基于長線列探測器的圖像非均勻性研究與校正*

徐 敏，趙毅強，劉文娟

（天津大學電子信息工程學院，天津 300072）

0 引言

光電探測器作為成像系統中最重要的一部分，它是將入射的光信號轉變成電信號輸出的器件。光電探測器主要包括可見光探測器與紅外探測器。其中，紅外探測器探測距離遠、抗干擾能力強，穿透煙塵、霧、霾能力強，可以全天候、全天時工作，應用極為廣泛［1］。目前，紅外探測器主要有線列式和面陣式2種，相比于面陣探測器，線列探測器的成本較低，制備方法成熟，經過拼接可以達到上千元的線陣，且大都安裝在飛機或衛星遙感平臺上，在推掃式運動中可以獲得高分辨率的圖像，故特別適用于航空航天、工業控制和醫療領域。

理想情況下，線列探測器各光敏元的響應一致，即對于同一光照強度或者溫度，各個光敏元響應的灰度值相同，形成的圖像是連續的、均勻的。實際上，由于制作工藝的偏差，各個光敏元響應情況不一致，對應的響應函數也各不相同。另外，由于存在隨機噪聲，光敏元的響應曲線并不是固定不變的，線列探測器結構在純色背景下，圖像會有明顯的水平紋理［2，3］。

1 非均勻性校正算法

1．1 多點校正算法

目前，國內外成像系統常采用兩點校正法進行圖像校正，是在不考慮響應曲線隨機性，而且各光敏元的響應特性在所感興趣的光照強度或溫度范圍內保持線性的前提下進行的。然而，光敏元的響應曲線往往只是在中段具有較好的線性度，在兩端的線性度較差，參數特性本身也隨時間和環境變化［4，5］。為了更準確反映光敏元的響應情況，提高校正算法的精度，本文使用多點校正法。多點校正算法是在兩點校正法的基礎上進行改進的一種算法。

對于紅外探測器，在進行多點校正過程中，使用均勻輻射的黑體對線列圖像傳感器進行定標，測得各個光敏元隨黑體輻射通量的灰度響應曲線，如圖1示意，并依此確定響應函數

其中，k為光敏元的編號，xi為黑體輻射通量，ykxi為光敏元k響應的灰度值。光敏元的理想響應曲線S的響應函數為

對于實測的景物，各光敏元的灰度值ykxi根據響應函數式（1）可以得出其對應的黑體輻射通量值xi=F－1k（ykxi），根據標準響應曲線S的函數式（2）得到當前光敏元k的校正后灰度值yxi=AF－1k（ykxi）+B，用新得到的灰度值代替實測的灰度值ykxi完成圖像多點校正。溫度定標點越多，響應曲線越精確，校正效果越好。

圖1 光敏元響應曲線Fig 1 Response curves of photosensitive elements

1．2 基于輪廓提取的圖像平滑算法

圖像的常見噪聲包括加性噪聲和乘性噪聲等。圖像中的噪聲往往和信號交織在一起，尤其是乘性噪聲，采用一般的圖像平滑算法，雖可以提高紅外圖像的均勻性，但是圖像本身的細節，如輪廓、線條也變得模糊不清。本節采用一種改進的圖像平滑方法，在保證圖像本身細節的基礎上，能夠提高圖像的均勻性。

1．2．1 檢測圖像中有效的輪廓

邊緣（輪廓）是指圖像局部亮度變化最顯著的地方，其意味著一個區域的終結和另一個新區域的開始。通常，沿邊緣走向的灰度變化平緩，而垂直于邊緣走向的灰度變化劇烈，邊緣處的灰度剖面可以看作是一個階躍，可以使用求導數的方式對其進行檢測，如圖2所示。

圖2 邊緣求導示意Fig 2 Derivation of edge

在數學中，這種灰度值變化引起的階躍可用梯度來表示，而對階躍變化求一階導數的過程，即是用梯度算子進行卷積運算的過程［6］。邊緣檢測中常用的算子有Robets交叉算子、Prewitt算子、Sobel算子等。

物體的輪廓、邊緣越明顯，通過各向同性Sobel算子卷積得到的新灰度值越大。這樣，可以設定一個有效輪廓灰度閾值，確定當前圖像有效輪廓像素點的位置，而對非有效輪廓的區域進行均勻性處理。

1．2．2 非有效輪廓部分的均勻性處理

由于一副圖像的大部分像素的灰度和臨近像素的灰度差別不大，存在很大的灰度相關性，這就導致了圖像的能量主要集中于低頻區域，只有圖像的細節部分的能量處于高頻區域中，而圖像噪聲和假輪廓往往出現在高頻區域中［7］。如果只是對非有效輪廓部分使用低通濾波器進行均勻性校正，既能保證圖像的主要細節，又能很好地提高圖像整體的均勻性，消減圖像的水平紋理。

本文采用時域的低通濾波器對圖像進行均勻性處理，其表達式為

2 實驗結果與分析

為了驗證圖像校正算法的有效性，搭建如圖3的成像系統，該系統包括精密轉臺、256元可見光線列探測器、讀出電路、FPGA采集系統以及PC機等。圖4是采用1．2．2節介紹的非均勻性校正算法處理的結果，其中，圖4（a）為原始照片，圖4（b）為使用各向同性Sobel算子提取出來的輪廓，分析圖4（b）可知，設定有效輪廓閾值為50，標記灰度值低于50的像素點位置，并對這些非有效輪廓區域進行低通濾波校正，圖4（c）為校正后的照片。從圖4（a），（c）對比可以看出:原始照片中的水平紋理得到很大的改善，而圖像的細節基本沒有損失。

圖3 線列成像系統Fig 3 Linear array imaging system

圖4 非均勻性校正效果Fig 4 Results of non-uniformity correction

3 結論

線列成像系統的圖像的非均勻性往往決定著成像系統的質量，本文首先分析了這種非均勻性產生的原因，基于其特點分析了多點校正算法，并結合輪廓提取算法和時域低通濾波器算法提出一種新的圖像均勻算法，從校正結果看，在保證圖像細節的基礎下，其非均勻性得到較大的改善。

為了更進一步提高均勻性效果，在邊緣檢測和非主要輪廓部分的均勻性處理上可以探索其他精度更高、處理效果更好的算法。

［1］ Dempsey R J，Davis D G，Buice R G，et al．Biological and medical applications of near infrared spectrometry［J］．Applied Spectroscopy，1996，50（2）:18 －34．

［2］ 王 鈺，陳 錢，殷德奎，等．實時紅外圖像非均勻性校正技術研究［J］．紅外與毫米波學報，1999，18（2）:151 －155．

［3］ 李言謹，危 峻，胥學榮．一種線陣紅外焦平面的圖像處理方法［J］．紅外與毫米波學報，2010，29（2）:91 －93．

［4］ 胡曉梅．紅外焦平面探測器的非均勻性與校準方法研究［J］．紅外與激光工程，1999，28（3）:9 －12．

［5］ 陳 銳，談新權．紅外圖像非均勻性校正方法綜述［J］．紅外技術，2002，24（1）:1 －3．

［6］ 郎 銳．數字圖像處理學Visual C++實現［M］．北京:北京希望電子出版社，2003:233－234．

［7］ 高守傳，姚領田．Visual C++實踐與提高—數字圖像處理與工程應用篇［M］．北京:中國鐵道出版社，2005:61－62．