本發(fā)明涉及到光學(xué)遙感成像的技術(shù)領(lǐng)域，特別涉及到一種基于場景的圖像自適應(yīng)非均勻校正方法。

背景技術(shù)：

紅外焦平面探測器是現(xiàn)有紅外成像或者探測系統(tǒng)的核心部件，廣泛應(yīng)用于軍事和民用領(lǐng)域，是保證航天航空、國防軍事、國土資源調(diào)查、精準(zhǔn)農(nóng)業(yè)、環(huán)境監(jiān)測、大氣探測、極端災(zāi)害預(yù)報(bào)等領(lǐng)域高速發(fā)展的關(guān)鍵技術(shù)。隨著焦平面探測器工藝水平的提高，紅外焦平面的規(guī)模已擴(kuò)大至上百萬像元。但由于現(xiàn)有制造工藝水平和材料的限制，造成了紅外焦平面陣列輸出幅度并不相同，即紅外焦平面陣列在外界同一均勻輻射場輸入時(shí)各個(gè)像元之間響應(yīng)輸出的不一致性，通常稱這種不一致性噪聲為非均勻性噪聲，在圖像上具體表現(xiàn)為空間噪聲或固定圖案噪聲，嚴(yán)重影響了系統(tǒng)的成像質(zhì)量，降低了圖像清晰度和圖像的識別應(yīng)用，極大程度的限制了紅外焦平面陣列成像系統(tǒng)的應(yīng)用和發(fā)展。

非均勻校正主要就是解決由探測器響應(yīng)造成的非均勻性噪聲問題?，F(xiàn)有技術(shù)中非均勻性校正主要采用定標(biāo)法與場景法兩大類。雖然基于定標(biāo)的非均勻性校正算法復(fù)雜度低、易于工程實(shí)現(xiàn)，但是這類算法容易受到外界環(huán)境的影響，并且像元響應(yīng)參數(shù)會隨著時(shí)間發(fā)生漂移，而定標(biāo)產(chǎn)生的非均勻校正系數(shù)無法適應(yīng)系統(tǒng)參數(shù)的漂移現(xiàn)象，所以目前大多采用基于場景的非均勻性校正方法?；趫鼍暗姆蔷鶆蛐孕Ｕ椒ǖ膮?shù)更新都是來自于對場景的估計(jì)，它能夠很好的跟蹤參數(shù)漂移，適應(yīng)性強(qiáng)。但傳統(tǒng)的場景法主要是基于兩點(diǎn)法對圖像進(jìn)行非均勻校正，通過人工判讀在圖像中尋找亮暗均勻區(qū)域，且該區(qū)域需要覆蓋整個(gè)空間維的像元(或是選擇若干個(gè)小塊均勻區(qū)域覆蓋整個(gè)空間維)，對于地物細(xì)節(jié)較多、均勻區(qū)域小且分散的復(fù)雜場景并不適用。尤其，無法滿足當(dāng)前海量圖像的快速自動(dòng)校正。

因此，要滿足當(dāng)前復(fù)雜場景的海量圖像的快速校正的需求，必須研究出一種快速有效的非均勻性校正方法，并能保證圖像的成像質(zhì)量和清晰度，能夠?yàn)楹罄m(xù)圖像分析和應(yīng)用奠定基礎(chǔ)。

技術(shù)實(shí)現(xiàn)要素：

基于上述問題的存在，本發(fā)明提出一種基于場景的圖像自適應(yīng)非均勻校正方法，能夠自適應(yīng)各種復(fù)雜地物場景的海量圖像的非均勻校正，而且能夠解決圖像每個(gè)譜段均勻特性不一致的情況，提高了圖像的成像質(zhì)量和清晰度，為后續(xù)圖像分析和應(yīng)用奠定基礎(chǔ)。

為此，本發(fā)明采用以下技術(shù)方案：

一種基于場景的圖像自適應(yīng)非均勻校正方法，通過對圖像的DN值按不同像元自動(dòng)排序，分別確定至少一個(gè)相對暗均勻區(qū)域和亮均勻區(qū)域，按照算法計(jì)算得到每個(gè)像元的校正系數(shù)，完成一個(gè)圖像的校正，自動(dòng)進(jìn)入下一個(gè)圖像的校正，直到完成所有圖像的非均勻校正，具體包括以下步驟：

1)對一個(gè)包括像元數(shù)為K的圖像，利用計(jì)算機(jī)對每個(gè)像元獲取的Z個(gè)DN值自動(dòng)排序，并截取一定范圍的中間數(shù)值為有效DN值；

2)在每個(gè)像元有效DN值中取最小的數(shù)值組成為至少一個(gè)相對暗均勻區(qū)域(K×D)_x，最大的數(shù)值組成為至少一個(gè)相對亮均勻區(qū)域(K×L)_y；

3)計(jì)算每一個(gè)暗均勻區(qū)域的統(tǒng)計(jì)平均值為P_1x，區(qū)域內(nèi)每個(gè)像元的平均DN值分別為Q_1x(i),i＝1,2,...，K；計(jì)算每一個(gè)亮均勻區(qū)域的統(tǒng)計(jì)平均值為P_2y，區(qū)域內(nèi)每個(gè)像元的平均DN值分別為Q_2y(i),i＝1,2,...，K；

4)構(gòu)建如下線性方程，得到每個(gè)像元響應(yīng)的增益校正因子a(i),i＝1,2,...，K和偏移量校正因子b(i),i＝1,2,...，K：

5)對該圖像每個(gè)像元處的實(shí)際響應(yīng)值DN(i,j),i＝1,2,...，K；j＝1,2,...，Z進(jìn)行非均勻校正，得到校正后的響應(yīng)值DN(i,j)＝a(i)×DN(i,j)+b(i),i＝1,2,...，K；j＝1,2,...，Z；

6)引入F作為非均勻性校正結(jié)果的評價(jià)參數(shù)，并設(shè)置F＝S為閾值，當(dāng)F≤S，校正完成；當(dāng)F>S時(shí)，則進(jìn)行進(jìn)一步的校正，直至完成該圖像數(shù)據(jù)的校正。

7)完成這一圖像的校正后，自動(dòng)進(jìn)入下一圖像，重復(fù)上述步驟，直到完成所有圖像的非均勻校正。

優(yōu)選的，所述F＝max(f_i)，并設(shè)置F＝0.5％為閾值，當(dāng)F≤0.5％，校正完成；當(dāng)F>0.5％時(shí)，則進(jìn)行進(jìn)一步的校正，直至完成該圖像數(shù)據(jù)的校正。

優(yōu)選的，所述進(jìn)一步的校正的步驟包括以增益校正因子a(i),i＝1,2,...，K和偏移量校正因子b(i),i＝1,2,，..，K為初始值，固定不變，分別沿和兩個(gè)方向最小化目標(biāo)優(yōu)化目標(biāo)函數(shù)f_i，求得所有非均勻校正系數(shù)再按照上述的步驟5)的方法完成該圖像數(shù)據(jù)的校正。

優(yōu)選的，所述組成暗均勻區(qū)域的個(gè)數(shù)x為1-10個(gè)，所述每一個(gè)暗均勻區(qū)域K×D中所取的每個(gè)像元的DN值個(gè)數(shù)D為30-60；所述組成亮均勻區(qū)域的個(gè)數(shù)y為1-10個(gè)，所述每一個(gè)亮均勻區(qū)域K×L中所取的每個(gè)像元的DN值個(gè)數(shù)L為30-60。

優(yōu)選的，所述有效DN值為截取的重新排列后DN值中間數(shù)值的70％-90％。

本發(fā)明采用以上技術(shù)方案，通過對圖像的DN值按不同像元自動(dòng)排序，分別確定至少一個(gè)相對暗均勻區(qū)域和亮均勻區(qū)域，按照算法計(jì)算得到每個(gè)像元的校正系數(shù)，完成圖像的非均勻校正。本發(fā)明所述的方法適合復(fù)雜場景、暗目標(biāo)、紅外等非均勻嚴(yán)重和校正難度大的海量圖像的非均勻校正，大幅簡化了校正的復(fù)雜性和成本，校正方法基于場景，但是突破了場景自身的限制，具有很好的通用性和自適應(yīng)性，無需人工判讀，校正工作全自動(dòng)化，計(jì)算速度快，校正效果好。

附圖說明

圖1為本發(fā)明中非均勻校正方法實(shí)現(xiàn)流程圖。

圖2為實(shí)施例中機(jī)載飛行試驗(yàn)中獲取的短波紅外圖像。

其中，(a1-1)為場景A在波長1000nm處的影像；(a2-1)為場景A在波長1600nm處的影像；(b1-1)為場景B在波長1000nm處的影像；(b2-1)為場景B在波長1600nm處的影像；

圖3為實(shí)施例中經(jīng)本發(fā)明中方法進(jìn)行非均勻校正后的短波紅外圖像。

其中，(a1-2)為校正后場景A在波長1000nm處的影像；(a2-2)為校正后場景A在波長1600nm處的影像；(b1-2)為校正后場景B在波長1000nm處的影像；(b2-2)為校正后場景B在波長1600nm處的影像；

具體實(shí)施方式

為了使本發(fā)明的目的、特征和優(yōu)點(diǎn)更加的清晰，以下結(jié)合附圖及實(shí)施例，對本發(fā)明的具體實(shí)施方式做出更為詳細(xì)的說明，在下面的描述中，闡述了很多具體的細(xì)節(jié)以便于充分的理解本發(fā)明，但是本發(fā)明能夠以很多不同于描述的其他方式來實(shí)施。因此，本發(fā)明不受以下公開的具體實(shí)施的限制。

一種基于場景的圖像自適應(yīng)非均勻校正方法，如圖1所示，通過對圖像的DN值按不同像元自動(dòng)排序，分別確定至少一個(gè)相對暗均勻區(qū)域和亮均勻區(qū)域，按照算法計(jì)算得到每個(gè)像元的校正系數(shù)，完成一個(gè)圖像的校正，自動(dòng)進(jìn)入下一圖像的校正，直到完成所有圖像的非均勻校正。具體包括如下步驟

實(shí)施例一

1)對一個(gè)包括像元數(shù)為K的圖像，利用計(jì)算機(jī)對每個(gè)像元獲取的Z個(gè)DN值自動(dòng)排序，并截取一定范圍的中間數(shù)值為有效DN值；

2)在每個(gè)像元有效DN值中取最小的D個(gè)數(shù)值組成一個(gè)相對暗均勻區(qū)域(K×D)₁，最大的L個(gè)數(shù)值組成一個(gè)相對亮均勻區(qū)域(K×L)₁；

3)計(jì)算暗均勻區(qū)域的統(tǒng)計(jì)平均值為P₁₁，區(qū)域內(nèi)每個(gè)像元的平均DN值分別為Q₁₁(i),i＝1,2,...，K；計(jì)算每一個(gè)亮均勻區(qū)域的統(tǒng)計(jì)平均值為P₂₁，區(qū)域內(nèi)每個(gè)像元的平均DN值分別為Q₂₁(i),i＝1,2,...，K；

4)構(gòu)建如下線性方程，得到每個(gè)像元響應(yīng)的增益校正因子a(i),i＝1,2,...，K和偏移量校正因子b(i),i＝1,2,...，K：

5)對該圖像每個(gè)像元處的實(shí)際響應(yīng)值DN(i,j),i＝1,2,...，K；j＝1,2,...，Z進(jìn)行非均勻校正，得到校正后的響應(yīng)值

6)引入F作為非均勻性校正結(jié)果的評價(jià)參數(shù)，并設(shè)置F＝S為閾值，當(dāng)F≤S，校正完成；當(dāng)F>S時(shí)，則進(jìn)行進(jìn)一步的校正，直至完成該圖像數(shù)據(jù)的校正。

7)完成這一圖像的校正后，自動(dòng)進(jìn)入下一圖像，重復(fù)上述步驟，直到完成所有圖像的非均勻校正。

優(yōu)選的，所述F＝max(f_i)，并設(shè)置F＝0.5％為閾值，當(dāng)F≤0.5％，校正完成；當(dāng)F>0.5％時(shí)，則進(jìn)行進(jìn)一步的校正，直至完成該圖像數(shù)據(jù)的校正。

優(yōu)選的，所述進(jìn)一步的校正的步驟包括以增益校正因子a(i),i＝1,2,...，K和偏移量校正因子b(i),i＝1,2,...，K為初始值，固定和不變，分別沿和兩個(gè)方向最小化目標(biāo)優(yōu)化目標(biāo)函數(shù)f_i，求得所有非均勻校正系數(shù)再按上述的步驟5)的方法完成該圖像數(shù)據(jù)的校正。

優(yōu)選的，所述每一個(gè)暗均勻區(qū)域K×D中所取的每個(gè)像元的DN值個(gè)數(shù)D為30-60；所述每一個(gè)亮均勻區(qū)域K×L中所取的每個(gè)像元的DN值個(gè)數(shù)L為30-60。

優(yōu)選的，所述有效DN值為截取的重新排列后DN值中間數(shù)值的70％-90％。

實(shí)施例二

1)對一個(gè)包括像元數(shù)為K的圖像，利用計(jì)算機(jī)對每個(gè)像元獲取的Z個(gè)DN值自動(dòng)排序，并截取一定范圍的中間數(shù)值為有效DN值；

2)在每個(gè)像元有效DN值中取最小的D個(gè)數(shù)值組成兩個(gè)相對暗均勻區(qū)域(K×D)₁、(K×D)₂最大的L個(gè)數(shù)值組成一個(gè)相對亮均勻區(qū)域(K×L)₁、(K×L)₂；

3)計(jì)算每一個(gè)暗均勻區(qū)域的統(tǒng)計(jì)平均值為P₁₁、P₁₂，區(qū)域內(nèi)每個(gè)像元的平均DN值分別為Q₁₁(i),i＝1,2,...，K、Q₁₂(i),i＝1,2,...，K；計(jì)算每一個(gè)亮均勻區(qū)域的統(tǒng)計(jì)平均值為P₂₁、P₂₂，區(qū)域內(nèi)每個(gè)像元的平均DN值分別為Q₂₁(i),i＝1,2,...，K、Q₂₂(i),i＝1,2,...，K；

4)構(gòu)建如下線性方程，得到每個(gè)像元響應(yīng)的增益校正因子a(i),i＝1,2,...，K和偏移量校正因子b(i),i＝1,2,...，K：

5)對該圖像每個(gè)像元處的實(shí)際響應(yīng)值DN(i,j),i＝1,2,...，K；j＝1,2,...，Z進(jìn)行非均勻校正，得到校正后的響應(yīng)值

6)引入F作為非均勻性校正結(jié)果的評價(jià)參數(shù)，并設(shè)置F＝S為閾值，當(dāng)F≤S，校正完成；當(dāng)F>S時(shí)，則進(jìn)行進(jìn)一步的校正，直至完成該圖像數(shù)據(jù)的校正。

7)完成這一圖像的校正后，自動(dòng)進(jìn)入下一圖像，重復(fù)上述步驟，直到完成所有圖像的非均勻校正。

優(yōu)選的，所述F＝max(f_i)，并設(shè)置F＝0.5％為閾值，當(dāng)F≤0.5％，校正完成；當(dāng)F>0.5％時(shí)，則進(jìn)行進(jìn)一步的校正，直至完成該圖像數(shù)據(jù)的校正。

優(yōu)選的，所述進(jìn)行進(jìn)一步的校正的步驟包括以增益校正因子a(i),i＝1,2,...，K和偏移量校正因子b(i),i＝1,2,...，K為初始值，固定不變，分別沿兩個(gè)方向最小化目標(biāo)優(yōu)化目標(biāo)函數(shù)f_i，求得所有非均勻校正系數(shù)再按照上述的步驟5)的方法完成該圖像數(shù)據(jù)的校正。

優(yōu)選的，所述每一個(gè)暗均勻區(qū)域K×D中所取的每個(gè)像元的DN值個(gè)數(shù)D為30-60；所述每一個(gè)亮均勻區(qū)域K×L中所取的每個(gè)像元的DN值個(gè)數(shù)L為30-60。

優(yōu)選的，所述有效DN值為截取的重新排列后DN值中間數(shù)值的70％-90％。

下面以一機(jī)載飛行實(shí)驗(yàn)中獲取的短波紅外圖像為例，場景A和場景B在波長1000nm和1600nm處得到的影像，如圖2所示，分別按本發(fā)明所述的方法，進(jìn)行非均勻校正。該圖像的像元數(shù)為320，另一空間維由1000條推掃列組成，有效光譜通道181個(gè)，覆蓋900nm到1700nm光譜范圍。

非均勻校正的具體過程如下：

1)對一個(gè)包括像元數(shù)為320的圖像，利用計(jì)算機(jī)算法自動(dòng)對每個(gè)像元獲取的1000個(gè)DN值按照從小到大的順序重新排列，并截取一定范圍的中間數(shù)值為有效DN值；

2)分別取每個(gè)像元有效DN值中最小的40個(gè)數(shù)值組成為暗均勻區(qū)域320×40，最大的40個(gè)數(shù)值組成為亮均勻區(qū)域320×40；

3)計(jì)算暗均勻區(qū)域的統(tǒng)計(jì)平均值為P₁，區(qū)域內(nèi)每個(gè)像元的平均DN值分別為Q₁(i),i＝1,2,...，320；計(jì)算亮均勻區(qū)域的統(tǒng)計(jì)平均值為P₂，區(qū)域內(nèi)每個(gè)像元的平均DN值分別為Q₂(i),i＝1,2,...，320；

4)構(gòu)建如下線性方程，得到每個(gè)像元響應(yīng)的增益校正因子a(i)i,＝1,2，...，320和偏移量校正因子b(i),i＝1,2,...，320：

5)對該圖像每個(gè)像元處的實(shí)際響應(yīng)值DN(i,j),i＝1,2,...，320；j＝1,2,...，1000進(jìn)行非均勻校正，得到校正后的響應(yīng)值

6)引入F作為非均勻性校正結(jié)果的評價(jià)參數(shù)，F(xiàn)＝max(f_i)，并設(shè)置F＝0.5％為閾值，當(dāng)F≤0.5％，校正完成；當(dāng)F>0.5％時(shí)，則進(jìn)行進(jìn)一步的校正，直至完成一個(gè)圖像數(shù)據(jù)的校正。其中，進(jìn)行進(jìn)一步的校正的步驟包括以增益校正因子a(i),i＝1,2,...，320和偏移量校正因子b(i),i＝1,2,...，320為初始值，固定a(160)和b(160)不變，分別沿i＝159,158,...，1和i＝161，162,...，320兩個(gè)方向最小化目標(biāo)優(yōu)化目標(biāo)函數(shù)f_i，求得所有非均勻校正系數(shù)再按照上面所述的步驟5)完成該數(shù)據(jù)的校正。

7)完成這一圖像的校正后，自動(dòng)進(jìn)入下一譜段，重復(fù)上述步驟，直到完成圖像所有譜段的非均勻校正。

經(jīng)過本發(fā)明所述的方法非均勻校正后的短波紅外圖像，如圖3所示，可以看出圖像的非均勻性得到了明顯的改善，條帶噪聲現(xiàn)象也消除了，所以采用本發(fā)明所述的方法對短波紅外圖像校正效果顯著，能夠大大改善圖像的成像質(zhì)量，特別是包含水等弱信號場景時(shí)，校正效果更為顯著。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。