一种多尺度时域矩匹配非均匀性校正方法
【技术领域】
[0001] 本发明属于光学图像处理技术领域，涉及一种非制冷红外焦平面阵列条纹噪声的 去除方法，具体涉及一种基于多尺度时域矩匹配非均匀性校正方法。
【背景技术】
[0002] 红外焦平面阵列（简称IRFPA)是感知景物热辐射特性的探测器，其各探测元之间 响应的不均匀性称之为固定图案噪声。该图案噪声是严重影响IRFPA成像系统温度分辨率 和空间分辨率的主要因素，并限制了系统的信噪比和成像质量，直接制约着系统的最终性 能。
[0003] 非均匀性校正技术是去除固定图案噪声，提高成像质量的有力措施。目前常用的 校正方法主要包括辐射定标校正法和自适应场景校正法。
[0004] 辐射定标校正法通常依赖于黑体来获得校正系数，虽然算法简单，易于实施，但存 在无法自适应地更新校正参数的缺点。
[0005] 场景自适应校正法通常利用图像序列对校正参数进行估计和更新，可以克服 IRFPA空间非均匀性随时间的缓慢漂移，具有自适应和智能化的优点，是目前非均匀性校正 领域的研宄重点。
[0006] 基于场景的自适应校正算法目前主要有时域高通滤波法、恒定统计法、神经网络 法等。这些方法是普遍适用的方法，对各种类型的固定图案噪声都采取了同样的处理策略， 并且通常要求场景处于连续运动状态，且帧与帧之间的位移不能过大，因此存在计算量大， 适用场合有限的问题。而实际上，IRFPA固定图案噪声有多种表现形式。制冷型IRFPA的 固定图案噪声分布较为随机，没有明显的规律性；而非制冷型IRFPA由于其读出电路的特 殊结构，其固定图案噪声通常表现为行或列分布的条纹噪声。
[0007] 针对非制冷IRFPA特殊的条纹非均匀性噪声，任建乐等在（基于配准的红外焦平 面阵列条纹非均匀性校正，红外与毫米波学报，2011，￥〇1.30，此.6)-文中提出了基于配准 的校正方法，利用相邻两帧精确配准的图像序列计算出校正参数，达到去除条带噪声的目 的。该方法的校正效果依赖于高精度的图像配准。但是在条纹噪声的影响下，进行高精度 的配准是较为困难的。祝善友等在（基于方差补偿矩匹配的红外图像非均匀性校正方法， 光学学报，2013, Vol. 33, No. 12) -文中提出了方差补偿和矩匹配相结合的方法，用来去除 红外线列扫描相机中的条纹噪声。但将该方法直接应用于凝视型的非制冷IRFPA中，图像 仍然存在畸变，部分条纹噪声得不到彻底去除。
[0008] 综上所述，针对非制冷IRFPA特殊的条纹非均匀性噪声，如何在有效保持成像质 量的前提下，寻求一种易于实现、可靠性高、适应性广的自适应校正方法就显得尤为重要。
【发明内容】
[0009] 本发明针对非制冷IRFPA特殊的条纹非均匀性噪声，提出了一种多尺度时域矩匹 配非均匀性校正方法，该方法将矩匹配技术在时间域进行扩展，并和多尺度分解的思想相 结合，通过对变化列的检测，自适应地进行校正系数的更新，该方法不仅计算量小，校正精 度高，适应性广，并能有效抑制目标退化，解决伪像（鬼影）的问题。
[0010] 本发明的技术方案是：
[0011] 一种多尺度时域矩匹配非均匀性校正方法，其特征在于，包括以下步骤：
[0012] 1)将原始图像序列x(i，j，n)进行K层拉普拉斯金字塔分解，得到K个拉普拉斯 金字塔分量图像LP 1Q, j，n)、LP2(i，j，n)、……、LPk (i，j，η)和1个高斯金字塔分量图像 GAK(i，j，n);原始图像X(i，j，n)和其分解后的金字塔分量图像具有关系是：
[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 为像元坐标，n 为帧计数，i = I, 2,. . . M ;j = I, 2,. . . N ;
[0015] 2)分别计算分解后各金字塔分量图像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 ;
【主权项】
1. 一种多尺度时域矩匹配非均匀性校正方法，其特征在于，包括w下步骤： 1)将原始图像序列X(i，j，n)进行K层拉普拉斯金字塔分解，得到K个拉普拉斯金 字塔分量图像LPi(i，j，n)、LP2(i，j，n)、……、1^(1，j，n)和1个高斯金字塔分量图像 GAkQ，j，n);原始图像序列X(i，j，n)和其分解后的金字塔分量图像具有关系是： 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为像元坐标，n为帖计数，i = l，2，...M;j = 1，2，...N;2)分别计算分解后 各金字塔分量图像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的取值分别为LP 1、LP2、……、LPk和GA K; 3) 判断原始图像序列中相邻两帖图像之间是否发生全局运动；设相邻两帖图像分别 为 X(i，j，n-l)和 X(i，j，n); 3. 1)对相邻帖图像的高斯金字塔分量GAK(i，j，n-1)和GAK(i，j，n)分别进行边缘检测， 设边缘检测的结果分别为E(i，j，n-1)和E(i，j，n);若点（i，j)为边缘点，则令E(i，j，n)= 1，否则令6(1，111)=0; 3.2)通过边缘检测结果分别计算出E(i，j，n-l)和E(i，j，n)中的边缘点的数目 p(n-l)和p(n)，并统计出E(i, j, n-1)和E(i, j, n)中位置重合的边缘点的数目PP ; PP 、、-
3.如若p(n-l)、p(n)和卵之间满足（抑"_ /^/2 +戶側/2) ^ ;其中，5的取值范围为 0. 96 ?0. 98 ; 则认为相邻帖图像x(i，j，n-l)和X(i，j，n)之间没有发生全局运动，否则认为相邻帖 图像X(i，j，n-l)和X(i，j，n)之间发生了全局运动； 4) 当相邻帖图像X(i, j, n-1)和X(i, j, n)之间发生了全局运动，需对当前帖图像 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);具体关系式是：
其中，K为固定的时间常数，K = 33, X分别取值LPi、UV……、化(i，j，n)和 GAk(1, j, n)； 若相邻帖图像X(i，j，n-l)和X(i，j，n)之间没有发生全局运动，则当前帖图像 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，具体关系式是：
其中，X分别取值LPi、LP2、……、化和GA K; 5) 分别对各金字塔分量图像 LPi (i，j，n)、LP2 (i，j，n)、……、LPK(i，j，n)和 GAkQ，j，n) 进行非均匀性校正，具体关系式是：
其中，X(i，j，n)分别取值 LPi(i，j，n)、LP2(i，j，n)、……、LPkQ，j，n)和 GA^i，j，n)， Ux(r，n)和〇x(r，n)分别为各金字塔分量的均值和方差，X分别取值LPi、LP2、……、1J\和 GAk; 6) 利用校正后的各金字塔分量Yx(i，j，n)重构得到最终的去除了条纹噪声的图像 Y(i，j，n)，具体关系式是： ^i，j，n) = SYx(i，j，n) =YLPi(i，j，n)+YLP2(i，j，n)+YLP3(i，j，n)+YeA3(i，j，n)。
2.根据权利要求1所述的多尺度时域矩匹配非均匀性校正方法，其特征在于，所述步 骤1)中的K的取值范围为3?5。
【专利摘要】本发明属于光学图像处理技术领域，具体涉及一种基于多尺度时域矩匹配非均匀性校正方法。该方法的具体步骤是：1)输入原始图像序列，进行三层金子塔分解；2)判断相邻帧图像是否发生全局运动；3)计算个金子塔分量的列均值和列方差；4)分别对各金字塔分量图像进行非均匀校正；5)重构去条纹噪声后的图像；本发明的方法不仅计算量小，校正精度高，适应性广，并能有效抑制目标退化，解决伪像(鬼影)的问题。
【IPC分类】G06T5-00
【公开号】CN104599248
【申请号】CN201510004599
【发明人】冷寒冰, 王浩, 周祚峰, 闫阿奇, 谢庆胜, 曹剑中
【申请人】中国科学院西安光学精密机械研究所
【公开日】2015年5月6日
【申请日】2015年1月6日