[发明专利]利用加权微分约束的红外条纹非均匀性校正方法

说明书

技术领域

本发明涉及图像处理技术，尤其涉及一种利用加权微分约束的红外条纹非均匀性校正方法。

背景技术

随着红外探测技术的发展，红外技术的应用也日益广泛，在军事、工业、科技等各个领域占有举足轻重的地位。基于焦平面阵列设计的红外成像系统的图像传感器，由于材料和制造工艺使每个像素的电路存在着差异，输出信号也不一致，从而不可避免地产生了一种噪声。这种噪声使红外焦平面探测器的呈现非均匀性，是红外焦平面探测器的主要噪声。这种噪声最常见的特征是条纹状，也称非均匀性条纹。为了提高成像系统对目标的成像探测能力，需要对非均匀性进行校正。

非均匀性校正方法一般采用基于定标的校正方法，包括一点定标校正、两点和多点定标校正等。基于定标的校正方法需要将系统相对标准源进行比对，去除红外焦平面探测器及其系统参数漂移的影响。这种方法简单易于实施，但需要参考辐射源，增加了系统的复杂性和工作流程，降低了可靠性。

发明内容

本发明解决的问题是提供一种利用加权微分约束的红外条纹非均匀性校正方法，能快速进行图像校正。

为解决上述问题，本发明实施例提供了一种利用加权微分约束的红外条纹非均匀性校正方法，包括：建立红外图像校正模型的代价函数；获得加权矩阵；利用所述加权矩阵对代价函数进行约束；利用拉格朗日定理获得优化方程，利用优化方程获得代价函数的最优解。

可选的，根据红外图像的微分概率分布，通过最小化图像x方向或y方向的梯度，保持另一方向的梯度，获得加权矩阵。

可选的，当最小化图像x方向的梯度时，所述加权矩阵为当最小化图像y方向的梯度时，所述加权矩阵为其中β和ε是两个常量参数，和是一阶微分算子，Y为待校正的图像。

可选的，根据贝叶斯推论，以及最大化后验概率等效于最小化代价函数原理，获取校正模型。

可选的，当最小化图像x方向的梯度，保持y方向的梯度不变时，所述校正模型具体为所述校正模型的代价函数为其中λ是常量参数，W_x为加权矩阵，和为一阶微分算子，X为校正后的图像，Y为待校正的图像。

可选的，代价函数的最优解为

可选的，当最小化图像y方向的梯度，保持x方向的梯度不变时，所述校正模型具体为所述校正模型的代价函数为其中λ是常量参数，W_y为加权矩阵，和为一阶微分算子，X为校正后的图像，Y为待校正的图像。

可选的，代价函数的最优解为

可选的，所述优化方程为

与现有技术相比，本技术方案具有以下优点：

根据图像中灰度的梯度信息特异性，构造校正模型，并利用加权矩阵对校正模型进行约束，并通过优化最终实现红外条纹非均匀性的校正。只要输入一幅非均匀性图像，即可快速得到非常好的校正结果，校正速度快。

附图说明

图1是本发明实施例的利用加权微分约束的红外条纹非均匀性校正方法的流程示意图；

图2、3是本发明一个实施例的校正效果示意图。

具体实施方式

由于噪声会在红外图像中产生非均匀性条纹，红外图像中的非均匀性噪声表现为图像中灰度的梯度信息特异性，即使得图像出现竖直（列方向—y方向）条纹，从而导致图像在水平方向（行方向—x方向）梯度变化大而竖直方向基本不变；或者出现水平（行方向—x方向）条纹，从而导致图像在竖直方向（列方向—y方向）梯度变化大而水平方向基本不变。因此对条纹非均匀性的校正方法为：保持y方向或x方向梯度，最小化另一方向梯度，并根据红外图像的微分概率分布，引入加权矩阵，构造完成加权微分约束的红外条纹非均匀性校正模型的代价函数，并优化后获得代价函数的最优解。

下面结合附图，通过具体实施例，对本发明的技术方案进行清楚、完整的描述。

请参考图1，为本发明实施例的利用加权微分约束的红外条纹非均匀性校正方法的流程示意图，包括：

步骤S101，建立红外图像校正模型的代价函数；

步骤S102，获得加权矩阵；

步骤S103，利用所述加权矩阵对代价函数进行约束；

步骤S104，利用拉格朗日定理获得优化方程，利用优化方程获得代价函数的最优解。