CN113379636A - 一种红外图像非均匀性校正方法、装置、设备及存储介质 - Google Patents

一种红外图像非均匀性校正方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113379636A
CN113379636A CN202110687205.1A CN202110687205A CN113379636A CN 113379636 A CN113379636 A CN 113379636A CN 202110687205 A CN202110687205 A CN 202110687205A CN 113379636 A CN113379636 A CN 113379636A
Authority
CN
China
Prior art keywords
noise
value
images
frames
infrared 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.)
Granted
Application number
CN202110687205.1A
Other languages
English (en)
Other versions
CN113379636B (zh
Inventor
陈霖宇
季正林
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.)
Suzhou Ruixin Microsystem Technology Co ltd
Original Assignee
Suzhou Ruixin Microsystem 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 Suzhou Ruixin Microsystem Technology Co ltd filed Critical Suzhou Ruixin Microsystem Technology Co ltd
Priority to CN202110687205.1A priority Critical patent/CN113379636B/zh
Publication of CN113379636A publication Critical patent/CN113379636A/zh
Application granted granted Critical
Publication of CN113379636B publication Critical patent/CN113379636B/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
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Transforming Light Signals Into Electric Signals (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)

Abstract

本申请公开了一种红外图像非均匀性校正方法、装置、设备及存储介质，该方法包括：采集两帧图像，对两帧图像进行配准，获取偏移量信息；根据偏移量信息，将两帧图像的重叠部分进行相减运算，得到在不同像素间的噪声差值；将噪声差值进行累加处理，提取低频噪声信息；根据噪声差值和低频噪声信息对噪声值进行迭代更新，得到当前迭代运算出的噪声值；将待校正图像的像素数值减去当前迭代运算出的噪声值，得到校正后的图像。这样可以有效消除固定噪声、高频噪声和低频噪声，提高非均匀性校正的效率和准确性，并节省运算资源，无需挡片作为基准。

Description

一种红外图像非均匀性校正方法、装置、设备及存储介质
技术领域
本发明涉及热成像技术领域，特别是涉及一种红外图像非均匀性校正方法、装置、设备及存储介质。
背景技术
红外焦平面阵列是由数十万甚至上百万个像素单元集成的一个探测器芯片，用于实时呈现红外图像。然而，实际热像仪的原始输出图像存在明显的噪声，也称为非均匀性，产生原因包括：器件自身的非均匀性，由于半导体材料的缺陷、不均匀，以及工艺过程中的偏差，导致每个像素的响应各不相同；工作状态引入的非均匀性，如焦平面器件的温度不均匀，读出电路上的驱动信号的变化，半导体表面电流引入的1/f噪声等；光学系统等的影响，如镜头引起的辐射分布不均，镜头镜筒自身的辐射等。
目前，大多数热像仪采用两点标定算法进行非均匀性校正，一般在热像仪出厂前进行一次两点标定。然而在使用过程中，随着复杂环境以及探测器本身的变化，实际的非均匀性和标定的结果会有差异。因此需要在探测器前放置一个快门，以快门作为标准，频繁进行标定来进行非均匀性校正，但这会增加系统的复杂性和成本，对于使用者来说需要额外的操作步骤，并导致场景图像的中断。
另外一种非均匀性校正方法是基于场景的校正算法，而目前这种校正算法只能消除高频噪声，这是因为高频噪声在小尺度范围内变化剧烈，相对于场景有明显的差异，因此其信息更容易被提取出来从而消除。然而热像仪在使用过程中，还有一类噪声也严重影响观测，其主要表现为图像整体的明暗渐变、光晕等，这种噪声称为低频噪声，由于其变化非常缓慢，在小范围内其强度很小，现有的方法通常很难有效地消除低频噪声。
发明内容
有鉴于此，本发明的目的在于提供一种红外图像非均匀性校正方法、装置、设备及存储介质，可以有效消除固定噪声、高频噪声和低频噪声，提高非均匀性校正的效率和准确性，无需挡片作为基准。其具体方案如下：
一种红外图像非均匀性校正方法，包括：
采集两帧图像，对所述两帧图像进行配准，获取偏移量信息；
根据所述偏移量信息，将所述两帧图像的重叠部分进行相减运算，得到在不同像素间的噪声差值；
将所述噪声差值进行累加处理，提取低频噪声信息；
根据所述噪声差值和所述低频噪声信息对噪声值进行迭代更新，得到当前迭代运算出的噪声值；
将待校正图像的像素数值减去所述当前迭代运算出的噪声值，得到校正后的图像。
优选地，在本发明实施例提供的上述红外图像非均匀性校正方法中，所述对所述两帧图像进行配准，包括：
计算所述两帧图像的每列像素灰度平均值和每行像素灰度平均值；
对计算的所述每列像素灰度平均值和所述每行像素平灰度均值进行互相关运算；
找到相关性最大的位置，计算所述两帧图像之间的横向偏移量和纵向偏移量。
优选地，在本发明实施例提供的上述红外图像非均匀性校正方法中，在所述得到在不同像素间的噪声差值之后，还包括：
当所述噪声差值超过抑制鬼影的设定阈值时，将所述噪声差值设为0；
通过边界检测方法得到图像场景信息变化剧烈的区域，将所述区域对应的所述噪声差值设为0。
优选地，在本发明实施例提供的上述红外图像非均匀性校正方法中，采用第一公式沿着设定位移方向将所述噪声差值进行累加处理；所述第一公式为：
D(i,j)＝D(i-dx,j-dy)+E(i,j)
其中，(i,j)为像素点的坐标值，D(i,j)为像素点(i,j)对应的所述低频噪声信息，E(i,j)为像素点(i,j)对应的所述噪声差值，D(i,j)的前dx行和前dy列设为0。
优选地，在本发明实施例提供的上述红外图像非均匀性校正方法中，所述提取低频噪声信息，包括：
对累加处理后所有像素点的数值进行空域均值滤波，提取所有像素点对应的低频噪声信息。
优选地，在本发明实施例提供的上述红外图像非均匀性校正方法中，采用第二公式对噪声值进行迭代更新；所述第二公式为：
bn+1(i,j)＝bn(i,j)-αh×D(i,j)-αl×E(i,j)
其中，bn+1(i,j)为当前迭代运算出的噪声值，bn(i,j)为上一次迭代运算出的噪声值，αh为所述低频噪声信息对应的设定校正系数，αl为所述噪声差值图像对应的设定校正系数。
优选地，在本发明实施例提供的上述红外图像非均匀性校正方法中，还包括：
若所述两帧图像无法配准时，利用运动传感器对设备运动情况进行检测，得到随机位移值，并将所述随机位移值作为所述偏移量信息。
本发明实施例还提供了一种红外图像非均匀性校正装置，包括：
偏移量获取模块，用于采集两帧图像，对所述两帧图像进行配准，获取偏移量信息；
噪声差值计算模块，用于根据所述偏移量信息，将所述两帧图像的重叠部分进行相减运算，得到在不同像素间的噪声差值；
低频噪声提取模块，用于将所述噪声差值进行累加处理，提取低频噪声信息；
噪声值迭代模块，用于根据所述噪声差值和所述低频噪声信息对噪声值进行迭代更新，得到当前迭代运算出的噪声值；
图像校正模块，用于将待校正图像的像素数值减去所述当前迭代运算出的噪声值，得到校正后的图像。
本发明实施例还提供了一种红外图像非均匀性校正设备，包括处理器和存储器，其中，所述处理器执行所述存储器中存储的计算机程序时实现如本发明实施例提供的上述红外图像非均匀性校正方法。
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红外图像非均匀性校正方法。
从上述技术方案可以看出，本发明所提供的一种红外图像非均匀性校正方法，包括：采集两帧图像，对两帧图像进行配准，获取偏移量信息；根据偏移量信息，将两帧图像的重叠部分进行相减运算，得到在不同像素间的噪声差值；将噪声差值进行累加处理，提取低频噪声信息；根据噪声差值和低频噪声信息对噪声值进行迭代更新，得到当前迭代运算出的噪声值；将待校正图像的像素数值减去当前迭代运算出的噪声值，得到校正后的图像。
本发明对两帧图像进行配准，可以消除固定噪声，对噪声差值进行累加处理，可以将高频噪声转换为低频噪声，进而实现高频噪声和低频噪声的共同消除，提高非均匀性校正的效率和准确性，并节省运算资源，这样实时对图像进行校正，无需挡片作为基准，具有很大的优势。此外，本发明还针对红外图像非均匀性校正方法提供了相应的装置、设备及计算机可读存储介质，进一步使得上述方法更具有实用性，该装置、设备及计算机可读存储介质具有相应的优点。
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红外图像非均匀性校正方法的流程图；
图2为本发明实施例提供的红外图像非均匀性校正方法的具体流程图；
图3为本发明实施例提供的沿着设定位移方向将噪声差值进行累加处理的示意图；
图4为现有的红外热成像设备的结构示意图；
图5为本发明实施例提供的红外图像非均匀性校正装置的结构示意图。
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。
本发明提供一种红外图像非均匀性校正方法，如图1所示，包括以下步骤：
S101、采集两帧图像，对两帧图像进行配准，获取偏移量信息。
需要说明的是，配准是计算两帧图像之间的空间变换关系，使同一场景在两帧图像的不同像素上对应起来。这里采集的两帧图像是时间上接近的先后两帧图像。
S102、根据偏移量信息，将两帧图像的重叠部分进行相减运算，得到在不同像素间的噪声差值。
需要说明的是，相邻的两帧图像通常存在大片的重叠区域，根据配准得到的偏移量信息，将两帧图像重叠部分对应相减，可以得到在不同像素间的噪声差值。在不同像素间的噪声差值呈现的图像可称之为噪声差值图像。由于场景是移动的，而图像的固定噪声是固定不动的，因此噪声差值图像消除了场景信息，代表噪声在不同像素间的差值。
S103、将噪声差值进行累加处理，提取低频噪声信息。
可以理解的是，图像中的高频噪声主要表现为图像上小尺度的噪点，突变的纹路以及边缘尖锐的横竖条纹等；图像中的低频噪声主要表现为图像整体的明暗渐变、光晕等。噪声差值图像反映了每个像素点的噪声信息，此噪声乘上一个系数叠加到上一帧的噪声信息上，即可实现对噪声的迭代，从而消除噪声，然而经过该运算后，只能消除高频噪声，无法消除低频噪声，这是由于低频噪声尺度很大，变化微弱。因此本发明通过对噪声差值图像的累加处理，实现对低频噪声的有效消除，采用的主要思想是考虑到噪声差值图像反映了沿着位移方向噪声的变化情况，因此沿设定位移方向对噪声差值图像进行累加，可以将微弱的低频信息提取出来，这样不仅可以消除图像中的高频非均匀性，还可以消除低频非均匀性。
S104、根据噪声差值和低频噪声信息对噪声值进行迭代更新，得到当前迭代运算出的噪声值。
需要说明的是，步骤S103和步骤S104是一个循环的过程。对于第一个循环，当前迭代运算出来的噪声值(即校正图像)的初始值可设为0。在第二个循环中，步骤S101具体可以包括：如图2所示，首先采集前后两帧图像，然后减去当前迭代运算出的噪声值，获取校正后的两帧图像，之后采用行列均值互相关的算法对校正后的两帧图像进行配准；在执行步骤S102和S103后，基于配准的运算结果，利用将图像的低频和高频噪声分离，并分别进行运算，最后再叠加起来消除噪声的想法，使每一帧图像都可以对应计算出噪声差值和低频噪声信息，从而可以实现对噪声值的不断迭代更新。
S105、将待校正图像的像素数值减去当前迭代运算出的噪声值，得到校正后的图像。
在本发明实施例提供的上述红外图像非均匀性校正方法中，对两帧图像进行配准，可以消除固定噪声，对噪声差值进行累加处理，可以将高频噪声转换为低频噪声，进而实现高频噪声和低频噪声的共同消除，提高非均匀性校正的效率和准确性，并节省运算资源，这样实时对图像进行校正，无需挡片作为基准，具有很大的优势。
进一步地，在具体实施时，在本发明实施例提供的上述红外图像非均匀性校正方法中，步骤S101对两帧图像进行配准，包括：首先计算两帧图像的每列像素灰度平均值和每行像素灰度平均值；然后对计算得到的每列像素灰度平均值和每行像素平灰度均值进行互相关运算；最后找到相关性最大的位置，计算两帧图像之间的横向偏移量dx和纵向偏移量dy。
在具体实施时，在本发明实施例提供的上述红外图像非均匀性校正方法中，在执行步骤S102得到在不同像素间的噪声差值之后，还可以包括：为了抑制场景信息消除不干净引起的鬼影现象，设置抑制鬼影的阈值t_E；当噪声差值超过抑制鬼影的设定阈值t_E时，将噪声差值设为0；其次，通常在图像场景信息变化剧烈的区域，如物体边界，强光源等，这些区域的场景通常很难消除干净。因此通过边界检测方法得到图像场景信息变化剧烈的区域，将区域对应的噪声差值设为0，进一步避免鬼影。
在具体实施时，在本发明实施例提供的上述红外图像非均匀性校正方法中，在执行步骤S103时，采用第一公式沿着设定位移方向将噪声差值进行累加处理；该第一公式可以为：
D(i,j)＝D(i-dx,j-dy)+E(i,j) (1)
其中，(i,j)为像素点的坐标值，D(i,j)为像素点(i,j)对应的低频噪声信息，E(i,j)为像素点(i,j)对应的噪声差值，D(i,j)的前dx行和前dy列设为0。
如图3所示，以dx＝1，dy＝2为例，首先将前两行和前一列设为零(阴影区域)，箭头表示红外图像的设定移动方向。然后逐个像素计算非阴影区域的数值，即对于非阴影区域，按照从左上到右下的顺序依次计算D(i,j)。例如(2,3)点的数值为(1,1)点的数值加上噪声差值图像对应像素点的数值，(3,5)点的数值为(2,3)点的数值加上噪声差值图像对应像素点的数值。以此类推，得到整个面阵中所有像素点的数值D。
在具体实施时，在本发明实施例提供的上述红外图像非均匀性校正方法中，D(i,j)仅用于消除低频噪声，因此步骤S103提取低频噪声信息，可以包括：对累加处理后所有像素点的数值D进行空域均值滤波，提取所有像素点对应的低频噪声信息。
在具体实施时，在本发明实施例提供的上述红外图像非均匀性校正方法中，在执行步骤S104时，采用第二公式对噪声值进行迭代更新；该第二公式为：
bn+1(i,j)＝bn(i,j)-αh×D(i,j)-αl×E(i,j) (2)
其中，bn+1(i,j)为当前迭代运算出的噪声值，bn(i,j)为上一次迭代运算出的噪声值(可称之为校正矩阵)，αh为低频噪声信息对应的设定校正系数，αl为噪声差值图像对应的设定校正系数。
在具体实施时，在本发明实施例提供的上述红外图像非均匀性校正方法中，由于配准算法只对横向和纵向的直线位移进行运算，所以实际中有很多种情况是无法配准的，如旋转的场景，场景信息缺乏，场景模糊，场景中有大量物体在移动等，此时配准算法可能无法计算出准确的位移值，因此在执行步骤S101时，还可以包括：若两帧图像无法配准(或配准效果较差)时，利用运动传感器对设备运动情况进行检测，得到随机位移值，并将随机位移值作为偏移量信息。同时，根据配准效果的好坏，自动调节速率和抑制鬼影的阈值，当采用行列互相关算法运算时，相关性的最大值偏小且超过阈值时，可以降低高频非均匀性校正的速率以及抑制鬼影的阈值。这样采用一种配合运动传感器的方案，利用随机位移的方式，通过算法实现对校正速率的调节，可以在无法配准或配准效果较差的情况下也能实现非均匀性校正。
可以理解的是，常见的红外热成像设备如图4所示，其中1为镜头，2为快门结构，3为探测器，4为图像处理电路。场景红外线通过镜头聚焦到3探测器焦平面上，得到图像数据，经过4图像处理电路处理输出非均匀性校正图像。快门结构2作为挡片用于实现校正。而本发明对两帧图像进行配准，利用两帧图像的差异进行运算，根据场景的变化信息就可以实时进行非均匀性校正，因此使用本发明实施例提供的上述红外图像非均匀性校正方法的红外热成像设备可以省去快门结构，整体更为紧凑，进而可以降低系统复杂性，降低成本。
在实际应用中，本发明实施例提供的上述红外图像非均匀性校正方法可以对一些图像异常进行修复。例如在车载场景下，当探测器被太阳灼伤而在图像上留下残影时，采用本发明可以避免太阳灼烧引起的残影，实现太阳灼烧的修复。
基于同一发明构思，本发明实施例还提供了一种红外图像非均匀性校正装置，由于该装置解决问题的原理与前述一种红外图像非均匀性校正方法相似，因此该装置的实施可以参见红外图像非均匀性校正方法的实施，重复之处不再赘述。
在具体实施时，本发明实施例提供的红外图像非均匀性校正装置，如图5所示，具体包括：
偏移量获取模块11，用于采集两帧图像，对两帧图像进行配准，获取偏移量信息；
噪声差值计算模块12，用于根据偏移量信息，将两帧图像的重叠部分进行相减运算，得到在不同像素间的噪声差值；
低频噪声提取模块13，用于将噪声差值进行累加处理，提取低频噪声信息；
噪声值迭代模块14，用于根据噪声差值和低频噪声信息对噪声值进行迭代更新，得到当前迭代运算出的噪声值；
图像校正模块15，用于将待校正图像的像素数值减去当前迭代运算出的噪声值，得到校正后的图像。
在本发明实施例提供的上述红外图像非均匀性校正装置中，可以通过上述五个模块的相互作用，在高频噪声消除的基础上增加了低频噪声消除算法，实现高频噪声和低频噪声的共同消除，提高非均匀性校正的效率和准确性，几乎不会产生鬼影现象，并节省运算资源。
关于上述各个模块更加具体的工作过程可以参考前述实施例公开的相应内容，在此不再进行赘述。
相应地，本发明实施例还公开了一种红外图像非均匀性校正设备，包括处理器和存储器；其中，处理器执行存储器中存储的计算机程序时实现前述实施例公开的红外图像非均匀性校正方法。
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红外图像非均匀性校正方法。
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。对于实施例公开的装置、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红外图像非均匀性校正方法，包括：采集两帧图像，对两帧图像进行配准，获取偏移量信息；根据偏移量信息，将两帧图像的重叠部分进行相减运算，得到在不同像素间的噪声差值；将噪声差值进行累加处理，提取低频噪声信息；根据噪声差值和低频噪声信息对噪声值进行迭代更新，得到当前迭代运算出的噪声值；将待校正图像的像素数值减去当前迭代运算出的噪声值，得到校正后的图像。本发明对两帧图像进行配准，可以消除固定噪声，对噪声差值进行累加处理，可以将高频噪声转换为低频噪声，进而实现高频噪声和低频噪声的共同消除，提高非均匀性校正的效率和准确性，并节省运算资源，这样实时对图像进行校正，无需挡片作为基准，具有很大的优势。此外，本发明还针对红外图像非均匀性校正方法提供了相应的装置、设备及计算机可读存储介质，进一步使得上述方法更具有实用性，该装置、设备及计算机可读存储介质具有相应的优点。
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红外图像非均匀性校正方法、装置、设备及存储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 (10)

1.一种红外图像非均匀性校正方法，其特征在于，包括：
采集两帧图像，对所述两帧图像进行配准，获取偏移量信息；
根据所述偏移量信息，将所述两帧图像的重叠部分进行相减运算，得到在不同像素间的噪声差值；
将所述噪声差值进行累加处理，提取低频噪声信息；
根据所述噪声差值和所述低频噪声信息对噪声值进行迭代更新，得到当前迭代运算出的噪声值；
将待校正图像的像素数值减去所述当前迭代运算出的噪声值，得到校正后的图像。
2.根据权利要求1所述的红外图像非均匀性校正方法，其特征在于，所述对所述两帧图像进行配准，包括：
计算所述两帧图像的每列像素灰度平均值和每行像素灰度平均值；
对计算的所述每列像素灰度平均值和所述每行像素平灰度均值进行互相关运算；
找到相关性最大的位置，计算所述两帧图像之间的横向偏移量和纵向偏移量。
3.根据权利要求2所述的红外图像非均匀性校正方法，其特征在于，在所述得到在不同像素间的噪声差值之后，还包括：
当所述噪声差值超过抑制鬼影的设定阈值时，将所述噪声差值设为0；
通过边界检测方法得到图像场景信息变化剧烈的区域，将所述区域对应的所述噪声差值设为0。
4.根据权利要求3所述的红外图像非均匀性校正方法，其特征在于，采用第一公式沿着设定位移方向将所述噪声差值进行累加处理；所述第一公式为：
D(i,j)＝D(i-dx,j-dy)+E(i,j)
其中，(i,j)为像素点的坐标值，D(i,j)为像素点(i,j)对应的所述低频噪声信息，E(i,j)为像素点(i,j)对应的所述噪声差值，D(i,j)的前dx行和前dy列设为0。
5.根据权利要求4所述的红外图像非均匀性校正方法，其特征在于，所述提取低频噪声信息，包括：
对累加处理后所有像素点的数值进行空域均值滤波，提取所有像素点对应的低频噪声信息。
6.根据权利要求5所述的红外图像非均匀性校正方法，其特征在于，采用第二公式对噪声值进行迭代更新；所述第二公式为：
bn+1(i,j)＝bn(i,j)-αh×D(i,j)-αl×E(i,j)
其中，bn+1(i,j)为当前迭代运算出的噪声值，bn(i,j)为上一次迭代运算出的噪声值，αh为所述低频噪声信息对应的设定校正系数，αl为所述噪声差值图像对应的设定校正系数。
7.根据权利要求1所述的红外图像非均匀性校正方法，其特征在于，还包括：
若所述两帧图像无法配准时，利用运动传感器对设备运动情况进行检测，得到随机位移值，并将所述随机位移值作为所述偏移量信息。
8.一种红外图像非均匀性校正装置，其特征在于，包括：
偏移量获取模块，用于采集两帧图像，对所述两帧图像进行配准，获取偏移量信息；
噪声差值计算模块，用于根据所述偏移量信息，将所述两帧图像的重叠部分进行相减运算，得到在不同像素间的噪声差值；
低频噪声提取模块，用于将所述噪声差值进行累加处理，提取低频噪声信息；
噪声值迭代模块，用于根据所述噪声差值和所述低频噪声信息对噪声值进行迭代更新，得到当前迭代运算出的噪声值；
图像校正模块，用于将待校正图像的像素数值减去所述当前迭代运算出的噪声值，得到校正后的图像。
9.一种红外图像非均匀性校正设备，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存储的计算机程序时实现如权利要求1至7任一项所述的红外图像非均匀性校正方法。
10.一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任一项所述的红外图像非均匀性校正方法。
CN202110687205.1A 2021-06-21 2021-06-21 一种红外图像非均匀性校正方法、装置、设备及存储介质 Active CN113379636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110687205.1A CN113379636B (zh) 2021-06-21 2021-06-21 一种红外图像非均匀性校正方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110687205.1A CN113379636B (zh) 2021-06-21 2021-06-21 一种红外图像非均匀性校正方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113379636A true CN113379636A (zh) 2021-09-10
CN113379636B CN113379636B (zh) 2024-05-03

Family

ID=77578096

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110687205.1A Active CN113379636B (zh) 2021-06-21 2021-06-21 一种红外图像非均匀性校正方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113379636B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116074480A (zh) * 2023-04-03 2023-05-05 银河航天(北京)通信技术有限公司 一种基于双摄像机的图像采集方法、装置以及存储介质
CN116091360A (zh) * 2023-03-17 2023-05-09 国科天成科技股份有限公司 基于曲面拟合的非均匀性噪声消除方法和装置

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US20150312442A1 (en) * 2012-10-22 2015-10-29 Eizo Corporation Image processing device, image processing method, and computer program
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
CN106709890A (zh) * 2017-01-18 2017-05-24 聚龙智瞳科技有限公司 用于低照度视频图像处理的方法及装置
US20190149847A1 (en) * 2017-11-16 2019-05-16 Nxp Usa, Inc. Graphical display content monitor
CN109813442A (zh) * 2019-03-27 2019-05-28 北京理工大学 一种基于多帧处理的内部杂散辐射非均匀性校正方法
US20200137373A1 (en) * 2017-04-28 2020-04-30 Sharp Kabushiki Kaisha Three-dimensional image sensor, optical radar apparatus, and processing apparatus
US20200143517A1 (en) * 2017-12-26 2020-05-07 Xidian University Non-uniformity correction method for infrared image based on guided filtering and high-pass filtering
CN111507915A (zh) * 2020-04-13 2020-08-07 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
WO2020190849A1 (en) * 2019-03-20 2020-09-24 Bae Systems Information And Electronic Systems Integration Inc. Edge rejecting scene based non-uniformity correction for uncooled infrared
CN111709930A (zh) * 2020-06-15 2020-09-25 荆门汇易佳信息科技有限公司 基于模式噪声的图片出处与窜改认定方法
CN112085682A (zh) * 2020-09-11 2020-12-15 成都国科微电子有限公司 图像降噪方法、装置、电子设备及存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US20150312442A1 (en) * 2012-10-22 2015-10-29 Eizo Corporation Image processing device, image processing method, and computer program
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
CN106709890A (zh) * 2017-01-18 2017-05-24 聚龙智瞳科技有限公司 用于低照度视频图像处理的方法及装置
US20200137373A1 (en) * 2017-04-28 2020-04-30 Sharp Kabushiki Kaisha Three-dimensional image sensor, optical radar apparatus, and processing apparatus
US20190149847A1 (en) * 2017-11-16 2019-05-16 Nxp Usa, Inc. Graphical display content monitor
US20200143517A1 (en) * 2017-12-26 2020-05-07 Xidian University Non-uniformity correction method for infrared image based on guided filtering and high-pass filtering
WO2020190849A1 (en) * 2019-03-20 2020-09-24 Bae Systems Information And Electronic Systems Integration Inc. Edge rejecting scene based non-uniformity correction for uncooled infrared
CN109813442A (zh) * 2019-03-27 2019-05-28 北京理工大学 一种基于多帧处理的内部杂散辐射非均匀性校正方法
CN111507915A (zh) * 2020-04-13 2020-08-07 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
CN111709930A (zh) * 2020-06-15 2020-09-25 荆门汇易佳信息科技有限公司 基于模式噪声的图片出处与窜改认定方法
CN112085682A (zh) * 2020-09-11 2020-12-15 成都国科微电子有限公司 图像降噪方法、装置、电子设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116091360A (zh) * 2023-03-17 2023-05-09 国科天成科技股份有限公司 基于曲面拟合的非均匀性噪声消除方法和装置
CN116091360B (zh) * 2023-03-17 2023-06-02 国科天成科技股份有限公司 基于曲面拟合的非均匀性噪声消除方法和装置
CN116074480A (zh) * 2023-04-03 2023-05-05 银河航天(北京)通信技术有限公司 一种基于双摄像机的图像采集方法、装置以及存储介质
CN116074480B (zh) * 2023-04-03 2023-06-16 银河航天(北京)通信技术有限公司 一种基于双摄像机的图像采集方法、装置以及存储介质

Also Published As

Publication number Publication date
CN113379636B (zh) 2024-05-03

Similar Documents

Publication Publication Date Title
KR100315897B1 (ko) 적응적비균일성보상방법및센서
CN110023810B (zh) 光学系统像差的数字校正
JP6887597B2 (ja) 非均一な補正のための赤外線画像の処理方法、及び画像処理デバイス
US20120091340A1 (en) Scene based non-uniformity correction for infrared detector arrays
WO2010101786A1 (en) Systems and methods for processing infrared images
EP1374567A2 (en) Ditherless non-uniformity compensation for infrared detector arrays with recursive spatial low pass filtering
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
US10417745B2 (en) Continuous motion scene based non-uniformity correction
JP2007528184A (ja) 調節されたダークフロアの補正による画像形成システム
Sui et al. Adaptive grayscale adjustment-based stripe noise removal method of single image
CN110428466B (zh) 一种非均匀性校正的方法和设备
Cao et al. Spatially adaptive column fixed-pattern noise correction in infrared imaging system using 1D horizontal differential statistics
CN109559353B (zh) 摄像模组标定方法、装置、电子设备及计算机可读存储介质
US7391925B2 (en) System and method for estimating noise using measurement based parametric fitting non-uniformity correction
Liu et al. Interframe phase-correlated registration scene-based nonuniformity correction technology
CN115294149A (zh) 一种天文图像背景提取方法及系统
CN111932478A (zh) 一种非制冷红外焦平面的自适应非均匀校正方法
CN110542482A (zh) 一种盲元检测方法、装置及电子设备
US11145033B2 (en) Method and device for image correction
CN114283170B (zh) 一种光斑提取方法
CN114820376A (zh) 条带噪声的融合校正方法、装置、电子设备及存储介质
CN103985089A (zh) 结合权重边缘分析与帧内迭代的图像条纹校正方法
Liu et al. A registration based nonuniformity correction algorithm for infrared line scanner
Zhou et al. Local spatial correlation-based stripe non-uniformity correction algorithm for single infrared images
Ratliff et al. Scene-based correction of fixed pattern noise in hyperspectral image data using temporal reordering

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