[发明专利]一种基于字典学习的沥青红外图像非均匀性校正方法

说明书

本发明涉及基于字典学习的沥青红外图像非均匀性校正方法，包括：采集摊铺过程中的沥青路面红外图像；对采集到的沥青路面红外图像进行灰度化处理；将灰度化后的图像分成若干图像块，对每一图像块进行二维DCT变换和反变换，然后合并图像块生成DCT字典；将灰度化后的图像进行奇异值分解，取分解后的奇异值矩阵为SVD字典；通过Ljung‑box对SVD字典进行噪声检验筛选出不含噪声的字典原子；将DCT字典与不含噪声的字典原子拼接组成初始字典；通过OPM算法对初始字典更新获得过完备字典；根据过完备字典对沥青路面红外图像进行稀疏表示，实现非均匀性校正。本发明实现了在对沥青红外图像高效精确的非均匀校正。

技术领域

本发明涉及红外热成像检测技术领域，尤其是一种基于字典学习的沥青红外图像非均匀性校正方法。

背景技术

沥青混合料中的沥青胶结料是一种热塑性材料，温度敏感性高，在不同的温度条件下呈现出的形态差异很大。高温时具有显著的粘性流动变形特征，低温时则具有固体的属性，表现出较强的变形抵抗能力。因此，沥青路面的施工质量很大程度上取决于对施工过程中路面温度的控制。不均匀的沥青路面温度会直接影响到沥青面层的压实度、强度、密实度以及使用寿命。红外热成像技术凭借非接触式测温、仪器体积小、环境影响弱、响应速度快等优点，逐渐被用于沥青路面施工过程温度离析检测中。但是由于制造工艺的原因，焦平面上每个探测像元的光电响应率都不相同，所以会导致红外图像中存在非均匀性噪声。

现有针对红外图像非均匀性校正的方法主要包括三种。一是基于参考的非均匀性校正，这类方法以黑体的均匀辐射图作为参考计算非均匀校正系数，尽管定标技术可以快速计算出针对红外焦平面当前噪声图案的非均匀性的校正系数，但是红外焦平面的非均匀性具有时间漂移(time-drifting)的性质。当红外探测器运行条件变化时，例如焦平面温度变化、读取电路电压变化等，会使得各探测像元的响应系数发生变化，从而导致原先通过定标技术计算出的非均匀性校正系数变得不再适用。二是基于统计模型的非均匀性校正，这类方法最早是基于时域高通滤波实现非均匀性校正，认为场景信息变换属于高频信息，而固定噪声样式基本不变，时域低频信息，进而设计高通滤波器实现非均匀性校正，但是此方法很依赖场景运动，需要累计大量的图像帧在每个像素位置的灰度值，因此校正速度很慢。三是基于神经网络的非均匀性校正，该方法将深度学习方法用于非均匀性校正中，具有精度高且鲁棒性强的优势，但是由于缺少不同噪声类型的训练数据集，会导致该方法的泛化性较差。

综上，现有字典学习用于红外图像非均匀性校正方法主要存在以下问题：1)在沥青红外图像采集过程中，缺少用于监督的清晰图像。2)沥青图像中的细节和纹理复杂，现有方法存在细节丢失问题。3)稀疏表示过程中的固定容差会导致降噪效果下降。

发明内容

针对现有技术的不足，本发明提供一种基于字典学习的沥青红外图像非均匀性校正方法，目的是在保护图像纹理细节的同时有效去除沥青路面红外图像中存在的非均匀性噪声。

本发明采用的技术方案如下：

1、一种基于字典学习的沥青红外图像非均匀性校正方法，其特征在于，包括：

S1、采集摊铺过程中的沥青路面红外图像；

S2、字典初始化：

S21、对采集到的沥青路面红外图像进行灰度化处理；

S22、将灰度化后的图像分成若干图像块，对每一图像块进行二维DCT变换和反变换，然后合并图像块生成DCT字典；

S23、将灰度化后的图像进行奇异值分解，将分解后的奇异值矩阵作为SVD字典，其中分解后的奇异值矩阵的每一列向量作为SVD字典的一个字典原子；

S24、通过Ljung-box对SVD字典进行噪声检验，筛选出不含噪声的字典原子；

S25、将所述DCT字典与筛选出的不含噪声的字典原子拼接，组成用于字典学习的初始字典；