紅外探測器盲元檢測及評(píng)價(jià)

李成立,呂俊偉,王佩飛,梁 平

(1.海軍航空大學(xué)控制工程系,山東 煙臺(tái) 264001;2.海軍航空大學(xué)飛行器工程系,山東 煙臺(tái) 264001)

1 引 言

紅外焦平面陣列( Infrared Focal Plane Arrays,IRFPA)是紅外成像系統(tǒng)的關(guān)鍵器件,被廣泛應(yīng)用于紅外制導(dǎo)導(dǎo)彈和紅外光電載荷。但是由于制作器件和使用環(huán)境等各種綜合因素的影響[1],當(dāng)受到相同程度的紅外輻射時(shí),焦平面陣列探測單元的響應(yīng)產(chǎn)生較大的差異[2],有可能會(huì)產(chǎn)生盲元現(xiàn)象。盲元的存在嚴(yán)重影響紅外成像的質(zhì)量,當(dāng)檢測圖像中的弱小目標(biāo)時(shí),可能會(huì)出現(xiàn)漏檢目標(biāo)的情況,因此在紅外制導(dǎo)導(dǎo)彈和紅外光電載荷使用之前要先對(duì)其成像系統(tǒng)進(jìn)行盲元檢測[3]。目前對(duì)盲元的檢測算法有很多,文獻(xiàn)[4]中提出通過9×9窗格響應(yīng)和中值濾波法進(jìn)行盲元檢測,有效地實(shí)現(xiàn)了盲元數(shù)量和位置的確定,文獻(xiàn)[5]中提出了將圖像窗口分割,然后通過計(jì)算窗口內(nèi)標(biāo)準(zhǔn)差和均值大小來檢測盲元的算法,文獻(xiàn)[6]對(duì)有效像元的模型進(jìn)行了分析,對(duì)其選取的分類算法進(jìn)行了改進(jìn),得到有效像元的分布區(qū)間和更加精確的盲元分類準(zhǔn)則,文獻(xiàn)[7]提出基于場景的時(shí)域平均野值提取(Temporal-Mean Outlier-Extraction,TMOE)的盲元檢測算法,無需依賴黑體輻射定標(biāo),能檢測出成像過程中出現(xiàn)的隨機(jī)盲元。上述算法在盲元分散的情況下檢測效果較好,但是在盲元連續(xù)的情況下檢測效果并不理想,可能會(huì)出現(xiàn)盲元漏判的現(xiàn)象。

本文對(duì)TMOE盲元檢測算法進(jìn)行了改進(jìn),對(duì)濾波窗口下盲元的分布形式進(jìn)行了討論,對(duì)連續(xù)盲元提出基于時(shí)域平均和空域均值野值提取的盲元檢測算法。算法先通過幀間時(shí)域平均和幀內(nèi)空域平均做差,然后設(shè)置閾值對(duì)盲元進(jìn)行判別,對(duì)連續(xù)盲元具有較好的檢測效果。最后根據(jù)羅曼諾夫斯基準(zhǔn)則,建立紅外制導(dǎo)武器探測器盲元程度的評(píng)價(jià)指標(biāo)和評(píng)定準(zhǔn)則,作為判斷紅外制導(dǎo)武器成像探測器能否正常工作的依據(jù)。

2 盲元檢測算法

2.1 TMOE盲元檢測算法

圖1 檢測算法各步驟結(jié)果

圖2 TMOE算法框圖

2.2 TMOE算法存在問題

由于IRFPA屬于大面陣的探測器,探測單元數(shù)目龐大,難免會(huì)產(chǎn)生一部分連續(xù)盲元[8],連續(xù)盲元的尺寸較大,采用窗口下濾波類算法無法濾除,濾波后仍會(huì)在圖像上留下白點(diǎn),如圖1(b)所示,中值濾波器只濾除了平均圖像中的離散盲元點(diǎn)和部分盲元塊,這樣就會(huì)導(dǎo)致在差值圖像中丟失部分盲元塊,最終造成盲元的漏檢。差值圖像如圖1(c)所示。

2.3 本文盲元檢測算法

本文對(duì)TMOE算法進(jìn)行改進(jìn),先對(duì)連續(xù)紅外圖像序列取時(shí)域平均,然后對(duì)窗口下的盲元分布形式進(jìn)行分類討論,采用中值濾波濾除離散的盲元點(diǎn),采用對(duì)平均圖像求全局空域均值的方法濾除連續(xù)盲元,可以有效解決連續(xù)盲元的檢測問題。算法流程如下:

(1)

(2)

(3)

(4)

本文得到的差值絕對(duì)值D(i,j)的圖像如圖1(d)所示,其三維圖如圖4所示,正常像素位置處的D(i,j)數(shù)值被壓制的很低,接近于0。而過熱像元與死像元位置處的D(i,j)表現(xiàn)為較為明顯的高低兩種突出尖峰,這樣更利于采用閾值法[9]判別盲元。

(3)提取野值。設(shè)置合理的閾值Thr,若D(i,j)>Thr,則判定坐標(biāo)(i,j)處為盲元。

圖3 第400幀平均圖像

圖4 差值絕對(duì)值D(i,j)

2.4 仿真實(shí)驗(yàn)及其結(jié)果

通過在理想圖像序列的基礎(chǔ)上人為添加盲元的方法得到500幀含盲元的圖像序列。理想視頻是用長波非制冷熱像儀移動(dòng)拍攝的房屋建筑。為了驗(yàn)證本文檢測算法的有效性,以檢測第400幀盲元圖像為例,將算法應(yīng)用到該含有盲元的紅外圖像中,并將本文算法檢測效果與“3σ”算法和TMOE算法的檢測效果進(jìn)行比較。盲元圖像如圖5(a)所示,各種算法檢測到的盲元集合分別如圖5(b)、(c)、(d)所示,各種算法的盲元檢測結(jié)果如表1所示?？梢钥闯?“3σ”算法和TMOE算法對(duì)連續(xù)盲元的檢測效果較差,本文算法的盲元檢測率較高,對(duì)連續(xù)盲元的檢測效果較為理想,即本文算法可以有效地實(shí)現(xiàn)盲元檢測。

圖5 盲元檢測結(jié)果

算法結(jié)果對(duì)比數(shù)據(jù)如表1所示。

表1 算法結(jié)果對(duì)比

3 紅外探測器盲元測試

由于紅外探測器產(chǎn)生的盲元現(xiàn)象直接通過所成的圖像反映出來,因此可根據(jù)圖像中的盲元情況判斷紅外探測器的盲元情況。紅外圖像中盲元的數(shù)量和盲元的分布會(huì)影響到紅外目標(biāo)的檢測與識(shí)別,對(duì)于紅外圖像較明顯的盲元,可以看出圖像盲元現(xiàn)象嚴(yán)重,視覺對(duì)比明顯。但在實(shí)際測試中這種結(jié)果并不是那么容易出現(xiàn),對(duì)盲元現(xiàn)象輕微不夠明顯、視覺對(duì)比不強(qiáng)烈的情形進(jìn)行判別,就需要一個(gè)確定的量化評(píng)價(jià)指標(biāo)來判斷圖像盲元的嚴(yán)重程度。因此需要建立評(píng)價(jià)指標(biāo)與評(píng)價(jià)準(zhǔn)則對(duì)圖像中的盲元進(jìn)行評(píng)價(jià),從而判斷紅外成像設(shè)備能否繼續(xù)正常工作。

3.1 羅曼諾夫斯基準(zhǔn)則[10]的應(yīng)用

評(píng)價(jià)指標(biāo)的建立是基于羅曼諾夫斯基準(zhǔn)則對(duì)粗大誤差的判別思想,來做出對(duì)圖像盲元程度的判別。假設(shè)前n次測量都是正常的,則有:

設(shè)有n個(gè)樣本測量值為x1,x2,…，xn,假設(shè)測量值xn+1為可疑數(shù)據(jù),計(jì)算前n項(xiàng)平均值為：

(5)

并求得測量列的標(biāo)準(zhǔn)差:

(6)

由n和顯著度α查表2可得檢驗(yàn)系數(shù)K(n,α)。若:

(7)

(8)

表2 t分布表

3.2 紅外成像設(shè)備盲元測試

3.2.1 測試原理

盲元測試是在實(shí)驗(yàn)室通過判斷紅外成像設(shè)備所成的方形靶標(biāo)圖像的盲元情況來判斷紅外成像設(shè)備的盲元情況。選擇靶標(biāo)為溫度可調(diào)節(jié),且可以在任一溫度下保持恒定狀態(tài),即靶標(biāo)所成圖像是均勻背景圖像。控制靶標(biāo)在四個(gè)不同溫度,分別在每個(gè)溫度下捕捉待測試設(shè)備所成圖像,通過圖像采集卡獲取這四幅圖像,利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理,流程如圖6所示。

圖6 盲元測試流程圖

測試過程分為三步:

(1)將靶標(biāo)設(shè)定四個(gè)溫度,分別獲取待測設(shè)備所成紅外圖像；

(2)對(duì)圖像進(jìn)行盲元檢測,計(jì)算盲元率；

(3)計(jì)算四幅圖像盲元率均值,判斷成像設(shè)備的盲元程度。

3.2.2 盲元檢測

采用2.3節(jié)提出的盲元檢測算法對(duì)正常工作的紅外成像設(shè)備進(jìn)行盲元檢測,統(tǒng)計(jì)盲元個(gè)數(shù),計(jì)算盲元率,過程如下:

圖7 不同溫度下盲元檢測結(jié)果

序號(hào)N1N2N3N4Ni10．410．410．420．430．41820．530．510．520．510．51830．420．440．420．420．42540．410．430．430．420．42350．420．430．440．430．43060．410．420．430．410．41870．470．450．480．430．45880．510．520．510．510．51390．440．480．470．420．453100．500．530．540．520．523

3.2.3 評(píng)價(jià)準(zhǔn)則與評(píng)價(jià)指標(biāo)的建立

由式(8)判定Nn+1值,即:

可求得:

Nn+1>0.565

(9)

即待測設(shè)備紅外成像的盲元率滿足式(9)時(shí),可判定該紅外成像設(shè)備不達(dá)標(biāo)。

3.3 對(duì)幾種特殊分布盲元的討論

3.2節(jié)研究了紅外成像設(shè)備盲元測試技術(shù),通過對(duì)紅外圖像進(jìn)行盲元檢測,計(jì)算出盲元率,并與評(píng)價(jià)指標(biāo)相比較,從而判別紅外成像設(shè)備的盲元程度,進(jìn)而判斷紅外成像設(shè)備能否繼續(xù)使用,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,不適用于下面幾種特殊情況。

(1)IRFPA中間存在塊狀盲元、線形盲元或盲元集中的情況,如圖8(a)、(b)、(c)所示。

(2)IRFPA邊緣存在盲元的情況,如圖8(d)所示。

圖8 幾種特殊分布形式盲元

第一種特殊情況主要是針對(duì)紅外弱小目標(biāo),或者紅外目標(biāo)與紅外成像系統(tǒng)相距較遠(yuǎn),此時(shí)紅外目標(biāo)被完全壓縮在紅外圖像的幾個(gè)分辨單元內(nèi)。由文獻(xiàn)[11]得出的結(jié)論:當(dāng)捕獲概率為50%時(shí)目標(biāo)圖像占有的像素?cái)?shù)為(4±1)個(gè),當(dāng)捕獲概率為90%時(shí)目標(biāo)圖像占有的像素?cái)?shù)為(6±1)個(gè),因此捕獲目標(biāo)時(shí),其最小像素不能小于3個(gè),最佳捕獲目標(biāo)圖像為5個(gè)到7個(gè)像素,小于這個(gè)最佳個(gè)數(shù),捕獲目標(biāo)概率就會(huì)相當(dāng)?shù)?。如果IRFPA中間存在連續(xù)盲元,則很有可能將目標(biāo)掩蓋,將會(huì)影響紅外制導(dǎo)武器對(duì)目標(biāo)的檢測；對(duì)于第二種特殊情況,因?yàn)榧t外目標(biāo)出現(xiàn)在紅外探測器搜索試場的中心,所以IRFPA邊緣的盲元基本不會(huì)影響到對(duì)目標(biāo)的檢測與識(shí)別。在這兩種情況下不管待測成像設(shè)備的盲元率是否滿足評(píng)價(jià)準(zhǔn)則,都要單獨(dú)對(duì)其進(jìn)行判斷。

4 結(jié) 語

針對(duì)紅外制導(dǎo)武器探測器存在盲元的問題,本文對(duì)TMOE盲元檢測算法進(jìn)行了改進(jìn),對(duì)濾波窗口下的盲元分布形式進(jìn)行了討論,對(duì)連續(xù)盲元提出基于時(shí)域平均和空域均值野值提取的盲元檢測算法,對(duì)連續(xù)盲元具有較好的檢測效果,實(shí)現(xiàn)了盲元位置的確定,并通過仿真實(shí)驗(yàn),驗(yàn)證了本文檢測算法的有效性和合理性。通過對(duì)紅外成像設(shè)備成像中盲元的不同類型及其分布特點(diǎn)進(jìn)行了歸納匯總,找出了表征圖像盲元程度的參量,即盲元率,并從統(tǒng)計(jì)學(xué)角度出發(fā),根據(jù)羅曼諾夫斯基準(zhǔn)則,提出了紅外成像系統(tǒng)盲元的測試方法,建立紅外成像設(shè)備盲元程度的評(píng)價(jià)準(zhǔn)則和評(píng)價(jià)指標(biāo)。

參考文獻(xiàn):

[1] XU Shiwei,WEI Dong,WANG Dapeng,et al.Blind pixel detection and compensation for infrared liner detector[J].Infrared and Laser Engineering,2014,43(11):3621-3626.(in Chinese)

徐世偉,魏東,王大鵬,等.紅外線陣探測器盲元定位與補(bǔ)償[J].紅外與激光工程,2014,43(11):3621-3626.

[2] REN Jianle,CHEN Qian,QIAN Weixian,et al.Mu-ltiframe registration based adaptive nonuniformity correction algorithm for infrared focal plane arrays[J].J.Infrared Millim.Waves,2014,33(2):122-128.

[3] LENG Hangong,GONG Zhendong,XIE Qingsheng,et al.Adaptive blind pixel detection and compensation for IRFPA based on fuzzy median filter[J].Infrared and Laser Engineering,2015,44(3):821-826.(in Chinese)

冷寒冰,宮振東,謝慶勝,等.基于模糊中值的IRFPA自適應(yīng)盲元檢測與補(bǔ)償[J].紅外與激光工程,2015,44(3):821-826.

[4] AN Guangqi,ZHAO Yan,ZHANG Haifeng.Blind pixel detection and compensation on infrared detector[J].Aero Weaponry,2016,3(12):54-58.(in Chinese)

安廣齊,趙剡,張海峰.紅外探測器盲元檢測及補(bǔ)償[J].航空兵器,2016,3(12):54-58.

[5] KAN Bohan,YIN Jinjian,LI Lingjie,et al.IR blind pixels detection algorithm based on adjustable threshold window[J].Laser & Infrared,2014,44(8):949-952.(in Chinese)

闞博涵,殷金堅(jiān),李凌杰,等.基于可調(diào)閾值窗口的紅外盲元檢測算法[J].激光與紅外,2014,44(8):949-952.

[6] ZHANG Honghui,LUO Haibo,YU Xinrong,et al.Blind-pixel detection algorithm for IRFPA by applying pixel′s characteristics histogram analysis[J].Infrared and Laser Engineering,2014,43(6):1807-1811.(in Chinese)

張紅輝,羅海波,余新榮,等.采用特征直方圖的紅外焦平面陣列盲元檢測方法[J].紅外與激光工程,2014,43(6):1807-1811.

[7] LI Zhaolong,HAN Yulong.Blind pixel detection and correction of IR imaging based on scene[J].Laser & Infrared,2017,47(4):465-469.(in Chinese)

李召龍,韓玉龍.基于場景的紅外成像系統(tǒng)盲元檢測及校正[J].激光與紅外,2017,47(4):465-469.

[8] HAO Lichao,HUANG Aibo,LAI Canxiong,et al.Discussion of reliability analysis on IRFPA by bad pixel[J].Infrared and Laser Engineering,2016,45(12):0504004.(in Chinese)

郝立超,黃愛波,賴燦雄,等.盲元作為紅外焦平面可靠性分析手段的探討[J].紅外與激光工程,2016,45(12):0504004.

[9] LI Zhaolong,Shen Tongsheng,Lou Shuli.Scene based nonuniformity correction based on bilateral filter with reduced ghosting[J].Infrared Physics & Technology,2016,77:360-365.

[10] LV Junwei,CHEN Yuhua,SONG Qingshan.Method of distortion of infrared equipments imaging based on image processing[J].Journal of Ordnance Equipment Engineering,2016,37(1):9-14.(in Chinese)

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),2016,37(1):9-14.

[11] LV Junwei,HE Youjin,HAN Yanli.Principle of photoelectric tracking measurement[M].Beijing:National Defense Industry Press,2010:148-149.(in Chinese)

呂俊偉,何友金,韓艷麗.光電跟蹤測量原理[M].北京:國防工業(yè)出版社,2010:148-149.