大面阵CCD相机瑕点像元快速修复

李开端，李英杰，王尚强

（海军航空工程学院青岛校区，山东青岛266041）

大面阵CCD相机瑕点像元快速修复

李开端，李英杰，王尚强

（海军航空工程学院青岛校区，山东青岛266041）

大面阵CCD相机中瑕点像元的存在，降低了图像的输出品质，对目标识别造成不利影响。根据瑕点邻域灰度变化特点，将一副图像中需要修复的瑕点区域，采用自适应邻域权值的修复算法，对处于边界区域的瑕点修复质量明显提高。

瑕点；边缘检测；曲线拟合；图像修复

0 引言

光电图像传感器对目标光束的线性响应是确保成像质量的关键，在大面阵尤其是超大面阵CCD中，存在部分像元对目标光的响应并不能真实反映目标真实亮度的情况。一类是像元的输出不随输入改变，在影像中总是呈现某一固定灰度值的盲点像元；另一类是像元输出虽然变化，但不随入射光强线性改变的病态像元，这两类像元统称为瑕点像元。CCD面积越大，出现瑕点的概率就越高，这不仅会改变目标影像的真实色彩、纹理和结构形状，甚至会改变目标的属性，影响目标识别。因此，对于大面阵CCD图像中瑕点像元的修复，是提高图像整体效果的重要内容。

由于光学成像系统输出的真实影像是由弥散圆斑组成的灰度图像，在目标影像的边缘和纹理边界部分不存在理想的阶跃型灰度突变，而是一个缓变的过程，按照灰度梯度的变化可以将图像分为变化剧烈、平缓和无变化3种情形［2，6］，对应着图像中的目标边缘（界）、灰度渐变和灰度平坦3种区域。不同区域的瑕点，无论是孤立的、还是面（线）状瑕点，在利用邻域修复时，必须针对瑕点所处区域灰度变化特征，采用不同的处理方式。文献［3］采用了模板大小变化的自适应修复，文献［4］采用了根据局部纹理变化动态确定样板集大小的快速修复算法，文献［5］提出了采用破损区域分块的图像修复方法，提高了图像的修复精度和效率，也取得了较好的视觉效果。在借鉴现有修复方法优点基础上，提出一种针对瑕点区域特征的邻域权值自适应修复算法，在保证修复效率的同时，提高了修复后图像的真实性。

1 图像分割

图像区域的分割是以图像中灰度梯度变化为依据，将空间图像分割为边缘（界）、渐变和平坦等3个区域。由于图像中存在多种噪声和复杂的背景，采用具有多分辨率特征的小波对图像进行边缘（界）检测，不仅运算速度快、还能较好的抑制噪声。

在2j尺度下，2个方向的二维小波可以表示为式（2）。

图像的二维小波变换包含2部分，见（3）式。

梯度矢量模值和方向分别为式（4）。

设2个梯度阈值T1，T2，M2jf（x，y）≥T1，确定为边缘（界）；T2≤M2jf（x，y）＜T1，确定为灰度渐变区；M2jf（x，y）＜T2，确定为灰度平坦区。

2 瑕点灰度值修复

图1 瑕点修复流程

如果瑕点邻域存在边缘（界），必须先判断边缘是否通过瑕点，以决定修复时邻域像素权值，修复流程见图1。对于已经确定的边缘，在瑕点前后取位于边缘上n个点（xi，y）i（i=0，1，2，Λ，n-1）作为观察点。设曲线Φ（x）= a0Φ0（x）+a1Φ1（x）+Λ+an-1Φn-（1x）为观察点拟合后的曲线，其中Φ（kx）=bxk，k=0，1，2，Λ，n-1，其阶数与图像类型有关。

为了使拟合后的曲线尽可能的涵盖所有的点，要求偏差的平方和最小，即式（5）。

当Φ0（x），Φ1（x），Λ，Φn-1（x）线性无关时，方程存在唯一解aj，并以瑕点到拟合曲线的距离作为判断瑕点是否在边缘的依据。

当瑕点到拟合曲线的实际距离d大于设定的距离阈值Δd，认为瑕点处在无灰度剧烈变化的平坦区，邻域中不同方向像素对瑕点实际灰度的影响相同。因此，采用4邻域固定邻域权值矩阵计算瑕点灰度，不仅速度快，而且也不影响视觉效果。如果瑕点到拟合曲线的距离d小于设定的距离阈值Δd，瑕点邻域存在边缘（界）。此时，瑕点邻域不同方向上的像素对瑕点影响不同，若采用固定邻域权值修复，虽能保证修复速度，但效果较差。为此，根据瑕点周边图像灰度变化特性，采用反应邻域灰度变化情况的自适应邻域权重矩阵计算方法，对瑕点进行修复。即式（8）。

3 实验结果

大面阵CCD相机中无论是孤立的瑕点，还是线状或面状瑕点区，都属于极微小破损区域，图2a是原始航空照片局部放大图像；图2b是增加破损瑕点和瑕线后的图像，其中，瑕线2和三组瑕点是由盲点形成的瑕点（线），瑕线1是由病态像元形成的图像；图2c是按照传统加权平均法修复后的图像，从视觉效果看，三组瑕点修复较为理想，没有留下修复痕迹。而瑕线1的上部和瑕线2的中下部，由于处于图像灰度变化较为剧烈的目标边缘，还保留部分瑕线痕迹；图2d是采用本文方法修复后的影像，三组瑕点的修复效果和传统方法没有明显差别，而瑕线部分则有明显的好转。

采用峰值信噪比（PSNR）作为客观评价图像质量的标准，采用公式（9），计算结果见表1。

图2 相关图像

表1 峰值信噪比

式中f（i，j），f′（i，j）分别为原始图像和修复后图像相应像素的灰度值。

4 结论

通过对瑕点分区域的自适应领域权值的修复算法，较好的改善了边界区域瑕点的修复质量，相对于传统的加权平均修复方法，不仅有效缩短图像的修复时间，在效率和质量方面做到了很好的平衡。实验证明，在不破坏图像原有信息条件下，取得了较好的效果。

［1］韩军，刘钧.工程光学[M].西安：西安电子科技大学出版社，2007：317-326.

［2］龚声蓉，刘纯平，王强.数字图像处理与分析［M］.北京:清华大学出版社，2006：210-235.

［3］翟海东，肖杰，鱼江，等.基于自适应模板的图像修复算法［J］.计算机应用，2013，33（10）：2891-2894.

［4］张睛，林家俊.纹理分布分析的快速图像修复算法［J］.中国图像图形学报，2012，17（1）:123-129.

［5］蒋建，李芳菊.一种新的基于破损区域分块划分的图像修复算法［J］.科学技术与工程，2014，14（25）:242-246.

［6］张涛，洪文学.基于自适应字典选择的MCA图像修复方法［J］.光学技术，2010，36（5）：672-676.

〔编辑 凌瑞〕

TP212

B

10.16621/j.cnki.issn1001-0599.2016.11.53