一種基于大視場紅外圖像的非均勻性校正算法

倪云龍，郝秋來，于繁迪

(華北光電技術研究所，北京100015)

1 引言

紅外熱成像技術在軍事和民用方面正得到越來越廣泛和深入的應用，其中行掃體制紅外熱像儀是一種主要用于機載的紅外熱成像設備。它可以通過控制伺服擺掃角度來獲得視場較大的紅外圖像，相對于小視場紅外圖像，大視場的紅外圖像信息更加豐富，包含景物的溫度動態范圍相對更大，對于圖像處理的要求也更高。

非均勻性是影響紅外圖像視覺效果的一大因素，需要對其進行校正。產生非均勻性的原因比較多，有探測器自身響應的不一致性，也有器件工作中噪聲引入的非均勻性［1］。非均勻性校正方法主要分為兩大類:基于定標和基于場景的校正技術［2］。目前使用最為廣泛的是基于兩點定標的校正技術，但是對于具有較大視場的行掃體制紅外圖像，利用傳統全局校正方法的校正效果不甚理想。本文分析了傳統全局校正算法在大視場圖像下應用的局限性，提出一種對大視場紅外圖像進行分塊，通過分塊獲取補償參數來對非均勻性進行校正的方法。

2 算法分析

目前紅外成像應用最為廣泛的非均勻性校正方法為兩點校正法，其基本思想是通過對兩個不同的確定溫度點下的均勻輻射黑體定標，通過計算獲得其增益和偏置校正系數來實現非均勻性校正。但在大視場紅外圖像情況下，兩點校正的方法存在一定缺陷，如圖1所示。

圖1 大視場紅外圖像

圖1 為576×10000像素大小的紅外行掃圖像，其中包含有天空、建筑物、樹木等多種景物，場景信息較為豐富。選取其中兩塊576×1000大小的子圖像進行分析，可以看到經過兩點參數校正后，其中一幅圖像校正效果較好，天空、建筑物等景物都很清晰，如圖2所示。而另一幅圖像校正效果較差，存在較為明顯的條帶狀非均勻性，如圖3所示。

圖2 兩點校正后均勻性較好

圖3 兩點校正后均勻性較差

通過模擬探測器像元對黑體不同溫度的響應示意曲線來分析兩幅子圖像非均勻性校正效果不一的原因，如圖4所示。圖中可以看到兩個特點:首先不同像元對溫度的響應曲線不一，在一定溫度范圍內可近似視為線性;其次整條響應曲線呈現二次曲線形式。因此兩點校正只對一定溫度范圍內的非均勻性有較好描述能力。在大視場紅外圖像中，場景信息豐富，景物溫度動態范圍相對較大，圖像中一些溫度動態范圍較大的部分，利用兩點校正的效果將較差。因此利用一組兩點定標參數對大視場紅外圖像進行校正，并不能保證對整幅圖像均有較好的校正效果。

在兩點定標校正過的圖像基礎上嘗試基于場景的算法處理。一幅大小為576×10000的紅外行掃圖像可以視為576個行像元在單個擺掃周期內通過時間延遲積分(TDI)對10000個不同位置獲取的圖像信號。因此圖像行方向的像素具有較強的時間相關性。針對紅外行掃圖像這個特點，可以考慮在兩點校正基礎上進行恒定統計校正。

恒定統計算法可以僅通過獲取場景數據來估算增益和偏置非均勻性。它基于兩個前提［3－4］:場景存在變化和每個探測元采樣數據(樣本數)足夠多。對于紅外行掃儀，擺掃角度足夠大，場景變化的條件是可以滿足的。此外，大視場紅外圖像可以保證采樣數據足夠多。但通過MATLAB仿真對大視場紅外圖像進行全局統計校正后效果與兩點校正后近似，存在有較多的殘留非均勻性。

圖4 探測器各像元對黑體不同溫度的響應曲線

原因分析:圖5是對576行數據分別選擇其中相鄰200個數據點和全部10000個數據點獲取均值。通過兩組數據對比可以看到，在數據量較小的情況下，統計均值起伏比較大，而在數據量較大的情況下統計均值近似為直線，兩者差異極為明顯。根據恒定統計算法理論，探測器的非均勻性可以用焦平面陣列各像元時間上的均值衡量［5］，這種方法可以充分描述器件自身的非均勻性，但是對于信號傳輸過程中引入噪聲導致的偏置非均勻性變化，如讀出電路增益變化及暗電流，由于其變化較快，用全局統計算法無法很好描述，因此需要對其進行改進。

圖5 大小視場像素統計均值曲線

3 算法改進

3．1 子圖像分塊統計

利用全局統計算法處理大視場紅外圖像，不能很好地去除圖像局部的非均勻性，因此首先需要從原圖像中劃分出若干子圖像，對劃分出的子圖像統計均值后再進行非均勻性處理。

分塊統計具體算法如下:

(1)確定校正像素點 ni，j，以校正像素點 ni，j為行中心，左右均選取k個像素點作為ni，j的相關域。

(2)由于探測元間的獨立不相關，因此對ni，j列方向的576個像素點均按第(1)步選取相關域。

(3)對各行以ni，j為中心的(2k+1)個像素值進行累加，如果 ni，j處于圖像邊緣位置，則對 ni，j邊緣側min{j－1，10000－j}個和另一側k個數據點進行累加，如式(1)所示。

其中，ni，j為第i行 j列像素值;k為窗半徑;為窗內像素統計均值。

(4)將第(3)步中累加值依次除以累加數據總個數，即得到對應各行像素統計均值。

3．2 參數補償

通過局部統計獲取圖像的局部非均勻性后，需要通過參數對其進行補償。紅外圖像相鄰的像素點之間具有很強的相關性，對于焦平面陣列的相鄰像元，外界連續變化場景對其應具有近似相同的紅外輻照度，因此其理論響應統計均值應較為接近。各相鄰像素點統計均值差異大小反映的就是各探測元隨時間變化的非均勻性大小。因此可以采用鄰域均值法來獲取補償參數，一般鄰域均值算法中補償參數選取方法有四鄰域均值、八鄰域均值或加權鄰域均值，但對于掃描型熱像儀來說，圖像沿掃描方向的不同像素為同一像元不同時刻的輻射響應值，與校正點的增益非均勻性近似相同，不適合用來補償，因此選取垂直掃描方向鄰域像素點的統計均值作為補償參數。

像元校正補償后的期望輸出，應與相鄰像元的輸出盡量接近。因此，將i行j列的像素統計均值ni，j與上下相鄰行像素統計均值相減，獲取上、下偏差值，如式(2)、式(3)所示:

當上下偏差 bi，j，1，bi，j，2正負相同，則視其為非均勻性，然后對 bi，j，1，bi，j，2大小進行比較，選取其中較小者作為該像素點的補償參數，如式(4)所示:

當 bi，j，1，bi，j，2正負不同時則將其視為連續變化場景的邊緣輪廓部分，無需校正。將原圖像中像素點對應灰度值與該點補償參數相減即可獲得該像素點校正后灰度值。

3．3 相關域大小選取

相關域半徑大小將影響算法速度和校正效果［6］。半徑越大，采樣數據點越多，包含的場景信息量越大，對圖像局部非均勻性變化的描述的能力將降低，同時也會減慢處理速度;相反，相關域半徑越小，處理速度越快，但包含數據點較少，統計性較差，可能不足以描述圖像局部的非均勻性。因此首先在滿足校正效果的前提下，可以通過縮小相關域半徑來對速度進行優化。判斷是否滿足校正效果需在逐步增加半徑大小的情況下，對兩次補償參數進行比較，如式(5)所示:

式中，εk為第k次和第(k－1)次補償參數的殘差(bi，j，0=0)，滿足校正要求的判斷 準則由式 (6)表示:

當μ小于某一個閾值時(這里閾值選取為0．02)，可認為其統計點個數已經足夠，此時的k值即滿足要求的相關域半徑，經實驗得出k選取范圍一般在15～20之間較宜。

3．4 遍歷圖像

對圖像每一列進行分塊，補償兩步處理，即可實現對整幅圖像的非均勻性校正。

4 實驗結果

對576×10000的紅外圖像進行處理，選取其中576×1000的子圖像進行對比，其中圖6是經過兩點校正加上全局統計后的結果，圖7是兩點校正加上本文校正算法后的結果。

圖6 兩點校正加全局統計后圖像

圖7 兩點校正加本文算法后圖像

可以看到，經本文提出算法校正后，圖像在保證圖像原有細節基本不變的情況下，對全局校正后殘留的非均勻性進行了很好的補償。

5 結論

視場較大情況下的紅外圖像，由于圖像場景包含信息較為豐富，景物溫度動態范圍較大，因此兩點校正的效果較為有限。本文根據大視場紅外圖像特性，結合行掃體制紅外熱像儀特點，提出一種利用分塊獲取圖像補償參數對非均勻性進行校正的算法，經實驗證明在保證圖像細節的情況下對非均勻性抑制良好。但算法仍存有改進的空間，如窗口大小以及補償參數的選取等。

［1］ Qu Huiming．Research on infrared imaging electronic theory and its key techniques［D］．Nanjing:Nanjing University of Science and Technology，2007．(in Chinese)屈惠明．紅外成像電子學理論及其關鍵技術研究［D］．南京:南京理工大學，2007．

［2］ Chen Rui，Tan Xinquan．Study on non-uniformity correction of infrared image［J］．Infrared Technology，2002，24(1):1 －3．(in Chinese)陳銳，談新權．紅外圖像非均勻性校正方法綜述［J］．紅外技術，2002，24(1):1 －3．

［3］ Zheng Ruihong，Chen Qian．The research of scene-based methods on infrared nonuniformity correction［J］．Optoelectronic Technology，2003，23(4):241 － 244．(in Chinese)鄭瑞紅，陳錢．基于場景的紅外圖像非均勻性校正算法的研究［J］．光電子技術，2003，23(4):241 －244．

［4］ Zhu Yifeng，Chen Huachu．A scanning infrared FPA nonuniformity correction［J］．Chinese Journal of Scientific Instrument，2008，29(4):365 －368．(in Chinese)朱一峰，陳華礎．掃描型紅外焦平面非均勻性校正［J］．儀器儀表學報，2008，29(4):365 －368．

［5］ Jorge E Pezoa，Sergio N Torres．Multi-model adaptive estimation for nonuniformity correction of infrared image sequences［C］．ICIAR，Lecture Notes in Computer Science，2004，3212:413 －420．

［6］ A Rossi，M Diani．Temporal statistics de-ghosting for adaptive non-uniformity correction in infrared focal plane arrays［J］．Electronic Letters，2010，46(5):348 －349．