要求3所述的方法，其特征在于，通过下列方式确定所述非运动前景区域：
通过形态学滤波对运动前景区域的掩膜进行去噪后确定运动前景区域；
将所述共同的重叠区域中除所述运动前景区域外的区域作为所述非运动前景区域。
6.如权利要求1所述的方法，其特征在于，所述方法还包括：
若所述一组连续图像的帧数不大于设定值，则根据所述一组连续图像中的最后一帧图像当前的像素校正参数对所述目标图像进行非均匀性校正。
7.一种非均匀性校正的设备，其特征在于，该设备包括：
配准模块，用于通过对相邻帧图像进行亚像素级互相关配准，得到帧间的相对位移；
确定模块，用于根据所述相对位移是否大于阈值确定梯度下降的方向，其中，若所述相对位移大于所述阈值，则基于目标图像时域降噪后的像素参考值确定所述梯度下降的方向，或，若所述相对位移不大于所述阈值，则选取一组连续图像，所述一组连续图像中的前两帧图像为所述相邻帧图像，所述一组连续图像中的任意相邻帧图像之间的相对位移小于所述阈值，且若所述一组连续图像的帧数大于设定值，则基于目标图像空域降噪后的像素参考值确定所述梯度下降的方向；
参数更新模块，用于根据所述梯度下降的方向对目标图像的像素校正参数进行更新，其中所述目标图像位于所述相邻帧图像的前一帧图像之后；
校正模块，用于根据更新后的像素校正参数对所述目标图像进行非均匀性校正。
8.一种电子设备，其特征在于，其包括处理器和存储器，其中，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行权利要求1～6任一所述方法的步骤。
9.一种计算机可读存储介质，其特征在于，其包括程序代码，当所述程序产品在非均匀性校正的设备上运行时，所述程序代码用于使所述非均匀性校正的设备执行权利要求1～6任一所述方法的步骤。
10.一种计算机程序产品，其特征在于，当所述计算机程序产品在电子设备上运行时，使得所述电子设备执行权利要求1～6任一所述方法的步骤。
CN201910639439.1A 2019-07-16 2019-07-16 一种非均匀性校正的方法和设备 Active CN110428466B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910639439.1A CN110428466B (zh) 2019-07-16 2019-07-16 一种非均匀性校正的方法和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910639439.1A CN110428466B (zh) 2019-07-16 2019-07-16 一种非均匀性校正的方法和设备

Publications (2)

Publication Number Publication Date
CN110428466A CN110428466A (zh) 2019-11-08
CN110428466B true CN110428466B (zh) 2022-02-18

Family

ID=68410657

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910639439.1A Active CN110428466B (zh) 2019-07-16 2019-07-16 一种非均匀性校正的方法和设备

Country Status (1)

Country Link
CN (1) CN110428466B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110852976B (zh) * 2019-11-22 2023-04-18 昆明物理研究所 一种红外图像明暗不均匀校正方法及计算机程序产品
CN111507915B (zh) * 2020-04-13 2024-03-29 烟台艾睿光电科技有限公司 基于模糊配准的实时红外非均匀性校正方法、设备及介质
CN112435178B (zh) * 2020-11-11 2022-10-14 湖北久之洋红外系统股份有限公司 一种基于fpga的线阵红外盲元的工程化处理方法及系统
CN112906589B (zh) * 2021-03-01 2023-05-26 天地伟业技术有限公司 一种基于帧间作差法的mems面内动态特性分析方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1600020A (zh) * 2001-10-26 2005-03-23 柯尼卡美能达控股株式会社 图像处理方法、装置及程序
CN101056353A (zh) * 2007-04-19 2007-10-17 华中科技大学 基于运动检测指导的红外焦平面非均匀性校正方法
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
CN101937565A (zh) * 2010-09-16 2011-01-05 上海交通大学 基于运动目标轨迹的动态图像配准方法
CN102749602A (zh) * 2011-04-21 2012-10-24 西门子公司 采集磁共振图像数据的方法和相应的组合的装置
US8411172B2 (en) * 2007-08-29 2013-04-02 Sanyo Electric Co., Ltd. Imaging device and image processing apparatus
CN103646232A (zh) * 2013-09-30 2014-03-19 华中科技大学 飞行器地面运动目标红外图像识别装置
CN105318971A (zh) * 2014-07-07 2016-02-10 南京理工大学 对红外视频序列采用图像配准的自适应非均匀性校正方法
CN105890768A (zh) * 2016-03-31 2016-08-24 浙江大华技术股份有限公司 一种红外图像非均匀性校正的方法及装置
CN106803235A (zh) * 2015-11-26 2017-06-06 南京理工大学 基于各向异性时空域全变分非均匀性校正的方法
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

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1600020A (zh) * 2001-10-26 2005-03-23 柯尼卡美能达控股株式会社 图像处理方法、装置及程序
CN101056353A (zh) * 2007-04-19 2007-10-17 华中科技大学 基于运动检测指导的红外焦平面非均匀性校正方法
US8411172B2 (en) * 2007-08-29 2013-04-02 Sanyo Electric Co., Ltd. Imaging device and image processing apparatus
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
CN101937565A (zh) * 2010-09-16 2011-01-05 上海交通大学 基于运动目标轨迹的动态图像配准方法
CN102749602A (zh) * 2011-04-21 2012-10-24 西门子公司 采集磁共振图像数据的方法和相应的组合的装置
CN103646232A (zh) * 2013-09-30 2014-03-19 华中科技大学 飞行器地面运动目标红外图像识别装置
CN105318971A (zh) * 2014-07-07 2016-02-10 南京理工大学 对红外视频序列采用图像配准的自适应非均匀性校正方法
CN106803235A (zh) * 2015-11-26 2017-06-06 南京理工大学 基于各向异性时空域全变分非均匀性校正的方法
CN105890768A (zh) * 2016-03-31 2016-08-24 浙江大华技术股份有限公司 一种红外图像非均匀性校正的方法及装置
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Adaptive Image-Registration-Based Nonuniformity Correction Algorithm With Ghost Artifacts Eliminating for Infrared Focal Plane Arrays;Junjie Zeng 等;《IEEE Photonics Journal》;20151231;全文 *
基于帧间运动的神经网络非均匀性校正及其硬件实现;刘秀 等;《北京理工大学学报》;20101130;全文 *

Also Published As

Publication number Publication date
CN110428466A (zh) 2019-11-08

Similar Documents

Publication Publication Date Title
CN110428466B (zh) 一种非均匀性校正的方法和设备
CN102968765B (zh) 一种基于sigma滤波器的红外焦平面非均匀性校正方法
CN104657945B (zh) 复杂背景下多尺度时空联合滤波的红外小目标检测方法
US9454805B2 (en) Method and apparatus for reducing noise of image
CN110874827B (zh) 湍流图像复原方法、装置、终端设备及计算机可读介质
CN105318971B (zh) 对红外视频序列采用图像配准的自适应非均匀性校正方法
CN111968066B (zh) 红外图像的校正方法、装置、设备及制冷红外成像系统
JP5890547B2 (ja) 画像処理装置
CN106886983B (zh) 基于Laplace算子和反卷积的图像非均匀性校正方法
GB2536430B (en) Image noise reduction
CN106791279B (zh) 基于遮挡检测的运动补偿方法及系统
CN109035287B (zh) 前景图像提取方法和装置、运动车辆识别方法和装置
CN102968776A (zh) 一种线性与非线性滤波器相结合的非均匀性校正方法
CN111986116B (zh) 视频降噪方法和装置、电子设备、计算机可读存储介质
CN113379636A (zh) 一种红外图像非均匀性校正方法、装置、设备及存储介质
CN112805989A (zh) 基于全局运动估计的时域滤波方法、装置及存储介质
CN110363714B (zh) 自适应学习速率的基于场景帧间配准的非均匀性校正方法
CN112465707B (zh) 红外图像条纹噪声的处理方法、装置、介质及电子设备
Patel et al. An adaptive image registration technique to remove atmospheric turbulence
CN115131392B (zh) 基于天基光学观测图像的空间运动目标检测跟踪方法
WO2013011797A1 (ja) 劣化復元システム、劣化復元方法およびプログラム
CN114820376A (zh) 条带噪声的融合校正方法、装置、电子设备及存储介质
CN113822823A (zh) 气动光学效应图像空变模糊核的点近邻复原方法及系统
CN114373011A (zh) 一种确定目标对象位置的方法、装置、计算机设备和介质
JP3959547B2 (ja) 画像処理装置、画像処理方法、及び情報端末装置

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231017

Address after: Room 201, Building A, Integrated Circuit Design Industrial Park, No. 858, Jianshe 2nd Road, Economic and Technological Development Zone, Xiaoshan District, Hangzhou City, Zhejiang Province, 311215

Patentee after: Zhejiang Huagan Technology Co.,Ltd.

Address before: Hangzhou City, Zhejiang province Binjiang District 310053 shore road 1187

Patentee before: ZHEJIANG DAHUA TECHNOLOGY Co.,Ltd.