ＣＣＤ传感器Ｓｍｅａｒ效应处理方法技术

本发明专利技术公开了一种ＣＣＤ传感器Ｓｍｅａｒ效应处理方法，其目的是解决现有的Ｓｍｅａｒ效应修正方法Ｓｍｅａｒ效应消除能力低的技术问题。技术方案是利用全局图像灰度的统计信息判定Ｓｍｅａｒ效应发生区域的具体位置信息，消除对已知相机相关参数才能进行Ｓｍｅａｒ效应修正的依赖性。考虑到Ｓｍｅａｒ效应图像和原始图像的生成关系，根据原始图像和产生Ｓｍｅａｒ效应区域的灰度特性对原始图像和Ｓｍｅａｒ效应区域进行背景建模，估计出Ｓｍｅａｒ效应图像，借助原始图像的图像特性，考虑光照、噪声等因素对图像产生的影响。更真实的反映了产生Ｓｍｅａｒ图像当前帧的图像特性，提高了Ｓｍｅａｒ效应消除能力。

【技术实现步骤摘要】

本专利技术涉及一种Smear效应处理方法，特别是(XD传感器Smear效应处理方法。
技术介绍
Smear效应(拖影问题)是帧转移型(XD传感器的固有特性。当(XD传感器受到 强光源照射，在进行帧转移过程中，垂直CCD不断进行光电转换，摄影区域的信号电荷转移 到存储区域，转移中信号电荷会加上强光源产生的多余的光电转换信号，在读出的图像当 中上下方拉出白线，将严重影响图像对比度和图像质量，降低图像细节信息。现有的Smear 效应修正方法采用增加曝光时间，使用机械快门和电子快门，借助暗像元区域信息或借助 相机相关参数等方法进行修正。文献“科学级帧转移型C⑶相机拖影问题的处理，科学技术与工程，2009， Vol. 9 (15)，p4336-4338”公开了一种借助CCD相关参数进行Smear效应修正的方法。该方 法借助相机曝光时间、帧转移时间等相关参数，建立起理想图像与原始图像之间的关系，通 过估计出的Smear效应参数，消除原始图像中的Smear效应。在建立理想图像与原始图像 之间关系模型时，需要明确知道相机的曝光时间、帧转移时间，因此，对产生Smear效应原 始图像的获取设备的相关参数具有依赖性和局限性。并且在建立理想图像与原始图像之间 的关系模型时，仅借助相机的相关参数，并未考虑获取的实际图像中光照、噪声等的影响， 降低了 Smear效应的消除能力。
技术实现思路
为了克服现有的Smear效应修正方法Smear效应消除能力低的不足，本专利技术提供 一种(XD传感器Smear效应处理方法。该方法利用全局图像灰度的统计信息判定Smear 效应发生区域的具体位置信息，消除对已知相机相关参数才能进行Smear效应修正的依赖 性。考虑到Smear效应图像和原始图像的生成关系，根据原始图像和产生Smear效应区域 的灰度特性对原始图像和Smear效应区域进行背景建模，估计出Smear效应图像，借助原始 图像的图像特性，考虑光照、噪声等因素对图像产生的影响，更真实的反映了产生Smear图 像当前帧的图像特性，可以提高Smear效应消除能力。本专利技术解决其技术问题所采用的技术方案一种， 其特点是包括下述步骤(a)对大小为rXc的16位图像，灰度大小范围为(0，65535)，按照 对图像中的每列进行灰度值累加求和。式中，Col_sum(j)表示第j列的灰度和，f^^x, y)表示(i，j)处的灰度值，r表 示行长度，c表示列宽度。计算向量Col_sum的均值mean 计算向量Col_sum的方差var 式中，x(k)表示输入的信号，n表示输入信号的窗口大小。计算阈值ThsThs = mean+a Xvar (4)式中，a= 400。将统计得到的第j列的Col_Sum(j)与Ths进行比较，大于等于该阈值Ths，即表示 该列发生了 Smear效应，标记为1 式中，I_mask是Smear效应判定向量。按照I_area = label (I_mask) (6)对连通区域进行label ( )标记，得到产生Smear效应区域的个数num，记录各连 通区域的起始坐标pos_left (num)和终止坐标pos_right (num)位置信息，得到产生Smear 效应的具体位置。式中，label ( )表示对输入的I_mask进行标记，I_area表示标记后的结果。(b)对输入的全局图像的各像素I_img(i，j)的灰度值，按照大小依次进行排序Is_img = sort(I_img(i, j)) (7)找出排序后序列Is_img的中间位置p，以半径为d选取局部区域排序后的数据，按眧 为基准填充各像素得到真实图像的背景图像Ijmgmean。式中，sort ( )表示对输入的图像数据进行排序，d = 50000。同样，对判定出产生Smear效应所在列的各像素I_img(r，smear_pos)的灰度值，Is_img (smear_pos) = sort (I_img (r，smear_pos)) (9)按照大小依次进行排序，找出排序后序列的中间位置Pl，以半径为屯选取局部区 域排序后的数据，按照 为基准填充各像素得到含有Smear效应的图像Ijmgsmear。式中，smear_pos表示产生Smear效应列的位置，屯=50。将计算得到的含有Smear效应的图像Ijmgsmear与估计出的背景图像Ijmgmean 相减，最终得到估计出的Smear效应图像I_smear。I_smear = I_imgmean-I_imgsmear (11)(c)将待修正的原始图像I_img与估计出的Smear效应图像I_smear相减，得到修 正Smear效应后的理想图像I_new。 对修正Smear效应后的理想图像I_new，再对其中产生电子溢出的区域通过插值 的方式重建弥散斑，最终得到Smear效应完全修正后的结果图像1。 _11冊。式中，j ‘和j “表示未产生溢出的左、右两侧的最近的列坐标位置，w,和wr表示 对应的权值。本专利技术的有益效果是由于利用全局图像灰度的统计信息判定Smear效应发生区 域的具体位置信息，消除对已知相机相关参数才能进行Smear效应修正的依赖性。考虑到 Smear效应图像和原始图像的生成关系，根据原始图像和产生Smear效应区域的灰度特性 对原始图像和Smear效应区域进行背景建模，估计出Smear效应图像，借助原始图像的图像 特性，考虑光照、噪声等因素对图像产生的影响，更真实的反映了产生Smear图像当前帧的 图像特性，提高了 Smear效应消除能力。具体实施例方式1、Smear效应发生位置确定。对大小为rXc的16位图像，单像元的灰度值大小范围为(0，65535)，按公式(1)， 对图像中的每列进行灰度值累加求和，其中，r表示行长度，c表示列宽度，Col_Sum(j)表示 第j列的灰度和，j(x，y)表示(i，j)处的灰度值，通过计算可以得到全局图像每列的灰 度和值向量Col_sum。 按照公式(2)，(3)分别计算向量Col_sum的均值mean和方差var，其中，x(k)表示输入的信号，n表示输入信号的窗口大小。 1 “ 按照公式(4)，计算得到一个判定Smear效应的阈值Ths，其中，a为给定的一个 实验值，本专利技术中选定a = 400。Ths = mean+ a X var (4)将统计得到的第j列的Col_Sum(j)与Ths进行比较，大于等于该阈值Ths，即为该 列发生了 Smear效应，并标记为1，如公式(5)所示。其中，I_mask为Smear效应判定向量。6 最后如公式(6)所示，对连通区域进行label ( )标记，得到产生Smear效应区域 的个数num，并记录各连通区域的起始坐标pos_left (num)和终止坐标pos_right (num)位 置信息，得到产生Smear效应的具体位置。其中，label ( )表示对输入的I_mask进行标 记，I_area表示标记后的结果。I_area = label (I_mask) (6)2、Smear 效应估计。对输入的全局图像的各像素I_img(i，j)的灰度值，如公式(7)所示，按照大小 依次进行排序。找出排序后序列Is_img的中本文档来自技高网...

【技术保护点】
一种ＣＣＤ传感器Ｓｍｅａｒ效应处理方法，其特征在于包括下述步骤：（ａ）对大小为ｒ×ｃ的１６位图像，灰度大小范围为（０，６５５３５），按照Ｃｏｌ＿ｓｕｍ（ｊ）＝＊ｆ↓［ｉ，ｊ］（ｘ，ｙ），ｉ∈［１，ｒ］；ｊ∈［１，ｃ］（１）对图像中的每列进行灰度值累加求和；式中，Ｃｏｌ＿ｓｕｍ（ｊ）表示第ｊ列的灰度和，ｆ↓［ｉ，ｊ］（ｘ，ｙ）表示（ｉ，ｊ）处的灰度值，ｒ表示行长度，ｃ表示列宽度；计算向量Ｃｏｌ＿ｓｕｍ的均值ｍｅａｎｍｅａｎ＝１／ｎ＊ｘ（ｋ）（２）计算向量Ｃｏｌ＿ｓｕｍ的方差ｖａｅａｒ相减，得到修正Ｓｍｅａｒ效应后的理想图像Ｉ＿ｎｅｗ；Ｉ＿ｎｅｗ＝Ｉ＿ｉｍｇ－Ｉ＿ｓｍｅａｒ（１２）按照Ｉ↓［ｃｏｒ］＿ｎｅｗ（ｉ，ｊ）＝ｗ↓［ｌ］.Ｉ＿ｎｅｗ（ｉ，ｊ′）＋ｗ↓［ｒ］.Ｉ＿ｎｅｗ（ｉ，ｊ″）／ｗ↓［ｌ］＋ｗ↓［ｒ］（１３）ｗ↓［ｌ］＝ｊ″－ｊ（１４）ｗ↓［ｒ］＝ｊ′－ｊ（１５）对修正Ｓｍｅａｒ效应后的理想图像Ｉ＿ｎｅｗ，再对其中产生电子溢出的区域通过插值的方式重建弥散斑，最终得到Ｓｍｅａｒ效应完全修正后的结果图像Ｉ↓［ｃｏｒ］＿ｎｅｗ；式中，ｊ′和ｊ″表示未产生溢出的左、右两侧的最近的列坐标位置，ｗ↓［ｌ］和ｗ↓［ｒ］表示对应的权值。ｒｖａｒ↑［２］＝１／ｎ＊（ｘ（ｋ）－ｍｅａｎ）↑［２］（３）式中，ｘ（ｋ）表示输入的信号，ｎ表示输入信号的窗口大小；计算阈值ＴｈｓＴｈｓ＝ｍｅａｎ＋α×ｖａｒ（４）式中，α＝４００；将统计得到的第ｊ列的Ｃｏｌ＿ｓｕｍ（ｊ）与Ｔｈｓ进行比较，大于等于该阈值Ｔｈｓ，即表示该列发生了Ｓｍｅａｒ效应，标记为１＊＊＊（５）式中，Ｉ＿ｍａｓｋ是Ｓｍｅａｒ效应判定向量；按照Ｉ＿ａｒｅａ＝ｌａｂｅｌ（Ｉ＿ｍａｓｋ）（６）对连通区域进行ｌａｂｅｌ（.）标记，得到产生Ｓｍｅａｒ效应区域的个数ｎｕｍ，记录各连通区域的起始坐标ｐｏｓ＿ｌｅｆｔ（ｎｕｍ）和终止坐标ｐｏｓ＿ｒｉｇｈｔ（ｎｕｍ）位置信息，得到产生Ｓｍｅａｒ效应的具体位置；式中，ｌａｂｅｌ（.）表示对输入的Ｉ＿ｍａｓｋ进行标记，Ｉ＿ａｒｅａ表示标记后的结果；（ｂ）对输入的全局图像的各像素Ｉ＿ｉｍｇ（ｉ，ｊ）的灰度值，按照大小依次进行排序Ｉｓ＿ｉｍｇ＝ｓｏｒｔ（Ｉ＿ｉｍｇ（ｉ，ｊ））（７）找出排序后序列Ｉ↓［ｓ］＿ｉｍｇ的中间位置ｐ，以半径为ｄ选取局部区域排序后的数据，按照Ｉ＿ｉｍｇｍｅａｎ＝１／ｄ＊Ｉ↓［ｓ］（ｋ）（８）为基准填充各像素得到真实图像的背景图...

【技术特征摘要】

【专利技术属性】
技术研发人员：周军，孙瑾秋，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：87[中国|西安]