現有國產非制冷紅外探測器多采用擋板校正進行非均勻性校正，影響了紅外探測器的觀測效果與目標搜跟。

據麥姆斯咨詢報道，近期，湖北久之洋紅外系統股份有限公司的科研團隊在《光學與光電技術》期刊上發表了以“國產非制冷紅外探測器新型場景校正方法”為主題的文章。該文章第一作者為劉品偉，主要從事紅外技術方面的研究工作。

本文提出了基于國產非制冷紅外探測器的新型場景校正方法。該方法包含兩部分：第一部分是基于高頻非均勻性的場景校正；第二部分是基于低頻非均勻性的場景校正。通過對不同頻域非均勻性分別進行處理來去除探測器響應的非均勻性。

國產非制冷紅外探測器非均勻性分析

國產非制冷紅外探測器工作過程中，探測器的狀態參數會產生緩變，從而導致圖像非均勻性的變化。圖1所示是以黑體為目標的具有較強非均勻性的非制冷紅外圖像。

圖1 具有較強非均勻性的非制冷紅外圖像

非均勻性包括低頻非均勻性與高頻非均勻性兩部分。低頻非均勻性表現為全局灰度分布不均勻，在圖像中表現為平緩的明暗變化，如圖像四周與中心灰度值差別大，如圖2所示。低頻非均勻性主要是由探測器及鏡頭不同位置溫度變化不均勻引起的。高頻非均勻性表現為局部區域灰度值劇烈變化，在圖像中表現為亮暗點或條紋。高頻非均勻性主要是探測器的響應不均勻引起的，如圖3所示。

圖2 低頻非均勻性的三維顯示

圖3 9×9鄰域內高頻非均勻性的三維顯示

傳統的場景校正方式很少涉及對低頻非均勻性的消除，而對高頻非均勻性的消除容易產生“鬼影“等副作用，同時消除低頻與高頻非均勻性才能真正提高圖像質量。因此，本文將針對高頻與低頻非均勻性，采用不同的場景校正方法處理。

基于高頻非均勻性的場景校正

國產非制冷紅外探測器在工作過程中，隨著探測器整體溫度的變化，由于探測器響應的不均勻性，會出現較強的高頻非均勻性，具體在圖像上表現為散粒及細條紋，如圖4所示。

圖4 高頻非均勻性的不同類型

目前常用的場景校正算法有恒定統計法、時域高通濾波法、神經網絡校正算法、基于圖像配準的校正算法等。這些算法能夠在一定程度上根據場景的信息自適應地補償熱像儀的增益和偏置的漂移，但是在實際使用過程中，這類算法存在各種各樣的使用限制條件。以傳統的神經網絡場景校正算法為例，該算法要求場景信息不斷變化，否則會造成圖像退化或者模糊，并且如果圖像中存在較強邊緣信息，該算法容易導致圖像出現“鬼影”現象，嚴重影響圖像質量。

對此，提出了一種基于神經網絡的新型場景校正算法來消除圖像退化和“鬼影”現象。首先分析圖像退化與“鬼影”現象產生的原因。當原始圖像中存在較強的邊緣信息時，低通濾波會使邊緣信息產生損失，預測圖像會產生模糊失真現象。若場景保持靜止不動，隨著場景校正參數的不斷更新，圖像就會逐漸退化失真；若場景長期靜止后開始運動，圖像就會包含靜止圖像中損失的邊緣信息，也就是“鬼影”現象，如圖5所示。

圖5 傳統場景校正算法產生的“鬼影”現象

為了解決傳統場景校正算法存在的問題，提出了一種基于中值濾波的自適應場景校正算法。由于高頻非均勻性中包含大量的散粒非均勻性，同時為了更好地保留圖像的邊緣信息，該算法采用中值濾波作為濾波器，中值濾波半徑r = 2。同時采用時空聯合閾值作為校正判斷條件，選擇更新系數與校正區域。時空聯合閾值分為兩個閾值條件：時域連續運動條件與空域鄰域均勻性條件。針對高頻非均勻性的場景校正算法流程圖如圖6所示。

圖6 高頻非均勻性場景校正算法流程圖

分別用此算法與傳統神經網絡場景校正算法對原始圖像進行處理，比較兩種算法是否具有“鬼影”現象。將熱像儀靜止工作500幀后，觀察兩種方法處理后的運動圖像。可以看到，該算法基本沒有“鬼影”現象，而傳統算法“鬼影”現象嚴重。因此，該算法能夠有效地抑制“鬼影”現象。

圖7 本文方法與傳統神經網絡“鬼影”現象比較

基于低頻非均勻性的場景校正

高頻非均勻性去除后，圖像仍殘留有大量的低頻非均勻性。低頻非均勻性在非制冷探測器開始工作時較弱，隨著探測器及鏡頭溫度的變化，圖像的低頻非均勻性會逐漸增加，在圖像上表現為四角與中心灰度值差別較大。如圖8所示，可以看到，圖像灰度分布不均勻，四周有明顯的光圈，影響圖像觀感與圖像質量。

圖8 低頻非均勻性對圖像的影響

這里提出了一種基于時空聯合低頻濾波的場景校正方法，通過在時域和空域同時進行低通濾波，分離出圖像的固定低頻非均勻性并進行去除。

由于探測器輸出圖像的低頻非均勻性在短時間內位置保持不變，當圖像產生運動時，可以通過時域低頻濾波對低頻非均勻性進行分離去除，因此首先需要判斷場景是否處于運動中。這里仍采用上節提到的連續運動條件來判斷場景是否處于連續運動中。當場景處于連續運動時，采用基于自適應時間常數的時域低頻濾波來篩選圖像的低頻信息。

時域濾波結果包含低頻非均勻性與部分邊緣細節信息，因此還需要對在空域上進行低通濾波，以消除存在的邊緣信息細節，達到獲取低頻非均勻性的目的。采用均值濾波進行空域的低通濾波。

為了驗證此場景校正算法的效果，對僅處理高頻非均勻性的圖像與高頻低頻非均勻性均處理的圖像進行比較，如圖9所示。可以看到，此算法對低頻非均勻性有良好的處理效果，能夠有效地減少圖像四周與中央灰度差異較大的問題。

圖9 運動200幀后是否處理低頻非均勻性圖像對比

為進一步驗證此場景校正算法的效果，使用兩臺相同規格的紅外機芯，第一臺僅對高頻非均勻性進行處理，第二臺對高頻低頻非均勻性都進行處理，均在運動條件下連續工作1 h后，對同一溫度黑體成像，計算其圖像非均勻性。結果表明，僅處理高頻非均勻性的圖像非均勻性為2.3%，而對高頻低頻非均勻性都進行處理的圖像非均勻性為0.5%，該算法有利于提高輸出圖像的均勻性。

算法總體流程及效果圖

本文算法首先通過連續運動條件判斷場景是否處于連續運動中，若處于運動過程則分別更新高頻與低頻非均勻性處理模塊校正參數，然后進行非均勻性校正；否則直接進行非均勻性校正，整體流程如圖10所示，最終效果如圖11所示。

圖10 本文算法流程圖

圖11 最終校正輸出結果

結論

本文提出了一種基于非制冷紅外探測器的新型場景校正方法。首先通過改進的神經網絡場景校正方法濾除高頻非均勻性，在此基礎上通過時空聯合的低頻濾波去除低頻非均勻性，得到最終校正結果。該方法具有良好的校正效果，并且能夠有效地抑制“鬼影”現象，有利于非制冷紅外探測器的推廣應用。

審核編輯：劉清