一种基于sCMOS相机的固定噪声自适应检测与校正方法与流程

本发明属于图像传感器和信号处理领域，具体涉及基于scmos相机中的一种提高图像质量的固定噪声的自适应检测与校正算法的实现。

背景技术：

凭借高灵敏度、高分辨率、高读出速度及深度制冷等诸多技术优势，scmos相机在高通量筛选、dna测序方面有着无可比拟的优势，同时在其他科学研究领域也提供给客户最佳的选择。人无完人，虽然scmos相机本身效果已然出众，但是由于scmos相机具备极好的高感光能力，它的每个感光二极管都需要搭配一个放大器，若以百万像素计算的话，那就需要上百万个的放大器，然而放大器属于模拟电路，很难让所得的每个结果都保持一致^[1，2]，所以它的固定噪声相对也会有所增加，从而影响了图像的品质。

图像传感器中的固定噪声主要来源是暗电流的不均匀性，尽管这种噪声在通常的工作模式下几乎观察不到，但在长曝光时间或者在高温下拍摄的图像则可以观测到。如果在整个像素阵列中，各个像素的暗电流不同，那么就会造成固定噪声，因为相关双采样(cds)并不能消除这种噪声成分。图像传感器设备经过长时间使用后，会因为图像传感器的使用导致图像产生更多的固定噪声。固定噪声的出现不仅会降低图像的视觉效果，多固定噪声出现甚至会丢失部分重要的图像信息^[3]。因此，各微视图像领域都制定了相应的抑制噪声的办法。

目前已有的基于中值滤波或高斯滤波的固定噪声处理方法，都是针对整幅图像进行的实时检测与校正处理，对于图像上的每一个像素点都与它周围的像素点进行比较，然后根据设置的亮场阈值与暗场阈值来判断该点为亮点或暗点，并通过中值计算或加权平均计算来校正该像素点的灰度值^[4-7]。这种处理方法虽然能够抑制部分噪声给图像质量带来的影响，但是它忽略了场景变化时对图像细节信息的需求，以及暗电流和随机噪声对图像品质的影响，容易丢失原始图像的细节信息和亮暗过度信息，从真正意义上来说，他们校正的不是真正的固定噪声，而是疑似噪声，所以校正结果也与真实值有一定的偏差。对于图像质量要求很高的scmos科研级相机来说，这种方法远远不能满足它对图像质量的需求。

因此，本发明根据scmos传感器的成像特点和固定噪声产生的原因及特征分析^[8-11]，提出了一种新的固定噪声的自适应阈值检测公式以及自适应滤波校正算法，从而能使scmos相机更好地应用于一些要求相对严苛的特殊领域，更好地发挥其在科研领域的使用价值。

参考文献：

[1]anonymous.scmostechnology：highdynamicrangeimagingwithscmos(scientificcmos)；andortechnology，fairchildimagingandpcoadaptcmostechnologyspeciallyfortheneedsofscientificimaging[j].m2presswire，2009，：.

[2]wilson，andrew.scmoscamerastargetscientificapplications[j].visionsystemsdesign，2014，19(3)：.

[3]junichinakamura.imagesensorsandsignalprocessingfordigitalstillcameras[m].taylorandfrancis：2005.

[4]闵吉磊，危荃，敖波，曾亚斌.非晶硅平板探测器dr成像校正方法[j].失效分析与预防，2015，10(03)：133-138.[2017-09-01].

[5]徐燕，罗守华，陈功，赵富宽.基于平板探测器的锥束ct投影图像校正[j].计算机工程与应用，2016，(04)：163-167.

[6]钱锋，贾建军，张亮，王建宇.星地激光通信atp系统探测相机的坏点校正[j].中国激光，2014，(05)：139-145.

[7]胡越黎，计慧杰，吴频，等.图像的中值滤波算法及其fpga实现[j]计算机测量与控制，2008，16(11)：1672-1675.

[8]王华，曹剑中，王华伟，郭惠楠，赵晓冬，刘广森.基于估计方法的cmos图像传感器列固定模式噪声校正方法[j].红外与激光工程，2013，42(07)：1928-1932.[2017-09-01].

[9]周津，姚素英，徐江涛.列固定模式噪声的校正方法[j].天津大学学报，2008，(01)：39-43.[2017-09-01].

[10]emvastandard1288：standardforcharacterizationofimagesensorsandcameras[s].release3.0.2010.11

[11]范艳荣.相机性能测试与emva1288标准[t].视觉与图像器件事业部

技术实现要素：

本发明是提出一种基于scmos相机的固定噪声的自适应检测与校正方法，目的是提高图像质量，解决固定噪声对scmos相机的图像造成的诸如坏点、暗信号非一致性、光响应非一致性、暗电流等的破坏性问题。

本发明所采用的技术方案，具体包含如下操作步骤：

步骤1，把相机镜头盖完全关闭，调整相机性能参数，连续采集10幅暗场图像；

步骤2，把相机镜头拆下，在暗室中将相机对准平行光面光源，由于图像灰度值过大或过小都不利于图像信息的读取，所以要对面光源的亮度进行调整，使图像的平均灰度达到总灰度的70％左右，然后连续采集5幅亮场图像；

步骤3，在无光照条件下，通过多幅暗场图像平均的方式，可以降低時域噪声，由于暗场中時域噪声占比较大，所以采用10幅暗场图像进行平均处理；

步骤4，在平行光面光源下，通过多幅亮场图像平均的方式，可以降低時域噪声，由于亮场中時域噪声占比较小，所以采用5幅亮场图像进行平均处理；

步骤5，设置暗场固定噪声的自适应检测公式：暗场固定噪声的阈值为d1，其中有三个指标影响d1的值，指标一为像素总灰度的1/10，用g表示，指标二为灰度值从大到小排列后，像素数量的1/1000处所显示的灰度值，即固定噪声的数量通常不会超过整幅图像所有像素数量的1/1000，用b表示，指标三为整幅图像灰度值的均值m1加上整幅图像灰度值的均方差s1。由于这三个指标对固定噪声的阈值都存在密不可分的影响，所以综合考虑，我们将暗场固定噪声的自适应检测公式设为d1＝(g+b+(m1+s1))/3，当暗场图像中像素点的灰度值超过d1时，我们便将该点判为固定噪声；

步骤6，利用步骤5所得固定噪声的位置坐标信息a1，逐一对固定噪声进行了3×3的中值滤波算法校正，并对位于图像边界的固定噪声做了有效的填充处理，边界处通过镜像反射方法来填补，完成了对暗场固定噪声所在位置的自适应校正；

步骤7，设置亮场固定噪声的自适应检测公式：亮场固定噪声的阈值为d2，其中有三个指标影响d2的值，指标一为像素总灰度的1/10，用g表示，由于该指标不受外界各种不良因素的干扰，所以占比较大，为50％，指标二为灰度值从小到大排列后，像素总数量的1/1000处所显示的灰度值，因为亮场固定噪声的数量通常都会小于像素总数量的1/1000，所以该指标占比较小，为20％，用b2表示，指标三为整幅图像灰度值的均值m2减去整幅图像灰度值的均方差s2，占比30％。综合考虑，我们将亮场固定噪声的自适应检测公式设为d2＝g×50％+b2×20％+(m2-s2)×30％，当亮场图像中像素点的灰度值低于d2时，我们便将该点判为固定噪声；

步骤8，利用步骤7所得固定噪声的位置坐标信息a2，逐一对固定噪声进行了3×3的中值滤波算法校正，并对位于图像边界的固定噪声做了有效的填充处理，边界处通过镜像反射方法来填补，完成了对亮场固定噪声所在位置的自适应校正；

步骤9，将暗场固定噪声坐标a1与亮场固定噪声坐标a2合并，即为整幅图像的所有固定噪声的位置坐标，用a表示，在scmos相机的正常使用中，便可加入同步骤6和步骤8一样的自适应校正算法，从而达到提高相机图像质量的目的。

本发明的效果和益处是，实际应用表明，本发明可以在不破坏原始图像正常像素信息的前提下，对scmos相机在拍摄过程中产生的固定噪声进行了自适应检测与校正，大大提高了图像质量，在科研相机领域具有很好的使用价值。

本发明技术有以下几个优势：

(1)本发明操作简便、算法简单，计算量小、执行效率高、速度快。

(2)本发明涉及的算法可以在scmos科研级相机中硬件实现，如通过fpga实现，以进一步提高运算速率，也可通过上位机软件实现。

(3)本发明利用多幅图像平均的方式，降低了時域噪声。

(4)本发明根据scmos传感器的成像特点和固定噪声产生的原因及特征分析，设计了固定噪声的自适应阈值检测算法公式。

(5)本发明是根据检测出的固定噪声的位置坐标，逐一对其像素灰度值进行自适应中值滤波校正，并没有破坏原始图像的正常像素信息，大大降低了对图像的破坏度，提高了校正速度，从而使校正结果更加准确。

(6)本发明对处于边界的固定噪声进行了边缘填充处理，保证了校正算法的有效性和准确性。

(7)本发明同样适用于其他型号scmos相机固定噪声的自适应检测与校正。

附图说明

图1是本发明方法的操作流程图；

图2是未使用本发明方法获得的固定噪声校正前的图像；

图3是使用本发明方法获得的固定噪声校正后的图像。

具体实施方式

以下结合附图和实施例详细叙述本发明的具体实施。

本发明提出的方法的整体操作流程如附图1所示，在具体实施时一般分成两个阶段，即首先是根据scmos传感器的成像特点和固定噪声产生的原因及特征分析，设计了固定噪声的自适应阈值检测算法公式，以下简称为固定噪声检测阶段；然后是固定噪声校正阶段，通过检测所得结果，逐一对固定噪声进行了3×3的中值滤波算法校正，并对边缘做了有效的填充处理。

固定噪声检测阶段的操作流程如下：

步骤1，把相机镜头盖完全关闭，调整相机性能参数，连续采集10幅暗场图像；

步骤2，把相机镜头拆下，在暗室中将相机对准平行光面光源，由于图像灰度值过大或过小都不利于图像信息的读取，所以要对面光源的亮度进行调整，使图像的平均灰度达到总灰度的70％左右，然后连续采集5幅亮场图像；

步骤3，在无光照条件下，通过多幅暗场图像平均的方式，可以降低時域噪声，由于暗场中時域噪声占比较大，所以采用10幅暗场图像进行平均处理；

步骤4，在平行光面光源下，通过多幅亮场图像平均的方式，可以降低時域噪声，由于亮场中時域噪声占比较小，所以采用5幅亮场图像进行平均处理；

步骤5，设置暗场固定噪声的自适应检测公式：暗场固定噪声的阈值为d1，其中有三个指标影响d1的值，指标一为像素总灰度的1/10，用g表示，指标二为灰度值从大到小排列后，像素总数量的1/1000处所显示的灰度值，即固定噪声的数量通常不会超过整幅图像所有像素数量的1/1000，用b表示，指标三为整幅图像灰度值的均值m1加上整幅图像灰度值的均方差s1。由于这三个指标对固定噪声的阈值都存在密不可分的影响，所以综合考虑，我们将暗场固定噪声的自适应检测公式设为d1＝(g+b+(m1+s1))/3，当暗场图像中像素点的灰度值超过d1时，我们便将该点判为固定噪声；

步骤6，设置亮场固定噪声的自适应检测公式：亮场固定噪声的阈值为d2，其中有三个指标影响d2的值，指标一为像素总灰度的1/10，用g表示，由于该指标不受外界各种不良因素的干扰，所以占比较大，为50％，指标二为灰度值从小到大排列后，像素总数量的1/1000处所显示的灰度值，因为亮场固定噪声的数量通常都会小于像素总数量的1/1000，所以该指标占比较小，为20％，用b2表示，指标三为整幅图像灰度值的均值m2减去整幅图像灰度值的均方差s2，占比30％。综合考虑，我们将亮场固定噪声的自适应检测公式设为d2＝g×50％+b2×20％+(m2-s2)×30％，当亮场图像中像素点的灰度值低于d2时，我们便将该点判为固定噪声；

固定噪声校正阶段的操作流程如下：

步骤7，利用步骤5所得固定噪声的位置坐标信息a1，逐一对固定噪声进行了3×3的中值滤波算法校正，并对位于图像边界的固定噪声做了有效的填充处理，边界处通过镜像反射方法来填补，完成了对暗场固定噪声所在位置的自适应校正；

步骤8，利用步骤6所得固定噪声的位置坐标信息a2，逐一对固定噪声进行了3×3的中值滤波算法校正，并对位于图像边界的固定噪声做了有效的填充处理，边界处通过镜像反射方法来填补，完成了对亮场固定噪声所在位置的自适应校正；

步骤9，将暗场固定噪声坐标a1与亮场固定噪声坐标a2合并，即为整幅图像的所有固定噪声的位置坐标，用a表示，在scmos相机的正常使用中，便可加入同步骤7和步骤8一样的自适应校正算法，从而达到提高相机图像质量的目的。

附图2是未使用本发明方法采集获得的固定噪声校正前的暗场灰度图像，附图3是使用了本发明所提出的自适应校正方法对附图2进行固定噪声校正后的图像。两图相比较，可以明显的看出，本发明所提出的基于scmos的固定噪声检测与校正方法，有效解决了固定噪声对scmos相机的图像造成的诸如坏点、暗信号非一致性、光响应非一致性、暗电流等的破坏性问题。

实际应用表明，本发明可以快速、便捷地实现对固定噪声的自适应检测与校正，处理速度快且能够有效降低对图像的破坏度，大大提高了图像质量，在科研相机领域具有很好的使用价值。