技术领域本发明技术属于红外图像非均匀性校正领域，具体涉及一种基于场景帧间配准的红外图像非均匀性校正方法。
背景技术：红外辐射使得人类对于大自然认识的视野得到开拓，在红外成像系统中，外部红外辐射经过光学系统传入红外探测器，聚焦在热敏元上，探测器把红外辐射能量转换成电信号，电信号反应红外辐射能量的强弱，再经过放大、AD采样和信号处理之后，在显示系统上形成可观察的红外图像。红外成像系统是利用物体表面温度的差异进行成像。前端探测器的响应不是绝对线性的，但总体上随着入射辐射的增强而增强，再经过后端的信号处理在监视器上成像。由于利用红外辐射所形成的图像只与目标表面温度有关，与目标颜色无关，所以在监视器上所成的像是亮度不一的灰度图像，不是彩色图像。理想情况下，红外焦平面探测器上每一个像敏像元的响应曲线都应该是完全相同的。然而在实际情况下，红外焦平面探测器自身的半导体材料、工艺上的缺陷等都会造成红外焦平面探测器上的各个像敏元具有不同的响应特性，即在均匀红外辐射下，探测器响应值具有差异性，而且非均匀性的轻重也与探测器材料和工艺相关。再者，红外图像所呈现出的非均匀性与整个红外成像系统的各个部分均有关，光学系统、读出电路等都会影响非均匀性，这部分的影响很难从总体的非均匀性中分辨和分离，所以从广义上来说，非均匀性是指在均匀红外辐射入射的情况下红外焦平面探测器各像敏元响应的不一致性。随着非均匀性校正技术的发展，目前已经形成基于定标和基于场景两大类多种非均匀性校正算法。但还没有一种算法能够在大部分情况下都能良好校正，只是能在某些特定的条件下得到良好的校正效果，反之则不能校正，甚至破坏原有的图像的质量。定标类算法复杂度较低、计算量较小，易于工程应用，但总是需要人工操作，自适应度较低，一定标定后就无法更改校正参数。基于场景类的算法却正好与之相反，非均匀性校正算法能实现自适应校正参数，无需人工参与。基于场景类的算法分为常数恒定统计法、神经网络算法和帧间配准方法等。然而神经网络非均匀性校正算法很难在保证校正效果的同时具有较高的收敛速度，因为它所建立的神经网络结构是开环的，当面对非均匀性较强的情形时，就不能很好的校正，甚至会出现发散的情况，当图像静止时，图像就会出现严重的衰退现象；常数恒定统计法的使用前提，一旦图像静止，即不存在随机性或随机性较弱，该算法就不能工作，一旦场景再次运动时就会在图像上留下比较严重的鬼影，令图像质量严重衰退；帧间配准当面对非均匀性较强的情形时，特别在图像四周形成块状的非均匀性，就不能很好的校正，且收敛速率慢，不能得到良好的图像质量。
技术实现要素：本发明的目的在于提供一种基于场景帧间配准的红外图像非均匀性校正方法，解决了图像静止时图像出现严重衰退现象、收敛速率慢、当面对非均匀较强时不能得到良好图像质量的问题。实现本发明目的的技术解决方案为：一种基于场景帧间配准的红外图像非均匀性校正方法，方法步骤如下：步骤1、将红外探测器采集到的原始模拟图像经过A/D转换后，得到原始数字图像。步骤2、将原始数字图像进行校正，得到校正后第n-1帧的输出像素矩阵Yn-1(i，j)和校正后第n帧的输出像素矩阵Tn(i，j)，校正公式如下：其中，(i，j)表示像素的坐标值，Xn(i，j)是原始图像第n帧的输入像素矩阵，gn(i，j)表示第n帧的校正增益参数，on(i，j)表示第n帧的校正偏置参数，ERRn(i，j)是第n帧的阈值，step为收敛步长，dx表示第n帧图像相对于第n-1帧图像在坐标轴x方向上的偏移量，dy表示第n帧图像相对于第n-1帧图像在坐标轴y方向上的偏移量。步骤3、确定上述校正后第n-1帧的输出像素矩阵Yn-1(i，j)的平均值：统计校正后第n-1帧的输出像素矩阵Yn-1(i，j)，并求其平均值averagen，n表示帧号。步骤4、对校正后第n-1帧输出像素矩阵Yn-1(i，j)的各个像素点的像素值yn-1分别进行调整，得到调整后的像素矩阵Y′n-1(i，j)，并将调整后的像素矩阵Y′n-1(i，j)代入步骤2的公式②中，得到更新后的第n帧的阈值ERR′n(i，j)，调整公式如下：Y′n-1(i,j)=yn-1(i,j)+p1averagen-q<yn-1(i,j)<averagenyn-1(i,j)+p2yn-1(i,j)<averagen-qyn-1(i,j)-p1averagen<yn-1(i,j)<averagen+qyn-1(i,j)-p2averagen+q<yn-1(i,j)]]>p1=0othersp1n-1<n1]]>p2=0othersp2n-1<n1]]>其中，p1和p2均表示对应像素点的调整值，其范围分别为：p1∈[0，50]，p2∈[50，100]；q表示平均像素值的调整值，其范围为q∈[0，200]；n1表示停止帧号，n1范围为n1∈[100，150]。步骤5、对步骤4中更新后的阈值ERR′n(i，j)行自调整：对更新后的阈值ERR′n(i，j)进行调整，得到调整后的阈值ERR″n(i，j)，公式如下：ERR′′n(i,j)=0n≥n2andabs(ERR′n(i,j))>paERR′n(i,j)others]]>pa表示抑制鬼影现象的限制值，范围为pa∈[100，300]；n2表示区分帧号，范围为：n2∈[10，20]。步骤6、收敛步长step进行自调整：对收敛步长step进行自调整，公式如下：step=step1n<n2step2others]]>step1和step2分别表示收敛步长常量，step1大于step2，其范围分别为：step1∈[0.08，0.1]，step2∈[0.01，0.03]。步骤7、将调整后的阈值ERR″n(i，j)和调整后的收敛步长step均代入步骤2的公式③和公式④中，分别对on+1(i，j)和gn+1(i，j)进行更新，得到更新后的o′n+1(i，j)和g′n+1(i，j)。步骤8、将更新后的o′n+1(i，j)和g′n+1(i，j)均代入步骤2的公式①，得到校正后的第n+1帧的输出像素矩阵Y′n+1(i，j)。上述步骤5和步骤6顺序对调。本发明与现有技术相比，其显著优点：(1)收敛速率快，本发明能够在很短的时间内对图像进行非均匀性校正，节省了时间；(2)校正效果明显，面对四周非均匀性严重的红外图像，能够对图像进行良好的校正，得到较好的图像质量；(3)实用性广，面对不同的场景均有良好的校正效果。附图说明图1是本发明一种基于场景帧间配准的红外图像非均匀性校正方法的方法流程图。图2是本发明经过基于场景帧间配准的红外图像非均匀性校正方法的夜晚高空拍摄下山岭处的的效果比较图；其中(a)为夜晚高空拍摄下山岭处的红外原始图像，(b)为校正之后图像。图3是本发明经过基于场景帧间配准的红外图像非均匀性校正方法的夜晚高空拍摄下的立交桥的效果比较图；其中(a)为夜晚高空拍摄下的立交桥红外原始图像，(b)为校正之后图像。具体实施方式下面结合附图对本发明作进一步详细描述。结合图1，一种基于场景帧间配准的红外图像非均匀性校正方法，方法步骤如下：步骤1、将红外探测器采集到的原始模拟图像经过A/D转换后，得到原始数字图像；步骤2、将原始数字图像进行校正，得到校正后第n-1帧的输出像素矩阵Yn-1(i，j)和校正后第n帧的输出像素矩阵Yn(i，j)，校正公式如下：其中，(i，j)表示像素的坐标值，Xn(i，j)是原始图像第n帧的输入像素矩阵，gn(i，j)表示第n帧的校正增益参数，on(i，j)表示第n帧的校正偏置参数，ERRn(i，j)是第n帧的阈值，step为收敛步长，dx表示第n帧图像相对于第n-1帧图像在坐标轴x方向上的偏移量，dy表示第n帧图像相对于第n-1帧图像在坐标轴y方向上的偏移量；步骤3、确定上述校正后第n-1帧的输出像素矩阵Yn-1(i，j)的平均值：统计校正后第n-1帧的输出像素矩阵Yn-1(i，j)，并求其平均值averagen，n表示帧号；步骤4、对校正后第n-1帧输出像素矩阵Yn-1(i，j)的各个像素点的像素值yn-1分别进行调整，得到调整后的像素矩阵Y′n-1(i，j)，并将调整后的像素矩阵Y′n-1(i，j)代入步骤2的公式②中，得到更新后的第n帧的阈值ERR′n(i，j)，调整公式如下：Y′n-1(i,j)=yn-1(i,j)+p1averagen-q<yn-1(i,j)<averagenyn-1(i,j)+p2yn-1(i,j)<averagen-qyn-1(i,j)-p1averagen<yn-1(i,j)<averagen+qyn-1(i,j)-p2averagen+q<yn-1(i,j)]]>p1=0othersp1n-1<n1]]>p2=0othersp2n-1<n1]]>其中，p1和p2均表示对应像素点的调整值，其范围分别为：p1∈[0，50]，p2∈[50，100]；q表示平均像素值的调整值，其范围为q∈[0，200]；n1表示停止帧号，n1范围为n1∈[100，150]；p1和p2为0时，表示调整结束；步骤5、对步骤4中更新后的阈值ERR′n(i，j)行自调整：对更新后的阈值ERR′n(i，j)进行调整，得到调整后的阈值ERR″n(i，j)，公式如下：ERR′′n(i,j)=0n≥n2andabs(ERR′n(i,j))>paERR′n(i,j)others]]>pa表示抑制鬼影现象的限制值，范围为pa∈[100，300]；n2表示区分帧号，范围为：n2∈[10，20]；步骤6、收敛步长step进行自调整：对收敛步长step进行自调整，公式如下：step=step1n<n2step2others]]>step1和step2分别表示收敛步长常量，step1大于step2，其范围分别为：step1∈[0.08，0.1]，step2∈[0.01，0.03]；步骤7、将调整后的阈值ERR″n(i，j)和调整后的收敛步长step均代入步骤2的公式③和公式④中，分别对on+1(i，j)和gn+1(i，j)进行更新，得到更新后的o′n+1(i，j)和g′n+1(i，j)；步骤8、将更新后的o′n+1(i，j)和g′n+1(i，j)均代入步骤2的公式①，得到校正后的第n+1帧的输出像素矩阵Y′n+1(i，j)。实施例1结合图2，红外探测器采集到夜晚高空拍摄下山岭处的红外图像，图像大小为320×256；步骤1、将红外探测器采集到的原始模拟图像经过A/D转换后，得到原始数字图像；步骤2、将原始数字图像进行校正，得到校正后第n-1帧的输出像素矩阵Yn-1(i，j)和校正后第n帧的输出像素矩阵Yn(i，j)，校正公式如下：步骤3、确定上述校正后第n-1帧的输出像素矩阵Yn-1(i，j)的平均值：统计校正后第n-1帧的输出像素矩阵Yn-1(i，j)，并求其平均值averagen，n表示帧号；步骤4、对校正后第n-1帧输出像素矩阵Yn-1(i，j)的各个像素点的像素值yn-1分别进行调整，得到调整后的像素矩阵Y′n-1(i，j)，并将调整后的像素矩阵Y′n-1(i，j)代入步骤2的公式②中，得到更新后的第n帧的阈值ERR′n(i，j)，调整公式如下：Y′n-1(i,j)=yn-1(i,j)+p1averagen-q<yn-1(i,j)<averagenyn-1(i,j)+p2yn-1(i,j)<averagen-qyn-1(i,j)-p1averagen<yn-1(i,j)<averagen+qyn-1(i,j)-p2averagen+q<yn-1(i,j)]]>p1=0othersp1n-1<n1]]>p2=0othersp2n-1<n1]]>其中，p1和p2均表示对应像素点的调整值，其范围分别为：p1∈[0，50]，p2∈[50，100]；q表示平均像素值的调整值，其范围为q∈[0，200]；n1表示停止帧号，n1范围为n1∈[100，150]；当n-1≥n1时，p1和p2均为0，则将yn-1(i，j)直接记入Y′n-1(i，j)。根据Y′n-1(i，j)和Yn(i，j)，得到更新后的第n帧的阈值ERR′n(i，j)。步骤5、对步骤4中更新后的阈值ERR′n(i，j)行自调整：对更新后的阈值ERR′n(i，j)进行调整，得到调整后的阈值ERR″n(i，j)，公式如下：ERR′′n(i,j)=0n≥n2andabs(ERR′n(i,j))>paERR′n(i,j)others]]>pa表示抑制鬼影现象的限制值，范围为pa∈[100，300]；n2表示区分帧号，范围为：n2∈[10，20]；步骤6、收敛步长step进行自调整：对收敛步长step进行自调整，公式如下：step=step1n<n2step2others]]>step1和step2分别表示收敛步长常量，step1大于step2，其范围分别为：step1∈[0.08，0.1]，step2∈[0.01，0.03]；步骤7、将调整后的阈值ERR″n(i，j)和调整后的收敛步长step均代入步骤2的公式③和公式④中，分别对on+1(i，j)和gn+1(i，j)进行更新，得到更新后的o′n+1(i，j)和g′n+1(i，j)。步骤8、将更新后的o′n+1(i，j)和g′n+1(i，j)均代入步骤2的公式①，得到校正后的第n+1帧的输出像素矩阵Y′n+1(i，j)。对比图2(a)和(b)，从校正效果上看图像四周非均匀较强区域得到校正，还原真实的图像，并且收敛速率快，在很短的帧数内对图像进行校正，最终得到一幅质量良好的图像。实施例2结合图3，红外探测器采集到夜晚高空拍摄下的立交桥红外图像，图像大小为320×256；步骤1、将红外探测器采集到的原始模拟图像经过A/D转换后，得到原始数字图像；步骤2、将原始数字图像进行校正，得到校正后第n-1帧的输出像素矩阵Yn-1(i，j)和校正后第n帧的输出像素矩阵Yn(i，j)，校正公式如下：步骤3、确定上述校正后第n-1帧的输出像素矩阵Yn-1(i，j)的平均值：统计校正后第n-1帧的输出像素矩阵Yn-1(i，j)，并求其平均值averagen，n表示帧号；步骤4、对校正后第n-1帧输出像素矩阵Yn-1(i，j)的各个像素点的像素值yn-1分别进行调整，得到调整后的像素矩阵Y′n-1(i，j)，并将调整后的像素矩阵Y′n-1(i，j)代入步骤2的公式②中，得到更新后的第n帧的阈值ERR′n(i，j)，调整公式如下：Y′n-1(i,j)=yn-1(i,j)+p1averagen-q<yn-1(i,j)<averagenyn-1(i,j)+p2yn-1(i,j)<averagen-qyn-1(i,j)-p1averagen<yn-1(i,j)<averagen+qyn-1(i,j)-p2averagen+q<yn-1(i,j)]]>p1=0othersp1n-1<n1]]>p2=0othersp2n-1<n1]]>其中，p1和p2均表示对应像素点的调整值，其范围分别为：p1∈[0，50]，p2∈[50，100]；q表示平均像素值的调整值，其范围为q∈[0，200]；n1表示停止帧号，n1范围为n1∈[100，150]；当n-1≥n1时，p1和p2均为0，则将yn-1(i，j)直接记入Y′n-1(i，j)。根据Y′n-1(i，j)和Yn(i，j)，得到更新后的第n帧的阈值ERR′n(i，j)。步骤5、收敛步长step进行自调整：对收敛步长step进行自调整，公式如下：step=step1n<n2step2others]]>step1和step2分别表示收敛步长常量，step1大于step2，其范围分别为：step1∈[0.08，0.1]，step2∈[0.01，0.03]；步骤6、对步骤4中更新后的阈值ERR′n(i，j)行自调整：对更新后的阈值ERR′n(i，j)进行调整，得到调整后的阈值ERR″n(i，j)，公式如下：ERR′′n(i,j)=0n≥n2andabs(ERR′n(i,j))>paERR′n(i,j)others]]>pa表示抑制鬼影现象的限制值，范围为pa∈[100，300]；n2表示区分帧号，范围为：n2∈[10，20]；步骤7、将调整后的阈值ERR″n(i，j)和调整后的收敛步长step均代入步骤2的公式③和公式④中，分别对on+1(i，j)和gn+1(i，j)进行更新，得到更新后的o′n+1(i，j)和g′n+1(i，j)。步骤8、将更新后的o′n+1(i，j)和g′n+1(i，j)均代入步骤2的公式①，得到校正后的第n+1帧的输出像素矩阵Y′n+1(i，j)。对比图3(a)和(b)，从校正效果上看图像四周非均匀较强区域得到校正，还原真实的图像，并且收敛速率快，在很短的帧数内对图像进行校正，最终得到一幅质量良好的图像。