焦平面偏振器非線性響應的非均勻性校正研究

任佳敏

（內蒙古科技大學包頭師范學院，內蒙古 包頭 014000）

隨著現代化社會的飛速發展，焦平面偏振器能夠通過廣角鏡頭獲得偏振空間分布的信息，可以根據光譜偏振信息獲得不同參數。基于偏振輻射模型分析探測器影響，能得到偏振成像儀輻射響應模型，包括空間雜散光的校正。同時，經過多參量補償校正后，能夠對偏振通道響應進行非均勻性校正。采用基于線性擬合的方式，能夠將其綜合誤差控制在標準范圍內[1]。為提升設備獲取原始數據的準確性，需要通過增加信噪比來完善補償，減少提取信號過程中的誤差。由于現有的焦平面偏振器非線性響應校正過程中采用的是較落后的校正方法，不能及時解決非線性響應中的重難點問題，誤差不斷增加，在不同波段的非均勻性校正的角度也設置不均，因此焦平面偏振器的綜合誤差變大。在暗電流校正過程中，無法實時定標在軌輻射，導致傳輸過程中的信號產生畸變，并且電力系統的傳輸結果不完整并產生偏差[2]，嚴重時影響設備的準確度，導致結果難以符合預期。因此該文以考慮焦平面偏振器非線性響應的非均勻性校正為研究對象，并結合實際情況進行試驗與分析。

1 非均勻性校正

1.1 非均勻性產生的原因

非均勻性是焦平面偏振器普遍存在的現象，其機理模型難以建立，而且不同類型、不同材料的焦平面偏振器缺陷的產生機理也不盡相同，因此很難建立統一完善的圖像非均勻性數學模型。對基于氧化釩材料的非制冷紅外焦平面探測器熱像系統而言，圖像的非均勻性主要來源于光學系統、微測輻射熱計陣列以及讀出電路3個部分。第一部分是光路的影響。第二部分是微測輻射熱計陣列各像元光、電、熱性能的差異，這也是最主要的圖像非均勻性來源。第三部分存在于采用CMOS工藝的讀出電路中。由于工藝限制，電容、電阻都會在一定的范圍內波動，布線的長度、寬度等都不一致，從而導致讀出電路的各項指數積分時間、電壓強度、信號時延和放大倍數等存在差異。紅外圖像的非均勻性是三者共同作用累加的結果。

含焦平面偏振器的紅外探測器的探測機理決定紅外圖像信號的微弱特性，在室溫下，人體的圖像信號只有整個動態范圍的3%～5%，肉眼很難察覺目標引起的紅外圖像變化，因此需要對紅外圖像進行增強，以適應人眼的視覺習慣，同時智能的圖像增強算法還可以根據背景與目標的特點進行實時調節。因此，紅外熱圖像無一例外均需要通過非均勻性校正、盲元補償和圖像增強3個基本步驟的預處理才能轉換為人眼所能識別的圖像。

1.2 焦平面偏振器非線性響應結構設計

通過焦平面偏振器進行輻射調制。受環境影響時，設備在正常運行中會產生非線性響應。非線性問題能夠將輻射轉換成可測量的電信號[3]。偏振器元件間存在差異，需要加入調節設計，對電路進行非均勻性校正。在共源電流中形成補償電路，根據一定比例對支路電流進行等比例補償，以控制對電流放大器的反饋結構，從而使反饋結構產生校正電流，獲得穩定的輸出信號。其中，非均勻性校正電路原理圖如圖1所示。

圖1 非均勻性校正原理圖

根據具體的非均勻性校正電路，設定電壓模擬信號，按照R0～R3的順序形成補償電流，添加傳送門，傳輸直流電流中的電流信號[4]。設定測試信號，測試斷路器開關的能力。在明盲像元電路中，根據模擬信號在電流中的有效流通，判斷開關是否進行關斷。如果為有效信號，無須關斷。通調整像元支路電流值，按照行為進行開關調整，能夠有效調控電流值。設定像元調節偏差范圍，使開關信號在此范圍內控制積分電流的運行。在非均勻性電路中，補償電流的計算如公式（1）所示。

式中：i1、i2、i3為支路電流。

在電流放大過程中，對補償電流進行傳輸，能夠使其在放大器中穩定運行。當放大器開始穩定工作后，通過對電流進行檢測，得到校正電路的電流補償。反饋結構與放大器結構相同，兩者的電阻值也相同[5]。由于工作在亞閾值區，因此共源電流形成的補償電路中產生的補償電流幅值能夠從三列并聯的支路電流中取得，如公式（2）所示。

式中：w為電子遷移率；l為電容；i為補償電流。

實時監測電路中的電流，通過邏輯電路對電流進行控制，并在補償電流中由傳送門控制開關來控制輸出補償電流，通過調整電流來降低電荷在注入過程匯總產生的影響。

1.3 采集標定點計算設計偏置系數

利用采集的不同的標定點來計算噪聲，得到增益和偏置系數。通過探測偏振器的非線性響應來及時有效地進行標定工作[6]。將所有的待標定點設置為相同的偏置系數，根據感受到的具體溫度輻射狀態來調整校正精度。為了更好地擬合非線性曲線，建立二價多項式，進行單一溫度下的校正參數。在不同的時間和溫度場景中，需要進行標定源的設置。運用偏置校正系數對系統進行標定，并根據進行定標校正時相機的擋片對輻射源進行標定。考慮外界溫度的影響，器件自身的溫度變化會對接收到的輻射產生一定影響。因此根據目標圖像的設計，利用深層網絡來估計圖像間的相似度關系，計算出位移信息。設定相鄰兩幀圖像中的背景沒有發生旋轉變化，因此根據圖像的平移關系，能夠對兩幀圖像進行位移計算，如公式（3）所示。

式中：t為參數；i為第一幀圖像；o為第二幀圖像。

在傅里葉域中，經過傅里葉變換后能夠計算出位移矢量信息。在強噪聲背景下，最大峰值會出現在0處[7]。當場景中的位移量較小時，根據噪聲視場，能夠對運用范圍進行分辨。為了減少算法的復雜度，需要對位移矢量進行上限設置。根據圖像的局部特殊性，針對非均勻性噪聲的時空特征添加學習因子。在空域中運用局部方差來描述圖像的平滑程度。設置3×3的滑動窗口，并根據學習因子進行自適應修正，得到如公式（4）所示的偏置系數計算公式。

式中：r為上限；R為滑動窗口的方差。

將不同的偏置系數公式進行聯立，對其進行去量綱化，并進行歸一化處理。同時，為了能夠提升算法的收斂速度，需要設置位移的最小閾值Tmin＞0，當場景中的位移量大于閾值時，需要更新偏置參數。當兩幀圖像間的位移小于閾值時，算法不再進行運算。

1.4 自適應非均勻校正聯合處理

通過消除參數特性漂移的影響，運用自適應校正法對焦平面偏振器非線性響應進行校正。使用具有運動圖像變化的序列信息，提高非均勻性校正精度。當靜止場景作為偏置噪聲時，也要進行濾除以保留場景中的運動變化信息[8]。在不同的單元中，計算出偏置器的單元響應的校正參數，并計算幀內所有像元輻射能量的平均值，判斷條件是否合適，進而固定圖像噪聲。遍歷運動場景，在理想情況下，運用校正參數實時調整序列場景，在時域和空域中使場景能夠充分運動。響應元入射場景均值一致時，需要對低頻噪聲進行處理。在特殊場景下，能夠進一步對場景特征進行統計。通過全局統計的方式校正偏振器的圖形噪聲，對圖像運用歸一化神經算法，進行高頻噪聲的增益與校正。在焦平面偏振器非均勻性成像過程中，可以得到公式（5）。

式中：g（x）為在時間內焦平面校正元的增益量；o（x）為焦平面校正元輻射量。

根據實際計算統計結果，能夠得到電流中的輸出信號的均值[9]。將像素的方差和均值進行遞歸計算，從結果中選擇最優值進行固定。運用焦平面非均勻性效果對偏置噪聲進行增益。將校正后的圖像進行歸一化處理，運用BP神經網絡算法能夠得到公式（6）。

式中：u（n）為輸出信號；為通過校正信號進行增益糾偏。

當圖像處于不同位置時，其像素的期望值為f，運用誤差函數對最近鄰域的平均值進行加計算，得出下一時刻等待校正圖像的增益校正結果，并將其進行更新。將計算出的高頻增益結果帶入校正公式中，能夠實現對焦平面偏振器的非均勻性校正。

2 試驗測試與分析

為驗證該文方法的有效性，設置4個小組。運用該文方法的小組為試驗組，運用傳統方法的小組為對照1～3組。在均勻光照條件下，根據像元響應不一致性判斷像元間的響應差異，計算校正的正確率結果。比較計算得出的不同小組的校正正確率結果，得出最有效的校正方法。

2.1 搭建試驗環境

搭建試驗所用的環境，試驗所用的偏置器為廣角鏡頭設計，可以隨時對不同角度進行探測。非偏振通道使用濾光片，偏置器的參數設置見表1。

表1 偏振器參數

在成像過程中，濾光片轉換的速度和角度是不同的。通過使用設備，在不同時間段內能夠得到實際的偏振量。劃分不同波段后，對CCD中的不同位置進行數據采集并完成數模轉換，選擇相同波段中的相同角度數據，對數據進行非均勻性校正。根據不同檢偏方向的信號獲得實際狀態。在保證光源條件不變的條件下，通過不斷調整響應時間，獲得信號的像面均值變化曲線。并通過時序化控制，輸出格式化數據。

2.2 結果與分析

運用像元響應不一致性系數對單幀數據進行校正，得到具體的像元響應數據隨時間變化曲線，如圖2所示。

圖2 非線性響應的變化曲線

隨著響應時間的逐漸增加，根據變化曲線中的像元響應數量，對4個小組的像元響應校正正確率進行計算，可得試驗組的校正正確率為100%、對照1～3組的校正正確率為65%、35%和48%。比較不同小組的校正正確率結果可知，運用該文方法的試驗組校正效果較準確，能夠對單幀數據進行實時校正，降低了像元響應不一致性，能夠消除像元中的低頻不均勻差異，取得了良好的校正效果。

在不同積分時間和溫度下，通過像元響應線性能進行分析，運用多點擬合的方式使像面達到非均勻性校正。在校正過程中，優化偏置參數，對場景中的目標區域進行非均勻性去噪處理，取得良好的去噪效果。同時，對不同場景和視場中的旋轉情況進行校正，消除當視場變化過慢時產生的遮擋問題。試驗通過設計簡單有效的非均勻性校正，反映出不同層級的映射效果，完成了高質量校正。

3 結語

該文從非線性校正入手，深入研究平面偏振器的問題，進行了考慮焦平面偏振器非線性響應的非均勻性校正研究。但是方法中仍存在不足，例如紅外裝置中圖像的非線性噪聲問題、溫度漂移特性問題等。在今后的研究中，應及時對非均勻性噪聲來源進行誤差修正。隨著工作時間增加，熱成像儀能夠接收到完整的紅外輻射，滿足實際需求。用兩點校正的手段識別小目標，引入稀疏性來提升算法的性能。通過熟練運用線性擬合算法，對偏置進行校正。根據高頻非均勻性校正效果，消除其中大部分散粒噪聲，得到校正的有效結果，滿足多角度可視化應用，從而完善校正方法的研究。