留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

采用特征直方图的红外焦平面阵列盲元检测方法

张红辉,  罗海波,  余新荣,  丁庆海

downloadPDF
文章导航 > 红外与激光工程  > 2014 >  43(6): 1807-1811
张红辉, 罗海波, 余新荣, 丁庆海. 采用特征直方图的红外焦平面阵列盲元检测方法[J]. 红外与激光工程, 2014, 43(6): 1807-1811.
引用本文: 张红辉, 罗海波, 余新荣, 丁庆海. 采用特征直方图的红外焦平面阵列盲元检测方法[J]. 红外与激光工程, 2014, 43(6): 1807-1811.
shu
Zhang Honghui, Luo Haibo, Yu Xinrong, Ding Qinghai. Blind-pixel detection algorithm for IRFPA by applying pixel’s characteristics histogram analysis[J]. Infrared and Laser Engineering, 2014, 43(6): 1807-1811.
Citation: Zhang Honghui, Luo Haibo, Yu Xinrong, Ding Qinghai. Blind-pixel detection algorithm for IRFPA by applying pixel’s characteristics histogram analysis[J]. Infrared and Laser Engineering, 2014, 43(6): 1807-1811.
shu

采用特征直方图的红外焦平面阵列盲元检测方法

  • 1.

    中国科学院沈阳自动化研究所,辽宁沈阳 110016;

  • 2.

    中国科学院大学,北京 100049;

  • 3.

    中国科学院光电信息处理重点实验室,辽宁沈阳 110016;

  • 4.

    图像理解与视觉计算重点实验室,辽宁沈阳 110016;

  • 5.

    中航工业江西洪都航空工业集团有限责任公司,江西南昌 330024;

  • 6.

    空军装备研究院总体所,北京 100076

基金项目: 

国家自然科学基金（51005229）

详细信息
    作者简介:

    张红辉（1978-），男，博士生，主要从事图像处理与模式识别方面的研究。Email：zhanghonghuizhh@163.com

  • 中图分类号: TN215

Blind-pixel detection algorithm for IRFPA by applying pixel’s characteristics histogram analysis

  • 1.

    Shenyang Institute of Automation,Chinese Academy of Sciences,Shenyang 110016,China;

  • 2.

    University of Chinese Academy of Sciences,Beijing 100049,China;

  • 3.

    Key Laboratory of Optical-Electronics Information Processing,Chinese Academy of Sciences,Shenyang 110016,China;

  • 4.

    Key Laboratory of Image Understanding and Computer Vision,Shenyang 110016,China;

  • 5.

    AVIC Jiangxi Hongdu Aviation Industry Group Corporation LTD,Nanchang 330024,China;

  • 6.

    Research Institute of General Development and Demonstration of Equipment,Equipment of Air Force,Beijing 100076,China

  • 摘要: 红外探测器受材料和工艺等的限制，普遍存在盲元问题，降低了红外成像系统的图像质量，影响了目标检测系统的检测概率和虚警率，因此，有效检测盲元是红外图像处理领域的一个重要研究方向。在分析了有效像元校正模型的基础上，指出均匀辐照下红外焦平面阵列（IRFPA）有效像元非均匀校正后灰度图像的均值（MEAN）和标准差（STD）具有正态分布特征，对特征直方图采用自适应正交投影分解法进行高斯分解，得到有效像元校正后的MEAN和STD特征分布区间，最终得到盲元的分类准则。对IRFPA进行的验证实验结果表明，该方法获得了令人满意的结果，证实了所提出检测方法的有效性和科学性。
    Abstract: Due to the influence of material, fabrication technology and so on, blind-pixels exist on infrared focal plane array detectors. It reduces the infrered image quality and object detection capability, improves the object inveracious rate. Effective blind-pixels detection for infrared image process is an important development issue. Based on the analysis of the model for the effective pixel corrected response, the approach was proposed that, when the corrected response was uniform, the means (MEAN) and the standard deviation (STD) were both normal distributed random variables for all effective pixels. Through adaptive projective decomposition of MEAN and STD histograms, the MEAN and STD distribution range of effective pixel could be effectively estimated, and the detection rule for blind-pixel was got finally. The experimental result by applying real infrared image shows the proposed method for IRFPA blind-pixel detection is scientific and effective.
  • [1] Wang Wei, Fan Yangyu. Determination of IRFPA bad pixels with offset criterion[J]. Infrared and Laser Engineering, 2012, 41(12): 3172-3175. (in Chinese) 王巍，樊养余. 红外焦平面阵列盲元的电平判别法[J]. 红外与激光工程, 2012, 41(12): 3172-3175.
    [2]
    [3]
    [4] Wang Wei, Fan Yangyu, Si Junjie, et al. Analysis on formation of bad pixel cluster in IRFPA[J]. Infrared and Laser Engineering, 2012, 41(11): 2857-2860. (in Chinese) 王巍，樊养余，司俊杰, 等. 红外焦平面阵列盲元簇成因分析[J]. 红外与激光工程, 2012, 41(11): 2857-2860.
    [5]
    [6] Wen Peizhi, Shi Zelin. A method for detecting IR target in natural background based on wavelet transform and morphology[J]. Information and Control, 2004, 33(1): 107-111. (in Chinese) 温佩芝, 史泽林. 基于小波和形态学的自然地面背景红外目标检测方法[J]. 信息与控制, 2004, 33(1): 107-111.
    [7] GB/T17444-1998. The technical norms for measurement and test of characteristic parameters of infrared focal plane arrays
    [8]
    [S]. Beijing: China Standards Press, 1998. (in Chinese) GB/T17444-1998. 红外焦平面阵列特性参数测试技术规范[S]. 北京: 中国标准出版社, 1998.
    [10] Zhou Huixin, Wei Yajiao. Blind-pixel iterative detection algorithm based on double threshold for uncooled IRFPA[J]. Infrared and Laser Engineering, 2011, 40(5): 796-798. (in Chinese) 周慧鑫, 魏亚姣. 采用双阈值的非制冷IRFPA 盲元迭代检测算法[J]. 红外与激光工程, 2011, 40(5): 796-798.
    [11] Zhang Ke, Zhao Guifang, Cui Ruiqing, et al. Method of improving bad pixel detection precision of IRFPA[J]. Infrared and Laser Engineering, 2007, 36(4): 453-456. (in Chinese) 张科, 赵桂芳, 崔瑞青, 等. 一种提高红外焦平面阵列盲元检测精度的方法[J]. 红外与激光工程, 2007, 36(4):453-456.
    [12]
    [13] Shi Yan, Mao Haicen, Zhang Tianxu, et al. New approach of IRFPA non-effective pixel discrimination based on pix's characteristics histogram analysis[J]. Infrared Millim Waves, 2005, 24(2): 119-124. (in Chinese) 石岩, 毛海岑, 张天序, 等. 一种新的基于特征直方图分解的红外焦平面阵列无效像元判别方法[J]. 红外与毫米波学报, 2005, 24(2): 119-124.
    [14]
    [15]
    [16] Liu Shirong, Zhu Weitao. Multi-feature fusion based particle filter algorithm for object tracking[J]. Information and Control, 2012, 41(6): 752-759. (in Chinese) 刘士荣, 朱伟涛. 基于多特征融合的粒子滤波目标跟踪算法[J]. 信息与控制, 2012, 41(6): 752-759.
    [17]
  • [1] 杨德振, 喻松林, 冯进军.  基于时空统计特征的缺陷像元动态实时修复算法 . 红外与激光工程, 2022, 51(3): 20210798-1-20210798-12. doi: 10.3788/IRLA20210798
    [2] 徐丹旸, 魏宏光, 金秋春, 钱金旺, 郭星辰.  基于二维模态分解与斑块对比度相结合的红外小目标检测算法 . 红外与激光工程, 2022, 51(12): 20220148-1-20220148-7. doi: 10.3788/IRLA20220148
    [3] 李建林, 谢刚, 刘炼, 陈晓燕, 董伟, 雷永畅.  碲镉汞焦平面阵列无效像元（盲元）特征与成因 . 红外与激光工程, 2021, 50(2): 20200202-1-20200202-12. doi: 10.3788/IRLA20200202
    [4] 范明明, 田少卿, 刘凯, 赵嘉鑫, 李云松.  基于梯度方向一致性和特征分解的红外小目标检测算法 . 红外与激光工程, 2020, 49(1): 0126001-0126001(12). doi: 10.3788/IRLA202049.0126001
    [5] 张长兴, 刘成玉, 亓洪兴, 张东, 蔡能斌.  热红外高光谱成像仪光谱匹配盲元检测算法 . 红外与激光工程, 2020, 49(1): 0104002-0104002(7). doi: 10.3788/IRLA202049.0104002
    [6] 董超, 冯俊健, 田联房, 郑兵.  梯度纹理直方图与多层感知器船舶快速检测 . 红外与激光工程, 2019, 48(10): 1026004-1026004(10). doi: 10.3788/IRLA201948.1026004
    [7] 叶华, 谭冠政, 胡长坤, 戴正科.  曲率滤波-经验模式分解的运动人体目标检测预处理 . 红外与激光工程, 2018, 47(2): 226001-0226001(6). doi: 10.3788/IRLA201847.0226001
    [8] 马丁, 许金通, 刘福浩, 张燕, 李向阳.  具有低带外响应的640×8元可见盲AlGaN紫外焦平面 . 红外与激光工程, 2018, 47(S1): 99-104. doi: 10.3788/IRLA201746.S120001
    [9] 张东阁, 傅雨田.  基于一类支持向量机的盲元检测方法 . 红外与激光工程, 2018, 47(4): 404001-0404001(7). doi: 10.3788/IRLA201847.0404001
    [10] 张瞳, 林春, 陈洪雷, 周松敏.  基于多方向小波提升IRFPA盲元检测精度方法 . 红外与激光工程, 2018, 47(2): 204001-0204001(6). doi: 10.3788/IRLA201847.0204001
    [11] 侯治锦, 傅莉, 王巍, 吕衍秋, 鲁正雄, 王锦春.  用响应和串音识别焦平面探测器相连缺陷元研究 . 红外与激光工程, 2017, 46(4): 420002-0420002(5). doi: 10.3788/IRLA201746.0420002
    [12] 郭伟, 董丽虹, 王海斗, 徐雅薇, 徐滨士.  基于小波分解的热波相位特征提取及喷涂层厚度评价 . 红外与激光工程, 2017, 46(9): 904003-0904003(7). doi: 10.3788/IRLA201746.0904003
    [13] 郝立超, 黄爱波, 赖灿雄, 陈星, 陈辉, 郝明明, 路国光, 黄云, 恩云飞.  盲元作为红外焦平面可靠性分析手段的探讨 . 红外与激光工程, 2016, 45(5): 504004-0504004(5). doi: 10.3788/IRLA201645.0504004
    [14] 邓承志, 张绍泉, 汪胜前, 田伟, 朱华生, 胡赛凤.  L1稀疏正则化的高光谱混合像元分解算法比较 . 红外与激光工程, 2015, 44(3): 1092-1097.
    [15] 谢志华, 刘国栋.  基于多尺度局部二元模式共生直方图的红外人脸识别 . 红外与激光工程, 2015, 44(1): 391-397.
    [16] 冷寒冰, 宫振东, 谢庆胜, 范哲源, 武登山.  基于模糊中值的IRFPA自适应盲元检测与补偿 . 红外与激光工程, 2015, 44(3): 821-826.
    [17] 孟祥涛, 王巍, 向政.  基于光纤陀螺与经验模态分解的航天器微小角振动检测技术 . 红外与激光工程, 2014, 43(8): 2619-2625.
    [18] 魏一苇, 黄世奇, 王艺婷, 卢云龙, 刘代志.  基于体积和稀疏约束的高光谱混合像元分解算法 . 红外与激光工程, 2014, 43(4): 1247-1254.
    [19] 徐世伟, 魏东, 王大鹏, 刘万成.  红外线阵探测器盲元定位与补偿 . 红外与激光工程, 2014, 43(11): 3621-3626.
    [20] 严飞, 侯晴宇.  基于多元统计特性异常的盲元检测算法 . 红外与激光工程, 2014, 43(2): 454-457.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  733
  • HTML全文浏览量:  49
  • PDF下载量:  167
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-10-10
  • 修回日期:  2013-11-25
  • 刊出日期:  2014-06-25

采用特征直方图的红外焦平面阵列盲元检测方法

  • 1. 中国科学院沈阳自动化研究所,辽宁沈阳 110016;
  • 2. 中国科学院大学,北京 100049;
  • 3. 中国科学院光电信息处理重点实验室,辽宁沈阳 110016;
  • 4. 图像理解与视觉计算重点实验室,辽宁沈阳 110016;
  • 5. 中航工业江西洪都航空工业集团有限责任公司,江西南昌 330024;
  • 6. 空军装备研究院总体所,北京 100076
    • 作者简介:

    张红辉（1978-），男，博士生，主要从事图像处理与模式识别方面的研究。Email：zhanghonghuizhh@163.com

  • 收稿日期: 2013-10-10
  • 修回日期: 2013-11-25
  • 刊出日期: 2014-06-25
基金项目:

国家自然科学基金（51005229）

  • 中图分类号: TN215

摘要: 红外探测器受材料和工艺等的限制，普遍存在盲元问题，降低了红外成像系统的图像质量，影响了目标检测系统的检测概率和虚警率，因此，有效检测盲元是红外图像处理领域的一个重要研究方向。在分析了有效像元校正模型的基础上，指出均匀辐照下红外焦平面阵列（IRFPA）有效像元非均匀校正后灰度图像的均值（MEAN）和标准差（STD）具有正态分布特征，对特征直方图采用自适应正交投影分解法进行高斯分解，得到有效像元校正后的MEAN和STD特征分布区间，最终得到盲元的分类准则。对IRFPA进行的验证实验结果表明，该方法获得了令人满意的结果，证实了所提出检测方法的有效性和科学性。

English Abstract

    全文HTML

参考文献 (17)

目录

    /

    返回文章
    返回

    版权所有 © 2019 《红外与激光工程》编辑部｜ 地址: 天津市空港经济区中环西路58号｜ 邮政编码: 300308

    津ICP备19007885号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计