【摘要】：根據(jù)盲元的響應(yīng)特性,給出了無需依賴黑體輻射定標(biāo)的、基于時域平均野值提取的盲元檢測算法,然后又提出了基于相關(guān)像素加權(quán)插值的盲元校正算法。詳細(xì)探討了盲元檢測過程中閾值的設(shè)置方法,研究了參與加權(quán)估計盲元灰度值的像素數(shù)目對估計誤差的影響。最后通過仿真實驗對檢測算法的準(zhǔn)確性及校正算法的有效性進(jìn)行了驗證,實驗結(jié)果表明:本文提出的檢測算法結(jié)果準(zhǔn)確,誤檢測率低。校正算法校正效果好,結(jié)果圖像的RMSE低于兩種常用校正算法。
【圖文】：

度的變化而變化，始終表現(xiàn)為某一較高的固定灰度值;死像元的響應(yīng)輸出值也不隨外界輻照度的變化而變化，始終表現(xiàn)為一較低的固定灰度值;正常像元的響應(yīng)輸出值跟隨外界輻照度的變化，且二者在IＲFPA的工作范圍內(nèi)近似呈線性關(guān)系。3盲元檢測及校正算法3．1基于時域平均野值提取的盲元檢測算法在紅外成像系統(tǒng)輸出的視頻序列中，若某個像素為盲元，則在不同的幀中，其灰度值基本是固定不變的，而且明顯異于正常像素的灰度值�；诖丝紤]，提出時域平均野值提取(Temporal－MeanOutlier－Extraction，TMOE)的盲元檢測算法，如圖1所示。圖1時域平均野值提取檢測算法框圖Fig．1BlockdiagramofblindpixelsdetectionusingtheTemporal－MeanOutlier－Extractionprocess具體實現(xiàn)流程如下:(1)取K幀連續(xù)紅外圖像，進(jìn)行時域平均，得到平均圖像I。x(i，k)表示第k幀中(i)坐標(biāo)處的像素灰度值，則I中該坐標(biāo)處的灰度時域均值x(i)可表示為:x(i)=1K∑Kk=1x(i，k)(7)(2)在平均圖像I中以(i)坐標(biāo)為中心，取其周圍w×w窗口內(nèi)的所有像素的灰度空域中值，記為medw×wx(i{})，窗口滑動至圖像邊界時，將圖像圍繞邊界按照鏡像反射的方式進(jìn)行擴(kuò)展。根據(jù)公式(8)計算所有坐標(biāo)處灰度時域均值與灰度空域中值之差的絕對值D(i):D(i，j)=x(i)－medw×wx(i{})(8)(3)提取野值。設(shè)置合理的閾值Thr，，若D(i)＞Thr，則判定x(i)為盲元。3．2基于相關(guān)像素加權(quán)插值的盲元校正算法圖像中不同像素鄰域的紋理特征會表現(xiàn)出相似性，這種相似性使得不同位置的像素點具有一定的相關(guān)性，因此當(dāng)前像素的估計值可由圖像中與其相關(guān)的像素通過加權(quán)平均得到［6－7］。權(quán)重值由像素點鄰域窗口之間的相關(guān)程度來確定。設(shè)I為一幅含有盲元的圖像。盲元i?

不宜選的太大。4實驗結(jié)果及分析為了能夠較好地衡量所提算法的校正效果，采用理想圖像與校正圖像進(jìn)行對比，將算法應(yīng)用于一組仿真得到含盲元的紅外視頻序列，并將校正效果與常用的鄰域均值法(AverageNeighboringmethod，AN)、最近鄰替代法(NearestNeighboringmethod，NN)進(jìn)行了對比。4．1實驗數(shù)據(jù)獲取通過在理想圖像序列的基礎(chǔ)上人為添加盲元的方法得到200幀含盲元的圖像序列。理想視頻是用武漢高德紅外有限公司生產(chǎn)的1161G型長波非制冷熱像儀拍攝得到的。由于視頻質(zhì)量較高，可認(rèn)為是理想視頻。其中的第106幀如圖2(a)所示。隨機(jī)生成40個坐標(biāo)，將每幀圖像的40個坐標(biāo)處的其中20個像素灰度值設(shè)置為240，另外20個設(shè)置為20。這樣便生成了包含20個過熱像元及20個死像元的含盲元圖像序列，如圖2(b)所示，其中“○”位置表示的是過熱元，“□”位置表示的是死像元。圖2理想圖像及其含盲元圖像Fig．2Theperfectframesandthedegradedframe4．2盲元檢測算法性能實驗以檢測第100幀圖像的盲元為例，對檢測算法進(jìn)行實驗。首先按照3．1節(jié)中給出的算法流程(1)，取連續(xù)多幀紅外圖像，進(jìn)行時域平均，得到平均圖像I，如圖3所示。由于死像元的響應(yīng)大大低于正常像元響應(yīng)，過熱像元的響應(yīng)高于正常像元的響應(yīng)，使得在平均圖像上出現(xiàn)了異常的尖峰，其中突出的尖峰為過熱像元，下陷的尖峰為死像元。這樣便可以將盲元與正常像元進(jìn)行初步分離。圖3第100幀平均圖像Fig．3The100thaverageframe然后計算所有坐標(biāo)處灰度時域均值與灰度空域中值之差的絕對值D(i)，如圖4所示。在圖4中，正常像素位置處的D(i)數(shù)值被壓制的很低，接近于零。而過熱像元與死像元位置處的D(i)則分別表現(xiàn)為明顯的高低兩種突出尖峰。并且與圖3相比，正常像素位置處對應(yīng)的
【作者單位】： 海軍航空工程學(xué)院控制工程系;海軍航空工程學(xué)院指揮系;
【基金】：國家自然科學(xué)基金項目(No.61303192)資助
【分類號】：TN216


本文編號：2538349