DEPARTAMENTO INGENIERIA ELECTRICA, Procesamiento de Imágenes Infrarrojas 1

Corrección de NO Uniformidad, Mediante método

de Estadísticas Constantes (Diciembre 2010)
1
Manuel Castro, (E) Ingeniería Electrónica, Universidad de La Frontera

Este método se basa en la determinar ࢄ࢏࢐ ሺ࢔ሻ, por lo tanto de

la ecuación (1.1) se determinara.
I. INTRODUCTION
ܻ௜௝ ሺ݊ሻ − ܾ௜௝
H ܺ௜௝ ሺ݊ ሻ = ሺ1.2ሻ
oy en día la captura de un video o imagen nítida sin
ܽ௜௝
interferencia o FPN, es un importante ya que así la
información obtenida es más certera y clara, estos sistemas
tienen un número limitado de pixeles y la gran mayoría están
construidas mediante un arreglo matricial de detectores
B. Calculo de Ganancia y Offset mediante método CS.
individuales, y precisamente en los detectores es en donde
existe el problema de NO Uniformidad ya que están

Calculo del Offset
construidos con semiconductores por lo tanto la cantidad de
flujo de fotones que recibe o capta cada sensor o detector es
Se relacionara con la media aritmética.
distinta ya que no se cuenta con la tecnología suficiente para

1 ௡
construir dos detectores iguales.
݉௒௜௝ = ‫ܧ‬ൣܻ௜௝ ሺ݊ሻ൧ = ෍ ܻ௜௝ ሺ݇ ሻ ሺ1.3ሻ
II. DESCRIPCIÓN ݊ ௞ୀଵ
Mediante la implementación de MATLAB R2009b se
desarrollara un algoritmo en donde se pretende solucionar el ݉௒௜௝ = ‫ܧ‬ൣ݃௜௝ × ܺ௜௝ ሺ݊ሻ + ܿ௜௝ ൧ = ݃௜௝ × ‫ܧ‬ൣܺ௜௝ ሺ݊ሻ൧ + ܿ௜௝
problema de FPN (Ruido de patrón fijo), mediante un método
݉௒௜௝ = ݃௜௝ × ݉௑௜௝ + ܿ௜௝ ሺ1.4ሻ
llama de ESTADISTICA CONSTANTES(CS), es un método
basado en escena, quiere decir que no utiliza referencia como
el método TPC, entonces el método propuesto opera
directamente en la misma escena durante la operación de Ya que se considerará que la radiación en todos los
captura de la secuencia, el cual se puede aplicar a un video o detectores será igual, entonces ݉௑௜௝ =0.
imagen y luego obtener una imagen limpia y sin problemas del
tipo FPN, pero cabe mencionar con anterioridad que el existo Entonces

de este método depende directamente del numero de frames ݉௒௜௝ ሺ݊ሻ = ܿ௜௝
capturado a mayor numero de frames es mejor y mas efectivo
y elimina el problema de ghosting.
1 ௡
ܿ௜௝ = ݉௒௜௝ ሺ݊ሻ = ෍ ܻ௜௝ ሺ݇ ሻ ሺ1.5ሻ
III. PROCEDIMIENTO ݊ ௞ୀଵ
El método NUC denominado CS postula que tanto la media
como la desviación estándar de la radiación IR recibida por
Calculo de la Ganancia
cada detector debería ser la misma, y aun mas, con
distribución gaussiana. Se relaciona con la Desviación Estándar Temporal, y se
define de la siguiente manera.

A. Modelo matemático, donde cada termino representa a 1 ௡

una matriz de ݊ × ݊. ܵ௒௜௝ ሺ݊ሻ = ෍ หܻ௜௝ ሺ݇ ሻ − ܻ݆݉݅ ሺ݇ሻห ሺ1.6ሻ
݊ ௞ୀଵ
ܻ௜௝ ሺ݊ሻ = ܽ௜௝ × ܺ௜௝ ሺ݊ሻ + ܾ௜௝ ሺ1.1ሻ
Reemplazando tanto ܻ௜௝ ሺ݇ሻ ܿ‫ ݆ܻ݅݉ ݋݉݋‬ሺ݇ሻ.
ࢅ࢏࢐ ሺ࢔ሻ : Valor de lectura del Detector (salida).
ࢄ࢏࢐ ሺ࢔ሻ : Radiación Infrarroja Incidente. Entonces

ࢇ࢏࢐ : Ganancia del Detector.
1 ௡
࢈࢏࢐ : Offset del Detector. ܵ௒௜௝ ሺ݊ሻ = ෍ ቚ݆݃݅ × ݆ܺ݅ ሺ݊ሻ + ݆ܿ݅ − ሺ݆݃݅ × ݆݉ܺ݅ ሺ݊ሻ + ݆ܿ݅ ሻቚ
݊ ௞ୀଵ
 DEPARTAMENTO INGENIERIA ELECTRICA, Procesamiento de Imágenes Infrarrojas 2

1 ௡
ܵ௒௜௝ ሺ݊ሻ = ෍ ݃௜௝ หܺ௜௝ ሺ݇ ሻ − ݆݉ܺ݅ ሺ݇ሻห
IV. ALGORITMO COMPLETO DESARROLLADO EN MATLAB.
݊ ௞ୀଵ Código:

ܵ௒௜௝ ሺ݊ሻ = ݃௜௝ × ܵ௑௜௝ ሺ݊ሻ ሺ1.7ሻ

n=input('nº de frames para corregir: \n');
m(:,:,1)=zeros(127,127);%ingresa 0's en el
frames 1
Finalmente se asumirá que ܵ௑௜௝ ሺ݊ሻ = ܿ‫݁ݐ‬ s(:,:,1)=ones(127,127); %ingresa 1's en el
Por lo tanto: frames 1
݃௜௝ = ܵ௒௜௝ ሺ݊ ሻ ሺ1.8ሻ mM(1)=0;%valor inicial, evita problema de
valores negativos
sM(1)=0;%valor inicial, evita problema de
valores negativos
C. Nueva ecuación de incidencia de Radiación en los for p=1:n
detectores. IM1=double(IM(:,:,p));%cambio de

ܻ݆݅ ሺ݊ሻ − ܻ݆݉݅ሺ݊ሻ

uint16 a double

ܺ௜௝ ሺ݊ሻ = ቆ
M(p)=sum(sum(IM1))/(127*127);
ቇ ሺ1.9ሻ
ܻ݆ܵ݅ ሺ݊ሻ mM(p+1)=(M(p)+(p-1)*mM(p))/p;
sM(p+1)=(abs(M(p)-mM(p))+(p-
1)*sM(p))/p;
Ecuación general, donde se asume contantes los valores for i=1:127
dependientes de Xij for j=1:127
m(i,j,p+1)=(IM1(i,j)+(p-

ܻ݆݅ ሺ݊ሻ − ܻ݆݉݅ሺ݊ሻ

1)*m(i,j,p))/p;%media aritmetica
ܺ௜௝ ሺ݊ሻ = ݆ܵܺ݅ × ቆ ቇ + ݆݉ܺ݅ ሺ݊ሻ
s(i,j,p+1)=(abs(IM1(i,j)-
ሺ2.0ሻ
ܻ݆ܵ݅ ሺ݊ሻ m(i,j,p))+(p-1)*s(i,j,p))/p;%desviacion
estandar temporal
end
La ecuación (1.9) representa la ecuación general, donde la
ecuación (1.7) se despeja ݃௜௝ y luego se reemplaza en la
end
end
ecuación (1.4), destacar además que se considera for k=1:n
contantes e igual a uno los valores correspondientes IM1=double(IM(:,:,k));
a Xij con lo cual ܵ௑௜௝
representa el contraste de la imagen
IMC=(IM1(:,:)-
(m(:,:,k+1)))./(s(:,:,k+1));
y ݉௑௜௝ ሺ݊ሻ
representa el brillo.
IMC2(:,:,k)=uint16(9000*IMC+23000*ones(127
,127));
D. Método de Escalamiento apropiado para imágenes
figure(1),subplot(1,2,1),subimage(IM(:,:,k
corregidas. )),subplot(1,2,2),subimage(IMC2(:,:,k)),dr
awnow,
end
Este en un método que se denomina Shift & Rescaling, ya
que plantea una mejora al algoritmo principal del método de la
CS, se basa en la implementación recursivo del algoritmo
principal.

Finalmente los valores de ܵ௒௜௝ ሺ݊ሻ ‫݉ ݕ‬௒௜௝ ሺ݊ሻ seran:

‫ݕ‬௜௝ ሺ݊ሻ + ሺ݊ − 1ሻ × ݉௒௜௝ ሺ݊ − 1ሻ

݉௒௜௝ ሺ݊ሻ = ሺ2.1ሻ
݊

ห‫ݕ‬௜௝ ሺ݊ሻ − ݉௒௜௝ ሺ݊ሻห + ሺ݊ − 1ሻ × ܵ௒௜௝ ሺ݊ − 1ሻ

ܵ௒௜௝ ሺ݊ሻ = ሺ2.2ሻ
݊

Donde en la ecuación (2.0) se reemplazaran por estos

valores.
 DEPARTAMENTO INGENIERIA ELECTRICA, Procesamiento de Imágenes Infrarrojas 3

V. COMPARACIÓN LUEGO DE LA CORRECCIÓN.

Figura 2b.
Frames 1000, corregido método
Figura 1a. CS.
Frames 500, sin corregir

Figura 1b. Figura 3a.

Frames 500, corregido método Frames 2000, sin corregir
CS.

Figura 3b.
Figura 2a. Frames 2000, corregido método
Frames 1000, sin corregir CS.
 DEPARTAMENTO INGENIERIA ELECTRICA, Procesamiento de Imágenes Infrarrojas 4

VI. GRÁFICOS COMPARATIVOS.

Figura 5b.
Frames 1000, corregido método
CS.
Figura 4a.
Frames 500, sin corregir

VII. MÉTODO TPC V/S MÉTODO CS

Se realizara una comparación mediante graficos los cuales

entregan información de la intensidad de radiación captada por
un arreglo de detectores de 127x127.

Figura 4b.
Frames 500, corregido método
CS.

Figura 6a.
Frames 500, método TPC

Figura 5a.
Frames 1000, sin corregir

Figura 6b.
Frames 500, método CS.
 DEPARTAMENTO INGENIERIA ELECTRICA, Procesamiento de Imágenes Infrarrojas 5

• Los niveles de radiación incidentes en la detectores

mediante el método TPC tienden a estabilizarse,
mientras que con el método CS reduce la amplitud de
la incidencia, también tiende a estabilizarse pero aun
dependiendo de la cantidad de frames.

• Mediante el método CS también es posible eliminar el

efecto de rendija que tiene la imagen original.

Figura 7a.
Frames 1000, método TPC

Figura 7b.
Frames 1000, método CS.

VIII. CONCLUSIONES

• El método CS es una buena alternativa para la

corrección pero es directamente proporcional al
número de frames, mientras mayor se la cantidad de
frames mejor será el resultado a medida que avanza la
el algoritmo ya que la mejora del método se produce
a medida que avanza.

• Se puede mencionar que sería más efectivo una red

neuronal ya que es un sistema que aprende de los
sucesos ocurridos a medida que avanza el algoritmo.

• Es un método donde no se trabaja directamente con l

a imagen sino que se modifican para que trabajan
como contraste y brillo de la imagen de forma escala.

• Se produce un fenómeno llamado ghosting, pero se

reduce de acuerdo a la cantidad de frames que se
están analizando.

• En comparación con el método TPC, el método TPC

sigue siendo más efectivo y eficiente ya que realiza
una limpieza desde el frames 1 en adelante.