下载文档原格式
一种红外焦平面阵列的盲元检测快速算法
马学智;吕宁
【期刊名称】《电子科技》
【年(卷),期】2013(026)010
【摘要】在以往红外焦平面阵列的盲元检测方法的基础上,提出了一种基于像元噪声电压和改进的最大类间方差法(OTSU)的快速检测方法,该算法采用一次均匀背景的采集结果计算像元噪声电压,并利用最大类间方差和最小类内方差的算法原理计算并得出判定盲元的阈值.实验结果表明,文中方法在准确性和实时性方面有较大的提高.
【总页数】4页(P88-90,94)
【作者】马学智;吕宁
【作者单位】西安电子科技大学电子工程学院,陕西西安710071;西安电子科技大学电子工程学院,陕西西安710071
【正文语种】中文
【中图分类】TN21
【相关文献】
1.一种新的红外焦平面阵列盲元检测算法 [J], 李丽萍;袁祁刚;朱华;王旭;周慧敏
2.一种新的红外焦平面阵列盲元检测算法 [J], 姚琴芬;顾国华
3.一种改进的红外焦平面阵列盲元检测算法 [J], 张熙宁
4.基于滑动窗口的红外焦平面阵列盲元检测算法研究 [J], 郑骁;葛志雄;赖永安
5.一种新的红外焦平面阵列盲元处理算法 [J], 代少升;张天骐
因版权原因，仅展示原文概要，查看原文内容请购买。
红外焦平面阵列自适应盲元检测【摘要】为提高盲元检测的准确性，分析了盲元的成因以及常用盲元检测法存在的问题，在此基础上提出了一种新的自适应盲元检测法：基于双参考源和“3σ”准则相结合的盲元检测法。
实验结果表明，该算法不但可以检测出器件型盲元，而且还能自适应的准确检测出信号通道级盲元。
【关键词】红外焦平面阵列；盲元；检测A Adaptive Algorithm of Blind Pixels Detection for IRFPAMAO Ｘiao-qun WEN Ｇuo-ｄian(Chongqing College of Electronic Engineering Zhongguo Chongqing 401331)【Abstract】In order to improve the accuracy of blind pixels detection in IRFPA, the principle of blind pixels appearance and the algorithms of blind pixels detection were analyzed in the paper, and then proposed a new adaptive algorithm of blind pixels detection for IRFPA. The results of experiment indicate that the algorithm can detect two kinds of blind pixels adaptively.【Key words】IRFPA;Blind pixel；Detection0.引言红外焦平面阵列（IRFPA）作为目前新一代探测器件提高了红外系统的空间分辨率和系统灵敏度，已经广泛应用于军工、民用等各个领域，但由于制造工艺水平的限制及其应用环境温度的多变性，使得IRFPA器件上不可避免地存在盲元，盲元的存在严重影响了红外图像的信噪比及成像质量。
红外焦平面器件盲元检测及补偿算法
周慧鑫;殷世民;刘上乾;赖睿
【期刊名称】《光子学报》
【年(卷),期】2004(33)5
【摘要】在分析盲元响应特性的基础上 ,利用红外焦平面阵列对双参考辐射源的响应数据和相邻像元成像数据的相关性 ,提出了一种基于双参考辐射源的盲元现场自动检测和插值补偿算法 ,实现了盲元的自动检测和校正实验结果表明 :该方法具有对盲元查找速度快、定位准确率高。
【总页数】3页(P598-600)
【关键词】红外焦平面阵列;盲元;红外成像;自动检测;插值补偿
【作者】周慧鑫;殷世民;刘上乾;赖睿
【作者单位】西安电子科技大学技术物理学院
【正文语种】中文
【中图分类】TN214
【相关文献】
1.一种新的红外焦平面阵列盲元检测与补偿方法 [J], 黄英东;安建波;曹礼宝
2.红外焦平面阵列盲元检测与补偿算法研究 [J], 张小龙;赵桂芳;崔瑞清
3.线阵红外焦平面成像系统中失效元检测及补偿的计算机模拟研究 [J], 范宏波;李志广;杨帆
4.红外焦平面阵列盲元检测及补偿算法 [J], 陈大川;刘缠牢;郑阳光
5.锑化铟红外焦平面器件盲元分析方法 [J], 肖钰; 杨刚; 范博文; 宁提; 刘震宇因版权原因，仅展示原文概要，查看原文内容请购买。
现代电子技术Modern Electronics Technique2023年5月1日第46卷第9期May 2023Vol.46No.90引言红外焦平面阵列（IRFPA ）是红外响应探测器件，由于受外部环境、红外敏感元件、半导体材料特性、电路结构等多种因素的影响[1]，IRFPA 在实际应用中存在盲元的问题，直接影响红外成像的质量。
GB/T 17444—2013将红外盲元区分为死像元和过热像元[2]。
根据统计特性分类，盲元可以分为固定盲元和随机盲元，在图像视觉上直观表现为或明或暗的脉冲噪点。
固定盲元的响应特性表现为总是过高或过低；随机盲元响应特性在时间和空间上体现“闪变”的特点，随机盲元的检测是主要难点。
目前经常使用的盲元检测方法有辐射定标和基于场景检测的方法，辐射定标方法简单，利于硬件实现。
文献[3]提出一种基于FPGA 实现的选择性中值滤波盲元检测补偿算法，通过高低温黑体成像获取盲元检测灰度阈值，但仅能检测固定盲元且需要经常定标。
目前主阿尔法滤波自适应红外去盲元算法及硬件实现张桐1，2，徐大诚1（1.苏州大学电子信息学院，江苏苏州215006；2.智芯半导体科技有限公司，江苏苏州215006）摘要：为了解决红外焦平面阵列盲元问题对红外图像质量的影响，提出一种针对动态场景下的阿尔法滤波加时域累积去盲元算法，并对其进行硬件实现。
通过阿尔法滤波获取图像估计，在单帧盲元分布判断上加入窗口均匀判断机制来防止图像边缘误检，采用时域累积的方法确定最终盲元分布并进行盲元补偿。
在FPGA 硬件实现上采用流水线结构提高处理实时性，采用多次时域累积迭代的方法提高盲元检测效果。
通过软硬件实现验证该算法的有效性。
相比其他时域累积方法能有效防止边缘过检。
因此该硬件实现方法可以应用到实际红外成像系统进行实时处理，在长时间的时域累积中会有更好的盲元检测效果。
关键词：去盲元算法；硬件实现；阿尔法滤波；盲元分布判断；盲元检测；盲元补偿中图分类号：TN911.73⁃34；TP399文献标识码：A文章编号：1004⁃373X （2023）09⁃0050⁃05Algorithm and hardware implementation of adaptive infraredblind pixelremoval with alpha filteringZHANG Tong 1，2，XU Dacheng 1（1.School of Electronic Information ，Soochow University ，Suzhou 215006，China ；2.Zhixin Semiconductor Co.，Ltd.，Suzhou 215006，China ）Abstract ：In order to eliminate the influence of blind pixels in infrared focal plane array on infrared image quality ，an algorithm of alpha filtering and time ⁃domain cumulative blind pixel removal in dynamic scene is proposed and its hardware implementation is conducted.The image estimation is obtained by alpha filtering ，and the window uniform judgment mechanism is added to the single frame blind pixel distribution judgment to prevent image edge false detection.The final blind pixels distribution is determined by means of the time⁃domain accumulation method and the blind pixel compensation is carried out.A pipeline structure is used for FPGA hardware implementation to improve the real ⁃time processing.The multiple time ⁃domain cumulative iteration method is used to improve the effect of blind pixel detection.The effectiveness of the algorithm is verified by the implementation of software and hardware.In comparison with other time ⁃domain accumulation methods ，it can effectively prevent edge over ⁃detection.Therefore ，the hardware implementation method can be applied to the actual infrared imaging system to conduct real⁃time processing ，and it will have a better effect of blind pixel detection after the long⁃term time⁃domain accumulation.Keywords ：blind pixel removal ；hardware implementation ；alpha filtering ；blind pixel distribution judgment ；blind pixeldetection ；blind pixel compensationDOI ：10.16652/j.issn.1004⁃373x.2023.09.010引用格式：张桐，徐大诚.阿尔法滤波自适应红外去盲元算法及硬件实现[J].现代电子技术，2023，46（9）：50⁃54.收稿日期：2022⁃08⁃03修回日期：2022⁃08⁃1950第9期流的方法是基于场景的自适应盲元检测方法，局部“3σ”检测算法是一种常用方法，根据窗口红外图像的灰度值分布近似满足正态分布特点，将灰度值在“3σ”之外的像元判定为盲元[4⁃5]。
收稿日期:2008-03-14.基金项目:国家自然科学基金资助项目(60572151).光电技术应用红外焦平面阵列盲元补偿算法研究朱 红1,刘永进2,赵亦工2(西安电子科技大学1.机电工程学院;2.电子工程学院,西安710071)摘 要: 提出了一种补偿盲元的新算法,它首先利用自适应中值滤波检测红外焦平面阵列上可能的盲元点,然后再使用细节保持变分法对所挑出的盲元点进行补偿。
这样,由于既保护了边缘又抑制了噪声,因此恢复出的图像质量明显优于传统的平滑滤波方法。
仿真结果表明,本算法对噪声水平为25%的图像进行恢复后,其峰值信噪比仍可达到34.918dB 。
关键词: 红外焦平面阵列;盲元;自适应中值滤波;细节保持变分法中图分类号:TN215 文献标识码:A 文章编号:1001-5868(2009)01-0156-04Study on Blind pixel C ompensation Algorithm for Infrared Focal Plane ArraysZH U H ong 1,LIU Yo ng jin 2,ZH A O Yi go ng2(1.School of Mechano electronic Engineering, 2.School of Electronic Engineering,Xidian University,Xi an 710071,C HN)Abstract: A nov el algo rithm is described for co mpensating blind pix els in infrar ed focal plane arrays,w hich is separ ated into two stag es.Fir st,an adaptive median filter is exploited to identify pixels w hich ar e likely to be blind.Second,these bad detector candidates are com pensated by using a detail preserving variational method.Due to edge preserv ation and noise suppressio n,the propo sed alg orithm show s a better perform ance compared w ith traditional smo othing filters.M oreover,the ex perimental results indicate that imag es w ith a noise level 25%can be restored by this method,and the peak signal-to-no ise ratio can be up to 34.918dB.Key words: infrared focal plane array;blind pixel;adaptiv e median filter;detail preserving variational m ethod0 引言红外焦平面阵列(Infr ar ed Focal Plane A rray,IRFPA)作为目前最新一代探测器现已广泛应用于国防、民用等各个领域。
摘要I摘要红外成像技术广泛应用于军事探测、民用监视等各个领域，但从当前的工艺水平和技术条件来考虑，盲元问题在红外焦平面阵列成像过程中依然是不可避免的。
这个问题在很大程度上降低了成像系统的空间分辨率、温度分辨率，严重制约了成像系统的性能，因此解决盲元问题在红外图像处理中是必要的。
盲元检测是盲元处理的前提，本文的研究重点是盲元检测和对误判盲元的修正。
本文首先介绍了红外热像仪的结构原理，在此基础上分析了盲元的产生机理、灰度特性和对红外图像的影响。
然后介绍了三种经典盲元检测算法，对比了它们的优缺点，提出了一种改进的中值滤波背景预测盲元检测算法，对固定权值背景预测和标准中值滤波背景预测检测算法进行了仿真，结果说明改进的中值滤波背景预测算法效果良好。
最后，结合人眼的视觉成像原理完成了人眼对灰度差的辨识实验，提出了一阶梯度误判盲元修正算法，实验结果说明该算法在盲元检测后对误判盲元的修正具有良好的效果。
关键词：红外图像红外焦平面阵列盲元检测误判盲元修正Abstract IIIAbstractInfrared imaging technology has been widely used in various fields of military probing and civilian surveillance.But on the current level of technology and technical conditions,there are still the inevitable bad pixels problem when infrared focal plane array generates and processes infrared images.This problem will greatly reduce the spatial and temperature resolution,and seriously hamper the performance of the imaging system.Thus,solving the bad pixels problem is necessary to infrared image processing.Bad pixels detection is the premise of correction.So this paper focuses on detection of bad pixels and correction of the wrong detected pixels.This paper introduces the structure and principle of thermal infrared imager firstly, on the basis of which,the mechanism of bad pixels and its grayscale characteristics are analyzed,at the same time,bad pixels’influence on the infrared image is studied. Besides,three classic detection algorithms of bad pixels are carefully studied simulated and compared.In addition,the improved median filtering background prediction bad pixels detection algorithm is established,and the simulation proves the new algorithm can achieve good results.At last,on the principle of visual imaging of human eye,the identification experiment to gray level difference of human eye is conducted.On the experiment’s results,the first order gradient correction algorithm of wrong detected bad pixels is established.The simulation results show that this algorithm can achieve good results.Keywords:Infrared focal plan arrays Infrared image Detection of bad pixels Correction of wrong detected bad pixels目录i目录第一章绪论 (1)1.1研究背景和研究意义 (1)1.2国内外研究现状 (3)1.3主要工作与结构安排 (4)第二章红外成像系统与盲元的产生机理 (7)2.1红外成像系统 (7)2.1.1外热像仪原理结构和成像特点 (7)2.1.2红外图像的直方图特征 (9)2.2盲元的定义和产生机理 (11)2.2.1盲元的定义和分类 (11)2.2.2盲元的产生机理 (13)2.2.3盲元特征以及对红外系统的影响 (14)2.3本章小结 (15)第三章盲元检测算法研究 (17)3.1经典盲元检测算法 (17)3.1.1国标法 (17)3.1.2基于双参考源差值检测法 (21)3.1.3基于3σ原则的盲元检测法 (24)3.2基于背景预测盲元检测算法 (25)3.2.1基于背景预测的检测原理 (26)3.2.2背景预测算法 (28)3.3改进中值滤波背景预测盲元检测算法 (29)3.3.1算法原理 (29)3.3.2实验结果 (32)3.4本章小结 (33)第四章基于人眼视的觉误判盲元修正算法 (35)4.1人眼亮度和灰度视觉原理 (35)4.2人眼对灰度差感知实验 (37)4.3基于人眼视觉一阶梯度误判盲元修正算法 (41)4.4本章小结 (42)第五章总结与展望 (45)5.1总结 (45)ii目录5.2展望 (45)致谢 (47)参考文献 (49)第一章绪论1第一章绪论本章介绍了红外成像系统对现代生活的重要性，引出了盲元检测的研究背景和研究意义，同时对国内外的发展状况进行了阐述。
红外焦平面阵列的盲元自适应快速校正李凌霄;冯华君;赵巨峰;徐之海;李奇【摘要】为实现红外焦平面阵列(IRFPA)盲元的自适应快速校正,本文设计了一种基于三梯度阈值检测的快速盲元校正方法.先通过优化L0范式的约束方程消除图中的非均匀条纹,排除干扰,再对水平、竖直和对角3个方向进行梯度阈值检测,找到盲元位置点,并与中值滤波结果进行点对点匹配,剔除误检测点,最后通过局部中值滤波完成盲元校正.依据盲元的缓变特性,通过合理更新盲元模板实现了单帧和序列图像的快速盲元校正.实验结果表明:相比于传统方法,本文方法的信噪比(SNR)和峰值信噪比(PSNR)提高了10~14 dB,结构相似度指标(SSIM)提高了0.01~0.02,对图像中的随机和连续盲元的校正效果都很好,同时运算速度得到了大大提升,在保证图像质量指标的情况下速度提升了3~10倍,可以在到实际红外系统中实现动态检测和实时处理.%A fast blind pixel correction method based on three-gradient threshold detection was designed in this paper,to achieve adaptive and fast blind pixel correction of the Infrared Focal Plane Array (IRFPA).First, a constraint equation through optimization of L0 paradigm was used to eliminate the interference of non-uniform stripe;then gradient threshold detection was respectively conducted in the horizontal, vertical and diagonal directions to find out the position of the blind pixel, thus through a point-to-point matching with the median filtering results to remove the inaccurate detecting point;finally, blind pixel correction was completed through local median filtering.In the process, reasonable updating of the blind pixel template, based on slow variation of blind pixel, was carried out to achieve fast blind pixel correction of single-frame and sequentialimages.The results show that compared with traditional method, signal-to-noise ratio (SNR) and peak signal-to-noise ratio (PSNR) achieved by using this proposed method is improved by 10~14dB, with the structured similarity (SSIM) index improved by 0.01~0.02;both random blind pixel and continuous blind pixel in the images can be effectively corrected, and the computing speed is dramatically improved, with a speed advantage of3~10 times while ensuring the image quality.Hence, such proposed method can be used to achieve dynamic detection and real-time processing in actual infrared system.【期刊名称】《光学精密工程》【年(卷),期】2017(025)004【总页数】10页(P1009-1018)【关键词】盲元;红外焦平面阵列;三梯度阈值检测;局部中值滤波【作者】李凌霄;冯华君;赵巨峰;徐之海;李奇【作者单位】浙江大学现代光学仪器国家重点实验室,浙江杭州 310027;浙江大学现代光学仪器国家重点实验室,浙江杭州 310027;浙江大学现代光学仪器国家重点实验室,浙江杭州 310027;浙江大学现代光学仪器国家重点实验室,浙江杭州310027;浙江大学现代光学仪器国家重点实验室,浙江杭州 310027【正文语种】中文【中图分类】TN21红外焦平面阵列(IRFPA)是红外成像系统的核心部件，用于探测随温度变化的红外辐射能量。
受外部环境、红外敏感元件、电路结构、半导体特性等各种因素的影响，IRFPA输出的红外图像普遍存在横向(或竖向)的非均匀条纹与类似脉冲噪声的盲元噪点，严重影响成像质量，制约了系统温度分辨率的提高。
盲元是IRFPA器件中响应过高或过低的探测单元[1]，根据其统计分布特性可将其分为固定盲元与随机盲元。
前者主要源于探测器件与制造工艺的限制，表现为某些固定像元位置始终存在过高或过低的响应；而随机盲元则主要受环境温漂和器件工作状态的影响，其响应特性在一段时间与正常像元一致，在另一段时间又表现为盲元坏点，在时间上体现出“闪变”特性，在空间上位置也不断变化[2]。
为了提升图像质量，需要在前期对获取的红外图像进行盲元检测与补偿，以便保证后续的目标探测与识别。
目前，常用的盲元检测方法主要分为辐射定标法和场景检测法两类。
辐射定标法是通过采集不同黑体温度下的均匀辐射图像，根据盲元和正常像元响应率、噪声特性等的差别将二者进行区分。
针对该方法，周慧鑫[3]等提出了一种基于双辐射参考源的盲元检测方法，利用辐射源在两个不同温度下采集的成像图像，通过设定双阈值实现盲元检测；根据均匀辐射图像有效像元的均值差(DOM)和标准差(STD)具有正态分布的特点，石岩[4]等对定标图像进行特征直方图分解，通过估计有效像元DOM和STD的分布区间，从而得到判别盲元的分类准则；陈大川[5]等在IRFPA盲元响应特性和相邻像元的相关性理论基础上，通过基于阈值+相邻像元检测和加窗中值滤波补偿算法，实现盲元的检测与校正。
辐射定标法一般具有步骤简单、算法速度快和有利于硬件实现等优点，但它的局限性也非常明显，主要体现为：(1)为了采集黑体定标数据需要较长时间打断系统的正常工作；(2)仅适用于检测固定盲元，对于系统中随机响应产生的随机盲元无能为力；(3)定标操作较繁琐，定标数据需要定期更新，系统免维护性较差。
由于辐射定标法存在固有缺陷，目前越来越多的研究人员致力于研究基于场景的盲元检测方法。
场景检测法直接从获取图像入手，通过分析图像中盲元噪声特性，利用合适阈值或者视觉参数确定盲元位置，最后进行盲元校正。
场景检测法不需要外界设备，能够同时校正成像系统中产生的固定盲元和随机盲元，具有更好的环境适应性，大大降低了系统维护成本。
对于场景检测已取得很多研究成果，Cao[6]等人利用局部中值滤波器，通过“3σ”阈值检测确定盲元位置，再利用改进的纳高滤波模板对盲元点进行非线性补偿；Leng[7]等人利用盲元与辐射场景的相关性较正常像元弱的特点，通过设置基于平均时域噪声的自适应阈值对盲元进行判定，再通过多帧图像的盲元匹配，剔除误矫正盲元，提高了检测精度；Wang[8]等人通过对图像进行序列分析，利用相邻帧和当前帧正常像元的非线性插值数据对盲元进行补偿。
此外，国内的一些研究机构如西安光机所、西安电子科技大学、西北工业大学和中国兵器第208研究所等也设计了相应的盲元检测与校正方法[9-11],能在一定程度上减少盲元的影响。
本文在分析红外非均匀噪声和盲元响应特性的基础上，提出了一种基于三梯度阈值检测的快速校正算法，通过仿真图像与实际红外图像进行验证，证实了该方法的有效性。
2.1 盲元的定义与响应特性IRFPA中的盲元又称为无效像元，它的定义目前还没有通用标准。
国际上通过将器件对黑体辐射的响应程度作为量化标准，将其分为过热像元与死像元两类。
过热像元是像元噪声电压大于平均噪声电压10倍的响应像元，而死像元则是指像元响应率小于1/10平均响应率的像元。
实验中采用一台640×512的制冷型近红外波段样机在不同辐射温度下对固定点处的盲元响应进行测试，响应曲线如图1所示。
正常像元随辐射温度的响应是近似线性增加的，反映为图中的曲线2，而死像元和过热像元的响应则几乎不随辐射温度变化，始终保持较低和较高的响应，如曲线1和3所示。
国际标准的测试方法是基于黑体辐射的，同时只适用于固定盲元的检测。
在此基础上，文献[9]通过连续采集黑体定标数据，分析了各探测元的响应值，得出了随机盲元的响应特性。
与固定盲元相比，随机盲元具有位置不固定和响应不固定的特点，特别是在辐射温度和积分时间发生变化的时候，因此它是盲元检测与校正的主要难点。
2.2 盲元的视觉特性盲元在视觉上表现为或明或暗的脉冲噪点，其中死像元表现为黑点或灰点，过热像元则表现为白亮点，而随机盲元则随着环境或系统状态的变化而不断改变，有时为黑白点，有时又为正常像元。
图2为一幅典型的中波红外原始图像，图像大小为320×240。
在该图中盲元主要体现为过热盲元和随机盲元，同时包含少量死像元，还存在横向的非均匀细条纹。
对该图进行立体灰度变换，灰度范围归一化为[0,1]，如图3(彩图见期刊电子版)所示。
可以看出大部分正常像元的灰度集中在0.2～0.8之间，且相邻像元的灰度值具有较大的相似性与连续性；而盲元的灰度响应则具有明显的孤立性和突兀性，在灰度变换图中有明显的毛刺现象，其灰度值与相邻像元具有明显的差异。
通过对盲元响应特性的分析可知，受不确定因素的影响，随机盲元必须采用基于场景的自适应检测方法。
为了在校正盲元的同时保留图像细节，加快处理速度，本文提出一种联合非均匀条纹校正和三梯度阈值检测的校正方法，首先通过非均匀预处理校正消除图像中的条纹和高频噪声，排除干扰，再根据盲元响应特性进行检测，确定盲元位置，最后对检测到的盲元进行局部中值滤波，完成盲元校正。
