基于圖像處理的紅外成像設(shè)備畸變檢測方法

呂俊偉，陳玉華，宋慶善

(1.海軍航空工程學(xué)院 控制工程系, 山東 煙臺　264001;

2.中國人民解放軍91213部隊(duì)裝備部， 山東 煙臺　264001)

?

基于圖像處理的紅外成像設(shè)備畸變檢測方法

呂俊偉1，陳玉華1，宋慶善2

(1.海軍航空工程學(xué)院 控制工程系, 山東 煙臺264001;

2.中國人民解放軍91213部隊(duì)裝備部， 山東 煙臺264001)

摘要：紅外制導(dǎo)導(dǎo)彈導(dǎo)引頭、無人機(jī)光電載荷的核心部件是紅外成像設(shè)備，紅外成像設(shè)備能否正常工作決定了導(dǎo)彈和無人機(jī)的工作效能；為了避免紅外導(dǎo)彈、無人機(jī)光電載荷帶著故障上天，需要在這些裝備上天之前檢測紅外成像設(shè)備是否工作正常，提出基于圖像處理的圖像畸變檢測方法，作為判斷紅外成像設(shè)備工作正常與否的依據(jù)；以標(biāo)準(zhǔn)紅外成像設(shè)備所成圖像為標(biāo)準(zhǔn)圖像，利用數(shù)字圖像處理的邊緣檢測方法得出圖像的面積和周長，根據(jù)面積和周長得出圖像的復(fù)雜性參數(shù)值；在測試條件不變的情況下，根據(jù)羅曼諾夫斯基準(zhǔn)則，利用正常設(shè)備捕獲的圖像作為樣本，計(jì)算分析樣本圖像的面積和周長，求出圖像復(fù)雜性參數(shù)值，得出紅外成像系統(tǒng)測試的評價(jià)參數(shù)和評價(jià)準(zhǔn)則，根據(jù)評價(jià)參數(shù)和評價(jià)準(zhǔn)則判斷被測試設(shè)備是否存在畸變。

關(guān)鍵詞：紅外成像設(shè)備；圖像處理；畸變檢測；復(fù)雜性；羅曼諾夫斯基準(zhǔn)則

本文引用格式：呂俊偉，陳玉華，宋慶善.基于圖像處理的紅外成像設(shè)備畸變檢測方法[J].兵器裝備工程學(xué)報(bào)，2016(1):9-14.

Citation format:LYU Jun-wei, CHEN Yu-hua, SONG Qing-shan.Method of Testing Distortion of Infrared Equipments Imaging Based on Image Processing[J].Journal of Ordnance Equipment Engineering,2016(1):9-14.

紅外制導(dǎo)導(dǎo)彈、無人機(jī)和偵察機(jī)等裝備中的核心部件是紅外成像設(shè)備。紅外成像設(shè)備由于鏡頭內(nèi)部機(jī)械過度磨損、變形、各個(gè)鏡片發(fā)霉以及鏡頭電路問題等原因，會使圖像不清晰、圖像失真。如果無人機(jī)和導(dǎo)彈飛離地面后，才發(fā)現(xiàn)紅外成像設(shè)備所成圖像不清晰、失真等問題，捕獲的圖像達(dá)不到要求，甚至造成目標(biāo)和背景丟失等捕獲不到目標(biāo)的嚴(yán)重問題，直接影響到設(shè)備對目標(biāo)的偵察監(jiān)視與定位的準(zhǔn)確性，從而導(dǎo)致軍事偵察活動失敗或者打擊不到目標(biāo)，軍事任務(wù)失敗等嚴(yán)重后果。因此，在導(dǎo)彈、無人機(jī)和偵察機(jī)等裝備飛離地面之前，必須對其紅外成像設(shè)備進(jìn)行檢測。圖像畸變程度是紅外成像設(shè)備的一個(gè)評價(jià)標(biāo)準(zhǔn)，在紅外制導(dǎo)導(dǎo)彈導(dǎo)引頭和無人機(jī)光電載荷中檢測紅外成像設(shè)備的畸變程度，通過畸變程度可判斷設(shè)備能否正常工作。在實(shí)驗(yàn)室條件下對紅外成像設(shè)備進(jìn)行檢測，精度雖高但其過程復(fù)雜?；诖?，在外場實(shí)地檢測時(shí)，需要一種更快捷簡便、更有效的畸變檢測方法。

1檢測原理

畸變表示點(diǎn)或線相對理想位置的偏移。根據(jù)畸變的常見類型分類，畸變可分為桶形畸變，枕形畸變和“S”畸變。由于設(shè)備鏡頭產(chǎn)生的畸變直接通過所成的圖像反映出來，因此根據(jù)圖像可判斷成像設(shè)備是否存在畸變。在檢測過程中，通過嚴(yán)格控制測試環(huán)境，測試條件，確保紅外成像設(shè)備所成的圖像收到噪聲污染最少，且在前期處理中，利用相同的濾波方法濾除設(shè)備本身產(chǎn)生的固定噪聲，這樣，由于噪聲等原因?qū)υO(shè)備檢測準(zhǔn)確性的影響將可以忽略，對測試結(jié)果準(zhǔn)確性不會有太大影響。

在實(shí)驗(yàn)室通過判斷靶標(biāo)圖像是否變形來判斷是否存在畸變。選用雙矩形靶標(biāo)，使其測試圖形應(yīng)大于成像系統(tǒng)1/4 視場，以雙矩形靶標(biāo)所成圖像作為為標(biāo)準(zhǔn)圖像，以常見的桶形畸變、枕形畸變和“S”形畸變?yōu)闇y試設(shè)備要測試的內(nèi)容，通過圖像幀頻采集卡獲取圖像，利用計(jì)算機(jī)對圖像進(jìn)行處理，根據(jù)圖像計(jì)算出矩形面積值和周長值，計(jì)算對比分析數(shù)據(jù)值，以此判斷成像系統(tǒng)是否存在畸變。首先，把標(biāo)準(zhǔn)設(shè)備放置到攝像機(jī)底座上，將其所成的圖像作為標(biāo)準(zhǔn)圖像存儲到計(jì)算機(jī)硬盤中備份，然后將標(biāo)準(zhǔn)設(shè)備換成待測試設(shè)備，按照如圖1所示結(jié)構(gòu)圖進(jìn)行準(zhǔn)備。

圖1　畸變測試設(shè)備結(jié)構(gòu)

2基于數(shù)字圖像處理的紅外成像設(shè)備畸變檢測過程

測試時(shí)，將標(biāo)準(zhǔn)紅外成像設(shè)備所成靶標(biāo)圖像輸入計(jì)算機(jī)，對原始圖像初步處理后，進(jìn)行二值化處理，閾值M取最接近圖像目標(biāo)灰度值。因?yàn)檫x取的圖像為雙矩形靶標(biāo)，目標(biāo)顯示圖像為兩個(gè)矩形，目標(biāo)形狀簡單，容易分辨，而且目標(biāo)用較高的溫度，背景溫度相對較低，控制測試時(shí)間測試條件，避免陽光直射目標(biāo)，可見光對目標(biāo)的影響可以忽略，這樣就使得目標(biāo)圖像與背景形成了強(qiáng)烈對比，顯示的圖像邊緣清晰，選擇介于背景與目標(biāo)之間的灰度值作為分割閾值，二值化時(shí)能把目標(biāo)與背景完整分離開，如圖2所示。

圖2　紅外靶標(biāo)灰度圖像二值化處理對比

對圖像進(jìn)行檢測，需要知道能夠表征圖像形狀特征的參數(shù)，用復(fù)雜性來表示。復(fù)雜性是用來描述目標(biāo)形圖形的復(fù)雜性的，參數(shù)值越大，表明圖形形狀越復(fù)雜。目標(biāo)發(fā)生畸變，其周長和面積都跟隨改變，但其變化趨勢是圖像形狀越來越不規(guī)則，故可用復(fù)雜性來作為判定畸變的參數(shù)。

在同樣條件下，更換待測試設(shè)備，將待測設(shè)備所成圖像輸入計(jì)算機(jī)，二者進(jìn)行處理對比結(jié)果。流程如圖3所示。

圖3　畸變測試流程

測試過程可分3步：

第1步，獲取目標(biāo)二值圖像，計(jì)算面積；

第2步，獲取目標(biāo)邊框，計(jì)算周長，并計(jì)算出復(fù)雜度和畸變度；

第3步，利用復(fù)雜度和畸變度檢測圖像畸變。

2.1獲取目標(biāo)二值圖像并計(jì)算面積

對圖像進(jìn)行二值化處理是接下來所有工作的前提。對采集得到的灰度圖像以一定閾值M(M取決于灰度圖像中目標(biāo)部分的灰度值)將圖像二值化，大于等于閾值M的點(diǎn)為1，小于閾值M的點(diǎn)為0。這樣得到的圖像就是灰度值為1的白色，灰度值為0黑白相間的二值化圖像。二值化目的是為了把圖像的目標(biāo)明顯地顯現(xiàn)出來，得到一幅目標(biāo)矩形為白色，目標(biāo)背景為黑色的二值圖像。

計(jì)算目標(biāo)圖像面積基本思想是：計(jì)算圖像中的灰度值為1的像素個(gè)數(shù)，即白色像素的個(gè)數(shù)。但是在具體計(jì)算二值圖像的面積過程中，不是簡單計(jì)算像素值為1的像素個(gè)數(shù)，而是為每個(gè)像素設(shè)置一個(gè)權(quán)值，采用加權(quán)求和的方式得到面積。在計(jì)算二值圖像的面積時(shí)，像素的權(quán)值，通過該像素的2×2的鄰域像素值來決定。例如，如果鄰域內(nèi)的像素值都為0，則權(quán)值為0；如果鄰域內(nèi)的像素都為1，則權(quán)值為1。

采集的灰度圖像，用相同方法進(jìn)行二值化處理，對二值圖像進(jìn)行分析計(jì)算是檢測的中心工作，為便于計(jì)算，后面，采用圖像為已經(jīng)經(jīng)過二值化處理后的黑白圖像。

2.2獲得目標(biāo)邊框并計(jì)算周長

獲取目標(biāo)邊框的的方法：對二值圖像進(jìn)行邊緣分割。采用坎尼檢測器(canny)邊緣分割來獲取圖像的邊緣。因坎尼檢測器(canny)是迄今為止討論過的邊緣檢測器中最優(yōu)秀的。經(jīng)過邊緣檢測后，圖像變成兩個(gè)白色矩形框，邊框的寬度為1個(gè)像素。再利用加權(quán)求和的方式計(jì)算矩形和圖像白色邊框部分的面積，就是邊框的周長。

2.3通過復(fù)雜性參數(shù)檢測畸變圖像

形狀復(fù)雜性常用離散指數(shù)e表示，其計(jì)算式為

(1)

式(1)描述了單位面積圖形的周長大小，e值大，說明單位面積的周長大，即圖形離散，則為復(fù)雜圖形，反之，則為簡單圖形。目標(biāo)為雙矩形靶標(biāo)，畸變結(jié)果就是標(biāo)準(zhǔn)矩形變化成不規(guī)則的復(fù)雜圖形。

標(biāo)準(zhǔn)設(shè)備和待測試設(shè)備所成的圖像都根據(jù)2.1和2.2所示的原理來計(jì)算得到周長的面積。標(biāo)準(zhǔn)圖像周長和面積用L和S來表示，畸變圖像的周長和面積分別用Ln和Sn(其中n=1,2，…)表示。利用Ln和Sn計(jì)算圖像的復(fù)雜性。利用復(fù)雜性的值計(jì)算圖像畸變度，畸變度是值圖像畸變的程度，用畸變圖像復(fù)雜性與標(biāo)準(zhǔn)圖像的差的比值表示?；兌扔肦n表示。計(jì)算式為

(2)

e為標(biāo)準(zhǔn)圖像復(fù)雜性參數(shù)，en為待測圖像復(fù)雜性參數(shù)。

取4幅圖像，分別為標(biāo)準(zhǔn)圖像，S形畸變圖像、桶形畸變圖像和枕形畸變圖像，求出圖像的面積、周長、復(fù)雜度和畸變度，結(jié)果如下：

標(biāo)準(zhǔn)圖像：面積S：59 801，周長L：1433，復(fù)雜度e：34.34，畸變度R：0

S形畸變圖像：面積S1：82 304,周長L1：2 057，復(fù)雜度e1：51.41，畸變度R1：0.497 1

桶形畸變圖像：面積S2：113 250，周長L2：2 121，復(fù)雜度e2：39.72，畸變度R2：0.156 8

枕形畸變圖像：面積S3：51 419，周長L3：1 488，復(fù)雜度e3：43.06，畸變度R3：0.254 0

將結(jié)果列表為(表1)：

表1　標(biāo)準(zhǔn)圖像和畸變圖像各參數(shù)對比

由表1可見，不同類型畸變其復(fù)雜度和畸變度都不相同，都大于標(biāo)準(zhǔn)圖像的復(fù)雜度和畸變度。對于較明顯的畸變，如圖4，圖5和圖6所示，發(fā)現(xiàn)圖像畸變嚴(yán)重，視覺對比明顯。但在實(shí)際測試中這種結(jié)果是不那么容易出現(xiàn)的，對輕微畸變不明顯，視覺對比不強(qiáng)烈的情形進(jìn)行判別，就需要一個(gè)評價(jià)指標(biāo)來判斷圖像畸變。

圖4　桶形畸變圖像對比

圖5　枕形畸變對比

圖6　“S”形畸變對比

3評價(jià)指標(biāo)與評價(jià)準(zhǔn)則的建立

選擇評價(jià)指標(biāo)，需要用統(tǒng)計(jì)規(guī)律，通過對大量的目標(biāo)圖像進(jìn)行計(jì)算，并對計(jì)算結(jié)果進(jìn)行分析統(tǒng)計(jì)。在實(shí)際情況下，無法用較多數(shù)量設(shè)備來進(jìn)行一一測量。選擇20個(gè)可正常工作的樣本數(shù)據(jù)，根據(jù)羅曼諾夫斯基準(zhǔn)則，用大誤差判別方法求得σ值，即可得出結(jié)果。

3.1羅曼諾夫斯基準(zhǔn)則

羅曼諾夫斯基準(zhǔn)則是當(dāng)測量次數(shù)較少時(shí)，按t分布的實(shí)際誤差分布范圍來判別粗大誤差。羅曼諾夫斯基準(zhǔn)則又稱t檢驗(yàn)準(zhǔn)則，其特點(diǎn)是首先剔除一個(gè)可疑的測得值，然后按t分布檢驗(yàn)被剔除的測量值是否含有粗大誤差。

當(dāng)測量次數(shù)較少時(shí)，按t分布的實(shí)際誤差分布范圍來判別粗大誤差較為合理。羅曼諾夫斯基準(zhǔn)則又稱t檢驗(yàn)準(zhǔn)則，其特點(diǎn)是首先剔除一個(gè)可以的測得值，然后按t分布檢驗(yàn)被剔除的測量值是否含有粗大誤差。

設(shè)對某量作多次等精度獨(dú)立測量，得

若認(rèn)為測量值xj為可疑數(shù)據(jù)，將其剔除后計(jì)算平均值為(計(jì)算時(shí)不包括xj)

(3)

(4)

若

(5)

則認(rèn)為測量值xj含有粗大誤差，剔除xj是正確的，否則認(rèn)為xj不含有粗大誤差，應(yīng)予保留。

表2　t 分布的檢驗(yàn)系數(shù)K(n，α)

3.2建立評價(jià)參數(shù)與判定法則

設(shè)有n個(gè)樣本測量值為

認(rèn)為測量值xn+1為可疑數(shù)據(jù)，計(jì)算前n項(xiàng)平均值為

(6)

并求得測量列的標(biāo)準(zhǔn)差:

(7)

根據(jù)測量次數(shù)n和選取的顯著度α，即可由表查得t分布的檢驗(yàn)系數(shù)K(n，α)。

若

(8)

則認(rèn)為測量值xn+1含有粗大誤差，待測設(shè)備為不正常設(shè)備，否則認(rèn)為xn+1不含有粗大誤差，是正常設(shè)備，可以使用。

算法做法如下：

(11)

即

(12)

按照3.2的方法得出20組正常設(shè)備畸變的數(shù)據(jù)，為便于對比，把標(biāo)準(zhǔn)圖像參數(shù)單獨(dú)列表，其圖像和列表(表3，表4)：

圖7　畸變圖像

面積S周長L復(fù)雜度e畸變度R標(biāo)準(zhǔn)圖像59801143334.340

根據(jù)畸變率Ri計(jì)算Kσ，由表4計(jì)算出：

查表2，當(dāng)n=20，取置信度α=0.5時(shí)，K=2.16,得,

Kσ=2.16×0.005 8=0.012 5

對畸變圖像來說，畸變圖像的畸變率超過0.012 5，即可判定為設(shè)別不能正常工作。

表4　畸變圖像

4實(shí)驗(yàn)驗(yàn)證

下面利用3組目標(biāo)圖像來進(jìn)行驗(yàn)證(圖8)，圖中第一行為標(biāo)準(zhǔn)圖像與桶形畸變圖像對比，第二行為標(biāo)準(zhǔn)圖像與枕形畸變圖像對比，第三行為標(biāo)準(zhǔn)圖像與S形圖像對比。

圖8　驗(yàn)證正常設(shè)備圖像和畸變圖像對比

首先，得到3組二值圖像，分別是正常設(shè)備圖像和畸變圖像，用來驗(yàn)證，(特別要說明的是，正常設(shè)備所成圖像與標(biāo)準(zhǔn)設(shè)備的圖像都是有誤差的，其多少都存在畸變，而且畸變的類型也是3種畸變類型中的某一種，只不過是在要測試的正常設(shè)備相對于標(biāo)準(zhǔn)設(shè)備其畸變程度在誤差范圍之內(nèi)，所以稱為正常設(shè)備圖像我們用畸變圖像1來代表)如圖8所示。

根據(jù)3.3可以算出3組畸變圖像的復(fù)雜度和畸變度，在Matlab中編程計(jì)算，運(yùn)算結(jié)果如表5所示。

由3.2.1節(jié)中畸變的判定法則，畸變度超過0.012 5，即可判定為設(shè)別不能正常工作。

要驗(yàn)證的3組圖像如下：

桶形畸變圖像1，其畸變度R1=0.006 351 481 < 0.012 5,該圖像合格；

桶形畸變圖像2，其畸變度R2=0.021 547 426 > 0.012 5,該圖像不合格；

枕形畸變圖像1，其畸變度R3=0.010 008 815 < 0.012 5,該圖像合格；

枕形畸變圖像2，其畸變度R4=0.078 256 525 > 0.012 5,該圖像不合格；

S形畸變圖像1，其畸變度R5=0.011 202 038 < 0.012 5,該圖像合格；

S形畸變圖像2，其畸變度R6=0.082 034 478 > 0.012 5,該圖像不合格。

利用判定法則判定圖8第二列圖像，即桶形畸變圖像1、枕形畸變圖像1和S形畸變圖像1都為合格，且看不出有畸變，而第三列圖像，桶形畸變圖像2、枕形畸變圖像2和S形畸變圖像2都為不合格，用人眼也可分辨出這3組圖像都有畸變。判定法則與人眼判定結(jié)果一樣，且有較高準(zhǔn)確度。

實(shí)驗(yàn)分析：

在求解評價(jià)參數(shù)過程中，式(1)～式(11)中均值使用的標(biāo)準(zhǔn)圖像的復(fù)雜度值，而不是用樣本值的期望值，因?yàn)闃?biāo)準(zhǔn)圖像的值是最為精確的，可作為真值處理，而待測設(shè)備因?yàn)槠渖a(chǎn)批次、存放條件等原因不同所造成的誤差也不同，但如果待測設(shè)備數(shù)量趨于無窮大時(shí)，其所有圖像復(fù)雜度的期望的極限就是標(biāo)準(zhǔn)圖像的復(fù)雜度值即真值。使用標(biāo)準(zhǔn)圖像的復(fù)雜度就是排除批次不同等原因而對測試條件的影響，從而保證了測試結(jié)果的準(zhǔn)確度，同時(shí)便于計(jì)算。

表5　3組畸變圖像復(fù)雜度和畸變度結(jié)果數(shù)據(jù)對比

5結(jié)論

利用數(shù)字圖像處理方法，通過對圖像的面積和周長進(jìn)行測量，計(jì)算出復(fù)雜度和畸變度，并與判定指標(biāo)相比較，判別紅外成像設(shè)備是否有畸變，方法簡便快捷，有較高的準(zhǔn)確度。當(dāng)然該方法也有其局限性，即只能判定設(shè)備是否有畸變，如果需要對設(shè)備畸變的原因及程度進(jìn)一步判斷或者對畸變圖像需要校正等進(jìn)行進(jìn)一步處理和判斷還需要深入研究，再者，該方法是通過數(shù)理統(tǒng)計(jì)的方式得出評價(jià)參數(shù)，以較高的準(zhǔn)確率判別是否存在畸變，但如果需要更高精度的判斷，還需要進(jìn)一步的研究探索。

參考文獻(xiàn)：

[1]王曉蕊，張建奇，馮卓祥，等.采樣紅外成像系統(tǒng)仿真及最小可分辨溫差預(yù)測方法研究[J].紅外與毫米波學(xué)報(bào)，2004,23(6)：436-440.

[2]魏建強(qiáng).紅外成像器通用測試技術(shù)及標(biāo)準(zhǔn)設(shè)備概述[C]//中國宇航學(xué)會.第三屆紅外成像系統(tǒng)仿真、測試與評價(jià)技術(shù)研討會論文集.浙江寧波：中國宇航學(xué)會，2011：51-57.

[3]李艷曉，胡磊力，蔡猛.紅外成像系統(tǒng)的性能測試方法研究[J].紅外與激光工程，2008，37(6):449-454.

[4]RAFACL C.Gonzalez,Richard E.Woods.數(shù)字圖像處理[M].3版.阮秋琦，阮宇智,等，譯.北京：電子工業(yè)出版社，2013：93-96,443-467.

[5]費(fèi)葉泰.誤差理論與數(shù)據(jù)處理[M].6版.北京：機(jī)械工業(yè)出版社，2010：46-47.

[6]方如明，蔡建榮，許俐.計(jì)算機(jī)圖像處理技術(shù)及其在農(nóng)業(yè)工程中的應(yīng)用[M].北京：清華大學(xué)出版社，1999:88-90.

[7]CEHN Baoguo,FAN Yangyu,ZHANG Xuefeng,et al.Moving scene based nonuniformity correction algorithm[C]//Proceeding of SPIE,2012,8419:84191Q-1-84191Q-6.

[8]王洋，謝權(quán)威.基于相機(jī)響應(yīng)函數(shù)的圖像盲檢測技術(shù)研究[J].重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版)，2014，31(3)：55-61.

[9]劉書琴，毋立芳，宮玉.圖像質(zhì)量評價(jià)綜述[J].中國科技論文在線，2011，6(7):501-523.

(責(zé)任編輯周江川)

【裝備理論與裝備技術(shù)】

Method of Testing Distortion of Infrared Equipments Imaging

Based on Image Processing

LYU Jun-wei1, CHEN Yu-hua1, SONG Qing-shan2

(1.Department of Control Engineering, Naval Aeronautical Engineering Institute, Yantai 264001, China;

2.Equipment Department, the 91213rdTroop of PLA, Yantai 264001, China)

Abstract:Infrared imaging equipment is the core component of IR guided missile seeker and UAV, and the work efficiency of missile and UAV can be determined by infrared imaging equipment. It is necessary to detect whether the infrared imaging equipment is normal or not, in order to avoid the fault with which IR guided missile seeker and UAV flying into the sky. So a method of image distortion detection based on image processing was proposed. The standard infrared imaging equipment for imaging was supposed as the standard image, and the digital image processing edge detection method was used to draw the area and perimeter of the image, and the complexity parameter values of the image were calculated according to the area and perimeter. Then under the same test conditions, according to the idea of Romanowski criterion, normal devices to capture images as samples were used to the calculation and analysis of the area and perimeter and the parameter values of the complexity of the images as samples. Test of infrared imaging system of evaluation parameters and evaluation criteria were derived. According to the evaluation parameters and evaluation criteria, the device being tested was judged whether there is a distortion.

Key words:infrared imaging equipment; image processing; distortion of test; complexity; Romanowski criterion

文章編號：1006-0707(2016)01-0009-06

中圖分類號：TJ765.4

文獻(xiàn)標(biāo)識碼：A

doi:10.11809/scbgxb2016.01.002

作者簡介：呂俊偉(1960—)，男，教授，博士生導(dǎo)師，主要從事目標(biāo)識別與智能系統(tǒng)、目標(biāo)探測與跟蹤等研究。

基金項(xiàng)目：國家自然科學(xué)基金(61032001；60801049)

收稿日期：2015-06-27；修回日期：2015-07-20