【正文】 是由幀塊 k 內(nèi)所有幀的單個探測元接收到的紅外輻射量組成的矩陣。 kW為驅(qū)動噪聲?？柭鼮V 波器將連續(xù)的圖像序列分為若干固定長度的塊作為濾波器的輸入，把增益系數(shù)和偏移系數(shù)作為待估計狀態(tài)變量，每一次新的幀塊到達時，都會對兩個狀態(tài)變量進行修正。 基于場景的非均勻性校正算法 雖然基于定標(biāo)的非均勻性校正 算法復(fù)雜度低、易于工程實現(xiàn)，但是這類算法容易受到外界環(huán)境的影響，并且，陣列元響應(yīng)參數(shù)會隨著時間發(fā)生漂移。并且，一點定標(biāo)校正算法僅能將陣列元對某一特定輻射強度下的響應(yīng)校正為一致，當(dāng)輻射強度距離校正點越遠時，校正效果就越差 [38]，這種情況噪聲 越大就會越明顯。它可以從兩個方面進行校正：一方面是對偏置不均勻性的校正，另一方面是對增益不均勻性的校正。對于焦平面陣列中處于第 i 行、 j 列的陣列元，在 n 時刻的輸出響應(yīng)模型，可以表示為： ( ) ( ) ( ) ( ) ( 0 。 m a x m inm a x m in( ) 2 100%RRNU RR????? （ 23） 定義 3：在均勻入射條件下，焦平面陣列有效像元響應(yīng)率輸出值的均方差與平均響應(yīng)率 R 的百分比 [32]。場景輻 射強度是不斷變化的，這種變化不僅表現(xiàn)為場景輻射總量的變化，而且還有輻射光譜的變化，然而紅外探測單元對光譜的響應(yīng)是一個復(fù)雜的過程，當(dāng)場景輻射光譜變化時，不能夠保證探測元仍然具有相同的均勻性，即便是它對輻射總量響應(yīng)均勻。在非均勻性校正計算過程中，也需要相應(yīng)的算法來消除這些無效像元的影響。 根據(jù)上面對紅外圖像特點的描述，可以總結(jié)出紅外圖像最典型的特點是：圖像亮度低、信噪比較低、直方圖較為集中、對比度低，并且弱小目標(biāo)容易淹沒在背景之中。因此，對于紅外圖像來說，它們具有以下特點 [29]： （ 1）亮度低 由于紅外探測單元可響應(yīng)的輻射范圍很廣，而實際物體輻射量相對于這個范圍比較低，并且場景各部分的輻射分布差異比較小，所以，一般來說紅外圖像的整體亮度較低。 第三章首先介紹了幾種定標(biāo)校正算法的工作原理，然后介紹了基于場景校正算法中的卡爾曼濾波校正算法、神經(jīng)網(wǎng)絡(luò)校正算法，并給出了仿真結(jié)果分析。在文獻 [21]中提出了自適應(yīng)直方圖均衡增強算法，該算法本質(zhì)上也是直方圖均衡算法，但是在對圖像進行直方圖均衡化處理之前，使用了一個加權(quán)函數(shù)對直方圖進行了加權(quán)處理。另外還有基于參考源的檢測算法，算法中首先通過對黑體成像的方式獲取均勻輻射圖像，然后再根據(jù)盲元與正常像元之間統(tǒng)計特性的不同來進行盲元的判定，雙參考源法就屬于此類算法 [17]。但是，由于它把像素周圍四鄰域的平均值作為該像元的期望輸出值，所以，隨著迭代次數(shù)增加紅外圖像細節(jié)信息越來越不明顯，靜止目標(biāo)會逐漸融入背景。還有一系列的定標(biāo)算法的改進算法，使這一類算法更具有實用性，這里就不一一介紹了。因此，對于紅外圖像的增強處理就顯得異常重要，一方面是為了得到良好的視覺效果，另一方面也為后續(xù)的圖像使用打下基礎(chǔ)。 課題的研究目的和意義 紅外焦平面陣列成像技術(shù)相對于單點掃描成像，它的多元成像特點不可避免的帶來了非均勻性 [4]。這種成像方式需要對采集到的探測信號進行采樣處理，然后將信號依次送出，也就形成記錄了場景的紅外圖像。 哈爾濱工程大學(xué)碩士學(xué)位論文 2 紅外成像系統(tǒng)有幾個重要的組成部分，其中包括用來對接收的紅外輻射進行聚焦的光學(xué)系統(tǒng)和進行信號放大處理的視頻信號放大器，還有最為重要的部件：紅外探測單元，成像系統(tǒng)通過它實現(xiàn)紅外輻射信號與電信號之間的 轉(zhuǎn)換，成像系統(tǒng)工作過程如圖 所示。長期以來人們都在尋求一種技術(shù)，能夠讓人眼觀察到?jīng)]有可見光條件下的物體，紅外輻射的發(fā)現(xiàn)使這種技術(shù)的實現(xiàn)成為可能，因為所有的物體都或多或少的對周圍環(huán)境進行著輻射。 Nonuniformity correction。改進算法中使用的非線性濾波器參數(shù)可以根據(jù)局部圖像細節(jié)信息的不同作相應(yīng)的變化，校正結(jié)果不僅在清晰度方面有明顯的改善，而且有效的消除了傳統(tǒng)算法中存在偽像的問題。但是，受到當(dāng)前技術(shù)水平和工藝水平的限制，紅外焦平面陣列存在嚴(yán)重的非均勻性，并且 紅外圖像具有對比度低、目標(biāo)與背景區(qū)分不明顯的 缺點，針對紅外焦平面陣列存在的這些問題， 本文給出了有效的解決方法，主要工作如下： （ 1）針對傳統(tǒng)基于神經(jīng)網(wǎng)絡(luò)校正算法結(jié)果存在圖像模糊和偽像的問題，本文在分析問題產(chǎn)生原因的基礎(chǔ)上，提出了有效的改進算法：使用可變參數(shù)非線性濾波器代替原算法中的均值濾波器。 it is hard to distinguish between target and background. This article bining with the fuzzy set theory, grayscale transformation theory and multiresolution image fusion theory, proposed a new image enhancement algorithm. The algorithm not only can improve the contrast of infrared images, but also can keep details of original images. So, the edge information of the processed image more apparent. In this article we achieve the purpose of Infrared image nonuniformity correction, Blind pixel pensation and Image Enhancement. And also lay the foundation for our future work. Key words: Infrared focal plane array。 我們知道人眼在白天或有可見光照射的環(huán)境中對景物非常的敏感，但是，在夜晚或沒有可見光照射時，人眼基本上喪失了它的功能，這是因為人眼不能響應(yīng) ~ m 波段以外的光線 [1]。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]。 （ 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，這樣就不必進行鏡頭的機械掃描，也就避免了機械掃描帶來的一系列的缺點。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。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，很難實現(xiàn)目標(biāo)的檢測。 基于定標(biāo)的非均勻性校正算法因為其算法簡單、精確度高、利于工程實時實現(xiàn)等特點，受到了廣泛的關(guān)注。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)的對探測元進行增益系數(shù)和偏移的校正，依據(jù)實際景象采用誤差最陡下降法逐幀迭代，直至達到最佳校正狀態(tài)。還有一些基于 3? 法的改進算法，如基于滑動窗口的自適應(yīng)閾值盲元檢測算法 [16]等。文獻 [20]中則提出了一種直方圖均衡的改進算法，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)細節(jié)的情況下，既能控制增強效果 ，也保證了不會過分放大噪聲。 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。 紅外焦平面陣列成像特點 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。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，也就使所成圖像細節(jié)比較模糊。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的亮點和黑點。 外界影響引入的非均勻性 紅外成像系統(tǒng)中，場景輻射強度變化范圍、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]。 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。 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)。 第三章 紅外圖像非均勻性校正算法 13 一點溫度定標(biāo)法 一點定標(biāo)算法最早是在 1995 年由 Schulz M 和 Caldwell L 提出的，一點定標(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]。 一點校正算法雖然可以對偏移非均勻性和增益非均勻性進行校正，但是它對二者的校正不能同時進行，在對其中一個校正的時候，實際上是假設(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。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 , 并且由于它的計算量小、精度高得到了廣泛的應(yīng)用。 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)進行估計的過程[40]。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? ? ? ?? ? ? ? ? ?。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。當(dāng)?shù)玫綘顟B(tài)變量的估計值 ? ?? , Tk k kB k b? 后，就可以實現(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值，然后再除以增益的估計值，即可得到校正后的輸出，具體表達式如下： = kkXbX k原 始校 正 （ 344） 實驗 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行模擬。 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。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，算法達到收斂所需要的時間就越長，同時算法的穩(wěn)定性變好。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 組實驗數(shù)據(jù)，這一組實驗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