红外图像处理-基于场景的非均匀矫正

产生背景

红外探测器因为原理和工艺问题一直存在非均匀问题，处理算法过去一般使用单点矫正和两点定标矫正，并不是这两种矫正多优秀，主要还是受限于当时的嵌入式主控芯片可怜的计算能力，随着芯片技术的发展，更加强大的算力变得廉价，一些资源消耗大的算法也开始落地了。

优势

两点定标算法任然无法解决温漂问题，需要挡片间隔几帧就再采集均匀输入做减背景，弹片会增加系统功耗，同时机械复杂稳定性也成问题，主要是挡片会导致输入的图像中断几帧的情况。这是基于场景的非均匀矫正就变得重要。
非均匀矫正是一种基于简单神经元系统的进行多帧参考的矫正方法。

实现步骤

神经网络非均匀性校正以线性模型为基础，红外探测器的感光单元的响应模型可表示为

y=ax+b

式中，y是红外焦平面阵列输出的具有非均匀性的原始图像，a和 b是
第（i，j）个探测单元的增益和偏置系数，x是理论真实的输入图像。
假设经非均匀性校正后的表达式为

Q = Gy+o

式中，G和 O是像元的增益和偏置校正系数，Q是校正后输出图像。

基于神经网络的非均匀校正方法在像元（i，j）处采用其四邻域空间均值来作为该像元的期望输出。

fn=(y(上) +y（下）+y(左)+右（右）) /4

校正值和上下左右四向平均获得的期望值之间存在一定的偏差，由此将此偏差定义为误差函数，上两式整理获得误差函数。

e = Q - fn = Gy+o -fn
目标偏差值e应该是最小，这样通过最陡下降法可以得到 Gi,j(n)和 Oi,j(n)的自适应更新公式
G(n+1) = G(n) - 2uye
O(n+1) = O(n) - 2u*e
公式中的u 为迭代步长。

结论

这样简单的基于场景的分均匀矫正就完成了，利用当前帧G(n) 和O(n) 预计当前帧输入图像数据可以获取下一帧的矫正系数，这个过程就不需要定标矫正，矫正系数根据输入实时调整。