基于长线列探测器的图像非均匀性研究与校正*

徐 敏，赵毅强，刘文娟

（天津大学电子信息工程学院，天津 300072）

0 引言

光电探测器作为成像系统中最重要的一部分，它是将入射的光信号转变成电信号输出的器件。光电探测器主要包括可见光探测器与红外探测器。其中，红外探测器探测距离远、抗干扰能力强，穿透烟尘、雾、霾能力强，可以全天候、全天时工作，应用极为广泛［1］。目前，红外探测器主要有线列式和面阵式2种，相比于面阵探测器，线列探测器的成本较低，制备方法成熟，经过拼接可以达到上千元的线阵，且大都安装在飞机或卫星遥感平台上，在推扫式运动中可以获得高分辨率的图像，故特别适用于航空航天、工业控制和医疗领域。

理想情况下，线列探测器各光敏元的响应一致，即对于同一光照强度或者温度，各个光敏元响应的灰度值相同，形成的图像是连续的、均匀的。实际上，由于制作工艺的偏差，各个光敏元响应情况不一致，对应的响应函数也各不相同。另外，由于存在随机噪声，光敏元的响应曲线并不是固定不变的，线列探测器结构在纯色背景下，图像会有明显的水平纹理［2，3］。

1 非均匀性校正算法

1．1 多点校正算法

目前，国内外成像系统常采用两点校正法进行图像校正，是在不考虑响应曲线随机性，而且各光敏元的响应特性在所感兴趣的光照强度或温度范围内保持线性的前提下进行的。然而，光敏元的响应曲线往往只是在中段具有较好的线性度，在两端的线性度较差，参数特性本身也随时间和环境变化［4，5］。为了更准确反映光敏元的响应情况，提高校正算法的精度，本文使用多点校正法。多点校正算法是在两点校正法的基础上进行改进的一种算法。

对于红外探测器，在进行多点校正过程中，使用均匀辐射的黑体对线列图像传感器进行定标，测得各个光敏元随黑体辐射通量的灰度响应曲线，如图1示意，并依此确定响应函数

其中，k为光敏元的编号，xi为黑体辐射通量，ykxi为光敏元k响应的灰度值。光敏元的理想响应曲线S的响应函数为

对于实测的景物，各光敏元的灰度值ykxi根据响应函数式（1）可以得出其对应的黑体辐射通量值xi=F－1k（ykxi），根据标准响应曲线S的函数式（2）得到当前光敏元k的校正后灰度值yxi=AF－1k（ykxi）+B，用新得到的灰度值代替实测的灰度值ykxi完成图像多点校正。温度定标点越多，响应曲线越精确，校正效果越好。

图1 光敏元响应曲线Fig 1 Response curves of photosensitive elements

1．2 基于轮廓提取的图像平滑算法

图像的常见噪声包括加性噪声和乘性噪声等。图像中的噪声往往和信号交织在一起，尤其是乘性噪声，采用一般的图像平滑算法，虽可以提高红外图像的均匀性，但是图像本身的细节，如轮廓、线条也变得模糊不清。本节采用一种改进的图像平滑方法，在保证图像本身细节的基础上，能够提高图像的均匀性。

1．2．1 检测图像中有效的轮廓

边缘（轮廓）是指图像局部亮度变化最显著的地方，其意味着一个区域的终结和另一个新区域的开始。通常，沿边缘走向的灰度变化平缓，而垂直于边缘走向的灰度变化剧烈，边缘处的灰度剖面可以看作是一个阶跃，可以使用求导数的方式对其进行检测，如图2所示。

图2 边缘求导示意Fig 2 Derivation of edge

在数学中，这种灰度值变化引起的阶跃可用梯度来表示，而对阶跃变化求一阶导数的过程，即是用梯度算子进行卷积运算的过程［6］。边缘检测中常用的算子有Robets交叉算子、Prewitt算子、Sobel算子等。

物体的轮廓、边缘越明显，通过各向同性Sobel算子卷积得到的新灰度值越大。这样，可以设定一个有效轮廓灰度阈值，确定当前图像有效轮廓像素点的位置，而对非有效轮廓的区域进行均匀性处理。

1．2．2 非有效轮廓部分的均匀性处理

由于一副图像的大部分像素的灰度和临近像素的灰度差别不大，存在很大的灰度相关性，这就导致了图像的能量主要集中于低频区域，只有图像的细节部分的能量处于高频区域中，而图像噪声和假轮廓往往出现在高频区域中［7］。如果只是对非有效轮廓部分使用低通滤波器进行均匀性校正，既能保证图像的主要细节，又能很好地提高图像整体的均匀性，消减图像的水平纹理。

本文采用时域的低通滤波器对图像进行均匀性处理，其表达式为

2 实验结果与分析

为了验证图像校正算法的有效性，搭建如图3的成像系统，该系统包括精密转台、256元可见光线列探测器、读出电路、FPGA采集系统以及PC机等。图4是采用1．2．2节介绍的非均匀性校正算法处理的结果，其中，图4（a）为原始照片，图4（b）为使用各向同性Sobel算子提取出来的轮廓，分析图4（b）可知，设定有效轮廓阈值为50，标记灰度值低于50的像素点位置，并对这些非有效轮廓区域进行低通滤波校正，图4（c）为校正后的照片。从图4（a），（c）对比可以看出:原始照片中的水平纹理得到很大的改善，而图像的细节基本没有损失。

图3 线列成像系统Fig 3 Linear array imaging system

图4 非均匀性校正效果Fig 4 Results of non-uniformity correction

3 结论

线列成像系统的图像的非均匀性往往决定着成像系统的质量，本文首先分析了这种非均匀性产生的原因，基于其特点分析了多点校正算法，并结合轮廓提取算法和时域低通滤波器算法提出一种新的图像均匀算法，从校正结果看，在保证图像细节的基础下，其非均匀性得到较大的改善。

为了更进一步提高均匀性效果，在边缘检测和非主要轮廓部分的均匀性处理上可以探索其他精度更高、处理效果更好的算法。

［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 钰，陈 钱，殷德奎，等．实时红外图像非均匀性校正技术研究［J］．红外与毫米波学报，1999，18（2）:151 －155．

［3］ 李言谨，危 峻，胥学荣．一种线阵红外焦平面的图像处理方法［J］．红外与毫米波学报，2010，29（2）:91 －93．

［4］ 胡晓梅．红外焦平面探测器的非均匀性与校准方法研究［J］．红外与激光工程，1999，28（3）:9 －12．

［5］ 陈 锐，谈新权．红外图像非均匀性校正方法综述［J］．红外技术，2002，24（1）:1 －3．

［6］ 郎 锐．数字图像处理学Visual C++实现［M］．北京:北京希望电子出版社，2003:233－234．

［7］ 高守传，姚领田．Visual C++实践与提高—数字图像处理与工程应用篇［M］．北京:中国铁道出版社，2005:61－62．