[發明專利]探測器調整模型的訓練方法和裝置

有效

• 申請號: 202110497692.5
• 申請日: 2021-05-08
• 公開（公告）號: CN112989714B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 周培濤;張麗;唐虎;鄧智;邢宇翔;孫運達;焦凌云;李波;金鑫;李新斌;張桂慶;杜迎帥;張萌;竇建清
• 申請（專利權）人: 同方威視技術股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N3/08
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 張雷;方亮

本公開涉及一種探測器調整模型的訓練方法和裝置，涉及計算機技術領域。該訓練方法包括：采集探測器的相關信息、性能要求信息、探測器生成的圖像作為訓練集數據；利用機器學習模型處理訓練數據，輸出調整后的探測器參數、圖像處理結果；根據機器學習模型的輸出和訓練集數據的標注結果，訓練機器學習模型。

技術領域

本公開涉及計算機技術領域，特別涉及一種探測器調整模型的訓練方法、探測器調整模型的訓練裝置、探測器的調整方法、探測器的調整裝置、探測器系統和非易失性計算機可讀存儲介質。

背景技術

紅外探測器生成的圖像中的不規則條紋或斑點、斑塊是紅外焦平面陣列像元不一致性的體現。紅外焦平面陣列像元不一致性也稱非均勻性。

非均勻性產生的原因十分復雜，來源主要有：探測器中各陣列元的響應特性的非一致性；1?f噪聲的干擾；行列輸出電路的偏置電壓不完全一致；電信號傳輸與放大通路的不一致；光學系統和掃描電機掃描線性度的影響等。

而且，由于存在各種非線性的影響因素，所以在圖像生成時完全消除非均勻性是不現實的。另外，由于生產制造工藝和誤差的細微差異，導致探測器個體也存在一定程度的不一致性。

在相關技術中，可以利用圖像濾波和增強算法，對紅外探測器的圖像進行調整；或者在紅外探測器出廠前對探測器參數進行兩點定標校正。

發明內容

本公開的發明人發現上述相關技術中存在如下問題：探測器的調整效果差，導致生成圖像的質量差。

鑒于此，本公開提出了一種探測器調整模型的訓練技術方案，能夠通過訓練完畢的機器學習模型，提高探測器調整的效果和生成圖像的質量。

根據本公開的一些實施例，提供了一種探測器調整模型的訓練方法包括：采集探測器的相關信息、性能要求信息、探測器生成的圖像作為訓練集數據；利用機器學習模型處理訓練數據，輸出調整后的探測器參數、圖像處理結果；根據機器學習模型的輸出和訓練集數據的標注結果，訓練機器學習模型。

在一些實施例中，利用機器學習模型處理訓練數據，輸出調整后的探測器參數、圖像處理結果包括：利用機器學習模型，消除探測器生成的圖像中探測器像元不一致性造成的干擾，輸出第一圖像處理結果；利用機器學習模型，對第一圖像處理結果進行壞元檢測處理和像素值填充處理，得到第二圖像處理結果。

在一些實施例中，利用機器學習模型，對第一圖像處理結果進行壞元檢測處理和像素值填充處理，得到第二圖像處理結果包括：根據第一圖像處理結果中各像素與其周圍像素的差異，檢測各壞元像素；分別以每一個壞元像素為中心，利用不同半徑內的周圍像素的像素值，填充每一個壞元像素的像素值。

在一些實施例中，訓練方法還包括：利用訓練后的機器學習模型處理測試集數據，輸出測試結果，測試結果包括測試集數據相應的調整后的探測器參數、圖像處理結果；根據測試結果相應的探測器的工作狀態和顯示效果，確定需要重新調整的探測器參數；根據需要重新調整的探測器參數，再次訓練機器學習模型。

在一些實施例中，探測器的相關信息包括探測器所處的環境條件、調整前的探測器參數，性能要求信息包括幀頻要求、SITF（Signal Transfer Function，信號傳遞函數）要求、顯示要求、NETD（Noise-Equivalent Temperature Difference，噪聲等效溫差）、MRTD（Minimum Resolvable Temperature Difference，最小可分辨溫差）中的至少一項。

在一些實施例中，利用機器學習模型處理訓練數據，輸出調整后的探測器參數、圖像處理結果包括：利用機器學習模型處理探測器的相關信息、性能要求信息，輸出與調整后的探測器參數相應的探測器最優狀態類型。