李巖

紅外影像奇偶元條紋噪聲自適應(yīng)去除算法

李巖

（北京空間機電研究所，北京 100094）

由于工藝原因，TDI型紅外探測器的光敏元均為交錯分布，奇偶元響應(yīng)輸出均是基于不同的通道，這樣導致某些TDI紅外探測器圖像上一些位置仍殘留有奇偶元條紋噪聲，該噪聲不僅影響目視效果，也影響后續(xù)的定量應(yīng)用。文章針對該奇偶元條紋噪聲提出一種自適應(yīng)的條紋噪聲去除算法，此方法不僅可以自適應(yīng)地檢測出奇偶元條紋噪聲并進行去除，也可以對閃元噪聲進行有效檢測及去除；最后，基于在軌圖像進行了算法的驗證，試驗結(jié)果表明該算法可以有效的去除奇偶元條紋噪聲。

紅外探測器 自適應(yīng) 奇偶元 條紋噪聲去除

0 引言

時間延遲積分（TDI）型紅外探測器作為第二代紅外探測器，具有更高的空間分辨率和溫度靈敏度。目前TDI型紅外探測器大多采用光伏型碲鎘汞掃描焦平面陣列，陣列類型主要有288×4、480×6、512×6、1 024×6等[1-5]。圖1所示即為典型的1 024×6陣列的TDI型紅外器件的奇偶元分布，該器件的光敏元是交錯排列，所有的像元分成奇偶像元兩部分，上半部分為奇數(shù)像元（1, 3, 5, ···, 1 021, 1 023），下半部分為偶數(shù)像元（2, 4, 6, ···, 1 022, 1 024），無論奇數(shù)元還是偶數(shù)元都由6個光敏元組成，可完成6級TDI輸出[6-7]。

由于TDI型長波紅外探測器的光敏元為交錯排列，奇數(shù)像元和偶數(shù)像元對地面同一目標的成像時間是不同的，一般情況下奇數(shù)像元先成像，偶數(shù)像元后成像，這就會導致圖像上奇數(shù)列和偶數(shù)列的圖像交錯分布，即同一目標的圖像其奇偶像元不在一條直線，需要對探測器輸出的圖像數(shù)據(jù)進行空間校正，使奇偶像元在同一條直線上[8-9]。但是奇、偶元由兩個不同的通道輸出，由于輸出電路設(shè)計等原因，對奇偶元的圖像進行空間校正后在某些位置仍有明顯的奇偶元條紋噪聲。

圖1 奇偶元分布示意

以往所提的奇偶元條紋噪聲指的是出現(xiàn)在圖像所有行的奇偶元條紋噪聲，經(jīng)典的奇偶元條紋噪聲去除方法也是針對該類貫穿所有行的條紋噪聲。本文所提的奇偶元條紋噪聲并非出現(xiàn)在圖像所有的位置，而是主要集中在圖像灰度變化較大的地方，這就導致經(jīng)典的奇偶元條紋去除方法不再適用于該類噪聲的去除[10-11]。針對這一情況，本文針對提出一種自適應(yīng)的噪聲檢測去除方法，并基于在軌圖像對算法進行驗證。

1 奇偶元條紋噪聲分析

在對奇偶元條紋噪聲進行去除前，需要先對該類噪聲的特性進行分析，統(tǒng)計該奇偶元噪聲的特性并總結(jié)其規(guī)律，為后續(xù)的檢測和去除奠定基礎(chǔ)。對多次成像的奇偶元條紋進行統(tǒng)計分析發(fā)現(xiàn)，奇偶元條紋噪聲有如下特點：1）奇偶元條紋噪聲主要集中在沿著衛(wèi)星飛行方向灰度有亮暗變化的位置，在地物平坦的區(qū)域無奇偶元條紋噪聲。如圖2所示，左側(cè)為海岸帶及低溫云周圍的奇偶元條紋噪聲，右側(cè)為山區(qū)的奇偶元條紋噪聲，在響應(yīng)比較均勻的地區(qū)無奇偶元噪聲。2）奇偶元條紋的長度大約固定為12個像元，如圖3所示。3）奇偶像元條紋噪聲在不同地區(qū)的表現(xiàn)不同，有的為亮條紋噪聲，有的為暗條紋噪聲，并且亮暗條紋噪聲是交替的，即亮條紋噪聲和暗條紋噪聲出現(xiàn)在相鄰的像元上面。如圖3所示，虛線框內(nèi)為暗條紋噪聲，真實響應(yīng)為其中響應(yīng)較高的部分；實線框內(nèi)為亮條紋噪聲，真實響應(yīng)為其中響應(yīng)較低的部分。

在處理過程中發(fā)現(xiàn)除了存在奇偶元條紋噪聲，偶爾還會出現(xiàn)閃元噪聲，如圖4所示。出現(xiàn)該類噪聲的像元有時響應(yīng)正常，有時響應(yīng)異常，如果按照固定位置的盲元噪聲去除則會損失地物信息，所以有必要對該類噪聲也進行實時檢測并加以去除。

圖2 不同場景的奇偶元條紋示意

圖3 亮暗奇偶元條紋噪聲示意

圖4 閃元噪聲示意

2 奇偶元條紋噪聲自適應(yīng)去除算法

基于上述分析，本文提出一種自適應(yīng)的奇偶元條紋去除算法，該算法的具體流程如下：

1）奇偶元差異檢測。奇偶元條紋主要集中分布在地物有亮暗變化的位置，在地物響應(yīng)比較平坦的地區(qū)并無奇偶元條紋。因此，若要去除這些奇偶元條紋，首先需要檢測出存在奇偶元條紋的區(qū)域。由于地物的連續(xù)性，相鄰像元的響應(yīng)有一定的相關(guān)性，一般的盲元補償也采用相鄰兩個像元響應(yīng)的均值替換[12-16]，本文的奇偶元條紋檢測也基于相鄰像元響應(yīng)特性進行。利用式（1）和式（2）計算偶數(shù)元均值響應(yīng)1和奇數(shù)元均值響應(yīng)2，再基于式（3）和式（4）計算偶數(shù)元差值響應(yīng)1和奇數(shù)元差值響應(yīng)2。

2）計算奇偶元自適應(yīng)檢測閾值[16]?；谟嬎愠龅钠媾荚町愔祦磉M一步計算奇偶元條紋噪聲的自適應(yīng)檢測閾值，該閾值會隨著場景有所變化；根據(jù)上一步得到的偶數(shù)元差值響應(yīng)1和奇數(shù)元差值響應(yīng)2，按式（5）計算奇偶元條紋噪聲檢測閾值。

4）篩選出閃元位置。通過對閃元噪聲進行分析，發(fā)現(xiàn)閃元與相鄰像元的差異較大，也可通過奇偶元噪聲檢測的方法進行提取。具體提取方法如式（7）所示，如果該元在一景圖像的所有采樣中有超過一定占比的像元存在奇偶元差異，那么這一元可以被認定為閃元[19-20]。

5）綜合確定奇偶元條紋噪聲的位置[21-22]。根據(jù)式（8）篩選出存在連續(xù)奇偶元差異的位置作為最后的奇偶元條紋位置。

6）對奇偶元條紋進行去除[23-25]。針對檢測出來有奇偶元條紋的點位，按照式（9）對奇偶元條紋噪聲進行去除。

式中′(,)為噪聲去除后圖像第行第列的DN值。

3 試驗驗證

利用本文算法對TDI紅外探測器圖像進行條紋噪聲去除驗證試驗，其中，TDI為6級，圖像量化位數(shù)為12位，對不同場景的圖像進行處理，處理效果如表1所示。從表1可以看出，經(jīng)過本文算法處理后，不同場景的奇偶元噪聲都可以得到有效的去除，并且空間噪聲也都得到明顯抑制。

表1 奇偶元條紋噪聲去除效果

Tab.1 The result of removing odd-even stripes

4 結(jié)束語

本文針對某項目TDI型長波紅外圖像由于工藝和電路等原因引起的奇偶元條紋噪聲，對其特性進行了分析，研究發(fā)現(xiàn)奇偶元噪聲主要出現(xiàn)在亮暗突變的位置，噪聲的長度固定，表現(xiàn)形式會有所不同。基于該噪聲特性本文提出一種自適應(yīng)的奇偶元條紋噪聲去除方法，并基于在軌圖像驗證了算法的有效性，試驗表明使用該算法可有效去除此類奇偶元條紋噪聲，噪聲去除后目視效果得到有效改善，并且非均勻性提升約30%。

[1] 張智杰, 洪普. 288×4紅外傳感器像元空間位置同步及空間匹配技術(shù)的研究[C]. 2003年十一省(市)光學學術(shù)會議論文集, 2003: 173-174. ZHANG Zhijie, HONG Pu. The Research of 288×4 IR Sensor’s Pixel Space Matching and Synchronization[C]// 2003 Proceedings of the 11th Provincial (City) Conference on Optics, 2003: 173-174. (in Chinese)

[2] SOFRADIR. PLUTON LW K508 288×4 LWIRCMOS Integrated Detector Dewar Cooler Assembly(IDDCA) with Microcooler Type K508 Technical Specification[Z]. France: Sofradir, 2005.

[3] 宋立國, 陳凌軍, 王哲. TDI型紅外探測器空間校正方法的設(shè)計與實現(xiàn)[J]. 半導體光電, 2015, 36(3): 500-508. SONG Liguo, CHEN Lingjun, WANG Zhe. Design and Implementation of Spatial Correction Method for TDI Infrared[J]. Semiconductor Optoelectronics, 2015, 36(3): 500-508. (in Chinese)

[4] 王華, 魏志勇, 張文昱, 等. 480×6紅外探測器信號處理電路設(shè)計[J]. 紅外技術(shù), 2009, 31(9): 504-512. WANG Hua, WEI Zhiyong, ZHANG Wenyu. Design of 480×6 Infrared Focal Plane Array Signal Processing Circuit[J]. Infred Technology, 2009, 31(9): 504-512. (in Chinese)

[5] 倪云芝, 丁瑞軍, 唐紅蘭, 等. 具有時間延遲積分功能的288×4元CMOS紅外焦平面讀出電路[C]//全國紅外科學交流會議論文集, 2003: 22-25. NI Yunzhi, DING Ruijun, TANG Honglan. A CMOS ROIC for 288×4 IRFPA with TDI[C]// Proceedings of the National Infrared Science Exchange Conference, 2003: 22-25. (in Chinese)

[6] SUI Xiubao, CHEN Qian, GU Guohua. Algorithm for Eliminating Stripe Noise in Infrared Image[J]. Journal of Infrared and Millimeter Waves, 2012, 31(2): 107-110.

[7] VERGARA L, BEMABEU P. Automatic Signal Detection Applied to Fire Control by Infrared Digital Signal Processing[J]. Signal Processing, 2000, 80(4): 659-669.

[8] HARDIE R C, BARLEY F, BRYS B, et a1. Scene-Based Nonuniformity Correction with Reduced Ghosting Using a Gated LMS Algorithm[J]. Optics Express, 2009, 17(17): 14918-14933.

[9] WANG B J, LIU S Q, BAI L P. An Enhanced Non-uniformity Correction Algorithm for IRFPA Based on Neural Network[J]. Optics Communications, 2008, 281(8): 2040-2045.

[10] WANG B J, LIU S Q, LAI R. Adaptive Non-Uniformity Correction Algorithm for IRFPA Based on Neural Network[J]. Infrared Milim Waves, 2006, 25(6): 405-407.

[11] HARRIS J G, CHIANG Y M. Nonuniformity Correction of Infrared Image Sequences Using the Constant-Statistics Constraint[J]. IEEE Transactions on Image Processing, 1999, 8(8): 1148-1151.

[12] BOUALI M, SATO O, POLTIO P. An Algorithm to Improve the Detection of Ocean Fronts from Whiskbroom Scanner Images[J]. Remote Sensing Letters, 2015, 6(12): 942-951.

[13] VALENZUELA W E, FIGUEROA M, PEZOA J E, et al. A Digital Architecture for Striping Noise Compensation in Push-Broom Hyperspectral Cameras[C]//Applications of Digital Image Processing XXXVIII. [S.l.]: International Society for Optics and Photonics, 2015, 9599: 95992H.

[14] CHEN J, SHAO Y, GUO H, et al. Destriping CMODIS Data Bypower Filtering[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(9): 2119-2124.

[15] 李凱, 李文力, 韓昌佩. 基于L1范數(shù)優(yōu)化模型的遙感圖像條紋去除方法[J]. 紅外與毫米波學報, 2021, 40 (2): 273-279. LI Kai, LI Wenli, HAN Changpei. The Method Based on L1 Norm Optimization Model for Stripe Noise Removal of Remote Sensing Image[J]. Journal of Infrared and Millimeter Waves, 2021, 40(2): 273-279. (in Chinese)

[16] DOU H X, HUANG T Z, DENG L J, et al. Directional Sparse Modeling for Image Stripe Noise Removal[J]. Remote Sensing, 2018, 10(3): 361.

[17] MA L, ZENG T. Image Deblurring Via Total Variation Based Structured Sparse Model Selection[J]. Journal of Scientific Computing, 2016, 67(1): 1-19.

[18] SHAHDOOSTI H R, KHAYAT O. Image Denoising Using Sparse Representation Classification and Non-Subsampled Shearlet Transform[J]. Signal, Image and Video Processing, 2016, 10(6): 1081-1087.

[19] ZHANG Yan, SHAO Yuyi, SHEN Jinyue, et al. Infrared Image Impulse Noise Suppression Using Tensor Robust Principal Component Analysis and Truncated Total Variation[J]. Applied Optics, 2021, 60(16): 4916-4929.

[20] WANG Ende, PING Jiang, LI Xuepeng, et al. Infrared Stripe Correction Algorithm Based on Wavelet Decomposition and Total Variation-Guided Filtering[J/OL]. Journal of the European Optical Society-Rapid Publications, 2020(16):1. https://doi.org/10.1186/s41476-019-0123-2.

[21] NASSIM A M, OTMAN C. Millimeter-Wave Channel Estimation Using Alternating Direction Method of Multipliers[J]. International Journal of Innovative Technology and Exploring Engineering (IJITEE), 2021, 10(4): 239-242

[22] HE K, SUN J, TANG X. Guided Image Filtering[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012, 35(6): 1397-1409.

[23] DONOHO D L. De-Noising by Soft-Thresholding[J]. IEEE Transactions on Information Theory, 1995, 41(3): 613-627.

[24] CARFANTAN H, IDIER J. Statistical Linear Destriping of Satellite-Based Pushbroom-Type Images[J]. IEEE Transactionson Geoscience and Remote Sensing, 2009, 48(4): 1860-1871.

[25] CHEN B, FENG X, WU R, et al. Adaptive Wavelet Filter with Edge Compensation for Remote Sensing Image Denoising[J]. IEEE Access, 2019(7): 91966-91979.

An Adaptive Algorithm for Eliminating Odd-Even Stripe Noise in Infrared Image

LI Yan

（Beijing Institute of Space Mechanics & Electricity, Beijing 100094, China）

The elements of the TDI array infrared detector are staggered distribution because of the technical reason. The output of odd and even elements is from different channels. Odd-even stripe noise was found in some images because of the odd-even output from different channels. The odd-even stripe noise not only affects the visual effect, but also affects the quantitative application. A new adaptive algorithm was proposed to eliminate the odd-even stripe noise. This algorithm could detect and remove the odd-even stripe noise adaptively. It also could detect and remove the flash noise effectively. Finally, the algorithm is verified based on the on-orbit image, and the experimental results show that the algorithm can effectively remove the odd-even stripe noise.

infrared detector; adaptive algorithm; odd and even elements; stripe noise removal

X87

A

1009-8518(2023)03-0079-06

10.3969/j.issn.1009-8518.2023.03.009

李巖，女，1986年生，2011年獲中國空間技術(shù)研究院光學工程專業(yè)碩士學位，高級工程師。主要研究方向為星載紅外遙感數(shù)據(jù)的處理、定標及應(yīng)用。E-mail：allie123456@163.com。

2022-05-24

李巖. 紅外影像奇偶元條紋噪聲自適應(yīng)去除算法[J]. 航天返回與遙感, 2023, 44(3): 79-84.

LI Yan. An Adaptive Algorithm for Eliminating Odd-Even Stripe Noise in Infrared Image[J]. Spacecraft Recovery & Remote Sensing, 2023, 44(3): 79-84. (in Chinese)

（編輯：夏淑密）