【技术实现步骤摘要】
本专利技术属于数字图像成像领域中的图像去噪，具体涉及一种基于多尺度分段线性的红外焦平面阵列非均匀校正方法。
技术介绍
1、红外焦平面阵列的成像技术在红外成像中应用广泛，其在军事、安防、热成像领域中能够快速的获取图像数据并显示出图像。红外焦平面阵列探测器对红外辐射较敏感，在低照度的条件下仍能获取清晰的红外图像，环境适应性较强，且可以通过对不同波段的选择，实现多波段的红外成像。但红外焦平面阵列在高温环境下容易产生热响应非线性的问题，导致成像的质量下降严重。因此需要对焦平面成像装置产生的条纹非均匀性，而考虑到该条纹会随着时间的移动，其条纹非均匀性也会在图像的不同位置生成，且强度不一，给校正带来较大的困难。
2、目前针对红外焦平面的非均匀校正方法可分为基于场景的校正、基于滤波的校正以及基于噪声模型的校正。这些方法在红外焦平面的校正中均取得较为显著的校正效果，但随着场景的变化，各类方法均显露出明显的缺陷，如基于场景的校正方法，在某种特定的场景效果较好，但在某些场景下校正效果不佳，局限性较大。又如基于噪声模型的方法，通过深度学习的网络迭代来实现红外焦平面的非均匀校正，表现突出。但由于其运算对时间要求较长，且随着训练场景的变化，其校正效果也明显下降。故而，不断地提出新的校正模型来完成红外焦平面非均匀的校正是很有必要的。
技术实现思路
1、依据场景不断变化的红外焦平面非均匀校正需求，本专利技术从红外图像的像元尺度特征出发，提出了一种基于像元多尺度线性分段的红外焦平面非均匀校正算法。该方
2、为此，本专利技术提供了一种基于多尺度分段线性的红外焦平面阵列非均匀校正方法，包括如下步骤：
3、s1、输入红外焦平面阵列图像；
4、s2、构建红外焦平面像元自适应分段模型；
5、s3、构建红外焦平面自适应加权模型；
6、s4、构建联合权重的加权多尺度分析模型；
7、s5、构建加权多尺度非均匀校正算法；
8、s6、输出校正结果。
9、进一步的，所述步骤s2、构建红外焦平面像元自适应分段模型的具体过程是：
10、通过对成像的灰度特性分析，利用红外焦平面噪声灰度比背景灰度显著的特性；将不同灰度值的像元进行分段，以将红外焦平面阵列成像时的非均匀噪声灰度与真实背景的灰度分离，完成分段处理；图中各个像元的灰度等级统计模型如下：
11、
12、式中，c(pk)表示图像中出现灰度值pk的概率，pk表示第k级的像元灰度值，mk表示灰度值为pk的所有像元个数，m为图像中所有像素的个数，l为灰度的等级，从0-255共256个灰度级；
13、利用非均匀性间存在较近灰度分布的特性，以c(pk)为分段参考，以|c(pk)-r|至|c(pk)+r|构建出一个分段区间，r表示设定概率区间的常数；若任一像元的概率c(px)处于区间内，则表明该像元有较大概率为非均匀性像元，将其分段到灰度等级较低的线性段中；反之，则将其划分到灰度等级较高的线性段，完成图像像元的自适应分段；其分段模型如下：
14、
15、式中，t1(x,y)、t2(x,y)分别表示不同灰度级的像元分段，f(x,y)表示输入图像的像元灰度值；当f(x,y)的出现概率处在非均匀概率区间时，表明当前像元f(x,y)与下一像元f(x+1,y)的灰度级相近，将其划分到t2(x,y)像元矩阵中。如式所示，其余像元则划分到t1(x,y)的像元矩阵中，完成像元线性分段。
16、进一步的，所述步骤s3、构建红外焦平面自适应加权模型的具体过程是：根据非均匀像元的奇异特性，对分段后的像元进行权重比的计算；通过像元权重的分布来进行校正尺度的控制，增强了像元信息的利用，其相应的权重模型构建如下：
17、(1)对分段的数据进行归一化运算：
18、
19、式中tnorm表示归一化后的图像，tmax和tmin分别表示分段中不同灰度级的最大值和最小值，t1,t2表示整幅图像的像元分段集，t(x,y)表示图像中的像元；
20、(2)分别通过对非均匀像元与背景像元信息熵的计算来完成相应权重的构建，其具体运算模型如下：
21、
22、式中h表示红外成像中的信息熵，根据像元的分段，分别有h1，h2两个信息熵的值，k＝1/lnm为常数，m表示分段后各像元分段中的像元个数，pi表示各单个像元所占的比重；由于对图像像元将进行了分段，因此在不同分段中各像元的权重也会不一致，故而分别计算出不同像元的权重如下：
23、
24、式中，hg表示分段像元信息熵h1,h2的信息熵冗余，w表示各分段像元的权重，其根据像元分段，共有w1，w2两种类型的权重；根据不同的权重，自适应的调整校正的尺度变化范围。
25、进一步的，所述步骤s4、构建联合权重的加权多尺度分析模型的具体过程是：在构建分段与加权模型的基础上，利用像元灰度的扩散特性，构造了分段加权的像元多尺度算法来约束校正的范围；使得图像中的非均匀特性能够与背景较好的融合，提高成像的质量；其具体的模型如下示：
26、
27、式中，fx+(x,y)、fx-(x,y)、fy+(x,y)、fy-(x,y)分别表示像元在结合对应权重后上、下、左、右的尺度变化，f(x,y)表示输入图像，w表示输入的权重。
28、进一步的，所述步骤s5、构建加权多尺度非均匀校正算法的运算模型如下：
29、
30、式中，yx+(i,j)、yx-(i,j)、yy+(i,j)、yy-(i,j)、y(i,j)分别表示第k帧图像像元坐标为(i,j)的上、下、左、右和中心点的校正值；将上、下、左、右和中心点的校正取均值进行优化处理，其运算模型如下：
31、
32、本专利技术的优点是：本专利技术提供这种基于多尺度分段线性的红外焦平面阵列的非均匀校正算法利用非均匀成像的相似关联特性，将非均匀像元与背景像元进行像元分段，利用不同像元的灰度等级来进行灰度校正，提高了校正算法的质量；该基于多尺度分段线性的红外焦平面阵列的非均匀校正算法结合像元灰度级分段，构建了联合权重的加权多尺度分析模型来实现不同灰度级像元权重的分析，使得不同灰度级的像元得到对应权重的校正；该基于多尺度分段线性的红外焦平面阵列的非均匀校正算法在红外成像中利用像元扩散的多尺度性来进行像元的分析，结合各像元的权重，构建出各像元的多尺度变化约束模型来完成校正尺度的约束，增加了像元信息的利用率；该基于多尺度分段线性的红外焦平面阵列的非均匀校正算法将单个像元的校正转换到局部的邻域上来，增强了校正信息的融合，提高了校正的成像质量。
33、下面本文档来自技高网...
【技术保护点】
1.一种基于多尺度分段线性的红外焦平面阵列非均匀校正方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于多尺度分段线性的红外焦平面阵列非均匀校正方法，其特征在于：所述步骤S2、构建红外焦平面像元自适应分段模型的具体过程是：
3.如权利要求1所述的一种基于多尺度分段线性的红外焦平面阵列非均匀校正方法，其特征在于：所述步骤S3、构建红外焦平面自适应加权模型的具体过程是：根据非均匀像元的奇异特性，对分段后的像元进行权重比的计算；通过像元权重的分布来进行校正尺度的控制，增强了像元信息的利用，其相应的权重模型构建如下：
4.如权利要求1所述的一种基于多尺度分段线性的红外焦平面阵列非均匀校正方法，其特征在于：所述步骤S4、构建联合权重的加权多尺度分析模型的具体过程是：在构建分段与加权模型的基础上，利用像元灰度的扩散特性，构造了分段加权的像元多尺度算法来约束校正的范围；使得图像中的非均匀特性能够与背景较好的融合，提高成像的质量；其具体的模型如下示：
5.如权利要求1所述的一种基于多尺度分段线性的红外焦平面阵列非均匀校正方法，其特征在于
...【技术特征摘要】
1.一种基于多尺度分段线性的红外焦平面阵列非均匀校正方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于多尺度分段线性的红外焦平面阵列非均匀校正方法，其特征在于：所述步骤s2、构建红外焦平面像元自适应分段模型的具体过程是：
3.如权利要求1所述的一种基于多尺度分段线性的红外焦平面阵列非均匀校正方法，其特征在于：所述步骤s3、构建红外焦平面自适应加权模型的具体过程是：根据非均匀像元的奇异特性，对分段后的像元进行权重比的计算；通过像元权重的分布来进行校正尺度的控制，增强了像元信息的利用，其相...
【专利技术属性】
技术研发人员：刘伟，陈继铭，李世龙，郭得福，
申请(专利权)人：西安中科立德红外科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。