專利名稱：一種紅外焦平面陣列非均勻性自適應(yīng)校正方法
技術(shù)領(lǐng)域：
本發(fā)明屬于紅外焦平面探測(cè)器領(lǐng)域，具體涉及一種紅外焦平面陣列非均勻性自適應(yīng)校正方法。
背景技術(shù)：
紅外成像系統(tǒng)隨著紅外探測(cè)器的發(fā)展而發(fā)展。在第一代紅外成像系統(tǒng)中，采用線列探測(cè)器，通過一維光機(jī)掃描實(shí)現(xiàn)成像。隨著CCD(ChargeCoupled Device，電耦合器件)相關(guān)技術(shù)的成熟，到了20世紀(jì)70年代中期，IRFPA(Infrared Focal Plane Array，紅外焦平面陣列)探測(cè)器的出現(xiàn)標(biāo)志著第二代紅外成像系統(tǒng)——凝視紅外成像系統(tǒng)的誕生。與線列探測(cè)器相比，焦平面探測(cè)器成像具有空間分辨率高、探測(cè)能力強(qiáng)、幀頻高等優(yōu)點(diǎn)，正迅速成為紅外成像技術(shù)的主流器件。目前凝視紅外成像系統(tǒng)已開始廣泛應(yīng)用于夜視、海上營救搜索、天文、工業(yè)熱探測(cè)和醫(yī)學(xué)等民用領(lǐng)域，是紅外成像系統(tǒng)的發(fā)展方向。然而，紅外焦平面陣列存在的非均勻性與無效像元嚴(yán)重影響了系統(tǒng)的成像質(zhì)量，降低了系統(tǒng)的空間分辨率、溫度分辨率、探測(cè)距離以及輻射量的正確度量，直接制約著系統(tǒng)的最終性能。盡管隨著器件制作工藝的改進(jìn)，焦平面的非均勻性和無效像元有了較大改善，但離完全解決問題還有很大距離，仍是當(dāng)前紅外焦平面陣列成像系統(tǒng)必須解決的首要問題。
針對(duì)紅外焦平面陣列的非均勻性問題所提出的相應(yīng)的校正方法，主要分為兩大類一類是基于定標(biāo)的校正方法，該類方法原理簡潔，硬件易于實(shí)現(xiàn)和集成；校正精度高，可用于場(chǎng)景溫度的度量；對(duì)目標(biāo)沒有任何要求，是實(shí)際IRFPA組件產(chǎn)品中主要采用的方法。但這類方法受限于IRFPA響應(yīng)漂移帶來的校正誤差；實(shí)際校正時(shí)需要參考源進(jìn)行標(biāo)定，使得設(shè)備裝置相對(duì)復(fù)雜；同時(shí)在實(shí)際應(yīng)用中需要進(jìn)行周期性的定標(biāo)，定標(biāo)頻率取決于系統(tǒng)的穩(wěn)定性，對(duì)于實(shí)際探測(cè)器不易做到快速反應(yīng)。另一類是基于場(chǎng)景類的自適應(yīng)校正方法，如時(shí)域高通濾波校正法，神經(jīng)網(wǎng)絡(luò)校正法和恒定統(tǒng)計(jì)約束校正法等。這類方法可以在一定程度上克服IRFPA響應(yīng)漂移帶來的校正誤差，不要求或只需要簡單的定標(biāo)，根據(jù)場(chǎng)景信息適應(yīng)性的更新校正系數(shù)，成為目前算法研究和系統(tǒng)應(yīng)用的重要研究方向。
傳統(tǒng)神經(jīng)網(wǎng)絡(luò)校正算法結(jié)合了空域處理(以4鄰域空間均值為期望輸出)和時(shí)域處理(以神經(jīng)網(wǎng)絡(luò)誤差反饋實(shí)現(xiàn)校正系數(shù)的迭代更新)的特點(diǎn)，自適應(yīng)地實(shí)現(xiàn)非均勻性校正，但其中也存在著一些不足在得到像元(i，j)期望校正輸出時(shí)，直接采用其4鄰域空間均值，這就使該算法呈現(xiàn)了空間低通濾波的特性，當(dāng)序列圖像中場(chǎng)景靜止時(shí)，會(huì)出現(xiàn)目標(biāo)邊緣的退化問題。這是因?yàn)樯窠?jīng)網(wǎng)絡(luò)算法是將4鄰域均值作為對(duì)校正后真值的估計(jì)，對(duì)于場(chǎng)景中同一區(qū)域內(nèi)部由于信號(hào)在空間上是緩變的，這樣的估計(jì)是合理的，但處于圖像邊緣及其邊緣附近的像素來說則是不合理的。在場(chǎng)景保持運(yùn)動(dòng)的過程中，由于圖像邊緣的位置在不斷變化，隨著時(shí)域上的迭代，這種不合理的估計(jì)不會(huì)對(duì)某一像素位置校正系數(shù)更新帶來異常影響，但當(dāng)場(chǎng)景靜止時(shí)，邊緣處像素位置的校正系數(shù)會(huì)由于這樣的不合理估計(jì)產(chǎn)生異常更新。
華中科技大學(xué)圖像識(shí)別與人工智能研究所張?zhí)煨虻热嗽凇都t外與毫米波學(xué)報(bào)》2005年第4期《紅外焦平面非均勻性噪聲的空間頻率特性及空間自適應(yīng)非均勻性校正方法改進(jìn)》一文中分析了紅外焦平面陣列非均勻性噪聲的空間頻率特性，指出空間低頻噪聲為其中的主要成分。針對(duì)傳統(tǒng)空域自適應(yīng)校正方法去除低頻空間噪聲存在的不足，提出采用一點(diǎn)校正與神經(jīng)網(wǎng)絡(luò)自適應(yīng)校正相結(jié)合的方法。該方法在空間低頻噪聲占優(yōu)時(shí)能獲得較好的校正效果，但存在目標(biāo)退化問題。
華中科技大學(xué)圖像識(shí)別與人工智能研究所石巖等人在《紅外與毫米波學(xué)報(bào)》2005年第5期《紅外焦平面陣列非均勻性自適應(yīng)校正算法中目標(biāo)退化與偽像的消除方法》一文中，從場(chǎng)景中邊緣信息獲取的角度出發(fā)，分析到了上述問題出現(xiàn)的原因，并提出了采用邊緣指導(dǎo)的神經(jīng)網(wǎng)絡(luò)自適應(yīng)智能型校正算法(ED_NN_NUC)來消除目標(biāo)退化(fade-out，表明目標(biāo)圖象變模糊，即是目標(biāo)的信噪比降低、與背景的反差變小、融于背景，不易被識(shí)別)。該算法在自適應(yīng)非均勻校正過程中，自適應(yīng)地提取當(dāng)前幀校正后圖像邊緣信息，以此指導(dǎo)校正參數(shù)的更新環(huán)節(jié)。該算法在能準(zhǔn)確獲取場(chǎng)景邊緣信息的前提下，能較好地抑制目標(biāo)邊緣的退化和偽像，特別有良好的保留弱小亮目標(biāo)的作用，只是在運(yùn)算速度方面較慢。

發(fā)明內(nèi)容
本發(fā)明提出一種紅外焦平面陣列非均勻性自適應(yīng)校正方法，目的在于有效地抑制目標(biāo)退化，消除偽像，提高運(yùn)算速度，并且易于硬件實(shí)現(xiàn)。
本發(fā)明提出的一種紅外焦平面陣列非均勻性自適應(yīng)校正方法，包括初始化步驟、預(yù)處理步驟、粗校正步驟和精校正步驟(1)初始化步驟，設(shè)定待校正原始圖像序列總幀數(shù)為Num，Num為自然數(shù)，初始化待校正原始圖像各個(gè)象元的增益校正系數(shù)ai,j1=1,]]>迭代步長矩陣初始為全1矩陣，壞元模板初始為全0矩陣，置變量n＝1，變量n表示待校正原始圖像序列號(hào)；(2)預(yù)處理步驟，用紅外焦平面探測(cè)器采集M幀均勻輻照的圖像，對(duì)它們進(jìn)行時(shí)域平均得到背景幀圖像B，其各象元點(diǎn)灰度值Bi，j；利用基于場(chǎng)景的無效象元檢測(cè)算法對(duì)背景幀圖像各象元點(diǎn)進(jìn)行無效象元檢測(cè)，檢測(cè)結(jié)果存入壞元模板，根據(jù)檢測(cè)結(jié)果計(jì)算背景幀圖像中有效象元的灰度平均值B，M為10～100；
(3)粗校正步驟，輸入第n幀原始圖像Nn，(3.1)將其各象元位置的灰度值Ni，jn減去背景幀圖像對(duì)應(yīng)象元位置的灰度值Bi，j，其各象元位置的灰度值Xi，jnXi,jn=Ni,jn-Bi,j,]]>(3.2)對(duì)第n幀原始圖像對(duì)應(yīng)壞元模板無效象元位置的各像素值進(jìn)行4鄰域平均替代處理，得到粗校正后的圖像X，其各像元灰度值Xi，jn；(4)精校正步驟，利用神經(jīng)網(wǎng)絡(luò)校正算法對(duì)粗校正后的圖像的增益非均勻性進(jìn)行補(bǔ)償Yi,jn=ai,jnXi,jn+B‾,]]>ai,jn+1=ai,jn-2υi,jnXi,jn(Yi,jn-fi,jn),]]>fi,jn=(Yi+1,jn+Yi,j+1n+Yi-1,jn+Yi,j-1n)/4,]]>其中，Yi，jn為精校正后圖像Yn各像元灰度值，ai，jn當(dāng)前幀圖像各個(gè)象元的增益校正系數(shù)，υi，jn為第n幀圖像中象元(i，j)位置對(duì)應(yīng)的迭代步長，fi，jn為精校正后圖像Yn中各象元的四鄰域象元灰度值均值；增益校正系數(shù)更新后，置變量n＝n+1，判斷是否n＞Num，是則結(jié)束，否則轉(zhuǎn)步驟(2)。
所述的一種紅外焦平面陣列非均勻性自適應(yīng)校正方法，其特征在于所述預(yù)處理步驟中，無效象元檢測(cè)過程為(1)分別計(jì)算二維圖像在x，y方向的一維算子，計(jì)算公式為Bxmax＝max{2Bi，j-1-Bi，j-2，2Bi，j+1-Bi，j+2，Bi，j-1，Bi，j+1}Bxmin＝min{2Bi，j-1-Bi，j-2，2Bi，j+1-Bi，j+2，Bi，j-1，Bi，j+1}Bymax＝max{2Bi-1，j-Bi-2，j，2Bi+1，j-Bi+2，j，Bi-1，j，Bi+1，j}Bymin＝min{2Bi-1，j-Bi-2，j，2Bi+1，j-Bi+2，j，Bi-1，j，Bi+1，j}，(2)對(duì)背景幀圖像各象元點(diǎn)進(jìn)行判定(Bi，j-Bxmax)/Bi，j＞TH、(Bi，j-Bymax)/Bi，j＞TH、(Bxmin-Bi，j)/Bi，j＞TH或(Bymin-Bi，j)/Bi，j＞TH，
四式中任一成立，則判定背景幀圖像B該象元Bi，j為無效象元，否則為有效象元，其中壞元檢測(cè)的灰度門限值TH為0.05～0.1。
所述的一種紅外焦平面陣列非均勻性自適應(yīng)校正方法，其特征在于所述精校正處理步驟中，迭代步長υi，jn的選取過程為υi,j(n)=Ka/(1+λ(σi,jn)2),]]>其中υi，jn為第n幀圖像中象元(i，j)位置對(duì)應(yīng)的迭代步長，迭代步長的最大值Ka為1×10-2～2×10-2，方差影響系數(shù)λ為5～10，第n幀圖像中象元(i，j)位置鄰域內(nèi)的方差(σi，jn)2為(σi,jn)2=Σi=1MΣj=1N(Yi,jn-μi,jn)2/N×N,]]>其中Yi，jn為精校正后圖像Yn各像元的灰度值，μi，jn為精校正后圖像Yn對(duì)應(yīng)像元Yi，jn神經(jīng)網(wǎng)絡(luò)法四鄰域平均的期望值，N×N為方差鄰域的大小，N取1～10。
表1 四種算法綜合性能比較

表1示出四種算法綜合性能比較，表1中，單幀小目標(biāo)信噪比(db)采用如下公式計(jì)算SNR=20log10(S-B‾σ0)=20log10(A)dB,]]>其中的s為目標(biāo)的亮度均值；μ0為背景均值，σ0為背景標(biāo)準(zhǔn)差；SNR值越大代表小目標(biāo)的信噪比越高，效果越好?？梢姡景l(fā)明的方法，單幀小目標(biāo)信噪比(db)較大，能夠達(dá)到防止小目標(biāo)退化的目的。
自適應(yīng)算法收斂所需幀數(shù)采用曲線達(dá)到一定程度時(shí)所需運(yùn)行的圖像幀數(shù)。
自適應(yīng)算法收斂所需時(shí)間為運(yùn)行相應(yīng)收斂幀數(shù)所需的時(shí)間。
本發(fā)明計(jì)算迭代步長主要受到基于邊緣指導(dǎo)的神經(jīng)網(wǎng)絡(luò)算法和加權(quán)系數(shù)校正法的啟示，利用邊緣點(diǎn)與目標(biāo)內(nèi)部鄰域方差的區(qū)別來調(diào)節(jié)迭代步長的大小。由于邊緣點(diǎn)的鄰域方差較大，因此對(duì)應(yīng)的迭代步長則較小，表示校正系數(shù)的更新較慢甚至不更新，由此阻止場(chǎng)景靜止時(shí)校正系數(shù)更新異常，到達(dá)抑制目標(biāo)退化和偽像的目的。λ的設(shè)置主要為了調(diào)節(jié)方差對(duì)步長的影響程度。此方法較之邊緣指導(dǎo)的校正法有較快的運(yùn)算速度。相關(guān)文獻(xiàn)中同樣提到過自適應(yīng)調(diào)節(jié)步長的思想，但其出發(fā)點(diǎn)與本發(fā)明不同，它主要考慮得到較快的收斂速度來改變步長，而本發(fā)明主要力求實(shí)現(xiàn)在加快收斂速度的同時(shí)對(duì)目標(biāo)弱化進(jìn)行抑制。
本發(fā)明采用一點(diǎn)校正和神經(jīng)網(wǎng)絡(luò)自適應(yīng)校正相結(jié)合的算法，并且加入邊緣提取模塊，結(jié)合各算法的優(yōu)點(diǎn)，得出一種組合的校正算法，有效地消除了空間低頻噪聲，抑制了目標(biāo)退化，在運(yùn)算速度上比基于邊緣指導(dǎo)的神經(jīng)網(wǎng)絡(luò)算法有一定提高。


圖1為本發(fā)明的流程圖；
圖2為雙向線性外推算子像素分布圖，用于判斷無效象元；圖3(a)為預(yù)校正處理環(huán)節(jié)所得的背景幀圖像B，圖3(b)為基于背景幀圖像B自適應(yīng)檢測(cè)出的壞元模板BC_Model；圖4為在本發(fā)明的典型實(shí)施例中使用綜合的校正算法與其他三種算法的一個(gè)比較結(jié)果，其中，圖4a表示為校正前的原始圖像；圖4b為兩點(diǎn)定標(biāo)與基于國標(biāo)無效像元檢測(cè)校正結(jié)果(白色實(shí)線框內(nèi)為飛機(jī)目標(biāo)，白色虛線框內(nèi)為漏檢測(cè)的無效像元)；圖4c表示邊緣指導(dǎo)的神經(jīng)網(wǎng)絡(luò)校正算法邊緣提取結(jié)果；圖4d表示結(jié)合了一點(diǎn)定標(biāo)與邊緣指導(dǎo)的神經(jīng)網(wǎng)絡(luò)校正算法校正結(jié)果(從第1幀開始啟用邊緣檢測(cè)模塊，白色實(shí)線框內(nèi)為飛機(jī)目標(biāo)，此時(shí)抑制了目標(biāo)退化)；圖4e為邊緣指導(dǎo)的神經(jīng)網(wǎng)絡(luò)校正算法邊緣提取結(jié)果；圖4f表示結(jié)合了一點(diǎn)定標(biāo)與邊緣指導(dǎo)的神經(jīng)網(wǎng)絡(luò)校正算法校正結(jié)果(從第60幀開始啟用邊緣檢測(cè)模塊，白色實(shí)線框內(nèi)為飛機(jī)目標(biāo)，此時(shí)抑制了目標(biāo)退化)；圖4g表示一點(diǎn)定標(biāo)與神經(jīng)網(wǎng)絡(luò)結(jié)合的校正算法校正結(jié)果(白色實(shí)線框內(nèi)為飛機(jī)目標(biāo)，此時(shí)發(fā)生目標(biāo)退化)；圖4h表示本發(fā)明的校正結(jié)果(白色實(shí)線框內(nèi)為飛機(jī)目標(biāo)，此時(shí)抑制了目標(biāo)退化)。
具體實(shí)施例方式
下面的說明采用了從實(shí)際128×128規(guī)格LW MCT IRFPA所采集到的823幀序列圖像，采集幀率為100幀/秒。場(chǎng)景為室外夜晚天空冷背景下的飛機(jī)弱小亮目標(biāo)以及房屋和樹木。下面詳細(xì)說明本發(fā)明的步驟(1)初始化步驟，先初始化各個(gè)象元的校正系數(shù)ai,j1=1,]]>迭代步長最大值Ka為10-2，迭代步長矩陣初始為全1矩陣，圖像序列幀數(shù)Num為823，壞元模板初始為全0矩陣。
(2)預(yù)校正步驟，用探測(cè)器采集10幀均勻輻照的干凈天空背景的圖像，然后時(shí)域平均作為背景幀圖像B，并由此計(jì)算背景幀圖像各點(diǎn)像素值的空間均值B和壞元模板BC_Model；利用基于場(chǎng)景的無效像元檢測(cè)算法結(jié)合背景幀進(jìn)行無效像元檢測(cè)，下面介紹一種無效像元的檢測(cè)方法先設(shè)壞元檢測(cè)的灰度門限值TH為0.05(此值是多次實(shí)驗(yàn)后的經(jīng)驗(yàn)值)，將采集的焦平面陣列的圖像采用5×5的陣列作為內(nèi)核進(jìn)行雙向線性外推算子的計(jì)算，如圖2所示。首先分別計(jì)算二維圖像在X、Y方向的一維算子，如計(jì)算公式Bxmax＝max{2Bi，j-1-Bi，j-2，2Bi，j+1-Bi，j+2，Bi，j-1，Bi，j+1}Bxmin＝min{2Bi，j-1-Bi，j-2，2Bi，j+1-Bi，j+2，Bi，j-1，Bi，j+1}Bymax＝max{2Bi-1，j-Bi-2，j，2Bi+1，j-Bi+2，j，Bi-1，j，Bi+1，j}Bymin＝min{2Bi-1，j-Bi-2，j，2Bi+1，j-Bi+2，j，Bi-1，j，Bi+1，j}，如果實(shí)際獲得的B點(diǎn)的灰度值滿足式(Bi，j-Bxmax)/Bi，j＞TH or(Bi，j-Bymax)/Bi，j＞TH，則判定背景幀圖像B該象元Bi，j為過熱無效像元；如果實(shí)際獲得的B點(diǎn)的灰度值滿足關(guān)系式(Bxmin-Bi，j)/Bi，j＞TH or(Bymin-Bi，j)/Bi，j＞TH，則判定背景幀圖像B該象元Bi，j為過冷無效像元；最后將檢測(cè)結(jié)果存儲(chǔ)于壞元模板BC_Model中，完成校正預(yù)處理工作。
(3)粗校正步驟，將原始圖像第n幀位置(i，j)的灰度值Ni，jn減去背景幀對(duì)應(yīng)位置的灰度值Bi，j，即公式Xi,jn=Ni,jn-Bi,j,]]>校正后的圖像X只剩下由于增益響應(yīng)引起的非均勻性，同時(shí)讀取壞元模板BC_Model，對(duì)壞元位置的像素值進(jìn)行4鄰域平均替代處理，得到圖像的各象元灰度值為Xi，jn，完成粗校正工作；(4)精校正步驟。利用神經(jīng)網(wǎng)絡(luò)校正算法對(duì)粗校正剩余的增益非均勻性進(jìn)行補(bǔ)償，校正公式為Yi,jn=ai,jnXi,jn+B‾,]]>
然后取四鄰域平均作為期望輸出結(jié)果，fi,jn=(Yi+1,jn+Yi,j+1n+Yi-1,jn+Yi,j-1n)/4,]]>由第n幀中(i，j)位置校正結(jié)果和輸出結(jié)果的期望值得出該位置鄰域內(nèi)的方差(σi，jn)2，方差鄰域?yàn)?×3鄰域，即N＝3，N＝3，如公式(σi,jn)2=Σi=1MΣj=1N(Yi,jn-μi,jn)2/N×N,]]>再取λ＝9，計(jì)算出更新后的迭代步長υi,j(n)=Ka/(1+λ(σi,jn)2),]]>代回公式ai,jn+1=ai,jn-2υi,jnXi,jn(Yi,jn-fi,jn),]]>得出更新增益系數(shù)a(i，j)n+1，置變量n＝n+1，判斷是否n＞Num，是則結(jié)束，否則轉(zhuǎn)粗校正步驟，在校正下一幀圖的時(shí)候用新的增益系數(shù)進(jìn)行校正。直到所有幀圖都校正完畢。
比較發(fā)現(xiàn)，兩點(diǎn)校正算法可以得到比較高的校正精度，無目標(biāo)退化現(xiàn)象，但該算法需要定標(biāo)黑體，增加了探測(cè)器的結(jié)構(gòu)復(fù)雜度，而且需要周期性的定標(biāo)，自適應(yīng)能力較差；邊緣指導(dǎo)與一點(diǎn)校正和神經(jīng)網(wǎng)絡(luò)結(jié)合的算法結(jié)合的方法可以良好地抑制目標(biāo)弱化，但算法收斂所需時(shí)間較長，邊緣檢測(cè)的運(yùn)算量較大，不易硬件實(shí)現(xiàn)；一點(diǎn)校正和神經(jīng)網(wǎng)絡(luò)結(jié)合的算法的方法的收斂速度較快，但存在目標(biāo)退化現(xiàn)象；本發(fā)明算法有效地補(bǔ)償壞元，能抑制目標(biāo)退化，在算法收斂所需幀數(shù)和時(shí)間優(yōu)于另外兩種方法。
權(quán)利要求
1.一種紅外焦平面陣列非均勻性自適應(yīng)校正方法，包括初始化步驟、預(yù)處理步驟、粗校正步驟和精校正步驟(1)初始化步驟，設(shè)定待校正原始圖像序列總幀數(shù)為Num，Num為自然數(shù)，初始化待校正原始圖像各個(gè)象元的增益校正系數(shù)ai,j1=1,]]>迭代步長矩陣初始為全1矩陣，壞元模板初始為全0矩陣，置變量n＝1，變量n表示待校正原始圖像序列號(hào)；(2)預(yù)處理步驟，用紅外焦平面探測(cè)器采集M幀均勻輻照的圖像，對(duì)它們進(jìn)行時(shí)域平均得到背景幀圖像B，其各象元點(diǎn)灰度值Bi，j；利用基于場(chǎng)景的無效象元檢測(cè)算法對(duì)背景幀圖像各象元點(diǎn)進(jìn)行無效象元檢測(cè)，檢測(cè)結(jié)果存入壞元模板，根據(jù)檢測(cè)結(jié)果計(jì)算背景幀圖像中有效象元的灰度平均值B，M為10～100；(3)粗校正步驟，輸入第n幀原始圖像Nn，(3.1)將其各象元位置的灰度值Ni，jn減去背景幀圖像對(duì)應(yīng)象元位置的灰度值Bi，j，其各象元位置的灰度值Xi，jnXi,jn=Ni,jn-Bi,j]]>(3.2)對(duì)第n幀原始圖像對(duì)應(yīng)壞元模板無效象元位置的各像素值進(jìn)行4鄰域平均替代處理，得到粗校正后的圖像X，其各像元灰度值Xi，jn；(4)精校正步驟，利用神經(jīng)網(wǎng)絡(luò)校正算法對(duì)粗校正后的圖像的增益非均勻性進(jìn)行補(bǔ)償Yi,jn=ai,jnXi,jn+B‾,]]>ai,jn+1=ai,jn-2υi,jnXi,jn(Yi,jn-fi,jn),]]>fi,jn=(Yi+1,jn+Yi,j+1n+Yi-1,jn+Yi,j-1n)/4]]>其中，Yi，jn為精校正后圖像Yn各像元灰度值，ai，jn當(dāng)前幀圖像各個(gè)象元的增益校正系數(shù)，υi，jn為第n幀圖像中象元(i，j)位置對(duì)應(yīng)的迭代步長，fi，jn為精校正后圖像Yn中各象元的四鄰域象元灰度值均值；增益校正系數(shù)更新后，置變量n＝n+1，判斷是否n＞Num，是則結(jié)束，否則轉(zhuǎn)步驟(2)。
2.如權(quán)利要求1所述的一種紅外焦平面陣列非均勻性自適應(yīng)校正方法，其特征在于所述預(yù)處理步驟中，無效象元檢測(cè)過程為(1)分別計(jì)算二維圖像在x，y方向的一維算子，計(jì)算公式為Bxmax＝max{2Bi，j-1-Bi，j-2，2Bi，j+1-Bi，j+2，Bi，j-1，Bi，j+1}Bxmin＝min{2Bi，j-1-Bi，j-2，2Bi，j+1-Bi，j+2，Bi，j-1，Bi，j+1}Bymax＝max{2Bi-1，j-Bi-2，j，2Bi+1，j-Bi+2，j，Bi-1，j，Bi+1，j}Bymin＝min{2Bi-1，j-Bi-2，j，2Bi+1，j-Bi+2，j，Bi-1，j，Bi+1，j}其中，Bxmax，Bxmin，Bymax，Bymin分別為背景幀圖像B上象元Bi，j橫向最大算子，橫向最小算子，縱向最大算子，縱向最小算子；(2)對(duì)背景幀圖像各象元點(diǎn)進(jìn)行判定(Bi，j-Bxmax)/Bi，j＞TH、(Bi，j-Bymax)/Bi，j＞TH、(Bxmin-Bi，j)/Bi，j＞TH或(Bymin-Bi，j)/Bi，j＞TH，四式中任一成立，則判定背景幀圖像B該象元Bi，j為無效象元，否則為有效象元，其中壞元檢測(cè)的灰度門限值TH為0.05～0.1。
3.如權(quán)利要求1所述的一種紅外焦平面陣列非均勻性自適應(yīng)校正方法，其特征在于所述精校正處理步驟中，迭代步長υi，jn的選取過程為υi,jn=Ka/(1+λ(σi,jn)2),]]>其中υi，jn為第n幀圖像中象元(i，j)位置對(duì)應(yīng)的迭代步長，迭代步長的最大值Ka為1×10-2～2×10-2，方差影響系數(shù)λ為5～10，第n幀圖像中象元(i，j)位置鄰域內(nèi)的方差(σi，jn)2為(σi,jn)2=Σi=1MΣj=1N(Yi,jn-μi,jn)2/N×M,]]>其中Yi，jn為精校正后圖像Yn各像元的灰度值，μi，jn為精校正后圖像Yn對(duì)應(yīng)像元Yi，jn神經(jīng)網(wǎng)絡(luò)法四鄰域平均的期望值，N×N為方差鄰域的大小，N取1～10。
全文摘要
一種紅外焦平面陣列非均勻性自適應(yīng)校正方法，屬于紅外焦平面探測(cè)器領(lǐng)域，目的在于有效地抑制目標(biāo)退化，提高運(yùn)算速度，并且易于硬件實(shí)現(xiàn)。本發(fā)明包括初始化步驟、預(yù)處理步驟、粗校正步驟和精校正步驟，本發(fā)明采用一點(diǎn)校正和神經(jīng)網(wǎng)絡(luò)自適應(yīng)校正相結(jié)合的算法，并且加入邊緣提取模塊，結(jié)合各算法的優(yōu)點(diǎn)，得出一種組合的校正算法，有效地消除了空間低頻噪聲，抑制了目標(biāo)退化，在運(yùn)算速度上比基于邊緣指導(dǎo)的神經(jīng)網(wǎng)絡(luò)算法有一定提高。
文檔編號(hào)G01J1/02GK101038209SQ200710051919
公開日2007年9月19日 申請(qǐng)日期2007年4月19日 優(yōu)先權(quán)日2007年4月19日
發(fā)明者張?zhí)煨? 桑紅石, 鐘勝, 施長城, 劉慧娜, 李潔珺, 周泱, 袁雅婧 申請(qǐng)人:華中科技大學(xué)