Procesamiento de Imágenes Infrarrojas Método Cuerpos Negros

Universidad de la Frontera.[pic 1]

Facultad de Ingeniería y Ciencias.

Ingeniería Civil Electrónica.

Corrección de No Uniformidad (NUC) de imágenes IR con cuerpos negros

Alumnos: Bryan Cartes.

Raúl Opazo.

Profesor: Flavio Torres.

Asignatura: Procesamiento de Imágenes Infrarrojas.

Temuco, septiembre 2018

Introducción

Para lograr máxima calidad en las imágenes, se utilizan las imágenes infrarrojas, ya que todos los objetos con temperatura mayor a 0° K emiten radiación infrarroja. La captura de imágenes infrarrojas se realiza mediante fotodetectores o sensores IR, pudiendo ser de tecnología FPA (Focal Plane Array) o IRFPA (Infrared Focal Plane Array), donde se utilizan arreglos de hasta 100.000 fotodetectores. Debido a la construcción de los detectores, es imposible crear detectores iguales, por lo que ante un mismo flujo de radiación que incida sobre un arreglo de detectores, no se tendrá una imagen uniforme (totalmente del mismo color). A esta no uniformidad se le denomina Non-Uniformity (NU), y el proceso de calibración para arreglar tal fenómeno se denomina Non-Uniformity Correction (NUC).

La ecuación que describe la salida de cada fotodetector se muestra a continuación:

[pic 2]

.

Donde corresponde a la salida del detector, corresponde a la ganancia del fotodetector, corresponde a la radiación infrarroja que incide en el detector, y corresponde a el offset o valor del sensor sin radiación sobre el material. Pero la radiación que incide sobre el detector no se conoce, por lo tanto se estima como la media aritmética de todas las lecturas del fotodetector en algún instante. [pic 3][pic 4][pic 5][pic 6]

Una correcta calibración requiere encontrar los parámetros  y . Para ello, se utilizan videos de cuerpos negros codificados, a diferentes temperaturas y con esto caracterizar cada fotodetector del arreglo de la cámara. Mediante las siguientes ecuaciones se muestra la estimación de la ganancia y offset de cada fotodetector:[pic 7][pic 8]

                                                                               (1)[pic 9]

                                                                           (2)[pic 10]

Obteniendo estas matrices es posible mejorar el problema de la no uniformidad (NU).

Desarrollo

En primer lugar, se muestra el nivel de gris del pixel de los flats están dados por la siguiente ecuación:

                                                                               (3)[pic 11]

Donde t18 corresponde a un vector columna que contiene la información del video de acuerdo a la siguiente estructura:

[pic 12]

Figura 1: Codificación de los pixeles de los flats.

Los archivos flats corresponden a cuadros de 128x128 pixeles y  corresponden a la transpuesta de los cuadros del video original. Primero, se ve en Matlab, el tamaño del vector t18, resultando un vector como se observa a continuación:

[pic 13]

Figura 2: Tamaño del vector t18 mostrado en Matlab.

Para saber la cantidad de cuadros que hay en el vector t18, se debe dividir el tamaño total del vector (figura 2) a la mitad, ya que dos filas del vector t18 corresponden a la información de un pixel (figura 1), y luego dividir esto por la resolución de los cuadros, es decir 128x128. De esta manera, se tiene:

[pic 14]

[pic 15]

Para poder realizar la corrección de la no uniformidad (NUC), es necesario, como se planteó en la introducción, calcular los parámetros del modelo de cada fotodetector, es decir la ganancia y offset. Para ello, en primer caso, se hace uso de los primeros cuadros de dos flats, el flat 18 (video cuerpo negro a 18°C) y el flat 30 (video cuerpo negro a 30°C). Se utilizan sólo los primeros cuadros, esto porque, se supone que el modelo del fotodetector utilizado es completamente lineal e invariante en el tiempo.

En primer lugar, se trabajó con la ecuación (1) para obtener la ganancia, determinando en Matlab la matriz resultante, importándonos los valores máximos y mínimos de tal matriz y donde se encuentran ubicados. Estos datos se muestran a continuación:

[pic 16]

Tabla 1: Tabla con valor máximo y mínimo de la matriz de ganancia del modelo del fotodetector.

Por temas de espacio, no se muestra la matriz de ganancia de forma completa, pero se muestra una submatriz de 10x10, desde la fila 11 hasta la 20 y desde la columna 11 hasta la 20. La matriz resultante es la siguiente:

[pic 17]

Tabla 2:Submatriz de 10x10 de la ganancia del modelo del fotodetector.

Luego, se transforma la matriz de ganancia (gij) en un vector, para poder obtener la gráfica de todos los datos, obteniendo:

[pic 18]

Figura 3: Distribución de los datos de la ganancia.

De acuerdo a los datos mostrados en la tabla 2, se observa que la mayoría de los datos están en torno a 0.9 y 1.1, pero a la vez se muestra un dato alejado, de valor 0.6783 (fila 17, columna 19). Las variaciones entre los valores de ganancia para pixeles cercanos son bastantes pequeñas.

Con la información obtenida, de acuerdo a la figura 3 se observa que la distribución de los datos se presenta mayoritariamente entre 0.9 y 1.1, pero también existen datos bastante alejados. Esto puede deberse a fallas en aquellos fotodetectores, ya sea, provocada por el paso del tiempo (desgaste) o al proceso de fabricación llevado a cabo con el fotodetector en cuestión. Esto corrobora el comportamiento antes visto en la tabla.

Una vez caracterizada la ganancia, se procede a trabajar con el offset, esto con ayuda de la ecuación (2). Se realiza el mismo análisis anterior. Se muestra el valor máximo y mínimo de la matriz de offset obtenida:

...