本发明专利技术公开了一种线性与非线性滤波器相结合的非均匀性校正方法，在对线性校正图像进行空间平滑滤波得到真实场景的估计图像时，如果非均匀性水平较高，使用模板为11x11的均值滤波，否则，使用模板为5x5的非线性平滑滤波，在实现边缘保持滤波的同时，计算校正参数的自适应迭代步长，进行异常像素（坏元、冲激噪声）检测与替换，以滤波输出图像作为对真实场景的估计图像，利用变化参考图像实现变化检测，只有当校正图像与变化参考图像的差异大于变化阈值时才对非均匀性校正系数进行迭代更新。本发明专利技术既具有线性平滑滤波器平滑作用大、收敛速度快的优点，又具有非线性平滑滤波的边缘保持特性，而且计算复杂度较低，适合硬件电路实现。
【技术实现步骤摘要】
本专利技术属于图像探测处理领域，更具体地，涉及。
技术介绍
由于制造过程中的差异,非制冷红外焦平面阵列(Focal Plane Array,简称FPA)探测器中的每个探测元的光谱响应特性存在差异，称其为非均匀性。非均匀性表现为探测 器输出图像中叠加在场景上的固定图案噪声(Fixed Pattern Noise，简称FPN)。该噪声严重影响图像质量，不利于目标检测、识别等应用，需要通过校正进行抑制甚至消除。由于非均匀性随时间以及环境条件的变化而漂移，仅在使用前进行一次基于标准黑体的标定是不够的。但在使用过程中周期性进行基于黑体的标定不但需要中断工作状态，而且需要额外的光学、机械设备。基于场景的方法可利用图像中的场景或目标运动实现非均匀性校正，不需要额外设备，不需要中断工作状态，因而得到广泛研究与应用。在基于场景的非均勻校正方法中，最小均方(Least Mean Square,简称LMS)方法计算复杂度低、获得非均匀参数的速度快、并可持续跟踪非均匀性参数变化。与常统计量(Constant Stati stic s,简称 CS)方法(J. G. Harris and Y. M. Chiang, “Minimizing theGhosting Artifact in Scene-Based Nonuniformity Correction, ” in SPIE Conferenceon Infrared Imaging Systems:Des ign Analysis, Modeling, and Testing IX，vol. 3377，Orlando, Florida, 1998)或基于图像配准的方法(Chao Zuo，“Scene-based nonuniformitycorrection algorithm based on interframe registration”，J. Opt.Soc.Am. A/Vol. 28，No. 6/June2011)相比，LMS非均匀性校正方法在硬件电路实现实时校正中更具优势。LMS非均匀性校正方法最早由Sci'ibnei'提出，其基本思想是用空间平滑滤波器对当前校正图像进行滤波，作为对真实场景的估计。将误差函数定义为当前校正图像与估计图像的平方差，并釆用最陡下降法迭代求解使误差函数最小的非均匀性校正系数(Adaptive Nonuniformity Correction for IR Focal Plane Arrays us ing NeuralNetworks !Proceedings of the SPIE: Infrared Sensors: Detectors, Electronics, and Signal Processing, T. S. Jayadev, ed.，vol. 1541，pp. 100 - 109)。Scribner 方法中先后使用过4邻域均值滤波器以及21x21均值滤波。Vera在2005年提出利用未进行非均匀性校正图像的局部方差自适应地控制LMS算法的迭代步长，从而在边缘区域减小迭代步长，在平坦区域增大迭代步长(Fast Adaptive Nonuniformity Correction for InfraredFocal-Plane Array Detectors,，，URASIP Journal on Appl ied Signal Processing13，1994 - 2004)。Vera采用3x3均值滤波作为空间平滑滤波器。Hardie于2009年进一步改进Vera的方法，加入变化检测门控功能，只有当像素值发生明显变化时才执行非均匀性参数迭代，从而抑制静止目标的退化与鬼影问题(Scene-Based Non-uniformity Correctionwith Reduced Ghosting Using a Gated LMS Algorithm”，OPTICS EXPRESS, Vol. I 7，No. I7，17 August 2009,14918)。Hardie使用的空间平滑滤波器为21x21高斯滤波器。Rossi在2009年提出使用7x7双边滤波器作为空间平滑滤波器(Bilateral fi lter-basedadaptive nonuniformity correction for infrared focal-plane array systems，，，Optical Engineering 49 (5)，057003)。该方法能够克服线性滤波器在边缘区域估计误差较大，易造成鬼影的问题，但无法从根本上抑制“鬼影”的出现。LMS非均匀性校正方法中通常对校正图像进行空间平滑滤波，并将滤波结果作为对真实场景的估计。上述方法大多采用固定模板大小的线性滤波器，如均值滤波器或高斯滤波器。模板尺寸较大的滤波器，非均匀性校正范围较大，收敛速度较快，但估计误差较大。相反地，模板尺寸较小的滤波器估计误差较小，但校正范围较小，收敛速度较慢。线性滤波器在图像边缘处存在边缘模糊，容易出现目标退化及“鬼影”现象。非线性滤波器，如双边滤波器具有边缘保持能力，因此对目标退化及“鬼影”现象具有较强抑制作用。但双边滤波器计算复杂度较高，利用硬件电路实现实时校正比较困难。
技术实现思路
针对现有技术的缺陷，本专利技术的目的在于提供一种新的非均匀性校正方法。该方法具备线性平滑滤波器平滑效果明显、收敛速度快的优点，以及非线性平滑滤波器的边缘保持特性，同时能够克服线性平滑滤波器易造成“鬼影”，非线性平滑滤波器平滑效果差、收敛速度慢的缺点。该方法不需要计算局部方差即可实现校正参数迭代步长的自适应调整，而且具有坏元、冲激噪声检测与替换功能。另外，该方法具有较低的计算复杂度，可用硬件电路实现实时非均匀性校正。为实现上述目的，本专利技术提供了，包括以下步骤步骤101 :逐帧接收红外焦平面输出图像序列，对每一帧当前图像，依据图像中每个像素位置的当前增益、偏移校正参数值进行线性校正，得到校正图像，校正公式如下Yij (n) = g^- (n) Xij (n) +Oij (n) 其中yij(n)为校正图像，Xij (n)为焦平面输出图像，i和j分别表示像素的行、列位置，n表示当前图像在红外焦平面输出图像序列中的序号，giJ(n), Oij(Ii)分别为当前增益、偏移校正系数。如果当前图像为第一帧，且已对红外焦平面阵列进行过基于黑体的标定，则以标定得到的增益、偏移校正值作为gi>)和~>)，否则取gi>)=l，0i>) =O0如果当前图像不是第一帧，则采用前一帧的校正参数更新值作为gij(n)和0ij(n)；步骤102 :判断当前图像非均匀性水平是较高还是较低，如果当前图像非均匀性水平较高，则转入步骤I 03 ;如果当前图像非均匀性水平较低，则转入步骤104 ；步骤103 :对校正图像进行模板为Ilxll的均值滤波，并以滤波后的图像作为真实场景的估计图像，以校正图像与估计图像的差值作为误差图像，并计算误差图像的绝对均值，用当前图像的误差图像绝对均值与前一帧图像的误差图像绝对均值之比衡量误差变化程度，如果该比值接近1，则将当前图像非均匀性水平本文档来自技高网...
【技术保护点】
一种线性与非线性滤波器相结合的非均匀性校正方法，其特征在于，包括以下步骤：步骤1？0？1：逐帧接收红外焦平面输出图像序列，对每一帧当前图像，依据图像中每个像素位置的当前增益、偏移校正参数值进行线性校正，得到校正图像，校正公式如下：yij(n)＝gij(n)xij(n)+oij(n)其中yij(n)为校正图像，xij(n)为焦平面输出图像，i和j分别表示像素的行、列位置，n表示当前图像在红外焦平面输出图像序列中的序号，gij(n)、oij(n)分别为当前增益、偏移校正系数。如果当前图像为第一帧，且已对红外焦平面阵列进行过基于黑体的标定，则以标定得到的增益、偏移校正值作为gij(n)和oij(n)，否则取gij(n)=1，oij(n)＝0。如果当前图像不是第一帧，则采用前一帧的校正参数更新值作为gij(n)和oij(n)；步骤102：判断当前图像非均匀性水平是较高还是较低，如果当前图像非均匀性水平较高，则转入步骤103；如果当前图像非均匀性水平较低，则转入步骤104；步骤1？03：对校正图像进行模板为11x11的均值滤波，并以滤波后的图像作为真实场景的估计图像，以校正图像与估计图像的差值作为误差图像，并计算误差图像的绝对均值，用当前图像的误差图像绝对均值与前一帧图像的误差图像绝对均值之比衡量误差变化程度，如果该比值接近1，则将当前图像非均匀性水平stuck递增1，否则将stuck清零，具体公式如下：eij(n)＝yij(n)？tij(n)ame(n)=1MNΣi=1MΣj=1N|eij(n)|ratio(n)＝mae(n)/mae(n？1)如果1？α≤ratio(n)≤1+α，则？stuck＝stuck+1，否则？stuck＝0其中yij(n)为校正图像，tij(n)为估计图像，eij(n)为误差图像，ame(n)为误差图像绝对均值，ratio(n)为当前误差图像绝对均值与前一帧误差图像绝对均值的比值，α为预先设置的常数，且0＜α＜0.1；步骤104：对校正图像进行模板为5x5的非线性平滑滤波，以滤波输出图像作为对真实场景的估计图像，并将校正图像与估计图像相减，得到误差图像，具体公式为eij(n)＝yij(n)？tij(n)，其中yij(n)为校正图像，tij(n)为估计图像，eij(n)为误差图像。非线性滤波器同时实现异常像素（坏元、冲激噪声）检测与替换并计算校正参数的自适应迭代步长；步骤105：将校正图像与变化参考图像相减后取绝对值，将所得差值图像的每个像素值与变化阈值比较，如果像素值大于变化阈值，则设置迭代步长为预先设定的固定迭代步长或步骤104中得到的自适应迭代步长，同时更新变化参考图像中对应像素位置的值；否则，设置迭代步长为0，同时保持变化参考图像中对应像素位置的值不变。具体公式如下：ηij′(n)=ηij(n),|tij(n)-zij(n)|>T0,elsezij(n+1)=tij(n),|tij(n)-zij(n)|>Tzij(n),else其中ηij(n)为11x11均值滤波器使用的固定迭代步长或5x5非线性平滑滤波的自适应迭代步长，η′ij(n)为实际迭代步长，tij(n)为目标图像，zij(n)为变化参考图像，zij(n+1)为用于下一帧的变化参考图像。T为变化阈值。zij(n)的初始值设置为大于输入图像最大值；步骤106：执行非均匀性校正参数的更新，具体公式如下：gij(n+1)＝gij(n)？η′ij(n)eij(n)·yij(n)oij(n+1)＝oij(n)？η′ij(n)eij(n)其中gij(n+1)为更新后的增益校正参数，oij(n+1)为更新后的偏移校正参数，η′ij(n)为步骤105得到的迭代步长，eij(n)为步骤103或104得到的误差图像，yij(n)为步骤101得到的校正图像；步骤107：重复以上步骤101至106，直到红外焦平面输出图像的所有帧都处理完毕为止。...
【技术特征摘要】
【专利技术属性】
技术研发人员：桑红石，梁巢兵，高伟，张静，王文，李利荣，赵慧，谢连波，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。