国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于場景的圖像自適應(yīng)非均勻校正方法與流程

      文檔序號:12178879閱讀:920來源:國知局
      一種基于場景的圖像自適應(yīng)非均勻校正方法與流程

      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P1x,區(qū)域內(nèi)每個(gè)像元的平均DN值分別為Q1x(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P2y,區(qū)域內(nèi)每個(gè)像元的平均DN值分別為Q2y(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(fi),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)fi,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(fi),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)fi,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(fi),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)fi,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(fi),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)fi,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)。

      當(dāng)前第1頁1 2 3 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
      1