基于场景的红外图像非均匀性校正算法研究

摘要

随着红外技术的发展，红外热成像已广泛应用于众多行业，如安防监控、汽车辅助驾驶、工业故障检测、卫星监测和导弹导引等。由于红外成像系统的核心元件即焦平面阵列制造材料和工艺的原因，各探测元具有响应不一致性，导致红外图像具有严重非均匀性。这些噪声的存在导致大量的有效信息被淹没，影响了红外图像视觉效果和后期应用，严重制约了红外成像技术的发展。因此，对红外图像进行非均匀性校正处理，提高图像质量，是红外成像系统的重要处理环节。 红外图像非均匀性校正算法一般分为定标法和场景法这两类。定标法需要中断系统正常工作，且校正效果会随工作环境变化和时长发生退化；场景法利用场景自身信息更新校正参数，可自适应跟踪参数的变化，其因众多优势成为非均匀校正算法发展的趋势。但目前场景校正算法理论还不完善，校正效果不够理想，会产生大量的校正残差。为了在对红外图像非均匀性校正的过程中，减少校正残差，本文在前人研究的基础上提出了一种新的基于场景的校正算法。通过分析红外图像校正残差出现的原因和常出现的位置，提出了一种联合滤波期望预测的方法。为了抑制鬼影同时能降低图像整体非均匀性，采用时域门限得到相应的自适应迭代步长，以减小在错误的梯度方向采用较大的迭代步长而产生鬼影。同时引入空间相关性，在局部非均匀区域暂停参数更新，因为该区域往往是边缘和纹理处，此处会存在较大的期望残差；在运动不足但处于局部均匀区域时自适应得到相应的迭代步长。 本文采用真实的连续图像帧进行算法仿真。选取的连续图像帧序列，包括了丰富的场景，以验证本文算法在各场景下都具有很好的校正效果。本文选取了现有的四种算法，对各场景下的图像进行校正后的效果进行对比分析。通过实验数据分析和对比，本文算法可以有效降低图像的非均匀性，且抑制了图像的校正残差，减少了鬼影，从而验证了本文算法的有效性和优越性。

目录

第一个书签之前