基于场景的非均匀性校正的综述报告.docx

基于场景的非均匀性校正的综述报告
基于场景的非均匀性校正（Scene-basednon-uniformitycorrection，SBNUC）是指通过分析红外像传感器（IR）的背景场景图像，来对图像中可能存在的非均匀性进行修正。在许多应用中，IR相机是用来识别和跟踪热物体的，但由于相机本身的特性，会存在传感器元件间差异等问题，导致输出图像非均匀性增加。这些非均匀性包括暗电流、偏移、增益不匀、阴影、光斑等问题，这些问题会影响物体检测、识别、测量等应用的准确性和稳定性。因此，非均匀性校正技术是研究热成像领域的重要内容之一。
目前，有许多基于场景的非均匀性校正技术被广泛研究和应用。这些技术的实质是通过获取背景场景图像并进行分析，来建立红外像传感器的模型，然后使用该模型来校正红外图像中的非均匀性。此外，还有一种方法是基于相机自身产生的非均匀性的模型进行校正，这种方法叫做无标定基于场景的非均匀性校正。下面我们会介绍两种方法。
基于场景的非均匀性校正的基础是利用背景场景的参考信息，来估算相机在特定场景下的频响（FrequencyResponse）特性，这个特性能够量化相邻像素之间的光谱响应差异，更清晰地表征非均匀性。这些参考信息可以通过一些简单计算得到，例如平均值、中值等。此外，还可以利用场景变化的信息来生成基本的校正模型，例如图像之间的背景场景的差异。整个基于场景的非均匀性校正过程包括以下步骤：
1.获取红外像和背景场景图。首先，需要获取红外像和背景场景图。红外像的获取可以得到相应的红外图像。场景图通过拍摄同一场景的背景图像得到。
2.分析背景场景图。通过访问背景场景图像，可以提取有关网络摄像机的属性信息和特定场景的背景信息。分析这些信息可以帮助建立非均匀性校正模型，准确地反映特定场景下相邻像素的响应差异。
3.估算局部非均匀性的模型。在研究了场景信息后，可以建立红外相机的非均匀性模型。在模型中，需要考虑影响像素值的各种因素。这些因素包括像素增益、暗电流、偏移等。
4.进行非均匀性校正。最后，使用估算出来的非均匀性模型来对红外图像进行校正。这就可以减少图像的非均匀性，提高了热成像应用的检测、跟踪和测量结果的准确性和可靠性。
相比之下，无标定基于场景的非均匀性校正方法是一种新兴的方法。它不需要使用校准数据、相对亮度控制（RLC）或不同的工作模式，而是利用场景变化信息直接校正红外图像。在这种方法中，使用场景重建方法，例如利用动态物体、两台静态相机等形成场景重建。由于其不使用校准数据，因此可以降低了成本和复杂性，但局限于较小的区域。与传统的无标定非均匀性校正不同，这种方法可适用于大范围的区域内物体的检测。
综上所述，基于场景的非均匀性校正技术是相当强大的。在热成像领域，校正非均匀性是至关重要的。场景同时也是一个影响因素，这种能够联合考虑这两个因素的技术更是能够提高红外相机的性能和应用范围。随着红外成像技术的不断发展，基于场景的非均匀性校正将会在更多领域得到应用。