[发明专利]一种基于图像熵的红外图像非均匀性参数化校正优选方法

说明书

本发明公开了基于图像熵的红外非均匀性参数化校正优选方法。具体实施步骤如下：1)计算原始图像奇像元图像和偶像元图像的熵，选择熵值大者作为基准图像；2)对基准图像做基于图像熵的非均匀性参数化校正优选处理,得到校正后的基准图像，3)基于校正后的基准图像作基于线性逼近的非均匀性校正,最后得到原始图像校正之后的结果图像。本发明弥补了传统红外图像非均匀性校正方法的不足，提供了一种更有效的基于图像熵质量评价标准的非均匀性校正方法。本发明能够有效去除红外图像中的非均匀性条带噪声，最大限度地保持图像原信息，获得高质量的红外校正图像。

技术领域

本发明涉及到红外图像处理领域，具体涉及一种基于图像熵的红外图像非均匀性参数校正优选方法。

背景技术

由于受制作工艺和材料的影响，红外探测器每个像元的响应传递函数各不一样，导致获得的红外图像中存在条带噪声，被称之为不均匀性噪声。这种噪声严重降低了图像质量，极大地阻碍了红外成像在医疗、监控、农林业等领域的广泛应用，因此在开展红外遥感应用时，必须进行非均匀性校正以提高红外图像的质量。

红外图像的非均匀性校正方法主要有两类：基于标定的方法和基于场景的方法。基于标定的方法需要有标准的辐射源，例如黑体，在实际应用中这种方法局限性比较大。基于场景的方法根据场景中图像的特征来提取参数来实现非均匀性校正，具有更好的适用性而被广泛使用。基于场景的校正方法一般都采用校正后的图像粗糙度作为评价指标，容易导致校正后图像过分平滑而丢失了图像蕴含的原始信息。

图像熵表示图像中灰度分布聚集特征所包含的信息量，反映了一个图像的清晰度，是评价图像的一个常用量化标准。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提供了一种图像信息量大、清晰度高的基于图像熵的红外图像非均匀性参数化校正优选方法。

本发明的技术解决方案是：一种基于图像熵的红外图像非均匀性参数化校正优选方法，包括以下步骤:

(1)计算输入图像X的奇像元图像和偶像元图像的图像熵，选择熵值大的图像作为基准图像B，基准图像B维数为m行n1列，记录基准图像B的熵值e，另一个图像记为图像C，图像C维数为m行n2列；其中，m和n1，n2均为正整数；

(2)对基准图像B做基于图像熵的非均匀性参数化校正优选处理，得到校正后的基准图像，具体包括以下步骤：

(21)初始化k＝1；

(22)将基准图像B赋值给过程图像P，初始化i＝1；

(23)计算过程图像P中第i+1列与第i列的对应像元灰度值差，得到m维的列差向量V，并对列差向量V各元素的绝对值进行由小到大排序，得到排序后的绝对值向量U；

(24)计算得到列差向量V中绝对值小于U(k)的所有元素的索引数组Q，索引数组Q为q元数组，按下式计算更新参数：

P(j,i+1)＝aP(j,i+1)+b，j＝1,2,3,...,m；

U(k)为绝对值向量U中的第k个元素；

r₁、r₂、r₃、r₄分别为中间量；

P(x,y)为过程图像P中第x行、第y列的值；

a、b分别为校正系数；Q(j)为索引数组Q中第j个元素；

(25)如果i＜＝n-1,则更新i＝i+1，返回步骤(23)，否则进入步骤(26)；