论文部分内容阅读
红外探测器的非均匀性是限制其性能与应用的主要因素,其表现为一种叠加在图像上固定图案噪声。研究发现,红外探测器非均匀性会随着工作时间的增加与外界环境的改变而缓慢漂移,严重影响图像的空间分辨率与温度灵敏度。当前,非均匀性校正方法主要有基于定标的校正方法与基于场景的校正方法。基于定标的方法是目前较为常用的技术,但需要对系统进行周期性的重复定标以消除参数漂移的影响,其增加了系统的复杂性,降低了系统的可靠性和响应速度。基于场景的校正算法省略了参考辐射源,可以有效地消除参数特性漂移的影响。实现高精度的自适应非均匀校正是当前的研究热点,但是绝大多数校正方法存在收敛速度慢、校正残差大、鬼影严重等问题,为此,本课题组提出了基于帧间配准误差最小化的非均匀性校正,该方法的理论基础为:理想焦平面像元对同一目标具有相同响应;实现方法为:通过精确配准算法获得相邻帧图像的位移,以此获得不同焦平面像元对同一目标的响应,不断迭代最小化该响应差,获得实时更新的校正参数,达到基于场景的非均匀性校正的目的。经过测试,非均匀性收敛速度不大于10帧,持续校正残差0.01%,均优于国外报道的最好水平。红外图像的另一问题是对比度低,细节分辨能力不足,国外学者在图像的细节增强方面也已经进行了广泛的研究,但大部分增强方法是针对低动态范围红外图像的,也就是8位的红外图像,且,大部分算法仅仅考虑了静止图像的增强问题,没有考虑到实时系统中的应用。显然,对比度改善与细节增强这个工序应该针对原始的高动态范围图像才更有意义,为此本课题组提出了红外图像数字细节增强技术,通过该技术解决大动态范围下的图像细节增强难题,本技术主要由:基于非线性滤波器的图像基频细节分离技术、基于自适应高斯滤波器的细节图像优化技术、基于冗余灰度的直方图投影技术、细节图像的自适应增益控制。其中基于非线性滤波器的图像基频细节分离技术利用双边滤波器将红外图像细分为基频分量和细节分量;基于自适应高斯滤波器的细节图像优化技术则对细节分量进行优化,使其保持红外图像的边缘,降低图像的边缘翻转效应;基于冗余灰度的直方图投影技术则进一步压缩基频分量,为细节分量的进一步放大提供灰度空间,细节图像的自适应控制技术则根据实际场景的复杂程度,自适应控制图像细节的放大程度保证既增强图像细节又降低图像噪声。测试结果表明,采用红外图像细节增强技术能够将红外图像的NETD降低46%。