红外图像非均匀性校正和增强技术研究_硕士学位论文(编辑修改稿)

红外图像非均匀性校正和增强技术研究_硕士学位论文(编辑修改稿)内容摘要：

第一章 绪论 5 元的标准是：将像元灰度值和场景均值之间的偏差与一阈值相比较，如果大于，则判定为盲元，这一算法中阈值设定为标准差的 3倍。 还有一些基于 3 法的改进算法，如基于滑动窗口的自适应阈值盲元检测算法 [16]等。 另外还有基于参考源的检测算法，算法中首先通过对黑体成像的方式获取均匀辐射图像，然后再根据盲元与正常像元之间统计特性的不同来进行盲元的判定，双参考源法就属于此类算法 [17]。 从有效像元和盲元响应特征在统计分布上的差异方面出发，石岩等人 [18]提出了基于特征直方图分解的红外焦平面阵列无效像元检测算法，也是一种很好的检测算法。 红外图像增强的研究 现状 针对红外图像低对比度和较为模糊的特点，人们尝试了多种图像增强算法。 这些算法根据作用域的 不同，大致可以分为两大类：基于空间域的图像增强算法和基于变换域的图像增强算法。 最基础的空域增强算法，如直方图修正、灰度拉伸等 [19]。 在所处理的红外图像的灰度级仅占用全部灰度级范围的一部分时，它们对图像对比度的增强效果比较明显，因为它们的基本思想都是将图像直方图中的灰度级从给定的灰度映射到另一个灰度。 但是当原图像灰度范围较大时，算法的增强效果变差。 文献 [20]中则提出了一种直方图均衡的改进算法，算法中使用了广义直方图的概念，有效的克服了传统直方图均衡化方法的不足，在保留了目标细节的情况下，既能控制增强效果 ，也保证了不会过分放大噪声。 在文献 [21]中提出了自适应直方图均衡增强算法，该算法本质上也是直方图均衡算法，但是在对图像进行直方图均衡化处理之前，使用了一个加权函数对直方图进行了加权处理。 另外，文献 [22]、 [23]中分别提出了直方图非线性拉伸增强算法和平台直方图增强算法。 基于变换域的红外图像增强算法，最常用到的变换域是频率域，通过一定的手段（如傅里叶变换）将图像从空间域变换到频率域，然后在频率域中根据需要对图像进行相应的处理，最后再将变换后的结果映射到空间域得到最终的增强图像。 另外，常用的变换域还有模 糊域，即基于模糊集理论的图像增强算法，该算法是于 20世纪 80年代中期， [24]，由于其良好的处理效果而得到了广泛的应用，并有人在传统算法的基础上提出了改进算法。 文献 [25]介绍了基于二维离散小波变换的红外图像增强方法，该算法计算效率较高，图像的梯度提供了更多的图像细节信息，并且有效的控制噪声。 近年来，研究人员不断尝试着将一些数学工具运用到红外图像的增强中，如文献 [26]中提到的基于神经网络的图像增强算法，文献 [27]中进行了基于遗传算法的红外图像增强研究，文献 [28]将数学形态学用 于图像增强，它们都取得了很好的效果，并且都得到了广泛的应用。 哈尔滨工程大学硕士学位论文 6 本文的主要工作及内容安排 第一章是绪论，主要介绍了红外探测器发展的过程，以及红外成像系统所成图像的特点，然后对红外图像非均匀性校正和增强两方面的研究现状进行了分析，指出了各种算法的优缺点。 第二章首先叙述了红外图像非均匀性产生的原因和非均匀性的定义，然后在此基础上提出了焦平面阵列元的响应模型。 第三章首先介绍了几种定标校正算法的工作原理，然后介绍了基于场景校正算法中的卡尔曼滤波校正算法、神经网络校正算法，并给出了仿真结果分析。 在此基础上， 分析了基于神经网络校正算法的不足，然后通过引入非线性滤波器改善了传统算法的缺点，并取得了很好的效果，文中给出了仿真结果参数的对比。 第四章首先介绍了红外图像中盲元的产生的原因及盲元补偿的意义，然后给出了盲元的检测算法和后续的补偿算法。 第五章在模糊集理论的基础上，结合图像反色和多分辨率融合等理论，提出了一种新的基于模糊集理论的图像增强算法，并在对比度测量函数、均值、标准差等方面，将传统算法处理结果和本文算法处理结果进行了对比和分析。 第二章 红外成像非均匀性产生的原因和定义 7 第二章 红外成像非均匀性产生的原因和定义 非制冷红外焦平面阵列的产生，标志 着红外成像系统进入了一个全新的发展阶段。 但是，受到当前技术水平和工艺水平的限制，并且在成像系统运行过程中，存在外部干扰，这些因素都导致了在现实中很难生产出具有理想均匀性的红外焦平面阵列，因此，非均匀性普遍存在于红外焦平面阵列中。 人们通常使用外部的校正算法对红外成像系统进行校正，本章分析了红外焦平面阵列的成像特点、非均匀性的定义和产生的原因等。 红外焦平面阵列成像特点 红外图像响应的是场景的红外辐射，这主要是由场景的温度差异和辐射量决定的，像素间灰度的差异主要反映的是场景中温度分布的差异，一般来说这种 差异是非常微弱的。 因此，对于红外图像来说，它们具有以下特点 [29]： （ 1）亮度低 由于红外探测单元可响应的辐射范围很广，而实际物体辐射量相对于这个范围比较低，并且场景各部分的辐射分布差异比较小，所以，一般来说红外图像的整体亮度较低。 （ 2）低信噪比 自然界中的分子是时刻处于热运动状态中的，并且成像系统自身存在电流噪声，这些都是导致红外图像信噪比低的原因。 所以在实际应用中不仅需要明确噪声的来源，而且还要对这些噪声进行消除处理，这是必不可少的环节。 （ 3）低对比度 自然环境中目标与背景之间存在热交换、大气热辐 射和吸收，这就导致了场景中各部分温度差异不大，在红外图像中就表现为对比度较低。 （ 4）相邻帧红外图像差别不大 由于红外图像摄取速度较快，一般在 25~30 帧 /秒之间，在短暂的时间间隔内，场景中各部分的辐射量基本保持不变，这也为基于序列图像的目标特征提取和定位提供了保证。 （ 5）太阳辐射的影响 一般来说，红外成像系统在白天的成像质量要优于夜晚。 这主要是因为场景中不同的物体（或同一物体的不同部分），对于太阳发出的辐射具有不同的吸收率和反射率，这就使白天所成的红外图像在细节方面比较明显。 相反，在夜间由于没有太阳辐射 的作用，场景的成像主要依靠自身的热辐射，但是由于热交换的存在，物体之间的温度分布会趋于一致，从而场景中各物体辐射率差异较小，也就使所成图像细节比较模糊。 根据上面对红外图像特点的描述，可以总结出红外图像最典型的特点是：图像亮度哈尔滨工程大学硕士学位论文 8 低、信噪比较低、直方图较为集中、对比度低，并且弱小目标容易淹没在背景之中。 红外焦平面阵列非均匀性产生的原因 红外图像非均匀性产生的因素是非常复杂的，这主要是因为红外成像要经过多个过程共同作用：首先，场景中各物体对周围产生了热辐射；然后，这些热辐射以大气传输的方式送到光学采集系 统；最后，通过探测元将光学采集系统采集到的热辐射信号转换成电信号，并使用外部电路对电信号进行处理；这就是一个完整的红外成像系统的工作过程。 在这个过程中，每一步都有可能引入非均匀性，它可能是系统自身因素带来的，也可能是外界影响带来的 [30]。 红外成像系统非均匀性的来源如图 所示。 系统自身因素带来的非均匀性 成像系统自身缺陷主要表现在红外焦平面阵列元响应的不一致性、 1/f 噪声影响、光学系统的影响和放大电路非一致性带来的非均匀性 [30]。 （ 1） 阵列元响应的不一致性。 这种不一致性是随机的，它与工艺制 造水平有关，如阈值电压不同、表面密度不均匀、沟道参杂浓度不同等，这些因素在实际的制造过程中是不可避免的。 另外，红外焦平面阵列中无效像元的影响也是不可忽略的，这些无效像元对热辐射的响应率与正常像元相比差异很大，具体表现在所成的图像中随机的亮点和黑点。 在非均匀性校正计算过程中，也需要相应的算法来消除这些无效像元的影响。 （ 2） 1/f 噪声。 又称电流噪声，它有很高的空间频率和很低的时域频率，数量级较小，是一个非平稳地随机过程，具体表现为信号的加性噪声，校准只在短时间内有作用。 （ 3） 光学系统的影响。 光学系统的影响主要表现为乘性 噪声，它也是由多种因素引起的，如当光学镜头的加工精密度不够时会引入非均匀性，另外镜头存在的光学孔径效应也会对成像产生很大的影响。 （ 4） 放大电路的非一致性。 探测元转换得到的电信号是非常微弱的，因此在成像过程中需要对这些响应信号进行放大处理，所需要的放大电路也不止一个，例如 CCD 探测器，响应信号的放大是以行为单位的，由于每个放大器参数不可能完全一致，这就引入了非均匀性。 外界影响引入的非均匀性 红外成像系统中，场景辐射强度变化范围、光学系统背景辐射等特征都会对红外焦平面阵列的成像产生影响 [31]。 场景辐 射强度是不断变化的，这种变化不仅表现为场景辐射总量的变化，而且还有辐射光谱的变化，然而红外探测单元对光谱的响应是一个复杂的过程，当场景辐射光谱变化时，不能够保证探测元仍然具有相同的均匀性，即便是它对辐射总量响应均匀。 这一类非均匀性是由外部环境影响引入的，很难通过探测系统自第二章 红外成像非均匀性产生的原因和定义 9 身进行消除。 遮光罩的影响响应非线性放大器阵列响应非一致性移位读出电路的影响响应非一致性响应非线性1 / f 噪声光学系统部分 焦平面阵列元 读出机构 信号放大部分 图 非均匀性的产生 红外焦平面阵列空间响应非均匀性的定量评价 目前有多种关于非均匀性的定义方法，每一种方式都有不同侧重点。 由于在非均匀性的定义中用到了平均 响应率的概念，为了便于理解，我们首先给出平均响应率的概念：焦平面各有效像元响应率的平均值，计算公式如下： 111 ( , )() MNijR R i jM N d h      （ 21） 式中： ,MN— 分别是焦平面阵列的行和列数。 ,dh— 分别为无效像元中的过热像元和死像元个数。 需要注意的是求和的过程不包括无效像元。 非均匀性定义 1：在均匀入射条件下，焦平面阵列有效像元对辐射 响应的最大值与最小值之差，同各有效像元响应率平均值的百分比。 m a x m in 100%RRNU R （ 22） 定义 2：在均匀入射条件下，焦平面阵列有效像元对辐射响应的最大值与最小值之差的 2 倍，与它们和的百分比。 m a x m i nm a x m i n( ) 2 100%RRNU RR （ 23） 定义 3：在均匀入射条件下，焦平面阵列有效像元响应率输出值的均方差与平均响应率 R 的百分比 [32]。 21111 ( ) 1 0 0 %() MN ijijNU R RM N d hR       （ 24） 以上式（ 22）、（ 23）、（ 24）中， ijR 是焦平面上第 i 行、第 j 列像元所对应的响应哈尔滨工程大学硕士学位论文 10 率， R 是平均响应率， M、 N 分别是焦平面阵列的行和列数， d 和 h 分别为焦平面阵列中过热像元数和死像元数。 其中，式（ 24）是 1999 年中华人民共和国国家标准“红外焦平面阵列特性参数测试技术规范”中对非均匀性 的定义 [33]。 本章小结 本章首先分析了红外成像系统工作的特点，然后列出了几种常见的非均匀性产生的原因，及引入噪声的类型，只有明确了非均匀性的来源，才能更好的预防和校正，最后给出了几种关于红外图像非均匀性的定义。 第三章 红外图像非均匀性校正算法 11 第三章 红外图像非均匀性校正算法 目前国内外存在多种非均匀性校正算法，根据校正方式不同可以两大类：基于定标和基于场景的非均匀性校正算法。 基于定标的非均匀性校正算法复杂度低、精确度高、利于工程中实时实现 [34]。 基于场景的非均匀性校正算法提高了系统的自适应能力，能够根据响应参数的漂移 调整校正系数，是目前研究的主要方向 [35]。 在介绍具体的校正算法之前，首先做一个假设：假设红外焦平面阵列每个探测元在响应范围内，对红外辐射的响应都为线性响应。 对于焦平面阵列中处于第 i 行、 j 列的阵列元，在 n 时刻的输出响应模型，可以表示为： ( ) ( ) ( ) ( ) ( 0。 0 )i j i j i j i jX n k n Y n b n i M j N      （ 31） 式中， ()ijYn— 为第 ij 个阵列元在 n 时刻接收到的辐射量 ()ijXn— 为第 ij 个阵列元在 n 时刻的响应输出 ()ijkn— 为第 ij 个阵列元在 n 时刻的增益因子 ()ijbn— 为第 ij 个阵列元在 n 时刻的偏置因子 在理想的情况下，各探测元的增益因子 ()ijkn都是相同的，并且偏置因子 ()ijbn 都为 0，这样， ()ijXn 就可以真实的反映出输入图像。 但是在实际情况中，各像元的 ()ijkn不完全相同，并且 ()ijbn也不一定都为 0，这就产生了非均匀性。 上式又可表示为： ( ) ( ) ( ) ( ) ( 0。 0 )i j i j i j i jY n G n X n O n i M j N      （ 32） 式中， ( ) 1/ ( )ij ijG n k n 为第 ij 个阵列元在 n 时刻的增益校正因子 ( ) ( ) / ( )ij ij ijO n b n k n 为第 ij 个阵列元在 n 时刻的偏移量校正因子 式（ 3。