專利名稱：：CCD傳感器Smear效應(yīng)處理方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種Smear效應(yīng)處理方法，特別是(XD傳感器Smear效應(yīng)處理方法。
背景技術(shù)：
：Smear效應(yīng)(拖影問題)是幀轉(zhuǎn)移型(XD傳感器的固有特性。當(dāng)(XD傳感器受到強光源照射，在進行幀轉(zhuǎn)移過程中，垂直CCD不斷進行光電轉(zhuǎn)換，攝影區(qū)域的信號電荷轉(zhuǎn)移到存儲區(qū)域，轉(zhuǎn)移中信號電荷會加上強光源產(chǎn)生的多余的光電轉(zhuǎn)換信號，在讀出的圖像當(dāng)中上下方拉出白線，將嚴重影響圖像對比度和圖像質(zhì)量，降低圖像細節(jié)信息?，F(xiàn)有的Smear效應(yīng)修正方法采用增加曝光時間，使用機械快門和電子快門，借助暗像元區(qū)域信息或借助相機相關(guān)參數(shù)等方法進行修正。文獻“科學(xué)級幀轉(zhuǎn)移型C⑶相機拖影問題的處理，科學(xué)技術(shù)與工程，2009，Vol.9(15)，p4336-4338”公開了一種借助CCD相關(guān)參數(shù)進行Smear效應(yīng)修正的方法。該方法借助相機曝光時間、幀轉(zhuǎn)移時間等相關(guān)參數(shù)，建立起理想圖像與原始圖像之間的關(guān)系，通過估計出的Smear效應(yīng)參數(shù)，消除原始圖像中的Smear效應(yīng)。在建立理想圖像與原始圖像之間關(guān)系模型時，需要明確知道相機的曝光時間、幀轉(zhuǎn)移時間，因此，對產(chǎn)生Smear效應(yīng)原始圖像的獲取設(shè)備的相關(guān)參數(shù)具有依賴性和局限性。并且在建立理想圖像與原始圖像之間的關(guān)系模型時，僅借助相機的相關(guān)參數(shù)，并未考慮獲取的實際圖像中光照、噪聲等的影響，降低了Smear效應(yīng)的消除能力。
發(fā)明內(nèi)容為了克服現(xiàn)有的Smear效應(yīng)修正方法Smear效應(yīng)消除能力低的不足，本發(fā)明提供一種(XD傳感器Smear效應(yīng)處理方法。該方法利用全局圖像灰度的統(tǒng)計信息判定Smear效應(yīng)發(fā)生區(qū)域的具體位置信息，消除對已知相機相關(guān)參數(shù)才能進行Smear效應(yīng)修正的依賴性。考慮到Smear效應(yīng)圖像和原始圖像的生成關(guān)系，根據(jù)原始圖像和產(chǎn)生Smear效應(yīng)區(qū)域的灰度特性對原始圖像和Smear效應(yīng)區(qū)域進行背景建模，估計出Smear效應(yīng)圖像，借助原始圖像的圖像特性，考慮光照、噪聲等因素對圖像產(chǎn)生的影響，更真實的反映了產(chǎn)生Smear圖像當(dāng)前幀的圖像特性，可以提高Smear效應(yīng)消除能力。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案一種CCD傳感器Smear效應(yīng)處理方法，其特點是包括下述步驟(a)對大小為rXc的16位圖像，灰度大小范圍為(0，65535)，按照對圖像中的每列進行灰度值累加求和。式中，Col_sum(j)表示第j列的灰度和，f^^x,y)表示(i，j)處的灰度值，r表示行長度，c表示列寬度。計算向量Col_sum的均值mean計算向量Col_sum的方差var式中，x(k)表示輸入的信號，n表示輸入信號的窗口大小。計算閾值ThsThs=mean+aXvar(4)式中，a=400。將統(tǒng)計得到的第j列的Col_Sum(j)與Ths進行比較，大于等于該閾值Ths，即表示該列發(fā)生了Smear效應(yīng)，標(biāo)記為1式中，I_mask是Smear效應(yīng)判定向量。按照I_area=label(I_mask)(6)對連通區(qū)域進行l(wèi)abel()標(biāo)記，得到產(chǎn)生Smear效應(yīng)區(qū)域的個數(shù)num，記錄各連通區(qū)域的起始坐標(biāo)pos_left(num)和終止坐標(biāo)pos_right(num)位置信息，得到產(chǎn)生Smear效應(yīng)的具體位置。式中，label()表示對輸入的I_mask進行標(biāo)記，I_area表示標(biāo)記后的結(jié)果。(b)對輸入的全局圖像的各像素I_img(i，j)的灰度值，按照大小依次進行排序Is_img=sort(I_img(i,j))(7)找出排序后序列Is_img的中間位置p，以半徑為d選取局部區(qū)域排序后的數(shù)據(jù)，按眧為基準填充各像素得到真實圖像的背景圖像Ijmgmean。式中，sort()表示對輸入的圖像數(shù)據(jù)進行排序，d=50000。同樣，對判定出產(chǎn)生Smear效應(yīng)所在列的各像素I_img(r，smear_pos)的灰度值，Is_img(smear_pos)=sort(I_img(r，smear_pos))(9)按照大小依次進行排序，找出排序后序列的中間位置Pl，以半徑為屯選取局部區(qū)域排序后的數(shù)據(jù)，按照為基準填充各像素得到含有Smear效應(yīng)的圖像Ijmgsmear。式中，smear_pos表示產(chǎn)生Smear效應(yīng)列的位置，屯=50。將計算得到的含有Smear效應(yīng)的圖像Ijmgsmear與估計出的背景圖像Ijmgmean相減，最終得到估計出的Smear效應(yīng)圖像I_smear。I_smear=I_imgmean-I_imgsmear(11)(c)將待修正的原始圖像I_img與估計出的Smear效應(yīng)圖像I_smear相減，得到修正Smear效應(yīng)后的理想圖像I_new。對修正Smear效應(yīng)后的理想圖像I_new，再對其中產(chǎn)生電子溢出的區(qū)域通過插值的方式重建彌散斑，最終得到Smear效應(yīng)完全修正后的結(jié)果圖像1。_11冊。式中，j‘和j“表示未產(chǎn)生溢出的左、右兩側(cè)的最近的列坐標(biāo)位置，w,和wr表示對應(yīng)的權(quán)值。本發(fā)明的有益效果是由于利用全局圖像灰度的統(tǒng)計信息判定Smear效應(yīng)發(fā)生區(qū)域的具體位置信息，消除對已知相機相關(guān)參數(shù)才能進行Smear效應(yīng)修正的依賴性?？紤]到Smear效應(yīng)圖像和原始圖像的生成關(guān)系，根據(jù)原始圖像和產(chǎn)生Smear效應(yīng)區(qū)域的灰度特性對原始圖像和Smear效應(yīng)區(qū)域進行背景建模，估計出Smear效應(yīng)圖像，借助原始圖像的圖像特性，考慮光照、噪聲等因素對圖像產(chǎn)生的影響，更真實的反映了產(chǎn)生Smear圖像當(dāng)前幀的圖像特性，提高了Smear效應(yīng)消除能力。具體實施例方式1、Smear效應(yīng)發(fā)生位置確定。對大小為rXc的16位圖像，單像元的灰度值大小范圍為(0，65535)，按公式(1)，對圖像中的每列進行灰度值累加求和，其中，r表示行長度，c表示列寬度，Col_Sum(j)表示第j列的灰度和，j(x，y)表示(i，j)處的灰度值，通過計算可以得到全局圖像每列的灰度和值向量Col_sum。按照公式(2)，(3)分別計算向量Col_sum的均值mean和方差var，其中，x(k)表示輸入的信號，n表示輸入信號的窗口大小。1“按照公式(4)，計算得到一個判定Smear效應(yīng)的閾值Ths，其中，a為給定的一個實驗值，本發(fā)明中選定a=400。Ths=mean+aXvar(4)將統(tǒng)計得到的第j列的Col_Sum(j)與Ths進行比較，大于等于該閾值Ths，即為該列發(fā)生了Smear效應(yīng)，并標(biāo)記為1，如公式(5)所示。其中，I_mask為Smear效應(yīng)判定向量。6最后如公式(6)所示，對連通區(qū)域進行l(wèi)abel()標(biāo)記，得到產(chǎn)生Smear效應(yīng)區(qū)域的個數(shù)num，并記錄各連通區(qū)域的起始坐標(biāo)pos_left(num)和終止坐標(biāo)pos_right(num)位置信息，得到產(chǎn)生Smear效應(yīng)的具體位置。其中，label()表示對輸入的I_mask進行標(biāo)記，I_area表示標(biāo)記后的結(jié)果。I_area=label(I_mask)(6)2、Smear效應(yīng)估計。對輸入的全局圖像的各像素I_img(i，j)的灰度值，如公式(7)所示，按照大小依次進行排序。找出排序后序列Is_img的中間位置p，以半徑為d選取局部區(qū)域排序后的數(shù)據(jù)，如公式(8)所示計算均值，以此為基準填充各像素得到真實圖像的背景圖像1_imgmean，其中，sort()表示對輸入的圖像數(shù)據(jù)進行排序，本方明中選定d=50000。Is_img=sort(I_img(i,j))(7)I_imgmean=1/d∑Is(K)(8)同樣，對判定出產(chǎn)生Smear效應(yīng)所在列的各像素I_img(r，smear_pos)的灰度值，如公式(9)所示，按照大小依次進行排序，找出排序后序列的中間位置Pl，以半徑為屯選取局部區(qū)域排序后的數(shù)據(jù)，如公式(10)所示計算均值，以此為基準填充各像素得到含有Smear效應(yīng)的圖像I_imgsmear，其中，smear_pos表示產(chǎn)生Smear效應(yīng)列的位置。本發(fā)明中選定屯=50。如公式(11)所示，將計算得到的含有Smear效應(yīng)的圖像Ijmgsmear與估計出的背景圖像Ijmgmean相減，最終得到估計出的Smear效應(yīng)圖像I_smear。I_smear=I_imgmean-I_imgsmear(11)3、Smear效應(yīng)修正。如公式(12)所示，將待修正的原始圖像I_img與估計出的Smear效應(yīng)圖像1_smear相減，得到修Smear效應(yīng)后的理想圖像I_new。I_new=I_img-I_smear(12)由于強光源照射，在產(chǎn)生Smear效應(yīng)的強光源圖像所在位置還會有電子溢出現(xiàn)象的產(chǎn)生，針對此，如公式(13)所示，對修Smear效應(yīng)后的理想圖像I_neW，再對產(chǎn)生電子溢出的區(qū)域通過插值的方式重建彌散斑，最終得到Smear效應(yīng)完全修正后的結(jié)果圖像1。_11冊。其中，j'和j"表示未產(chǎn)生溢出的左、右兩側(cè)的最近的列坐標(biāo)位置，巧和^表示對應(yīng)的權(quán)值，計算公式如(14)(15)所示。Wl=j"-j(14)wr=j'-j(15)。權(quán)利要求一種CCD傳感器Smear效應(yīng)處理方法，其特征在于包括下述步驟(a)對大小為r×c的16位圖像，灰度大小范圍為(0，65535)，按照<mrow><mi>Col</mi><mo>_</mo><mi>sum</mi><mrow><mo>(</mo><mi>j</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>r</mi></munderover><msub><mi>f</mi><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>,</mo><mi>i</mi><mo>∈</mo><mo>[</mo><mn>1</mn><mo>,</mo><mi>r</mi><mo>]</mo><mo>;</mo><mi>j</mi><mo>∈</mo><mo>[</mo><mn>1</mn><mo>,</mo><mi>c</mi><mo>]</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow>對圖像中的每列進行灰度值累加求和；式中，Col_sum(j)表示第j列的灰度和，fi，j(x，y)表示(i，j)處的灰度值，r表示行長度，c表示列寬度；計算向量Col_sum的均值mean<mrow><mi>mean</mi><mo>=</mo><mfrac><mn>1</mn><mi>n</mi></mfrac><munderover><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><mi>x</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow>計算向量Col_sum的方差var<mrow><msup><mi>var</mi><mn>2</mn></msup><mo>=</mo><mfrac><mn>1</mn><mi>n</mi></mfrac><munderover><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msup><mrow><mo>(</mo><mi>x</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>-</mo><mi>mean</mi><mo>)</mo></mrow><mn>2</mn></msup><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow>式中，x(k)表示輸入的信號，n表示輸入信號的窗口大??；計算閾值ThsThs＝mean+α×var(4)式中，α＝400；將統(tǒng)計得到的第j列的Col_sum(j)與Ths進行比較，大于等于該閾值Ths，即表示該列發(fā)生了Smear效應(yīng)，標(biāo)記為1<mrow><mi>I</mi><mo>_</mo><mi>mask</mi><mrow><mo>(</mo><mi>j</mi><mo>)</mo></mrow><mo>=</mo><mfencedopen='{'close=''><mtable><mtr><mtd><mn>1</mn><mo>,</mo></mtd><mtd><mi>Col</mi><mo>_</mo><mi>sum</mi><mrow><mo>(</mo><mi>j</mi><mo>)</mo></mrow><mo>≥</mo><mi>Ths</mi></mtd></mtr><mtr><mtd><mn>0</mn><mo>,</mo></mtd><mtd><mi>Col</mi><mo>_</mo><mi>sum</mi><mrow><mo>(</mo><mi>j</mi><mo>)</mo></mrow><mo><</mo><mi>Ths</mi></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>5</mn><mo>)</mo></mrow></mrow>式中，I_mask是Smear效應(yīng)判定向量；按照I_area＝label(I_mask)(6)對連通區(qū)域進行l(wèi)abel(·)標(biāo)記，得到產(chǎn)生Smear效應(yīng)區(qū)域的個數(shù)num，記錄各連通區(qū)域的起始坐標(biāo)pos_left(num)和終止坐標(biāo)pos_right(num)位置信息，得到產(chǎn)生Smear效應(yīng)的具體位置；式中，label(·)表示對輸入的I_mask進行標(biāo)記，I_area表示標(biāo)記后的結(jié)果；(b)對輸入的全局圖像的各像素I_img(i，j)的灰度值，按照大小依次進行排序Is_img＝sort(I_img(i，j))(7)找出排序后序列Is_img的中間位置p，以半徑為d選取局部區(qū)域排序后的數(shù)據(jù)，按照<mrow><mi>I</mi><mo>_</mo><mi>imgmean</mi><mo>=</mo><mfrac><mn>1</mn><mi>d</mi></mfrac><munderover><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mi>p</mi><mo>-</mo><mi>d</mi><mo>/</mo><mn>2</mn></mrow><mrow><mi>p</mi><mo>+</mo><mi>d</mi><mo>/</mo><mn>2</mn></mrow></munderover><msub><mi>I</mi><mi>s</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>8</mn><mo>)</mo></mrow></mrow>為基準填充各像素得到真實圖像的背景圖像I_imgmean；式中，sort(·)表示對輸入的圖像數(shù)據(jù)進行排序，d＝50000；同樣，對判定出產(chǎn)生Smear效應(yīng)所在列的各像素I_img(r，smear_pos)的灰度值，Is_img(smear_pos)＝sort(I_img(r，smear_pos))(9)按照大小依次進行排序，找出排序后序列的中間位置p1，以半徑為d1選取局部區(qū)域排序后的數(shù)據(jù)，按照<mrow><mi>I</mi><mo>_</mo><mi>imgsmear</mi><mrow><mo>(</mo><mi>smear</mi><mo>_</mo><mi>pos</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><msub><mi>d</mi><mn>1</mn></msub></mfrac><munderover><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mi>p</mi><mo>-</mo><msub><mi>d</mi><mn>1</mn></msub><mo>/</mo><mn>2</mn></mrow><mrow><msub><mi>p</mi><mn>1</mn></msub><mo>+</mo><msub><mi>d</mi><mn>1</mn></msub><mo>/</mo><mn>2</mn></mrow></munderover><msub><mi>I</mi><mi>s</mi></msub><mo>_</mo><mi>img</mi><mrow><mo>(</mo><mi>smear</mi><mo>_</mo><mi>pos</mi><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>10</mn><mo>)</mo></mrow></mrow>為基準填充各像素得到含有Smear效應(yīng)的圖像I_imgsmear；式中，smear_pos表示產(chǎn)生Smear效應(yīng)列的位置，d1＝50；將計算得到的含有Smear效應(yīng)的圖像I_imgsmear與估計出的背景圖像I_imgmean相減，最終得到估計出的Smear效應(yīng)圖像I_smear；I_smear＝I_imgmean-I_imgsmear(11)(c)將待修正的原始圖像I_img與估計出的Smear效應(yīng)圖像I_smear相減，得到修正Smear效應(yīng)后的理想圖像I_new；I_new＝I_img-I_smear(12)按照<mrow><msub><mi>I</mi><mi>cor</mi></msub><mo>_</mo><mi>new</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><msub><mi>w</mi><mi>l</mi></msub><mo>·</mo><mi>I</mi><mo>_</mo><mi>new</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><msup><mi>j</mi><mo>′</mo></msup><mo>)</mo></mrow><mo>+</mo><msub><mi>w</mi><mi>r</mi></msub><mo>·</mo><mi>I</mi><mo>_</mo><mi>new</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><msup><mi>j</mi><mrow><mo>′</mo><mo>′</mo></mrow></msup><mo>)</mo></mrow></mrow><mrow><msub><mi>w</mi><mi>l</mi></msub><mo>+</mo><msub><mi>w</mi><mi>r</mi></msub></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>13</mn><mo>)</mo></mrow></mrow>wl＝j(luò)″-j(14)wr＝j(luò)′-j(15)對修正Smear效應(yīng)后的理想圖像I_new，再對其中產(chǎn)生電子溢出的區(qū)域通過插值的方式重建彌散斑，最終得到Smear效應(yīng)完全修正后的結(jié)果圖像Icor_new；式中，j′和j″表示未產(chǎn)生溢出的左、右兩側(cè)的最近的列坐標(biāo)位置，wl和wr表示對應(yīng)的權(quán)值。全文摘要本發(fā)明公開了一種CCD傳感器Smear效應(yīng)處理方法，其目的是解決現(xiàn)有的Smear效應(yīng)修正方法Smear效應(yīng)消除能力低的技術(shù)問題。技術(shù)方案是利用全局圖像灰度的統(tǒng)計信息判定Smear效應(yīng)發(fā)生區(qū)域的具體位置信息，消除對已知相機相關(guān)參數(shù)才能進行Smear效應(yīng)修正的依賴性?？紤]到Smear效應(yīng)圖像和原始圖像的生成關(guān)系，根據(jù)原始圖像和產(chǎn)生Smear效應(yīng)區(qū)域的灰度特性對原始圖像和Smear效應(yīng)區(qū)域進行背景建模，估計出Smear效應(yīng)圖像，借助原始圖像的圖像特性，考慮光照、噪聲等因素對圖像產(chǎn)生的影響。更真實的反映了產(chǎn)生Smear圖像當(dāng)前幀的圖像特性，提高了Smear效應(yīng)消除能力。文檔編號G06T5/50GK101853501SQ201010171889公開日2010年10月6日申請日期2010年5月13日優(yōu)先權(quán)日2010年5月13日發(fā)明者周軍,孫瑾秋申請人:西北工業(yè)大學(xué)