【正文】 是由幀塊 k 內(nèi)所有幀的單個(gè)探測(cè)元接收到的紅外輻射量組成的矩陣。 kW為驅(qū)動(dòng)噪聲?？柭鼮V 波器將連續(xù)的圖像序列分為若干固定長(zhǎng)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(jì)狀態(tài)變量，每一次新的幀塊到達(dá)時(shí)，都會(huì)對(duì)兩個(gè)狀態(tài)變量進(jìn)行修正。 基于場(chǎng)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(shí)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(huì)隨著時(shí)間發(fā)生漂移。并且，一點(diǎn)定標(biāo)校正算法僅能將陣列元對(duì)某一特定輻射強(qiáng)度下的響應(yīng)校正為一致，當(dāng)輻射強(qiáng)度距離校正點(diǎn)越遠(yuǎn)時(shí)，校正效果就越差 [38]，這種情況噪聲 越大就會(huì)越明顯。它可以從兩個(gè)方面進(jìn)行校正：一方面是對(duì)偏置不均勻性的校正，另一方面是對(duì)增益不均勻性的校正。對(duì)于焦平面陣列中處于第 i 行、 j 列的陣列元，在 n 時(shí)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(chǎng)景輻 射強(qiáng)度是不斷變化的，這種變化不僅表現(xiàn)為場(chǎng)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(cè)單元對(duì)光譜的響應(yīng)是一個(gè)復(fù)雜的過(guò)程，當(dāng)場(chǎng)景輻射光譜變化時(shí)，不能夠保證探測(cè)元仍然具有相同的均勻性，即便是它對(duì)輻射總量響應(yīng)均勻。在非均勻性校正計(jì)算過(guò)程中，也需要相應(yīng)的算法來(lái)消除這些無(wú)效像元的影響。 根據(jù)上面對(duì)紅外圖像特點(diǎn)的描述，可以總結(jié)出紅外圖像最典型的特點(diǎn)是：圖像亮度低、信噪比較低、直方圖較為集中、對(duì)比度低，并且弱小目標(biāo)容易淹沒(méi)在背景之中。因此，對(duì)于紅外圖像來(lái)說(shuō)，它們具有以下特點(diǎn) [29]： （ 1）亮度低 由于紅外探測(cè)單元可響應(yīng)的輻射范圍很廣，而實(shí)際物體輻射量相對(duì)于這個(gè)范圍比較低，并且場(chǎng)景各部分的輻射分布差異比較小，所以，一般來(lái)說(shuō)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(chǎng)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(xiàn) [21]中提出了自適應(yīng)直方圖均衡增強(qiáng)算法，該算法本質(zhì)上也是直方圖均衡算法，但是在對(duì)圖像進(jìn)行直方圖均衡化處理之前，使用了一個(gè)加權(quán)函數(shù)對(duì)直方圖進(jìn)行了加權(quán)處理。另外還有基于參考源的檢測(cè)算法，算法中首先通過(guò)對(duì)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(jì)特性的不同來(lái)進(jìn)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(xì)節(jié)信息越來(lái)越不明顯，靜止目標(biāo)會(huì)逐漸融入背景。還有一系列的定標(biāo)算法的改進(jìn)算法，使這一類算法更具有實(shí)用性，這里就不一一介紹了。因此，對(duì)于紅外圖像的增強(qiáng)處理就顯得異常重要，一方面是為了得到良好的視覺(jué)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(duì)于單點(diǎn)掃描成像，它的多元成像特點(diǎn)不可避免的帶來(lái)了非均勻性 [4]。這種成像方式需要對(duì)采集到的探測(cè)信號(hào)進(jìn)行采樣處理，然后將信號(hào)依次送出，也就形成記錄了場(chǎng)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(gè)重要的組成部分，其中包括用來(lái)對(duì)接收的紅外輻射進(jìn)行聚焦的光學(xué)系統(tǒng)和進(jìn)行信號(hào)放大處理的視頻信號(hào)放大器，還有最為重要的部件：紅外探測(cè)單元，成像系統(tǒng)通過(guò)它實(shí)現(xiàn)紅外輻射信號(hào)與電信號(hào)之間的 轉(zhuǎn)換，成像系統(tǒng)工作過(guò)程如圖 所示。長(zhǎng)期以來(lái)人們都在尋求一種技術(shù)，能夠讓人眼觀察到?jīng)]有可見(jiàn)光條件下的物體，紅外輻射的發(fā)現(xiàn)使這種技術(shù)的實(shí)現(xiàn)成為可能，因?yàn)樗械奈矬w都或多或少的對(duì)周圍環(huán)境進(jìn)行著輻射。 Nonuniformity correction。改進(jìn)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(xì)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(wèn)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(duì)比度低、目標(biāo)與背景區(qū)分不明顯的 缺點(diǎn)，針對(duì)紅外焦平面陣列存在的這些問(wèn)題， 本文給出了有效的解決方法，主要工作如下： （ 1）針對(duì)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(wèn)題，本文在分析問(wèn)題產(chǎn)生原因的基礎(chǔ)上，提出了有效的改進(jìn)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(jiàn)光照射的環(huán)境中對(duì)景物非常的敏感，但是，在夜晚或沒(méi)有可見(jiàn)光照射時(shí)，人眼基本上喪失了它的功能，這是因?yàn)槿搜鄄荒茼憫?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(gè)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(cè)單元的數(shù)目，以至于它能夠?qū)⒁晥?chǎng)內(nèi)所有的目標(biāo)同時(shí)記錄下來(lái)，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(lái)的一系列的缺點(diǎn)。由于紅外成像系統(tǒng)具有以上可見(jiàn)光成像系統(tǒng)不可比擬的優(yōu)勢(shì)，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(jiàn)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(duì)比度低、紋理較弱等缺點(diǎn)，很難實(shí)現(xiàn)目標(biāo)的檢測(cè)。 基于定標(biāo)的非均勻性校正算法因?yàn)槠渌惴ê?jiǎn)單、精確度高、利于工程實(shí)時(shí)實(shí)現(xiàn)等特點(diǎn)，受到了廣泛的關(guān)注。為了 能夠?qū)崿F(xiàn)對(duì)探測(cè)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(chǎng)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(chǎng)場(chǎng)景來(lái)持續(xù)的對(duì)探測(cè)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)。還有一些基于 3? 法的改進(jìn)算法，如基于滑動(dòng)窗口的自適應(yīng)閾值盲元檢測(cè)算法 [16]等。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(huì)過(guò)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(diǎn) 紅外圖像響應(yīng)的是場(chǎng)景的紅外輻射，這主要是由場(chǎng)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(chǎng)景中溫度分布的差異，一般來(lái)說(shuō)這種 差異是非常微弱的。相反，在夜間由于沒(méi)有太陽(yáng)輻射 的作用，場(chǎng)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(huì)趨于一致，從而場(chǎng)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。另外，紅外焦平面陣列中無(wú)效像元的影響也是不可忽略的，這些無(wú)效像元對(duì)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)。 外界影響引入的非均勻性 紅外成像系統(tǒng)中，場(chǎng)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(huì)對(duì)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(duì)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(gè)假設(shè)：假設(shè)紅外焦平面陣列每個(gè)探測(cè)元在響應(yīng)范圍內(nèi)，對(duì)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(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(duì)某一特定溫度的均勻黑體的響應(yīng)校正為一致 [37]。 一點(diǎn)校正算法雖然可以對(duì)偏移非均勻性和增益非均勻性進(jìn)行校正，但是它對(duì)二者的校正不能同時(shí)進(jìn)行，在對(duì)其中一個(gè)校正的時(shí)候，實(shí)際上是假設(shè)另一個(gè)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(dòng)態(tài)范圍較小時(shí)，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。 從紅外焦平面陣列響應(yīng)的模型中可以看出，對(duì)非均勻性的校正過(guò)程就是對(duì)每個(gè)探測(cè)元的增益系數(shù)和偏移系數(shù)進(jìn)行估計(jì)的過(guò)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(cè)模型，且觀測(cè)模型如下： k k k kX H B V?? （ 324） 其中， kX 是 k 組幀時(shí)刻觀測(cè)長(zhǎng)度為 kl 的觀測(cè)矢量， kV 是加性電噪聲。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(duì)探測(cè)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(guò)程是用探測(cè)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(guò)人為對(duì)原始紅外圖像添加非均勻性噪聲對(duì)非均勻性進(jìn)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(duì)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(duì)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(zhǎng)因子，當(dāng)步長(zhǎng)值越大時(shí)，算法達(dá)到收斂所需要的時(shí)間就越短，但是算法的穩(wěn)定性變差，當(dāng)步長(zhǎng)值越小時(shí)，算法達(dá)到收斂所需要的時(shí)間就越長(zhǎng)，同時(shí)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(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(dòng)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