HTML
-
天基红外成像技术一直是世界各航天大国发展的重要方向,因其具有全天时昼夜成像、判断目标工作状态、伪装目标和隐蔽目标的发现能力,在国民经济和军事领域发挥着重要作用。然而,适用于空间应用的大阵列长波红外焦平面(Infrared focal plane arrays, IRFPA)器件一直是世界难题,从而限制了天基长波红外遥感能力的建设。随着碲镉汞单层外延材料等关键技术的突破,天基红外遥感技术得到快速发展。然而,受材料、制造工艺水平等因素的影响,IRFPA各探测单元响应特性普遍存在着非一致性,即响应非均匀性(Non-uniformity),影响成像信噪比和温度分辨率等关键技术指标[1]。因此,通过非均匀性校正(Non-unifor-mity correction, NUC)技术有效地减小或去除非均匀性成为提高天基红外成像质量的关键。
非均匀性校正方法可分为两类,基于场景技术和基于标定技术的算法。其中,基于场景技术的算法利用场景统计特性[2],获得每个探测单元的校正系数,其不需要专用的定标机构,成像的同时即可获取校正系数。近年来,基于帧间配准技术的场景类非均匀性校正算法已经突破了算法快速收敛等关键难题[3],具有较好的应用效果,然而基于场景类的校正算法由于无法定量获取黑体辐射通量,因此仅能实现相对辐射校正,无法实现绝对辐射校正,难以满足天基红外定量化遥感应用的需求。因此,卫星在轨通常采用基于定标技术的非均匀性校正方法[4],该方法通过周期性的停机,对不同温度点的均匀黑体进行一次或多次成像,实现对IRFPA的标定,并利用线性或分段线性响应模型计算出每个像元的增益和偏移系数,实现非均匀性校正。
然而,通常星载长波成像系统在轨工作动态范围大,达到100 K以上。研究表明,红外探测器在大动态范围条件下具有强烈的非线性[5-6],若要提升校正质量,则要求必须设置密集的黑体定标温度点,多次的黑体结构切换、黑体控温及成像造成一次定标耗时长达数小时,严重影响天基遥感成像获取的时效性。另一方面,基于IRFPA探测单元线性响应模型进行非均匀性校正必然引起由于模型失配造成的非均匀性校正残差。
因此,笔者认为提升星载长波红外探测器非均匀性校正精度的关键在于:在不改变现有星载黑体定标机构和定标模式的条件下,以尽量少的黑体定标温度点,减弱或消除长波红外探测器在大动态范围条件下表现出的强非线性对非均匀性校正精度的影响。鉴于此,文中提出一种基于改进伽马曲线的星载长波红外成像通道非均匀性校正算法,该算法采用非线性的伽马曲线模拟探测器响应特性,采用非线性压缩映射和逆映射方法提升线性化校正算法对探测器非线性响应模式的适配性,以获取更稳定更准确的校正效果。理论分析和数据处理结果表明,该算法动态范围大,校正精度高,满足卫星在轨使用要求。
-
为了检验星载长波红外成像通道在轨大动态范围工作条件下文中算法对空间非均匀性的抑制效果,将文中算法与传统的基于探测器线性响应模型的多点定标非均匀性校正算法进行对比,多点定标算法的黑体定标温度点选取10个,采用分段线性法校正原始图像。同时,还给出了典型的基于曲线拟合的非均匀性校正算法[14]作为对比。测试数据分别采用了实验室定标黑体图像序列数据和基于在轨实际非均匀性特性提取的半实景图像序列数据,通过性能指标定量化分析和视觉效果两方面验证文中算法针对国产化大阵列红外探测器强非线性非均匀性校正的效果。
-
校正效果定量化性能评价指标采用国家标准规定的非均匀性指标[15]
${{{U}}_r}$ 和图像粗糙度指标[2]$\; \rho $ 。其中,指标${{{U}}_r}$ 为红外探测器各像元响应均方根偏差与平均响应的百分比,表达式如下:式中:
$ \bar R $ 和${R_{{{ij}}}}$ 分别表示红外探测器输出图像的全局平均值和i像元j时刻响应输出值。指标
$\; \rho $ 用于衡量给定图像的粗糙程度,其表达式为:式中:
${{{h}}_{\rm{1}}}$ 为水平差分模板[1,−1];${{{h}}_{\rm{2}}} = {{{h}}_{\rm{1}}}^{\rm T}$ 表示垂直差分模板;$ {\left\| \cdot \right\|_1} $ 表示${{{L}}_{\rm{1}}}$ 范数。指标${{{U}}_r}$ 和$\; \rho $ 的取值越小,表示图像的响应一致性越好,表明校正后图像的残留非均匀性越小,校正效果越好。 -
采用实验室黑体辐射定标系统采集不同黑体温度条件下的定标图像,分别采用文中算法和传统星载多点校正算法完成辐射校正,并对比两种校正算法在大动态范围信号输入条件下的校正性能。为充分模拟空间环境,辐射定标在真空低温环境下进行,真空罐真空度小于10−3 Pa,热沉温度小于100 K,定标黑体模拟240~340 K范围相机入瞳处的辐射亮度。校正参数采用270 K和300 K黑体图像进行计算,待校正图像选取动态范围内240、275、305、340 K共4个温度点,校正前后图像灰度值见图4,其中图4(a)为校正前4个温度点图像灰度分布,图4(b)为采用文中算法的校正结果,图4(c)为采用传统算法的校正结果,量化对比结果如表1所示。
Parameter Blackbody temperature/K Image before correction Image after correction Proposed algorithm Curve fitting based algorithm Multipoint correction algorithm Ur 340 22.86% 0.41% 0.59% 1.27% 305 14.40% 0.33% 0.31% 0.93% 275 9.86% 0.38% 0.39% 0.77% 240 8.23% 0.49% 0.44% 1.46% $ \rho $ 340 0.4800 0.0685 0.0739 0.0991 305 0.2851 0.0396 0.0411 0.0570 275 0.1843 0.0288 0.0251 0.0361 240 0.1687 0.0245 0.0260 0.0324 Table 1. Performance parameters of artificial blackbody images non-uniformity corrected by different algorithms
Figure 4. (a) Image gray distribution before correction; (b) Result for NUC of the proposed algorithm; (c) Result for NUC of typical curve fitting based algorithm;(d) Result for NUC of multi-point correction algorithm
采用非均匀性指标
${{{U}}_r}$ 和图像粗糙度指标$\; \rho $ 量化比较两种算法对黑体图像的校正结果如表1所示。从黑体定标实验验证结果可以看出,传统的星载多点校正算法由于模型失配的原因,校正效果不理想,残留分均匀性较大。而经过文中和参考文献[14]所述的曲线拟合算法校正后,在中等温度区域,两种算法均能得到较好的校正效果;然而,参考文献[14]应用场景为地面热成像,工作动态范围相对较低,在天基红外遥感应用领域具有一定局限性,表现为探测器响应非线性程度更强的高度温度区域校正效果不佳。文中算法通过改进的5参数S曲线模型,以其更好的自由度实现了对于探测器高温区域强非线性的准确拟合,从而具有更好的校正效果,表现了文中算法对探测器响应强非线性的良好适应性。
-
将卫星红外成像通道在轨实际获取的非均匀性特性叠加在一幅典型的标准长波红外遥感图像上,分别采用文中算法、参考文献[14]算法和传统星载多点校正算法完成辐射校正,并对比分析校正效果,校正效果如图5所示。从视觉效果的对比而言,相对于传统星载多点校正算法,文中和参考文献[14]所述的曲线拟合算法对表现为条纹图案的非均匀性噪声抑制效果更好,校正后的图像场景细节更加平滑清晰。文中算法的优势还在于拟合探测器响应曲线所需的黑体定标温度点数量相对更少,从而可以大幅降低星载遥感红外相机停机定标时间。
Figure 5. (a) Semi-real infrared remote sensing image before correction; (b) Result for NUC of the proposed algorithm; (c) Result for NUC of curve fitting based algorithm; (d) Result for NUC of multi-point correction algorithm
此外,再次借助参数
${{{U}}_r}$ 和$ \;\rho $ 量化对比上述两种校正算法对实景红外图像的校正效果。表2所示的实验结果表明经文中算法校正后的红外图像具有相对较小的粗糙度和残余非均匀性,校正效果更好。Parameter Image before correction Image after correction Proposed algorithm Curve fitting based algorithm Multipoint correction algorithm Ur 13.69% 11.33% 11.62% 12.17% $ \rho $ 0.1193 0.0847 0.0893 0.1028 Table 2. Performance parameters of semi-real infrared remote sensing image non-uniformity corrected by different algorithms