一種多尺度時(shí)域矩匹配非均勻性校正方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于光學(xué)圖像處理技術(shù)領(lǐng)域，涉及一種非制冷紅外焦平面陣列條紋噪聲的 去除方法，具體涉及一種基于多尺度時(shí)域矩匹配非均勻性校正方法。
【背景技術(shù)】
[0002] 紅外焦平面陣列（簡(jiǎn)稱(chēng)IRFPA)是感知景物熱輻射特性的探測(cè)器，其各探測(cè)元之間 響應(yīng)的不均勻性稱(chēng)之為固定圖案噪聲。該圖案噪聲是嚴(yán)重影響IRFPA成像系統(tǒng)溫度分辨率 和空間分辨率的主要因素，并限制了系統(tǒng)的信噪比和成像質(zhì)量，直接制約著系統(tǒng)的最終性 能。
[0003] 非均勻性校正技術(shù)是去除固定圖案噪聲，提高成像質(zhì)量的有力措施。目前常用的 校正方法主要包括輻射定標(biāo)校正法和自適應(yīng)場(chǎng)景校正法。
[0004] 輻射定標(biāo)校正法通常依賴(lài)于黑體來(lái)獲得校正系數(shù)，雖然算法簡(jiǎn)單，易于實(shí)施，但存 在無(wú)法自適應(yīng)地更新校正參數(shù)的缺點(diǎn)。
[0005] 場(chǎng)景自適應(yīng)校正法通常利用圖像序列對(duì)校正參數(shù)進(jìn)行估計(jì)和更新，可以克服 IRFPA空間非均勻性隨時(shí)間的緩慢漂移，具有自適應(yīng)和智能化的優(yōu)點(diǎn)，是目前非均勻性校正 領(lǐng)域的研宄重點(diǎn)。
[0006] 基于場(chǎng)景的自適應(yīng)校正算法目前主要有時(shí)域高通濾波法、恒定統(tǒng)計(jì)法、神經(jīng)網(wǎng)絡(luò) 法等。這些方法是普遍適用的方法，對(duì)各種類(lèi)型的固定圖案噪聲都采取了同樣的處理策略， 并且通常要求場(chǎng)景處于連續(xù)運(yùn)動(dòng)狀態(tài)，且?guī)c幀之間的位移不能過(guò)大，因此存在計(jì)算量大， 適用場(chǎng)合有限的問(wèn)題。而實(shí)際上，IRFPA固定圖案噪聲有多種表現(xiàn)形式。制冷型IRFPA的 固定圖案噪聲分布較為隨機(jī)，沒(méi)有明顯的規(guī)律性；而非制冷型IRFPA由于其讀出電路的特 殊結(jié)構(gòu)，其固定圖案噪聲通常表現(xiàn)為行或列分布的條紋噪聲。
[0007] 針對(duì)非制冷IRFPA特殊的條紋非均勻性噪聲，任建樂(lè)等在（基于配準(zhǔn)的紅外焦平 面陣列條紋非均勻性校正，紅外與毫米波學(xué)報(bào)，2011，￥〇1.30，此.6)-文中提出了基于配準(zhǔn) 的校正方法，利用相鄰兩幀精確配準(zhǔn)的圖像序列計(jì)算出校正參數(shù)，達(dá)到去除條帶噪聲的目 的。該方法的校正效果依賴(lài)于高精度的圖像配準(zhǔn)。但是在條紋噪聲的影響下，進(jìn)行高精度 的配準(zhǔn)是較為困難的。祝善友等在（基于方差補(bǔ)償矩匹配的紅外圖像非均勻性校正方法， 光學(xué)學(xué)報(bào)，2013, Vol. 33, No. 12) -文中提出了方差補(bǔ)償和矩匹配相結(jié)合的方法，用來(lái)去除 紅外線列掃描相機(jī)中的條紋噪聲。但將該方法直接應(yīng)用于凝視型的非制冷IRFPA中，圖像 仍然存在畸變，部分條紋噪聲得不到徹底去除。
[0008] 綜上所述，針對(duì)非制冷IRFPA特殊的條紋非均勻性噪聲，如何在有效保持成像質(zhì) 量的前提下，尋求一種易于實(shí)現(xiàn)、可靠性高、適應(yīng)性廣的自適應(yīng)校正方法就顯得尤為重要。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明針對(duì)非制冷IRFPA特殊的條紋非均勻性噪聲，提出了一種多尺度時(shí)域矩匹 配非均勻性校正方法，該方法將矩匹配技術(shù)在時(shí)間域進(jìn)行擴(kuò)展，并和多尺度分解的思想相 結(jié)合，通過(guò)對(duì)變化列的檢測(cè)，自適應(yīng)地進(jìn)行校正系數(shù)的更新，該方法不僅計(jì)算量小，校正精 度高，適應(yīng)性廣，并能有效抑制目標(biāo)退化，解決偽像（鬼影）的問(wèn)題。
[0010] 本發(fā)明的技術(shù)方案是：
[0011] 一種多尺度時(shí)域矩匹配非均勻性校正方法，其特征在于，包括以下步驟：
[0012] 1)將原始圖像序列x(i，j，n)進(jìn)行K層拉普拉斯金字塔分解，得到K個(gè)拉普拉斯 金字塔分量圖像LP 1Q, j，n)、LP2(i，j，n)、……、LPk (i，j，η)和1個(gè)高斯金字塔分量圖像 GAK(i，j，n);原始圖像X(i，j，n)和其分解后的金字塔分量圖像具有關(guān)系是：
[0013] X(i, j, η) = LP1 (i, j, n)+LP2(i, j, n)+LP3(i, j, n)+. . . +LPk(i, j, n)+GAK(i, j, n)；
[0014] 其中，i, j 為像元坐標(biāo)，n 為幀計(jì)數(shù)，i = I, 2,. . . M ;j = I, 2,. . . N ;
[0015] 2)分別計(jì)算分解后各金字塔分量圖像LP1 (i，j，n)、LP2(i，j，η)、……、LPK(i，j，η) 和GA K(i, j，n)中的列均值yx(j，n)和列方差〇x(j，n);
[0016] μχ。，η) = SiLPxQ, j，n)/M ;
【主權(quán)項(xiàng)】
1. 一種多尺度時(shí)域矩匹配非均勻性校正方法，其特征在于，包括w下步驟： 1)將原始圖像序列X(i，j，n)進(jìn)行K層拉普拉斯金字塔分解，得到K個(gè)拉普拉斯金 字塔分量圖像LPi(i，j，n)、LP2(i，j，n)、……、1^(1，j，n)和1個(gè)高斯金字塔分量圖像 GAkQ，j，n);原始圖像序列X(i，j，n)和其分解后的金字塔分量圖像具有關(guān)系是： X(i, j, n) = LPi (i, j, n)+LP2(i, j, n)+LP3(i, j, n)+. . . +LPk(:L，j, n)+GAK(i, j, n); 其中，i，j為像元坐標(biāo)，n為帖計(jì)數(shù)，i = l，2，...M;j = 1，2，...N;2)分別計(jì)算分解后 各金字塔分量圖像LPi (i，j，n)、LP2(i，j，n)、……、LPkQ，j，n)和GAkQ，j，n)中的列均值 Mj'n)和列方差0 X化n);
其中，LPx的取值分別為L(zhǎng)P 1、LP2、……、LPk和GA K; 3) 判斷原始圖像序列中相鄰兩帖圖像之間是否發(fā)生全局運(yùn)動(dòng)；設(shè)相鄰兩帖圖像分別 為 X(i，j，n-l)和 X(i，j，n); 3. 1)對(duì)相鄰帖圖像的高斯金字塔分量GAK(i，j，n-1)和GAK(i，j，n)分別進(jìn)行邊緣檢測(cè)， 設(shè)邊緣檢測(cè)的結(jié)果分別為E(i，j，n-1)和E(i，j，n);若點(diǎn)（i，j)為邊緣點(diǎn)，則令E(i，j，n)= 1，否則令6(1，111)=0; 3.2)通過(guò)邊緣檢測(cè)結(jié)果分別計(jì)算出E(i，j，n-l)和E(i，j，n)中的邊緣點(diǎn)的數(shù)目 p(n-l)和p(n)，并統(tǒng)計(jì)出E(i, j, n-1)和E(i, j, n)中位置重合的邊緣點(diǎn)的數(shù)目PP ; PP 、、-
3.如若p(n-l)、p(n)和卵之間滿(mǎn)足（抑"_ /^/2 +戶(hù)側(cè)/2) ^ ;其中，5的取值范圍為 0. 96 ?0. 98 ; 則認(rèn)為相鄰帖圖像x(i，j，n-l)和X(i，j，n)之間沒(méi)有發(fā)生全局運(yùn)動(dòng)，否則認(rèn)為相鄰帖 圖像X(i，j，n-l)和X(i，j，n)之間發(fā)生了全局運(yùn)動(dòng)； 4) 當(dāng)相鄰帖圖像X(i, j, n-1)和X(i, j, n)之間發(fā)生了全局運(yùn)動(dòng)，需對(duì)當(dāng)前帖圖像 LPi(i，j，n)、LP2(i，j，n)、……、化(i，j，n)和 GAk(i，j，n)的列均值 y 山'，n)和列方差 〇x(j，n);具體關(guān)系式是：
其中，K為固定的時(shí)間常數(shù)，K = 33, X分別取值LPi、UV……、化(i，j，n)和 GAk(1, j, n)； 若相鄰帖圖像X(i，j，n-l)和X(i，j，n)之間沒(méi)有發(fā)生全局運(yùn)動(dòng)，則當(dāng)前帖圖像 化（i，j，n)、化（i，j，n)、……、化(i，j，n)和GAK(i，j，n)的列均值和列方差沿用上一帖的 列均值和列方差，具體關(guān)系式是：

其中，X分別取值LPi、LP2、……、化和GA K; 5) 分別對(duì)各金字塔分量圖像 LPi (i，j，n)、LP2 (i，j，n)、……、LPK(i，j，n)和 GAkQ，j，n) 進(jìn)行非均勻性校正，具體關(guān)系式是：
其中，X(i，j，n)分別取值 LPi(i，j，n)、LP2(i，j，n)、……、LPkQ，j，n)和 GA^i，j，n)， Ux(r，n)和〇x(r，n)分別為各金字塔分量的均值和方差，X分別取值LPi、LP2、……、1J\和 GAk; 6) 利用校正后的各金字塔分量Yx(i，j，n)重構(gòu)得到最終的去除了條紋噪聲的圖像 Y(i，j，n)，具體關(guān)系式是： ^i，j，n) = SYx(i，j，n) =YLPi(i，j，n)+YLP2(i，j，n)+YLP3(i，j，n)+YeA3(i，j，n)。
2.根據(jù)權(quán)利要求1所述的多尺度時(shí)域矩匹配非均勻性校正方法，其特征在于，所述步 驟1)中的K的取值范圍為3?5。
【專(zhuān)利摘要】本發(fā)明屬于光學(xué)圖像處理技術(shù)領(lǐng)域，具體涉及一種基于多尺度時(shí)域矩匹配非均勻性校正方法。該方法的具體步驟是：1)輸入原始圖像序列，進(jìn)行三層金子塔分解；2)判斷相鄰幀圖像是否發(fā)生全局運(yùn)動(dòng)；3)計(jì)算個(gè)金子塔分量的列均值和列方差；4)分別對(duì)各金字塔分量圖像進(jìn)行非均勻校正；5)重構(gòu)去條紋噪聲后的圖像；本發(fā)明的方法不僅計(jì)算量小，校正精度高，適應(yīng)性廣，并能有效抑制目標(biāo)退化，解決偽像(鬼影)的問(wèn)題。
【IPC分類(lèi)】G06T5-00
【公開(kāi)號(hào)】CN104599248
【申請(qǐng)?zhí)枴緾N201510004599
【發(fā)明人】冷寒冰, 王浩, 周祚峰, 閆阿奇, 謝慶勝, 曹劍中
【申請(qǐng)人】中國(guó)科學(xué)院西安光學(xué)精密機(jī)械研究所
【公開(kāi)日】2015年5月6日
【申請(qǐng)日】2015年1月6日