基于运动检测指导的红外焦平面非均匀性校正方法

摘要

基于运动检测指导的红外焦平面非均匀性校正方法，属于红外焦平面探测器领域，目的在于能够自适应，有效抑制目标退化，解决伪像(鬼影)问题，并且易于硬件实现，本发明包括(1)预处理步骤，(2)校正步骤，(3)迭代步长调整步骤，(4)增益校正系数更新步骤。本发明有效的解决和抑制了场景类算法中产生的目标退化和伪象现象，去除了固定图案噪声，具有自适应性，计算操作简单，利于硬件实现，达到实时性。

主权项

1.一种基于运动检测指导的红外焦平面非均匀性校正方法，顺序包括：(1)预处理步骤，用红外焦平面探测器采集M帧均匀辐照的图像，然后对它们进行时域平均得到背景帧图像B，其各象元点灰度值Bi，j；对背景帧图像各象元点利用基于场景的无效象元检测算法进行无效象元检测，检测结果存入坏元模板，根据检测结果计算背景帧图像中有效象元的灰度平均值Bave；设定待校正原始图像序列总帧数为N，N为自然数，初始化待校正原始图像各个象元的增益校正系数$G_{i,j}^1=1,初始化待校正原始图像序列号n＝1，M为10～100；(2)校正步骤，输入第n帧原始图像Vn，其各象元点灰度值为Vi，j\; n，将Vi，j\; n减去背景帧对应位置的灰度值Bi，j，得到第n帧待校正图像Xn，其各象元点灰度值为Xi，j\; n：$ X_{i,j}^n=V_{i,j}^n-B_{i,j},其中下标i，j分别为象元在图像中的横坐标和纵坐标；读取坏元模板，对待校正图像Xn对应坏元模板中有效象元位置的象元进行校正，校正公式为：$ Y_{i,j}^n=G_{i,j}^n\times X_{i,j}^n+B_{\mathrm{ave}},其中，Gi，j\; n为第n帧增益校正系数；同时对待校正图像Xn对应无效象元位置的像素值用左邻域象元像素和上领域象元像素之和的平均值替代，最后得到校正后图像Yn，其各象元灰度值为Yi，j\; n；(3)迭代步长调整步骤，判断是否n＞1，否则转步骤(4)；是则计算前后两帧校正后图像对应象元运动方差\sigma T，ij\; 2，判断是否$ {\sigma }_{T,\mathrm{ij}}^2>{\sigma }_{T\max }^2,否则调整迭代步长\mu i，j\; n，转步骤(4)，是则再次初始化$ G_{i,j}^{n+1}=1,待校正原始图像序列号n加1，判断是否n＞N，是则结束，否则转步骤(2)，其中运动方差阈值\sigma Tmax\; 2为(0.5～1)Bave；(4)增益校正系数更新步骤，利用神经网络校正算法对图像的增益非均匀性进行补偿，即更新增益校正系数，公式为：$ G_{i,j}^{n+1}=G_{i,j}^n-2{\mu }_{i,j}^n{X}_{i,j}^n(Y_{i,j}^n-f_{i,j}^n),$ f_{i,j}^n=(Y_{i+1,j}^n+Y_{i,j+1}^n+Y_{i-1,j}^n+Y_{i,j-1}^n)/4,其中fi，j\; n为校正后图像Yn中各象元的四邻域象元灰度值均值，增益校正系数更新后，待校正原始图像序列号n加1，判断是否n＞N，是则结束，否则转步骤(2)。$$$$$$$