【正文】 guish between target and background. This paper presents many effective methods to solve these problems which exist in the infrared focal plane arrays. In this paper, more contexts are given: (1) The results obtained by traditional neural work correction algorithm, have the problems of blurring effect and some existing artifacts. After analysis the reasons of the problems that the traditional neural work correction algorithm may cause, in this article an improved algorithm is proposed: replace the mean filter, which used in the traditional algorithm by the nonlinear filter. And the parameters of nonlinear filter are variable according to the local image detail changes in the improved algorithm. The corrected images by the improved algorithm achieve not only a significant improvement in image clarity, but also effectively eliminate the problem of artifacts caused by the traditional algorithms. (2) After analyzed the cause of blind pixels and the difference between blind pixels and point targets, an 碩士學(xué)位論文 effective detection algorithm was proposed which based on 2D linear extrapolation theory. The experiment shows that the proposed detection algorithm was more effective than the original algorithm, it verify the effective of the detection algorithm. (3) Infrared images have the features of dark and low contrast。物體的熱輻射在常溫下主要表現(xiàn)為紅外輻射，人們又稱紅外輻射為紅外線，它是一種人眼感覺不到的光線，具有很強(qiáng)的熱作 用，所以又稱為熱輻射。各個(gè)波段紅外輻射的透射率是不同的，因此波段的選擇也是非常重要的。故此，在 20 世紀(jì) 70 年代產(chǎn)生了一種新型的也是當(dāng)今最受人們重視的紅外凝視焦平面陣列式成像方式。 5）紅外成像系統(tǒng)功耗比較低，同時(shí)它的體積也比較小，可以方便的用于軍事方面。 另外，紅外成像系統(tǒng)與可見光成像系統(tǒng)不同，它反映的是場景物體的熱輻射量，所以它更容易受到周圍環(huán)境輻射和自身靈敏度的影響。于是，又提出了分段線性插值算法，它是用折線段連接插值節(jié)點(diǎn)來逼近映射函數(shù)曲線，與普通的多點(diǎn)校正算法相比較，它算法復(fù)雜度大大降低，易于實(shí)現(xiàn)實(shí)時(shí)處理。最后根據(jù)探測元對輻射量的響應(yīng)特性對過程進(jìn)行初始化，就可以利用卡爾曼濾波關(guān)系式完成對狀態(tài)變量的估計(jì)。 根據(jù)盲元的特點(diǎn)，人們提出了許多檢測算法，如常使用的 3?哈爾濱工程大學(xué)碩士學(xué)位論文 6 法，它判定像元為盲元的標(biāo)準(zhǔn)是：將像元灰度值和場景均值之間的偏差與一閾值相比較，如果大于，則判定為盲元，這一算法中閾值設(shè)定為標(biāo)準(zhǔn)差的 3倍。但是當(dāng)原圖像灰度范圍較大時(shí)，算法的增強(qiáng)效果變差。 本文的主要工作及內(nèi)容安排 第一章是緒論，主要介紹了紅外探測器發(fā)展的過程，以及紅外成像系統(tǒng)所成圖像的特點(diǎn)，然后對紅外圖像非均勻性校正和增強(qiáng)兩方面的研究現(xiàn)狀進(jìn)行了分析，指出了各種算法的優(yōu)缺點(diǎn)。人們通常使用外部的校正算法對紅外成像系統(tǒng)進(jìn)行校正，本章分析了紅外焦平面陣列的成像特點(diǎn)、非均勻性的定義和產(chǎn)生的原因等。這主要是因?yàn)閳鼍爸胁煌奈矬w（或同一物體的不同部分），對于太陽發(fā)出的輻射具有不同的吸收率和反射率，這就使白天所成的紅外圖像在細(xì)節(jié)方面比較明顯。這種不一致性是隨機(jī)的，它與工藝制 造水平有關(guān)，如閾值電壓不同、表面密度不均勻、溝道參雜濃度不同等，這些因素在實(shí)際的制造過程中是不可避免的。探測元轉(zhuǎn)換得到的電信號是非常微弱的，因此在成像過程中需要對這些響應(yīng)信號進(jìn)行放大處理，所需要的放大電路也不止一個(gè)，例如 CCD 探測器，響應(yīng)信號的放大是以行為單位的，由于每個(gè)放大器參數(shù)不可能完全一致，這就引入了非均勻性。 非均勻性定義 1：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，同各有效像元響應(yīng)率平均值的百分比?；趫鼍暗姆蔷鶆蛐孕Ｕ惴ㄌ岣吡讼到y(tǒng)的自適應(yīng)能力，能夠根據(jù)響應(yīng)參數(shù)的漂移 調(diào)整校正系數(shù)，是目前研究的主要方向[35]。這一節(jié)主要討論這兩種校正算法，并對它們的優(yōu)缺點(diǎn)進(jìn)行分析。 （ 2） 針對增益因子的校正算法 選取溫度為 T 的黑體作為輻射源，在時(shí)刻 n 對所有陣列元的輸出響應(yīng) ()ijXT求平均 ()XT（見式（ 33）），對各陣列元的增益因子哈爾濱工程大學(xué)碩士學(xué)位論文 14 進(jìn)行校正，則增益校正因子為： ( ) ( ) / ( )ij ijk T X T X T? （ 36） 于是，根據(jù)校正因子可以對陣列元輸出進(jìn)行校正： ( ) ( ) ( )ij ij ijS t k T X t? （ 37） 上式中 ()ijSt為非均勻性校正后陣列元的輸出值， ()ijXt為陣列元對溫度為 t 的目標(biāo)的實(shí)際響應(yīng)率。 XT L T H t123XT L T H t123 圖 兩點(diǎn)校正算法示意圖 從圖中可以看出，在焦平面陣列元的線性響應(yīng)范圍內(nèi)，兩點(diǎn)校正算法可以在補(bǔ)償陣列元偏移因子的同時(shí)，也對陣列元的增益因子做出了修正，有效的改善了一點(diǎn)校正算法的不足。因此，卡爾曼濾波被廣泛的應(yīng)用，特別是在動態(tài)數(shù)據(jù)的處理領(lǐng)域。 （ 1） 狀態(tài)模型 由于探測元的狀態(tài)漂移十分緩慢，那么我們可以近似認(rèn)為在第 k 組幀內(nèi)各探測元的兩個(gè)狀態(tài)變量是不變的，而相鄰幀塊狀態(tài)變量可以認(rèn)為后一組是經(jīng)過前一組的隨機(jī)擾動得到的，所以我們可以把探測元增益系數(shù)和偏移量抽象為高斯 — 馬爾可夫過程的隨機(jī)狀態(tài)變量。 （ 2） 觀測模型 在前面描述的觀測模型是基于單幀圖像的，是標(biāo)量觀測模型，由于探測元參數(shù)漂移非常 緩慢的特性，我們完全可以將連續(xù)的多幀圖像劃分為一個(gè)幀塊，塊內(nèi)各幀圖像的參數(shù)恒定，并且當(dāng)幀塊的長度越長時(shí)，濾波器得到的場景信息就越多，校正就會越準(zhǔn)確。 設(shè)濾波器增益矩陣為 kK ，它是二維（ 2 kl? ）矩陣，計(jì)算方式如下： ( 1 )2 2 ( 1 ) 1( ( ) )kTTk k k k k k k Y lBK P H H P H R B I??? ? ?? ? ? ? ? ? ? （ 331） 式中 (1)B 是指狀態(tài)矢量矩陣 B 的第 一個(gè)元素 k ，klI是階數(shù)為 kkll? 的單哈爾濱工程大學(xué)碩士學(xué)位論文 20 位矩陣， kP? 是預(yù)測誤差方差矩陣， 2Y? 和矩陣 kH 分別是實(shí)際紅外信號 Y 的方差和實(shí)際接收紅外輻射量矩陣 kH 的均值，表達(dá)式如下： ? ?22 m a x m in112T k kYY? ?? （ 332） m i n m a xm i n m a x ( ) 1 ( ) 1kkkkkYYHYY????????? （ 333） 1 1 1 1Tk k k k kPP? ? ?? ? ? ? ??? （ 334） 式（ 334）描述了預(yù)測誤差協(xié)方差矩陣 kP? 和前一幀塊的誤差協(xié)方差矩陣 1kP? 的 關(guān)系，同時(shí)可以遞推的利用它來求出下一幀塊的誤差協(xié)方差矩陣 kP ，具體表達(dá)式如下： 22()k k k kP I K H P ???? （ 335） 初始條件賦值： 0 0 0?B E B B?????? （ 336） 相關(guān)聯(lián)的誤差協(xié)方差矩陣為： 20 200k bP ? ???????? （ 337） 1B 可以使用狀態(tài)變量估計(jì)值 0?B 對其進(jìn)行預(yù)測，過程如下： 1 0 0? ?BB??? （ 338） 當(dāng) 1k? 時(shí)，各參數(shù)賦值可以通過以下公式迭代完成： 11? ?k k kBB?? ??? （ 339） 1 1 1 1 1 1TTk k k k k k kP P G Q G??? ? ? ? ? ? ??? （ 340） 1()TTk k k k k k kK P H H P H R? ? ??? （ 341） ? ? ?()k k k k k kB B K X H B??? ? ? （ 342） ()k k k kP I K H P ??? （ 343） 由式（ 342）可以看出對于狀態(tài)變量 kB 的估計(jì)分兩部分完成，一部分是根據(jù)以前的狀態(tài)對它進(jìn)行預(yù)測，另一部分是對預(yù)測的校正。算法中當(dāng)隱含層采用不同的濾波算法時(shí)，校正的效果也會不同，圖 是這一算法的結(jié)構(gòu)示意圖。具體的修正過程如下：首先將非均勻性校正結(jié)果與期望輸出進(jìn)行比較，定義校正誤差 ()ijen為（由于所有運(yùn)算都是基于像素進(jìn)行的，為了方便起見，以后的表達(dá)式中均省略下標(biāo)）： ( ) ( ) ( )e n Y n f n?? （ 346） 將式（ 32）代入式（ 346）得到： ( ) ( ) ( ) ( )e n G n X n O f n? ? ? （ 347） 在得到理想輸出與實(shí)際輸出的誤差以后，就需要利用修正網(wǎng)絡(luò)的學(xué)習(xí)對校正參數(shù)進(jìn)行修正。參數(shù)收斂的總體趨勢使曲線呈現(xiàn)出先急劇下降，然后緩慢下降，最終趨于平穩(wěn)，但是在這個(gè)過程中，小范圍內(nèi)曲線有很大的波動，甚至有很明顯的上升，這個(gè)從圖中第 300 幀到 500 幀之間的曲線可以看出，由于這一現(xiàn)象發(fā)生的幀數(shù)范圍比較大，不容易找到是什么原因引起的。（ 2）改變隱含層中使用的濾波器 [48]，由于傳統(tǒng)的算法中使用的是平滑濾波，使得目標(biāo)的邊緣對濾波結(jié)果影響比較大，而目標(biāo)邊緣的影響正是偽像產(chǎn)生的根本原因，因此對于算法中濾。 0 100 200 300 400 500 600 700 800 900 10000 . 0 20 . 0 30 . 0 40 . 0 50 . 0 60 . 0 70 . 0 80 . 0 90 . 1神經(jīng)網(wǎng)絡(luò)校正算法幀數(shù)均方根誤差 圖 校正結(jié)果均方根誤差示意圖 0 50 100 150 200 250 3000 . 0 0 80 . 0 0 90 . 0 10 . 0 1 10 . 0 1 20 . 0 1 30 . 0 1 40 . 0 1 50 . 0 1 60 . 0 1 7神經(jīng)網(wǎng)絡(luò)校正算法幀數(shù)均方根誤差 圖 校正結(jié)果均方 根誤差曲線 第三章 紅外圖像非均勻性校正算法 27 從圖 190 幀圖像附近出現(xiàn)了明顯的波動，于是取出處理后的圖像，發(fā)現(xiàn)在第 187 幀到 188 幀圖像中的人物突然摘掉了眼鏡，如下圖 所。對于步長的選擇，要綜合兩個(gè)方面的因素，使兩個(gè)因素得到均衡 [45]。經(jīng)典的 BP 人工神經(jīng)網(wǎng)絡(luò)算法是三層結(jié)構(gòu)，因此，校正算法的四層結(jié)構(gòu)可以看作是經(jīng)典 BP 人工神經(jīng)網(wǎng)絡(luò)與兩點(diǎn)定標(biāo)校正（校正層）的結(jié)合算法，這樣算法即具備了 人工神經(jīng)網(wǎng)絡(luò)的參數(shù)自適應(yīng)調(diào)整的特點(diǎn)，并且又具有了非均勻性校正的能第三章 紅外圖像非均勻性校正算法 23 力。選取圖像序列中第 200 幀的處理結(jié)果，如圖 所示，從圖中可以看出卡爾曼濾波對紅外圖像的非均勻性的校正效果是非常明顯的，圖像變得清晰、均勻。 kH