基于场景的红外焦平面非均匀校正技术分析

合集下载

基于配准的红外焦平面阵列条纹非均匀性校正

基于配准的红外焦平面阵列条纹非均匀性校正
c oe trn R- P o ld sai g I F A.I r i ain w s a ay e .A t p o u i r t o r cin ag r h b s d o rg t e s c n t o gn t a n lz d s i o sr e n n nf mi c re t o i m a e n b h n s o - i o y o l t i
基 于 配 准 的 红 外 焦 平 面 阵 列 条 纹 非 均 匀 性 校 正
任 建乐, 陈 钱, 钱惟贤
( 南京理工 大学 近程高速 目标探测技术 国防重 点学科实验室 , 江苏 南京 2 09 ) 104 摘 要 : 纹非均匀性是线扫红外 焦平 面阵列和 非制 冷凝视 型红 外 焦平 面阵列 成像 系统 中一种特 殊 的固定 图案噪 条 声. 分析 了其 产生的原 因, 出 了一种基于亮度恒定假设和配准 的条纹 非均匀性校正算 法. 提 根据 相邻两帧获得 亮度
R N J nL , C E i , Q A i in E i -e H N Q a I N We- a a n X
( iie a K yL brt yo MT N migU iesyo c nea dT cn l y N nig 2 0 9 ,hn ) M ns r l e aoa r f G , a n nvri f i c n eh o g , aj 10 4 C ia t i o J t Se o n Abtat tp ou ir t i avr t ia fe aenni n f rdfcl l ea as(RF A)ada — src:S en n n o y s e pcl xdpt r o ei l ei r e oa pa r y I —P i r f mi yy i t s ni na n r n n

红外焦平面阵列非均匀性校正精度的研究

红外焦平面阵列非均匀性校正精度的研究
中可 以看 出,探 测 器 的平均 响应值 会 随黑 体 温
度 的 增 加 而 增 加 。在 环 境 温 度 稳 定 不 变 的 条 件 下 ,它 们是 一 一 对 应 的单 调 递 增 函数 关 系 。根 据
表 1 不 同温 度 下 的探 测 器 平 均 灰 度 响 应 值
I F A E ( N H Y / L3 , .,Au 0 2 N R R D MO T L )VO .3 No8 c 2 1


 ̄ -
1 J; ,
- 一


整为 2 0℃、 3 0℃、 3 5℃、 4 0℃ 、 5 0℃ 、 6 0
式 中, Ⅳ 为 焦 平 面 阵列 的 非 均 匀 性 ;
为 焦
℃、 7 0℃、 8 0℃、 9 0℃和 i0℃ ,并 依 次 按 照 0
平 面上第 i 、第 列 所对应像 元 的视 频输 出信 行 号值; … 为 焦平 面上所 有有效像 元输 出信 号
薹 嗍
警髑嫡壤酋燎《 糊


舔壤 鹰《 》
‘’ b
图 1 红 外焦 平 面 阵 列 探测 器 的 平 均 响应 曲线
实验 验 证 ,其 他环 境温 度 下 的探 测器 平均 灰 度 响应 值 随 目标温度变 化 的曲线 图与之相 似 。 图 lb 是 黑 体 温 度 为 4 () 0℃时 探 测 器 的 平 均 灰度响应值 随环境温度变化 的曲线图。 图 lb 从 ()
响 ,为 提 高 定 标 校 正 法 的校 正 精 度 提 供 了 依 据 。
关 键词 : 红外 焦平 面阵列;非均匀 性;校 正精 度 中图分类号 : T 9 1 3 文献 标识码: A N 1. 7 DOI 1. 6 /i n 6288. 1. . 4 : 0 99js . 7—75 02 8 0 3 .s 1 2 00

红外图像非均匀性校正

红外图像非均匀性校正

改进的红外图像神经网络非均匀性校正算法摘要:红外焦平面阵列(IRFPA)像元响应存在不一致性,会严重影响红外成像系统成像的质量,实际应用中需要采用响应的非均匀性校正(NUC)技术。

传统的神经网络校正算法在校正结果中存在图像模糊和伪像的问题,影响人们对于目标的观察。

在分析了传统的神经网络性校正算法所出现问题原因的基础上,提出了有效的改进算法:用非线性滤波器代替传统算法中使用的均值滤波器。

算法改进之后所得到的校正图像,不仅在清晰度方面有明显的改善,而且有效的消除了传统算法中存在伪像的问题。

关键词:非均匀性;神经网络;模糊;伪像中图分类号:TN215 文献标识码:AImproved infrared image neural network non-uniformitycorrection algorithmAbstract:The responsive of infrared focal plane arrays (IRFPA) is different; it will affect the quality of imaging system seriously. Non-uniformity correction technology will need in practical application. The calibrated images have the problems of blurring and existing ghost artifacts when use the traditional neural network correction algorithm. And it is bad for the observation of the target. After analysis the reasons for the problems in the traditional neural network correction algorithm,proposed the improved algorithm. Replace the mean filter, which used in the traditional algorithm, by the nonlinear filter. The corrected image by the improved algorithm not only a marked improvement in clarity, but also effectively eliminate the problem of artifacts in traditional algorithms.Keywords:Non-uniformity; Neural network; Blurring; Ghosting artifacts0引言红外技术是20世纪初新出的一种不可见光技术,目前已被广泛应用于军事和民事领域,如红外探测,红外监视等。

一种基于场景的非均匀校正算法

一种基于场景的非均匀校正算法

so s firrdf a paear s(R P p neo f e o l ln ra I F A)i aigss m n IF A sno oe,w i o s e R P na c— y m g yt .A R P esrm dl hc cni r I F A n e h ds
a d tmp r os se au td n e oa n iei v ae .A lc — thn to sas nrd c d t e iea c rt t n etmain l l bo kmac igmeh d i loito u e o ra z cuaemoi si t , l o o
维普资讯
第3 6卷 第 3期 20 0 6年 3月
激 光 与 红 外
L S R & I RAR A E NF ED
Vo . 6, . 13 No 3 Mac 2 0 r h, 0 6
文章编号 :0 1 0 8 2 0 ) 3 140 10 - 7 ( 06 0 - 7 - 5 0 4
N nigU i r t o cec aj nv sy f i e& T cnl y N mi 10 4 C ia n e i S n eh o g 。 a n 2 09 , hn ) o g
Ab ta tA orcin ag rh h sb e e eo e Ormo en n nfr t n o e st r os h e src : c r t loi m a en d v lp d t e v o u i mi a dt c mp n aedi n iei ter— e o t o y o t f n
Z A GJnj,U i - nWA G Si u ,HA GB nkn , I NY nseg H N u - S NLa j , N h— n C N e—ag QA u - n u nu y h

红外成像非均匀性校正技术研究

红外成像非均匀性校正技术研究

红外成像非均匀性校正技术研究红外成像技术在军事、安防、医疗等领域具有广泛应用,但其成像过程中存在的非均匀性问题一直是制约其成像质量的关键因素之一。

红外成像非均匀性主要体现在图像中心亮度较高,边缘亮度较低的现象。

为了提高红外成像的质量,研究人员开展了红外成像非均匀性校正技术的研究。

红外成像非均匀性的产生主要是由于红外探测器在制造过程中存在的制造差异以及工作过程中的温度波动所引起的。

红外探测器的制造差异包括器件材料、探测单元数量等因素。

而温度波动则会导致红外探测器的灵敏度发生变化,进而影响成像的质量。

因此,研究人员通过对红外探测器进行校正,以消除这些非均匀性。

目前,红外成像非均匀性校正技术主要分为两种方法:硬件校正和软件校正。

硬件校正是通过在红外探测器上增加校正电路和校正器件来实现的,可以对每个像素点进行校正,但成本较高。

软件校正则是通过算法处理的方式,将非均匀性信息存储在一个表格中,在成像时进行处理,可以降低成本,但对算法的要求较高。

在软件校正方法中,最常用的是查找表法。

该方法通过在红外成像系统中加入一块低温黑体,通过调整不同像素点的增益和偏置来校正非均匀性。

此外,还有基于统计学方法的校正技术,例如使用平均值、中值、高斯滤波等方法来消除非均匀性。

此外,还有一些新的红外成像非均匀性校正技术正在不断发展中。

例如,基于深度学习的方法可以通过训练神经网络来实现非均匀性校正。

通过大量的样本数据进行训练,网络可以学习到非均匀性的特征,并进行校正。

这种方法具有较高的准确性和实时性,但对训练数据的要求较高。

总之,红外成像非均匀性校正技术在红外成像领域具有重要的意义。

通过对红外探测器进行校正,可以提高红外成像的质量,拓宽其应用范围。

随着技术的不断发展,相信在未来会有更多更先进的非均匀性校正技术出现,进一步推动红外成像技术的发展。

一种新的基于场景的红外图像非均匀性校正算法

一种新的基于场景的红外图像非均匀性校正算法

但其 固有 的非 均匀性 会 严重 影响 其成 像质 量 ,
因此必须进行非均匀性 校正 . 产生非均 匀性 的主 要原 因是 探测 器 中各像 元 的响应 特性 不一 致 。
目前 国 内外所 采用 的校 正技 术总体 可 分为 两大
类 :基 于定 标 的校正 技术 和基 于 场 景 的校正 技
t eg i a i b t e nd tco n t a jc n elt eg i n f e o rcin c n b e ie y h an rt ew e eet ra d i a e tcl h ana d o stc reto a era z d b o sd , l
摘 要 t 据传 统 两点 法 的基本 思想 ,提 出了一种 基于 场景 的红外 焦平 面 阵列 成像 非 根 均匀 性校正 算法。利 用各 探测器 单元 的增 益 比率与相 邻单 元 的增 益 比率 的相 关性,迭 代实现增 益和偏移 量 的校正,从而减 小其 图像 的非均 匀性.
关键词 :红外焦平 面 阵列;非 均匀性校 正;相 关性 中图分 类号 : T 25 文献标 识码 : A N 1

2 算 法 的基本 原 理
假 设两个 相邻像 元 A和 B对 应 于两个 场景
收稿 日期- 050-9 20-82 作者简介一国亚双 ( 8 ——) 10 9 ,女,辽 宁铁岭人,硕士,现从事红外 图像处理方 面的研 究工作.
IFA E M N HY /V L2, o3 NR R D(O T L) O . N .,MA 0 6 7 R20
A bs r c : Ac o d n o t e b sc ie ft et a to a wo p itc re to e h d, e I t a t c r i g t h a i d a o h r diin lt - o n o rc in m t o a n w RFPA n n・ n fr iy c re to l o ih a e n t e s e e i e eo e o u i m t o rc in ag r m b d o h c n s d v lp d. Ta n s ft e c rea in o o t s kig u e o h o r lto f

红外扫描仪中基于场景的非均匀性校正

红外扫描仪中基于场景的非均匀性校正

第37卷,增刊红外与激光工程2008年6月V ol.37SupplementInfrared and Laser EngineeringJun.2008收稿日期:2008-06-20作者简介:陈博洋(),男,黑龙江哈尔滨人,助理研究员,主要从事卫星遥感总体技术,图像处理方面的研究。

y @红外扫描仪中基于场景的非均匀性校正陈博洋1,闻路红2,俞建成3(1.国家卫星气象中心,北京100081;2.聚光科技(杭州)有限公司,浙江杭州310052;3.中国科学院上海技术物理研究所,上海200083)摘要:红外扫描仪中,存在像元响应非均匀性的问题。

分析了基于场景的非均匀性校正算法,和基于神经元网络的红外焦平面非均匀性校正算法,提出了在场景缓变时的校正算法;并结合两者,提出了适合场景缓变时的基于神经元网络的红外焦平面非均匀校正的新算法。

仿真证明,新算法具有优异的性能。

关键词:红外焦平面;非均匀性校正;神经网络算法中图分类号:TN215文献标识码:A文章编号:1007-2276(2008)增(红外)-0611-04Scene-based non-uniformity correction for infrared imaging scannerCHEN Bo-yang 1,WEN Lu-hong 2,YU Jian-cheng 3(1.Nat ional Met eorological Center,B eijing 100081,China;2.Focus ed P hotonics ,Inc.Hangzhou 310052,China;3.Shanghai Institute of Technical Phys ics ,CAS,Shanghai 200083,China)Abstr act:Pixel non-uniform ity is crucial problem in infrared imaging scanner.A novel scene is proposed based algorithm to correct Non-uniformity .An improved algorithm is analyzed based on neural network and an algorithm is proposed to deal with the problem in im a ging scanner while the scene changes slowly .And according to the above,scene-based non-uniformity correction algorithm is proposed here.Sim ulation shows the new algorithm have competitive performance compared to traditional ones.Key wor ds:Infrared focal plane;Non-uniformity correction;Neural network algorithm0引言在红外成像系统中,相比传统的探测器件,红外焦平面器件越来越体现出巨大优势,逐渐成为红外器件发展的主流。

基于场景的红外非均匀性校正算法对比研究

基于场景的红外非均匀性校正算法对比研究
的局限性 ,尚不能彻底解决非均匀性问题。针对 目前常用的几种非均匀性校正算法,包括 时域高通 滤波算法 、神经网络算法、恒定统计量算法等,在天空、地面等不同场景条件下进行 了 仿真测试, 对算法的实施效果进行 了对 比分析。
关键词:红外焦平面阵列;非均匀性校正;时域高通滤波算法;神经 网络算法;恒定统计量算法; 空中场景;地面场景;算法仿真
中图分类 号 :T N2 1 5 文献标 识码 :A 文章 编号 : 1 0 0 1 . 8 8 9 1 ( 2 0 1 3 ) 0 9 — 0 5 6 0 — 0 0 7
Co m pa r i s o n o f Sc e ne - ba s e d I RFP A No nu ni f o r mi t y Co r r e c t i on Al g o r i t hm s
ZHANG Xu e — f e ng , CHEN Ba o . g uo , - ,F AN Ya n g . y u , W ANG We i , ( 1 . C h i n aAi r b o r n eMi s s i l eAc a d e m y , Lu o y a n g4 7 1 0 0 9 , Ch i n a ;
第 3 5卷 第 9期 2 0 1 3年 9月
红 外 技 术
I n f r a r e d T e c 9
S e p. 201 3
基 于场景 的红外非均匀性校正算法对 比研 究
张学峰 ,陈宝 国 , 一 ,樊养余 ,王 巍 ,
2 . S c h o o l o f E l e c t r o n i c s a n d I n f o r m a t i o n , N o r t h w e s t e r n P o l y t e c h n i c a l U n i v e r s i t y , Xi ' a n 7 1 0 0 7 2 , C h i n a )

红外图像非均匀性校正及增强算法研究

红外图像非均匀性校正及增强算法研究

红外图像非均匀性校正及增强算法研究受限于制造工艺的约束,红外焦平面中各探测像元的光电响应率不一致,即存在非均匀性问题,导致图像中出现固定样式噪声,且具有缓慢的时间漂移性。

并且,红外探测器的光电响应动态范围较大,而单幅图像场景的温度范围通常在红外探测器总体动态范围中占比小,导致原始红外图像对比度低、物体边界模糊。

因此,非均匀性校正和图像增强是必不可少的红外图像预处理步骤。

本文将围绕基于场景的非均匀性校正和红外图像增强技术展开研究,论文的主要研究内容如下:1.凝视型红外探测器中,传统的基于神经网络的非均匀性校正方法通常假设固定样式噪声满足独立同分布,但在低成本非制冷探测器中,非均匀性的条纹噪声强,噪声分布特性不满足假设,导致现有方法难以兼顾边缘保护与条纹噪声抑制。

针对该问题,本文提出了基于自适应稀疏表示以及局部全局联合约束学习率的非均匀性校正方法,引入稀疏表示理论,利用干净的红外图像集训练出的过完备字典中的原子可稀疏地表示图像场景信息的特性,在自适应的误差容限内重建图像,从而保护图像边缘、将噪声成分当作冗余去除。

实验结果表明,在均方根误差指标上,本方法相比传统方法降低了1.1652至1.9107不等、降低了约17.92%至26.37%,能够在保护图像边缘的同时有效去除包括条纹噪声在内的固定样式噪声。

2.扫描型红外探测器中,若直接采用凝视型探测器的非均匀性校正方法,则仍需数百帧图像计算校正系数,算法收敛慢。

传统的扫描型探测器校正方法利用扫描成像的特性逐列(假设沿行扫描)更新校正系数,在单帧图像内完成校正。

然而,单帧图像内场景辐射多样性通常有限,导致传统方法易陷入局部最优解。

对于可拍摄连续图像序列、不要求单帧完成校正的实时成像应用,本文提出了基于图像配准的扫描型红外探测器的非均匀性校正方法,利用帧间运动信息来提高校正精度,并结合扫描成像特性加快算法收敛。

实验结果表明,本方法仅需十几对配准图像对便能收敛,收敛速度快;在粗糙度指标上,本方法相比传统方法降低了0.0072至0.0306不等、降低了约8.15%至27.39%,减少了因单帧图像辐射多样性不足导致的校正误差,有效提高了校正精度。

场景统计类红外图像非均匀性校正算法研究

场景统计类红外图像非均匀性校正算法研究
第 X’ 卷第 X 期
f<R[*’ .<[*
4776 年 5 月 红外与激光工程 !"#$%$&’()"*(+),&$(-"./"&&$/".((!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!FE>[ 4776
场景统计类红外图像非均匀性校正算法研究
牛 照 东 !王 卫 华 !姜 卫 东 !陈 曾 平 # 国 防 科 技 大 学 $%& 实 验 室 ! 湖 南 长 沙 ’"(()*+ 摘 要 $场 景 统 计 类 非 均 匀 性 校 正 算 法 对 场 景 分 布 进 行 假 定!获 得 探 测 单 元 接 收 红 外 能 量 的 一 %二 阶 矩 !进 而 估 计 探 测 单 元 的 响 应 参 数 !校 正 非 均 匀 性 " 分 析 比 较 了 现 有 的 场 景 统 计 类 非 均 匀 性 校 正 算 法 ! 并 应 用 交 互 多 模 & ,-- ’ 算 法 校 正 非 均 匀 性 ! 实 验 结 果 表 明 以 连 续 图 像 序 列 作 为 观 测 数 据 时 ! 能 够 有 效 地 校 正 非 均 匀 性 ! 扩 展 了 卡 尔 曼 滤 波 法 的 适 用 范 围 ( 对 各 种 方 法 进 行 仿 真 ! 表 明 ,-- 算 法 具 有 较好的收敛特性) 关 键 词 $非 均 匀 性 校 正 * 中 图 分 类 号 $ %./0 红外焦平面阵列* 交互多模* 卡尔曼滤波
!"# 恒 定 范 围 统 计 法
与 恒 定 统 计 法 不 同 !恒 定 范 围 统 计 法 考 虑 了 电 噪 声 - $! % 对 成 像 系 统 的 影 响 " 探 测 单 元 观 测 信 号 值 可 表述为&

基于场景的红外探测器非均匀性校正方法的分析

基于场景的红外探测器非均匀性校正方法的分析

( M - M + ) o(o )- M2 2  ̄ 4 2 cs t ' 2 +4M +2 2 2 CS M2 M) O 2 2 M2 M 1
、 、


. .
J ’
M2


3 +3 M
的 1f / 噪声集中在低频部分 ; 背景杂波如海平面云 层等在像平面上的移动速度很小或者相对静止 , 也
题 , 实 现场景 提 取 校正 参 数 , 有 自适 应 校正 的 从 具
优点 , 在近年来这一方法成为红外成像技术的研究 热点 , 得到 了快 速 的发 展 。
2 时域 高通 滤 波 法
导 致非 均 匀 性产 生 的 因素 是 红 外探 测 器 的 固 有 响应 。阵列元 的响应特 性 随时 间变化缓 慢 , 内部
是 由时域低 频表 现 出来 ; 目标 相对 于 杂波 背景在 而 像 平面 上具 有较 大 的运动 速度 , 具有 相 当的高频 能 量, 因此 利 用增益 补偿 和 高通 滤波算 法 可 以实 现红 外 焦平 面阵 列 的非 均 匀性 校正 。 时域 高通 滤 波校正 原理 图如 图 1所示 : 设 某像 素 在 第 n帧时探 测 器 的响应输 出 x ( , 像 素 增 n) 经 图 1 时域高通滤波校正原理图 益 补 偿 后 得 到 X ( ) = G x n 。之后 再 通过 无 限 冲击 响应 低 ’n () 通 滤波器 I I 输 出为 fn : R后 ( )
求得截 至频率 为: :

, ,
得到 与 M的关系曲线 , 如图 2 所示。
收到本文时间:0 6年 1 月 1 20 1 5日
作者 简介: 许慧慧 , , 女 硕士研究生 , 研究方 向: 图像识 别技术 。张桂林 , 教授 , 方 向: 研究 自动 目标识 别 , 像跟踪 制 成 导技术和人 体生物统计特征识别 。姜瑾 , , 女 硕士研究生 , 研究方 向 : 图像识别 。

基于场景的红外焦平面非均匀校正算法综述

基于场景的红外焦平面非均匀校正算法综述

基于场景的红外焦平面非均匀校正
算法综述
基于场景的红外焦平面非均匀校正算法是用来校正红外图像中的非均匀性的一种算法,它的主要作用是消除红外图像的热成像失真,以提高图像质量。

红外图像由于热源分布不均匀、传感器敏感度不一致、物体表面反射特性不同等原因,都会出现明显的焦平面非均匀性(FOVU)。

为了减少这种失真,开发人员需要对图像进行校正,以保证图像的质量。

基于场景的红外焦平面非均匀校正算法具有以下优势:首先,它能够根据场景的具体情况,比如场景中的热源分布、传感器的敏感度等,来实现对红外图像的自动校正,这使得校正工作更加简单、快速。

其次,该算法可以有效减少红外图像的非均匀性,消除失真,从而提高图像的质量。

最后,该算法可以对不同类型的红外图像进行校正,包括单色、多色、多光谱和多投影等,从而满足不同应用场景的需求。

基于场景的红外焦平面非均匀校正算法的实现大致可分为以下几个步骤:首先,根据场景的具体情况,采集相应的红外图像;其次,利用图像处理技术对采集的红外图
像进行预处理;第三,计算场景中的热源分布和传感器的敏感度;第四,建立模型,采用数学优化算法对红外图像进行非均匀校正;最后,将校正后的红外图像输出,以满足应用需求。

基于场景的红外焦平面非均匀校正算法是一种用于消除红外图像FOVU的有效方法,可以有效改善图像的质量,满足不同应用场景的需求。

该算法的实现过程简单易行,可以根据场景的具体情况自动进行校正,具有一定的实用价值。

基于场景的自适应红外焦平面非均匀校正技术

基于场景的自适应红外焦平面非均匀校正技术

第7卷第1期空 军 工 程 大 学 学 报(自然科学版)Vol.7No.1 2006年2月JOURNAL OF A I R FORCE ENGI N EER I N G UN I V ERSITY(NAT URAL SC IENCE ED I TI O N)Feb.2006基于场景的自适应红外焦平面非均匀校正技术朱 红1, 徐田华1, 陈 辉2, 赵亦工1(11西安电子科技大学模式识别与智能控制研究所,陕西西安 710071;21西安卫星测控中心,陕西西安 710043)摘 要:为提高基于场景的自适应算法性能,根据图像非线性滤波理论,提出采用中值滤波进行图像前处理的自适应红外焦平面校正技术。

该算法经过仿真图像序列和实际图像测试,达到较高的非均匀校正水平,降低了固定图案噪声,保护了图像细节。

同时算法具有计算复杂度低,可以有效获得随帧数变化的探测器增益和偏置参数。

关键词:红外焦平面;非均匀校正;中值滤波中图分类号:T N215 文献标识码:A 文章编号:1009-3516(2006)01-0046-03红外焦平面阵列在红外跟踪、预警、制导等方面得到了广泛的应用。

但由于制造工艺的限制,探测器阵列的各个单元响应度不一致,产生了叠加在输出图像上的固定图案噪声(Fixed Pattern Noise,FP N),降低了成像系统的性能。

目前,大量的非均匀校正技术见诸于各种文献。

总起来说,可以将这些技术分为两大类,第一类是基于黑体的非均匀校正技术[1],但其光学和机械结构复杂并受检测单元的非线性响应限制;第二类便是基于场景的非均匀校正技术,它直接利用场景信息,避免了黑体校正的缺点,成为目前研究的方向。

Scribner等[2]提出基于场景的高通滤波算法,Harris等[3]提出恒定统计(constant statistics)算法,Sergi o N.Torres等提出了基于卡尔曼(Kal m an)滤波的自适应非均匀校正算法[4],Majeed M.Hayat,Sergi o N. Torres,Ernest A r m str ong等提出红外焦平面非均匀校正的统计算法(statistical algorithm)[5]和B radley M. Ratliff,,Majeed M.Hayat,Russell C.Hardie提出基于场景的代数校正算法(A lgebraic Scene-Based Nonuni2 for m ity Correcti on)[6]。

基于环境温度的红外焦平面阵列非均匀性校正

基于环境温度的红外焦平面阵列非均匀性校正

Ke od : n ae a paear (R P ) nnnf mt cr c o ( U ) ev om na t pr ue l t q a yw rs i r d f l l r y IF A ; oui r i or t n N C ; ni n et m ea r; e u r fr o n c a o y ei r le t s a s e
噪声 , 常大 于时域 噪声. 通
本 文在一 元线性 时不 变 响应模 型 ( )=g f
×
,பைடு நூலகம்
o( g 是像元增益系数, 是像元偏移系数 , f f o
是响应电压信号 , 是红外辐射 ) 的基础上 , 考虑
环 境温度 对探 测器 信号 输 出的影 响 , 出了一 种 基 提 于环境 和 目标 温度 的非 均 匀 性校 正 模 型 , 能在 较 宽
Abt c: ni n n f ec ntes n up t fnr e c l eary(R P sr t E vomet i u neo i a ot f rdf a p n r a r l l a n h gl u oi a ol a a I F A)w s a zd A nn nf - a l e . oui r n a y o
w s c p u e y UL I 1 tr g i r r d d t co .T e n x o e t e p n e mo e s sa l h d a c r i g t h a a tr d b O O sai n a e ee tr h n,a e p n n i r s o s d l 1 n f l a Wa e t bi e c o d n t e s o p i cp e o a ts u e i al n n nfr t a o rc e yt i mo e .E p rme t e ut h w t a te p o o e l rn il fl s q a .F n y, o u i mi W c re t db hs d 1 x e e r l o y s i na rsl so t h rpsda・ l s h

基于场景的红外焦平面非均匀校正技术分析

基于场景的红外焦平面非均匀校正技术分析

文章编号:1001-9014(2004)04-0257-05收稿日期:2003203210,修回日期:2003210212 R eceived d ate :2003203210,revised d ate :2003210212基金项目:国家自然科学基金资助(69982008);国家教委资助优秀年轻教师基金资助项目(2000年度)作者简介:徐田华(19712),男,山东莒南人.西安电子科技大学博士研究生.主要从事信号与图像处理研究.基于场景的红外焦平面非均匀校正技术分析徐田华, 赵亦工(西安电子科技大学模式识别与智能控制研究所,陕西西安 710071)摘要:补偿固定噪声的时间漂移是红外焦平面非均匀校正技术中面临的一个重要问题.本文考察了近期提出卡尔曼滤波算法、校正统计算法与代数算法,分析其解决固定噪声随时间漂移的机理,并对算法性能进行综合评价,最后对得出的结论用仿真数据给予验证.关 键 词:红外焦平面;基于场景的非均匀校正;卡尔曼滤波算法;统计算法;代数算法中图分类号:T N215 文献标识码:AANALYSIS OF SCENE 2BASE D TECHNIQUES FORN ONUNIFORMIT Y CORRECTION OF INFRARE DFOCAL PLANE ARRAYSX U T ian 2Hua , ZH AO Y i 2G ong(Institute of Pattern Recognition and Intelligent C ontrol ,School of E lectronic Engineering ,X idian University ,X i ’an 710071,China )Abstract :C ompensating for temporal drift of fixed 2pattern noise is an important problem in the techniques for nonuniformity correc 2tion of in frared focal plane arrays.K alman 2filtering alg orithm ,statistical alg orithm and algebraic alg orithm were examined here.The mechanism for s olving temporal drift of the fixed 2pattern noise was analyed ,and these alg orithms performance were compre 2hensively evaluated.Our conclusions are verified by the simulation data.K ey w ords :in frared focal plane ;scene 2based nonuniformity correction ;K alman 2fltering alg orithm ;statistical alg o 2rithm ;algebraic alg orithm引言红外焦平面阵列在红外跟踪、预警、制导等方面得到了广泛的应用.但由于制造工艺的限制,使得探测器阵列的各个单元响应度不一致,导致了叠加在图象上的固定噪声(FPN ),严重影响了成像质量,因此必须进行非均匀校正.目前,大量的非均匀校正技术见诸于各种文献.总起来说,可以将这些技术分为二大类,第一类是基于黑体的非均匀校正技术[1],但其光学和机械结构复杂并受检测单元的非线性响应限制.第二类便是基于场景的非均匀校正技术,它直接利用场景信息,避免了黑体校正的缺点,成为目前研究的方向.近年来,相继提出了许多基于场景的非均匀校正技术.如基于场景的时域高通滤波算法[2],基于神经网络的自适应最小均方算法(adaptive LMS alg o 2rithm )[3].最近,Narendra 等人利用恒定统计(constant statistics )假设对增益和偏移引起的非均匀性进行连续补偿[4].但上述算法中,没有有利利用固定噪声参数时漂的统计信息,导致每当漂移发生,就不得不对原先的结果进行重新校正近来,T orees 等人提出了基于卡尔曼(K alman )滤波的自适应非均匀校正算法[5](以下简称K alman 滤波算法),Hayat 等人提出红外焦平面非均匀校正的统计算法(statistical alg o 2rithm )[6](以下简称统计算法)和Ratliff 等人提出基于场景的代数校正算法(Algebraic Scene 2Based Nonuniformity C orrection )(以下简称代数算法)[7].第23卷第4期2004年8月红外与毫米波学报J.In frared Millim.WavesV ol.23,N o.4August ,2004上述文章中K alman 滤波算法和统计算法充分利用了固定噪声参数的时漂信息,而代数算法具有较快的收敛速度和较小的运算量,可以根据固定噪声参数变化的速度及时进行校正矩阵调整,完成对时漂参数的跟踪.为此,本文就这三种算法进行分析和总结,说明其各自的适用情况,并利用仿真数据来对得出的结论给予验证.1 非均匀校正算法原理简介1.1 基于卡尔曼(K alm an)滤波的非均匀校正算法原理简述此算法将随时间漂移的固定噪声参数用高斯—马尔可夫(G auss 2Markov )过程来建模,同时将其作为系统的状态方程,而将焦平面阵列探测单元的响应作为系统的观测方程,最后利用K alman 滤波算法来实时跟踪增益和偏移参数,从而解决固定噪声参数时漂问题.下面仅对算法中跟踪时漂参数的机理给予简述.算法利用探测单元线性响应模型:Y k (n )=A k T k (n )+B k +V k (n ).(1)上式中k 代表第k 个图象组(为方便起见,下文中将图象组简称为BLOCK ),在每一个BLOCK 中,由于固定噪声的缓变特性,可以将乘性增益A k 和加性偏移B k 认为不变,这里n 为第k 个BLOCK 中的第n 帧图象,Y 表示探测器输出,T 为探测器接收的辐射量,V 为时域随机噪声.从时间序列分析的角度,将随时间缓慢变化的增益和偏移参数用G auss 2Markov 过程建模,并作为系统的状态方程,其相应的自回归模型如下:X k +1=Φk X k +W k ,(2)这里X k =[A k ,B k ]T 代表第k 个BLOCK 的增益和偏移参数.Φk =a kβk.(3)称作状态转移矩阵,参数0≤a k <1,0≤βk <1,其数值大小根据第k 到第k +1个BLOCK 的增益和偏移参数漂移幅度来确定.W k 为增益和偏移参数的驱动噪声.最后利用K alman 滤波算法求得状态变量X ∧k 的迭代值,由此便完成了对时漂参数A k ,B k 的跟踪.反过来利用求得的时漂参数A k ,B k 完成图象的校正.由于此算法较充分利用了时变参数的信息,所以算法的收敛速度快,非均匀校正的性能比较好,但由于涉及到矩阵乘法和求逆等计算,算法的运算量比较大.1.2 非均匀校正统计算法(statistical algorithm for nonuniformity correction)原理简述统计算法通过迭代更新完成固定噪声参数的提取和污染图象的非均匀校正.算法中将待处理的图象序列分为若干BLOCK,每次迭代分为两部分:第一部分利用前一组BLOCK 的校正数据完成固定噪声参数提取;第二部分结合前一组BLOCK 提取的固定噪声参数,利用最小均方算法完成当前BLOCK 图象数据的非均匀校正.经过若干次循环迭代,便可完成整个图象序列的非均匀校正.下面简述算法对时变参数的更新原理.算法利用探测单元线性响应模型,详细可参看1.1中的式(1),注(1)中探测器接收的辐射量用T 表示,这里的辐射量用X 表示.经推导可得如下的关系式y ∧(k )≈A kμX (k )+B k ,(4)σ∧(k )≈A 2k σ2X (k )+σ2N ,k .(5)式中下标k 个BLOCK,y ∧(k )和σ∧2γ(k )为利用第k 个BLOCK 中的响应数据Y (n )求得的样本均值和样本方差,依据探测单元接收到的辐射量在时域上服从均匀分布的假设,可以求解μX (k ),σX (k )和噪声方差σ2N ,k ,具体的求解方法可参见文献[6],由此联立式(4)和式(5)可以解出参数A k 和B k ,将其作为第k +1个BLOCK 的固定噪声参数,即利用第k 个BLOCK 数据递推第k +1个BLOCK 的固定噪声参数,从而完成时变参数的更新.此算法的校正结果较为理想,虽然其收敛速度要稍慢于K alman 滤波算法,但由于算法中采用了单权值滤波系数,避免了矩阵的运算,使得算法复杂度明显降低.1.3 基于场景的非均匀代数校正算法原理此算法对2组图象进行位移估计,第一组图象的帧间仅存在水平位移,另一组仅存在垂直位移,利用得到的亚象素位移量产生固定噪声补偿矩阵,从而实现了图象的非均匀校正.在算法中,探测单元线性响应模型仅考虑偏移参数的变化(在以下情况下,即增益参数相对于偏移参数影响较小,且变化缓慢.或者由其他的算法首先对增益参数进行补偿,这样探测单元响应模型中仅852红外与毫米波学报23卷考虑增益是合理的),即y n(i,j)=z n(i,j)+b(i,j).(6)这里y n(i,j)表示检测器输出,(i,j)表示象素位置,下标n表示第n组图象,在每组图象中,偏移参数b (i,j)保持不变,z n(i,j)表示探测器接收到的辐射量.在垂直位移的图象组中,通过梯度位移估计算法[8]计算出垂直位移量,经过一系列的矩阵运算得到垂直补偿矩阵V,同理根据水平位移图象组和相应的水平位移量估计,得到水平补偿矩阵H,最后得出校正矩阵C=V+H=0b(1,1)-b(1,2)b(1,1)-b(1,3)…b(1,1)-b(1,N)b(1,1)-b(2,1)b(1,1)-b(2,2)b(1,1)-b(2,3)…b(1,1)-b(2,N)………ω…b(1,1)-b(M,1)b(1,1)-b(M,2)b(1,1)-b(M,3)…b(1,1)-b(M,N) .(7) 很显然,将此校正矩阵C与固定噪声噪声图象相加,使得叠加在图象上的偏移相等,其值为b(1, 1),从而完成非均匀校正.该算法计算简单,收敛速度快,可以根据固定噪声参数漂移的速度及时进行校正矩阵调整,从而实现对固定噪声参数的跟踪.由于算法不依赖于统计假设,因此可以取得较高的校正精度.但算法未考虑探测单元模型中乘性增益的影响,限制其校正效果和使用范围.并且算法易受叠加在图象上的噪声影响,这源于基于梯度位移估计算法对噪声较敏感,但在噪声水平低的情况下算法表现出较好的性能.2 算法仿真结果的分析2.1 仿真数据的产生本文中,利用已有的8~12μm红外序列图象,通过加入模拟的时漂固定噪声参数,形成统计算法和K alman算法的仿真数据.这里的图象尺寸为64×64,所用的图象序列共1000帧,分成10组,每组100帧.在仿真过程中,乘性增益A k均值为1,标准偏差为0.15的平稳随机过程,其相应的G auss2Markov模型为A k+1=αk A k+W(1)k.(9)为此选取a k=0.95(αk的大小表示增益参数A k的变化快慢程度),驱动噪声W(1)k为均值为0.05,方差(1-0.952)×0.152的高斯白噪声序列.同理,加性偏置B k均值为0,标准偏差依据图象的固定噪声污染程度分成5种,其相应的数值分别为5,10,15,20,25.其G auss2Markov模型为B k+1=βk B k+W(2)k.(10)这里,βk表示偏移参数B k的变化快慢程度.W(2)k 为偏移方程的驱动噪声,其数值可由相应的偏移方差求得.在基于代数的非均匀校正算法中,由于它仅仅考虑加性偏置噪声的影响,忽略乘性增益噪声,而基于统计和K alman算法却同时考虑加性偏置和乘性增益,这里为了实现3种算法的可比性,在基于代数的算法中,通过调整加性偏置噪声方差大小,使得上述3种算法输入的噪声图象粗糙度近似相等.具体数据如下:对应于加性噪声标准差分别为5、10、15、20、25,代数方法加入的偏置噪声方差分别为17、19、22、25、30,其噪声输入图象粗糙度与统计算法和K alman算法相应噪声输入图象粗糙度近似,对应每一种噪声标准差产生6个图象帧对作为代数算法的输入噪声图象.文中同时给出漂移参数αk=0.1,βk=0.1的仿真数据,为考察固定噪声漂移速度对K alman算法性能的影响.2.2 仿真结果的评价指标为了定量度量校正效果,这里采用参数ρ来定义图象的粗糙度(roughness),其表达式如下:ρ(f)=‖h13f‖1+‖h23f‖1‖f‖1.(11)式(11)中f表示数字图象,h1=[1,-1],为水平模板(horizontal mask),h2=h T1为垂直模板(vertical mask),3代表离散卷积,‖‖1代表L1范数.此指标可以在真实图象未知的情况下,通过计算固定噪声噪声污染图象和校正后图象的粗糙度来评价算法的性能.另外,在真实图象已知的情况下,应用均方根误差(root2meat2square error,RMSE)指标来度量算法的执行效果,RMSE的定义如下RMSE=1pm∑pi=1∑mj=1(T∧ij-T ij)2.(12)式中,ij表示象素的位置,T ij和T∧ij表示真实信号与其估计,p,m分别表示图象水平和垂直方向上的象素数量.2.3 算法的仿真结果1)参数时漂信息对算法性能的影响为比较参数时漂信息对算法性能的影响,图1给出不考虑参数时漂的时域高通滤波算法[2]处理结果,见图1(c).图(c)已做过对比度校正.同时给出9524期徐田华等:基于场景的红外焦平面非均匀校正技术分析图1 非均匀校正算法处理结果(a)原始图象(b)固定噪声噪声污染图象(c)高通滤波算法处理结果(d)kalman算法处理结果(e)统计算法处理结果(f)代数算法处理结果Fig.1 Results after the nonuniformity correction alg orithms(a)original image(b)corrupted image with FPN(c)result after the high2pass alg orithm(d)result after the kalman alg orithm(e)result after the statistical alg orithm(f)result after the algebraic alg o2 rithm利用参数时漂信息的K alman算法和统计算法的处理结果,可分别见(d)(e).这里的原始图象和固定噪声噪声污染图象取自图象序列中的第3个BLOCK 中的第221帧.另外表1给出对各种算法的RMSE评价指标,从中可以明显的看出,利用参数时漂信息的K alman 算法和统计算法获得的处理结果要优于不考虑参数时漂的高通滤波算法处理结果,这也可以从图1的图象处理结果获得直观的结论.为考察固定噪声参数漂移速度为K alman算法性能的影响,分别对时漂参数αk=0.95,βk=0.95和αk =0.1,βk=0.1的两组数据进行试验,仿真结果表明前者的处理效果优于后者,但在序列图象场景间存在较充分的相当位移时,二者相差不大.2)不同噪声水平对算法性能的影响为了比较不同噪声水平对算法性能的影响,下面给出乘性增益标准偏差为0.15,加性偏移标准偏差分别为5,10,15,20,25时,算法的性能对比示意图,见图2.图中curve A代表统计算法,curve B代表K alman滤波算法,curve C代表代数算法,横轴所对应的为加性偏移标准偏差.图2(左)可以明显的看出,经K alman滤波算法处理后的图象粗糙度要小于统计算法,这主要是由于K alman滤波算法更充分的利用了增益和偏移参数的信息,但其前提是要对参数信息进行准确测量. 表1 校正算法对应的R MSE指标 T able1R MSE corresponding to the different nonuniformity correction algorithms算法类型高通滤波算法代数算法统计算法K alman算法RMSE 2.08680.61570.28750.2559图2 3种算法在不同噪声水平下对应的粗糙度和RMSE 曲线Fig.2 The curves of roughness and RMSE corresponding to the three alg orithms with different level noise 代数算法在噪声较低的情况下,处理效果与上述两种算法相当,这源于其中的梯度位移估计算法对噪声的影响比较敏感.从图2(右)可以看出当用RMSE指标来对上述3种算法进行比较时,K alman滤波算法与统计算法的处理效果还是具有图2(左)相同的趋势.但代数方法却表现出较差的性能,这由于代数算法校正后的结果是使叠加在图象上的固定噪声在各个象素位置的值相等,即等效地将图象加入一个统一的偏置量,而不象K alman算法与统计算法是将固定噪声完全消除.3)算法的复杂度对比从算法的运算量上来分析,由于K alman滤波算法中涉及到矩阵乘和求逆等运算,从而使得算法的复杂性增大,仿真过程中表现出运算耗时明显.与此相反,在统计算法中,由于采用单权值的有限冲击响应(FIR)滤波器,使得运算过程中仅仅涉及标量运算,从而加快了运算的实时性.而代数算法中涉及到的矩阵运算仅仅为加和减,加之算法收敛所需的图象帧数小于上述两种算法,所以它具有更快的收敛速度.062红外与毫米波学报23卷4)结论由以上仿真结果可知,利用参数时漂信息的非均匀校正算法性能要优于不考虑参数时漂的算法.另外综合校正性能指标和算法运算量这两方面的因素,可知在噪声水平较低的情况下,比较适合应用代数算法和统计算法,随着噪声水平的增加,统计方法在性能和运算量上都表现出较好的特性,而K alman 滤波算法需要设法降低其算法的复杂度才能得到更好的应用.但从总体来看,基于场景的非均匀校正算法都面临计算量大,实时执行困难等问题,这是算法能否真正走向实用的关键.同时,上述3种算法都是以探测单元线性响应模型为基础,线性模型与实际模型的误差是一个值得研究的问题,但从国外学者对实际红外噪声图象的处理结果来看,其效果达到预期目的,这说明探测单元的线性模型是有效的.此外场中运动目标的大小、目标移动速度等影响非均匀校正效果的因素,都是今后算法研究工作中努力的方向.3 结语在本文中,对基于场景的3种算法———非均匀校正的K alman滤波算法,统计算法,代数算法进行数据仿真和分析比较,并从图象的粗糙度、均方根误差RMSE和算法的运算复杂性等角度对算法的性能进行分析,最后给出了相应的结论.REFERENCES[1]Milton A F,Barone F R,K ruer M R.In fluence of nonuniformi2ty on in frared focal plane array performance[J].Opt.Eng., 1985,24:855—862.[2]Scribner D A,Sarkay KA,Cald field J T,et al.N onuniformitycorrection for staring focal plane arrays using scene2based tech2 niques[J].S PIE,1990,1308:224—233.[3]Scribner D A,Sarkay K A,K ruer M K,et al.Adaptivenonuniformity correction for IR focal plane arrays using neural netw orks[J].S PIE,1991,1541:100—109.[4]Harris J G,Chiang Y M.N onuniformity correction using con2stant average statistics constraint:analogue and digital implemen2 tations[J].S PIE,1997,3061:895—905.[5]T orres S N,Hayat M M.K alman Filtering for Adaptive nonuni2formity correction in in frared focal plane arrays[J].S PIE, 2000,4030:196—205.[6]Hayat M M,T orres N,Armstrong E E,et al.S tatistical al2g orithm for nonuniformity correction in focal2plane arrays[J].Applied Optics,1999,38:772—780.[7]Ratliff B M,Hayat M M,Hardie R C.Algebraic scene2basednonuniformity correction in focal plane arrays[J].S PIE,2001, 4372:114—124.[8]Hardie R C,Barnard KJ,Bognar J G,et al.High2res olutionimage reconstruction from a sequence of rotated and translated frames and its application to an in frared imaging system[J].Opt.Eng.,1998,37:247—260.1624期徐田华等:基于场景的红外焦平面非均匀校正技术分析。

基于场景运动分析的红外焦平面阵列的非均匀性校正研究的开题报告

基于场景运动分析的红外焦平面阵列的非均匀性校正研究的开题报告

基于场景运动分析的红外焦平面阵列的非均匀性校正研究的开题报告一、选题背景红外焦平面阵列(IRFPA)作为红外探测器的核心部件,在军事、民用、医疗等领域中发挥着重要作用。

IRFPA的非均匀性是其采集的图像中最主要的噪声源之一,因此对IRFPA进行非均匀性校正具有重要意义。

目前,IRFPA的非均匀性校正已取得了一定的进展,但随着红外成像技术的广泛应用,红外图像的多场景、多时间、多尺度等因素的影响,使得原有的非均匀性校正策略面临着新的挑战,如何准确地补偿不同场景下的非均匀性,成为了该领域研究的热点问题之一。

二、选题意义红外图像广泛应用于卫星遥感、安防监控、医学影像等领域,图像的质量直接影响到结果的可靠性和准确性。

IRFPA中的非均匀性影响着红外图像的灰度值、噪声、对比度等方面,因此进行准确的非均匀性校正,可以提高红外图像质量,为后续的图像处理和分析提供更加可靠的数据基础。

本文将以基于场景运动分析的非均匀性校正为研究方向,提出一种基于统计的校正方法,通过对不同场景下的IRFPA数据进行运动分析和统计分析,得到不同场景下的非均匀性特点和变化规律,并依据这些特点和规律进行非均匀性校正,以改善不同场景条件下的红外图像质量,提高红外成像技术的性能和应用价值。

三、研究内容及方法1. 红外焦平面阵列的构成与特点,介绍IRFPA的工作原理及其非均匀性的形成机制。

2. 基于场景的非均匀性校正研究,将针对不同场景下的非均匀性特点开展统计分析和研究。

首先通过场景运动分析方法,确定不同场景下IRFPA的运动情况和变化趋势;然后利用样本集的方法,对不同场景下的非均匀性特点进行统计分析和建模,以得到不同场景下的非均匀性参数。

3. 构建非均匀性校正模型,基于场景分析和统计建模结果,建立非均匀性校正模型,通过对IRFPA数据进行非均匀性校正,以改善不同场景条件下的红外图像质量。

4. 系统实现与性能评估,使用实际IRFPA数据进行实验验证,通过与传统校正方法的比较,评估所提出方法的可行性和优越性。

基于校正率的红外焦平面阵列非均匀性校正评估新方法

基于校正率的红外焦平面阵列非均匀性校正评估新方法
第 26 卷第 1 期 2007 年 2 月 文章编号 : 1001 - 9014 ( 2007 ) 01 - 0056 - 05
红外与毫米波学报
J. Infrared M illim. W aves
Vol . 26, No. 1 February, 2007
基于校正率的红外焦平面阵列非均匀性校正评估新方法
RM S E =
2 新的评估方法及实验验证
2. 1 时域噪声特性
红外热成像系统输出的时域噪声符合高斯分 布 , IRFPA 非均匀性校正的目标是将空间固有噪声 减低到时域瞬态噪声的水平
[5]
1
NM
N
M
.
∑∑
i =1 j =1
^ - I ) (I ij ij
2
,
(3) (4)
^ 分别是 I
本文实验使用非制冷焦平面红外热成像装置 :
像时域噪声见表 1. 从表 1 中时域噪声随目标黑体 温度变化可以发现 , 时域噪声基本不随目标温度变 化而变化 .
表 1 时域噪声随黑体温度变化 Table 1 The tem pora l no ise var ies w ith the blackbody tem 2 pera tures
目标黑体温度 ( ℃) 原始图像输出时域噪声 ( bit) 两点法校正后噪声温度 ( ℃) 二次曲线法校正后噪声温度 ( ℃)
40 50 60 70 80 90 100 110 120 130 7. 05 5. 91 5. 91 5. 95 6. 29 6. 81 6. 09 6. 33 6. 62 6. 95 0. 35 0. 29 0. 29 0. 30 0. 31 0. 34 0. 30 0. 31 0. 33 0. 34 0. 42 0. 35 0. 34 0. 32 0. 33 0. 34 0. 29 0. 28 0. 28 0. 28

基于场景的红外焦平面阵列非均匀性校正的开题报告

基于场景的红外焦平面阵列非均匀性校正的开题报告

基于场景的红外焦平面阵列非均匀性校正的开题报告一、选题背景及研究意义红外焦平面阵列(Infrared Focal Plane Array, IRFPA)已经广泛应用于现代成像技术中,包括红外热像仪、夜视仪等。

然而,对于大规模的IRFPA,由于其制造过程中难以保证每个像元的热电特性一致,因而会出现非均匀性。

非均匀性包含影响图像质量的导热和灰度不均匀性,影响图像细节的像元响应差异和时域噪声等。

为了解决IRFPA的影响图像质量的非均匀性问题,已经产生了多种非均匀性校正方法。

然而,这些方法在实际应用中出现了以下问题:(1)误差建模困难:由于归功于制造批次和时间的影响,对该非均匀性的统计建模可能是不正确的。

因此,误差建模成为一个非常困难的问题。

(2)复杂度高:现有的基于场景的非均匀性校正(Scene-Based Nonuniformity Correction, SBNUC)算法需要大量的计算资源,通常需要在计算机上实时执行。

具有较高的计算复杂度限制了其在实际应用中的广泛使用。

因此,开展对基于场景的IRFPA非均匀性校正算法的研究和优化,尤其是在误差建模和复杂度方面的创新,具有重要的现实意义和学术价值。

二、研究内容本课题主要研究基于场景的IRFPA非均匀性校正算法,主要包括以下内容:1. 误差建模:提出一种准确、高效的误差建模方法,以应对由制造批次和时间等原因引起的非均匀性误差。

2. 算法优化:结合计算机图形学的技术,提出一种高效的基于图像分割的IRFPA非均匀性校正算法。

通过图像分割将整幅图像分为多个区域,然后在每个区域中应用基于场景的非均匀性校正算法。

3. 算法评估:选取多组真实数据及模拟数据进行算法的性能和效率评价。

三、研究方法本课题将使用以下研究方法:1. 利用MATLAB等数学建模工具对不同的误差模型进行建模,并将其与IRFPA输出数据进行对比,验证模型的准确性和可靠性。

2. 结合计算机图形学的分割技术,优化现有的基于场景的非均匀性校正算法,提高算法效率。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

文章编号:1001-9014(2004)04-0257-05收稿日期:2003203210,修回日期:2003210212 R eceived d ate :2003203210,revised d ate :2003210212基金项目:国家自然科学基金资助(69982008);国家教委资助优秀年轻教师基金资助项目(2000年度)作者简介:徐田华(19712),男,山东莒南人.西安电子科技大学博士研究生.主要从事信号与图像处理研究.基于场景的红外焦平面非均匀校正技术分析徐田华, 赵亦工(西安电子科技大学模式识别与智能控制研究所,陕西西安 710071)摘要:补偿固定噪声的时间漂移是红外焦平面非均匀校正技术中面临的一个重要问题.本文考察了近期提出卡尔曼滤波算法、校正统计算法与代数算法,分析其解决固定噪声随时间漂移的机理,并对算法性能进行综合评价,最后对得出的结论用仿真数据给予验证.关 键 词:红外焦平面;基于场景的非均匀校正;卡尔曼滤波算法;统计算法;代数算法中图分类号:T N215 文献标识码:AANALYSIS OF SCENE 2BASE D TECHNIQUES FORN ONUNIFORMIT Y CORRECTION OF INFRARE DFOCAL PLANE ARRAYSX U T ian 2Hua , ZH AO Y i 2G ong(Institute of Pattern Recognition and Intelligent C ontrol ,School of E lectronic Engineering ,X idian University ,X i ’an 710071,China )Abstract :C ompensating for temporal drift of fixed 2pattern noise is an important problem in the techniques for nonuniformity correc 2tion of in frared focal plane arrays.K alman 2filtering alg orithm ,statistical alg orithm and algebraic alg orithm were examined here.The mechanism for s olving temporal drift of the fixed 2pattern noise was analyed ,and these alg orithms performance were compre 2hensively evaluated.Our conclusions are verified by the simulation data.K ey w ords :in frared focal plane ;scene 2based nonuniformity correction ;K alman 2fltering alg orithm ;statistical alg o 2rithm ;algebraic alg orithm引言红外焦平面阵列在红外跟踪、预警、制导等方面得到了广泛的应用.但由于制造工艺的限制,使得探测器阵列的各个单元响应度不一致,导致了叠加在图象上的固定噪声(FPN ),严重影响了成像质量,因此必须进行非均匀校正.目前,大量的非均匀校正技术见诸于各种文献.总起来说,可以将这些技术分为二大类,第一类是基于黑体的非均匀校正技术[1],但其光学和机械结构复杂并受检测单元的非线性响应限制.第二类便是基于场景的非均匀校正技术,它直接利用场景信息,避免了黑体校正的缺点,成为目前研究的方向.近年来,相继提出了许多基于场景的非均匀校正技术.如基于场景的时域高通滤波算法[2],基于神经网络的自适应最小均方算法(adaptive LMS alg o 2rithm )[3].最近,Narendra 等人利用恒定统计(constant statistics )假设对增益和偏移引起的非均匀性进行连续补偿[4].但上述算法中,没有有利利用固定噪声参数时漂的统计信息,导致每当漂移发生,就不得不对原先的结果进行重新校正近来,T orees 等人提出了基于卡尔曼(K alman )滤波的自适应非均匀校正算法[5](以下简称K alman 滤波算法),Hayat 等人提出红外焦平面非均匀校正的统计算法(statistical alg o 2rithm )[6](以下简称统计算法)和Ratliff 等人提出基于场景的代数校正算法(Algebraic Scene 2Based Nonuniformity C orrection )(以下简称代数算法)[7].第23卷第4期2004年8月红外与毫米波学报J.In frared Millim.WavesV ol.23,N o.4August ,2004上述文章中K alman 滤波算法和统计算法充分利用了固定噪声参数的时漂信息,而代数算法具有较快的收敛速度和较小的运算量,可以根据固定噪声参数变化的速度及时进行校正矩阵调整,完成对时漂参数的跟踪.为此,本文就这三种算法进行分析和总结,说明其各自的适用情况,并利用仿真数据来对得出的结论给予验证.1 非均匀校正算法原理简介1.1 基于卡尔曼(K alm an)滤波的非均匀校正算法原理简述此算法将随时间漂移的固定噪声参数用高斯—马尔可夫(G auss 2Markov )过程来建模,同时将其作为系统的状态方程,而将焦平面阵列探测单元的响应作为系统的观测方程,最后利用K alman 滤波算法来实时跟踪增益和偏移参数,从而解决固定噪声参数时漂问题.下面仅对算法中跟踪时漂参数的机理给予简述.算法利用探测单元线性响应模型:Y k (n )=A k T k (n )+B k +V k (n ).(1)上式中k 代表第k 个图象组(为方便起见,下文中将图象组简称为BLOCK ),在每一个BLOCK 中,由于固定噪声的缓变特性,可以将乘性增益A k 和加性偏移B k 认为不变,这里n 为第k 个BLOCK 中的第n 帧图象,Y 表示探测器输出,T 为探测器接收的辐射量,V 为时域随机噪声.从时间序列分析的角度,将随时间缓慢变化的增益和偏移参数用G auss 2Markov 过程建模,并作为系统的状态方程,其相应的自回归模型如下:X k +1=Φk X k +W k ,(2)这里X k =[A k ,B k ]T 代表第k 个BLOCK 的增益和偏移参数.Φk =a kβk.(3)称作状态转移矩阵,参数0≤a k <1,0≤βk <1,其数值大小根据第k 到第k +1个BLOCK 的增益和偏移参数漂移幅度来确定.W k 为增益和偏移参数的驱动噪声.最后利用K alman 滤波算法求得状态变量X ∧k 的迭代值,由此便完成了对时漂参数A k ,B k 的跟踪.反过来利用求得的时漂参数A k ,B k 完成图象的校正.由于此算法较充分利用了时变参数的信息,所以算法的收敛速度快,非均匀校正的性能比较好,但由于涉及到矩阵乘法和求逆等计算,算法的运算量比较大.1.2 非均匀校正统计算法(statistical algorithm for nonuniformity correction)原理简述统计算法通过迭代更新完成固定噪声参数的提取和污染图象的非均匀校正.算法中将待处理的图象序列分为若干BLOCK,每次迭代分为两部分:第一部分利用前一组BLOCK 的校正数据完成固定噪声参数提取;第二部分结合前一组BLOCK 提取的固定噪声参数,利用最小均方算法完成当前BLOCK 图象数据的非均匀校正.经过若干次循环迭代,便可完成整个图象序列的非均匀校正.下面简述算法对时变参数的更新原理.算法利用探测单元线性响应模型,详细可参看1.1中的式(1),注(1)中探测器接收的辐射量用T 表示,这里的辐射量用X 表示.经推导可得如下的关系式y ∧(k )≈A kμX (k )+B k ,(4)σ∧(k )≈A 2k σ2X (k )+σ2N ,k .(5)式中下标k 个BLOCK,y ∧(k )和σ∧2γ(k )为利用第k 个BLOCK 中的响应数据Y (n )求得的样本均值和样本方差,依据探测单元接收到的辐射量在时域上服从均匀分布的假设,可以求解μX (k ),σX (k )和噪声方差σ2N ,k ,具体的求解方法可参见文献[6],由此联立式(4)和式(5)可以解出参数A k 和B k ,将其作为第k +1个BLOCK 的固定噪声参数,即利用第k 个BLOCK 数据递推第k +1个BLOCK 的固定噪声参数,从而完成时变参数的更新.此算法的校正结果较为理想,虽然其收敛速度要稍慢于K alman 滤波算法,但由于算法中采用了单权值滤波系数,避免了矩阵的运算,使得算法复杂度明显降低.1.3 基于场景的非均匀代数校正算法原理此算法对2组图象进行位移估计,第一组图象的帧间仅存在水平位移,另一组仅存在垂直位移,利用得到的亚象素位移量产生固定噪声补偿矩阵,从而实现了图象的非均匀校正.在算法中,探测单元线性响应模型仅考虑偏移参数的变化(在以下情况下,即增益参数相对于偏移参数影响较小,且变化缓慢.或者由其他的算法首先对增益参数进行补偿,这样探测单元响应模型中仅852红外与毫米波学报23卷考虑增益是合理的),即y n(i,j)=z n(i,j)+b(i,j).(6)这里y n(i,j)表示检测器输出,(i,j)表示象素位置,下标n表示第n组图象,在每组图象中,偏移参数b (i,j)保持不变,z n(i,j)表示探测器接收到的辐射量.在垂直位移的图象组中,通过梯度位移估计算法[8]计算出垂直位移量,经过一系列的矩阵运算得到垂直补偿矩阵V,同理根据水平位移图象组和相应的水平位移量估计,得到水平补偿矩阵H,最后得出校正矩阵C=V+H=0b(1,1)-b(1,2)b(1,1)-b(1,3)…b(1,1)-b(1,N)b(1,1)-b(2,1)b(1,1)-b(2,2)b(1,1)-b(2,3)…b(1,1)-b(2,N)………ω…b(1,1)-b(M,1)b(1,1)-b(M,2)b(1,1)-b(M,3)…b(1,1)-b(M,N) .(7) 很显然,将此校正矩阵C与固定噪声噪声图象相加,使得叠加在图象上的偏移相等,其值为b(1, 1),从而完成非均匀校正.该算法计算简单,收敛速度快,可以根据固定噪声参数漂移的速度及时进行校正矩阵调整,从而实现对固定噪声参数的跟踪.由于算法不依赖于统计假设,因此可以取得较高的校正精度.但算法未考虑探测单元模型中乘性增益的影响,限制其校正效果和使用范围.并且算法易受叠加在图象上的噪声影响,这源于基于梯度位移估计算法对噪声较敏感,但在噪声水平低的情况下算法表现出较好的性能.2 算法仿真结果的分析2.1 仿真数据的产生本文中,利用已有的8~12μm红外序列图象,通过加入模拟的时漂固定噪声参数,形成统计算法和K alman算法的仿真数据.这里的图象尺寸为64×64,所用的图象序列共1000帧,分成10组,每组100帧.在仿真过程中,乘性增益A k均值为1,标准偏差为0.15的平稳随机过程,其相应的G auss2Markov模型为A k+1=αk A k+W(1)k.(9)为此选取a k=0.95(αk的大小表示增益参数A k的变化快慢程度),驱动噪声W(1)k为均值为0.05,方差(1-0.952)×0.152的高斯白噪声序列.同理,加性偏置B k均值为0,标准偏差依据图象的固定噪声污染程度分成5种,其相应的数值分别为5,10,15,20,25.其G auss2Markov模型为B k+1=βk B k+W(2)k.(10)这里,βk表示偏移参数B k的变化快慢程度.W(2)k 为偏移方程的驱动噪声,其数值可由相应的偏移方差求得.在基于代数的非均匀校正算法中,由于它仅仅考虑加性偏置噪声的影响,忽略乘性增益噪声,而基于统计和K alman算法却同时考虑加性偏置和乘性增益,这里为了实现3种算法的可比性,在基于代数的算法中,通过调整加性偏置噪声方差大小,使得上述3种算法输入的噪声图象粗糙度近似相等.具体数据如下:对应于加性噪声标准差分别为5、10、15、20、25,代数方法加入的偏置噪声方差分别为17、19、22、25、30,其噪声输入图象粗糙度与统计算法和K alman算法相应噪声输入图象粗糙度近似,对应每一种噪声标准差产生6个图象帧对作为代数算法的输入噪声图象.文中同时给出漂移参数αk=0.1,βk=0.1的仿真数据,为考察固定噪声漂移速度对K alman算法性能的影响.2.2 仿真结果的评价指标为了定量度量校正效果,这里采用参数ρ来定义图象的粗糙度(roughness),其表达式如下:ρ(f)=‖h13f‖1+‖h23f‖1‖f‖1.(11)式(11)中f表示数字图象,h1=[1,-1],为水平模板(horizontal mask),h2=h T1为垂直模板(vertical mask),3代表离散卷积,‖‖1代表L1范数.此指标可以在真实图象未知的情况下,通过计算固定噪声噪声污染图象和校正后图象的粗糙度来评价算法的性能.另外,在真实图象已知的情况下,应用均方根误差(root2meat2square error,RMSE)指标来度量算法的执行效果,RMSE的定义如下RMSE=1pm∑pi=1∑mj=1(T∧ij-T ij)2.(12)式中,ij表示象素的位置,T ij和T∧ij表示真实信号与其估计,p,m分别表示图象水平和垂直方向上的象素数量.2.3 算法的仿真结果1)参数时漂信息对算法性能的影响为比较参数时漂信息对算法性能的影响,图1给出不考虑参数时漂的时域高通滤波算法[2]处理结果,见图1(c).图(c)已做过对比度校正.同时给出9524期徐田华等:基于场景的红外焦平面非均匀校正技术分析图1 非均匀校正算法处理结果(a)原始图象(b)固定噪声噪声污染图象(c)高通滤波算法处理结果(d)kalman算法处理结果(e)统计算法处理结果(f)代数算法处理结果Fig.1 Results after the nonuniformity correction alg orithms(a)original image(b)corrupted image with FPN(c)result after the high2pass alg orithm(d)result after the kalman alg orithm(e)result after the statistical alg orithm(f)result after the algebraic alg o2 rithm利用参数时漂信息的K alman算法和统计算法的处理结果,可分别见(d)(e).这里的原始图象和固定噪声噪声污染图象取自图象序列中的第3个BLOCK 中的第221帧.另外表1给出对各种算法的RMSE评价指标,从中可以明显的看出,利用参数时漂信息的K alman 算法和统计算法获得的处理结果要优于不考虑参数时漂的高通滤波算法处理结果,这也可以从图1的图象处理结果获得直观的结论.为考察固定噪声参数漂移速度为K alman算法性能的影响,分别对时漂参数αk=0.95,βk=0.95和αk =0.1,βk=0.1的两组数据进行试验,仿真结果表明前者的处理效果优于后者,但在序列图象场景间存在较充分的相当位移时,二者相差不大.2)不同噪声水平对算法性能的影响为了比较不同噪声水平对算法性能的影响,下面给出乘性增益标准偏差为0.15,加性偏移标准偏差分别为5,10,15,20,25时,算法的性能对比示意图,见图2.图中curve A代表统计算法,curve B代表K alman滤波算法,curve C代表代数算法,横轴所对应的为加性偏移标准偏差.图2(左)可以明显的看出,经K alman滤波算法处理后的图象粗糙度要小于统计算法,这主要是由于K alman滤波算法更充分的利用了增益和偏移参数的信息,但其前提是要对参数信息进行准确测量. 表1 校正算法对应的R MSE指标 T able1R MSE corresponding to the different nonuniformity correction algorithms算法类型高通滤波算法代数算法统计算法K alman算法RMSE 2.08680.61570.28750.2559图2 3种算法在不同噪声水平下对应的粗糙度和RMSE 曲线Fig.2 The curves of roughness and RMSE corresponding to the three alg orithms with different level noise 代数算法在噪声较低的情况下,处理效果与上述两种算法相当,这源于其中的梯度位移估计算法对噪声的影响比较敏感.从图2(右)可以看出当用RMSE指标来对上述3种算法进行比较时,K alman滤波算法与统计算法的处理效果还是具有图2(左)相同的趋势.但代数方法却表现出较差的性能,这由于代数算法校正后的结果是使叠加在图象上的固定噪声在各个象素位置的值相等,即等效地将图象加入一个统一的偏置量,而不象K alman算法与统计算法是将固定噪声完全消除.3)算法的复杂度对比从算法的运算量上来分析,由于K alman滤波算法中涉及到矩阵乘和求逆等运算,从而使得算法的复杂性增大,仿真过程中表现出运算耗时明显.与此相反,在统计算法中,由于采用单权值的有限冲击响应(FIR)滤波器,使得运算过程中仅仅涉及标量运算,从而加快了运算的实时性.而代数算法中涉及到的矩阵运算仅仅为加和减,加之算法收敛所需的图象帧数小于上述两种算法,所以它具有更快的收敛速度.062红外与毫米波学报23卷4)结论由以上仿真结果可知,利用参数时漂信息的非均匀校正算法性能要优于不考虑参数时漂的算法.另外综合校正性能指标和算法运算量这两方面的因素,可知在噪声水平较低的情况下,比较适合应用代数算法和统计算法,随着噪声水平的增加,统计方法在性能和运算量上都表现出较好的特性,而K alman 滤波算法需要设法降低其算法的复杂度才能得到更好的应用.但从总体来看,基于场景的非均匀校正算法都面临计算量大,实时执行困难等问题,这是算法能否真正走向实用的关键.同时,上述3种算法都是以探测单元线性响应模型为基础,线性模型与实际模型的误差是一个值得研究的问题,但从国外学者对实际红外噪声图象的处理结果来看,其效果达到预期目的,这说明探测单元的线性模型是有效的.此外场中运动目标的大小、目标移动速度等影响非均匀校正效果的因素,都是今后算法研究工作中努力的方向.3 结语在本文中,对基于场景的3种算法———非均匀校正的K alman滤波算法,统计算法,代数算法进行数据仿真和分析比较,并从图象的粗糙度、均方根误差RMSE和算法的运算复杂性等角度对算法的性能进行分析,最后给出了相应的结论.REFERENCES[1]Milton A F,Barone F R,K ruer M R.In fluence of nonuniformi2ty on in frared focal plane array performance[J].Opt.Eng., 1985,24:855—862.[2]Scribner D A,Sarkay KA,Cald field J T,et al.N onuniformitycorrection for staring focal plane arrays using scene2based tech2 niques[J].S PIE,1990,1308:224—233.[3]Scribner D A,Sarkay K A,K ruer M K,et al.Adaptivenonuniformity correction for IR focal plane arrays using neural netw orks[J].S PIE,1991,1541:100—109.[4]Harris J G,Chiang Y M.N onuniformity correction using con2stant average statistics constraint:analogue and digital implemen2 tations[J].S PIE,1997,3061:895—905.[5]T orres S N,Hayat M M.K alman Filtering for Adaptive nonuni2formity correction in in frared focal plane arrays[J].S PIE, 2000,4030:196—205.[6]Hayat M M,T orres N,Armstrong E E,et al.S tatistical al2g orithm for nonuniformity correction in focal2plane arrays[J].Applied Optics,1999,38:772—780.[7]Ratliff B M,Hayat M M,Hardie R C.Algebraic scene2basednonuniformity correction in focal plane arrays[J].S PIE,2001, 4372:114—124.[8]Hardie R C,Barnard KJ,Bognar J G,et al.High2res olutionimage reconstruction from a sequence of rotated and translated frames and its application to an in frared imaging system[J].Opt.Eng.,1998,37:247—260.1624期徐田华等:基于场景的红外焦平面非均匀校正技术分析。

相关文档
最新文档