[发明专利]一种红外图像多尺度智能化非均匀性校正方法

说明书

本发明公开了一种红外图像多尺度智能化非均匀性校正方法，涉及图像探测与处理技术领域，红外图像中的非均匀性会导致图像质量和显示严重降低，基于场景的非均匀性校正已经成为处理非均匀性的一种非常有效的方法，本发明提出了一种采用时域投影的基于场景配准的非均匀性校正方法以及其在硬件设备上的具体实现。发明了一个新的投影估计量来计算相邻帧的相对位移，利用一个行和列向量来分别计算行、列方向的位移且不会降低精度。还发明了一种改进的增益系数校正方法，它是用校正过的偏移系数来校正增益系数。本发明具有精度高、收敛速度快、计算量小、存储量低等优点，并已在小体积、低功耗的单一核心的FPGA上实现。

技术领域

本发明涉及图像探测与处理技术领域，具体涉及一种红外图像多尺度智能化非均匀性校正方法。

背景技术：

近几年，焦平面阵列探测器已经成为在红外和可见光成像系统中最广泛应用的探测器。然而，焦平面探测器尤其是红外焦平面探测器受非均匀性影响很严重，这是由每个像素探测器的空间响应不一致而引起的，每个包含焦平面阵列探测器的光电探测器响应不一致导致了非均匀性的增加。固定图像噪声主要是由于非均匀性问题引起的，这个可以在获得的图片中很容易地看出来。此外，由于探测器响应不是固定的而且会随着时间偏移，非制冷型的红外相机的非均匀性的问题更加严重。对于这种类型的相机，探测的整个过程是需要基于场景的非均匀性校正，它能不打断正常的操作来消除实时的偏移。

近几年，基于场景的非均匀性校正算法发展迅速。可以分成不同的种类，例如时域高通滤波非均匀性校正算法、神经网络非均匀性校正算法、常值统计非均匀性校正算法和图像配准非均匀性校正算法。所有这些算法各有自己的优点和缺点。比如时域高通滤波算法专注于校正非均匀性的偏移参数，它是基于构造一个时域高通滤波器来计算原始图像的数值预期。这个方法和一些常值统计方法优点类似，只增加了期望值，这个算法计算简单，但是需要很多的原始图像来参与校正过程。它不能校正非均匀性的增益系数，这个会导致严重的图像退化和鬼影。神经网络非均匀性校正算法，运用最速下降迭代来更新校正系数。它采用神经网络结构，把相邻像素的平均值设置成预期值。这个算法优点是计算方便，但是缺点也是会造成图像退化和轮廓鬼影，收敛速度慢，低频空间噪声校正能力差。由于这些缺点，由神经网络附加限制条件派生出类似的算法，在场景很长时间都没有变化的情况下，效率比较差。常值统计算法是基于统计平均值与所有像素的数据帧偏差趋近相等来提出的。对于低频空间噪声校正性能较好，但是对于一个场景来说需要相当长的计算时间来进行数值计算过程，并且还存在鬼影现象。同时当采用常值统计方法之前场景图像反转的时候鬼影就出现了，这会对视觉性能有很严重的影响。和这些方法相比，配准非均匀性校正利用图像配准技术来建立图像序列像素之间的关系，同时更新修正系数。配准算法的收敛速度比其他方法更快。只需要几十个或者更少的帧数来估计出校正系数。另外，图像修复质量比其他方法更加好。

尽管配准非均匀性校正算法有这么多优势，但是它没有能在低功耗、小体积的单一核心的FPGA上实现是因为它具有这些缺点：1.当下运用的配准算大绝大多数都是用的傅里叶变换来计算相邻帧的互相关系数。一旦相邻帧的相对位移计算出来，就可以通过傅里叶逆变换来获得配准后的图像。这个对于单一核心的FPGA系统来说计算量需求太大。迄今为止还没有报导过基于场景配准的非均匀性校正算法在一个单一核心的FPGA系统上实现。2.如果在计算中运用一个数字信号处理器，这个系统需要更大的功耗和更大的体积构造，这让微型化变得极为困难。

发明内容

本发明的目的在于提供一种红外图像多尺度智能化非均匀性校正方法，以解决现有技术中导致的上述多项缺陷。

一种红外图像多尺度智能化非均匀性校正方法，包括以下步骤：

S1:初始化：采集第一帧未校正原始图像Y₁(i,j)，并将第一帧时的增益校正参数g₁(i,j)和偏置校正参数o₁(i,j)置为全1与全0；