HDR及一些非均匀性校正算法.docx

HDR High Dynamic Range ,即高动态范围，比如所谓的高动态范围图象（HDRI）或者高动态范围渲染（HDRR） 动态范围是指信号最高和最低值的相对比值目前的16 位整型格式使用从“0”（黑）到“1”（白）的颜色值，但是不允 许所谓的“过范围”值，比如说金属表面比白色还要白的高光处的颜色值在HDR的帮助下，我们可以使用超出普 通范围的颜色值， 因而能渲染出更加真实的 3D 场景也许我们都有过这样的体验： 开车经过一条黑暗的隧道， 而出口是耀眼的阳光，由于亮度的巨大反差，我们可能会突然眼前一片白光看不清周围的东西了， HDR 在这样的场景就能大展身手了HDR 可以用 3 句话来概括：亮的地方可以非常亮 暗的地方可以非常暗 亮暗部的细节都很明显 HDR 的 处理在显卡中可以分为3 个步骤：将画面用高光照动态范围渲染，并储存每个象素的亮度特性；将 HDRI 画面转成低 动态范围的画面（RGBA或是sRGB）；色彩和Gamma校正后传送到显示设备输出计算机在表示图像的时候是用 8bit（256） 级或 16bit（65536） 级来区分图像的亮度的，但这区区几百或几万无 法再现真实自然的光照情况。

HDR 文件是一种特殊图形文件格式，它的每一个像素除了普通的 RGB 信息，还 有该点的实际亮度信息普通的图形文件每个象素只有 0 － 255 的灰度范围，这实际上是不够的想象一下 太阳的发光强度和一个纯黑的物体之间的灰度范围或者说亮度范围的差别，远远超过了 256 个级别因此，一 张普通的白天风景图片，看上去白云和太阳可能都呈现是同样的灰度 /亮度，都是纯白色，但实际上白云和太阳之间实际的亮度不可能一样，他们之间的亮度差别是巨大的因此，普通的图形文件格式是很不精确的，远 远没有纪录到现实世界的实际状况所以，现在我们就要介绍一下高动态范围图像（简称 HDRI）HDR 高动态范围渲染目前是一种逐渐开始流行的显示技术，其技术出发点就是让计算机能够显示更接近于现实照 片的画面质量目前在民用领域看到最多HDR技术应用的必然是游戏了在现实中，当人从黑暗的地方走到阳光下时，我们的眼睛会不由自主的迷起来，那是因为在黑暗的地方，人为了 更好的分辨物体，瞳孔张开很大，以便吸收光线;而突然到了光亮处瞳孔来不及收缩，视网膜上的视神经无法承受如此 多的光线，人自然会迷上眼睛阻止大量光线冲击视神经而电脑是不具备这种功能的。

所以， HDR 的最终效果因该是 亮处的效果是鲜亮的，而黑暗处你也可以清晰的分辨物体的轮廓，位置和深度，而不是以前的一团黑动态、趋近真 实的物理环境是 HDR 的特效表现原则实际游戏中会发现井底水面反射的阳光在墙壁上动态的明亮反光，洞口的明亮天空也会稍微变弱些这样就能更 清晰的表现出水面的反光如果此时低头看水面会发现水面直接将阳光反射到人眼中很刺眼，但仅仅1 秒钟时间光线 就会减弱，因为人眼适应了直接反射的阳光这就是游戏的曝光控制功能，模拟人眼自动适应光线变化的能力，而不是照相机 HDR 并不仅仅是反射的光强度 要高在游戏中，如果你盯着一个面向阳光直射的物体，物体表面会出现丰富的光反射;如果盯着不放，物体表面的泛 光会渐渐淡出，还原出更多的细节 HDR 特效是变化的，因此称作高动态光照热成像的非均匀性校正算法有很多种，红外焦平面非均匀性校正算法主要分为基于定标的非均匀校正算法（如一点 温度定标算法、二点温度定标算法、多点温度定标算法和基于场景的自适应非均匀校正算法（如时域高通滤波（THPFC） 算法、人工神经网络（ANNC）算法、恒定统计平均（Cs）校正算法等）目前二点温度定标算法和多点温度定标算法是最为 成熟的实用性算法，但是它需要周期性的对它维护，这给红外成像设备维护工作带来很多困难。

而基于场景的非均匀 校正算法不需要对其周期性的维护，所以人们对它产生了很大的兴趣，目前该算法以神经网络自适应算法为代表一点校正法仅能在一个定标点处把单元的输岀信号校正一致，随着相对于这个定标点的偏移越大，由于探测器 各探测元响应度的非一致性，校正误差也越大两点校正法计算量小，可以实现实时校正，除了进行定标外，对目标图像无任何要求，在体积、重量、功耗、 成本等方面也最为理想，但当温度变化范围较宽时，由于探测器响应并非严格线性，两点校正系数aij和bij会依赖于 所取的温度T1和T2在成像或测温过程中，当目标温度偏离T1和T2较大时，依据原有aij和bij得到的校正结果会 有很大的误差所以，原有的aij和bij系数将不能适应，需要在当前环境温度下重新对校正系数进行更新，给应用带 来不便两点校正算法是基于响应基本线性的情况下进行的，但实际上每个探测元的响应通常情况下呈非线性，尤其 在辐照度变化范围较大时，其线性度更差多点定标分段线性校正与两点校正法相比，计算量大，并且由于存储多组校正系数，需要大容量存储器，在校 正过程中还需根据背景温度的变化选择合适的校正系数，这增加了编程的困难但它原理简单，且有成熟的理论，不 存在稳定性问题，比较容易实现。

综合考虑校正效果与实际条件，在目前情况这也是一种比较实用的算法时域高通滤波算法的优点是：1. 算法简单快速，可以实现实时校正，校正过程不需要定标，不影响系统正常的测量工作对低频的非均匀性效果 显著2. 在目标跟踪上，该算法很好地抑制了背景和噪声，突岀了移动目标，具有很好的效果 缺点是：1.只进行了偏移的校正，要求系统具有很好的增益均匀性2. 该算法要求场景作随机运动，否则图像就会退化，岀现伪像3. 抑制固定图案噪声同时也抑制了图像的低频分量，影响图像质量传统人工神经网络算法的优点是:不需要定标校准，可以连续更新增益与偏移的校正系数，而且不受探测单元 噪声漂移的影响其缺点是：1，算法计算量较大，很难实现实时校正，且由于结构复杂，在硬件上实现也有困难，采用 了迭代运算，要保证算法的收敛性 2，与时域高通滤波算法类似，该算法也要求场景作随机运动，否则会引起图像退 化，岀现伪像由于传统人工神经网络算法具有自适应的优点，该算法被广泛应用到各个领域排序均值垂直滤波算法能够有效地消除非均匀性带来的水平条纹,并且能够有效地保护边缘另外该算法计算 简单，容易在硬件上实现但是该算法对非均匀噪声比较大的红外图像不能起很大的校正作用。

改进的均值滤波算法不仅能降低图像的噪声,对水平条纹和垂直条纹都可以进行滤波，同时也保留了图像的部 分细节，另外，还可以较为有效地减少黑点和白点对滤波的影响，更重要的是简化了算法，更利于在硬件上实现另 外也为下一步进行神经网络校正提供了一个期望值1. HDR 动态范围定义 HDR是英文High-Dynamic Range的缩写，中文译名为高动态光照渲染比如所谓的高动态范围图象（HDRI） 或者高动态范围渲染（HDRR）动态范围是指信号最高和最低值的相对比值目前的 16位整型格式使用从“0”（黑）到“1”（白）的颜色值，但是不允许所谓的“过范围”值，在HDR的帮助下，我们可以使用超出普通范围的 颜色值，因而能渲染出更加真实的3D场景总之简单来说，HDR可以用3句话来概括：1.亮的地方可以非常亮2.暗的地方可以非常暗3.亮暗部的细节 都很明显HDR 技术原理我们已经知道， HDR 渲染包含两个步骤，一是曝光控制，即将高动态范围的图像映射到一个固定的低范围中， 即屏幕能够显示的(0,1)的范围内二是对于特别亮的部分实现光晕的效果其中曝光控制是HDR渲染的核心环节，光 晕效果对表现高亮的像素起了重要的作用。

这里先分别介绍两个步骤的原理和方法，再介绍如何实现一个完整的HDR 渲染器在所有步骤开始之前，你必须已经通过某种方法得到了一个高动态范围的图像高动态范围的图像每一个像素都 由浮点型的 R,G,B 分量表示，这样每个分量都可以任意大对于渲染器而言，这意味着一个浮点纹理那么，如何将 一个场景渲染到一个高动态范围的浮点纹理中呢？你可以为场景中的每个表面创建一张浮点格式的光照贴图，这张光 照贴图的每个象素代表了表面上相应位置的光强然后使用OpenGL的FBO (帧缓冲对象)将绑定了浮点光照贴图的 场景渲染到一个同屏幕大小一致的浮点纹理中好的，先来看看所谓的曝光控制这个步骤在HDR渲染中被称为Tone Mapping翻译成中文即"调和映射” Tone Mapping 有很多具体的方法，每个方法都是一个从高动态范围到低范围的一个映射，我们把这些方法统称为 Tone Mapping Operator(TMO),可见，TMO的好坏直接决定了图像的最终质量计算当前要渲染的高动态范围图像的平均 亮度，然后根据平均亮度确定一个曝光参数，然后使用这个曝光参数将图像正确地映射到屏幕能显示的颜色区域内2. 非均匀矫正算法红外焦平面非均匀性校正算法主要分为基于定标的非均匀校正算法(如一点温度定标算法、二点温度定标算法、多 点温度定标算法)和基于场景的自适应非均匀校正算法(如时域高通滤波(THPFC)算法、人工神经网络(ANNC)算法、恒 定统计平均(Cs)校正算法等)。

目前二点温度定标算法和多点温度定标算法是最为成熟的实用性算法，但是它需要周期 性的对它维护，这给红外成像设备维护工作带来很多困难而基于场景的非均匀校正算法不需要对其周期性的维护， 所以人们对它产生了很大的兴趣，目前该算法以神经网络自适应算法为代表1), 一点校正当热成像探测元的响应度为线性关系时，可以采用一点校正法来校正其响应的非均匀性一点校正法就是在同一 辐射条件下把各个热成像探测元的输出信号凡校正为一致，即在某一入射辐射下，把不同的热成像探测元输出信号凡 校正为其平均信号校正过程分为标定和补偿两步，具体方法是先用温度为几的均匀辐射黑体辐照探测器，得到此时每个探测元的响应输出可，，求其平均值:式中N为探测器面阵中探测元总的个数然后用下式求-nx出各单的校正因子a， 把各校正因子气存入相应的存储单元，这样就完成了不均匀性的标定再对探测元的每个响应输出凡进行实时校正，即：九一勺 将实际的探测元响应信号与各自的校正因子相乘，即完成非均匀性补偿一点校正法仅能在一个定标点处把单元的输出信号校正一致，随着相对于这个定标点的偏移越大，由 于探测器各探测元响应度的非一致性，校正误差也越大2).两点校正不仅对器件的增益系数做补偿，还对偏置系数进行了校正。

77和T2的均匀辐射的黑体辐照探测器，得到每个探测元的响应输出球，弋、 分别在整个焦平面上对其求平均值：了辽球/N 2-6产=2X7" 2・7对每个探测元的空间响应输岀勺进行实时校正：2-8_丁2 -ri勺=:冷宀 为第旷个探测元的增益系数， xiJ 一列b疔％ 为第"个探测元的偏置系数这种算法计算量小，可以实现实时校正，除了进行定标外，对目标图像无任何要求，在体积、重量、功耗、成本等方面也最为理想，但当温度变化范围较宽时，由于探测器响应并非严格线性，两点校正系数勺和仍会依赖于所取的温度77和72在成像或测温过程中，当目标温度偏离77和77较大时，依据原有％和®得到的校正结果会有很大的误差所以，原有的％和®系数将不能适应，需要在当前环境温度下重新对校正系数进行更新，给应用带来不便3) .多点定标分段线性校正两点校正算法是基于响应基本线性的情况下进行的，但实际上每个探测元的响应通常情况下呈非线性，尤其在辐照度变化范围较大时，其线性度更差为了更好地适应探测器的响应性能，由此出现了多点定标分段线性校正法具体操作是取N个黑体温度作为目标温度(卩：i=l, 2,……，N-1),记录相应的探测元响应值。

然后采用最佳平方逼近方法进行曲线拟合，得。