TG-2/MAI CCD暗电流特征及其通道依赖性分析与校正 下载: 696次
1 引言
多角度偏振探测技术可用于定量获取云与气溶胶参数[1-6]。TG-2多角度偏振成像仪(MAI)于2016年9月15日发射升空,是我国首个在轨运行的多角度偏振探测成像仪器。MAI采用背照式面阵CCD探测器。CCD探测器因具有大动态范围、高量子效率、高分辨率、低输出噪声以及良好的线性特性等优势而在可见光成像、空间光学、微光夜视等方面有着广泛的应用[7-10],但作为一种大规模的半导体集成器件,其生产工艺相当复杂。硅材料的质量不够高、制造过程中的掺杂浓度不均匀、沉淀厚度存在差异以及光刻误差等因素会导致探测器自身存在固有缺陷,且无法改变,主要表现之一就是暗电流及其像元间的不均匀性[10-11]。暗电流是指CCD在完全无光信号输入的情况下,因载流子产生热导致势阱被逐渐填满而形成的电流。由于晶格点阵的缺陷,不同像素的暗电流可能差别很大,这会导致CCD各像元之间暗电流的分布不均匀。CCD暗电流的来源主要包括3个方面:耗尽区产生的暗电流、衬底材料产生的暗电流和硅-二氧化硅界面产生的暗电流。
Hagolle等[12]指出,所有CCD均会存在暗电流,均需要进行校正。修吉宏等[13]对大面阵彩色CCD航测相机进行了分析,结果表明,光学系统引起的光面照度差异会严重影响CCD成像的均匀性。杨忠东等[14]对中巴地球资源一号卫星的CCD相机0级数据进行了质量分析,对均匀目标观测结果的分析表明,CCD相机成像存在条带现象。总体而言,面阵CCD的暗电流会严重影响成像质量,进而影响数据的定量化应用,对其进行校正对于后期的数据定量化应用具有重要意义[13]。
就目前的研究而言,对暗电流的处理方法主要包括两种,一种是通过控制CCD探测器的工作温度、曝光时间等来抑制仪器本身的暗电流,提高成像质量;另一种是针对暗电流的特性进行数据的后续校正。常见的暗电流校正方法包括以下几种[9,11,14-23]:1)采用实验室校正方法扣除暗电流,该方法由于仪器在轨运行环境与实验室不一致以及仪器发射以后面阵CCD中的像元因各种原因产生故障等,可能会产生较大误差;2)在正常拍摄状态前后时刻关闭快门,在相同的积分时间下对CCD进行暗电流采集,再在真实图像中将暗电流图像进行逐像元扣除,该方法可以实时获取CCD暗电流的特征,但会大幅增加图像的采集时间;3)基于仪器暗电流特性的校正方法,程宣等[11]利用CCD“坏点”场景对暗电流进行了估计,估计偏差小于0.4%,但该方法会受到温度等因素的制约,目前还不能工程化应用。此外,还有类似POLDER的暗电流扣除方法[20-21],即利用一个暗电流监测通道对其他通道的暗电流进行扣除,但该方法的基础是各通道的积分时间一致。此外,Widenhorn等[22]的研究表明,在相同的曝光时间下,少量特定像元在快门关闭状态下的暗电流与场景曝光时相比具有固定的系统差异。这些方法主要是对单一通道或者各通道积分时间相同的CCD进行研究,而MAI是多通道不同曝光时间的CCD探测器,尽管其设置了挡光通道对非挡光通道进行暗电流监测,但却无法处理因各通道曝光时间不同而导致的暗电流特征的通道依赖性问题。
为了分析MAI CCD暗电流特征的通道依赖性问题,并改进其成像质量,本课题组在对暗电流监测通道进行分析的基础上,利用MAI夜间观测对各个通道的暗电流特征进行监测,并对MAI 0级数据进行校正处理,为后续气溶胶、云等的微物理参数反演奠定基础。
2 数据与方法
2.1 MAI简介
MAI主要由3部分构成:一个面阵CCD、一个滤光片-偏振片组合转轮以及一个宽视场光学系统。面阵CCD共计264×268个像元,其中有效像元为256×256个,面阵的前6列、后6列、前3行以及后5行为挡光像元,主要用于暗电流的估计及图像帧转移偏差的消除,CCD像元的大小为26 μm×26 μm。
组合转轮包含16个滤光片槽,其中:第1~第9个滤光片槽为偏振通道,对应3个偏振波段,每个波段对应3个偏振取向分别为-60°、0°、60°的偏振滤光片;第10~第12个滤光片槽为非偏振通道,第13个滤光片槽为不透明滤光片,主要用于监测CCD暗电流,剩余的3个滤光片槽为备用插槽。MAI的视场为87.6°,刈幅为770 km,空间分辨率为3 km×3 km。
在MAI观测过程中,每一帧包含13个通道的图像数据。
图 1. 2017年1月22日东南太平洋上空的观测结果。(a)第1通道成像;(b) DN值频率分布
Fig. 1. Observations over the Southeast Pacific Ocean on January 22, 2017. (a) Imaging of the first channel; (b) frequency distribution of DN values
2.2 MAI 0级数据特征分析
MAI第13通道为挡光通道,主要用于在轨运行过程中检测面阵CCD的暗电流状况。对MAI第13通道数据开展分析,为使结果更具有代表性和普适性,对2017年1月25日第13通道共71帧观测数据进行平均,结果如
图 2. 2017年1月25日第13通道共71帧观测数据的平均结果。(a)第13通道的灰度图;(b)平均DN值的行分布;(c)平均DN值的列分布
Fig. 2. Average results of 71 frames observations data on the 13th channel on January 25, 2017. (a) Grayscale map of the 13th channel; (b) row distribution of mean DN values; (c) column distribution of mean DN values
3 基于夜间观测的CCD暗电流特征分析
研究表明[12,20-21]:在夜间条件下,反射能量不足,一般的可见光成像仪无法成像。对于微光探测,要求成像仪器在可见光通道内具有很高的探测灵敏度和动态范围(数量级在105以上),且探测通道波段需要达到一定的宽度。因此,对于MAI而言,可以认为夜间无入射光进入镜头。故,在夜间场景下的观测相当于各通道的挡光观测,能够反映各通道的暗电流状况。为了分析其余12个通道是否也存在此类现象,为后期MAI各通道的暗电流处理提供依据,基于MAI第13通道出现的暗电流特征,本课题组在2018年2月2日—16日开展了MAI夜间观测,共得到22个时次的观测数据。下面结合MAI白天和夜间的观测数据对暗电流特征进行详细分析。
3.1 方法的可行性分析
夜间与白天观测存在一定差异,如环境温度、太阳辐射等,因此,为了分析白天与夜间暗电流的特性是否一致,利用MAI 2017年1月25日和2018年2月2日的观测数据,针对白天与夜间的暗电流特征进行对比分析。
图 3. 白天和夜间暗电流特性的对比。(a)横向特性;(b)纵向特性
Fig. 3. Comparison of daytime and nighttime dark current characteristics. (a) Horizontal characteristics; (b) vertical characteristics
3.2 暗电流不均匀性的通道依赖性分析
利用2018年2月2日夜间观测得到的所有70帧数据的对比分析,对面阵CCD暗电流不均匀性的通道依赖性进行研究。为了提高代表性,降低随机噪声,更准确地分析CCD的固有特性,对2018年2月2日观测得到的所有帧数据分别进行了逐像元平均。
3.2.1 横向不均匀性
图 4. 2018年2月2日第1通道的行平均图
Fig. 4. Row average diagram of the first channel on February 2, 2018
对2018年2月2日其余12个通道的观测结果进行分析,结果如
图 5. 2018年2月2日各通道70帧数据的平均结果。(a)平均DN值分布图;(b)行平均的最大值分布图;(c)行平均的最小值分布图
Fig. 5. Average results of 70 frames data for each channel on February 2, 2018. (a) Distribution of mean DN values; (b) distribution of maximum row average values; (c) distribution of minimum row average values
3.2.2 纵向不均匀性
图 6. 2018年2月2日第1通道帧平均的所有列平均图
Fig. 6. Column average diagram of the first channel on February 2, 2018
表 1. 各通道DN值与行号的线性关系
Table 1. Linear relationship between DN value andline number of each channel
|
3.3 “坏点”分析
利用2018年2月2日—16日期间22个时次的夜间观测数据对MAI各通道的“坏点”情况进行检测。结果表明:同一通道不同时间的“坏点”数目和位置均相同,且相同位置的“坏点”DN值差异不大;不同通道的“坏点”数目基本相同,但位置分布存在一定差异。
表 2. 夜间观测期间各通道的平均DN值以及“亮点”、“暗点”的数目及平均DN值
Table 2. Mean DN values status of each channel, and average distribution of “bright points” and “dark points” during nighttime observation
|
4 MAI CCD的稳定性分析
对MAI 2016年9月15日—2018年3月20日期间的观测数据进行统计分析,结果如
图 7. 2016年10月至2018年2月MAI CCD暗电流分布状况。(a)平均DN值随时间的变化;(b)“亮点”的平均DN值随时间的变化;(c)“暗点”的平均DN值随时间的变化
Fig. 7. Dark current distribution of MAI CCD from October 2016 to February 2018. (a) Average DN value as a function of time; (b) average DN value of "bright points" as a function of time; (c) average DN value of "dark points" as a function of time
5 MAI暗电流校正
暗电流的典型特征是与曝光时间成正比,且受温度的影响比较大[23]。由于MAI各个通道的积分时间存在差异,因此,第13通道仅可用于对CCD暗电流的整体情况进行监测,不能准确地描述每个通道的暗电流,更不能用于MAI各通道暗电流的扣除。当前,在MAI 0级数据处理过程中,采用的暗电流扣除方法是:利用CCD每行前5列和最后5列挡光像元DN值的平均值作为该行暗电流的平均值来进行扣除。
基于第3节的分析可知,面阵CCD的暗电流存在横向和纵向不均匀响应以及部分“坏点”,故当前的暗电流扣除方法会导致暗电流的处理存在一定偏差,从而影响MAI 1级数据的质量。
根据
暗电流的特性是稳定分布的,但仪器的暗电流水平会受到诸多因素的影响,因此,本课题组基于图像法、线性和非线性关系逐通道对MAI CCD的“坏点”和暗电流的不均匀性进行校正,然后将MAI CCD每行前5列和最后5列挡光像元DN值的平均值作为该行暗电流的平均值,逐行逐通道进行扣除,以减小暗电流对MAI 1级数据精度的影响。
5.1 剔除“坏点”
首先,对MAI 0级数据中的“坏点”进行处理,这里主要采用基于图像的消除方法。由于每个通道的“坏点”位置相对固定,因此,可以结合各通道的平均DN值和
图 8. 2018年2月2日第1通道“坏点”校正前后的对比图。(a)校正前;(b)校正后
Fig. 8. Comparison of the data before and after the correction of the "bad point" of the first channel on February 2, 2018. (a) Before correction; (b) after correction
5.2 暗电流不均匀情况的处理
在剔除“坏点”的基础上,对暗电流的不均匀响应进行校正。由于CCD暗电流在横向、纵向均存在不均匀,因此,需要从两个方向对暗电流进行校正。就横向而言,由于DN值随着列号的变化呈非线性,故逐通道采用多项式拟合进行较正,校正结果如
5.3 横向条带
对于CCD成像过程中出现的规则横向条带,由于其量级很小,一般不超过0.3个计数值,故暂不做处理。
5.4 校正结果
6 结论
本课题组提出了基于夜间场景观测对MAI各通道暗电流特征进行分析的方法,利用2018年2月2日—16日期间MAI夜间观测数据对各通道的暗电流特征进行分析,可以得到如下结论:1)各通道的暗电流分布均存在不同程度的非均匀性以及“坏点”,暗电流分布存在显著的通道依赖性;2)CCD暗电流存在横向条带,其与背景的灰阶差一般不超过0.3;3)夜间观测的暗电流与白天基于挡光通道观测的暗电流之间具有较好的一致性,DN值的平均差异小于1。借助白天MAI暗电流监测通道的数据对该方法进行验证,结果表明二者具有很好的一致性。
图 9. 2018年2月2日第1通道校正前后的对比。(a)横向校正前的行平均图;(b)横向校正后的行平均图;(c)纵向校正前的列平均图;(d)纵向校正后的列平均图
Fig. 9. Comparison of the data before and after the correction of the first channel on February 2, 2018. (a) Average of row before the horizontal correction; (b) average of row after horizontal correction; (c) average of column before vertical correction; (d) average of column after vertical correction
图 10. 2018年2月2日第1通道观测数据校正前后的结果。(a)校正前;(b)总体校正后
Fig. 10. Correction results of observation data of the first channel on February 2, 2018. (a) Before correction; (b) after overall correction
此外,对MAI 2016年10月至2018年2月期间的挡光通道数据进行分析,结果表明,MAI CCD在轨运行期间,各通道的暗电流特征无显著变化。因此,针对以上CCD特征分析,基于图像法对各通道进行了“坏点”剔除,基于多项式拟合和线性拟合分别对各通道横向和纵向的非均匀性进行相应的校正。校正之后由于CCD成像质量引入MAI 1级产品像元的可能相对误差由9.2%减小至3.0%,同时,整幅暗电流图像的标准差由12.1%降至6.9%。
MAI各通道的曝光时间不等,使得各通道的暗电流及其“坏点”分布存在通道依赖性,而当前的暗电流监测通道无法处理这一问题。研究结果表明,本课题组提出的基于夜间场景的观测方法可以有效监测CCD的暗电流特征,可将该方法扩展应用到当前其他平台CCD的暗电流在轨监测中。此外,在后续的星载观测仪器设计与应用中,可以直接利用仪器的夜间观测来监测CCD的暗电流特征,这不仅可以提高暗电流监测的准确性,还可以通过去掉挡光通道达到减轻仪器质量的目的。
致谢 感谢中国载人航天工程空间应用系统数据中心提供MAI数据。
[1] 陈洪滨, 范学花, 韩志刚. POLDER多角度、多通道偏振探测器对地遥感观测研究进展[J]. 遥感技术与应用, 2006, 21(2): 83-92.
[2] 段民征, 吕达仁. 利用多角度POLDER偏振资料实现陆地上空大气气溶胶光学厚度和地表反照率的同时反演Ⅱ.实例分析[J]. 大气科学, 2008, 32(1): 27-35.
[4] 范学花, 陈洪滨, 林龙福, 等. Polder-2parasol卫星气溶胶业务产品在北京地区的验证分析[J]. 遥感学报, 2009, 13(1): 137-144.
[6] 郭俊杰, 姚志刚, 韩志刚, 等. TG-2多角度偏振成像仪云相态识别机载验证试验[J]. 遥感技术与应用, 2018, 33(3): 439-448.
[7] 陈迎娟, 张之江, 张智强. CCD像素响应不均匀性的校正方法[J]. 光学精密工程, 2004, 12(2): 216-220.
[8] 章秀华, 叶鹏, 王万里, 等. 大视场线阵CCD图像灰度均匀化[J]. 光电工程, 2015, 42(7): 62-66.
[9] 雷仁方, 王艳, 高建威, 等. CCD表面暗电流特性研究[J]. 电子科技, 2014, 27(5): 26-28, 32.
[10] 张鑫, 林家明, 张哲, 等. 大视场CCD成像系统像面均匀性测试技术研究[J]. 光学技术, 2005, 31(6): 846-848, 853.
[11] 程宣, 赵慧洁. 基于场景坏点检测的面阵CCD暗电流估计方法[J]. 光学学报, 2012, 32(4): 0404002.
[13] 修吉宏, 黄浦, 李军, 等. 大面阵彩色CCD航测相机成像非均匀性校正[J]. 光学学报, 2013, 33(7): 0711003.
[14] 杨忠东, 谷松岩, 邱红, 等. 中巴地球资源一号卫星CCD图像质量评价和交叉定标研究[J]. 遥感学报, 2004, 8(2): 113-120.
[15] 郑亮亮, 金光, 曲宏松, 等. 多通道宽响应域TDI CCD成像系统的非均匀性校正[J]. 光学学报, 2017, 37(11): 1111001.
[16] 赵俊, 左都罗, 王新兵. 气体拉曼光谱检测系统中热电制冷CCD研究[J]. 激光与光电子学进展, 2016, 53(7): 070401.
[18] Zhang X Q, Yang H, Wang K. Image processing for the CCD based lateral flow strip detector[J]. Nano Biomedicine and Engineering, 2010, 2(4): 214-217.
[23] 程书博, 张惠鸽, 刘浩, 等. 科学级光学CCD暗电流及机械快门时间响应特性测试[J]. 光学学报, 2012, 32(2): 0204001.
Article Outline
郭俊杰, 姚志刚, 韩志刚, 赵增亮, 严卫. TG-2/MAI CCD暗电流特征及其通道依赖性分析与校正[J]. 中国激光, 2019, 46(1): 0110001. Guo Junjie, Yao Zhigang, Han Zhigang, Zhao Zengliang, Yan Wei. TG-2/MAI CCD Dark Current Characteristics and Its ChannelDependence Analysis and Correction[J]. Chinese Journal of Lasers, 2019, 46(1): 0110001.