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

基于Savitzky-Golay加权拟合的红外图像非均匀性条带校正方法

张一舟 许廷发 刘子伟 申子宜 郭巳秋

张一舟, 许廷发, 刘子伟, 申子宜, 郭巳秋. 基于Savitzky-Golay加权拟合的红外图像非均匀性条带校正方法[J]. 中国光学, 2015, 8(1): 51-59. doi: 10.3788/CO.20150801.0051
引用本文: 张一舟, 许廷发, 刘子伟, 申子宜, 郭巳秋. 基于Savitzky-Golay加权拟合的红外图像非均匀性条带校正方法[J]. 中国光学, 2015, 8(1): 51-59. doi: 10.3788/CO.20150801.0051
ZHANG Yi-zhou, XU Ting-fa, LIU Zi-wei, SHEN Zi-yi, GUO Si-qiu. Correction method for stripe nonuniformity in infrared images based on Savitzky-Golay weighted fitting algorithm[J]. Chinese Optics, 2015, 8(1): 51-59. doi: 10.3788/CO.20150801.0051
Citation: ZHANG Yi-zhou, XU Ting-fa, LIU Zi-wei, SHEN Zi-yi, GUO Si-qiu. Correction method for stripe nonuniformity in infrared images based on Savitzky-Golay weighted fitting algorithm[J]. Chinese Optics, 2015, 8(1): 51-59. doi: 10.3788/CO.20150801.0051

基于Savitzky-Golay加权拟合的红外图像非均匀性条带校正方法

doi: 10.3788/CO.20150801.0051
基金项目: 国家自然科学基金资助项目(No.61371132, No.61172178);国家国际科技合作专项资助项目(No.2014DFR10960)
详细信息
    通讯作者:

    张一舟(1990—),女,山西太原人,硕士研究生,2012年于南京理工大学获得学士学位,主要从事光电目标探测、红外图像处理等方面的研究。E-mail:tyzyz163@163.com

    许廷发(1968—),男,黑龙江肇东人,博士,教授,博士生导师,1992年、2000年于东北师范大学分别获得学士、硕士学位,2004年于中国科学院长春光学精密机械与研究所获得博士学位,2006年于华南理工大学电子与信息学院完成博士后工作,主要从事光电成像探测与识别等方面的研究。E-mail:xutingfa@163.com

    刘子伟 (1987—),男,山东莱芜人,博士研究生,2012年于东北林业大学获得硕士学位,主要从事图像复原、计算成像等方面的研究。E-mail:tansuo_2011@163.com

    申子宜(1989—),女,陕西西安人,博士研究生,2012年于西安工业大学获得学士学位,主要从事图像配准、亚像元方面的研究。E-mail:ziyishen@126.com

    郭巳秋(1989—),女,吉林长春人,硕士研究生,2012年于北京理工大学获得学士学位,主要从事目标检测、跟踪算法方面的研究。E-mail:guo_qiuqiu@126.com

  • 中图分类号: TN215;TN911.73

Correction method for stripe nonuniformity in infrared images based on Savitzky-Golay weighted fitting algorithm

  • 摘要: 针对红外成像探测器单元响应不一致等因素导致的图像非均匀性条带问题, 提出了基于直方图加权和Savitzky-Golay拟合的非均匀性条带校正方法。首先, 计算每列的归一化直方图函数并将其作为权值对图像进行加权运算;然后, 利用Savitzky-Golay滤波器对加权后的图像列均值和列方差进行拟合, 并将结果带入校正公式, 通过可调参数的迭代完成校正。实验结果表明:该方法能有效地去除非均匀性条带, 保留图像的光谱辐射信息和纹理细节, 各项评价指标均提高10%。
  • 图  1  不同拟合方法处理图像列均值数据

    Figure  1.  Comparisons of mean value fitting results by different methods

    图  2  不同拟合方法处理图像列方差数据

    Figure  2.  Comparisons of variance fitting results by different methods

    图  3  不同迭代次数图像校正效果图

    Figure  3.  Correction results with different number of iterations

    图  4  不同方法去除非均匀性条带效果对比

    Figure  4.  Destriping results by different correction methods

    图  5  不同方法处理图像后图像列均值分布

    Figure  5.  Mean value comparisons of the original image and corrected images

    图  6  迭代过程中评价指标变化

    Figure  6.  Convergence curves of different evaluation criteria

    图  7  实际红外图像处理结果

    Figure  7.  Processing result of a real infrared image

    表  1  不同处理方法客观评价指标数据

    Table  1.   Comparisons of image evaluation criteria by different algorithms

    方法PSNRIQUIQIρ
    带非均匀性条带图片25.307 300.881 967.159 1
    矩匹配法25.856 51.820 90.902 871.268 6
    傅里叶低通滤波法25.362 52.392 90.912 447.561 2
    直方图匹配法26.792 62.207 30.962 965.268 1
    本文方法29.570 54.809 70.977 354.295 1
    下载: 导出CSV
  • [1]

    [2]

    [3]

    [4]

    [5]

    [6]

    [7]

    [8]

    [9]

    [10]

    [11]

    [12]

    [13]

    [14]

    [15]

    [16]

  • 加载中
图(7) / 表(1)
计量
  • 文章访问数:  736
  • HTML全文浏览量:  109
  • PDF下载量:  823
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-10-16
  • 录用日期:  2014-12-18
  • 刊出日期:  2015-01-25

目录

    /

    返回文章
    返回