外红图像非均匀性校正和增强技术研究--毕业设计.doc

《外红图像非均匀性校正和增强技术研究--毕业设计.doc》由会员分享，可在线阅读，更多相关《外红图像非均匀性校正和增强技术研究--毕业设计.doc（78页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、分类号： 密级： U D C ： 编号： 工学硕士学位论文红外图像非均匀性校正和增强技术研究分类号： 密级： U D C ： 编号： 工学硕士学位论文红外图像非均匀性校正和增强技术研究Classified Index:U.D.C:A Dissertation for the Degree of M. EngResearch on Infrared Image Non-uniformity Correction and Image Enhancement Technology 红外图像非均匀性校正和增强技术研究摘 要由于红外成像系统具有抗干扰性能强、目标识别能力强、被动工作等特点，已被广泛的应用

2、于军事和民用领域，是具有广阔发展前景的一种成像技术。因此，研制出高性能的红外成像系统具有重要的意义。红外焦平面阵列是成像系统的最重要的器件，它的性能直接影响着整个系统的运行。但是，受到当前技术水平和工艺水平的限制，红外焦平面阵列存在严重的非均匀性，并且红外图像具有对比度低、目标与背景区分不明显的缺点，针对红外焦平面阵列存在的这些问题，本文给出了有效的解决方法，主要工作如下：（1）针对传统基于神经网络校正算法结果存在图像模糊和伪像的问题，本文在分析问题产生原因的基础上，提出了有效的改进算法：使用可变参数非线性滤波器代替原算法中的均值滤波器。改进算法中使用的非线性滤波器参数可以根据局部图像细节信息

3、的不同作相应的变化，校正结果不仅在清晰度方面有明显的改善，而且有效的消除了传统算法中存在伪像的问题。（2）在分析了盲元产生原因以及盲元与点目标之间区别的基础上，提出了基于二维线性外推理论的盲元检测算法，并在实验中对其进行了验证，有很好的检测效果。（3）针对红外图像具有整体亮度偏暗、对比度较低、目标与背景区分不明显的特点，结合模糊集理论、灰度变换和多分辨率图像融合等理论，提出了一种新的基于模糊集理论的红外图像增强算法。它在提高图像对比度的同时，能够更好的保留原始图像的细节信息，使得处理后的图像边缘信息更加明显。通过本文的研究，达到了红外图像非均匀性校正、盲元补偿和图像增强的目的，这也为后续的图像

4、处理和应用打下了坚实的基础。关键词：红外焦平面阵列；非均匀性校正；盲元补偿；图像增强ABSTRACTInfrared imaging system has the characteristic of strong anti-jamming performance ，target recognition capability and also passive work,. It has been widely used in military and civilian fields. The imaging technique has broad prospects for developmen

5、t. So, there is important significance for the development of a high performance infrared imaging system. Infrared focal plane array is a key part of thermal imaging system. Its performance affects the operation of the system directly. However, limited by current technology, infrared focal plane arr

6、ays has the problem of non-uniformity, and infrared images have the features of low contrast; it is hard to distinguish between target and background. This paper presents many effective methods to solve these problems which exist in the infrared focal plane arrays. In this paper, more contexts are g

7、iven:(1) The results obtained by traditional neural network correction algorithm, have the problems of blurring effect and some existing artifacts. After analysis the reasons of the problems that the traditional neural network correction algorithm may cause, in this article an improved algorithm is

8、proposed: replace the mean filter, which used in the traditional algorithm by the nonlinear filter. And the parameters of nonlinear filter are variable according to the local image detail changes in the improved algorithm. The corrected images by the improved algorithm achieve not only a significant

9、 improvement in image clarity, but also effectively eliminate the problem of artifacts caused by the traditional algorithms.(2) After analyzed the cause of blind pixels and the difference between blind pixels and point targets, an effective detection algorithm was proposed which based on 2D linear e

10、xtrapolation theory. The experiment shows that the proposed detection algorithm was more effective than the original algorithm, it verify the effective of the detection algorithm.(3) Infrared images have the features of dark and low contrast; it is hard to distinguish between target and background.

11、This article combining with the fuzzy set theory, gray-scale transformation theory and multi-resolution 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 info

12、rmation of the processed image more apparent.In this article we achieve the purpose of Infrared image non-uniformity correction, Blind pixel compensation and Image Enhancement. And also lay the foundation for our future work.Key words: Infrared focal plane array; Non-uniformity correction; Blind pix

13、els compensation; Image enhancement; 目 录第一章 绪论11.1 红外热成像技术研究现状11.2 课题的研究目的和意义21.3 红外图像预处理算法综述31.3.1 红外图像非均匀性校正研究现状31.3.2 红外图像盲元检测的研究现状41.3.3 红外图像增强的研究现状51.4 本文的主要工作及内容安排6第二章 红外成像非均匀性产生的原因和定义72.1 红外焦平面阵列成像特点72.2 红外焦平面阵列非均匀性产生的原因82.2.1 系统自身因素带来的非均匀性82.2.2 外界影响引入的非均匀性82.3 红外焦平面阵列空间响应非均匀性的定量评价92.4 本章小结1

14、0第三章 红外图像非均匀性校正算法113.1 基于定标的非均匀性校正算法113.1.1 一点温度定标法113.1.2 两点温度定标法133.2 基于场景的非均匀性校正算法143.2.1 基于卡尔曼滤波的非均匀性校正算法143.2.2 基于神经网络的非均匀性校正算法193.2.3 改进的神经网络校正算法243.3 本章小结28第四章 盲元检测算法分析304.1 盲元的定义304.2 盲元的特点314.3 盲元的检测和补偿324.3.1 基于统计量的检测324.3.2 基于双参考源的检测算法334.3.3 本文算法334.4 实验结果分析364.5 本章小结37第五章 红外图像细节增强395.1

15、图像空域增强基本算法分析395.1.1 灰度变换405.1.2 直方图修正算法425.2 图像频域增强算法455.2.1 理想高通滤波器465.2.2 高通巴特沃斯滤波器465.2.3 同态滤波器465.2.4 频域增强算法处理结果475.3 基于模糊集理论的图像增强算法485.3.1 传统模糊集理论图像增强算法485.3.2 模糊集理论改进算法505.3.3实验结果分析545.4 本章小结57结 论58参考文献59攻读硕士学位期间发表的论文和取得的科研成果63致 谢64第一章 绪论第一章 绪论1.1 红外热成像技术研究现状自然界中任何物体，由于内部带电粒子的不断运动，它们都具有一定的温度，即

16、自然界中任何物体自身温度都高于绝对零度，这时它就会不断的向其所在环境中进行热辐射。物体的热辐射在常温下主要表现为红外辐射，人们又称红外辐射为红外线，它是一种人眼感觉不到的光线，具有很强的热作用，所以又称为热辐射。我们知道人眼在白天或有可见光照射的环境中对景物非常的敏感，但是，在夜晚或没有可见光照射时，人眼基本上丧失了它的功能，这是因为人眼不能响应0.40.7m波段以外的光线1。长期以来人们都在寻求一种技术，能够让人眼观察到没有可见光条件下的物体，红外辐射的发现使这种技术的实现成为可能，因为所有的物体都或多或少的对周围环境进行着辐射。但是由于红外辐射所处的波段在人眼能够识别的范围之外，所以靠人眼

17、是无法识别这种辐射的，如果能够将这种辐射转换成可见的图像，那么就可以实现在无可见光环境下对物体的观察。红外成像系统就是能够实现红外辐射与可见光图像进行转换的装置，它将自然界物体的温度信息通过传感器转换成电信号，然后将这种电信号通过一定技术转换成可见光图像，这种成像技术称为热成像技术，它反映的是物体各部分以及物体与周围环境之间的温度的差异，这就没有了可见光的限制。红外成像系统所成图像的灰度信息反映的是场景的红外辐射量，因此它与可见光成像系统的工作原理有很大不同。像素灰度的大小是由相应场景中红外辐射强度决定的，辐射强度越大，像素灰度值就越大，输出图像就越亮，相反辐射强度越小，得到的红外图像相应部分

18、就会表现的越暗。成像过程中周围的环境会对成像系统产生很大的影响，这是因为周围环境中存在各种辐射，并且红外辐射在传输过程中会被衰减，这些都是在红外成像系统中需要考虑的问题。各个波段红外辐射的透射率是不同的，因此波段的选择也是非常重要的。目前，红外成像系统使用的波段一般都处于35m和814m两个窗口范围内2。红外成像系统有几个重要的组成部分，其中包括用来对接收的红外辐射进行聚焦的光学系统和进行信号放大处理的视频信号放大器，还有最为重要的部件：红外探测单元，成像系统通过它实现红外辐射信号与电信号之间的转换，成像系统工作过程如图1.1所示。图1.1 红外成像系统示意图按成像方式不同红外探测器可以分为：

19、光学机械扫描成像和红外凝视焦平面阵列式成像3。（1） 红外光学机械扫描成像光学机械扫描成像的工作过程是通过控制镜头进行精密的机械运动，对场景一行一行的扫描来完成的。因为在成像过程中需要精密的机械运动配合，所以这种成像的方法也被人们称为光学机械扫描成像。这种成像方式有两个严重的弊端：首先光学镜头的移动是精密的机械过程，所以一般来说这种扫描机构比较复杂，抗震能力弱，容易损坏。其次，扫描速度特别慢，导致成像速度慢，不能很好的跟踪高速运动的物体。故此，在20世纪70年代产生了一种新型的也是当今最受人们重视的红外凝视焦平面阵列式成像方式。（2）红外凝视焦平面阵列式成像红外凝视焦平面阵列的成像方式大大增加

20、了探测单元的数目，以至于它能够将视场内所有的目标同时记录下来，这样就不必进行镜头的机械扫描，也就避免了机械扫描带来的一系列的缺点。这种成像方式需要对采集到的探测信号进行采样处理，然后将信号依次送出，也就形成记录了场景的红外图像。红外凝视焦平面阵列系统以它的体积小、低功耗、无光机扫描、高性能及无电子束扫描的特点得到了广泛的使用。红外成像系统具有可见光成像系统不可比拟的优越性能3：1）红外成像系统的适应性比较强，特别是在无可见光环境或环境比较恶劣的情况下的工作能力比可见光成像系统强。2)与可见光相比，红外辐射更容易穿透雾、霾环境，能够克服这些视觉上的障碍，较好的排除干扰，探测到目标。3）隐蔽性好，

21、它响应的是场景的热辐射，属于被动接收，这要比雷达成像和激光探测的保密性好。4）因为它是依靠视场内目标自身或目标与背景之间的温度差异进行探测的，所以它能够很好的识别伪装的目标，而可见光成像系统很难做到这一点。5）红外成像系统功耗比较低，同时它的体积也比较小，可以方便的用于军事方面。由于红外成像系统具有以上可见光成像系统不可比拟的优势，所以得到了广泛的应用，特别是在恶劣的气候条件下，使用更多。1.2 课题的研究目的和意义红外焦平面阵列成像技术相对于单点扫描成像，它的多元成像特点不可避免的带来了非均匀性4。非均匀性的产生原因有许多，其中加工工艺水平限制和外界影响，以及自身的工作状态都会为系统带来严重

22、的非均匀性。由于非均匀性的存在使得红外成像系统成像质量受到严重影响，具有非均匀性的图像整体会表现出模糊不清、目标特征不明显等特点，严重时系统将完全失去其探测的功能5。目前来说虽然工艺制造水平已经有了很大的提高，这在一定程度上降低了系统的非均匀性，但是很难实现具有理想非均匀性红外焦平面阵列的制造。并且当探测元数目非常大时，不可能通过逐一的对探测元测量筛选标定补偿的方式对其进行校正。因此，通过信号处理的手段对图像进行校正，成为了目前使用最广泛的方式。另外，红外成像系统与可见光成像系统不同，它反映的是场景物体的热辐射量，所以它更容易受到周围环境辐射和自身灵敏度的影响。并且与可见光图像相比，红外图像存

23、在直方图较为集中、目标与背景之间的对比度低、纹理较弱等缺点，很难实现目标的检测。因此，对于红外图像的增强处理就显得异常重要，一方面是为了得到良好的视觉效果，另一方面也为后续的图像使用打下基础。1.3 红外图像预处理算法综述1.3.1 红外图像非均匀性校正研究现状最早应用于红外探测器的校正算法是Ewing等人于70年代初提出的一点校正法6，这一算法可以将阵列元对某一特定的均匀辐射的响应置为一致，它可以对偏置不均匀性进行校正，也可以对增益不均匀性进行校正。但是该算法针对性较强，由于它采用的是单一的辐射强度，所以离校正点越远，非均匀性残留越大。在一点校正算法的基础上，有人提出了两点校正算法7，该算法

24、主要改善了一点校正算法不能兼顾增益不均匀性和偏置不均匀性的缺点，它是通过在线性范围内选取两个不同的均匀辐射量来实现对阵列输出响应的偏置和增益系数同时进行校正，因此，它具有更高的校正精度。之后A.F.Milton等人又提出了多点校正算法8，该算法在焦平面阵列响应范围内选取了多个定标点，通过这些特定的点来找出辐射量与探测器响应输出之间的函数映射关系。在求取函数映射关系时使用的是多项式插值法，但是高次插值多项式逼近精度并不是与插值节点个数成正比，并且随着插值节点个数的增加计算量也大幅度增加，不利于实时校正。于是，又提出了分段线性插值算法，它是用折线段连接插值节点来逼近映射函数曲线，与普通的多点校正算

25、法相比较，它算法复杂度大大降低，易于实现实时处理。基于定标的非均匀性校正算法因为其算法简单、精确度高、利于工程实时实现等特点，受到了广泛的关注。还有一系列的定标算法的改进算法，使这一类算法更具有实用性，这里就不一一介绍了。在关注这类算法各种优点的同时，我们还必须了了解它们一个共同的缺点：需要周期性的进行重新校正，这是由于在工作过程中红外焦平面阵列非均匀性会随时间、环境等因素的影响有缓慢的变化，这样就增加了设备的复杂度，于是人们提出了基于场景的非均匀性校正算法，该类算法各参数的更新都是来自于对场景的估计，就避免了定标校正算法的缺点9。基于场景的非均匀性校正技术是国内外研究的主要方向，Nsrend

26、ra等人最早提出了基于场景统计的方法10，他们利用探测元对辐射量响应的线性模型，首先假定入射到各阵列元的辐射通量均值和方差相同，然后对场景内红外图像进行空间信息的统计，通过这些统计量连续的对增益系数和偏移量进行校正。恒定统计法和恒定范围统计算法都属于此类，区别在于后者考虑了电噪声对成像系统的影响。虽然场景统计的算法利用了空间统计信息，但是它没有考虑时域统计信息，所以它也不能很好的跟踪探测器响应参数的漂移。Torres等人将卡尔曼滤波器应用于对阵列元参数的估计11，他们把增益系数和偏移量作为待估计状态变量，同时将红外图像序列分成内部参数保持不变的连续的块，通过马尔可夫过程模拟状态变的漂移。最后根

27、据探测元对辐射量的响应特性对过程进行初始化，就可以利用卡尔曼滤波关系式完成对状态变量的估计。为了能够实现对探测器参数自适应跟踪和调整，Scribner等人12提出了基于神经网络的自适应校正算法，该算法是基于场景校正算法中比较有代表性的一种方法，它的校正原理是利用现有视场场景来持续的对探测元进行增益系数和偏移的校正，依据实际景象采用误差最陡下降法逐帧迭代，直至达到最佳校正状态。但是，由于它把像素周围四邻域的平均值作为该像元的期望输出值，所以，随着迭代次数增加红外图像细节信息越来越不明显，静止目标会逐渐融入背景。并且由于参数的修正需要一定的时间，当目标再次运动时，还会产生伪像。于是，又有人提出了许

28、多具有伪像消除能力的改进神经网络校正算法13，使神经网络校正算法得到了完善。除了上面列出来的几种算法外，还有许多非均匀性校正算法，在非均匀性消除方面都有自己的特点，如基于小波变换的算法14、时域高通滤波算法15等等，都能取得很好的效果。1.3.2 红外图像盲元检测的研究现状在红外焦平面阵列系统的成像过程中，不可避免的存在着失效元（也称为盲元）的问题，它们与正常像元相比，对辐射的响应过高或过低，这些像素点不能够正确的反映场景的信息和场景的变化，严重的影响了成像系统的性能。虽然在成像之后采用了非均匀性校正算法对图像的非均匀性进行了校正，但是由于这些像素点偏离正常值较远，一般的校正算法校正的深度不够

29、，达不到理想的效果，所以就需要使用盲元检测算法，检测出盲元的具体位置，然后再单独的对其进行校正（补偿）。根据盲元的特点，人们提出了许多检测算法，如常使用的法，它判定像元为盲元的标准是：将像元灰度值和场景均值之间的偏差与一阈值相比较，如果大于，则判定为盲元，这一算法中阈值设定为标准差的3倍。还有一些基于法的改进算法，如基于滑动窗口的自适应阈值盲元检测算法16等。另外还有基于参考源的检测算法，算法中首先通过对黑体成像的方式获取均匀辐射图像，然后再根据盲元与正常像元之间统计特性的不同来进行盲元的判定，双参考源法就属于此类算法17。从有效像元和盲元响应特征在统计分布上的差异方面出发，石岩等人18提出了

30、基于特征直方图分解的红外焦平面阵列无效像元检测算法，也是一种很好的检测算法。1.3.3 红外图像增强的研究现状针对红外图像低对比度和较为模糊的特点，人们尝试了多种图像增强算法。这些算法根据作用域的不同，大致可以分为两大类：基于空间域的图像增强算法和基于变换域的图像增强算法。最基础的空域增强算法，如直方图修正、灰度拉伸等19。在所处理的红外图像的灰度级仅占用全部灰度级范围的一部分时，它们对图像对比度的增强效果比较明显，因为它们的基本思想都是将图像直方图中的灰度级从给定的灰度映射到另一个灰度。但是当原图像灰度范围较大时，算法的增强效果变差。文献20中则提出了一种直方图均衡的改进算法，算法中使用了广

31、义直方图的概念，有效的克服了传统直方图均衡化方法的不足，在保留了目标细节的情况下，既能控制增强效果，也保证了不会过分放大噪声。在文献21中提出了自适应直方图均衡增强算法，该算法本质上也是直方图均衡算法，但是在对图像进行直方图均衡化处理之前，使用了一个加权函数对直方图进行了加权处理。另外，文献22、23中分别提出了直方图非线性拉伸增强算法和平台直方图增强算法。 基于变换域的红外图像增强算法，最常用到的变换域是频率域，通过一定的手段（如傅里叶变换）将图像从空间域变换到频率域，然后在频率域中根据需要对图像进行相应的处理，最后再将变换后的结果映射到空间域得到最终的增强图像。另外，常用的变换域还有模糊域

32、，即基于模糊集理论的图像增强算法，该算法是于20世纪80年代中期，S.K.Pal等人提出的24，由于其良好的处理效果而得到了广泛的应用，并有人在传统算法的基础上提出了改进算法。文献25介绍了基于二维离散小波变换的红外图像增强方法，该算法计算效率较高，图像的梯度提供了更多的图像细节信息，并且有效的控制噪声。近年来，研究人员不断尝试着将一些数学工具运用到红外图像的增强中，如文献26中提到的基于神经网络的图像增强算法，文献27中进行了基于遗传算法的红外图像增强研究，文献28将数学形态学用于图像增强，它们都取得了很好的效果，并且都得到了广泛的应用。1.4 本文的主要工作及内容安排第一章是绪论，主要介绍

33、了红外探测器发展的过程，以及红外成像系统所成图像的特点，然后对红外图像非均匀性校正和增强两方面的研究现状进行了分析，指出了各种算法的优缺点。第二章首先叙述了红外图像非均匀性产生的原因和非均匀性的定义，然后在此基础上提出了焦平面阵列元的响应模型。第三章首先介绍了几种定标校正算法的工作原理，然后介绍了基于场景校正算法中的卡尔曼滤波校正算法、神经网络校正算法，并给出了仿真结果分析。在此基础上，分析了基于神经网络校正算法的不足，然后通过引入非线性滤波器改善了传统算法的缺点，并取得了很好的效果，文中给出了仿真结果参数的对比。第四章首先介绍了红外图像中盲元的产生的原因及盲元补偿的意义，然后给出了盲元的检测

34、算法和后续的补偿算法。第五章在模糊集理论的基础上，结合图像反色和多分辨率融合等理论，提出了一种新的基于模糊集理论的图像增强算法，并在对比度测量函数、均值、标准差等方面，将传统算法处理结果和本文算法处理结果进行了对比和分析。63第二章 红外成像非均匀性产生的原因和定义第二章 红外成像非均匀性产生的原因和定义非制冷红外焦平面阵列的产生，标志着红外成像系统进入了一个全新的发展阶段。但是，受到当前技术水平和工艺水平的限制，并且在成像系统运行过程中，存在外部干扰，这些因素都导致了在现实中很难生产出具有理想均匀性的红外焦平面阵列，因此，非均匀性普遍存在于红外焦平面阵列中。人们通常使用外部的校正算法对红外成

35、像系统进行校正，本章分析了红外焦平面阵列的成像特点、非均匀性的定义和产生的原因等。2.1 红外焦平面阵列成像特点红外图像响应的是场景的红外辐射，这主要是由场景的温度差异和辐射量决定的，像素间灰度的差异主要反映的是场景中温度分布的差异，一般来说这种差异是非常微弱的。因此，对于红外图像来说，它们具有以下特点29：（1）亮度低由于红外探测单元可响应的辐射范围很广，而实际物体辐射量相对于这个范围比较低，并且场景各部分的辐射分布差异比较小，所以，一般来说红外图像的整体亮度较低。（2）低信噪比自然界中的分子是时刻处于热运动状态中的，并且成像系统自身存在电流噪声，这些都是导致红外图像信噪比低的原因。所以在实

36、际应用中不仅需要明确噪声的来源，而且还要对这些噪声进行消除处理，这是必不可少的环节。（3）低对比度自然环境中目标与背景之间存在热交换、大气热辐射和吸收，这就导致了场景中各部分温度差异不大，在红外图像中就表现为对比度较低。（4）相邻帧红外图像差别不大由于红外图像摄取速度较快，一般在2530帧/秒之间，在短暂的时间间隔内，场景中各部分的辐射量基本保持不变，这也为基于序列图像的目标特征提取和定位提供了保证。（5）太阳辐射的影响一般来说，红外成像系统在白天的成像质量要优于夜晚。这主要是因为场景中不同的物体（或同一物体的不同部分），对于太阳发出的辐射具有不同的吸收率和反射率，这就使白天所成的红外图像在细

37、节方面比较明显。相反，在夜间由于没有太阳辐射的作用，场景的成像主要依靠自身的热辐射，但是由于热交换的存在，物体之间的温度分布会趋于一致，从而场景中各物体辐射率差异较小，也就使所成图像细节比较模糊。根据上面对红外图像特点的描述，可以总结出红外图像最典型的特点是：图像亮度低、信噪比较低、直方图较为集中、对比度低，并且弱小目标容易淹没在背景之中。2.2 红外焦平面阵列非均匀性产生的原因红外图像非均匀性产生的因素是非常复杂的，这主要是因为红外成像要经过多个过程共同作用：首先，场景中各物体对周围产生了热辐射；然后，这些热辐射以大气传输的方式送到光学采集系统；最后，通过探测元将光学采集系统采集到的热辐射信

38、号转换成电信号，并使用外部电路对电信号进行处理；这就是一个完整的红外成像系统的工作过程。在这个过程中，每一步都有可能引入非均匀性，它可能是系统自身因素带来的，也可能是外界影响带来的 30。红外成像系统非均匀性的来源如图2.1所示。2.2.1 系统自身因素带来的非均匀性成像系统自身缺陷主要表现在红外焦平面阵列元响应的不一致性、1/f噪声影响、光学系统的影响和放大电路非一致性带来的非均匀性30。（1） 阵列元响应的不一致性。这种不一致性是随机的，它与工艺制造水平有关，如阈值电压不同、表面密度不均匀、沟道参杂浓度不同等，这些因素在实际的制造过程中是不可避免的。另外，红外焦平面阵列中无效像元的影响也是

39、不可忽略的，这些无效像元对热辐射的响应率与正常像元相比差异很大，具体表现在所成的图像中随机的亮点和黑点。在非均匀性校正计算过程中，也需要相应的算法来消除这些无效像元的影响。（2） 1/f噪声。又称电流噪声，它有很高的空间频率和很低的时域频率，数量级较小，是一个非平稳地随机过程，具体表现为信号的加性噪声，校准只在短时间内有作用。（3） 光学系统的影响。光学系统的影响主要表现为乘性噪声，它也是由多种因素引起的，如当光学镜头的加工精密度不够时会引入非均匀性，另外镜头存在的光学孔径效应也会对成像产生很大的影响。（4） 放大电路的非一致性。探测元转换得到的电信号是非常微弱的，因此在成像过程中需要对这些响

40、应信号进行放大处理，所需要的放大电路也不止一个，例如CCD探测器，响应信号的放大是以行为单位的，由于每个放大器参数不可能完全一致，这就引入了非均匀性。2.2.2 外界影响引入的非均匀性红外成像系统中，场景辐射强度变化范围、光学系统背景辐射等特征都会对红外焦平面阵列的成像产生影响31。场景辐射强度是不断变化的，这种变化不仅表现为场景辐射总量的变化，而且还有辐射光谱的变化，然而红外探测单元对光谱的响应是一个复杂的过程，当场景辐射光谱变化时，不能够保证探测元仍然具有相同的均匀性，即便是它对辐射总量响应均匀。这一类非均匀性是由外部环境影响引入的，很难通过探测系统自身进行消除。图2.1非均匀性的产生2.

41、3 红外焦平面阵列空间响应非均匀性的定量评价目前有多种关于非均匀性的定义方法，每一种方式都有不同侧重点。由于在非均匀性的定义中用到了平均响应率的概念，为了便于理解，我们首先给出平均响应率的概念：焦平面各有效像元响应率的平均值，计算公式如下： （2-1）式中：分别是焦平面阵列的行和列数。 分别为无效像元中的过热像元和死像元个数。需要注意的是求和的过程不包括无效像元。非均匀性定义1：在均匀入射条件下，焦平面阵列有效像元对辐射响应的最大值与最小值之差，同各有效像元响应率平均值的百分比。 （2-2）定义2：在均匀入射条件下，焦平面阵列有效像元对辐射响应的最大值与最小值之差的2倍，与它们和的百分比。 （

42、2-3）定义3：在均匀入射条件下，焦平面阵列有效像元响应率输出值的均方差与平均响应率的百分比32。 （2-4）以上式（2-2）、（2-3）、（2-4）中，是焦平面上第i行、第j列像元所对应的响应率，是平均响应率，M、N分别是焦平面阵列的行和列数，d和 h分别为焦平面阵列中过热像元数和死像元数。其中，式（2-4）是1999年中华人民共和国国家标准“红外焦平面阵列特性参数测试技术规范”中对非均匀性的定义33 。2.4 本章小结本章首先分析了红外成像系统工作的特点，然后列出了几种常见的非均匀性产生的原因，及引入噪声的类型，只有明确了非均匀性的来源，才能更好的预防和校正，最后给出了几种关于红外图像非均

43、匀性的定义。第三章 红外图像非均匀性校正算法第三章 红外图像非均匀性校正算法目前国内外存在多种非均匀性校正算法，根据校正方式不同可以两大类：基于定标和基于场景的非均匀性校正算法。基于定标的非均匀性校正算法复杂度低、精确度高、利于工程中实时实现34。基于场景的非均匀性校正算法提高了系统的自适应能力，能够根据响应参数的漂移调整校正系数，是目前研究的主要方向35。在介绍具体的校正算法之前，首先做一个假设：假设红外焦平面阵列每个探测元在响应范围内，对红外辐射的响应都为线性响应。对于焦平面阵列中处于第行、列的阵列元，在时刻的输出响应模型，可以表示为： （3-1）式中，为第个阵列元在n时刻接收到的辐射量为

44、第个阵列元在n时刻的响应输出为第个阵列元在n时刻的增益因子为第个阵列元在n时刻的偏置因子在理想的情况下，各探测元的增益因子都是相同的，并且偏置因子 都为0，这样， 就可以真实的反映出输入图像。但是在实际情况中，各像元的不完全相同，并且也不一定都为0，这就产生了非均匀性。上式又可表示为： （3-2）式中，为第个阵列元在n时刻的增益校正因子为第个阵列元在n时刻的偏移量校正因子式（3-2）即为对阵列元的非均匀性校正公式36。3.1 基于定标的非均匀性校正算法目前，基于定标的校正方法中比较成熟和广泛应用的是一点校正法和两点校正法，其他的像多点校正算法、分段线性算法等，都是以这两种校正算法为基础的，原理

45、都是一样的。这一节主要讨论这两种校正算法，并对它们的优缺点进行分析。3.1.1 一点温度定标法一点定标算法最早是在1995年由Schulz M和Caldwell L提出的，一点定标校正算法原理是：将阵列元对某一特定温度的均匀黑体的响应校正为一致 37。它可以从两个方面进行校正：一方面是对偏置不均匀性的校正，另一方面是对增益不均匀性的校正。如图3.1所示：图3.1 一点校正算法示意图（1） 针对偏置因子的校正算法当焦平面阵列增益不均匀性可忽略不计，并且偏置带来的不均匀性比较明显时，这种校正算法效果较好。假设选取温度为T的黑体作为辐射源，所有的个阵列元在n时刻的输出响应为，求其平均值： （3-3）

46、则它的偏置校正因子为： （3-4）校正过后阵列元在任一辐照度t下响应输出 为： （3-5）由图3.1可以看出，这一算法主要是对偏置因子的校正。对于增益因子非均匀性较大的情况就不适用了，这就要用到另一种算法：增益因子的一点校正算法。（2） 针对增益因子的校正算法选取温度为T的黑体作为辐射源，在时刻n对所有阵列元的输出响应求平均（见式（3-3），对各阵列元的增益因子进行校正，则增益校正因子为： （3-6）于是，根据校正因子可以对阵列元输出进行校正： （3-7）上式中为非均匀性校正后阵列元的输出值，为阵列元对温度为t的目标的实际响应率。一点校正算法虽然可以对偏移非均匀性和增益非均匀性进行校正，但是它对二者的校正不能同时进行，在对其中一个校正的时候，实际上是假设另一个为可忽略的，这就造成了非均匀性的残留比较大，影响最终的校正效果。并且，一点定标校正算法仅能将阵列元对某一特定辐射强度下的响应校正为一致，当辐射强度距离校正点越远时，校正效果就越差38，这种情况噪声越大就会越明显。于是人们提出了两点校正算法，扩大了定标的校正范围。3.1.2 两点温度定标法针对一点校正算法存