本發(fā)明屬于紅外焦平面陣列成像技術(shù)中的圖像處理技術(shù)領(lǐng)域，涉及一種基于三梯度閾值的快速時序盲元檢測與校正方法。

背景技術(shù)：

紅外焦平面陣列(IRFPA,Infrared Focal Plane Array)是紅外成像系統(tǒng)的核心部件，廣泛用于工業(yè)、安防以及遙感等相關(guān)技術(shù)領(lǐng)域中。但由于受外部環(huán)境、紅外敏感元件、電路結(jié)構(gòu)、半導(dǎo)體特性等各種因素影響，紅外焦平面陣列各探測單元往往存在響應(yīng)的非均勻性，導(dǎo)致輸出的紅外圖像上存在類型椒鹽噪聲的亮點或暗點，即盲元（或稱為無效像元）。盲元的存在嚴重影響了紅外圖像質(zhì)量，制約系統(tǒng)溫度分辨率，因此需要對獲取的紅外圖像進行盲元檢測與補償，以便后續(xù)的目標探測與識別。

盲元的處理包含了盲元檢測和校正兩個步驟，前者用于找到盲元位置，后者則是在對應(yīng)位置用合適的值對盲元點進行替代。在這過程中，盲元檢測是盲元校正的前提和基礎(chǔ)。到目前為止，國內(nèi)外已出現(xiàn)許多不同的盲元檢測方法，概括起來可分為兩大類：1）基于輻射定標的檢測技術(shù)；2）基于場景的檢測方法；其中前者是通過采集不同黑體溫度下的均勻輻射圖像，根據(jù)盲元和正常像元在響應(yīng)率、噪聲特性等不同特征將二者進行區(qū)分。這類方法原理簡單，算法復(fù)雜度低，對位置固定的盲元（死像元）校正效果較好，但對于隨環(huán)境時間變化的隨機盲元則檢測精度較低，同時在檢測過程中會打斷成像系統(tǒng)的正常工作，不利于成像系統(tǒng)的實時校正；而基于場景的盲元檢測方法則不依賴外部設(shè)備，通過圖像處理的相關(guān)算法直接對圖像中的盲元進行檢測和校正，具有成本低、適應(yīng)性強等優(yōu)點，因此是當前盲元檢測和校正技術(shù)的重要研究方向。

目前，基于場景的盲元檢測和校正方法，較為成熟的有線性外推法和背景預(yù)測法兩種，同時還包括在此基礎(chǔ)上的一些自適應(yīng)改進方法。但這些方法都存在以下問題：1）只是從空域上對圖像進行盲元檢測，忽略了盲元在時域上的變化特性；2）對圖像場景的依賴性較大，在場景快速變化時容易造成誤檢和圖像細節(jié)丟失；3）部分改進方法計算量較大，難以在實際紅外硬件平臺上實時應(yīng)用。

因此，現(xiàn)有技術(shù)缺少一種有針對性的、快速、穩(wěn)健的解決方法。

技術(shù)實現(xiàn)要素：

為了解決背景技術(shù)中存在的問題，本發(fā)明提出了一種基于三梯度閾值的快速時序盲元檢測與校正方法，可有效解決目前常用的基于輻射定標和場景類紅外焦平面陣列盲元檢測方法精度低、適應(yīng)性差等技術(shù)缺陷。

本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的：一種基于三梯度閾值的快速時序盲元檢測與校正方法，包括以下步驟：

1）采集原始圖像數(shù)據(jù)，對獲取的圖像序列，以連續(xù)N幀為一個累計周期，在該周期內(nèi)對各幀圖像X_n(i,j)與其經(jīng)降噪處理后的結(jié)果進行差分運算，得到對應(yīng)的差分圖像S_n(i,j)，即：

其中，n代表累計周期內(nèi)的圖像幀數(shù)，其范圍為1～N；(i,j)為對應(yīng)的像素坐標位置。

2）對于差分圖像，用三梯度閾值檢測方法求解該幀場景圖像的疑似盲元坐標矩陣，具體計算方法如下：

2.1）對步驟1）得到的差分圖像S_n(i,j)，分別計算其在水平、豎直和對角方向的絕對梯度值，即：

其中和分別為奇數(shù)幀時中心坐標(i,j)對應(yīng)的水平、豎直和對角方向的絕對梯度值，和是偶數(shù)幀時的對應(yīng)值；

2.2）從各絕對梯度矩陣中分別找出各方向最大絕對梯度值，計算表達式為：

其中和分別為當前幀圖像在水平、豎直和對角方向上的最大絕對梯度值，和分別為當前幀圖像在水平、豎直和對角方向上的絕對梯度矩陣；

2.3）將每個像元三個方向的絕對梯度值分別與對應(yīng)方向最大絕對梯度值進行閾值判定，若大于閾值，則將該方向盲元判定標志值置為1，反之則為0，計算表達式為：

其中，表示該幀圖像在水平、豎直和對角某個方向上的對應(yīng)的盲元判定標志，k代表其中任意一個方向，Th為設(shè)置的判定閾值；

2.4）將三個方向的盲元判定標志值相乘，從而得到當前幀圖像的疑似盲元坐標矩陣，計算方法為：

其中，M_n(i,j)表示第n幀圖像在中心位置為(i,j)處的疑似盲元判定值，若M_n(i,j)=1，則判定該像元為疑似盲元，記錄其位置，反之M_n(i,j)=0則判定該像元為正常像元；

3）對累計周期內(nèi)的N幀圖像均按照步驟2）進行計算后，對所有疑似盲元坐標矩陣進行與運算，得到確定的盲元位置矩陣，計算方法為：

其中，W(i,j)為當前累計周期內(nèi)最終確定的盲元位置矩陣，若W(i,j)=1，則將該位置點確定為盲元并記錄，反之若W(i,j)=0，則確定該點為非盲元點；

4）根據(jù)步驟3）所得到的盲元位置矩陣，通過插值替換，對確定的盲元位置點進行校正；

5）當前累計周期結(jié)束后，清空盲元位置矩陣，在進入下一個累計周期后，按照上述步驟1）到4）重新進行計算，實時更新盲元列表。

進一步地，所述步驟1）中，所述降噪處理為低通均值濾波，濾波模板半徑大小為3。

進一步地，所述步驟1）中，根據(jù)硬件計算特性，累積周期N的值為8。

進一步地，所述步驟2）中，根據(jù)差分圖像序列奇偶幀的不同，交替求解其在水平、豎直和對角方向的絕對梯度差；如果為奇數(shù)幀，計算后向絕對梯度差；如果為偶數(shù)幀，則計算前向絕對梯度差。

進一步地，所述步驟2）中，所述設(shè)定的盲元判定閾值Th取值范圍在0.03～0.05之間。

進一步地，所述步驟4）中，所述插值替換為局部中值濾波，采用3×3的滑動窗口內(nèi)正常像元的中值對盲元進行替換。

本發(fā)明與現(xiàn)有相關(guān)技術(shù)相比，有以下顯著優(yōu)點：(1)在空域上，根據(jù)盲元的視覺差異，提出了一種三梯度閾值的盲元檢測方法，該方法利用三個方向梯度變化信息作為判據(jù)，能夠有效檢測圖像中的各類盲元，不受圖像場景影響，檢測精度高，適應(yīng)性強；(2)在時域上，考慮了盲元的時序變化特性，以每個累計周期為單位對盲元進行檢測，并利用幀間與運算進一步提升檢測精度，避免誤校正；(3)總體方法計算復(fù)雜度小，且算法流程易于硬件移植，可以滿足紅外成像系統(tǒng)的實時處理；

附圖說明

圖1為本發(fā)明基于三梯度閾值的快速時序盲元檢測與校正方法的流程圖；

圖2為本發(fā)明所使用的基于三梯度閾值的盲元檢測示意圖；

圖3為本發(fā)明所使用的含有盲元噪點的紅外圖像；

圖4為本發(fā)明實施盲元檢測和校正處理后的紅外圖像。

具體實施方式

以下參照附圖對本發(fā)明的實施過程進行具體描述。

如圖1所示，本發(fā)明提供的一種基于三梯度閾值的快速時序盲元檢測與校正方法，包括以下步驟：

1）采集原始圖像數(shù)據(jù)，對獲取的圖像序列，以連續(xù)N幀為一個累計周期，在該周期內(nèi)對各幀圖像X_n(i,j)與其經(jīng)過降噪處理后的結(jié)果進行差分運算，得到對應(yīng)的差分圖像S_n(i,j)，即：

n代表累計周期內(nèi)的圖像幀數(shù)，其范圍為1～N，根據(jù)硬件平臺的計算特性，N一般取值為8，(i,j)為圖像中心坐標位置。其中，降噪處理采用低通均值濾波，濾波模板半徑大小為3；

2）對于差分圖像，用三梯度閾值檢測方法求解該幀場景圖像的疑似盲元坐標矩陣，如圖2所示，將每個像元與它水平、豎直和對角方向像元進行絕對差分，并設(shè)定合適的判定閾值。若篩選出三個方向同時滿足判定條件的點，則認為該點為疑似盲元，記錄其對應(yīng)位置，反之則判定該點為正常像元。具體計算方法如下：

2.1）對步驟1）得到的差分圖像，分別計算其在水平、豎直和對角方向的絕對梯度值，即：

其中和分別為奇數(shù)幀時中心坐標(i,j)對應(yīng)的水平、豎直和對角方向的絕對梯度值，而和則是偶數(shù)幀時的對應(yīng)值。在累計周期內(nèi)根據(jù)差分圖像序列奇偶幀的不同，交替求解其在水平、豎直和對角方向的絕對梯度值，可以充分利用判定位置周圍的像元信息，提高盲元判斷的準確性；

2.2）從各絕對差分矩陣中分別找出各方向最大絕對梯度值，計算表達式為：

其中和分別為當前幀圖像在水平、豎直和對角方向上的最大絕對梯度值，和分別為當前幀圖像在水平、豎直和對角方向上的絕對梯度矩陣；

2.3）將每個像元三個方向的絕對梯度值分別與對應(yīng)方向最大梯度值進行閾值判定，若大于閾值，則將該方向盲元判定標志值置為1，反之則為0，計算表達式為：

其中，表示該幀圖像在水平、豎直和對角某個方向上的對應(yīng)的盲元判定標志，k代表其中任意一個方向，Th為設(shè)置的判定閾值，其范圍在0.03～0.05之間；

2.4）將三個方向的盲元判定標志值相乘，從而得到當前幀圖像的疑似盲元坐標矩陣，計算方法為：

其中，M_n(i,j)表示第n幀圖像在中心位置為(i,j)處的疑似盲元判定值，若M_n(i,j)=1，則判定該像元為疑似盲元，記錄其位置，反之M_n(i,j)=0則判定該像元為正常像元；

3）對累計周期內(nèi)的N幀圖像都按照步驟2）進行計算后，對所有疑似盲元矩陣進行與運算，得到確定的盲元位置矩陣，計算方法為：

其中，W(i,j)為當前累計周期內(nèi)最終確定的盲元位置矩陣，若W(i,j)=1，則將該位置點確定為盲元并記錄，反之若W(i,j)=0，則確定該點為非盲元點；

4）根據(jù)步驟3）所得到的盲元位置矩陣，利用插值替換對確定的盲元位置點進行校正，這里采用3×3的滑動窗口內(nèi)正常像元的中值對盲元進行替換。

5）當前累計周期結(jié)束后，清空盲元位置矩陣，在進入下一個累計周期后，按照上述步驟1）到4）重新進行計算，實時更新盲元列表。

圖3為原始圖像序列中的其中一幀圖像，可以看到未處理前圖像中含有許多明顯的黑白盲元噪點，嚴重影響整體圖像的視覺效果。利用本發(fā)明所述方法進行檢測和校正后，對應(yīng)結(jié)果如圖4所示，可以看出圖像中的盲元均得到了有效校正，且整體圖像的細節(jié)信息也得到充分保留，大大提升了圖像質(zhì)量和視覺效果。

本發(fā)明創(chuàng)造性地提出了一種基于三梯度閾值的快速時序盲元檢測與校正方法，該方法綜合考慮了盲元在空域和時域的變化特性，能夠快速、準確地在圖像上對盲元進行定位，檢測精度高，同時整體流程簡單，運算量小，能夠滿足紅外成像系統(tǒng)的實時處理和使用需求。