時(shí)域高通濾波非均勻性校正算法研究

　　時(shí)域高通濾波非均勻性校正是一種典型的基于場(chǎng)景的紅外焦平面陣列非均勻性校正算法，但其易產(chǎn)生“鬼影”現(xiàn)象，影響校正效果

　　實(shí)現(xiàn)紅外焦平面陣列非均勻性自適應(yīng)校正是紅外探測(cè)系統(tǒng)研究中追求的重要目標(biāo)，對(duì)提高紅外探測(cè)系統(tǒng)的空間分辨率、溫度分辨率、探測(cè)距離以及輻射量的正確度量具有重要意義。分析基于時(shí)域高通濾波的紅外焦平面自適應(yīng)非均勻校正算法的視覺(jué)神經(jīng)機(jī)制以及濾波器的幅頻特性。通過(guò)對(duì)實(shí)際紅外圖像的實(shí)驗(yàn)，提出正確選取時(shí)間常數(shù)是影響該校正方法最重要的因素。

　　時(shí)域高通濾波算法

　　ＩＲＦＰＡ探測(cè)單元的響應(yīng)特性隨時(shí)間變化很緩慢，所以非均勻性在短時(shí)間內(nèi)可以認(rèn)為是不變的，即屬于低頻成分；而場(chǎng)景中相對(duì)運(yùn)動(dòng)較快的目標(biāo)則屬于高頻成分．基于此機(jī)理，時(shí)域高通濾波（Ｔｅｍｐｏｒａｌ Ｈｉｇｈ ＰａｓｓＦｉｌｔｅｒｉｎｇ，ＴＨＰＦ）非均勻性校正（Ｎｏｎ ＵｎｉｆｏｒｍｉｔｙＣｏｒｒｅｃｔｉｏｎ，ＮＵＣ）算法通過(guò)濾除場(chǎng)景中大部分低頻成分，從而實(shí)現(xiàn)非均勻性校正．整個(gè)校正過(guò)程可以看成是一個(gè)時(shí)域上的高通濾波，即

　　式中，Ｍ為根據(jù)截止頻率而預(yù)先設(shè)定的時(shí)間常量，ｘ（ｎ）為第ｎ幀的輸入，ｆ（ｎ）為第ｎ幀的低通輸出，ｙ（ｎ）為校正后輸出

　　“鬼影”分析

　　ＴＨＰＦ算法易于并行實(shí)時(shí)實(shí)現(xiàn)，但其不足之處在于要求場(chǎng)景與成像系統(tǒng)之間存在相對(duì)運(yùn)動(dòng)，且場(chǎng)景中過(guò)亮或過(guò)暗的區(qū)域?qū)πＵ齾⒘坑绊戄^大

　　如果場(chǎng)景長(zhǎng)時(shí)間處于靜止?fàn)顟B(tài)，則會(huì)被認(rèn)為是ＦＰＮ，從而被濾除．而靜止的場(chǎng)景開(kāi)始運(yùn)動(dòng)，就會(huì)在校正后圖像的原位置留下一個(gè)反轉(zhuǎn)的圖像，從而形成“鬼影”．另外，由于算法中的低通濾波圖像是通過(guò)遞歸方式求得，因此如果某些場(chǎng)景的亮度較高，即使其停留時(shí)間很短也會(huì)對(duì)校正參量產(chǎn)生很大的影響，從而引起“鬼影”．

　　在ＴＨＰＦ－ＮＵＣ過(guò)程中，通常使用整幅圖像來(lái)進(jìn)行校正參量估計(jì)，然而圖像中的大量場(chǎng)景信息，尤其是過(guò)亮或過(guò)暗的區(qū)域，容易影響其它部分的估計(jì)參量．例如，當(dāng)一個(gè)高亮度目標(biāo)進(jìn)入場(chǎng)景后，目標(biāo)區(qū)域的校正系數(shù)會(huì)明顯增大；而當(dāng)目標(biāo)離開(kāi)后，使得該位置上的估計(jì)參量與實(shí)際值之間會(huì)有較大偏差，從而引起“鬼影”．由此可知，在ＴＨＰＦ－ＮＵＣ過(guò)程中，大量不相關(guān)場(chǎng)景的存在是產(chǎn)生“鬼影”的最主要原因

　　對(duì)該算法的一種改進(jìn)方法是先將低頻場(chǎng)景信息從原圖中濾除，再利用其高頻成分來(lái)估計(jì)非均勻性參量．這樣可降低非隨機(jī)運(yùn)動(dòng)和過(guò)亮或過(guò)暗區(qū)域?qū)Ψ蔷鶆蛐詤⒘康牟焕绊?，從而在一定程度上抑制“鬼影”現(xiàn)象．由此，這種改進(jìn)最重要的是選擇一種合適的預(yù)處理方法來(lái)預(yù)先較好地分離圖像的高頻成分和低頻成分．

　?。眩椋幔钐岢龅模危眨盟惴ㄊ紫炔捎镁禐V波來(lái)分離圖像，其中低頻成分包含大部分場(chǎng)景信息，高頻成分則包含大部分噪音，然后再利用高頻成分進(jìn)行校正參量估計(jì)．該算法中的難點(diǎn)在于確定濾波閾值，且校正后的圖像仍易存在類似光暈的“鬼影”．針對(duì)這個(gè)問(wèn)題，Ｚｕｏ提出了基于雙邊濾波的ＮＵＣ算法（ＢＦＴＨ）．其主要思想是用雙邊濾波分離圖像，并將其高頻成分用于參量估計(jì)．該方法能夠在降低非均勻性的同時(shí)保留背景并減少“鬼影”，然而ＢＦＴＨ校正后圖像在邊緣部分仍然存在“鬼影”現(xiàn)象，而且目標(biāo)區(qū)域亮度變低．分析雙邊濾波分離出的高頻成分，可以看出其除了噪音和非均勻性之外，仍有較多的邊界信息，這是導(dǎo)致圖像邊緣部分“鬼影”現(xiàn)象產(chǎn)生的一個(gè)主要原因

　　時(shí)域高通濾波校正算法的視覺(jué)神經(jīng)機(jī)制

　　時(shí)域高通濾波校正算法模仿人眼中光感受器、水平細(xì)胞和雙極細(xì)胞之間的信號(hào)處理關(guān)系，提出運(yùn)用原始信號(hào)與對(duì)應(yīng)的低通濾器之差構(gòu)造高通濾波器來(lái)對(duì)圖像進(jìn)行校正處理。

　　景物在人眼視網(wǎng)膜上所成的像通過(guò)一組光感受器傳入視覺(jué)系統(tǒng)，這些光感受器可以使神經(jīng)中樞接收并處理信息，。參照人眼視覺(jué)神經(jīng)細(xì)胞提出了模型，其原理如圖1所示：

　　其中，水平細(xì)胞就像一個(gè)低通濾波器，它們把光接收器的響應(yīng)結(jié)合成低頻偏壓給雙極細(xì)胞。雙極細(xì)胞在內(nèi)部中心層，接收來(lái)自水平細(xì)胞和光感受器傳來(lái)的信號(hào)。然后對(duì)光感受器和水平細(xì)胞的信號(hào)做差運(yùn)算，光感受器得到的初始信號(hào)，水平細(xì)胞得到的是低頻信號(hào)，兩者做了差運(yùn)算后雙極細(xì)胞的輸出值就是時(shí)城上高通濾波的結(jié)果，

　　濾波器的構(gòu)造

　　考慮目標(biāo)背景雜波的紅外焦平面陣列圖像的非均勻校正。陣列元的響應(yīng)特性隨時(shí)間緩慢的變化和陣列元內(nèi)部的1/f噪聲都集中在低頻部分，目標(biāo)相對(duì)于雜波背景在像平面上具有較大的運(yùn)動(dòng)速度，因此目標(biāo)信號(hào)具有相當(dāng)?shù)母哳l能量而背景雜波，如云層等因素在像平面上的移動(dòng)速度很小或相對(duì)因而表現(xiàn)為低頻分量。因此采用高通濾波方法可以在實(shí)現(xiàn)非均勻校正的同時(shí)達(dá)到突出目標(biāo)的目的［6，7］?？梢栽O(shè)計(jì)出多種高通濾波器，處于減少存儲(chǔ)量的考慮，我們采用如下形式的高通濾波器：

　?。?）式中，M為預(yù)先設(shè)定的時(shí)間常數(shù)，xij （n）為探測(cè)元（i，j）第n幀圖像非均勻校正前的原始輸出，而f，（n）為其低通濾波輸出結(jié)果，y，（n）為該探測(cè)元時(shí)域高通濾波非均勻校正后的輸出結(jié)果

　　當(dāng)T=1時(shí)，取不同的M 值會(huì)得到不同的截至頻率，其曲線圖如圖3所示隨著M的不斷增大，截至頻率jf不斷減小，也即是當(dāng)M值增大時(shí)，該時(shí)域高通濾波系統(tǒng)的通頻范圍不斷增大，更多頻率的信號(hào)可通過(guò)該濾波系統(tǒng)

　　時(shí)域高通濾波器幅頻特性分析

　　時(shí)域高通濾波器性能分析

　　通過(guò)以上公式，可以看出，當(dāng)M取無(wú)窮大時(shí)那么，此時(shí)若取f，（0）=x;（1）f;（n）=f; （0）。（非均勻校正前圖像序列的第一幀），則時(shí)域高通濾波算法變?yōu)椋簓i;（n）=xi;（n）-xi，（1），即為每一幀都和第一幀相減，得到校正結(jié)果，若第一幀設(shè)為背景幀，此法即為減背景法

　　時(shí)域高通濾波校正算法與減背景校正算法的校正結(jié)果（M=20，200，400，700），圖像序列共700幀，選取了其中兩幀（幀號(hào)為533，536）結(jié)果進(jìn)行說(shuō)明，非均勻校正前的原始圖像分別為（al）- （b1）; （a2）- （b2）為M=20時(shí)域高通濾波校正的結(jié)果，由于位于第533 幀之前的20幀圖像中，手機(jī)幾乎處于靜止?fàn)顟B(tài)，而從533幀開(kāi)始移動(dòng)，隨后的幾幀圖像（a2）- （b2）中，在之前手機(jī)靜止位置留下了“鬼影（a3）- （b3）為M=200時(shí)域高通濾波校正的結(jié)果，其中存在同樣存在“鬼影問(wèn)題”，但“鬼影”區(qū)域的灰度值已變的很小，（a4）- （b4）為M=400時(shí)域高通濾波校正的結(jié)果，此時(shí)由于M值較大，當(dāng)前幀校正結(jié)果與之前相鄰幀的關(guān)系不大，更多的是受序列第一幀的影響，因此幾乎不存在“鬼影”問(wèn)題，得到較好的校正效果; （a5）- （b5）為序列圖像減去第一幀背景圖像的結(jié)果，此方法可以對(duì)偏移響應(yīng)非均勻性進(jìn)行校正，但無(wú)法對(duì)增益非均勻性進(jìn)行校正，圖中的部分固定圖案噪聲無(wú)法消除。從以上的實(shí)驗(yàn)結(jié)果可以看出，時(shí)域高通濾波算法校正效果很大部分取決于M值的選取，而M值的選取需要根據(jù)實(shí)際圖像序列進(jìn)行調(diào)整，這樣對(duì)硬件實(shí)現(xiàn)帶來(lái)一定的困難