[发明专利]基于三边滤波和神经网络的红外图像非均匀性校正方法

权利要求书

1.一种基于三边滤波和神经网络的红外图像非均匀性校正方法，其特征在于，该方法为：依次载入原始红外图像序列中第n帧原始红外图像作为当前帧图像，确定所述当前帧图像的第i行第j列像元校正后的灰度值通过快速三边滤波算法对第n帧原始红外图像进行处理，根据当前帧的像元x邻域τ内的像素获得像元x的期望值qⁿ(x)，根据所述当前帧图像的第i行第j列像元x的期望值与第i行第j列像元校正后的灰度值之间的偏差，沿着梯度下降最陡的路径，通过具有自适应性的迭代步长更新获得第n+1帧原始红外图像第i行第j列像元对应位置的像元增益参数和像元偏置参数通过所述像元增益参数和像元偏置参数对第n+1帧原始红外图像进行校正；

该方法还包括：将原始红外图像的像元增益参数矩阵的初始值设为全1矩阵，同时将对应原始红外图像的像元偏置参数矩阵的初始值设为全0矩阵；

所述确定所述当前帧图像的第i行第j列像元校正后的灰度值即神经网络的输出层结果，具体为：通过非均匀性的线性校正模型可以计算得到当前帧图像第i行第j列像元校正后的灰度值其中，表示第n帧原始红外图像第i行第j列像元的灰度值，构成神经网络的输入层，和分别表示第n帧原始红外图像第i行第j列的像元增益参数和像元偏置参数；

所述通过快速三边滤波算法对第n帧原始红外图像进行处理，根据当前帧的像元x邻域τ内的像素获得像元x的期望值qⁿ(x)，具体为：采用快速三边滤波算法对第n帧原始红外图像In(x)进行处理，根据当前帧图像的像元x邻域τ内的像素计算得到像元x的期望值qⁿ(x)，进而构建神经网络的隐含层

式中w(δ,x)为快速三边滤波的权重，k(x)为归一化系数,Σ表示累加求和操作；

所述根据当前帧的像元x邻域τ内的像素获得像元x的期望值qⁿ(x)，具体通过以下步骤实现：

步骤301：确定以第n帧原始红外图像的第i行第j列的像元为中心的3×3模板内的邻域方差：

其中，I(x)表示第n帧原始红外图像像元x的灰度值，I(δ)表示以第n帧原始红外图像像元x为中心的3×3邻域内像元δ的灰度值；

步骤302：根据邻域像素灰度方差σ²的大小，快速三边滤波的权重w(δ,x)采用不同的权值函数，表达式如下：

式中，t为选定的阈值，t的值设定为0.05；w_d(δ,x)为空间距离权值函数，表示为w_r(δ,x)为灰度相似性权值函数，表示为w_s(δ,x)为结构相似性权值函数，表示为其中，σ_d、σ_r和σ_s分别表示空间域、灰度域和梯度域的高斯标准差，表示图像的梯度。

2.根据权利要求1所述的基于三边滤波和神经网络的红外图像非均匀性校正方法，其特征在于，所述通过具有自适应性的迭代步长更新获得第n+1帧原始红外图像第i行第j列像元对应位置的像元增益参数和像元偏置参数具体为：将神经网络的隐含层得到的期望值反馈到神经网络的校正层，通过最陡下降法进行迭代更新，使得期望值与校正值的偏差最小，迭代计算公式分别为：

3.根据权利要求2所述的基于三边滤波和神经网络的红外图像非均匀性校正方法，其特征在于，所述具有自适应性的迭代步长通过以下步骤确定：

步骤501：确定以第n帧原始红外图像的第i行第j列的像元为中心的3×3的邻域τ在相邻帧的变化量：

其中，和分别表示第n帧原始红外图像第i行第j列像元的灰度值和第n+1帧原始红外图像第i行第j列像元的灰度值；

步骤502：根据邻域τ在相邻帧的变化量和灰度邻域标准差可以计算得到具有自适应的迭代步长表达式如下：

式中，z为选定的阈值，z的值设定为1；c为允许的最大迭代步长，c的值设定为0.03；表示在第n帧原始红外图像第i行第j列像元处的迭代步长；为像素的灰度邻域方差。