本发明涉及短波红外焦平面的技术领域，特别是涉及短波红外焦平面自适应非均匀校正算法。
背景技术：
短波红外焦平面阵列的非均匀性会随使用环境温度、成像目标温度、焦平面自身温度、焦平面工作时间长短的变化而变化，校正系数需要实时更新。
因此希望有一种短波红外焦平面自适应非均匀校正算法能够有效的解决上述现有技术中的缺陷。
技术实现要素：
本发明的目的在于提供一种基于logistics和多因子校正模型的短波红外焦平面自适应非均匀校正算法，使用logistics函数结合短波红外焦平面非均匀性模型对焦平面的非均匀性进行回归估计求出非均匀性校正系数，达到校正的目的。
为实现上述目的，本发明提供一种基于logistics和多因子校正模型的短波红外焦平面自适应非均匀校正算法包括以下步骤：
①对线性模型进行两个前提假设；
②忽略探测单元在辐射范围较小和去除饱和时存在误差情况下，近似地认为焦平面响应是线性的,在均匀的辐射度条件下，焦平面的非均匀性线性模型可以用下式来表示：
Yk(i,j)＝ak(i,j)*Xk(i,j)-bk(i,j)+nk(i,j)
式中，Xk(i,j)表示第k帧时，坐标为(i,j)的探测元所接收到的真实红外辐射度，ak(i,j)和bk(i,j)分别为此时，该探测单元的乘性噪声变量和加性噪声变量，nk(i,j)为读出电路的电子噪声，ak(i,j)和bk(i,j)的值同时也随时间变化而改变；
③通过步骤②可以得出焦平面的非均匀性主要是由乘性的增益和加性的偏置组成，影响焦平面非均匀性的主要是偏置，并且随着环境温度、探测器温度和工作时间的变化，偏置在不停的改变，因此出现很多场景校正算法，只是对偏置不停的预测补偿，在场景不断运动的情况下就可以得到很好的效果；
④把偏置值的非均匀性分解成环境温度、探测器温度几类影响因子的组合加上一个固定的均值偏置构成模型：
Yk(i,j)＝Ak(i,j)*Xk(i,j)+Bk(i,j)*TFPA+Ck(i,j)*TENV+m
式中，Ak(i,j)和Bk(i,j)、Ck(i,j)分别为焦平面非均匀性响应系数、探测器温度非均匀性系数、工作时间非均匀性系数，m是固定的均值偏置，在校正中可以忽略；
⑤假设红外焦平面成像的像元间灰度是连续的，那么红外图像中相邻像元之间的差别在一定帧数的统计意义上是很小的，这意味着两个相邻像元在时间的直方图上几乎是相等的；
⑥根据步骤⑤的假设把单个探测单元的真实响应值近似等同于邻域探测元响应均值Y，从而作为logistics回归的估计值：
则非均匀校正估计值的logistics函数模型为
⑦根据上述非均匀校正模型，非均匀校正的logistics函数模型为：
⑧利用最大似然估计，求出非均匀性校正的参数，如下式：
求解Ak(i,j)和Bk(i,j)、Ck(i,j)焦平面非均匀性响应系数、探测器温度非均匀性系数、工作时间非均匀性系数，具体求解可以用牛顿-拉菲森迭代方法求解。
优选地，所述线性模型的两个前提假设包括：(1)焦平面中每个探测单元的响应在时间上是稳定的，不会因为工作时间长短而变化；(2)每个探测单元的工作区域是线性的。
针对短波红外焦平面非均匀这一特点和快门校正的不足，本发明提供了一种基于logistics和多因子校正模型的短波红外焦平面自适应非均匀校正算法，该算法全面综合的考虑到了环境温度、探测器响应、探测器温度各个非均匀性的影响因子，从而很好的解决了短波焦平面非均匀性校正的不确定性，定量测试结果表明，该方法可达到0.001％的非均匀性校正残余，显著提高了校正精度，改善了红外成像的图像质量，扩大了校正技术的适用范围。
具体实施方式
基于logistics和多因子校正模型的短波红外焦平面自适应非均匀校正算法包括以下步骤：
①传统的线性模型的两个前提假设：一是焦平面中每个探测单元的响应在时间上是稳定的，不会因为工作时间长短而变化；二是每个探测单元的工作区域是线性的；
②忽略探测单元在辐射范围较小和去除饱和时存在误差情况下，近似地认为焦平面响应是线性的,在均匀的辐射度条件下，焦平面的非均匀性线性模型可以用下式来表示：
Yk(i,j)＝ak(i,j)*Xk(i,j)-bk(i,j)+nk(i,j)
式中，Xk(i,j)表示第k帧时，坐标为(i,j)的探测元所接收到的真实红外辐射度，ak(i,j)和bk(i,j)分别为此时，该探测单元的乘性噪声变量和加性噪声变量，nk(i,j)为读出电路的电子噪声，ak(i,j)和bk(i,j)的值同时也随时间变化而改变；
③通过步骤②可以得出焦平面的非均匀性主要是由乘性的增益和加性的偏置组成，影响焦平面非均匀性的主要是偏置，并且随着环境温度、探测器温度和工作时间的变化，偏置在不停的改变，因此出现很多场景校正算法，只是对偏置不停的预测补偿，在场景不断运动的情况下就可以得到很好的效果；
④把偏置值的非均匀性分解成环境温度、探测器温度几类影响因子的组合加上一个固定的均值偏置构成模型：
Yk(i,j)＝Ak(i,j)*Xk(i,j)+Bk(i,j)*TFPA+Ck(i,j)*TENV+m
式中，Ak(i,j)和Bk(i,j)、Ck(i,j)分别为焦平面非均匀性响应系数、探测器温度非均匀性系数、工作时间非均匀性系数，m是固定的均值偏置，在校正中可以忽略；
⑤假设红外焦平面成像的像元间灰度是连续的，那么红外图像中相邻像元之间的差别在一定帧数的统计意义上是很小的，这意味着两个相邻像元在时间的直方图上几乎是相等的；
⑥根据步骤⑤的假设把单个探测单元的真实响应值近似等同于邻域探测元响应均值Y，从而作为logistics回归的估计值：
则非均匀校正估计值的logistics函数模型为
⑦根据上述非均匀校正模型，非均匀校正的logistics函数模型为：
⑧利用最大似然估计，求出非均匀性校正的参数，如下式：
求解Ak(i,j)和Bk(i,j)、Ck(i,j)焦平面非均匀性响应系数、探测器温度非均匀性系数、工作时间非均匀性系数，具体求解可以用牛顿-拉菲森迭代方法求解。
实际应用中，以用梯度上升算法，一直迭代下去。梯度上升算法和牛顿迭代相比，收敛速度慢，因为梯度上升算法是一阶收敛，而牛顿迭代属于二阶收敛。
上述算法实际应用，校正的logistics估计窗口为3×3的统计窗口，通过梯度上升法，一般在100帧图像后校正系数收敛到最优，校正后图像较均匀，校正效果较明显，并且该算法由于采用多变量校正模型，当场景静止或者运动缓慢时，不会出现过度校正，导致“鬼影”，无需场景运动、计算简单便于实时并行处理，突破了自适应非均匀性校正的实用性限制
最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。