CN104330164A - 红外焦平面阵列的盲元检测方法与装置 - Google Patents

Abstract

本发明涉及一种红外焦平面阵列的盲元检测方法与装置，用以解决的现有盲元检测方法稳定性差问题。本发明在判断盲元时，利用基于均匀背景的红外图像的灰度值近似于正态分布的特性，以像元为中心加窗、计算。这种方***率较差，通过研究，我们发现这是由于噪声干扰造成的。因此，在此基础上，每次采集一帧探测器原始图像，在时域范围内对计算结果进行统计判断，通过设定证据阈值有效地避免因噪声引起的错误盲元检测，提高检测准确率。

Description

红外焦平面阵列的盲元检测方法与装置

技术领域

本发明涉及一种红外焦平面阵列的盲元检测方法与装置。

背景技术

受现阶段材料和制造工艺等因素的影响，红外焦平面阵列探测器普遍存在着无效像元，这些无效像元又称为盲元。如果在成像时不进行相应的处理，那么盲元就会使得红外图像在其相应的位置出现亮点或者暗点，从而严重影响红外成像的质量，因而，对盲元进行补偿是红外成像处理中不可或缺的一个环节。然而，盲元补偿的前提及基础在于能够对盲元进行有效地检测，因此，高效的盲元检测方法对于红外成像质量的提高有着重要的意义。

目前，通过对不同温度下黑体辐射源的探测器图像数据进行分析并检测出盲元是较为常用的方法。公告号为CN103076156A的专利中公开了一种红外焦平面阵列的多判据盲元检测方法，其在高中低三个温度下分别采集记录足够数量的黑体图像数据，利用每个像元的统计量与整个焦平面的统计量进行比较检测出盲元。该方法存在的缺陷在于统计量的计算需要对所有的黑体图像数据进行存储，无疑给硬件实现带来了不便。文献“一种新的红外焦平面阵列盲元检测与补偿方法”提出了在连续若干天分别采集并记录30个温度点的黑体图像，通过将每个像元与周围8邻域的中值比较进行盲元判别。该方法实施盲元检测的周期较长，不够快速，且同样存在存储开销大的缺点。此外，这类方法需要黑体和相应的温度控制装置，对很多应用场合(如机载设备)而言，这种依赖给使用造成了很大的困难。

在现有技术中，公布号为CN103335716A的专利中公开了一种基于变积分时间的面阵红外相机定标与非均匀性校正方法，通过改变红外焦平面的积分时间并采集足够数量的图像用于计算增益数据，以及利用增益数据进行局部比较进行盲元检测。虽然该方法不需要黑体及温控装置的辅助，但积分时间点的调整使得盲元检测难以快速实施。

《红外焦平面阵列盲元检测与补偿算法研究》(张小龙等)，基于均匀背景的红外图像的灰度值近似于正态分布的特性，给出了一种盲元检测方法；但该方***率差。

发明内容

本发明的目的是提供一种红外焦平面阵列的盲元检测方法，用以解决的现有盲元检测方法稳定性差问题。

为实现上述目的，本发明的方案包括：红外焦平面阵列的盲元检测方法，步骤如下：

1)初始化步骤：红外***上电并且遮挡光路；

2)逐次采集步骤：每次采集一帧探测器原始图像数据I_t，t当前为采集次数；

3)每次采集后进行的处理步骤：每次采集后，依次对每个像元为中心进行加窗，计算该像元设定范围邻域内像元的局部均值μ_local以及局部标准差σ_local，如果该像元与局部均值μ_local之差大于三倍局部标准差σ_local，则对该像元进行对应计数；

4)盲元判断步骤：采集T次后，统计像元的对应计数值，若其对应计数值大于设定阈值，则判定为盲元；

步骤3)中，同时，对原始图像数据It进行叠加；步骤4)中，对叠加T次的原始图像数据，对每个像元求平均，并计算全局均值μ_global以及全局标准差σ_global，对于与全局均值μ_global的差值大于三倍全局标准差σ_global的像元，也判定为盲元。

设置时域证据图像即E_v用于对像元进行对应计数；时域证据图像的初值E_v(i，j)＝0，E_v(i，j)中，i，j为像元坐标；当像元与局部均值μ_local之差大于三倍局部标准差σ_local时，将该像元时域证据图像在相应位置加1。

设置时域平均图像E_m(i，j)用于原始图像的叠加，时域平均图像的初值E_m(i，j)＝0，E_m(i，j)中，i，j为像元坐标；每次采集后，将当前采集到的原始图像叠加到时域平均图像。

所述局部均值μ_local与局部标准差σ_local的具体计算公式为：

${\mathrm{\μ}}_{\mathrm{local}}=\frac{1}{25}{\mathrm{\Σ}}_{x=i-2}^{i+2}{\mathrm{\Σ}}_{y=j-2}^{j+2}{I}_t(x,y);{\mathrm{\σ}}_{\mathrm{local}}=\sqrt{\frac{1}{25}{\mathrm{\Σ}}_{x=i-2}^{i+2}{\mathrm{\Σ}}_{y=j-2}^{j+2}{(I_t(x,y)-{\mathrm{\μ}}_{\mathrm{local}})}^2};$ i，j为像元坐标，x，y表示设定邻域范围；所述全局均值μ_global与全局标准差σ_global的具体计算公式为 ${\mathrm{\σ}}_{\mathrm{global}}=\sqrt{\frac{1}{M\×N}{\mathrm{\Σ}}_{i=1}^M{\mathrm{\Σ}}_{j=1}^N{(E_m(i,j)-{\mathrm{\μ}}_{\mathrm{global}})}^2};$ i，j为像元坐标，M，N表示图像大小。

红外焦平面阵列的盲元检测装置，包括：

1)初始化模块：红外***上电并且遮挡光路；

2)逐次采集模块：每次采集一帧探测器原始图像数据I_t，t当前为采集次数；

3)每次采集后进行的处理模块：每次采集后，依次对每个像元为中心进行加窗，计算该像元设定范围邻域内像元的局部均值μ_local以及局部标准差σ_local，如果该像元与局部均值μ_local之差大于三倍局部标准差σ_local，则对该像元进行对应计数；

4)盲元判断模块：采集T次后，统计像元的对应计数值，若其对应计数值大于设定阈值，则判定为盲元；

模块3)中，同时，对原始图像数据It进行叠加；模块4)中，对叠加T次的原始图像数据，对每个像元求平均，并计算全局均值μ_global以及全局标准差σ_global，对于与全局均值μ_global的差值大于三倍全局标准差σ_global的像元，也判定为盲元。

设置时域证据图像即E_v用于对像元进行对应计数；时域证据图像的初值E_v(i，j)＝0，E_v(i，j)中，i，j为像元坐标；当像元与局部均值μ_local之差大于三倍局部标准差σ_local时，将该像元时域证据图像在相应位置加1。

设置时域平均图像E_m(i，j)用于原始图像的叠加，时域平均图像的初值E_m(i，j)＝0，E_m(i，j)中，i，j为像元坐标；每次采集后，将当前采集到的原始图像叠加到时域平均图像。

所述局部均值μ_local与局部标准差σ_local的具体计算公式为：

${\mathrm{\μ}}_{\mathrm{local}}=\frac{1}{25}{\mathrm{\Σ}}_{x=i-2}^{i+2}{\mathrm{\Σ}}_{y=j-2}^{j+2}{I}_t(x,y);{\mathrm{\σ}}_{\mathrm{local}}=\sqrt{\frac{1}{25}{\mathrm{\Σ}}_{x=i-2}^{i+2}{\mathrm{\Σ}}_{y=j-2}^{j+2}{(I_t(x,y)-{\mathrm{\μ}}_{\mathrm{local}})}^2};$ i，j为像元坐标，x，y表示设定邻域范围；所述全局均值μ_global与全局标准差σ_global的具体计算公式为 ${\mathrm{\σ}}_{\mathrm{global}}=\sqrt{\frac{1}{M\×N}{\mathrm{\Σ}}_{i=1}^M{\mathrm{\Σ}}_{j=1}^N{(E_m(i,j)-{\mathrm{\μ}}_{\mathrm{global}})}^2};$ i，j为像元坐标，M，N表示图像大小。

本发明在判断盲元时，利用基于均匀背景的红外图像的灰度值近似于正态分布的特性，以像元为中心加窗、计算。这种方***率较差，通过研究，我们发现这是由于噪声干扰造成的。因此，在此基础上，每次采集一帧探测器原始图像，在时域范围内对计算结果进行统计判断，通过设定证据阈值有效地避免因噪声引起的错误盲元检测，提高检测准确率。

进一步的，为了更好地对块状盲元及在时域上数据稳定的孤立盲元的检测，本发明增加了T次叠加原始图像并进行整体计算、判断的手段，提高了盲元的检测率。

本发明提出的盲元检测方法所需的存储开销低，并且运算简单，该方法很容易在现有的红外成像***中实现，不会增加额外的硬件成本。此外，该方法不需要黑体与温度控制装置的辅助，也不需要对焦平面积分时间进行调整，可确保盲元检测过程的快速实施。

附图说明

图1是本发明的实施例2的检测流程图；

图2是t＝64时采集的原始图像数据I₆₄；

图3是时域证据图像；

图4是利用时域证据图像获得的盲元检测结果；

图5是时域平均图像；

图6是利用时域平均图像获得的盲元检测结果；

图7所示的是最终的盲元检测结果。

具体实施方式

下面结合附图对本发明做进一步详细的说明。

实施例1

红外焦平面阵列的盲元检测方法，基本方案如下：

初始化步骤：红外***上电并且遮挡光路；

逐次采集步骤：每次采集一帧探测器原始图像数据I_t，t当前为采集次数；

每次采集后进行的处理步骤：每次采集后，依次对每个像元为中心进行加窗，计算该像元设定范围邻域内像元的局部均值μ_local以及局部标准差σ_local，如果该像元与局部均值μ_local之差大于三倍局部标准差σ_local，则对该像元进行对应计数；同时，对原始图像数据It进行叠加；

盲元判断步骤：采集T次后，统计像元的对应计数值，若其对应计数值大于设定阈值，则判定为盲元。

盲元判断基于均匀背景的红外图像的灰度值近似于正态分布的特性，像元与局部均值μ_local之差大于三倍局部标准差σ_local为判据，并且考虑到噪声的影响，引入阈值判断。阈值可以选取如T/3，即T次计算中，超过1/3几率出现满足上述判据，判定为盲元。

具体的，初始化步骤为：红外成像***上电后，通过指令控制挡片将光路遮挡。每采集一帧探测器原始图像数据，进行存储并且进行计算、判断和计数；具体计数可以采用计数器或实施例2利用时域证据图像的方式。

实施例2

本实施例所采用的红外成像***可以选用面阵大小为320×256的中波制冷型焦平面阵列探测器，该成像***的图像处理电路由FPGA与DSP构成，FPGA进行探测器原始图像数据的采集，数据的分布范围为[-32768，32767]，DSP进行后续的处理，盲元检测过程在DSP中实施。

参考图1，整个实施例的具体实现步骤如下：

步骤1，红外成像***上电后，通过指令控制挡片将光路遮挡。

步骤2，对时域证据图像赋初值，即E_v(i，j)＝0，对时域平均图像赋初值，即E_m(i，j)＝0，(i，j)为像元坐标，对循环计数赋初值，即t＝0，而后，循环步骤2-1至步骤2-4直到t＝T退出循环并进入步骤3。T为总的循环次数，此例中T取为128(或其他2的幂函数)，这样在步骤4中将时域平均图像沿时域方向平均时，除法可通过移位来快速实现。

步骤2-1，采集一帧探测器原始图像数据，记为I_t。将I_t存入到上一次循环采集的原始图像数据I_t-1所在的存储空间中，因为I_t-1不需要被记录，因此其所在的存储空间可以被I_t刷新。如图2所示的为t＝64时采集的原始图像数据I₆₄。

步骤2-2，在原始图像I_t中，对于每个像元(i，j)，以其为中心，利用5×5邻域内所有像元数据计算局部均值μ_local以及局部标准差σ_local，具体计算公式为

${\mathrm{\μ}}_{\mathrm{local}}=\frac{1}{25}{\mathrm{\Σ}}_{x=i-2}^{i+2}{\mathrm{\Σ}}_{y=j-2}^{j+2}{I}_t(x,y),$

${\mathrm{\σ}}_{\mathrm{local}}=\sqrt{\frac{1}{25}{\mathrm{\Σ}}_{x=i-2}^{i+2}{\mathrm{\Σ}}_{y=j-2}^{j+2}{(I_t(x,y)-{\mathrm{\μ}}_{\mathrm{local}})}^2},$

如果像元(i，j)满足|I_t(i，j)-μ_local|＞3σ_local，那么将时域证据图像在相应位置累加1，即E_v(i，j)＝E_v(i，j)+1。

以原始图像数据I₆₄中的像元(125，26)为例，I₆₄(125，26)＝-16131，利用5×5邻域内所有像元(包括(123，24)，(124，24)，...，(127，24)，(123，25)，(124，25)，...，(127，25)，...，(123，28)，(124，28)，...，(127，28))计算得到μ_local＝-645.96及σ_local＝3214.6，由于|I₆₄(125，26)-μ_local|＞3σ_local，因此更新时域证据图像在该像元位置的值，即E_v(125，26)＝E_v(125，26)+1。

又以原始图像数据I₆₄中的像元(297，8)为例，I₆₄(297，8)＝-14977，类似地计算得到μ_local＝-5100.1及σ_local＝8309.3，由于|I₆₄(297，8)-μ_local|＜3σ_local，因此不对时域证据图像在该像元位置的值进行更新。虽然像元(297，8)与像元(125，26)的数据差异不大，但像元(125，26)与其邻域像元数据相比较为孤立，因此满足判定准则，而像元(297，8)处在一个疑似块状盲元之中，也就是说，其邻域像元都是疑似盲元，因而与其邻域像元数据相比并不孤立，从而不满足判定准则。

步骤2-3，将当前采集到的原始图像累加到时域平均图像中，即E_m(i，j)＝E_m(i，j)+I_t(i，j)。

步骤2-4，循环计数累加1，即t＝t+1。

步骤3，利用时域证据图像与设定证据阈值θ_v进行比较，得到盲元检测集合S_v＝{(i，j)|E_v(i，j)＞θ_v}。证据阈值θ_v取为也即，假若在总共T次循环中某像元满足步骤2-2所述判定准则的概率大于那么该像元则为盲元，通过设定证据阈值可以有效地避免因噪声引起的错误盲元检测。

图3所示的为时域证据图像，该图像中像元显示越黑表示其证据值越大。图4所示的是利用时域证据图像获得的盲元检测结果S_v，其中，黑的像元代表检测出的盲元。以像元(125，26)为例，E_v(125，26)＝49，其满足E_v(125，26)＞θ_v，因此，该像元是盲元。而像元(297，8)的值为E_v(297，8)＝0，由于E_v(297，8)＜θ_v，因此，该像元不是盲元。

步骤4，将时域平均图像沿时域方向平均，即E_m(i，j)＝E_m(i，j)/T，而后，利用时域平均图像计算全局均值μ_global以及全局标准差σ_global，具体计算公式为

${\mathrm{\μ}}_{\mathrm{global}}=\frac{1}{M\×N}{\mathrm{\Σ}}_{i=1}^M{\mathrm{\Σ}}_{j=1}^N{E}_m(i,j),$

${\mathrm{\σ}}_{\mathrm{global}}=\sqrt{\frac{1}{M\×N}{\mathrm{\Σ}}_{i=1}^M{\mathrm{\Σ}}_{j=1}^N{(E_m(i,j)-{\mathrm{\μ}}_{\mathrm{global}})}^2},$

结合全局均值及标准差进行盲元检测，得到盲元集合S_m＝{(i，j)||E_m(i，j)-μ_global|＞3σ_global}。

图5所示的为时域平均图像E_m，面阵大小M×N为320×256，根据公式计算得到μ_global＝-54.9849，σ_global＝402.0537。图6是利用时域平均图像获得的盲元检测结果S_m，其中，黑的像元代表检测出的盲元。以像元(297，8)为例，E_m(297，8)＝-15500，其满足|E_m(297，8)-μ_global|＞3σ_global，因此，该像元是盲元。而像元(125，26)的值为E_m(125，26)＝-394，由于|E_m(125，26)-μ_global|＜3σ_global，因此，该像元不是盲元。

步骤5，将盲元集合S_v与盲元集合S_m合并，得到最终的盲元检测结果。由于步骤3中利用时域证据图像进行盲元检测考虑的是探测器时域与局部空域的统计特性，该特性有利于孤立盲元及在时域上数据表现为闪烁的盲元的检测，但不利于块状盲元的检测，这是因为块状盲元的局部邻域数据往往不满足步骤2-2所述判定准则。而步骤4中将时域平均图像与全局均值及标准差相结合进行盲元检测是对探测器时域与空域的全局统计特性进行综合利用，该特性有利于块状盲元及在时域上数据稳定的孤立盲元的检测，但不利于在时域上数据表现为闪烁的盲元的检测，这是因为时域平均图像将闪烁的盲元从时域方向上平滑掉了。因此，将步骤3与步骤4的盲元检测进行合并，可提高盲元的检测率。

图7所示的是最终的盲元检测结果。以盲元(125，26)与(297，8)为例，像元(125，26)为闪烁的盲元，通过时域证据值的积累，从而在步骤3中利用时域证据图像将其检测出，但此像元会被时域平均图像从时域方向上平滑掉，因而在步骤4中利用时域平均图像没有将其检测出；而像元(297，8)处于一个块状的盲元中，与其邻域像元数据相比并不孤立，从而不满足步骤2-2所述判定准则，导致其难以通过时域证据值的积累来检测出，但通过时域平均图像与全局均值及标准差相结合可将该盲元检测出；通过合并步骤3与步骤4的盲元检测结果，盲元(125，26)与(297，8)在最终的检测结果中都被检测出来。

以上给出了具体的实施方式，但本发明不局限于所描述的实施方式。本发明的基本思路在于上述基本方案，对本领域普通技术人员而言，根据本发明的教导，设计出各种变形的模型、公式、参数并不需要花费创造性劳动。在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变型仍落入本发明的保护范围内。

Claims (10)

1.红外焦平面阵列的盲元检测方法，其特征在于，步骤如下：

1)初始化步骤：红外***上电并且遮挡光路；

2)逐次采集步骤：每次采集一帧探测器原始图像数据I_t，t当前为采集次数；

3)每次采集后进行的处理步骤：每次采集后，依次对每个像元为中心进行加窗，计算该像元设定范围邻域内像元的局部均值μ_local以及局部标准差σ_local，如果该像元与局部均值μ_local之差大于三倍局部标准差σ_local，则对该像元进行对应计数；

4)盲元判断步骤：采集T次后，统计像元的对应计数值，若其对应计数值大于设定阈值，则判定为盲元。

2.根据权利要求1所述的红外焦平面阵列的盲元检测方法，其特征在于，步骤3)中，同时，对原始图像数据It进行叠加；步骤4)中，对叠加T次的原始图像数据，对每个像元求平均，并计算全局均值μ_global以及全局标准差σ_global，对于与全局均值μ_global的差值大于三倍全局标准差σ_global的像元，也判定为盲元。

3.根据权利要求1或2所述的红外焦平面阵列的盲元检测方法，其特征在于，设置时域证据图像即E_v用于对像元进行对应计数；时域证据图像的初值E_v(i，j)＝0，E_v(i，j)中，i，j为像元坐标；当像元与局部均值μ_local之差大于三倍局部标准差σ_local时，将该像元时域证据图像在相应位置加1。

4.根据权利要求1或2所述的红外焦平面阵列的盲元检测方法，其特征在于，设置时域平均图像E_m(i，j)用于原始图像的叠加，时域平均图像的初值E_m(i，j)＝0，E_m(i，j)中，i，j为像元坐标；每次采集后，将当前采集到的原始图像叠加到时域平均图像。

5.根据权利要求1所述的红外焦平面阵列的盲元检测方法，其特征在于，所述局部均值μ_local与局部标准差σ_local的具体计算公式为：

${\mathrm{\μ}}_{\mathrm{local}}=\frac{1}{25}{\mathrm{\Σ}}_{x=i-2}^{i+2}{\mathrm{\Σ}}_{y=j-2}^{j+2}{I}_t(x,y);{\mathrm{\σ}}_{\mathrm{local}}=\sqrt{\frac{1}{25}{\mathrm{\Σ}}_{x=i-2}^{i+2}{\mathrm{\Σ}}_{y=j-2}^{j+2}{(I_t(x,y)-{\mathrm{\μ}}_{\mathrm{local}})}^2};$ i，j为像元坐标，x，y表示设定邻域范围；所述全局均值μ_global与全局标准差σ_global的具体计算公式为 ${\mathrm{\σ}}_{\mathrm{global}}=\sqrt{\frac{1}{M\×N}{\mathrm{\Σ}}_{i=1}^M{\mathrm{\Σ}}_{j=1}^N{(E_m(i,j)-{\mathrm{\μ}}_{\mathrm{global}})}^2};$ i，j为像元坐标，M，N表示图像大小。

6.红外焦平面阵列的盲元检测装置，其特征在于，包括：

1)初始化模块：红外***上电并且遮挡光路；

2)逐次采集模块：每次采集一帧探测器原始图像数据I_t，t当前为采集次数；

3)每次采集后进行的处理模块：每次采集后，依次对每个像元为中心进行加窗，计算该像元设定范围邻域内像元的局部均值μ_local以及局部标准差σ_local，如果该像元与局部均值μ_local之差大于三倍局部标准差σ_local，则对该像元进行对应计数；

4)盲元判断模块：采集T次后，统计像元的对应计数值，若其对应计数值大于设定阈值，则判定为盲元。

7.根据权利要求6所述的红外焦平面阵列的盲元检测装置，其特征在于，模块3)中，同时，对原始图像数据It进行叠加；模块4)中，对叠加T次的原始图像数据，对每个像元求平均，并计算全局均值μ_global以及全局标准差σ_global，对于与全局均值μ_global的差值大于三倍全局标准差σ_global的像元，也判定为盲元。

8.根据权利要求6或7所述的红外焦平面阵列的盲元检测装置，其特征在于，设置时域证据图像即E_v用于对像元进行对应计数；时域证据图像的初值E_v(i，j)＝0，E_v(i，j)中，i，j为像元坐标；当像元与局部均值μ_local之差大于三倍局部标准差σ_local时，将该像元时域证据图像在相应位置加1。

9.根据权利要求6或7所述的红外焦平面阵列的盲元检测装置，其特征在于，设置时域平均图像E_m(i，j)用于原始图像的叠加，时域平均图像的初值E_m(i，j)＝0，E_m(i，j)中，i，j为像元坐标；每次采集后，将当前采集到的原始图像叠加到时域平均图像。

10.根据权利要求6所述的红外焦平面阵列的盲元检测装置，其特征在于，所述局部均值μ_local与局部标准差σ_local的具体计算公式为：

${\mathrm{\μ}}_{\mathrm{local}}=\frac{1}{25}{\mathrm{\Σ}}_{x=i-2}^{i+2}{\mathrm{\Σ}}_{y=j-2}^{j+2}{I}_t(x,y);{\mathrm{\σ}}_{\mathrm{local}}=\sqrt{\frac{1}{25}{\mathrm{\Σ}}_{x=i-2}^{i+2}{\mathrm{\Σ}}_{y=j-2}^{j+2}{(I_t(x,y)-{\mathrm{\μ}}_{\mathrm{local}})}^2};$ i，j为像元坐标，x，y表示设定邻域范围；所述全局均值μ_global与全局标准差σ_global的具体计算公式为 ${\mathrm{\σ}}_{\mathrm{global}}=\sqrt{\frac{1}{M\×N}{\mathrm{\Σ}}_{i=1}^M{\mathrm{\Σ}}_{j=1}^N{(E_m(i,j)-{\mathrm{\μ}}_{\mathrm{global}})}^2};$ i，j为像元坐标，M，N表示图像大小。