基于長線列探測器的圖像非均勻性研究與校正*

徐 敏，趙毅強(qiáng)，劉文娟

（天津大學(xué)電子信息工程學(xué)院，天津 300072）

0 引言

光電探測器作為成像系統(tǒng)中最重要的一部分，它是將入射的光信號轉(zhuǎn)變成電信號輸出的器件。光電探測器主要包括可見光探測器與紅外探測器。其中，紅外探測器探測距離遠(yuǎn)、抗干擾能力強(qiáng)，穿透煙塵、霧、霾能力強(qiáng)，可以全天候、全天時工作，應(yīng)用極為廣泛［1］。目前，紅外探測器主要有線列式和面陣式2種，相比于面陣探測器，線列探測器的成本較低，制備方法成熟，經(jīng)過拼接可以達(dá)到上千元的線陣，且大都安裝在飛機(jī)或衛(wèi)星遙感平臺上，在推掃式運(yùn)動中可以獲得高分辨率的圖像，故特別適用于航空航天、工業(yè)控制和醫(yī)療領(lǐng)域。

理想情況下，線列探測器各光敏元的響應(yīng)一致，即對于同一光照強(qiáng)度或者溫度，各個光敏元響應(yīng)的灰度值相同，形成的圖像是連續(xù)的、均勻的。實(shí)際上，由于制作工藝的偏差，各個光敏元響應(yīng)情況不一致，對應(yīng)的響應(yīng)函數(shù)也各不相同。另外，由于存在隨機(jī)噪聲，光敏元的響應(yīng)曲線并不是固定不變的，線列探測器結(jié)構(gòu)在純色背景下，圖像會有明顯的水平紋理［2，3］。

1 非均勻性校正算法

1．1 多點(diǎn)校正算法

目前，國內(nèi)外成像系統(tǒng)常采用兩點(diǎn)校正法進(jìn)行圖像校正，是在不考慮響應(yīng)曲線隨機(jī)性，而且各光敏元的響應(yīng)特性在所感興趣的光照強(qiáng)度或溫度范圍內(nèi)保持線性的前提下進(jìn)行的。然而，光敏元的響應(yīng)曲線往往只是在中段具有較好的線性度，在兩端的線性度較差，參數(shù)特性本身也隨時間和環(huán)境變化［4，5］。為了更準(zhǔn)確反映光敏元的響應(yīng)情況，提高校正算法的精度，本文使用多點(diǎn)校正法。多點(diǎn)校正算法是在兩點(diǎn)校正法的基礎(chǔ)上進(jìn)行改進(jìn)的一種算法。

對于紅外探測器，在進(jìn)行多點(diǎn)校正過程中，使用均勻輻射的黑體對線列圖像傳感器進(jìn)行定標(biāo)，測得各個光敏元隨黑體輻射通量的灰度響應(yīng)曲線，如圖1示意，并依此確定響應(yīng)函數(shù)

其中，k為光敏元的編號，xi為黑體輻射通量，ykxi為光敏元k響應(yīng)的灰度值。光敏元的理想響應(yīng)曲線S的響應(yīng)函數(shù)為

對于實(shí)測的景物，各光敏元的灰度值ykxi根據(jù)響應(yīng)函數(shù)式（1）可以得出其對應(yīng)的黑體輻射通量值xi=F－1k（ykxi），根據(jù)標(biāo)準(zhǔn)響應(yīng)曲線S的函數(shù)式（2）得到當(dāng)前光敏元k的校正后灰度值yxi=AF－1k（ykxi）+B，用新得到的灰度值代替實(shí)測的灰度值ykxi完成圖像多點(diǎn)校正。溫度定標(biāo)點(diǎn)越多，響應(yīng)曲線越精確，校正效果越好。

圖1 光敏元響應(yīng)曲線Fig 1 Response curves of photosensitive elements

1．2 基于輪廓提取的圖像平滑算法

圖像的常見噪聲包括加性噪聲和乘性噪聲等。圖像中的噪聲往往和信號交織在一起，尤其是乘性噪聲，采用一般的圖像平滑算法，雖可以提高紅外圖像的均勻性，但是圖像本身的細(xì)節(jié)，如輪廓、線條也變得模糊不清。本節(jié)采用一種改進(jìn)的圖像平滑方法，在保證圖像本身細(xì)節(jié)的基礎(chǔ)上，能夠提高圖像的均勻性。

1．2．1 檢測圖像中有效的輪廓

邊緣（輪廓）是指圖像局部亮度變化最顯著的地方，其意味著一個區(qū)域的終結(jié)和另一個新區(qū)域的開始。通常，沿邊緣走向的灰度變化平緩，而垂直于邊緣走向的灰度變化劇烈，邊緣處的灰度剖面可以看作是一個階躍，可以使用求導(dǎo)數(shù)的方式對其進(jìn)行檢測，如圖2所示。

圖2 邊緣求導(dǎo)示意Fig 2 Derivation of edge

在數(shù)學(xué)中，這種灰度值變化引起的階躍可用梯度來表示，而對階躍變化求一階導(dǎo)數(shù)的過程，即是用梯度算子進(jìn)行卷積運(yùn)算的過程［6］。邊緣檢測中常用的算子有Robets交叉算子、Prewitt算子、Sobel算子等。

物體的輪廓、邊緣越明顯，通過各向同性Sobel算子卷積得到的新灰度值越大。這樣，可以設(shè)定一個有效輪廓灰度閾值，確定當(dāng)前圖像有效輪廓像素點(diǎn)的位置，而對非有效輪廓的區(qū)域進(jìn)行均勻性處理。

1．2．2 非有效輪廓部分的均勻性處理

由于一副圖像的大部分像素的灰度和臨近像素的灰度差別不大，存在很大的灰度相關(guān)性，這就導(dǎo)致了圖像的能量主要集中于低頻區(qū)域，只有圖像的細(xì)節(jié)部分的能量處于高頻區(qū)域中，而圖像噪聲和假輪廓往往出現(xiàn)在高頻區(qū)域中［7］。如果只是對非有效輪廓部分使用低通濾波器進(jìn)行均勻性校正，既能保證圖像的主要細(xì)節(jié)，又能很好地提高圖像整體的均勻性，消減圖像的水平紋理。

本文采用時域的低通濾波器對圖像進(jìn)行均勻性處理，其表達(dá)式為

2 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證圖像校正算法的有效性，搭建如圖3的成像系統(tǒng)，該系統(tǒng)包括精密轉(zhuǎn)臺、256元可見光線列探測器、讀出電路、FPGA采集系統(tǒng)以及PC機(jī)等。圖4是采用1．2．2節(jié)介紹的非均勻性校正算法處理的結(jié)果，其中，圖4（a）為原始照片，圖4（b）為使用各向同性Sobel算子提取出來的輪廓，分析圖4（b）可知，設(shè)定有效輪廓閾值為50，標(biāo)記灰度值低于50的像素點(diǎn)位置，并對這些非有效輪廓區(qū)域進(jìn)行低通濾波校正，圖4（c）為校正后的照片。從圖4（a），（c）對比可以看出:原始照片中的水平紋理得到很大的改善，而圖像的細(xì)節(jié)基本沒有損失。

圖3 線列成像系統(tǒng)Fig 3 Linear array imaging system

圖4 非均勻性校正效果Fig 4 Results of non-uniformity correction

3 結(jié)論

線列成像系統(tǒng)的圖像的非均勻性往往決定著成像系統(tǒng)的質(zhì)量，本文首先分析了這種非均勻性產(chǎn)生的原因，基于其特點(diǎn)分析了多點(diǎn)校正算法，并結(jié)合輪廓提取算法和時域低通濾波器算法提出一種新的圖像均勻算法，從校正結(jié)果看，在保證圖像細(xì)節(jié)的基礎(chǔ)下，其非均勻性得到較大的改善。

為了更進(jìn)一步提高均勻性效果，在邊緣檢測和非主要輪廓部分的均勻性處理上可以探索其他精度更高、處理效果更好的算法。

［1］ Dempsey R J，Davis D G，Buice R G，et al．Biological and medical applications of near infrared spectrometry［J］．Applied Spectroscopy，1996，50（2）:18 －34．

［2］ 王 鈺，陳 錢，殷德奎，等．實(shí)時紅外圖像非均勻性校正技術(shù)研究［J］．紅外與毫米波學(xué)報，1999，18（2）:151 －155．

［3］ 李言謹(jǐn)，危 峻，胥學(xué)榮．一種線陣紅外焦平面的圖像處理方法［J］．紅外與毫米波學(xué)報，2010，29（2）:91 －93．

［4］ 胡曉梅．紅外焦平面探測器的非均勻性與校準(zhǔn)方法研究［J］．紅外與激光工程，1999，28（3）:9 －12．

［5］ 陳 銳，談新權(quán)．紅外圖像非均勻性校正方法綜述［J］．紅外技術(shù)，2002，24（1）:1 －3．

［6］ 郎 銳．?dāng)?shù)字圖像處理學(xué)Visual C++實(shí)現(xiàn)［M］．北京:北京希望電子出版社，2003:233－234．

［7］ 高守傳，姚領(lǐng)田．Visual C++實(shí)踐與提高—數(shù)字圖像處理與工程應(yīng)用篇［M］．北京:中國鐵道出版社，2005:61－62．