CN116433507A - 基于红外面阵扫描设备的图像校正算法 - Google Patents

Abstract

本发明提供了一种基于红外面阵扫描设备的图像校正算法，对其采集到的红外图像的非均匀造成的四周暗角问题进行校正，并且该方法对探测器蒙尘造成的图像光斑问题也同样适用。所述方法利用红外面阵搜索系统成像特点：连续帧之间的暗角分布和光斑分布在空间上具有一致性，在时域上具有连续性，通过对每一圈的图像累加积分进行归一化处理后会得到一种自适应矩阵，该矩阵快速地解决了红外图像暗角和光斑的问题。为后面的红外全景拼接，目标检测与识别打下良好的基础。

Description

基于红外面阵扫描设备的图像校正算法

技术领域

本发明属于图像处理技术领域，主要内容为针对红外面阵扫描系统非均匀性和探测器蒙尘问题造成的成像质量下降，图像中存在暗角和光斑问题进行的校正。

背景技术

由于红外波长覆盖范围比可见光广，并且具有热效应，任何发热物体都会产生红外线，在夜间也可观测的优势，使红外成像系统在目标探测领域具有不可替代的作用，被广泛地应用于安防、国防、遥感等领域。随着近些年来计算机视觉的大力发展，红外面阵搜索系统的各个功能不断完善，得到了极大的提升，成为了现代防御体系中非常重要的组成部分。

红外面阵探测器，俯仰保持不变，方位匀速转动，每秒转动360度，连续采集100帧图像，每帧图像大小为640×513。红外探测器由于自身受到外界因素的影响，红外辐射不变的情况下，探测器的各个像元的输出响应率不同，造成红外探测器普遍存在非均匀性问题，并且不同类型，不同材料的红外探测器成像造成的非均匀性产生原理都不一致，很难建立统一的完善的非均匀数学模型。

为了解决非均匀性问题，目前大部分采用这两类方法：基于定标的非均匀性校正方法和基于场景的非均匀性校正方法。

基于定标的校正方法简单易实现，其中最常使用的是两点矫正，通过两个温度不同的黑体，使用直线拟合算法计算每一个探测器的偏移量和增益量。但是红外热像仪在出厂前一般都会对其进行定标校正，在产品交付后，由于使用环境的变化无法解决，如温度变化、电压变化带来的漂移问题，图像中的非均匀性会逐渐增强，甚至严重到影响使用，因此需要周期性地进行定期定标校正。

基于场景的校正方法(SBNUC)多种多样，无需周期性的重新标定计算参数。有基于最小均方差的方法、基于抖动扫描机制的确定运动位置的方法、基于均值和方差的方法、基于贝叶斯的方法等。通过这些方法可以自适应得估算出红外焦平面探测器的偏移量和增益量，但存在伪影和重影问题。

综上所述，常见的两种非均匀性校正算法校正后的图像还是会存在些许问题，影响成像效果以及后续处理。为了解决上述的问题，在硬件非均匀性校正后，对采集到图像序列进行图像处理之前再对红外面阵扫描设备采集到的图像进行预处理，来更好的解决非均匀性带来的问题。

发明内容

为了解决现有红外成像技术中的出现图像光斑、明暗不均匀等不足，为了防止影响后续图像拼接算法以及目标检测、跟踪、识别等算法，本发明针对红外面阵扫描系统，利用其特点，提出了一种新的图像校正算法，对于图像非均匀性和探测器蒙尘问题造成的成像质量下降，图像中存在暗角和光斑的问题进行校正。

本发明解决技术问题所采取的技术方案是：通过对比分析发现，连续帧之间的图像的非均匀性有相同的分布，在空间上具有一致性，在时域上的连续性。通过累加后的归一化处理，得到一种自适应校正矩阵，可以解决暗角问题和光斑问题，消除设备的成像的不足。

所述方法包括以下步骤：

1红外面阵搜索系统的探测器在水平方向上匀速转动，连续采集100帧红外图像，采集的红外图像为灰度图，每一帧图像有M*N个像素，其中每个像素的灰度值可以用g₁₁,g₁₂,...,g_MN表示，则图像矩阵G_i表示为：

对图像序列G_i(其中i＝1,2,3,...,100)进行累加，得到了累加矩阵T。

找到累加矩阵T中的灰度最大值为Pmax，对积分矩阵进行归一化，经过归一化计算得到校正矩阵η为：

2实验室自研的红外面阵探测器，旋转一圈1.5s，为了防止长时间工作受到外界干扰(如温度、电压变化)导致成像效果不佳，出现新的光斑、暗角问题，每一个小时对校正矩阵η进行更新一次，防止实时更新造成的资源浪费。

3得到矫正矩阵η后，对新采集的图像序列进行校正，得到校正后的第i帧图像为G'_i：

G'_i＝G_i*η (4)

校正后的图像消除了光斑、暗角问题，便于后续进行图像处理操作，如图像拼接、目标识别等。

本发明的有益效果是，算法计算复杂度低，节省计算时间，消耗资源较少，可以很好的满足实时性要求。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1为本发明的实现流程框图。

图2为镜头蒙尘造成的光斑问题。

图3为对光斑问题进行的校正效果。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行详细地描述。其中涉及到若干参数，这些参数需要针对具体处理环境进行调节以达到良好的性能。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

适用范围：红外面阵扫描系统采集得到的红外图像，或者基于同一个探测器连续采集得到的红外图像。

仿真环境：Matlab2016a

图像：实验所用图像为16位灰度图。

测试步骤：

(1)适用面阵扫描系统采集到100帧图像，见图2，其灰度矩阵为：

(2)利用空间上一致性和时域上的连续性，连续帧之间灰度值的非均匀性有相同的分布，对图像序列G_i进行累加后得到累加矩阵；

(3)累加矩阵中的最大值:

p_max＝1280601

对累加矩阵进行归一化处理，得到校正矩阵；

(4)每一帧的图像序列除以校正矩阵，获得的新图像，有效地解决了图像的暗角和光斑问题见图3；

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (1)

1.本发明提供了一种基于红外面阵扫描设备的图像校正算法，所述方法包括以下步骤：

1)红外面阵搜索系统的探测器在水平方向上匀速转动，连续采集100帧红外图像，采集的红外图像为灰度图，每一帧图像有M*N个像素，其中每个像素的灰度值可以用g₁₁,g₁₂,,g_MN表示，则图像矩阵G_i表示为：

对图像序列G_i(其中i＝1,2,3,...,100)进行累加，得到了累加矩阵T:

2)找到累加矩阵T中的灰度最大值为Pmax，对积分矩阵进行归一化，经过归一化计算得到校正矩阵η为：

3)得到矫正矩阵η后，对新采集的图像进行校正，得到校正后的图像为G'_i:

G′_i＝G_i*η。 (4)。

Images