[发明专利]IRFPA探测器非均匀响应的双边全变分正则化校正方法

说明书

技术领域

本发明涉及一种IRFPA探测器非均匀性校正方法，具体涉及一种将双边全变分正则化与校正参数回归估计相结合的IRFPA探测器非均匀性校正方法，属于数字信号处理技术领域。

背景技术

红外焦平面阵列探测器（简称IRFPA探测器）响应不均匀所引起的固定图案噪声已严重影响到IRFPA成像系统的信噪比、温度分辨率和空间分辨率。而消除固定模式噪声的最根本途径是在探测器制造过程中采用新的材料和工艺以提升各探测元响应的一致性，然而，新材料和工艺的开发需要大量的经费投入和较长的研究周期，难以满足工程应用对成像系统输出信噪比提升的迫切需求。鉴于此，将数字信号处理技术应用于修正IRFPA探测器的非均匀响应，确是一条见效快且效费比高的技术实现途径。

现存的IRFPA探测器非均匀响应校正方法主要有：参考辐射源定标校正法和场景自适应滤波校正法。

参考辐射源定标校正法利用参考辐射源为IRFPA探测器提供均匀辐照，通过对各探测单元的响应进行测量以计算出对应单元的校正参数，进而用于对探测器的实际场景辐照响应进行校正，此类方法由于在实际场景的校正过程中只需将已通过定标获取的校正参数直接用于计算校正输出，因此实时性高，但参考辐射源定标校正法的局限性在于无法自适应地更新校正参数。

场景自适应滤波校正法则利用当前场景辐照响应数据自适应地估计校正参数，并用于后续场景辐照响应的校正，此类方法不断地对校正参数进行迭代估计，不受器件工作状态变化引起参数漂移的影响，因此校正结果的时间稳定性好、精度高。鉴于此，在校正精度要求较高的应用中多采用基于场景的自适应滤波校正方法。

现有的各种基于场景的自适应校正方法中，采用参数回归估计的神经网络校正方法（Adaptive nonuniformity correction for IR Focal Plane Arrays Using Neural Networks,Infrared Sensors:Detectors,Electronics,and Signal Processing,SPIE,1991,Vol.1541,pp.100-109）较之其它方法具有校正效果好、稳定性高以及计算量小的优点。然而，在非均匀响应较为严重的情况下，该方法未能很好地解决伪影现象且对真实场景的结构信息保护欠佳。

综上前述，针对如何在有效保持场景细节信息的前提下消除探测器的非均匀响应，寻求一种可靠的方法对IRFPA非均匀响应进行自适应校正就显得尤为重要。

发明内容

本发明的目的在于将双边全变分正则化加入校正参数的回归估计过程，提出一种新颖的IRFPA探测器非均匀响应的双边全变分正则化校正方法，以减小校正后响应值与实际场景辐照值之间的偏差，进而提高IRFPA探测器的温度分辨率。

为了实现上述目标，本发明采用如下的技术方案：

一种IRFPA探测器非均匀响应的双边全变分正则化校正方法，其特征在于，将双边全变分正则化引入校正参数回归估计中，具体包括如下步骤：

（1）、IRFPA探测器采集得到t时刻的场景辐射观测值Y_t；

（2）、利用当前增益校正参数的估计值和偏置校正参数的估计值计算出当前场景辐射观测值Y_t的校正值

（3）、利用邻域平均法计算出当前场景的校正值的期望值T_t；

（4）、利用当前场景的校正值和期望值T_t，获得由保真项和双边全变分正则项构成的能量泛函E_t；

（5）、采用最陡下降优化方法求解能量泛函E_t最小化问题，获得t+1时刻的增益校正参数和偏置校正参数

（6）、根据t+1时刻的增益校正参数和偏置校正参数计算出t+1时刻IRFPA探测器场景辐射观测值Y_t+1的校正值

（7）、对IRFPA探测器采集到的后续场景辐射观测值Y_n依次执行步骤（3）到步骤（6），便可得到相应的校正值前述n≥t+2。

前述的方法，其特征在于，在步骤（2）和步骤（6）中，基于该时刻增益校正参数和偏置校正参数的场景辐射观测值Y的校正值的计算公式为：

前述的方法，其特征在于，在步骤（3）中，场景校正值的期望值T_t的计算公式为：