一種基于灰度相關(guān)的時(shí)域高通非均勻性校正方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種基于灰度相關(guān)的時(shí)域高通非均勻性校正方法，尤其設(shè)及一種用于 紅外成像領(lǐng)域的基于灰度相關(guān)的時(shí)域高通非均勻性校正方法，屬于紅外成像技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 紅外成像器件非均勻性引起的固定圖案噪聲是影響其成像質(zhì)量的關(guān)鍵因素， 需要在后續(xù)的圖像處理中引入非均勻性校正（Nonuni化rmityCorrection)方法消 除噪聲。非均勻性校正的方法目前主要有基于福射參考源的定標(biāo)校正（Calibration BasedNon-uniformityCorrection,CBNUC)和基于場景的自適應(yīng)校正（SceneBased Non-uniformityCorrection,SBNUC)。
[0003]CBNUC需要在探測器前加入福射擋板作為校正算法需要的均勻福射參考源，但是 由于算法需要在視場中不斷地插入?yún)⒖荚?，一定程度上影響了成像系統(tǒng)的連續(xù)成像，在一 些應(yīng)用領(lǐng)域受到了很大限制。因此SBNUC技術(shù)近年得到很大重視，該算法不需要參考源，依 靠場景信息就可W完成NUC過程。目前主要的SBNUC算法有恒定統(tǒng)計(jì)法、神經(jīng)網(wǎng)絡(luò)法、時(shí)域 高通濾波法、配準(zhǔn)類校正法。該些算法依賴于場景的多樣性W及帖間的運(yùn)動(dòng)，通過統(tǒng)計(jì)方法 或者配準(zhǔn)技術(shù)逐帖迭代能夠在一定程度上校正非均勻性。另一方面，可W硬件實(shí)時(shí)化的自 適應(yīng)校正算法受到很大關(guān)注。但是該些自適應(yīng)算法容易產(chǎn)生"鬼影"，校正過程中收斂條件 不合理會引起"過校正"。例如基于均值濾波的神經(jīng)網(wǎng)絡(luò)算法，容易在濾波窗口內(nèi)丟失細(xì)節(jié) 生成不當(dāng)?shù)膮⒖荚矗?鬼影"的出現(xiàn)；后續(xù)的基于雙邊濾波的神經(jīng)網(wǎng)絡(luò)算法可W-定程 度保持細(xì)節(jié)生成穩(wěn)定的參考源，但在前后帖場景變化大的情況下，神經(jīng)網(wǎng)絡(luò)的校正參數(shù)難 W正確地更新，引起"鬼影"。

【發(fā)明內(nèi)容】

[0004] 為解決可實(shí)時(shí)化的紅外成像系統(tǒng)非均勻性校正算法出現(xiàn)的"鬼影"和"過校正"問 題，本發(fā)明公開的一種基于灰度相關(guān)的時(shí)域高通非均勻性校正方法，要解決的技術(shù)問題是 減小實(shí)時(shí)化的紅外成像系統(tǒng)非均勻性校正算法出現(xiàn)的"鬼影"和"過校正"出現(xiàn)的概率，提 高紅外成像質(zhì)量。
[0005] 本發(fā)明的目的是通過下述技術(shù)方案實(shí)現(xiàn)的。
[0006] 本發(fā)明公開的一種基于灰度相關(guān)的時(shí)域高通非均勻性校正方法，采用與入射福射 值相關(guān)的一點(diǎn)非均勻性校正模型，將帶有邊緣保護(hù)的空域低通濾波結(jié)果作為校正參考源對 輸入圖像進(jìn)行預(yù)校正，校正參考源作為期望值用于防止"過校正"。結(jié)合時(shí)域高通濾波計(jì)算 每一帖的校正偏置值，所述的校正偏置值實(shí)現(xiàn)方法為，根據(jù)每帖相同位置入射福射的變化 量改變偏置值與灰度的映射關(guān)系完成下一帖校正偏置值，消除校正過程中的"鬼影"，提高 紅外成像質(zhì)量。
[0007] 本發(fā)明公開的一種基于灰度相關(guān)的時(shí)域高通非均勻性校正方法，包括如下步驟： [000引步驟1，對輸入圖像進(jìn)行預(yù)校正。利用灰度的時(shí)域特性，對預(yù)校正偏置矩陣進(jìn)行約 束。即當(dāng)入射福射值變化時(shí)，探測器單元的非均勻性也變化，相應(yīng)的偏置值也變化，該就是 所說的灰度相關(guān)。因此，當(dāng)前帖化+1帖）與上一帖灰度差距大時(shí)，當(dāng)前帖偏置值bw(i，j，t) =0;當(dāng)前帖化+1帖）與上一帖灰度差距小時(shí)，當(dāng)前帖偏置值A(chǔ)/, 1(/，./，/)=4片./，/)，其中，t 表示背景溫度。
[0009] 因?yàn)?，?dāng)前帖化+1帖）與上一帖灰度差距大時(shí)，當(dāng)前帖bw(i，j，t) =0,對當(dāng)前帖 偏置值bw(i，j，t)進(jìn)行重新計(jì)算，消除上一帖對當(dāng)前帖偏置值bw(i，j，t)的影響，減小校 正過程中"鬼影"出現(xiàn)的概率。
[0010] 步驟2,對預(yù)校正后的圖像進(jìn)行空域?yàn)V波，估計(jì)入射福射值。所述的空域?yàn)V波優(yōu)選 自適應(yīng)選擇性空域均值低通濾波器進(jìn)行空域?yàn)V波，自適應(yīng)選擇性空域均值低通濾波器能夠 保護(hù)窗口內(nèi)高梯度信息，在迭代校正的過程中，保留圖像的邊緣信息，減輕"過校正"，同時(shí)， 自適應(yīng)選擇性空域均值低通濾波能夠更精準(zhǔn)地估算輸入信號，進(jìn)一步減小校正過程中"鬼 影"出現(xiàn)的概率。第k帖時(shí)的入射福射的空域估計(jì)值i,,,(/，./，/；)為：
[0011]
0)
[001引其中，sXs是窗口尺寸，yk是探測器響應(yīng)值，5是自適應(yīng)選擇因子，定義如下：
[001引
巧
[0014] 其中，Lp為自適應(yīng)高梯度剔除闊值，T與圖像的非均勻性的形式有關(guān)，T表述形 式如式（3)，其中a和P的數(shù)值與非均勻性的形式有關(guān)，di是空域闊值稀釋系數(shù)，其在0.5 至3間變化，隨著非均勻性現(xiàn)象的嚴(yán)重，di可加大，如果非均勻性形狀為"橫向"條紋，a= 0, 0 = 1 ;如果非均勻性形狀為"縱向"條紋，a= 1，P= 0 ;如果非均勻性形狀為"網(wǎng)格" 性或者"水紋"，a二0. 5，0二0. 5。
[0015]
(3)
[0016] 步驟3,基于時(shí)域高通濾波估計(jì)偏置值。第k帖的偏置估計(jì)值4.(u，〇為：
[0017]
(4)
[001引為了消除隨機(jī)噪聲的影響，在時(shí)域?qū)ζ弥等∑骄?br>[0019]
(5)
[0020] 其中，/;(/，./，〇為溫度t時(shí)，探測元（i，如偏置的估計(jì)值。假設(shè)nk(i，如在時(shí)域上 的數(shù)值分布符合均值為0的隨機(jī)正態(tài)分布，那么當(dāng)K足夠大時(shí)：
[0023] 步驟4,用一點(diǎn)校正模型對原始輸入圖像校正，所述的一點(diǎn)校正模型如公式巧），
[0024]X(i,j,t)=Yw(i,j,t)-bw(i,j,t) (8)
[0025] 其中x(i，j，t)作為輸出圖像，bw(i，j，t)是第k帖計(jì)算出的偏置值，bw(i，j，t) 用于下一帖非均勻性校正，返回步驟1迭代。
[0026] 步驟5,重復(fù)步驟1至4的基于灰度相關(guān)的時(shí)域高通非均勻性校正方法，對每一帖 圖像進(jìn)行校正處理，隨著時(shí)間遞進(jìn)，非均勻性校正后輸出的紅外成像質(zhì)量逐漸提高。
[0027] 有益效果；
[002引本發(fā)明與現(xiàn)有的神經(jīng)網(wǎng)絡(luò)非均勻性校正算法、恒定統(tǒng)計(jì)非均勻性校正算法、時(shí)域 高通濾波算法相比，具有如下優(yōu)勢：
[0029] 1、本發(fā)明使用自適應(yīng)選擇性空域均值低通濾波器進(jìn)行濾波處理，處理后的入射福 射估計(jì)值用于保護(hù)強(qiáng)梯度，保留圖像細(xì)節(jié)，同時(shí)會防止"過校正"，克服了神經(jīng)網(wǎng)絡(luò)算法和時(shí) 域高通濾波算法在處理靜止圖像時(shí)出現(xiàn)的圖像退化現(xiàn)象；
[0030] 2、本發(fā)明使用時(shí)域高通濾波器估計(jì)偏置值，并根據(jù)入射福射值調(diào)整偏置值，等價(jià) 于加入了運(yùn)動(dòng)估計(jì)，可W有效地消除神經(jīng)網(wǎng)絡(luò)校正算法和傳統(tǒng)時(shí)域高通濾波算法出現(xiàn)的 "鬼影"現(xiàn)象。
[0031] 3、本發(fā)明需要的計(jì)算量化及存儲空間較少，方便硬件實(shí)現(xiàn)。
【附圖說明】
[0032] 圖1是本發(fā)明的基于灰度相關(guān)的時(shí)域高通非均勻性校正算法的流程圖；
[0033] 圖2(a)是使用國產(chǎn)384X288的VOX焦平面探測器采集原始圖像第11帖；
[0034] 圖2化）是第11帖預(yù)校正偏置絕對值灰度圖；
[0035]圖2(C)是第11帖入射福射的空域估計(jì)圖像；
[0036] 圖2 (d)是第11帖計(jì)算得到的校正偏置絕對值灰度圖；
[0037] 圖2 (e)是第11帖校正后的輸出圖。
[003引圖3 (al)使用國產(chǎn)384X288的V化焦平面探測器采集原始圖像第1帖圖；
[0039] 圖3 (a2)使用國產(chǎn)384X288的V化焦平面探測器采集原始圖像第11帖圖；
[0040] 圖3 (a3)使用國產(chǎn)384X288的W)x焦平面探測器采集原始圖像第35帖圖；
[0041] 圖3化1)使用恒定統(tǒng)計(jì)算法對原始視頻序列非均勻性校正的結(jié)果第1帖圖；
[0042] 圖3化2)使用恒定統(tǒng)計(jì)算法對原始視頻序列非均勻性校正的結(jié)果第11帖圖；
[0043] 圖3化3)使用恒定統(tǒng)計(jì)算法對原始視頻序列非均勻性校正的結(jié)果第35帖圖；
[0044] 圖3 (cl)使用神經(jīng)網(wǎng)絡(luò)算法對原始視頻序列非均勻性校正的結(jié)果第1帖圖；
[0045] 圖3 (c2)使用神經(jīng)網(wǎng)絡(luò)算法對原始視頻序列非均勻性校正的結(jié)果第11帖圖；
[0046] 圖3 (c3)使用神經(jīng)網(wǎng)絡(luò)算法對原始視頻序列非均勻性校正的結(jié)果第35帖圖；
[0047] 圖3 (dl)使用時(shí)域高通濾波算法對原始視頻序列非均勻性校正第1帖圖；
[0048] 圖3 (d2)使用時(shí)域高通濾波算法對原始視頻序列非均勻性校