[發(fā)明專(zhuān)利]一種基于圖像熵的紅外圖像非均勻性參數(shù)化校正優(yōu)選方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911065298.3
• 申請(qǐng)日: 2019-11-01
• 公開(kāi)（公告）號(hào): CN111047521B
• 公開(kāi)（公告）日: 2023-08-11
• 發(fā)明（設(shè)計(jì)）人: 文高進(jìn);何林;鐘燦;王哲;龍亮;黃浦
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京空間機(jī)電研究所
• 主分類(lèi)號(hào): G06T5/00
• 分類(lèi)號(hào): G06T5/00;G06T5/50
• 代理公司: 中國(guó)航天科技專(zhuān)利中心 11009
• 代理人: 張歡

1.一種基于圖像熵的紅外圖像非均勻性參數(shù)化校正優(yōu)選方法，其特征在于，包括以下步驟：

(1)計(jì)算輸入圖像X的奇像元圖像和偶像元圖像的圖像熵，選擇熵值大的圖像作為基準(zhǔn)圖像B，基準(zhǔn)圖像B維數(shù)為m行n1列，記錄基準(zhǔn)圖像B的熵值e，另一個(gè)圖像記為圖像C，圖像C維數(shù)為m行n2列；其中，m和n1，n2均為正整數(shù)；

(2)對(duì)基準(zhǔn)圖像B做基于圖像熵的非均勻性參數(shù)化校正優(yōu)選處理，得到校正后的基準(zhǔn)圖像；

(3)將另一個(gè)圖像C向基準(zhǔn)圖像B作基于線(xiàn)性逼近的非均勻性校正，最后得到校正之后的結(jié)果；

步驟(2)的具體步驟以下：

(21)初始化k＝1；

(22)將基準(zhǔn)圖像B賦值給過(guò)程圖像P，初始化i＝1；

(23)計(jì)算過(guò)程圖像P中第i+1列與第i列的對(duì)應(yīng)像元灰度值差，得到m維的列差向量V，并對(duì)列差向量V各元素的絕對(duì)值進(jìn)行由小到大排序，得到排序后的絕對(duì)值向量U；

(24)計(jì)算得到列差向量V中絕對(duì)值小于U(k)的所有元素的索引數(shù)組Q，索引數(shù)組Q為q元數(shù)組，按下式計(jì)算更新參數(shù)：

P(j，i+1)＝aP(j，i+1)+b，j＝1,2,3,...,m；

U(k)為絕對(duì)值向量U中的第k個(gè)元素；

r₁、r₂、r₃、r₄分別為中間量；

P(x,y)為過(guò)程圖像P中第x行、第y列的值；

a、b分別為校正系數(shù)；Q(j)為索引數(shù)組Q中第j個(gè)元素；

(25)如果i＝n-1,則更新i＝i+1，返回步驟(23)，否則進(jìn)入步驟(26)；

(26)計(jì)算當(dāng)前過(guò)程圖像P的熵值t，如果熵值t大于熵值e，則將熵值e更新為熵值t，并更新當(dāng)前結(jié)果圖R為過(guò)程圖像P；

(27)如果則更新k＝k+1，返回步驟(22)；否則，進(jìn)入步驟(28)；

(28)將基準(zhǔn)圖像B更新為結(jié)果圖R；

步驟(3)的具體步驟如下：

(31)從基準(zhǔn)圖像B中計(jì)算得到待逼近圖像D：

如果圖像C是輸入圖像X的奇像元圖像，則將圖像D的第1列賦值為圖像B的第1列，圖像D的后n-1列依次賦值為圖像B的對(duì)應(yīng)位置相鄰兩列的平均圖像；否則，如果圖像C是輸入圖像X的偶像元圖像，將圖像D的前n-1列依次賦值為圖像B的對(duì)應(yīng)位置相鄰兩列的平均圖像，圖像D的最后一列賦值為圖像B的最后一列；

(32)遍歷g從1到n，計(jì)算左端矩陣F和右端向量H：

F(2g，2g)＝2m，

g＝1,2,3…n；j＝1,2,3…m；

F(x,y)為左端矩陣F中第x行、第y列的值；

C(x,y)為圖像C中第x行、第y列的值；

H(x)為右端向量H中第x個(gè)元素；

D(x,y)為圖像D中第x行、第y列的值；

(33)計(jì)算線(xiàn)性逼近參數(shù)T＝inv(F)·H；inv(F)為矩陣F求逆；

(34)如果圖像C是輸入圖像X的奇像元圖像，將圖像Y的偶像元灰度設(shè)置為基準(zhǔn)圖像B對(duì)應(yīng)像元灰度，圖像Y的奇像元通過(guò)遍歷g從1到n進(jìn)行以下更新：

Y(h,2g-1)＝T(2g-1)C(h,g)+T(2g)，其中，h＝1,2,3,...,m；

T(2g-1)、T(2g)分別為矩陣T中第2g-1個(gè)、第2g個(gè)元素；Y(x,y)為圖像Y中第x行、第y列的值；

否則，如果圖像C是輸入圖像X的奇像元圖像，將圖像Y的奇像元灰度設(shè)置為基準(zhǔn)圖像B對(duì)應(yīng)像元灰度，圖像Y的偶像元通過(guò)遍歷g從1到n進(jìn)行以下更新：

Y(h,2g)＝T(2g-1)C(h,g)+T(2g)，其中，h＝1,2,3,...,m；

圖像Y為最終的校正圖像。

2.一種基于圖像熵的紅外圖像非均勻性參數(shù)化校正優(yōu)選系統(tǒng)，其特征在于，包括：

第一模塊，用于計(jì)算輸入圖像X的奇像元圖像和偶像元圖像的圖像熵，選擇熵值大的圖像作為基準(zhǔn)圖像B，基準(zhǔn)圖像B維數(shù)為m行n1列，記錄基準(zhǔn)圖像B的熵值e，將另一個(gè)圖像記為圖像C，圖像C維數(shù)為m行n2列；其中，m和n1，n2均為正整數(shù)；

第二模塊，用于對(duì)基準(zhǔn)圖像B做基于圖像熵的非均勻性參數(shù)化校正優(yōu)選處理，得到校正后的基準(zhǔn)圖像；

第三模塊，用于將另一個(gè)圖像C向基準(zhǔn)圖像B作基于線(xiàn)性逼近的非均勻性校正，最后得到校正之后的結(jié)果；

第二模塊中，得到校正后的基準(zhǔn)圖像的具體方法以下：

(21)初始化k＝1；

(22)將基準(zhǔn)圖像B賦值給過(guò)程圖像P，初始化i＝1；

(23)計(jì)算過(guò)程圖像P中第i+1列與第i列的對(duì)應(yīng)像元灰度值差，得到m維的列差向量V，并對(duì)列差向量V各元素的絕對(duì)值進(jìn)行由小到大排序，得到排序后的絕對(duì)值向量U；

(24)計(jì)算得到列差向量V中絕對(duì)值小于U(k)的所有元素的索引數(shù)組Q，索引數(shù)組Q為q元數(shù)組，按下式計(jì)算更新參數(shù)：

P(j，i+1)＝aP(j，i+1)+b，j＝1,2,3,...,m；

U(k)為絕對(duì)值向量U中的第k個(gè)元素；

r₁、r₂、r₃、r₄分別為中間量；

P(x,y)為過(guò)程圖像P中第x行、第y列的值；

a、b分別為校正系數(shù)；Q(j)為索引數(shù)組Q中第j個(gè)元素；

(25)如果i＝n-1,則更新i＝i+1，返回步驟(23)，否則進(jìn)入步驟(26)；

(26)計(jì)算當(dāng)前過(guò)程圖像P的熵值t，如果熵值t大于熵值e，則將熵值e更新為熵值t，并更新當(dāng)前結(jié)果圖R為過(guò)程圖像P；

(27)如果則更新k＝k+1，返回步驟(22)；否則，進(jìn)入步驟(28)；

(28)將基準(zhǔn)圖像B更新為結(jié)果圖R；

第三模塊中，將另一個(gè)圖像C向基準(zhǔn)圖像B作基于線(xiàn)性逼近的非均勻性校正，得到校正結(jié)果的具體方法如下：

(31)從基準(zhǔn)圖像B中計(jì)算得到待逼近圖像D：

如果圖像C是輸入圖像X的奇像元圖像，則將圖像D的第1列賦值為圖像B的第1列，圖像D的后n-1列依次賦值為圖像B的對(duì)應(yīng)位置相鄰兩列的平均圖像；否則，如果圖像C是輸入圖像X的偶像元圖像，將圖像D的前n-1列依次賦值為圖像B的對(duì)應(yīng)位置相鄰兩列的平均圖像，圖像D的最后一列賦值為圖像B的最后一列；

(32)遍歷g從1到n，計(jì)算左端矩陣F和右端向量H：

F(2g，2g)＝2m，

F(x，y)為左端矩陣F中第x行、第y列的值；

C(x，y)為圖像C中第x行、第y列的值；

H(x)為右端向量H中第x個(gè)元素；

D(x，y)為圖像D中第x行、第y列的值；

(33)計(jì)算線(xiàn)性逼近參數(shù)T＝inv(F)·H；inv(F)為矩陣F求逆；

(34)如果圖像C是輸入圖像X的奇像元圖像，將圖像Y的偶像元灰度設(shè)置為基準(zhǔn)圖像B對(duì)應(yīng)像元灰度，圖像Y的奇像元通過(guò)遍歷g從1到n進(jìn)行以下更新：

Y(h，2g-1)＝T(2g-1)C(h，g)+T(2g)，其中，h＝1，2，3，...，m；

T(2g-1)、T(2g)分別為矩陣T中第2g-1個(gè)、第2g個(gè)元素；Y(x，y)為圖像Y中第x行、第y列的值；否則，如果圖像C是輸入圖像X的奇像元圖像，將圖像Y的奇像元灰度設(shè)置為基準(zhǔn)圖像B對(duì)應(yīng)像元灰度，圖像Y的偶像元通過(guò)遍歷g從1到n進(jìn)行以下更新：

Y(h，2g)＝T(2g-1)C(h，g)+T(2g)，其中，h＝1，2，3，...，m；

圖像Y為最終的校正圖像。