A Stable Interactive Registration Algorithm-based Infrared and Visible Light Image Registration Method for Unexploded Ordnance Targets
-
摘要:
针对红外和可见光成像技术在未爆弹（Unexploded Ordnance，UXO）探测中图像背景复杂、互信息度低、有效特征点少导致配准困难的问题，在Imregtform算法基础上提出了一种稳定的交互式配准算法（Stable Interactive Registration Algorithm, SIRA）。首先结合Cpselect算法实现图像关键节点的精确配准，通过算术平均聚合作为初始矩阵。同时融合对比度受限自适应直方图均衡化算法（Contrast Limited Adaptive Histogram Equalization, CLAHE）对图像进行自适应分割并均衡化，限制对比度避免过度增强，结合双线性插值保证区域之间的平滑连续，以保证配准迭代过程中的稳定性。引入矩阵弗罗贝尼乌斯接近度（Matrix Frobenius Proximity, MFP）作为配准评估指标，缓解传统评估指标的波动性。实验结果表明，SIRA与Imregtform算法相比，配准效率提升4.72倍，MFP提升15.47倍，该算法对UXO图像配准具有更高的精度与稳定性。
Abstract:A stable interactive registration algorithm (SIRA) based on the Imregtform algorithm is proposed to address issues such as complex image backgrounds, low mutual information, and few effective feature points, leading to registration difficulties in the detection of unexploded ordnance (UXO) using infrared and visible-light imaging techniques. First, the Cpselect algorithm is incorporated to realize the accurate alignment of the key nodes of an image, which are aggregated by arithmetic averaging as the initial matrix. The contrast-limited adaptive histogram equalization (CLAHE) algorithm is incorporated to adaptively segment and equalize the image and avoid contrast over-enhancement, combined with bilinear interpolation to ensure smooth continuity between the regions and a stable iterative alignment process. Matrix Frobenius proximity (MFP) was introduced as an alignment evaluation index to alleviate the volatility of traditional evaluation indices. Experimental results show that SIRA enhanced the alignment efficiency by approximately 4.72× and MFP by 15.47× compared to the Imregtform algorithm. The algorithm exhibited high accuracy and stability for UXO image alignment.
-
0. 引言
微通道板（microchannel plate，MCP）是由数百万个孔径微米级的通道式电子倍增器排列而成的二维电子倍增器阵列，因其出色的位置分辨及时间分辨性能，广泛应用于微光像增强器、微通道板光子探测器、微通道板型光电倍增管、质谱分析、空间粒子探测等领域[1-7]。开口面积比是微通道板的一项重要指标，指的是微通道板工作区的通道开口面积与整个工作区面积之比，开口面积比决定微通道板的探测效率，并在一定程度上影响微通道板的噪声因子[1]。近年来，随着微通道板制造技术进步，像增强器用小孔径MCP的开口面积比可超过65%，部分探测级微通道板开口面积比可达到70%，进一步追求大的开口面积比给微通道板的工艺制造带来非常大的困难。
在常规MCP制造工艺之外，提升微通道板开口面积比的另一个途径为MCP扩口技术，即将微通道板输入面的通道口处理成漏斗状，使开口面积比显著提升，达到80%甚至90%以上，在微光夜视仪、粒子探测器等军用、民用领域具有巨大的应用潜力。美国Galileo、日本Hamamatsu、南京理工大学等国内外单位在MCP扩口方向开展了研究工作，使用湿法腐蚀制作出的扩口MCP在电流增益、噪声因子、离子探测效率等方面性能优于常规MCP，但是由于工艺难度大，这项技术目前仅日本Hamamatsu能够提供孔径12μm科研用MCP，并没有得到大批量的实质性应用[8-11]。提高MCP对电子的探测效率方面，通过在MCP表面镀制具有二次电子发射能力的膜层也是一种有效措施，在微通道板型光电倍增管以及微光像增强器中均能够得到应用，但是同时也会带来一定的负面影响，如：微光像增强器中分辨力和调制传递函数性能会有一定的降低、微通道板型光电倍增管中会有延时脉冲等，扩口MCP有利于提高微通道板的时间和空间分辨能力，为解决以上问题提供可能[12-15]。
针对湿法腐蚀扩口技术所存在的工艺一致性差、选择性腐蚀造成锥度尺寸难以达标等问题，本文提出一种新的MCP扩口技术：利用微纳加工领域已成熟应用的干法刻蚀技术进行MCP扩口，通过建立理想模型研究刻蚀工艺对于扩口MCP开口面积比、锥形深度以及形状等参数的影响，为开展实验研究及可能的批量应用奠定基础。
1. 干法刻蚀技术实现MCP扩口原理
干法刻蚀技术是目前工业上最成熟也是应用最广泛的刻蚀技术。广义上讲，所有不涉及化学溶液腐蚀的刻蚀技术都称为干法刻蚀，干法刻蚀具有可控性好、精度高、可流水线批量刻蚀等优点，已成为半导体工业微纳制造工艺中主要的刻蚀技术。常用的干法刻蚀技术包括反应离子刻蚀（reaction ion etching, RIE）、感应耦合等离子体刻蚀（inductively coupled plasma, ICP）、离子束刻蚀（ion beam etching, IBE）、聚焦离子束刻蚀（focused ion beam, FIB）等[16]。实现MCP扩口需要具有定向刻蚀能力的干法刻蚀，如ICP、RIE、IBE，本文以IBE为例进行理论模型研究。离子束刻蚀技术是利用一定能量的离子撞击固体表面原子，使材料表面原子发生溅射，达到刻蚀的目的，属于纯物理过程，离子束刻蚀的优点在于：各向异性、方向性好、刻蚀控制精度高、可刻蚀材料种类多、离子束入射角度调节方便等[17]。
与湿法腐蚀的选择性腐蚀不同，干法刻蚀的方向性好但选择性很差，因此干法刻蚀形成MCP扩口的原理与湿法腐蚀有本质的不同。采用干法刻蚀形成扩口MCP示意图如图 1所示，离子束以一定的角度入射至MCP输入面，示意图中看向通道内壁的视线角度与离子束入射至MCP表面的角度相同，即离子束在通道内能够刻蚀的最深处为d点、d′点，在非剖面图中，视线看到的通道内的最深处也是d点。为便于计算，本文中MCP斜切角以0°计算：
![]()
图 1 干法刻蚀形成扩口MCP示意图Figure 1. Schematic diagram of funnel MCP manufacture by dry etching① A为MCP表面，离子束刻蚀对于A面为均匀的刻蚀，对于锥形通道的形成没有作用；
② B为通道内壁表面，MCP通道相对于离子束不进行自转时，a′、b′、c′、d′四个点刻蚀掉的材料厚度相同，不会形成差别，而a、b、c、d四个点离子束并未能够刻蚀到；
③ 如果MCP通道相对于离子束实现以通道指向为轴进行自转，则a′、b′、c′、d′四个点与a、b、c、d四个点均能够被离子束刻蚀到，且a′与a、b′与b、c’与c、d′与d因两两处于完全对称的位置，刻蚀情况分别相同；
④ 由于微通道板圆形通道的特殊形状对于一定角度入射离子束的局部遮挡作用，不同深度处的位置点暴露于离子束中的时间不同，造成了刻蚀材料厚度的差异，以示意图中的4个点为例，a→b→c→d暴露于离子束的时间依次减短，而通道内比d点位置更深的地方，不会暴露于离子束，随着刻蚀时间的延长，会形成如图中虚线所示的有锥度的扩口。
2. 刻蚀工艺对扩口MCP性能参数的影响
2.1 模型建立
离子束以与MCP表面呈角度θ入射，MCP以通道指向为轴进行自转，构建模型如图 2，其中：D为微通道板孔间距；R为微通道板孔径；θ为离子束与MCP表面角度；h为通道内刻蚀深度；x为刻蚀厚度；Vα为离子束与刻蚀表面法线角度为α时的刻蚀速率。
在离子束刻蚀如石英玻璃、BK7玻璃时，刻蚀速率会随着入射角度的变化而有明显变化，随着入射角度的增大，刻蚀速率先增大再降低，在40°~65°之间有最大值出现[18]。由于微通道板在自转时，离子束与通道内不同位置处的入射角度时刻在变化中，为便于计算，理想模型中设定刻蚀速率不随着入射角度而变化，均为V。
2.2 刻蚀工艺条件对于开口面积比的影响
刻蚀工艺对于开口面积比的影响主要是刻蚀时间，开口面积比随着刻蚀时间的延长为非线性增加，主要分为3个阶段：阶段1：相邻通道边界尚未接触，如图 3(b)所示；阶段2：相邻通道边界已接触，相邻的3个通道边界尚未接触，如图 3(c)所示；阶段3：相邻的3个通道边界已接触，输入面已无平面，如图 3(d)所示。
![]()
图 3 不同刻蚀阶段开口面积比：(a) 未刻蚀，OAR=60%；(b) 刻蚀，OAR=75%；(c) 刻蚀至相邻通道接触，OAR=90.7%；(d)刻蚀至输入面无平面，OAR=100%Figure 3. Open area ratio at different etching stages: (a) Unetched, OAR=60%; (b) Etched, OAR=75%; (c) Etched until adjacent channel contact, OAR=90.7%; (d) Etch until there is no plane on the input surface, OAR=100%分阶段计算开口面积比随刻蚀时间的变化：
阶段1：$ 0 \leqslant t \leqslant \frac{{D - R}}{V} $时，
$$ \mathrm{OAR}=\frac{\sqrt{3} \pi}{6} \times\left(\frac{R+V t}{D}\right)^{2} $$ (1) 阶段2：$ \frac{{D - R}}{V} < t \leqslant \frac{{2D - \sqrt 3 R}}{{\sqrt 3 V}} $时，
$$ \text { OAR }=\frac{\left[\pi-6 \cos ^{-1}\left(\frac{D}{R+V t}\right)\right](R+V t)^{2}+6 D \sqrt{(R+V t)^{2}-D^{2}}}{2 \sqrt{3} D^{2}} $$ (2) 阶段3：$ t > \frac{{2D - \sqrt 3 R}}{{\sqrt 3 V}} $之后，
$$ \mathrm{OAR}=100 \% $$ (3) 如图 4所示，随着刻蚀时间的增加，开口面积初始以基本线性的规律增大，在达到90.7%之后，增大速度逐渐减缓，在阶段2的末期开口面积比接近100%，在阶段3中，开口面积比不再发生变化，也并未再引入其他问题，允许过刻蚀对于工艺控制非常有利。在开口面积比达到90%以上的前提下，影响干法刻蚀工艺时间的因素主要是通道之间的壁厚，壁厚越厚所需刻蚀时间越长，因此，干法刻蚀工艺对于小孔径微通道板的扩口效率更高。
2.3 刻蚀工艺条件对刻蚀深度影响
通道内刻蚀深度与离子束入射角度直接相关：
$$ h=R \times \tan \theta $$ (4) 理论计算结果如图 5所示。考虑到可实现性，离子入射角度太小时，工装夹具容易对离子束形成遮挡，且扩口深度较浅时对于扩口MCP性能也有一定的影响[9]；离子入射角度太大时，离子束对于通道内壁的刻蚀效率显著下降[18]，不利于扩口MCP的实现。综合考虑多种影响因素，离子束入射角度在30°~70°之间比较合适，对应的刻蚀深度范围为0.6倍~2.7倍通道孔径。
![]()
图 5 通道内刻蚀深度与离子入射角度关系Figure 5. The relationship between etching depth and incident angle2.4 刻蚀工艺条件对刻蚀锥度影响
通道的锥度对于扩口MCP应用在不同领域时的性能有很大的影响，锥度不合适时无法获得最佳的效果。使用干法刻蚀进行MCP扩口，对于锥度有很强的可控性。求解通道刻蚀的锥度，可以转化为通道内不同深度处暴露于离子束的空间在圆周范围内的占比。在MCP表面的平面建立如下坐标系进行计算，β是E点与坐标系中心点的连线与角度0位置的夹角，如图 6所示：在[－π/2，－π]、[π/2，π]区间内均未暴露于离子束中，仅需计算[－π/2，π/2]区间，且为对称结构。
![]()
图 6 通道内不同深度处锥度计算示意图Figure 6. Schematic diagram of taper calculation at different depths in the channel在角度为β处，E、F分别为通道内壁能够暴露于离子束中的最上与最下的位置，深度为：
$$ f(\beta)=h_{\mathrm{EF}}=R \cos \beta \tan \theta $$ (5) 将通道进行平面展开，不同角度处暴露于离子束中的最大深度分布如图 7所示。
![]()
图 7 通道内不同位置暴露于离子束最大深度Figure 7. Maximum depth of ion beam exposure at different positions of the channel根据通道内一周不同位置暴露于离子束最大深度的不同，计算不同深度h处刻蚀厚度相较于通道口入口处刻蚀厚度的比例：
$$ f(h)=\frac{2 \arccos \left(\frac{h}{R \tan \theta}\right)}{\pi} $$ (6) 式中：h∈[0, Rtanθ]。
如图 8所示，随着深度的增加，刻蚀厚度的减小并非线性，在MCP通道内壁成一个不规则的向内壁凹陷的弧面，此种形状下，进入到通道内的信号有更高的比例与更深处的通道内壁发生作用，对于扩口MCP在各类应用中都是更加有利的。
![]()
图 8 通道内不同深度处刻蚀厚度分布Figure 8. Etching thickness distribution at different depths in the channel3. 结论
通过建立模型进行理论计算，验证采用干法刻蚀技术进行MCP扩口，在输入面形成漏斗形通道口可行性，计算了干法刻蚀工艺参数如刻蚀角度、刻蚀时间等对扩口MCP开口面积比、刻蚀深度、通道口锥度等参数的影响：
① MCP在自转状态下，由于其圆形通道结构的自遮挡效应，均匀的面离子源能够在圆形通道上制作出非均匀的结构，即实现MCP通道的扩孔。
② MCP开口面积比随着刻蚀时间的延长而增大，达到90%之前基本线性，后期逐步趋近于100%的极限，允许过刻蚀，对于工艺控制有利；工艺的时间主要受通道之间壁厚影响，通道壁越厚，所需加工时间越长，因此干法刻蚀技术对于小孔径微通道板的扩口效率更高。
③ 刻蚀角度决定了通道内刻蚀深度，综合考虑各种影响因素，离子束入射角度在30°~70°之间比较合适，对应的刻蚀深度范围为0.6倍~2.7倍通道孔径。
④ 通道口的锥度受到刻蚀时间与刻蚀角度的双重影响，计算出了不同深度处刻蚀的厚度。随着深度的增加，刻蚀厚度的减小并非线性，在MCP通道内壁成一个不规则的向内壁凹陷的弧面，此种形状下，进入到通道内的信号有更高的比例与更深处的通道内壁发生作用，对于扩口MCP在各类应用中都是更加有利。
本文开展的理论模型研究结果，为开展干法刻蚀进行MCP扩口实验研究奠定了的基础，下一步工作的重点是在理论模型的基础上，开展相应的试验研究。
-
表 1 实验设计
Table 1 Experimental design
Group Registration strategy Basic Only perform Imregtform registration Initial matrix Only add initial matrix CLAHE Only incorporate the CLAHE SIRA Use the SIRA algorithm 
下载: 导出CSV
表 2 最优参数配置
Table 2 Optimal parameter configuration
Group Initial
radiusEpsilon Maximum
iterationsBasic 0.00005 1e-8 200 CLAHE 0.00001 1e-7 150 Initial matrix 0.00001 1e-8 50 SIRA 0.00001 1e-7 50
下载: 导出CSV
-
[1] Sigiel N, Chodnicki M, Socik P, et al. Automatic classification of unexploded ordnance (UXO) based on deep learning neural networks (DLNNS)[J]. Polish Maritime Research, 2024, 31(1): 77-84. DOI: 10.2478/pomr-2024-0008
[2] 徐建国, 丁凯, 李阳明. 未爆弹药探测技术发展现状及思考[J]. 中国公共安全, 2020(4): 176-178. XU Jianguo, DING Kai, LI Yangming. Development status and thinking of unexploded ammunition detection technology[J]. Public Security in China, 2020(4): 176-178.
[3] International Campaign to Ban Landmines. Landmine Monitor 2023[R]. Geneva: ICBL-CMC, 2023(11): 1-4.
[4] 陈栋, 闫小伟, 石胜斌. 地表未爆子弹药检测与识别定位技术研究综述[J]. 航空兵器, 2023, 30(5): 1-10. CHEN Dong, YAN Xiaowei, SHI Shengbin. A review of research on detection and identification of unexploded ammunition on the ground[J]. Aviation Weaponry, 2023, 30(5): 1-10.
[5] 刘子玉, 赵旭, 李连鹏, 等. 基于NGG-YOLOv5的空对地UXO目标检测方法[J]. 电光与控制, 2024, 31(3): 70-74. LIU Ziyu, ZHAO Xu, LI Lianpeng, et al. Air-to-ground UXO target detection method based on NGG-YOLOv5[J]. Electro-Optics & Control, 2024, 31(3): 70-74.
[6] 陆子渊, 何勇, 卞雷祥, 等. 基于一发多收线圈阵列的频域电磁法未爆弹探测技术[J]. 电子测量与仪器学报, 2023, 37(5): 79-87. LU Ziyuan, HE Yong, BIAN Leixiang, et al. Frequency domain electromagnetic unexploded bomb detection technology based on multiple-receive coil array[J]. Journal of Electronic Measurement and Instrumentation, 2023, 37(5): 79-87.
[7] 薄瑞, 张志杰, 陈昊泽. 一种新型未爆弹探测传感器的仿真研究[J]. 传感技术学报, 2022, 35(2): 171-178. BO Rui, ZHANG Zhijie, CHEN Haoze. Simulation study of a new type of unexploded bomb detection sensor[J]. Journal of Sensor Technology, 2022, 35(2): 171-178.
[8] 郝彤, 赵杰. 面向双曲线形态的探地雷达图像识别技术综述[J]. 电子学报, 2019, 47(6): 1366-1372. HAO Tong, ZHAO Jie. A review of ground penetrating radar image recognition technology for hyperbolic morphology[J]. Journal of Electronics, 2019, 47(6): 1366-1372.
[9] 代牮, 赵旭, 李连鹏, 等. 基于改进YOLOv5的复杂背景红外弱小目标检测算法[J]. 红外技术, 2022, 44(5): 504-512. http://hwjs.nvir.cn/article/id/f71aa5f4-92b0-4570-9056-c2abd5506021 DAI Jian, ZHAO Xu, LI Lianpeng, et al. Infrared weak small target detection algorithm in complex background based on improved YOLOv5[J]. Infrared Technology, 2022, 44(5): 504-512. http://hwjs.nvir.cn/article/id/f71aa5f4-92b0-4570-9056-c2abd5506021
[10] WU Yanfeng, WANG Yanjie, SUN Haijiang, et al. LSS-target detection in complex sky backgrounds[J]. Chinese Optics, 2019, 12(4): 853-865.
[11] 韩自强, 岳明凯, 张骢, 等. 基于孪生网络的无人机目标多模态融合检测[J]. 红外技术, 2023, 45(7): 739-745. http://hwjs.nvir.cn/article/id/2375ef51-29bd-4800-b016-889b652e1674 HAN Ziqiang, YUE Mingkai, ZHANG Cong, et al. Multimodal fusion detection of UAV targets based on twin networks[J]. Infrared Technology, 2023, 45(7): 739-745. http://hwjs.nvir.cn/article/id/2375ef51-29bd-4800-b016-889b652e1674
[12] Erin L, Rongjun Q, Jared E, et al. Crater detection from commercial satellite imagery to estimate unexploded ordnance in Cambodian agricultural land[J]. PloS, 2020, 15(3): 1-22. http://www.socolar.com/Article/Index?aid=100080575198&jid=100000000003
[13] Ahmed B, Ishan B, Krishan K, et al. A comprehensive review on landmine detection using deep learning techniques in 5G environment: open issues and challenges[J]. Neural Computing and Applications, 2022, 34(24): 21657-21676. DOI: 10.1007/s00521-022-07819-9
[14] 职玉, 朱娟娟, 刘锐, 等. 应用特征轮廓四边形的热红外图与可见光图配准[J]. 红外与激光工程, 2021, 50(S2): 171-180. ZHI Yu, ZHU Juanjuan, LIU Rui, et al. Registration of thermal infrared image and visible light image using feature contour quadrilateral[J]. Infrared and Laser Engineering, 2021, 50(S2): 171-180.
[15] Chiliaeva V, Almansa A, Ferrec Y, et al. Impact of image registration errors on the quality of hyperspectral images in imaging static Fourier transform spectrometry[J]. Optics Express, 2024, 32(5): 7012-7029.
[16] WEI G, CHEN H, LIN E, et al. Identification of water layer presence in paddy fields using UAV-based visible and thermal infrared imagery[J]. Agronomy, 2023, 13(7): 1932.
[17] TAO S. Multi-sensor remote sensing image alignment based on fast algorithms[J]. Journal of Intelligent Systems, 2023, 13(7): 1932.
[18] JIA W G, GANG L, MENG Z L. Damage detection for rotating blades using digital image correlation with an AC-SURF matching algorithm[J]. Sensors, 2022, 22(21): 8110-8110. http://www.keyanzhidian.com/doc/detail?id=2073189445
[19] CHENG M, ZHANG L, LIU L. An augmented reality image registration method based on improved ORB[J]. Journal of Physics Conference Series, 2020, 1544(1): 012113.
[20] LIANG Z, YANLEI D, HUIPING L, et al. A novel region-based image registration method for multisource remote sensing images Via CNN[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2021(14): 1821-1831.
[21] SHENG L, XIU L, ZHEN H G. An adaptive region-based transformer for nonrigid medical image registration with a self-constructing latent graph[J]. IEEE Transactions on Neural Networks and Learning Systems, 2023(7): 1-15.
[22] 王程, 王巍, 杨馨, 等. 基于区域特征优化及边缘增强的多聚焦图像融合[J]. 计算机技术与发展, 2024, 34(4): 62-69. WANG Cheng, WANG Wei, YANG Xin, et al. Multi-focus image fusion based on regional feature optimization and edge enhancement[J]. Computer Technology and Development, 2024, 34(4): 62-69.
[23] 石雪, 陈进琥, 李洪升, 等. 基于感兴趣窄带区域的同步分割与配准方法及在IGRT中的应用[J]. 自动化学报, 2015, 41(9): 1589-1600. SHI Xue, CHEN Jinhu, LI Hongsheng, et al. Synchronous segmentation and registration method based on narrowband region of interest and its application in IGRT[J]. Acta Automatica Sinica, 2015, 41(9): 1589-1600.
[24] 回丙伟, 宋志勇, 范红旗, 等. 地/空背景下红外图像弱小飞机目标检测跟踪数据集[J]. 中国科学数据(中英文网络版), 2020, 5(3): 291-302. HUI Bingwei, SONG Zhiyong, FAN Hongqi, et al. A dataset for detecting and tracking small aircraft targets in infrared images under/air backgrounds[J]. Chinese Science Data (Chinese and English online version), 2020, 5(3): 291-302.
[25] Hossain M S, Shahriar G M, Syeed M M M, et al. Region of interest (ROI) selection using vision transformer for automatic analysis using whole slide images[J]. Scientifc Reports, 2023(13): 11314.
[26] 郑晓俊, 郇中丹, 刘君. 图像配准中方向场正则化模型的适定性和收敛性[J]. 数学学报, 2021, 64(3): 385-404. ZHENG Xiaojun, XUN Zhongdan, LIU Jun. Well-posedness and convergence of the orientation field regularization model in image registration[J]. Acta Mathematica Sinica, 2021, 64(3): 385-404.
[27] 刘玉婷, 陈峥, 付占方, 等. 基于CLAHE的红外图像增强算法[J]. 激光与红外, 2016, 46(10): 1290-1294. LIU Yuting, CHEN Zheng, FU Zhanfang, et al. Infrared image enhancement algorithm based on CLAHE[J]. Laser & Infrared, 2016, 46(10): 1290-1294.
-
期刊类型引用(1)
1. 邱祥彪，杨晓明，孙建宁，王健，丛晓庆，金戈，曾进能，张正君，潘凯，陈晓倩. 高空间分辨微通道板现状及发展. 红外技术. 2024(04): 460-466 . 
本站查看
其他类型引用(0)
计量
- 文章访问数: 11
- HTML全文浏览量: 4
- PDF下载量: 5
- 被引次数: 1
