CN111507915B - 基于模糊配准的实时红外非均匀性校正方法、设备及介质 - Google Patents
基于模糊配准的实时红外非均匀性校正方法、设备及介质 Download PDFInfo
- Publication number
- CN111507915B CN111507915B CN202010286435.2A CN202010286435A CN111507915B CN 111507915 B CN111507915 B CN 111507915B CN 202010286435 A CN202010286435 A CN 202010286435A CN 111507915 B CN111507915 B CN 111507915B
- Authority
- CN
- China
- Prior art keywords
- infrared
- registration
- image
- real
- frames
- 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 98
- 238000012937 correction Methods 0.000 title claims abstract description 90
- 239000011159 matrix material Substances 0.000 claims abstract description 57
- 238000004590 computer program Methods 0.000 claims description 9
- 238000001931 thermography Methods 0.000 abstract description 7
- 230000015556 catabolic process Effects 0.000 abstract description 4
- 238000006731 degradation reaction Methods 0.000 abstract description 4
- 238000013507 mapping Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G06T5/94—
-
- 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
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
- Studio Devices (AREA)
Abstract
本申请公开了一种基于模糊配准的实时红外非均匀性校正方法、设备及介质，该方法包括：从红外图像序列获取相邻的两帧红外图像；通过图像匹配法对两帧红外图像进行图像配准，获得两帧红外图像的重叠区域；在以重叠区域内对应点为中心的设定大小窗口中搜索最邻近像素值作为期望值，建立均方误差矩阵；通过建立的均方误差矩阵更新校正参数矩阵，获得校正后的输出图像。这样通过模糊配准方法对实际红外热成像视频序列进行处理，可以实现非均匀性实时校正，且由于重叠区域中像素对应关系不是简单的一对一映射，可以有效地克服实际使用中亚像素偏移、旋转和热残留造成的图像劣化，有效地抑制“鬼影”的产生。
Description
技术领域
本发明涉及红外热成像技术领域，特别是涉及一种基于模糊配准的实时红外非均匀性校正方法、设备及介质。
背景技术
红外热成像技术可以获得热运动相关的信息，广泛应用于军事、航天、工业、医疗、安防等诸多领域。但受到红外焦平面探测器制作工艺、材料、电子学架构、光学系统架构等因素影响，红外图像的非均匀性问题成为红外热成像技术的研究热点。
目前，非均匀性校正方法分为基于参考源的定标校正和基于场景的自适应校正两种。其中，基于参考源的定标校正方法通常需要事先获得校正所需要的定标系数，然后在应用时读取标定数据作相应的校正处理，但是随着温度和时间的漂移，非均匀性校正效果明显下降。而基于场景的自适应校正方法无需参考源，无需周期性重复定标。
基于场景的非均匀性校正方法一般分为神经网络算法、常数恒定统计法、时域高通滤波法和帧间配准方法等。其中，神经网络非均匀性校正方法在收敛速度和校正效果间难以达到平衡，非均匀性较强时，图像易出现严重的衰退现象，出现“鬼影”；常数恒定统计法和时域高通滤波法要求图像信息具有随机性，实际应用受限；帧间配准方法的校正效果受配准精度影响，实际使用中图像的轻微旋转难以避免，提高配准精度的代价是加大计算量，难以实现非均匀性实时校正，而降低计算量，匹配不准确则会引入“鬼影”。
因此，如何有效实现红外图像的非均匀性实时校正，抑制“鬼影”的产生，是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此，本发明的目的在于提供一种基于模糊配准的实时红外非均匀性校正方法、设备及介质，可以克服亚像素偏移、旋转和热残留造成的图像劣化，有效实现红外图像的非均匀性实时校正。其具体方案如下：
一种基于模糊配准的实时红外非均匀性校正方法，包括：
从红外图像序列获取相邻的两帧红外图像；
通过图像匹配法对所述两帧红外图像进行图像配准，获得所述两帧红外图像的重叠区域；
在以所述重叠区域内对应点为中心的设定大小窗口中搜索最邻近像素值作为期望值，建立均方误差矩阵；
通过建立的所述均方误差矩阵更新校正参数矩阵，获得校正后的输出图像。
优选地，在本发明实施例提供的上述基于模糊配准的实时红外非均匀性校正方法中，在从红外图像序列获取相邻的两帧红外图像之前，还包括：
通过标定法获得增益矩阵，并对红外图像进行增益校正。
优选地，在本发明实施例提供的上述基于模糊配准的实时红外非均匀性校正方法中，在通过图像匹配法对所述两帧红外图像进行图像配准之前，还包括：
检测获取的所述两帧红外图像中场景信息的相对运动姿态；
根据运动姿态反馈的信息，判断是否进行图像配准。
优选地，在本发明实施例提供的上述基于模糊配准的实时红外非均匀性校正方法中，根据运动姿态反馈的信息，判断是否进行图像配准，具体包括：
根据陀螺仪信号判断两帧红外图像中场景信息的相对运动状态是否满足设定图像配准置信度要求范围内；
若是，则进行图像配准；若否，则重新获取相邻的两帧红外图像。
优选地，在本发明实施例提供的上述基于模糊配准的实时红外非均匀性校正方法中，获得所述两帧红外图像的重叠区域，具体包括：
通过灰度投影法获得所述两帧红外图像的重叠区域。
优选地，在本发明实施例提供的上述基于模糊配准的实时红外非均匀性校正方法中，采用下述公式建立所述均方误差矩阵：
ERRn+1(i,j)2＝[Xn+1(iw',jw')+On(iw',jw')-Xn(i,j)-On(i,j)]2,n≥1
其中，n为帧数，Xn(i,j)为第n帧红外图像中坐标为(i,j)的像素的灰度值；Xn+1(i'w,j'w)为作为期望值的第n+1帧红外图像中坐标为(i'w,j'w)的像素的灰度值；On(i,j)为用第n-1帧和第n帧计算出的校正参数矩阵中坐标为(i,j)的值；On(i'w,j'w)为用第n-1帧和第n帧计算出的校正参数矩阵中坐标为(i'w,j'w)的值，ERRn+1(i,j)2为所述均方误差矩阵。
优选地，在本发明实施例提供的上述基于模糊配准的实时红外非均匀性校正方法中，采用下述公式更新所述校正参数矩阵：
On+1(i,j)＝On(i,j)-2×η×ERRn+1(i,j)
其中，On+1(i,j)为用第n帧和第n+1帧计算出的校正参数矩阵中坐标为(i,j)的值，On(i,j)为用第n-1帧和第n帧计算出的校正参数矩阵中坐标为(i,j)的值，η为学习率，ERRn+1(i,j)为所述均方误差矩阵的开方。
优选地，在本发明实施例提供的上述基于模糊配准的实时红外非均匀性校正方法中，所述学习率随校正次数的增加而衰减；
所述学习率在所述红外图像静止时逐渐增加。
本发明实施例还提供了一种基于模糊配准的实时红外非均匀性校正设备，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如本发明实施例提供的上述基于模糊配准的实时红外非均匀性校正方法。
本发明实施例还提供了一种计算机可读存储介质，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如本发明实施例提供的上述基于模糊配准的实时红外非均匀性校正方法。
从上述技术方案可以看出，本发明所提供的一种基于模糊配准的实时红外非均匀性校正方法、设备及介质，包括：从红外图像序列获取相邻的两帧红外图像；通过图像匹配法对两帧红外图像进行图像配准，获得两帧红外图像的重叠区域；在以重叠区域内对应点为中心的设定大小窗口中搜索最邻近像素值作为期望值，建立均方误差矩阵；通过建立的均方误差矩阵更新校正参数矩阵，获得校正后的输出图像。
本发明通过模糊配准方法对实际红外热成像视频序列进行处理，以实现非均匀性实时校正，先用简单、计算量小的图像匹配方法进行图像配准，得到重叠区域，其次在以对应点为中心的窗口中寻找像素值最相近的点作为期望值，建立均方误差矩阵来更新校正参数矩阵，最终获取非均匀性校正图像，由于重叠区域中像素对应关系不是简单的一对一映射，可以有效地克服实际使用中亚像素偏移、旋转和热残留造成的图像劣化，有效地抑制“鬼影”的产生。
附图说明
为了更清楚地说明本发明实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的基于模糊配准的实时红外非均匀性校正方法的流程图；
图2为本发明实施例提供的非制冷红外焦平面探测器单个像元关于温度的实际响应值曲线与简化的现性模型的对比示意图；
图3为本发明实施例提供的基于模糊配准的实时红外非均匀性校正方法的具体流程图；
图4为本发明实施例提供的模糊配准时两帧图像重叠区域的对应点映射关系示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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他实施例，都属于本发明保护的范围。
本发明提供一种基于模糊配准的实时红外非均匀性校正方法，如图1所示，包括以下步骤：
S101、从红外图像序列获取相邻的两帧红外图像；
具体地，通过红外热像仪获得实时的红外图像序列，对于实时的红外图像序列，每次选取相邻的两帧红外图像，如第n帧的红外图像Fn和第n+1帧的红外图像Fn+1，n≥1；
S102、通过图像匹配法对两帧红外图像进行图像配准，获得两帧红外图像的重叠区域；
具体地，利用简单、计算量较小的图像配准方法对选定的两帧图像进行配准，获得重叠区域，设第n帧的红外图像Fn的重叠区域为Xn，第n+1帧的红外图像Fn+1的重叠区域为Xn+1；
S103、在以重叠区域内对应点为中心的设定大小窗口中搜索最邻近像素值作为期望值，建立均方误差矩阵；
具体地，设定大小的窗口可以为K*K窗口(K可取3,5,7)；第n帧重叠区域Xn中一点P在第n+1帧重叠区域中对应点P'，在以对应点P'为中心的K*K窗口中搜索与P点像素值I(P)最邻近的点，将该点像素值I(P'window)作为P点像素值的期望值，建立均方误差矩阵ERR；
S104、通过建立的均方误差矩阵更新校正参数矩阵，获得校正后的输出图像。
在本发明实施例提供的上述基于模糊配准的实时红外非均匀性校正方法中，通过模糊配准方法对实际红外热成像视频序列进行处理，以实现非均匀性实时校正，先用简单、计算量小的图像匹配方法进行图像配准，得到重叠区域，其次在以对应点为中心的窗口中寻找像素值最相近的点作为期望值，建立均方误差矩阵来更新校正参数矩阵，最终获取非均匀性校正图像，由于重叠区域中像素对应关系不是简单的一对一映射，可以有效地克服实际使用中亚像素偏移、旋转和热残留造成的图像劣化，有效地抑制“鬼影”的产生。
需要说明的是，像素点的非均匀性在一定温度范围内可以简化为一个线性模型，如图2所示，简化后的线性模型的非均匀性校正系数由增益和偏置组成。
基于此，在具体实施时，在本发明实施例提供的上述基于模糊配准的实时红外非均匀性校正方法中，在执行步骤S101从红外图像序列获取相邻的两帧红外图像之前，如图3所示，还可以包括：
S301、通过标定法获得增益矩阵，并对红外图像进行增益校正。
需要说明的是，在获得增益矩阵G时，使用的标定法可选用但不限于两点标定。在增益校正后，对增益校正后的红外图像就可以使用模糊配准的实时校正方法对校正参数矩阵(即偏置矩阵)进行校正。
在具体实施时，在本发明实施例提供的上述基于模糊配准的实时红外非均匀性校正方法中，如图3所示，在通过图像匹配法对两帧红外图像进行图像配准之前，还可以包括：
S302、检测获取的两帧红外图像中场景信息的相对运动姿态；
S303、根据运动姿态反馈的信息，判断是否进行图像配准。
具体地，模糊配准首先用运动姿态对应偏移量限定，满足条件后再用简单、计算量小的图像匹配方法进行图像配准。这样利用运动姿态对应偏移量限定，可以确保真实偏移量在预设偏移范围之内，近乎不增加计算量实现配准精度的提高，利用实时性实现。
在具体实施时，在本发明实施例提供的上述基于模糊配准的实时红外非均匀性校正方法中，上述步骤S303根据运动姿态反馈的信息，判断是否进行图像配准，具体可以包括：根据陀螺仪信号判断两帧红外图像中场景信息的相对运动状态是否满足设定图像配准置信度要求范围内；若是，则进行图像配准；若否，则重新获取相邻的两帧红外图像。
具体地，根据陀螺仪信号判断两帧图像中场景信息的相对运动状态，确定处于图像配准置信度较高的运动状态时，进行基于模糊配准的非均匀性校正。运动过快时红外图像信息变化剧烈，响应时间相对不足，图像受热残留影响配准难度增加，运动过慢时亚像素的偏移对图像配准的影响较大，配准置信度下降，因此依据运动姿态反馈的信息，运动过快或过慢时不进行图像配准，返回步骤S101。在实际应用中，当相对运动姿态大部分满足校正条件时，一般70帧内明显的非均匀性即可校正完成。
在具体实施时，在本发明实施例提供的上述基于模糊配准的实时红外非均匀性校正方法中，上述步骤S102获得两帧红外图像的重叠区域，具体可以包括：通过灰度投影法获得两帧红外图像的重叠区域。
如图4所示，K*K窗口中以K＝3为例，若第n帧P点为一亮目标，两帧之间P点在红外焦平面阵列上经由Q'点到达P'点(即多亮目标由P点经由Q'点运动到P'点)，P点对应期望值P'，但由于在第n+1帧的Q'点留下热残留，不考虑配准误差，直接将Q'点的像素值作为Q点的期望值则会产生“鬼影”，而模糊配准下Q点的期望值是以Q'点为中心的K*K窗口中与Q点像素值最邻近的点，有效避免“鬼影”。
任意一点P处的误差可表示为：
ERRn+1 2＝[In+1(P'window)-In(P)]2,n≥1
在具体实施时，在本发明实施例提供的上述基于模糊配准的实时红外非均匀性校正方法中，可以采用下述公式建立均方误差矩阵：
ERRn+1(i,j)2＝[Xn+1(iw',jw')+On(iw',jw')-Xn(i,j)-On(i,j)]2,n≥1
其中，n为帧数，Xn(i,j)为第n帧红外图像中坐标为(i,j)的像素的灰度值；Xn+1(i'w,j'w)为作为期望值的第n+1帧红外图像中坐标为(i'w,j'w)的像素的灰度值；On(i,j)为用第n-1帧和第n帧计算出的校正参数矩阵中坐标为(i,j)的值；On(i'w,j'w)为用第n-1帧和第n帧计算出的校正参数矩阵中坐标为(i'w,j'w)的值，ERRn+1(i,j)2为均方误差矩阵。
在具体实施时，在本发明实施例提供的上述基于模糊配准的实时红外非均匀性校正方法中，采用下述公式利用均方误差矩阵更新校正参数矩阵：
On+1(i,j)＝On(i,j)-2×η×ERRn+1(i,j)
其中，On+1(i,j)为用第n帧和第n+1帧计算出的校正参数矩阵中坐标为(i,j)的值，On(i,j)为用第n-1帧和第n帧计算出的校正参数矩阵中坐标为(i,j)的值，η为学习率，ERRn+1(i,j)为均方误差矩阵的开方。
在具体实施时，在本发明实施例提供的上述基于模糊配准的实时红外非均匀性校正方法中，初始校正时非均匀性较强，学习率η较大加快收敛速度，随着校正次数增加，非均匀性减轻，学习率η较小防止发散，因此，学习率随校正次数的增加而衰减，保证了校正收敛过程中较快的收敛速度和良好的敛散性。另外，学习率在红外图像静止时逐渐增加。
具体地，校正过程初始化η＝1，α＝1024，α0可取1024，T可取8，flag在场景信息变化时为1，在场景信息静止时为0。
最后采用下述公式利用更新的校正参数矩阵获得第n+2帧校正后的输出图像：
Yn+2(i,j)＝Fn+2(i,j)+On+1(i,j)。
其中，Fn+2(i,j)为第n+2帧红外图像的原始数据；Yn+2(i,j)为第n+2帧校正后的输出图像的数据。
相应的，本发明实施例还公开了一种基于模糊配准的实时红外非均匀性校正设备，包括处理器和存储器；其中，处理器执行存储器中保存的计算机程序时实现前述实施例公开的基于模糊配准的实时红外非均匀性校正方法。
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
进一步地，本发明还公开了一种计算机可读存储介质，用于存储计算机程序；计算机程序被处理器执行时实现前述公开的基于模糊配准的实时红外非均匀性校正方法。
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的设备、存储介质而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本发明实施例提供的一种基于模糊配准的实时红外非均匀性校正方法、设备及介质，包括：从红外图像序列获取相邻的两帧红外图像；通过图像匹配法对两帧红外图像进行图像配准，获得两帧红外图像的重叠区域；在以重叠区域内对应点为中心的设定大小窗口中搜索最邻近像素值作为期望值，建立均方误差矩阵；通过建立的均方误差矩阵更新校正参数矩阵，获得校正后的输出图像。这样通过模糊配准方法对实际红外热成像视频序列进行处理，以实现非均匀性实时校正，具体先用简单、计算量小的图像匹配方法进行图像配准，得到重叠区域，其次在以对应点为中心的窗口中寻找像素值最相近的点作为期望值，建立均方误差矩阵来更新校正参数矩阵，最终获取非均匀性校正图像，由于重叠区域中像素对应关系不是简单的一对一映射，可以有效地克服实际使用中亚像素偏移、旋转和热残留造成的图像劣化，有效地抑制“鬼影”的产生。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的基于模糊配准的实时红外非均匀性校正方法、设备及介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种基于模糊配准的实时红外非均匀性校正方法，其特征在于，包括：
从红外图像序列获取相邻的两帧红外图像；
通过图像匹配法对所述两帧红外图像进行图像配准，获得所述两帧红外图像的重叠区域；
在以所述重叠区域内对应点为中心的设定大小窗口中搜索最邻近像素值作为期望值，建立均方误差矩阵；采用下述公式建立所述均方误差矩阵：
ERRn+1(i,j)2＝[Xn+1(iw',jw')+On(iw',jw')-Xn(i,j)-On(i,j)]2,n≥1
其中，n为帧数，Xn(i,j)为第n帧红外图像中坐标为(i,j)的像素的灰度值；Xn+1(i'w,j'w)为作为期望值的第n+1帧红外图像中坐标为(i'w,j'w)的像素的灰度值；On(i,j)为用第n-1帧和第n帧计算出的校正参数矩阵中坐标为(i,j)的值；On(i'w,j'w)为用第n-1帧和第n帧计算出的校正参数矩阵中坐标为(i'w,j'w)的值，ERRn+1(i,j)2为所述均方误差矩阵；
若第n帧P点为一亮目标，两帧之间P点在红外焦平面阵列上经由Q'点到达P'点，P点对应期望值P'，模糊配准下Q点的期望值是以Q'点为中心的K*K窗口中与Q点像素值最邻近的点；
通过建立的所述均方误差矩阵更新校正参数矩阵，获得校正后的输出图像。
2.根据权利要求1所述的基于模糊配准的实时红外非均匀性校正方法，其特征在于，在从红外图像序列获取相邻的两帧红外图像之前，还包括：
通过标定法获得增益矩阵，并对红外图像进行增益校正。
3.根据权利要求2所述的基于模糊配准的实时红外非均匀性校正方法，其特征在于，在通过图像匹配法对所述两帧红外图像进行图像配准之前，还包括：
检测获取的所述两帧红外图像中场景信息的相对运动姿态；
根据运动姿态反馈的信息，判断是否进行图像配准。
4.根据权利要求3所述的基于模糊配准的实时红外非均匀性校正方法，其特征在于，根据运动姿态反馈的信息，判断是否进行图像配准，具体包括：
根据陀螺仪信号判断两帧红外图像中场景信息的相对运动状态是否满足设定图像配准置信度要求范围内；
若是，则进行图像配准；若否，则重新获取相邻的两帧红外图像。
5.根据权利要求4所述的基于模糊配准的实时红外非均匀性校正方法，其特征在于，获得所述两帧红外图像的重叠区域，具体包括：
通过灰度投影法获得所述两帧红外图像的重叠区域。
6.根据权利要求5所述的基于模糊配准的实时红外非均匀性校正方法，其特征在于，采用下述公式更新所述校正参数矩阵：
On+1(i,j)＝On(i,j)-2×η×ERRn+1(i,j)
其中，On+1(i,j)为用第n帧和第n+1帧计算出的校正参数矩阵中坐标为(i,j)的值，On(i,j)为用第n-1帧和第n帧计算出的校正参数矩阵中坐标为(i,j)的值，η为学习率，ERRn+1(i,j)为所述均方误差矩阵的开方。
7.根据权利要求6所述的基于模糊配准的实时红外非均匀性校正方法，其特征在于，所述学习率随校正次数的增加而衰减；
所述学习率在所述红外图像静止时逐渐增加。
8.一种基于模糊配准的实时红外非均匀性校正设备，其特征在于，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至7任一项所述的基于模糊配准的实时红外非均匀性校正方法。
9.一种计算机可读存储介质，其特征在于，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于模糊配准的实时红外非均匀性校正方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010286435.2A CN111507915B (zh) | 2020-04-13 | 2020-04-13 | 基于模糊配准的实时红外非均匀性校正方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010286435.2A CN111507915B (zh) | 2020-04-13 | 2020-04-13 | 基于模糊配准的实时红外非均匀性校正方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111507915A CN111507915A (zh) | 2020-08-07 |
| CN111507915B true CN111507915B (zh) | 2024-03-29 |
Family
ID=71864026
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010286435.2A Active CN111507915B (zh) | 2020-04-13 | 2020-04-13 | 基于模糊配准的实时红外非均匀性校正方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111507915B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113379636B (zh) * | 2021-06-21 | 2024-05-03 | 苏州睿新微系统技术有限公司 | 一种红外图像非均匀性校正方法、装置、设备及存储介质 |
| CN114913096B (zh) * | 2022-06-10 | 2024-04-23 | 中国科学院长春光学精密机械与物理研究所 | 一种特征初始化的非均匀校正方法及其系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106342194B (zh) * | 2012-09-11 | 2014-11-12 | 中国空空导弹研究院 | 一种地面场景的红外图像非均匀性校正方法 |
| CN104296876A (zh) * | 2013-07-15 | 2015-01-21 | 南京理工大学 | 基于fpga的场景非均匀性校正方法及其装置 |
| 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 |
| CN107255521A (zh) * | 2017-06-28 | 2017-10-17 | 华中科技大学鄂州工业技术研究院 | 一种红外图像非均匀性校正方法及系统 |
| CN109360167A (zh) * | 2018-10-10 | 2019-02-19 | 华中科技大学鄂州工业技术研究院 | 一种红外图像校正方法、装置及存储介质 |
| CN109741267A (zh) * | 2018-12-05 | 2019-05-10 | 西安电子科技大学 | 基于三边滤波和神经网络的红外图像非均匀性校正方法 |
| CN110070569A (zh) * | 2019-04-29 | 2019-07-30 | 努比亚技术有限公司 | 终端图像的配准方法、装置、移动终端及存储介质 |
| CN110363714A (zh) * | 2019-06-19 | 2019-10-22 | 南京谱数光电科技有限公司 | 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 |
| CN110428466A (zh) * | 2019-07-16 | 2019-11-08 | 浙江大华技术股份有限公司 | 一种非均匀性校正的方法和设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7995859B2 (en) * | 2008-04-15 | 2011-08-09 | Flir Systems, Inc. | Scene based non-uniformity correction systems and methods |
-
2020
- 2020-04-13 CN CN202010286435.2A patent/CN111507915B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106342194B (zh) * | 2012-09-11 | 2014-11-12 | 中国空空导弹研究院 | 一种地面场景的红外图像非均匀性校正方法 |
| CN104296876A (zh) * | 2013-07-15 | 2015-01-21 | 南京理工大学 | 基于fpga的场景非均匀性校正方法及其装置 |
| 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 |
| CN107255521A (zh) * | 2017-06-28 | 2017-10-17 | 华中科技大学鄂州工业技术研究院 | 一种红外图像非均匀性校正方法及系统 |
| CN109360167A (zh) * | 2018-10-10 | 2019-02-19 | 华中科技大学鄂州工业技术研究院 | 一种红外图像校正方法、装置及存储介质 |
| CN109741267A (zh) * | 2018-12-05 | 2019-05-10 | 西安电子科技大学 | 基于三边滤波和神经网络的红外图像非均匀性校正方法 |
| CN110070569A (zh) * | 2019-04-29 | 2019-07-30 | 努比亚技术有限公司 | 终端图像的配准方法、装置、移动终端及存储介质 |
| CN110363714A (zh) * | 2019-06-19 | 2019-10-22 | 南京谱数光电科技有限公司 | 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 |
| CN110428466A (zh) * | 2019-07-16 | 2019-11-08 | 浙江大华技术股份有限公司 | 一种非均匀性校正的方法和设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111507915A (zh) | 2020-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230230206A1 (en) | Image denoising method and apparatus, electronic device, and storage medium | |
| CN111507915B (zh) | 基于模糊配准的实时红外非均匀性校正方法、设备及介质 | |
| CN102883099B (zh) | 一种拍摄防抖方法及装置 | |
| CN109272520B (zh) | 一种联合运动指导与边缘检测的自适应红外焦平面非均匀校正方法 | |
| US10931901B2 (en) | Method and apparatus for selectively correcting fixed pattern noise based on pixel difference values of infrared images | |
| JP2013531268A (ja) | 符号化開口を使用した距離の測定 | |
| CN112367474B (zh) | 一种自适应光场成像方法、装置及设备 | |
| CN109813442B (zh) | 一种基于多帧处理的内部杂散辐射非均匀性校正方法 | |
| US11093778B2 (en) | Method and system for selecting image region that facilitates blur kernel estimation | |
| US10803557B2 (en) | Non-uniformity correction method for infrared image based on guided filtering and high-pass filtering | |
| CN106197690B (zh) | 一种宽温范围条件下的图像校准方法及系统 | |
| US20220414908A1 (en) | Image processing method | |
| CN110631706B (zh) | 红外图像的校正方法、装置及存储介质 | |
| CN108240863A (zh) | 用于非制冷红外热像仪的实时两点非均匀性校正方法 | |
| CN110428466B (zh) | 一种非均匀性校正的方法和设备 | |
| CN103076096A (zh) | 基于中值直方图均衡的红外非均匀性校正算法 | |
| CN111080561A (zh) | 一种时域高通滤波方法 | |
| CN109978908B (zh) | 一种适应大尺度形变的单目标快速跟踪定位方法 | |
| CN111212241A (zh) | 基于图像梯度和熵融合的高速自动驾驶自动曝光控制方法 | |
| CN109360167B (zh) | 一种红外图像校正方法、装置及存储介质 | |
| CN113379636B (zh) | 一种红外图像非均匀性校正方法、装置、设备及存储介质 | |
| CN111369449A (zh) | 基于生成式对抗网络的红外盲元补偿方法 | |
| CN111932478A (zh) | 一种非制冷红外焦平面的自适应非均匀校正方法 | |
| CN113781368B (zh) | 基于局部信息熵的红外成像装置 | |
| CN115002360A (zh) | 一种基于稳健估计的红外视频非均匀性校正方法 |
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 |