徐 敏，趙毅強(qiáng)，劉文娟

（天津大學(xué)電子信息工程學(xué)院，天津 300072）

0 引言

光電探測(cè)器作為成像系統(tǒng)中最重要的一部分，它是將入射的光信號(hào)轉(zhuǎn)變成電信號(hào)輸出的器件。光電探測(cè)器主要包括可見光探測(cè)器與紅外探測(cè)器。其中，紅外探測(cè)器探測(cè)距離遠(yuǎn)、抗干擾能力強(qiáng)，穿透煙塵、霧、霾能力強(qiáng)，可以全天候、全天時(shí)工作，應(yīng)用極為廣泛［1］。目前，紅外探測(cè)器主要有線列式和面陣式2種，相比于面陣探測(cè)器，線列探測(cè)器的成本較低，制備方法成熟，經(jīng)過(guò)拼接可以達(dá)到上千元的線陣，且大都安裝在飛機(jī)或衛(wèi)星遙感平臺(tái)上，在推掃式運(yùn)動(dòng)中可以獲得高分辨率的圖像，故特別適用于航空航天、工業(yè)控制和醫(yī)療領(lǐng)域。

理想情況下，線列探測(cè)器各光敏元的響應(yīng)一致，即對(duì)于同一光照強(qiáng)度或者溫度，各個(gè)光敏元響應(yīng)的灰度值相同，形成的圖像是連續(xù)的、均勻的。實(shí)際上，由于制作工藝的偏差，各個(gè)光敏元響應(yīng)情況不一致，對(duì)應(yīng)的響應(yīng)函數(shù)也各不相同。另外，由于存在隨機(jī)噪聲，光敏元的響應(yīng)曲線并不是固定不變的，線列探測(cè)器結(jié)構(gòu)在純色背景下，圖像會(huì)有明顯的水平紋理［2，3］。

1 非均勻性校正算法

1．1 多點(diǎn)校正算法

目前，國(guó)內(nèi)外成像系統(tǒng)常采用兩點(diǎn)校正法進(jìn)行圖像校正，是在不考慮響應(yīng)曲線隨機(jī)性，而且各光敏元的響應(yīng)特性在所感興趣的光照強(qiáng)度或溫度范圍內(nèi)保持線性的前提下進(jìn)行的。然而，光敏元的響應(yīng)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(shù)特性本身也隨時(shí)間和環(huán)境變化［4，5］。為了更準(zhǔn)確反映光敏元的響應(yīng)情況，提高校正算法的精度，本文使用多點(diǎn)校正法。多點(diǎn)校正算法是在兩點(diǎn)校正法的基礎(chǔ)上進(jìn)行改進(jìn)的一種算法。

對(duì)于紅外探測(cè)器，在進(jìn)行多點(diǎn)校正過(guò)程中，使用均勻輻射的黑體對(duì)線列圖像傳感器進(jìn)行定標(biāo)，測(cè)得各個(gè)光敏元隨黑體輻射通量的灰度響應(yīng)曲線，如圖1示意，并依此確定響應(yīng)函數(shù)

其中，k為光敏元的編號(hào)，xi為黑體輻射通量，ykxi為光敏元k響應(yīng)的灰度值。光敏元的理想響應(yīng)曲線S的響應(yīng)函數(shù)為

對(duì)于實(shí)測(cè)的景物，各光敏元的灰度值ykxi根據(jù)響應(yīng)函數(shù)式（1）可以得出其對(duì)應(yīng)的黑體輻射通量值xi=F－1k（ykxi），根據(jù)標(biāo)準(zhǔn)響應(yīng)曲線S的函數(shù)式（2）得到當(dāng)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(shí)測(cè)的灰度值ykxi完成圖像多點(diǎn)校正。溫度定標(biāo)點(diǎn)越多，響應(yīng)曲線越精確，校正效果越好。

圖1 光敏元響應(yīng)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(hào)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(xì)節(jié)，如輪廓、線條也變得模糊不清。本節(jié)采用一種改進(jìn)的圖像平滑方法，在保證圖像本身細(xì)節(jié)的基礎(chǔ)上，能夠提高圖像的均勻性。

1．2．1 檢測(cè)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(gè)區(qū)域的終結(jié)和另一個(gè)新區(qū)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(gè)階躍，可以使用求導(dǎo)數(shù)的方式對(duì)其進(jìn)行檢測(cè)，如圖2所示。

圖2 邊緣求導(dǎo)示意Fig 2 Derivation of edge

在數(shù)學(xué)中，這種灰度值變化引起的階躍可用梯度來(lái)表示，而對(duì)階躍變化求一階導(dǎo)數(shù)的過(guò)程，即是用梯度算子進(jìn)行卷積運(yùn)算的過(guò)程［6］。邊緣檢測(cè)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(guò)各向同性Sobel算子卷積得到的新灰度值越大。這樣，可以設(shè)定一個(gè)有效輪廓灰度閾值，確定當(dāng)前圖像有效輪廓像素點(diǎn)的位置，而對(duì)非有效輪廓的區(qū)域進(jìn)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(guān)性，這就導(dǎo)致了圖像的能量主要集中于低頻區(qū)域，只有圖像的細(xì)節(jié)部分的能量處于高頻區(qū)域中，而圖像噪聲和假輪廓往往出現(xiàn)在高頻區(qū)域中［7］。如果只是對(duì)非有效輪廓部分使用低通濾波器進(jìn)行均勻性校正，既能保證圖像的主要細(xì)節(jié)，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(shí)域的低通濾波器對(duì)圖像進(jìn)行均勻性處理，其表達(dá)式為

2 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證圖像校正算法的有效性，搭建如圖3的成像系統(tǒng)，該系統(tǒng)包括精密轉(zhuǎn)臺(tái)、256元可見光線列探測(cè)器、讀出電路、FPGA采集系統(tǒng)以及PC機(jī)等。圖4是采用1．2．2節(jié)介紹的非均勻性校正算法處理的結(jié)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(lái)的輪廓，分析圖4（b）可知，設(shè)定有效輪廓閾值為50，標(biāo)記灰度值低于50的像素點(diǎn)位置，并對(duì)這些非有效輪廓區(qū)域進(jìn)行低通濾波校正，圖4（c）為校正后的照片。從圖4（a），（c）對(duì)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(xì)節(jié)基本沒(méi)有損失。

圖3 線列成像系統(tǒng)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(jié)論

線列成像系統(tǒng)的圖像的非均勻性往往決定著成像系統(tǒng)的質(zhì)量，本文首先分析了這種非均勻性產(chǎn)生的原因，基于其特點(diǎn)分析了多點(diǎn)校正算法，并結(jié)合輪廓提取算法和時(shí)域低通濾波器算法提出一種新的圖像均勻算法，從校正結(jié)果看，在保證圖像細(xì)節(jié)的基礎(chǔ)下，其非均勻性得到較大的改善。

為了更進(jìn)一步提高均勻性效果，在邊緣檢測(cè)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(shí)時(shí)紅外圖像非均勻性校正技術(shù)研究［J］．紅外與毫米波學(xué)報(bào)，1999，18（2）:151 －155．

［3］ 李言謹(jǐn)，危 峻，胥學(xué)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(xué)報(bào)，2010，29（2）:91 －93．

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

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

［6］ 郎 銳．?dāng)?shù)字圖像處理學(xué)Visual C++實(shí)現(xiàn)［M］．北京:北京希望電子出版社，2003:233－234．

［7］ 高守傳，姚領(lǐng)田．Visual C++實(shí)踐與提高—數(shù)字圖像處理與工程應(yīng)用篇［M］．北京:中國(guó)鐵道出版社，2005:61－62．