Les caméras thermiques non-refroidies mesurent le rayonnement infrarouge émis par les objets en fonction de leur température et de leur émissivité. L’image brute
obtenue est cependant dégradée par un bruit structuré spatialement non uniforme, appelé fixed pattern noise (FPN). La correction de ce bruit repose généralement sur un modèle
affine dont les composantes dépendent de l’environnement de la caméra, en particulier de la température du focal plane array (TFPA).

Deux grandes familles de méthodes permettent d’estimer ces composantes. Les approches « calibration-based », considérées comme les plus fiables, s’appuient sur des données acquises à différentes TFPA pour déterminer, pour chaque pixel, les composantes du modèle affine. La méthode shutterless polynomial, largement utilisée dans cette catégorie, modélise ces composantes par des polynômes en fonction de la TFPA. Les approches « scene-based », quant à elles, exploitent les variations de la scène observée pour estimer le FPN. Elles nécessitent toutefois des variations temporelles suffisantes et deviennent sensibles à leur absence, ce qui peut engendrer des artefacts de type « ghosting ».

Dans le cadre des modèles « calibration-based », nous proposons une modélisation polynomiale des images brutes en fonction de la TFPA, à partir de laquelle les composantes du modèle affine sont ensuite estimées. Cette approche se distingue de la méthode de référence shutterless polynomial, qui procède dans l’ordre inverse en estimant d’abord les composantes à partir des images brutes avant de les modéliser par des polynômes. La modélisation polynomiale des images brutes offre des performances de correction comparables, voire légèrement supérieures. La calibration est réalisée dans un environnement thermique strictement contrôlé afin de limiter l’influence de variations d’autres paramètres environnementaux que la TFPA sur la réponse du capteur. L’analyse des erreurs de fit révèle des anomalies, présentant une tendance commune au sein des pixels, que nous interprétons dans un premier temps comme pouvant résulter d’imprécisions de mesure de la TFPA lors de la calibration. Une extension, appelée « correction delta », permet d’estimer conjointement les polynômes des images brutes et les imprécisions de la TFPA. Bien qu’elle réduise la moyenne des carrés des erreurs de fit, cette extension n’améliore pas la qualité de correction, ce qui invalide l’hypothèse selon laquelle seules des imprécisions de mesure expliqueraient ces anomalies et met en évidence l’influence de flux thermiques parasites, malgré une phase de calibration conçue pour réduire leur impact. Ce constat souligne les limites des modèles paramétriques fondés uniquement sur la TFPA.

L’analyse statistique de l’espace des biais, dans le cadre du modèle affine à gain constant et biais variable, conduit à proposer un modèle de correction dit « mixte »,
fondé sur une famille de biais issus des données de calibration. Ce modèle reconstruit le biais correcteur comme une combinaison linéaire dans cet espace vectoriel, optimisée selon
un critère de qualité d’image appliqué à l’image reconstruite. Il combine ainsi les avantages des approches « calibration-based » et « scene-based », tout en restant non paramétrique,
ce qui lui confère une meilleure adaptabilité à la complexité thermique réelle. Les résultats expérimentaux montrent que ce modèle surpasse la méthode shutterless polynomial en robustesse et en qualité de correction, notamment dans des environnements variés.

Après correction par un modèle reposant sur des données de calibration, certains artefacts colonnaires peuvent subsister en raison de dérives temporelles du circuit électronique
de lecture de la caméra. Deux méthodes sont proposées. La première, TVx, impose que la médiane du gradient horizontal de chaque colonne de l’image reconstruite soit nulle, réduisant efficacement le bruit colonnaire mais pouvant générer des discontinuités horizontales en présence de structures verticales. La seconde détecte, dans chaque colonne du gradient
horizontal de l’image bruitée, des segments dits « homogènes », supposés correspondre à des zones uniformes, et sélectionne les plus représentatifs via un problème variationnel
favorisant un gradient horizontal lisse. Cette dernière méthode réduit le bruit colonnaire, laissant seulement de légers artefacts basse fréquence horizontaux.