【正文】 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碩士學位論文 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。 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)絡的非均勻性校正算法網(wǎng)絡結構 由上圖可知該神經(jīng)網(wǎng)絡由四層組成，它們分別是輸入層、校正層、隱含層和輸出層。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。 從紅外焦平面陣列響應的模型中可以看出，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]。 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。 在介紹具體的校正算法之前，首先做一個假設：假設紅外焦平面陣列每個探測元在響應范圍內，對紅外輻射的響應都為線性響應。 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]。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。 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，然后在此基礎上提出了焦平面陣列元的響應模型。還有一些基于 3? 法的改進算法，如基于滑動窗口的自適應閾值盲元檢測算法 [16]等。 基于定標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，受到了廣泛的關注。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用，特別是在惡劣的氣候條件下，使用更多。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 [2]。 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。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)信息的不同作相應的變化，校正結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。長期以來人們都在尋求一種技術，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。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。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。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，靜止目標會逐漸融入背景。在文獻 [21]中提出了自適應直方圖均衡增強算法，該算法本質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，使用了一個加權函數(shù)對直方圖進行了加權處理。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。在非均勻性校正計算過程中，也需要相應的算法來消除這些無效像元的影響。 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率輸出值的均方差與平均響應率 R 的百分比 [32]。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。 基于場景的非均勻性校正算法 雖然基于定標的非均勻性校正 算法復雜度低、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，陣列元響應參數(shù)會隨著時間發(fā)生漂移。 kW為驅動噪聲。選取圖像序列中第 200 幀的處理結果，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。對于步長的選擇，要綜合兩個方面的因素，使兩個因素得到均衡 [45]。（ 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，使得目標的邊緣對濾波結果影響比較大，而目標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。具體的修正過程如下：首先將非均勻性校正結果與期望輸出進行比較，定義校正誤差 ()ijen為（由于所有運算都是基于像素進行的，為了方便起見，以后的表達式中均省略下標）： ( ) ( ) ( )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際輸出的誤差以后，就需要利用修正網(wǎng)絡的學習對校正參數(shù)進行修正。 設濾波器增益矩陣為 kK ，它是二維（ 2 kl? ）矩陣，計算方式如下： ( 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 一個元素 k ，klI是階數(shù)為 kkll? 的單哈爾濱工程大學碩士學位論文 20 位矩陣， kP? 是預測誤差方差矩陣， 2Y? 和矩陣 kH 分別是實際紅外信號 Y 的方差和實際接收紅外輻射量矩陣 kH 的均值，表達式如下： ? ?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 關系，同時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)變量估計值 0?B 對其進行預測，過程如下： 1 0 0? ?BB??? （ 338） 當 1k? 時，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 的估計分兩部分完成，一部分是根據(jù)以前的狀態(tài)對它進行預測，另一部分是對預測的校正。 （ 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為在第 k 組幀內各探測元的兩個狀態(tài)變量是不變的，而相鄰幀塊狀態(tài)變量可以認為后一組是經(jīng)過前一組的隨機擾動得到的，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狀態(tài)變量。 XT L T H t123XT L T H t123 圖 兩點校正算法示意圖 從圖中可以看出，在焦平面陣列元的線性響應范圍內，兩點校正算法可以在補償陣列元偏移因子的同時，也對陣列元的增益因子做出了修正，有效的改善了一點校正算法的不足。這一節(jié)主要討論這兩種校正算法，并對它們的優(yōu)缺點進行分析。 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 響應的最大值與最小值之差，同各有效像元響應率平均值的百分比。這種不一致性是隨機的，它與工藝制 造水平有關，如閾值電壓不同、表面密度不均勻、溝道參雜濃度不同等，這些因素在實際的制造過程中是不可避免的。人們通常使用外部的校正算法對紅外成像系統(tǒng)進行校正，本章分析了紅外焦平面陣列的成像特點、非均勻性的定義和產(chǎn)生的原因等。但是當原圖像灰度范圍較大時，算法的增強效果變差。最后根據(jù)探測元對輻射量的響應特性對過程進行初始化，就可以利用卡爾曼濾波關系式完成對狀態(tài)變量的估計。 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。故此，在 20 世紀 70 年代產(chǎn)生了一種新型的也是當今最受人們重視的紅外凝視焦平面陣列式成像方式。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，具有很強的熱作 用，所以又稱為熱輻射。 紅外焦平面陣列是成像系統(tǒng)的最重要的器件，它的性能直接影響著整個系統(tǒng)的運行。 Blind pixel’s pensation。 紅 外 輻 射 （ 目 標 / 背 景 / 各 種干 擾 輻 射 ）光 學 系統(tǒng)紅 外 探 測 器視 頻 放 大 器顯 示 器大 氣傳 輸紅 外 輻射 聚 焦電 信號紅 外 圖 像紅 外 成 像 系 統(tǒng) 圖 紅外成像系統(tǒng)示意圖 按成像方式不同紅外探測器可以分為：光學機械掃描成像和紅外凝視焦平面陣列式成像 [3]。非均勻性的產(chǎn)生原因有許多，其中加工工藝水平限制和外界影響，以及自身的工作狀態(tài)都會為系統(tǒng)帶來嚴重的非均勻性。在關注這類算法各種優(yōu)點的同時，我們還必須了了解它們一個共同的缺點 ：需要周期性的進行重新校正，這是由于在工作過程中紅外焦平面陣列非均勻性會隨時間、環(huán)境等因素的影響有緩慢的變化，這樣就增加了設備的復雜度，于是人們提出了基于場景的非均勻性校正算法，該類算法各參數(shù)的更新都是來自于對場景的估計，就避免了定標校正算法的缺點 [9]。從有效像元和盲元響應特征在統(tǒng)計分布上的差異方面出發(fā)，石巖等人 [18]提出了基于特征直方圖分解的紅外焦平面陣列無效像元檢測算法，也是一種很好的檢測算法。在此基礎上， 分析了基于神經(jīng)網(wǎng)絡校正算法的不足，然后通過引入非線性濾波器改善了傳統(tǒng)算法的缺點，并取得了很好的效果，文中給出了仿真結果參數(shù)的對比。 紅外焦平面陣列非均勻性產(chǎn)生的原因 紅外圖像非均勻性產(chǎn)生的因素是非常復雜的，這