[发明专利]基于场景统计的神经网络非均匀性校正方法

说明书

技术领域

本发明涉及图像探测处理技术领域，具体属于红外焦平面探测技术 中图像校正方法。

背景技术

红外焦平面阵列成像系统由于具有灵敏度高，体积小，结构紧凑，作 用距离远、抗干扰性好、穿透烟雾能力强、可全天候、全天时工作等优 点，已成为红外成像技术发展的趋势，而凝视型红外焦平面阵列已成为 未来红外热成像系统发展的主流探测器件。但由于受材料和工艺水平的 限制，红外焦平面阵列(IRFPA)各探测单元响应特性之间普遍存在着非均 匀性，它将导致红外成像系统的温度分辨率等性能显著下降，以至使其 难以满足工程应用要求，因而工程中使用的红外焦平面阵列几乎毫无例 外地都采用非均匀性校正技术。

目前国内外已出现多种多样的红外焦平面阵列非均匀性校正方法， 但归纳起来大致可以分为两类：一类是基于标定的校正方法，主要包括 两点温度标定法(TPC)和多点温度标定法(ETPC)。该类校正方法拥有算法 简单灵活，运算速度快，易于硬件实现等优点，是目前工程应用的主要 方法。但由于受红外焦平面阵列工作时间和环境变化的影响，其响应参 数会发生缓慢漂移，进而影响校正精度，因此，标定类校正方法通常需 要进行周期性标定校正。这样，不仅需要中断实时成像过程，而且操作 复杂。另一类是基于场景的校正方法，主要包括恒定统计平均法(CSC)、 时域高通滤波法(THPFC)和人工神经网络法(ANNC)。该类方法能有效地消 除红外焦平面阵列随工作时间和环境变化而发生的响应参数漂移，不需 要定标，只需根据场景信息实现IRFPA非均匀性自适应校正。在基于场景 的校正方法中，以神经网络校正方法最具代表性。

传统神经网络校正法(Scribner)虽然在理论上完全不需要对红外焦 平面阵列进行定标，对探测器参数的线性和稳定性要求也不高。但传统 神经网络校正法也存在明显的不足，特别是对低频空间噪声无能为力。 究其原因是简单地以四邻域均值作为期望输出，参与计算的像素太少， 特别是没有考虑当前像素值，导致期望值与实际值可能存在较大的偏差。 当场景中同一区域内信号变化缓慢，四邻域均值计算期望值是合理的； 当信号在空间上存在剧烈变化时，窗口横跨多个不同的区域，这时用四 邻域均值作为期望值便存在着较大的误差。当目标运动时，这种误差不 会累积，对校正效果影响不明显；当目标长时间趋于静止时，这种误差 会迅速累积，迭代步长越大，误差累积越快，则会出现明显的目标退化。 而当目标由静止变为突然运动时就会在原来位置留下一个反像的校正虚 影。

张天序、石岩等人在《红外焦平面非均匀性噪声的空间频率特性及 空间自适应非均匀性校正方法改进》一文中，分析了红外焦平面阵列非 均匀性噪声的空间频率特性，指出空间低频噪声为其主要成分。针对传 统空域自适应校正方法去除低频空间噪声存在的不足，提出采用一点校 正和空域自适应校正相结合的方法。该方法中的一点校正是通过对连续 有限帧且不含目标的背景进行时间均值得到的。如果在相机工作期间图 像背景保持不变时，通过对连续不含目标的有限帧背景进行时间均值得 到背景图像与实际背景是接近的，这时可以得到较好的校正效果。但在 背景图像实时变化的情况下，按照这种方法得到的背景图像与实际背景 存在较大的误差，这样预处理校正的结果必然会影响最终的校正结果。

由于红外焦平面阵列盲元的存在，导致红外图像模糊不清，而目前 主要是通过信号处理技术检测出盲元，并通过邻域像素进行有效补偿以 提高红外焦平面阵列成像质量。盲元的处理包括盲元检测和补偿两个方 面。传统的盲元处理方法难以实现盲元的在线检测和补偿。在代少升、 张天骐《一种新的红外焦平面阵列盲元处理算法》一文中，提出了一种 IRFPA盲元即时检测和补偿的新算法。该算法实现简单，通用性强，能 对随机产生的盲元进行即时检测和补偿，但仅仅涉及到盲元的检测和补 偿，未涉及对图像信号偏置进行非均匀性校正及增益非线性校正。

红外焦平面阵列所受的空间噪声有如下两个性质：

性质一：由非均匀性引起的空间噪声其主要呈现为低频成分。