【正文】 是因?yàn)槿搜鄄荒茼憫?yīng) ~ m 波段以外的光線 [1]。 紅外成像系統(tǒng)所成圖像的灰度信息反映的是場景的紅外輻射量，因此它與可見光成像系統(tǒng)的工作原理有很大不同。目前，紅外成像系統(tǒng)使用的波段一般都處于 3~5μ m 和 8~14μ m 兩個窗口范圍內(nèi) [2]。因?yàn)樵诔上襁^程中需要精密的機(jī)械運(yùn)動配合，所以這種成像的方法也被人們稱為光學(xué)機(jī)械掃描成像。 （ 2）紅外凝視焦平面陣列式成像 紅外凝視焦平面陣列的成像方式大大增加了探測單元的數(shù)目，以至于它能夠?qū)⒁晥鰞?nèi)所有的目標(biāo)同時記錄下來，這樣就不必進(jìn)行鏡頭的機(jī)械掃描，也就避免了機(jī)械掃描帶來的一系列的缺點(diǎn)。 2)與可見光相比，紅外輻射更容易穿透霧、霾環(huán)境，能夠克服這些視覺上的障礙，較好的排除干擾，探測到目標(biāo)。由于紅外成像系統(tǒng)具有以上可見光成像系統(tǒng)不可比擬的優(yōu)勢，所以得到了廣泛的應(yīng)用，特別是在惡劣的氣候條件下，使用更多。 目前來說雖然工藝制造水平已經(jīng)有了很大的提高，這在一定程度上降低了系統(tǒng)的非均勻性，但是很難實(shí)現(xiàn)具有理想非均勻性紅外焦平面陣列的制造。并 且與可見光圖像相比，紅外圖像存在直方圖較為集中、目標(biāo)與背景之間的對比度低、紋理較弱等缺點(diǎn)，很難實(shí)現(xiàn)目標(biāo)的檢測。在一點(diǎn)校正算法的基礎(chǔ)上，有人提出了兩點(diǎn)校正算法 [7]，該算法主要改善了一點(diǎn)校正算法不能兼顧增益不均勻性和偏置不均勻性的缺點(diǎn)，它是通過在線性范圍內(nèi)選取兩個不同的均勻輻射量來實(shí)現(xiàn)對陣列輸出響應(yīng)的偏置和增益系數(shù)同時進(jìn)行校正，因此，它具有更高的校正精度。 基于定標(biāo)的非均勻性校正算法因?yàn)槠渌惴ê唵巍⒕_度高、利于工程實(shí)時實(shí)現(xiàn)等特點(diǎn)，受到了廣泛的關(guān)注。恒定統(tǒng)計(jì)法和恒定范圍統(tǒng)計(jì)算法都屬于此類，區(qū)別在于后者考慮了電噪聲對成像系統(tǒng)的影響。為了 能夠?qū)崿F(xiàn)對探測器參數(shù)自適應(yīng)跟蹤和調(diào)整，Scribner等人 [12]提出了基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)校正算法，該算法是基于場景校正算法中比較有代表性的一種方法，它的校正原理是利用現(xiàn)有視場場景來持續(xù)的對探測元進(jìn)行增益系數(shù)和偏移的校正，依據(jù)實(shí)際景象采用誤差最陡下降法逐幀迭代，直至達(dá)到最佳校正狀態(tài)。 除了上面列出來的幾種算法外，還有許多非均勻性校正算法，在非均勻性消除方面都有自己的特點(diǎn)，如基于小波變換的算法 [14]、時域高通濾波算法 [15]等等，都能取得很好的效果。還有一些基于 3? 法的改進(jìn)算法，如基于滑動窗口的自適應(yīng)閾值盲元檢測算法 [16]等。這些算法根據(jù)作用域的 不同，大致可以分為兩大類：基于空間域的圖像增強(qiáng)算法和基于變換域的圖像增強(qiáng)算法。文獻(xiàn) [20]中則提出了一種直方圖均衡的改進(jìn)算法，算法中使用了廣義直方圖的概念，有效的克服了傳統(tǒng)直方圖均衡化方法的不足，在保留了目標(biāo)細(xì)節(jié)的情況下，既能控制增強(qiáng)效果 ，也保證了不會過分放大噪聲。另外，常用的變換域還有模 糊域，即基于模糊集理論的圖像增強(qiáng)算法，該算法是于 20世紀(jì) 80年代中期， [24]，由于其良好的第一章 緒論 7 處理效果而得到了廣泛的應(yīng)用，并有人在傳統(tǒng)算法的基礎(chǔ)上提出了改進(jìn)算法。 第二章首先敘述了紅外圖像非均勻性產(chǎn)生的原因和非均勻性的定義，然后在此基礎(chǔ)上提出了焦平面陣列元的響應(yīng)模型。 第五章在模糊集理論的基礎(chǔ)上，結(jié)合圖像反色和多分辨率融合等理論，提出了一種新的基于模糊集理論的圖像增強(qiáng)算法，并在對比度測量函數(shù)、均值、標(biāo)準(zhǔn)差等方面，將傳統(tǒng)算法處理結(jié)果和本文算法處理結(jié)果進(jìn)行了對比和分析。 紅外焦平面陣列成像特點(diǎn) 紅外圖像響應(yīng)的是場景的紅外輻射，這主要是由場景的溫度差異和輻射量決定的，像素間灰度的差異主要反映的是場景中溫度分布的差異，一般來說這種 差異是非常微弱的。 （ 3）低對比度 自然環(huán)境中目標(biāo)與背景之間存在熱交換、大氣熱輻 射和吸收，這就導(dǎo)致了場景中各部分溫度差異不大，在紅外圖像中就表現(xiàn)為對比度較低。相反，在夜間由于沒有太陽輻射 的作用，場景的成像主要依靠自身的熱輻射，但是由于熱交換的存在，物體之間的溫度分布會趨于一致，從而場景中各物體輻射率差異較小，也就使所成圖像細(xì)節(jié)比較模糊。紅外成像系統(tǒng)非均勻性的來源如圖 所示。另外，紅外焦平面陣列中無效像元的影響也是不可忽略的，這些無效像元對熱輻射的響應(yīng)率與正常像元相比差異很大，具體表現(xiàn)在所成的圖像中隨機(jī)的亮點(diǎn)和黑點(diǎn)。 （ 3） 光學(xué)系統(tǒng)的影響。 外界影響引入的非均勻性 紅外成像系統(tǒng)中，場景輻射強(qiáng)度變化范圍、光學(xué)系統(tǒng)背景輻射等特征都會對紅外焦平面陣列的成像產(chǎn)生影響 [31]。由于在非均勻性的定義中用到了平均 響應(yīng)率的概念，為了便于理解，我們首先給出平均響應(yīng)率的概念：焦平面各有效像第二章 紅外成像非 均勻性產(chǎn)生的原因和定義 11 元響應(yīng)率的平均值，計(jì)算公式如下： 111 ( , )() MNijR R i jM N d h ??? ? ? ? ?? （ 21） 式中： ,MN— 分別是焦平面陣列的行和列數(shù)。 m a x m in 100%RRNU R??? （ 22） 定義 2：在均勻入射條件下，焦平面陣列有效像元對輻射響應(yīng)的最大值與最小值之差的 2 倍，與它們和的百分比。 本章小結(jié) 本章首先分析了紅外成像系統(tǒng)工作的特點(diǎn)，然后列出了幾種常見的非均勻性產(chǎn)生的原因，及引入噪聲的類型，只有明確了非均勻性的來源，才能更好的預(yù)防和校正，最后給出了幾種關(guān)于紅外圖像非均勻性的定義。 在介紹具體的校正算法之前，首先做一個假設(shè)：假設(shè)紅外焦平面陣列每個探測元在響應(yīng)范圍內(nèi)，對紅外輻射的響應(yīng)都為線性響應(yīng)。上式又可表示為： ( ) ( ) ( ) ( ) ( 0 。 第三章 紅外圖像非均勻性校正算法 13 一點(diǎn)溫度定標(biāo)法 一點(diǎn)定標(biāo)算法最早是在 1995 年由 Schulz M 和 Caldwell L 提出的，一點(diǎn)定標(biāo)校正算法原理是：將陣列元對某一特定溫度的均勻黑體的響應(yīng)校正為一致 [37]。 0 )MNijijX T X T M N i M j N??? ? ? ? ??? （ 33） 則它的偏置校正因子為： ( ) ( ) ( ) ( 0 。 一點(diǎn)校正算法雖然可以對偏移非均勻性和增益非均勻性進(jìn)行校正，但是它對二者的校正不能同時進(jìn)行，在對其中一個校正的時候，實(shí)際上是假設(shè)另一個為可忽略的，這就造成了非均勻性的殘留比較大，影響最終的校正效果。 在陣列元響應(yīng)范圍內(nèi)，選取兩個溫度不同的均勻黑體（高溫 HT和低溫 LT ）作為輻射源，記錄所有陣列元在高溫 HT 和低溫 LT 黑體輻射下的響應(yīng)輸出分別為 ()ij HXT 、 ()ij LXT，計(jì)算陣列元響應(yīng)的平均值得： 111( ) ( )MNH i j HijX T X TMN ??? ? ?? （ 38） 111( ) ( )MNL i j LijX T X TMN ??? ? ?? （ 39） 由前面的描述可知，陣列元的非均勻性校正方程為： ( ) ( ) ( ) ( ) ( 0 。特別當(dāng)紅外焦平面陣列動態(tài)范圍較小時，它是一種有效的方法 , 并且由于它的計(jì)算量小、精度高得到了廣泛的應(yīng)用。本節(jié)主要介紹基于卡爾曼濾波的非均勻性校正算法和基于神經(jīng)網(wǎng)絡(luò)的非均勻性校正算法及其改進(jìn)算法，并對校正的結(jié)果進(jìn)行了分析。 從紅外焦平面陣列響應(yīng)的模型中可以看出，對非均勻性的校正過程就是對每個探測元的增益系數(shù)和偏移系數(shù)進(jìn)行估計(jì)的過程[40]。以上所有的表述都是基于單個探測元的，因此，為了方便，后面均省略下標(biāo) ij。構(gòu)建狀態(tài)方程如下： 1k k k k kB B W??? ?? （ 316） 其中 kk kkB b??????? ， 00kk k?? ???????? ， 1001k? ??????? ， (1)(2)kk kwW w??????? ； 式（ 316）中， k? 稱為第 k 組幀的系統(tǒng)關(guān)聯(lián)矩陣， k? 稱為第 k 組幀的狀態(tài)轉(zhuǎn)移矩陣， k? 和 k? 的取值 是根據(jù)幀塊之間的參數(shù)漂移程度而定的，并限定 0101k? ? ? ?? ? ? ? ? ? ， 0101k? ? ? ?? ? ? ? ? ?。 在上述模型中，應(yīng)該確保增 益和偏移量的隨機(jī)漂移的長期不變性，也就是說，盡管增益和偏移量在塊與塊之間允許任意漂移，但是應(yīng)該確保這種漂移的統(tǒng)計(jì)特性不變。所以，卡爾曼濾波器使用了矢量觀測模型，且觀測模型如下： k k k kX H B V?? （ 324） 其中， kX 是 k 組幀時刻觀測長度為 kl 的觀測矢量， kV 是加性電噪聲。探測元讀出噪聲 kV 的協(xié)方差為（假定 ()kVi與 ()kVj是不相關(guān)的）： 0 kTkl R k lE V V o th e r w is e???? ? ??? ? （ 326） 其中： 2( , )kk lkk l l VRI?? （ 327） 式中 ( , )kkllI是 kl 階的單位矩陣， 2lkV?是通過場景數(shù)據(jù)計(jì)算出來的幀塊加性電噪聲的協(xié)方差。當(dāng)?shù)玫綘顟B(tài)變量的估計(jì)值 ? ?? , Tk k kB k b? 后，就可以實(shí)現(xiàn)對探測元第三章 紅外圖像非均勻性校正算法 21 非均勻性的校正，校正的過程是用探測元輸出量減去偏移量的估計(jì)值，然后再除以增益的估計(jì)值，即可得到校正后的輸出，具體表達(dá)式如下： = kkXbX k原 始校 正 （ 344） 實(shí)驗(yàn) 結(jié)果分析 由于缺少具有非均勻性 的紅外圖像，本文通過人為對原始紅外圖像添加非均勻性噪聲對非均勻性進(jìn)行模擬。 (a) (b) 哈爾濱工程大學(xué)碩士學(xué)位論文 22 (c) 圖 實(shí)驗(yàn)結(jié)果 (a)原始圖像 (b)添加非均勻性噪聲圖像 (c)卡爾曼濾波結(jié)果 基于神經(jīng)網(wǎng)絡(luò)的非均勻性校正算法 基于 BP 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的非均勻性校正算法是 D. A. Scribner 等人在 20 世紀(jì) 90 年代初提出的 [43] ，它能夠?qū)?shù)實(shí)時更新，因此得到了廣泛的應(yīng)用，是目前研究的主要方向之一。 輸入層 x ( i 1 , j ) x ( i , j 1 ) x ( i , j ) x ( i + 1 , j ) x ( i , j + 1 )校正層輸出層隱含層y ( i , j ) 圖 基于神經(jīng)網(wǎng)絡(luò)的非均勻性校正算法網(wǎng)絡(luò)結(jié)構(gòu) 由上圖可知該神經(jīng)網(wǎng)絡(luò)由四層組成，它們分別是輸入層、校正層、隱含層和輸出層。 （ 2） 隱含層 隱含層的作用是對校正后的輸出圖像進(jìn)行平滑濾波，并將處理的結(jié)果作為理想輸出送到校正層，用于確定下一步的校正參數(shù)。修正網(wǎng)絡(luò)的學(xué)習(xí)算法有多種，此處采用的是 LMS（最小均方誤差）算法，其數(shù)學(xué)依據(jù)是最陡下降法，誤差函數(shù)為： 22[ ( ) ] [ ( ) ( ) ( ) ( ) ]F e n G n X n O n f n? ? ? ? （ 348） 對增益校正 系數(shù)求偏導(dǎo)數(shù)（梯度）： 2 ( ) [ ( ) ( ) ( ) ( ) ] 2 ( ) ( )F X n G n X n O n f n X n e nG? ? ? ? ?? （ 349） 對偏移校正系數(shù)求偏導(dǎo)數(shù)（梯度）： 哈爾濱工程大學(xué)碩士學(xué)位論文 24 2 [ ( ) ( ) ( ) ( ) ] 2 ( )F G n X n O n f n e nO? ? ? ? ?? （ 350） 根據(jù)最陡下降法，使誤差函數(shù)趨近于最小的最陡下降路徑為： ( 1 ) ( ) 2 ( ) ( )G n G n X n e n?? ? ? （ 351） ( 1) ( ) 2 ( )O n O n e n?? ? ? （ 352） 式（ 351）中 ? 是步長因子，當(dāng)步長值越大時，算法達(dá)到收斂所需要的時間就越短，但是算法的穩(wěn)定性變差，當(dāng)步長值越小時，算法達(dá)到收斂所需要的時間就越長，同時算法的穩(wěn)定性變好。 （ a） （ b） 第三章 紅外圖像非均勻性校正算法 25 （ c） 圖 （ a）原始圖像 （ b）添加非均勻性圖像 （ c）校正后圖 像 分析圖 ，從圖中看出對于處于靜止?fàn)顟B(tài)的房屋、花園、路燈等物體，校正過后對比度下降，邊緣變得模糊，甚至路燈已經(jīng)融合在了背景中，而圖像中處于運(yùn)動狀態(tài)的人則沒有這種現(xiàn)象發(fā)生。所以，為了找到引起這一變化的原因，本文使用另一哈爾濱工程大學(xué)碩士學(xué)位論文 26 組實(shí)驗(yàn)數(shù)據(jù)，這一組實(shí)驗(yàn)的均方根誤差曲線的波動幅度更大，并且可以明確的找到是哪一幀圖像引起的，便于分析，它的均方根誤差曲線如下圖 所示。這種現(xiàn)象在目標(biāo)不斷運(yùn)動時表現(xiàn)不明顯，但是當(dāng)目標(biāo)在長時間靜止后突然 運(yùn)動，而校正系數(shù)的更新需要一定的時間才會收斂，偽像的現(xiàn)象就會很嚴(yán)重