[发明专利]基于FPGA的红外成像非均匀性校正系统

说明书

技术领域

本发明属于红外图像处理领域，特别涉及一种基于FPGA的红外成像非均匀性校正系统，可用于对红外图像非均匀性的实时校正。

背景技术

红外凝视成像系统的核心传感器是红外焦平面阵列IRPPA，现已广泛应用于各个领域。由于传感器材料和制造工艺、信号处理系统暗电流噪声以及工作环境等因素的影响，红外焦平面阵列各个探测单元对相同辐照度的响应不同，这种响应的不一致性称为非均匀性，在图像上表现为固定图案噪声FPN。红外焦平面阵列的非均匀性降低了系统的成像质量，因此在实际应用中必须进行非均匀性校正NUC。

近年来，学者们不断提出不同的非均匀性校正方法，通常将这些方法分为两类：一类是基于参考源定标的校正方法，典型的有两点校正法和多点校正法；另一类是基于场景的校正方法，典型的有时域高通滤波法、恒定统计法、神经网络法等。

基于参考源定标的方法以不同温度下均匀辐射的黑体作为参考源获得校正参数，但是其校正参数是固定不变的，随着时间的增长和工作环境的改变校正参数通常会失效，需要通过周期性的停机来重新定标。

基于场景的校正方法利用当前图像中的场景信息实时计算更新校正参数，具有一定的自适应性，但是也存在一定缺陷。其中：

时域高通滤波法的缺点是：将时域低频信息统一当做非均匀性，会滤除掉图像中的静止场景，同时也会在运动物体上产生明显的拖影即“鬼影”现象，严重影响校正效果。

恒定统计法的缺点是：认为图像中的场景值遵循恒定的统计规律，需要连续多帧图像的统计信息来计算校正参数，对系统的存储空间要求比较大，不易于硬件实现。

神经网络法的缺点是：依赖于场景与成像系统之间的运动，校正图像中大多存在“鬼影”问题，而且当场景静止时，重复迭代计算会使校正结果边缘发生模糊。

发明内容

本发明的目的在于提供一种基于FPGA的红外成像非均匀性校正系统，用于对红外图像非均匀性的实时较正。本发明系统采用的方法，对传统的神经网络法加以改进，以解决传统的神经网络法存在的“鬼影”现象和固定场景下图像模糊的问题。

本发明的目的是这样实现的：

一.技术原理

本发明在保留原始神经网络法优点的同时，针对其缺陷加以改进，并以FPGA为核心处理器对改进方法进行实现。

在本发明系统中，保留了原始神经网络法的校正模型和参数更新计算模型，其中：

校正模型为：I_o(i,j)＝G(i,j)×I_b(i,j)+O(i,j)；

增益参数迭代更新的计算模型为：G₁(i,j)＝G(i,j)-β×I_b(i,j)×(I_o(i,j)-I_d(i,j))；

偏置参数迭代更新的计算模型为：O₁(i,j)＝O(i,j)-β×(I_o(i,j)-I_d(i,j))。

上述模型中，I_b(i,j)为输入原始图像第i行第j列像素位置的灰度值，G(i,j)和O(i,j)分别为对应位置的当前增益参数和当前偏置参数，I_o(i,j)为利用校正模型计算得到该位置校正后的灰度值，I_d(i,j)为预测图像在该位置的灰度值，β为迭代步长，G₁(i,j)和O₁(i,j)分别为利用参数更新计算模型得到的新增益参数和新偏置参数。

针对原始神经网络法存在的缺陷，经过理论及实验分析可知，“鬼影”现象的存在主要是由于原始神经网络法中预测图像由均值滤波得到，图像边缘被模糊了。本发明系统采用一种具有边缘保持效果的滤波方法代替原始神经网络法中的均值滤波来计算预测图像，有效地改善了“鬼影”现象。另外，场景静止时不必要的重复更新校正参数是造成图像模糊的主要原因。本发明引入了参数更新判断机制，利用投影法运动估计的结果来指导参数更新，从而有效地解决了静止场景下校正结果的模糊问题。针对以上改进后的神经网络非均匀性校正方法，本发明以FPGA为核心处理器件对其进行硬件实现，给出一种基于FPGA的红外成像非均匀性校正系统。

二.技术方案

本发明基于FPGA的红外成像非均匀性校正系统，其特征在于包括：输入帧缓存器、输出帧缓存器、外部存储控制器和神经网络模块；