粟宇路，蘇 蘭，陳大乾，蘇俊波，楊智雄

?

基于分步搜索策略的自適應盲元檢測算法

粟宇路，蘇 蘭，陳大乾，蘇俊波，楊智雄

（昆明物理研究所，云南 昆明 650223）

盲元一直是影響紅外焦平面探測器成像質(zhì)量的重要因素之一。探索了一種基于分步搜索策略的自適應盲元檢測算法，無需借助黑體等輔助定標設(shè)備，完全基于場景信息即可對探測器使用過程中不斷出現(xiàn)的新盲元進行有效檢測。

紅外探測器；自適應盲元檢測；分步搜索

0 引言

近年來，紅外熱像儀被越來越多地應用于醫(yī)學、安防、航空、航天、農(nóng)業(yè)及科研等領(lǐng)域。紅外成像的興起是由其固有的特性所決定的，這些特性并非可見光成像所具有。紅外成像技術(shù)的發(fā)展往往伴隨著紅外探測器的發(fā)展，目前主流的紅外探測器為凝視型焦平面探測器。凝視型探測器顧名思義無需掃描機構(gòu)即可全視場成像，因此大面陣的紅外焦平面探測器越來越受到使用者的青睞。然而，由于紅外探測器制造材料和工藝存在難以克服的缺陷，制造出的紅外探測器面陣越大，則其中包含的失效像元則越多。因此，對于大面陣的紅外探測器，盲元的檢測與補償成為了提高熱像儀成像質(zhì)量的重要舉措之一。

目前，國內(nèi)外許多學者對紅外焦平面探測器盲元的檢測方法進行了研究，例如周慧鑫等人利用紅外探測器對雙參考輻射源的響應數(shù)據(jù)和相鄰像元成像數(shù)據(jù)的相關(guān)性進行盲元檢測[1]，冷寒冰等人利用模糊中值濾波器提取盲元[2]，白俊奇等人通過調(diào)節(jié)像元響應的顯示動態(tài)范圍并利用設(shè)定閾值完成盲元檢測[3]，張熙寧采用改進的二維線性外推法完成了對單幀圖像盲元檢測[4]。盲元檢測方法可謂多種多樣，若依據(jù)是否借助黑體等輔助設(shè)備，可大致劃分為2類：一類是基于參考輻射源的盲元檢測方法，另一類是基于場景信息的盲元檢測方法。基于參考輻射源的盲元檢測方法一般適用于產(chǎn)品出廠前，產(chǎn)品出廠之后，尤其是在使用過程中往往條件難以具備或者并不方便實施，因而基于場景信息的盲元檢測方法顯得舉足輕重。

針對盲元對場景信息在空域和時域的響應特性進行了分析，提出了一種基于場景信息的分步搜索盲元算法，可對探測器在使用過程中陸續(xù)產(chǎn)生的盲元進行實時自適應檢測。

1 產(chǎn)生機理及表象分析

1.1 盲元的定義與產(chǎn)生機理

國標[5]對盲元的定義稱之為無效像元，包括死像元和過熱像元。其中，死像元是指像元響應率小于平均響應率1/2的像元；過熱像元是指像元噪聲電壓大于平均噪聲電壓2倍的像元。

盲元產(chǎn)生的直接原因是紅外探測器探測單元響應紅外輻射失效，根據(jù)產(chǎn)生時間的不同，其又分為生產(chǎn)階段產(chǎn)生的盲元和使用階段產(chǎn)生的盲元。生產(chǎn)階段產(chǎn)生的盲元主要由制造探測器材料的缺陷和生產(chǎn)工藝水平限制所導致的。使用階段產(chǎn)生的盲元主要由探測單元受到溫度、振動等因素影響使得響應失效所導致的。

1.2 盲元在多視角中的表象

從信號與系統(tǒng)的角度分析，將像元當成一個黑盒系統(tǒng)，如圖1所示，則盲元響應特性表現(xiàn)為響應動態(tài)范圍很小，即當輸入紅外輻射能量變化較大時盲元輸出的響應信號量變化不大；而從圖像感官角度分析，盲元就是一個點或點集，這些點或者點集可能是黑的（死像元），也可能是白的（過熱像元），如圖2所示。將探測器對圖2所示場景的響應做成三維響應圖如圖3所示，可以看到盲元表現(xiàn)為一根根孤立高聳或下垂的柱子，它與周圍的像元間沒有相對平緩的過渡帶，而完全是階躍式跳變。

2 分步搜索算法

2.1 分步搜索原理

通過對盲元產(chǎn)生機理和多視角表象分析，可以將盲元的特性歸為2類：一類是空域特性，一類是時域特性。其中，盲元的空域特性表現(xiàn)為鄰域響應不相關(guān)性，即盲元的響應灰度值與周圍像元的響應灰度值差異較大，不存在灰度變化的連貫性，屬于階躍式跳變。而盲元的時域特性則表現(xiàn)為對輸入信號的響應不敏感性，即不管輸入場景變化多么劇烈，盲元輸出灰度值變化波動很小。

應用集合論，可以清楚地表示出盲元與正常像元的差異，如圖4所示。因此，可以采用分步搜索策略，通過逐步縮小范圍，從而達到快速而準確地區(qū)分盲元與正常像元的目的。第1步進行空域搜索，找出鄰域響應不相關(guān)性的像元，標記為潛在盲元；第2步對潛在盲元進行時域響應不敏感性判斷，若潛在盲元被判斷為對輸入響應不敏感，則該像元標記為盲元。

圖1 像元系統(tǒng)響應對比

圖2 640×512制冷型紅外焦平面探測器成像

圖3 探測器焦平面陣列三維響應圖

2.2 圖像預處理

對單幀圖像進行空域搜索受噪聲和場景影響較大，可利用對場景進行時域平均的算法降低噪聲和場景中點目標對盲元搜索準確率的影響。噪聲隨機性較強，跟場景是否變化無關(guān)，而場景中的點目標位置則跟場景是否變化有直接關(guān)系。因此，進行場景時域平均計算時需要先執(zhí)行場景是否移動的預判斷，整個圖像預處理算法如圖5所示。

圖4 盲元與正常像元所屬集合關(guān)系

圖5 圖像預處理算法流程

圖像場景是否移動可采用圖像差分方法進行判斷，如下式：

式中：表示差分值；1、2分別表示前、后兩幀圖像；、分別表示像元的行、列序號。

場景時域平均值可采用遞歸方式計算，如下式：

2.3 空域搜索算法

空域搜索算法的目的就是找出圖像中的奇異點，可采用Laplacian算子進行求解，該算子的擴展模板如圖6所示。

111 1－81 111

將Laplacian算子計算出的二階差分之和取絕對值與預先設(shè)定的閾值th作比較，從而判斷該像元是否為潛在的盲元，如下式：

2.4 時域響應不敏感性判斷算法

進行完空域搜索之后，需對檢測出的潛在盲元進行時域響應不敏感性判斷，以進一步排除可能的場景點。由于場景變化局部相關(guān)性較大，因此只需對以潛在盲元為中心的局部區(qū)域進行場景運動判斷即可，計算公式如式(1)。若局部區(qū)域場景判斷為運動，則可對該潛在盲元的運動狀態(tài)進行一次判定，如果在一定的判斷次數(shù)完成后，發(fā)現(xiàn)潛在盲元的運動概率小于動靜臨界概率時，則該潛在盲元判為真盲元，否則為正常像元。時域響應不敏感性判斷算法如圖7所示。

2.5 分步搜索總算法

綜上所述，分步搜索算法大致分為3個階段：第1個階段進行圖像預處理，降低場景點對盲元搜索的干擾，可稱為預搜索；第2個階段進行空域潛在盲元搜索，可稱為主搜索；第3個階段是對第2階段檢測出的潛在盲元進行時域響應判斷，排除可能的場景點，并最終確定盲元位置，可稱為終搜索。分步搜索算法流程如圖8所示。

3 實驗結(jié)果與分析

3.1 實驗結(jié)果

采用1280×1024制冷型焦平面熱像儀作為實驗樣機，該樣機已經(jīng)過兩點非均勻性校正，但并未做盲元檢測和補償，其對室內(nèi)場景的成像如圖9所示。

采用文獻[4]中基于場景的二維線性外推盲元檢測改進方法Ⅱ檢測出的盲元結(jié)果如圖10(a)所示，盲元總數(shù)為5305。采用文獻[2]中基于模糊中值的盲元檢測方法檢測出的盲元結(jié)果如圖10(b)所示，盲元總數(shù)為310。本文算法先對場景進行預搜索，指定幀數(shù)為1560，再進行主搜索，閾值TH取100，最后進行終搜索，本實驗局部區(qū)域半徑取25，限定次數(shù)取為104，動靜臨界概率取50%，搜索結(jié)果如圖10(c)所示，盲元總數(shù)為2084。

圖7 時域響應不敏感性判斷算法流程

圖8 分步搜索算法總流程

圖9 1280×1024制冷型熱像儀輸出場景

3.2 實驗分析

通過對3種盲元檢測方法檢測結(jié)果的分析，可以知道二維線性外推盲元檢測方法，存在盲元誤檢的風險較大；基于模糊中值的盲元檢測方法，則存在較大的盲元漏檢風險；本文算法則在盲元誤檢和漏檢之間取得了一個較好的平衡狀態(tài)。

4 結(jié)論

為研究基于場景信息的盲元自適應檢測方法提供了一種新思路，擺脫了傳統(tǒng)基于參考輻射源盲元檢測方法的局限性，有效降低了盲元誤檢和漏檢的風險。

圖10 3種方法檢測出的盲元

[1] 周慧鑫, 殷世民, 劉上乾, 等. 紅外焦平面器件盲元檢測及補償算法[J]. 光子學報, 2004, 33(5): 598-599.

ZHOU H X, YIN S M, LIU S Q, et al. Algorithm of Blind Pixels Auto-searching and Compensation for IRFPA[J]., 2004, 33(5): 598-599.

[2] 冷寒冰, 宮振東, 謝慶勝, 等. 基于模糊中值的IRFPA自適應盲元檢測與補償[J]. 紅外與激光工程, 2015, 44(3): 821-825.

LENG Hanbing, GONG Zhendong, XIE Qingsheng, et al. Adaptive blind pixel detection and compensation for IRFPA based on fuzzy median filter[J]., 2015, 44(3): 821-825.

[3] 白俊奇, 蔣怡亮, 趙春光, 等. 紅外焦平面陣列探測器盲元檢測算法研究[J]. 紅外技術(shù), 2011, 33(4): 233-235.

BAI Jun-qi, JIANG Yi-liang, ZHAO Chun-guang, et al. Blind-pixel detection algorithm for infrared focal plan array detector[J]., 2011, 33(4): 233-235.

[4] 張熙寧. 一種改進的紅外焦平面陣列盲元檢測算法[J]. 激光與紅外, 2010, 40(10): 1149-1153.

ZHANG Xining. Improved blind element inspection algorithm of infrared FPA array[J]., 2010, 40(10): 1149-1153.

[5] 中華人民共和國國家質(zhì)量監(jiān)督檢驗檢疫總局, 中國國家標準化管理委員會. GB/T 17444-2013. 紅外焦平面陣列參數(shù)測試方法[S]. 北京: 中國標準出版社, 2014.

General Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China, Standardization Administration of the People's Republic of China. Measuring methods for parameters of infrared focal plane arrays[S]. Beijing: China Standard Press, 2014.

Adaptive Blind Pixel Detection Algorithms Based on Stepwise Search Strategy

SU Yulu，SU Lan，CHEN Daqian，SU Junbo，YANG Zhixiong

(,650223,)

Blind pixels are always one of important factors influencing the imaging of infrared focal plane array detectors. An adaptive blind pixels detection algorithm is used based on stepwise search strategy. This algorithm can detect new blind pixels that appear continually in the application process of the detector based on scene information, without any auxiliary device including black body.

infrared detectors，adaptive blind pixel detection，stepwise search

TN211

A

1001-8891(2016)06-0457-04

2015-12-16；

2016-01-21.

粟宇路（1987-），男，湖南懷化人，碩士，研究方向為紅外圖像信息處理。