王超
中国电子科技集团公司第十一研究所 北京 100015
摘 要：在积分时间进行调整时，红外探测器的响应值会跟着变化，这会影响红外图像的非均匀性校正算法。为了解决这个问题，提出了一种适应积分时间调整的红外图像非均匀性校正方法。这种方法通过将各个积分时间、温度的黑体定标数据及理论红外辐射量进行整合标定，解决了在积分时间发生变化时，红外图像不能适时变化的问题。
关键词：积分时间调整；红外图像；非均匀性校正；
引 言：
受到材料、工艺等因素的影响，使得红外图像非常容易出现非均匀性的现象，大大影响红外图像的成像质量。而自适应变积分时间功能的实现，能够有效地实现红外系统在目标温度适用范围的扩展，促使目标区域能够始终在最佳响应区间开展工作，以保证获取的图像质量更加优质。
1.红外图像非均匀性校正模型的研究
1.1红外图像非均匀性校正模型网络结构的设计
需要先建立起一个能够用于回归的前向神经网络，该神经网络结构如图1所示，在这个网络结构之中，其输入层为黑体图像X，所对应的积分时间为T。输出层需要经过网络校正之后进行输出，其损失函数则为校正后的输出与期望值的均方误差和。
.png)
在图2中x代表的是单个像元的灰度值，t代表的是积分时间，而m为辐射量期望值，其中a、b、c、d在中所表示的是单个像元的各个校正系数，y表示的是单个像元校正之后的辐射量输出值。先对实线箭头所指示方向的正向传递之后，再对y进行输出，这时网络再针对输出值y与期望值m之间的均方误差进行求和，并严格依照图中虚线所指示的方向进行反向传递，进而将校正系数展开逐级修正。
1.2校正模型的网络损失函数及梯度反向传递
构建损失函数的评估体系，其主要目的是为了能够针对校正模型输出值的准确性进行衡量，而校正系数的相关修正量在计算时，需要通过梯度反向传递原理来具体实施计算。因此，经过与前馈神经网络的有机结合，获得出相应的输出矩阵Y，定标辐射量矩阵M，进而建立起相应的均方误差和的相应损失函数Loss以及其误差反向传递函数dLdY。
.png)
分别将式⑴之中的各个校正系数及D进行求导，并使其与误差值进行相乘，进而获得相应的校正系数的修正量，在具体实施计算的时候其表达式为：
.png)
当我们获得校正系数相应的修正量之后,需要与学习率α相乘,如式(2)所示，可将他们与相应的待修正系数进行叠加,进而得到修正之后的各项校正系数[1]。
.png)
2.红外图像非均匀性校正法中校正系数的在线修正
由于红外器件会处于长时间工作状态，其环境温度会出现变化，进而使得探测器响应的过程中出现漂移的现象。这就需要基于传统神经网络非均匀性校正思想的基础上，在工作任务实际开展之前需要将镜头进行切换，使其换成遮光盖或均匀的天空背景，原来的期望值 Target为一帧输出的全图均值，而并不是将真实目标场景作为相应输入的，这样能够有效避免出现鬼影这种现象，其全图辐射量的均值计算表达式如式⑷所示。
.png)
基于相关原理的基础上,我们可以将模型(3)当中的全部校正系数实施在线修正环节。但是，由于校正系数在实际实施修正的时候,其输入的数据相比于相应的定标数据，在灰度及积分时间之内的跨度要更加具有单一性的特征,每次在具体实施迭代的时候，仅仅只是将单一的积分时间以及单一的温度图像进行了输入,所以如果采用这种方法针对校正模型之中的各项系数实施相应的修正,进而使得获得的修正量的准确性难以得到保证。因此,这种方法在具体实施的时候，仅仅针对其偏置校正系数C实施了在线修正环节,再通过梯度反向传递机制的充分利用下,再加上式(1)来对反向传递误差值进行计算,然后再通过式(5)来针对偏置校正系数C展开相应的修正：
.png)
通过这样不断实施迭代输入相应的均匀温度序列图，就能够获得到经过修正之后的校正系数C[2]。
3.相关实验结果分析
3.1实验的相关配置以及相应的评价指标
在本实验之中使用的相机为320×256的中波制冷型红外相机，该相机的视场为5°×4°，其焦距为110mm，相应的口径则为55mm，相机的像元尺寸为30μm，工作波段处于3.7μm~4.8μm。使用的黑体为100~100mm的面源黑体，发射率为0.99±0.01（1~μm），温度的稳定性为±0.0005℃。在实验中红外原始数据为14位，需要经过固定比例进行拉伸，将其拉伸至8位来进行显示。在对图像非均匀校正效果进行评价的时候，需要评价图像的非均匀度的大小。现阶段在对图像非均匀度进行计算的时候，可通过式⑹来进行表达：
.png)
在式⑹之中，d,h所代表的分别是死像元与过热像元的具体个数，其中Yi,j所代表的是焦平面阵列第i行j列像元经过校正之后的相应输出值；在其中则代表的是除去死像元与过热像元之后的输出响应均值。
3.2变积分时间校正效果
实验的过程中需要先将相机的积分时间分别进行设置，使其设置成为800μs、900μs还有1000μs，然后再针对实景图进行采集，并通过常规的黑体温度两点定标法展开相应的非均匀性校正环节,其具体获得的效果如图3所示。当其经过上述模型的两点定标法进行相应的校正之后,那么其输出图像的平均灰度值则分别为5010、5265、5429。可判断为随着积分时间的不断增加,两点法实施校正之后所获得的图像灰度值也会随之增加[3]。
.png)
结束语：
综上所述，基于黑体定标数据的基础,红外辐射能量域通过神经网络校正后，输出的图像能够适应积分时间的调整。这种方法需要与自适应积分时间的调节功能相结合,可使得红外探测器工作能够处于最佳响应区间，进而使得目标温度的动态范围得到拓展。经实验验证发现,这种方法在实际使用中，针对红外相机长时间处于工作状态而产生的探测器响应漂移这一现象，可以得到一定改善。
参考文献：
[1]白乐, 赖雪峰, 韩维强, et al. 适应积分时间调整的红外图像非均匀性校正方法[J]. 光子学报, 2020, v.49(01):175-183.
[2]白乐. 适应积分时间调整的红外图像非均匀性校正方法研究[D]. 中国科学院大学(中国科学院光电技术研究所), 2020.
[3]李晶,朱斌,郭立新,等. 一种积分时间自适应调整的非均匀性校正算法[J]. 光子学报,2013,42(4):486-490.