法律状态公告日
法律状态信息
法律状态
2019-10-22
授权
授权
2018-01-05
实质审查的生效 IPC(主分类):G05B17/02 申请日:20170714
实质审查的生效
2017-12-08
公开
公开
技术领域
本发明涉及图像处理领域,特别涉及一种基于红外半实物仿真系统的GPU实时非均匀性校正方法。
背景技术
随着红外系统战术性能的提高,极高的时域、空域、频域分辨力,强大的抗电磁干扰能力,独有的夜间观察功能和良好的战场适应性,对其半实物仿真系统也提出了更高的要求,与之配套的半实物仿真也需具备比光电系统更高的精度、分辨率及动态范围。红外半实物仿真系统的辐射源由于是由一个黑体或并列多个黑体构成,存在空间范围内的红外辐射强度不均匀的情况;此外,在输入为相同值的情况下,由于DMD(Digital MicromirrorDevice数据微镜器件)阵列中单个像素元的响应参数存在微小差异,使得最终输出的图像的辐射强度是非均匀的。由于红外半实物仿真系统的非均匀性导致仿真出来的场景失真,所以对其进行非均匀性校正显得尤为重要。
目前已有多种红外半实物仿真系统的非均匀性校正技术。包括:温度定标校正方法、时域高通滤波校正方法、多点校正方法。其中,温度定标校正方法在系统的输入和输出存在线性关系时,能取得良好的校正效果,但长时间工作后校正参数不能适应当前状况,需要重新定标,长时间的实时校正效果不理想;时域高通滤波校正方法能够校正运动场景的非均匀性,但其存在收敛速度低和“鬼影”问题;多点校正方法可以实现高灰度的非均匀性校正,但该方法对存储空间的需要也是非常大的。
综上所述,现有技术在实时校正时存在校正效果差、收敛速度低、存在“鬼影”现象、且占用存储空间较大,对具有高帧频、高分辨率和高灰度范围特性的半实物仿真系统进行非均匀性实时校正的效果不理想。
发明内容
本发明在于克服现有技术的上述不足,提供一种实时校正效果好,收敛快、不存在“鬼影”现象、占用空间小的基于红外半实物仿真系统的GPU实时非均匀性校正方法。
为了实现上述发明目的,本发明采用的技术方案是:
一种基于红外半实物仿真系统的GPU实时非均匀性校正方法,包括以下步骤:
S1、采集灰度值连续的C幅红外图像的能量值信息,其中C为系统可输出的最大灰度值;
S2、将所述红外图像分成S个红外图像块,其中所述红外图像块的分辨率为M*N,像素点数目L=M*N,其中S=22,32,42,52,...,且S不超过一个红外图像的像素点总数;
S3、根据所述红外图像的能量值信息,找出最大理想能量值E’max及最小理想能量值E’min,并设置E’max所对应的最大灰度值k’max=C-1,E’min所对应的最小灰度值k’min=0;
S4、以灰度值为横坐标,能量值为纵坐标建立直角坐标系;将(k'min,E'min)作为起始坐标点,(k'max,E'max)作为终止坐标点,根据起始坐标点和终止坐标点拟合出一条直线作为红外图像的理想能量直线,得到直线的斜率为a,截距为b;
S5、根据所述理想能量直线和红外图像块的能量矩阵E对能量矩阵进行重排,得到图像块中像素点重新排序后的灰度值数组A'以及能量重排矩阵E';
S6、根据所述能量重排矩阵E'对图像块中像素点的能量-灰度关系进行曲线拟合,得到对应像素点的拟合直线;
S7、根据平均能量拟合直线和所述红外图像块中像素点的拟合直线,利用公式alx+bl=ak+b获得像素点的系统输入灰度值k与校正后灰度值的关系公式,并保存灰度关系公式的斜率和截距,其中直线的斜率为al,截距为bl,其中l=1,2,...,L,L为所述红外图像块的像素数目;
S8、对S个红外图像块依次执行步骤S4-S7,获得完整红外图像的像素点灰度关系公式的斜率和截距;
S9、将所述斜率、截距数据、各分块图像的灰度重排数组均存储为纹理图像。
S10、将所述纹理图像加载到GPU中进行计算,对场景图像中每一个像素点的灰度进行校正计算,并将校正后的灰度输出。
进一步地,步骤S2还包括:
S21、对每一个红外图像块按照从左到右,从上到下的顺序,依次将像素点的坐标存储到P中,其中P是长度为L的数组,l=1,2,...,L;
S22、对红外图像块,设置大小为L*C的矩阵E作为能量矩阵,其中,E(l,k)存储灰度为k、坐标为Pl的像素点的能量值。
进一步地,所述步骤S3具体包括:
S31、设置大小与图像分辨率相同的矩阵Emax,找出图像中所有像素点的最大能量值,依次存储在矩阵中,得到最大能量的灰度值矩阵Emax;
S32、设置大小与图像分辨率相同的矩阵Emin,找出图像中所有像素点的最小能量值,依次存储在矩阵中,得到最小能量的灰度值矩阵Emin;
S33、对最大能量的灰度值矩阵Emax进行比较,得到矩阵数据中的最小值,作为最大理想能量值E’max,并设置E’max所对应的最大灰度值k’max=C-1;
S34、对最小能量的灰度值矩阵Emin进行比较,得到矩阵数据中的最大值,作为最小理想能量值E’min,并设置E’min所对应的最小灰度值k’min=0。
进一步地,所述步骤S4具体包括:
S41、计算理想能量直线上灰度值k'处的理想能量值E’k',其中k'=0,1,…,C-1;
S42、对于所述红外图像块中的像素点,利用公式
S43、设置长度为C的数组,依次将灰度值k'相应的重排灰度值存储到该数组中,得到所述红外图像块的灰度重排数组A'。
进一步地,所述步骤S5具体包括:设置大小为L*C的矩阵,对于所述红外图像块中的像素点,依次查询灰度重排数组A'中每一个灰度值对应的能量矩阵E中的能量值,并将该能量值依次存储在大小为L*C的矩阵中,得到红外图像的能量重排矩阵E'。
进一步地,所述步骤S6具体包括:根据所述红外图像块的能量重排矩阵E',对像素点的能量-灰度关系进行曲线拟合,得到斜率为al,截距为bl的拟合直线,其中l=1,2,...,L,L为所述红外图像块的像素数目。
进一步地,所述步骤S7具体包括:
S71、根据拟合直线,利用公式alx+bl=ak+b,得到灰度关系公式
S72、保存红外图像块中每一个像素点中灰度关系的斜率
本发明的有益效果是:
本发明由于对图像进行分块处理,可对具有高分辨率的红外图像半实物仿真系统进行非均匀校正;对红外图像块进行了灰度重排和曲线拟合处理,再进行非均匀校正,大大降低了数据的使用量;并且由于得到了全灰度的校正系数,所以可对半实物仿真系统采集的任何图像进行非均匀校正,提高了校正效果的实时性。克服了现有技术中实时校正时存在校正效果差、收敛速度低、存在“鬼影”现象、且占用存储空间较大的问题。并且由于使用分块处理技术大大降低了数据的使用量,所以可以基于GPU对半实物仿真系统输出的任何图像进行非均匀性校正,提高了校正效果的实时性。
附图说明
图1所示为本发明的基于红外半实物仿真系统的GPU实时非均匀性校正方法流程图。
图2所示为本发明中红外图像块像素点的能量-灰度关系曲线图。
图3所示为本发明中红外图像块的单个像素点能量与理想能量曲线图。
图4所示为采集到的红外辐射图像。
图5所示为本发明校正后的红外辐射图像。
具体实施方式
下面结合具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
实施例一:
图1所示为本发明的基于红外半实物仿真系统的GPU实时非均匀性校正方法流程图,包括以下步骤:
S1、采集灰度值连续的C幅红外图像的能量值信息,其中C为系统可输出的最大灰度值;
S2、将所述红外图像分成S个红外图像块,其中所述红外图像块的分辨率为M*N,像素点数目L=M*N,其中S=22,32,42,52,...,且S不超过一个红外图像的像素点总数;
S3、根据所述红外图像的能量值信息,找出最大理想能量值E’max及最小理想能量值E’min,并设置E’max所对应的最大灰度值k’max=C-1,E’min所对应的最小灰度值k’min=0;
S4、以灰度值为横坐标,能量值为纵坐标建立直角坐标系;将(k'min,E'min)作为起始坐标点,(k'max,E'max)作为终止坐标点,根据起始坐标点和终止坐标点拟合出一条直线作为红外图像的理想能量直线,得到直线的斜率为a,截距为b;
S5、根据所述理想能量直线和红外图像块的能量矩阵E对能量矩阵进行重排,得到所述红外图像块中像素点重新排序后的灰度值数组A'以及能量重排矩阵E';
S6、根据所述能量重排矩阵E'对所述红外图像块中像素点的能量-灰度关系进行曲线拟合,得到对应像素点的拟合直线;
S7、根据平均能量拟合直线和所述红外图像块中像素点的拟合直线,利用公式alx+bl=ak+b获得像素点的系统输入灰度值k与校正后灰度值的关系公式,并保存灰度关系公式的斜率和截距,其中直线的斜率为al,截距为bl,其中l=1,2,...,L,L为所述红外图像块的像素数目;
S8、对S个红外图像块依次执行步骤S4-S7,获得完整红外图像的像素点灰度关系公式的斜率和截距;
S9、将所述斜率、截距数据、各分块图像的灰度重排数组均存储为纹理图像。只有以纹理图像的格式,才可以将斜率、截距数据等传入GPU硬件中进行后续处理。
S10、将所述纹理图像加载到GPU中进行计算,对场景图像中每一个像素点的灰度进行校正计算,并将校正后的灰度输出。在具体实施中,可以利用红外纹理生成软件,将灰度关系公式中的斜率、截距和灰度重排数组转换成红外纹理文件,将整个红外图像中灰度关系的斜率数据、截距数据和灰度重排数据分别保存成斜率数据文件中,利用红外纹理生成软件,分别将斜率数据、截距数据和灰度重排数据的文件转化成纹理dds文件,最后将红外纹理文件加载进半实物仿真系统的场景仿真软件中,对场景图像中每一个像素点的灰度进行校正计算,并将校正后的灰度输出,完成对半实物仿真系统的实时非均匀性校正。
由于高帧频、高分辨率对非均匀性校正计算量和计算速度要求高,采用GPU能够提升校正效果,然而,由于GPU运算时能接收的纹理图像在存储容量、图像的像素分辨率方面都有限制,如果场景图像的每个像素都对应一个灰度重排数据的话,全部的灰度重排数据超过了GPU能够加载的纹理图像的容量和分辨率限制,非均匀性校正算法实际上是无法在GPU下完成。因此,本发明采用了对图像进行分块灰度重排的算法,减少了灰度重排数据的数据量,从而实现高分辨率、高灰度范围的非均匀性校正算法。
本发明由于对图像进行分块处理,可对具有高分辨率的红外图像半实物仿真系统进行非均匀校正;对红外图像块进行了灰度重排和曲线拟合处理,再进行非均匀校正,大大降低了数据的使用量;并且由于得到了全灰度的校正系数,所以可对半实物仿真系统采集的任何图像进行非均匀校正,提高了校正效果的实时性。克服了现有技术中实时校正时存在校正效果差、收敛速度低、存在“鬼影”现象、且占用存储空间较大的问题。
具体的,步骤S2还包括:
S21、对每一个红外图像块按照从左到右,从上到下的顺序,依次将像素点的坐标存储到P中,其中P是长度为L的数组,l=1,2,...,L;
S22、对红外图像块,设置大小为L*C的矩阵E作为能量矩阵,其中,E(l,k)存储灰度为k、坐标为Pl的像素点的能量值。
具体的,所述步骤S3具体包括:
S31、设置大小与图像分辨率相同的矩阵Emax,找出图像中所有像素点的最大能量值,依次存储在矩阵中,得到最大能量的灰度值矩阵Emax;
S32、设置大小与图像分辨率相同的矩阵Emin,找出图像中所有像素点的最小能量值,依次存储在矩阵中,得到最小能量的灰度值矩阵Emin;
S33、对最大能量的灰度值矩阵Emax进行比较,得到矩阵数据中的最小值,作为最大理想能量值E’max,并设置E’max所对应的最大灰度值k’max=C-1;
S34、对最小能量的灰度值矩阵Emin进行比较,得到矩阵数据中的最大值,作为最小理想能量值E’min,并设置E’min所对应的最小灰度值k’min=0。
具体的,所述步骤S4具体包括:
S41、计算理想能量直线上灰度值k'处的理想能量值E'k',其中k'=0,1,...,C;
S42、对于图像块中的像素点,利用公式
S43、设置长度为C的数组,依次将灰度值k'相应的重排灰度值存储到该数组中,得到所述红外图像块的灰度重排数组A'。
具体的,所述步骤S5具体包括:设置大小为L*C的矩阵,对于所述红外图像块中的像素点,依次查询灰度重排数组A'中每一个灰度值对应的能量矩阵E中的能量值,并将该能量值依次存储在大小为L*C的矩阵中,得到红外图像的能量重排矩阵E'。
具体的,所述步骤S6具体包括:根据所述红外图像块的能量重排矩阵E',对像素点的能量-灰度关系进行曲线拟合,得到斜率为al,截距为bl的拟合直线,其中l=1,2,...,L,L为图像块的像素数目。具体参看图2。
具体的,所述步骤S7具体包括:
S71、根据拟合直线,利用公式alx+bl=ak+b,得到灰度关系公式
S72、保存红外图像块中每一个像素点中灰度关系的斜率
实施例二:
本发明示出了一个具体实例,用于对比本发明方案的实施效果,在该例中,将红外半实物仿真系统的帧频设置为200Hz,灰度范围设置为0-214,分辨率为固定值1024*768,并将一幅任意灰度的纯色图输入到该系统中,输出采集的红外辐射图像,用本发明方法对该采集的红外图像进行校正试验。其中,图4为采集到的红外辐射图像,图5所示为本发明校正后的红外辐射图像。从图4可以看出,采集到的红外图像其非均匀性非常明显,并且图像中出现渐晕,这是因为并列多个黑体时的辐射强度有空间不均匀性,并且DMD阵列存在不准确性;从图5可以看出通过本发明校正后,图像比较均匀,验证了本发明对具有高帧频、高灰度和高分辨率的红外半实物仿真系统的非均匀性校正的有效性、实时性和稳定性。
上面结合附图对本发明的具体实施方式进行了详细说明,但本发明并不限制于上述实施方式,在不脱离本申请的权利要求的精神和范围情况下,本领域的技术人员可以作出各种修改或改型。
机译: 基于实时GPU数据标准化GPU工作负载的系统和方法
机译: 基于实时GPU数据的GPU工作量归一化的系统和方法
机译: 基于帧间的注册和自适应步长的红外图像的非均匀性校正方法