CN108846805A - 一种基于场景自适应的红外热图像两点非均匀校正方法 - Google Patents

Abstract

本发明请求保护一种基于场景自适应的红外热图像两点非均匀校正方法，属于红外热成像领域。本发明针对传统两点非均匀校正方法不能随着环境温度的变化自适应修正偏移系数和增益系数等缺陷，使得非均匀校正误差较大。本发明首先在不同环境温度下，求出红外热图像两点非均匀校正的增益系数和偏移系数；然后利用多项式拟合技术得出增益系数和偏移系数对应环境温度的表达式；最后通过表达式求出的增益系数和偏移系数实时校正红外热图像，并与传统两点非均匀校正方法进行对比，得出本发明的校正效果更好且红外热图像的残余非均匀性更低。本发明具有操作简单，算法复杂度低和校正效果良好等优点，因此本发明具有良好的应用前景和推广价值。

Description

一种基于场景自适应的红外热图像两点非均匀校正方法

技术领域

本发明属于红外热成像领域，具体属于基于场景自适应的红外热图像的非 均匀校正处理。

背景技术

在黑体均匀辐射下，红外焦平面阵列的各探测单元的输出响应应完全一致， 而实际上各探测单元的输出响应具有一定的差异，表现为非均匀性。从噪声角 度来看，这种非均匀性是由空间噪声和瞬态噪声引起的，其空间噪声主要由红 外焦平面阵列的半导体材料不均匀(掺杂浓度、晶体缺陷和内部结构不均匀性 等)和制作工艺(掩膜不均和光刻误差等)的影响，瞬态噪声主要表现为电路 设计噪声和环境温度引起的暗电流噪声。通常瞬态噪声可多次通过求平均值来 降低其影响，但是空间噪声不能采用此方法，必须采用非均匀校正技术来最大 限度降低空间噪声的影响。

在红外热图像的非均匀性校正方法上，目前常见的校正算法分为基于黑体 定标和基于场景自适应两种模式。基于定标的算法复杂度较低，能在现有的硬 件平台上实现实时非均匀校正，因此在工程上应用较广。此类算法假设红外焦 平面阵列的各探测单元的响应是线性非时变，并借助均匀辐射源(黑体)进行 标定，最终获取各探测单元的校正系数。该算法典型代表：一点校正，两点校 正和多点校正。在1995年，Schulz M和Caldwell L针对红外热图像的非均匀性 采用了一点校正算法，但是此算法仅仅校正了由掺杂不均引起焦平面阵列的非 均匀性，没有校正暗电流等噪声所引起的非均匀性。基于此人们提出了红外热 图像的两点非均匀校正算法和多点非均匀校正算法，这些算法在一定程度上降 低了红外热图像的非均匀性，改善红外热图像的质量。随着红外热成像技术的 发展和大量的实验研究表明：焦平面阵列各探测单元响应是非线性时变的，因 此在不同的环境下，非均匀校正的系数不同，要进行多次定标。为了省去繁琐 的定标过程，Wermer Gross等人提出了基于场景自适应非均匀校正算法，此类 算法的主要思想是连续对红外热图像进行非均匀校正，直到达到收敛阈值为止。 经过专家和学者长期研究，目前该类算法常见有：神经网络校正法、时域高通 滤波法、kalman滤波法等算法。这些算法在非均匀校正的效果上，存在细微的 差别，总体来讲此类算法均具有自适应校正能力强和和残余非均匀性少等优点， 但是该算法也存在收敛速度慢和复杂度高等缺陷。这些缺点严重限制了基于场 景自适应非均匀校正算法在工程实践上的应用。

根据以上分析得出两点非均匀校正方法不能随着环境的变化自适应修正增 益系数和偏移系数等缺陷，使得非均匀校正误差较大。也得出神经网络校正算 法虽然能自适应修正增益和偏移系数，但此算法需要大量的图像帧才能收敛， 因此复杂度较高，很难在工程上使用等缺陷。基于此，本发明提出了基于场景 自适应的红外热图像两点非均匀校正方法，此方法利用多项式拟合技术来自适 应修正增益系数和偏移系数，提高了红外热图像的校正精度，进而改善了红外 热图像的质量，同时此方法具有操作简单，算法复杂度低等优点，因此本发明 具有良好的应用前景和推广价值。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种改善了红外热图像的质量、 操作简单、算法复杂度低的基于场景自适应的红外热图像两点非均匀校正方法。 本发明的技术方案如下：

一种基于场景自适应的红外热图像两点非均匀校正方法，其包括以下步骤：

1)、首先，通过采集低温黑体和高温黑体的红外热图像，建立传统两点非 均匀校正模型，得出各探测单元的增益系数G_i,j和偏移系数O_i,j的表达式；

2)、其次，在n个不同的环境温度下进行两点非均匀校正，并记录对应环境 温度下的各探测单元的增益系数G_i,j(T_sur)和偏移系数O_i,j(T_sur)，然后分别绘制不同 环境温度下增益系数G_i,j(T_sur)和偏移系数O_i,j(T_sur)的散点图；接着采用二次多项式 拟合技术进行数据拟合，并得出增益系数G_i,j(T_sur)和偏移系数O_i,j(T_sur)与环境温度 之间的表达式；最后根据增益系数G_i,j(T_sur)和偏移系数O_i,j(T_sur)与环境温度之间的 表达式，得到基于场景自适应的红外热图像两点非均匀校正公式，并根据此公 式进行实时非均匀校正。

进一步的，所述步骤1)建立传统两点非均匀校正模型为：

Y_i,j＝G_i,j*X_i,j+O_i,j

式中，X_i,j和Y_i,j分别是探测单元(i,j)输出的灰度值和校正后灰度值，G_i,j和 O_i,j分别为探测单元(i,j)的增益系数和偏移系数。

进一步的，所述探测单元(i,j)的增益系数G_i,j和偏移系数O_i,j的计算过程如下 所示：1)、将黑体温度调至低温T_L，并调整位置使得黑体辐射面完全覆盖红外 焦平面阵列，当黑体温度稳定在T_L时，采集黑体并保存红外热图像各像元的灰 度值X_i,j(T_L)，并计算此温度下的平均灰度值如下式所示

式中，M和N分别表示红外热图像的总行数和列数，i和j分别表示像元所 在的行和列。

2)、将黑体温度调至高温T_H，并调整位置使得黑体辐射面完全覆盖红外焦 平面阵列，当黑体温度稳定在T_H时，采集黑体并保存红外热图像各像元的灰度 值X_i,j(T_H)，并计算此温度下的平均灰度值如下式所示：

3)、计算增益系数G_i,j和偏移系数O_i,j

式中表示黑体温度为高温T_H时红外热图像的平均灰度值，表示 黑体温度为低温T_L时红外热图像的平均灰度值，X_i,j(T_H)表示黑体温度为高温T_H时红外热图像中像元位置为(i,j)的灰度值，X_i,j(T_L)表示黑体温度为低温T_L时红外 热图像中像元位置为(i,j)的灰度值，T_L和T_H分别表示黑体的低温温度和高温温 度，同时T_L和T_H必须选择在响应曲线的线性区。

进一步的，所述步骤2)采用二次多项式拟合得出不同环境温度下的增益系 数和偏移系数，并最终求得基于场景自适应的红外热图像两点非均匀校正公式， 其过程如下所示：

1)、在n个不同的环境温度下进行两点非均匀校正，并记录对应环境温度下 各探测单元的增益系数G_i,j(T_sur)和偏移系数O_i,j(T_sur)，这里的T_sur代表环境温度；

2)、绘制不同环境温度下增益系数G_i,j(T_sur)的散点图，并采用二次多项式拟 合技术进行数据的拟合，得出如下表达式：

G_i,j(T_sur)＝A_i,jT_sur ²+B_i,jT_sur+C_i,j

3)、绘制不同环境温度下偏移系数O_i,j(T_sur)的散点图，并采用二次多项式拟 合技术进行数据的拟合，得出如下表达式：

O_i,j(T_sur)＝D_i,jT_sur ²+E_i,jT_sur+F_i,j

4)、根据2)和3)求得对应温度下的增益系数和偏移系数，得到基于场景自 适应非均匀校正公式，如下所示：

Y_i,j(T)＝(A_i,jT_sur ²+B_i,jT_sur+C_i,j)X_i,j+(D_i,jT_sur ²+E_i,jT_sur+F_i,j)

式中A_i,j，B_i,j，C_i,j，D_i,j，E_i,j，F_i,j为探测单元(i,j)的校正系数。

进一步的，所述进行两点非均匀校正的环境温度为6℃-40℃，其中环境温 度的间隔为2℃。

本发明的优点及有益效果如下：

本发明的创新点在于步骤2)，首先通过在不同环境温度下进行两点非均匀 校正，并求得对应环境温度下的增益系数和偏移系数，然后采用多项式拟合技 术求得增益系数和偏移系数与环境温度之间的表达式，最后利用求出的表达式 进行红外热图像的非均匀校正。由此可以看出本发明减少了采用固定增益系数 和偏移系数的传统两点非均匀校正方法的误差，并改善了红外热图像的质量， 同时本发明具有操作简单和算法复杂度低等优点，可在工程上进行应用与推广。

附图说明

图1是本发明提供优选实施例两点非均匀校正示意图；

图2为本发明的流程示意图；

图3各非均匀校正算法黑体效果的对比示意图；

图4各非均匀校正算法实景效果的对比示意图。

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清楚、 详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明解决上述技术问题的技术方案是：

首先建立两点非均匀校正模型(如图1所示)。然后根据模型求出不同环境 温度下的各探测单元增益系数G_i,j(T_sur)和偏移系数O_i,j(T_sur)，并通过二次多项式拟 合技术求出增益系数G_i,j(T_sur)和偏移系数O_i,j(T_sur)与环境温度之间的表达式。最后 得到基于场景自适应的红外热图像两点非均匀校正公式(如图2所示)。下面具 体阐述各个步骤的实施过程

1、建立传统两点非均匀校正模型为：

Y_i,j＝G_i,j*X_i,j+O_i,j

式中，X_i,j和Y_i,j分别是探测单元(i,j)输出的灰度值和校正后灰度值，G_i,j和 O_i,j分别为探测单元(i,j)的增益系数和偏移系数。其G_i,j和O_i,j计算过程如下所示：

1)、将黑体温度调至低温T_L，并调整位置使得黑体辐射面完全覆盖红外焦 平面阵列，当黑体温度稳定在T_L时，采集黑体并保存红外热图像各像元的灰度 值X_i,j(T_L)，并计算此温度下的平均灰度值如下式所示

式中，M和N分别表示红外热图像的总行数和列数，i和j分别表示像元所 在的行和列。

2)、将黑体温度调至高温T_H，并调整位置使得黑体辐射面完全覆盖红外焦 平面阵列，当黑体温度稳定在T_H时，采集黑体并保存红外热图像各像元的灰度 值X_i,j(T_H)，并计算此温度下的平均灰度值如下式所示：

3)、计算增益系数G_i,j和偏移系数O_i,j

注意：T_L和T_H必须选择在响应曲线的线性区，同时T_H与T_L的差尽量的大， 使得校正范围广。

2、根据两点非均匀校正模型求出不同环境温度下的增益系数G_i,j(T_sur)和偏移 系数O_i,j(T_sur)，并通过二次多项式拟合技术求出增益系数G_i,j(T_sur)和偏移系数 O_i,j(T_sur)与环境温度之间的表达式，最终得到基于场景自适应的红外热图像两点 非均匀校正公式。其过程如下所示：

1)、在环境温度为6℃-40℃下进行两点非均匀校正，并记录对应环境温度 下各探测单元的增益系数G_i,j(T_sur)和偏移系数O_i,j(T_sur)，其中环境温度的间隔为 2℃，这里的T_sur代表环境温度。

2)、绘制不同环境温度下增益系数G_i,j(T_sur)的散点图，并采用二次多项式拟 合技术进行数据的拟合，得出如下表达式：

G_i,j(T_sur)＝A_i,jT_sur ²+B_i,jT_sur+C_i,j

3)、绘制不同环境温度下偏移系数O_i,j(T_sur)的散点图，并采用二次多项式拟 合技术进行数据的拟合，得出如下表达式：

O_i,j(T_sur)＝D_i,jT_sur ²+E_i,jT_sur+F_i,j

4)、根据2)和3)可求得对应温度下的增益系数和偏移系数，得到基于场景 自适应非均匀校正公式，如下所示：

Y_i,j(T)＝(A_i,jT_sur ²+B_i,jT_sur+C_i,j)X_i,j+(D_i,jT_sur ²+E_i,jT_sur+F_i,j)

式中A_i,j，B_i,j，C_i,j，D_i,j，E_i,j，F_i,j为探测单元(i,j)的校正系数。

3、通过红外热图像进行仿真验证

选取分辨率为640×512的红外热图像进行仿真验证，并使用传统两点非均 匀校正算法、神经网络非均匀校正算法和本发明提出的算法进行实时非均匀校 正。并从实时校正速度、黑体均匀辐射、残余非均匀性和具体景物等多个维度 来比较这三种校正算法的性能。

1)、实时校正速度的比较

实时非均匀校正的速度是评价校正算法的重要指标，本发明使用的TMS320DM6437视频处理前端配置为54MHZ，并在相同实验环境下，针对三种 不同非均匀校正算法进行了对比，对比结果如表1所示

表1不同校正算法的速度对比表

从表1可知，本发明提出的算法在实时性上优于神经网络非均匀校正算法， 同时与两点非均匀校正算法相比在显示帧率上相差不大。这是由于两点非均匀 校正需要对每个数据进行一次乘法和加法操作，同时本发明提出的算法需要对 每个数据进行多次乘法和加法操作，而神经网络非均匀校正需要1000帧以上的 红外热图像才能使算法收敛，算法复杂度高。

2)、基于黑体均匀辐射各校正算法的比较

首先分别在环境温度为10℃和35℃采集70℃的黑体红外热图像，如图3(a) 和3(b)所示。然后将采集到的两幅图像使用两点非均匀校正，如图3(c)和3(d) 所示。接着将采集到的红外热图像使用神经网络非均匀校正，如图3(e)和3(f) 所示。最后将采集的红外热图像使用本发明提出算法进行非均匀校正，如图3(m) 和3(n)所示。

从图3可知，图(a)和图(b)中都存在明显的竖条纹，这些竖条纹是由于红外 焦平面各探测单元响应不一致导致的，在图像中表现为非均匀性。同时注意到 图(b)的亮度高于图(a)，且竖条纹具有一定的差异，这是由于环境温度的变化导 致灰度值漂移造成的。图(c)和图(d)是使用两点非均匀校正后的红外热图像，其 竖条纹明显减少，但是由于增益系数和偏移系数为固定值，不能有效校正温度 漂移导致的非均匀性，使得图(c)和图(d)的残余非均匀性任然较大。图(e)和图(f) 是使用神经网络非均匀校正后的红外热图像，其竖条纹几乎不存在，只有少量 不均匀的点，这是由于神经网络通过不断的迭代来修正增益系数和偏移系数， 能自适应环境变化，但是此方法复杂度较大，在实时性要求较高的***中不适 用。图(m)和图(n)是本发明提出的方法校正后的红外热图像，其竖条纹几乎不存 在，两幅图像的残余非均匀较小且近似一致，这是由于增益系数和偏移系数根 据环境温度的不同进行二次多项式拟合，能自适应环境变化，很好的解决了环 境温度带来红外热图像的非均匀性，同时此算法的复杂度较小，能应用于实时 性较高的红外热成像***中。

3)、残余非均匀性的比较

根据图3可得出各红外热图像的残余非均匀性，如表2所示。

表2经过不同校正算法的红外热图像残余非均匀性

由上表可知，两点非均匀校正后的红外热图像，残余非均匀性得到了较好 的改善，但是在不同环境温度下校正的结果不一致。经过本发明提出的算法校 正后的红外热图像残余非均匀性较小，且在不同环境温度下相对稳定，这是由 于增益系数和偏移系数能自适应环境的变化。神经网络非均匀校正算法虽然具 有较小残余非均匀性和良好的稳定性等优点，但是此算法的复杂度较高，无法 应用实时性要求高的红外热成像***中。

4)、基于实景各校正算法的比较

通过以上黑体均匀辐射的红外热图像比较各校正算法的优缺点，并结合校 正后红外热图像的残余非均匀性证明了本发明提出的算法具有校正效果良好且 能自适应环境变化等优点。接下来将针对具体实景更加直观的比较各校正算法 的优缺点，如图4所示，分别表示在环境温度为10℃和35℃的原始红外热图像， 传统两点校正后的红外热图像，本发明校正后的红外热图像。

从图4可知，在图4(c)和图4(d)残留的非均匀性较大且分布存在一定的差异， 如图4(d)右边残余非均匀性要大于图4(c)左边的残余非均匀性。在图4(e)和图4(f) 残留的非均匀性较少且分布大致相似。这是由于两点非均匀校正采用固定的增 益系数和偏移系数，无法校正温度偏移引起的非均匀性，但是本发明提出算法 的增益系数和偏移系数是由环境温度拟合生成的，能自适应环境变化。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范 围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或 修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (5)

1.一种基于场景自适应的红外热图像两点非均匀校正方法，其特征在于，包括以下步骤：

1)、首先，通过采集低温黑体和高温黑体的红外热图像，建立传统两点非均匀校正模型，得出各探测单元的增益系数G_i,j和偏移系数O_i,j的表达式；

2)、其次，在n个不同的环境温度下进行两点非均匀校正，并记录对应环境温度下的各探测单元的增益系数G_i,j(T_sur)和偏移系数O_i,j(T_sur)，然后分别绘制不同环境温度下增益系数G_i,j(T_sur)和偏移系数O_i,j(T_sur)的散点图；接着采用二次多项式拟合技术进行数据拟合，并得出增益系数G_i,j(T_sur)和偏移系数O_i,j(T_sur)与环境温度之间的表达式；最后根据增益系数G_i,j(T_sur)和偏移系数O_i,j(T_sur)与环境温度之间的表达式，得到基于场景自适应的红外热图像两点非均匀校正公式，并根据此公式进行实时非均匀校正。

2.根据权利要求1所述的基于场景自适应的红外热图像两点非均匀校正方法，其特征在于，所述步骤1)建立传统两点非均匀校正模型为：

Y_i,j＝G_i,j*X_i,j+O_i,j

式中，X_i,j和Y_i,j分别是探测单元(i,j)输出的灰度值和校正后灰度值，G_i,j和O_i,j分别为探测单元(i,j)的增益系数和偏移系数。

3.根据权利要求2所述的基于场景自适应的红外热图像两点非均匀校正方法，其特征在于，所述探测单元(i,j)的增益系数G_i,j和偏移系数O_i,j的计算过程如下所示：1)、将黑体温度调至低温T_L，并调整位置使得黑体辐射面完全覆盖红外焦平面阵列，当黑体温度稳定在T_L时，采集黑体并保存红外热图像各像元的灰度值X_i,j(T_L)，并计算此温度下的平均灰度值如下式所示

式中，M和N分别表示红外热图像的总行数和列数，i和j分别表示像元所在的行和列；

2)、将黑体温度调至高温T_H，并调整位置使得黑体辐射面完全覆盖红外焦平面阵列，当黑体温度稳定在T_H时，采集黑体并保存红外热图像各像元的灰度值X_i,j(T_H)，并计算此温度下的平均灰度值如下式所示：

3)、计算增益系数G_i,j和偏移系数O_i,j

式中表示黑体温度为高温T_H时红外热图像的平均灰度值，表示黑体温度为低温T_L时红外热图像的平均灰度值，X_i,j(T_H)表示黑体温度为高温T_H时红外热图像中像元位置为(i,j)的灰度值，X_i,j(T_L)表示黑体温度为低温T_L时红外热图像中像元位置为(i,j)的灰度值，T_L和T_H分别表示黑体的低温温度和高温温度，同时T_L和T_H必须选择在响应曲线的线性区。

4.根据权利要求1-3之一所述的基于场景自适应的红外热图像两点非均匀校正方法，其特征在于，所述步骤2)采用二次多项式拟合得出不同环境温度下的增益系数和偏移系数，并最终求得基于场景自适应的红外热图像两点非均匀校正公式，其过程如下所示：

1)、在n个不同的环境温度下进行两点非均匀校正，并记录对应环境温度下各探测单元的增益系数G_i,j(T_sur)和偏移系数O_i,j(T_sur)，这里的T_sur代表环境温度；

2)、绘制不同环境温度下增益系数G_i,j(T_sur)的散点图，并采用二次多项式拟合技术进行数据的拟合，得出如下表达式：

G_i,j(T_sur)＝A_i,jT_sur ²+B_i,jT_sur+C_i,j

3)、绘制不同环境温度下偏移系数O_i,j(T_sur)的散点图，并采用二次多项式拟合技术进行数据的拟合，得出如下表达式：

O_i,j(T_sur)＝D_i,jT_sur ²+E_i,jT_sur+F_i,j

4)、根据2)和3)求得对应温度下的增益系数和偏移系数，得到基于场景自适应非均匀校正公式，如下所示：

Y_i,j(T)＝(A_i,jT_sur ²+B_i,jT_sur+C_i,j)X_i,j+(D_i,jT_sur ²+E_i,jT_sur+F_i,j)

式中A_i,j，B_i,j，C_i,j，D_i,j，E_i,j，F_i,j为探测单元(i,j)的校正系数。

5.根据权利要求4所述的基于场景自适应的红外热图像两点非均匀校正方法，其特征在于，所述进行两点非均匀校正的环境温度为6℃-40℃，其中环境温度的间隔为2℃。