基于配准的红外焦平面阵列条纹非均匀性校正

条纹非均匀性是线扫红外焦平面阵列和非制冷凝视型红外焦平面阵列成像系统中一种特殊的固定图案噪声.分析了其产生的原因,提出了一种基于亮度恒定假设和配准的条纹非均匀性校正算法.根据相邻两帧获得亮度均方误差函数,最后通过最小化全局亮度均方误差函数得到全局最优解作为非均匀性校正的参数.实验结果表明,该算法能够在几帧内达到较好的收...     

红外焦平面阵列条纹非均匀性校正方法

条纹非均匀性是线扫红外焦平面阵列和非制冷凝视型红外焦平面阵列成像系统中一种特殊的固定图案噪声。提出了一种基于实际场景和非均匀性分离的模型方法,能够在单帧内实现条纹非均匀性的校正。通过局部窗口模版遍历相邻列的误差函数,得到其非均匀性校正参数估计,并依据相邻两帧相关性的继承性,完成条纹非均匀性的校正。通过对模拟条纹非均匀性和实际图像的实验和理论分析,结果表明,文中算法能够显著提高条纹非均匀性校正效果。     

一种基于鱼眼镜头的非均匀性校正方法

为了提高凝视型红外鱼眼侦测系统的成像质量,针对实际应用中的问题,分析了鱼眼镜头对系统非均匀性的影响.对传统的两点校正算法进行了改进,提出了基于鱼眼镜头的两点校正算法,并对校正算法的成像质量进行了讨论.通过计算,校正前的非均匀性大小为0.72,校正后的非均匀性大小为0.027,系统的成像均匀性提到了提高.在非均匀性校正方面与传统的两点校正法进行了比较.结果表明,该方法具有校正精度高、成像效果好等优点.     

基于局部直方图规定化的红外图像非均匀性校正

非均匀性噪声严重影响着红外焦平面阵列的成像质量。针对条纹非均匀性问题,提出了一种基于局部直方图规定化的红外图像非均匀性校正算法。该算法对图像逐列进行处理,首先采用文中提出的加权折中直方图方法计算得到每一列图像的期望直方图,然后对当前图像列进行直方图规定化处理,最后遍历整幅图像实现非均匀性校正。实验结果表明,本文算法能够有效地抑制红外图像的条纹非均匀性噪声,同时较好地保留了图像的边缘轮廓信息。     

基于全卷积网络的红外图像非均匀性校正算法

针对红外成像系统在经过两点校正后,随时间漂移仍然会出现的非均匀性噪声,提出一种基于全卷积深度学习网络的红外图像非均匀性校正算法,使用子网络与主网络相结合的方式进行非均匀性校正.该算法设计了非均匀性等级估计子网络,将含有非均匀性噪声的红外图像输入子网络后,输出非均匀性等级估计图,并和待校正红外图像一并输入校正主网络.子网...     

基于两点法的实用FPA非均匀性校正系统

红外焦平面器件的非均匀性已经成为制约红外成像质量的主要问题,通过对凝视型和扫描型FPA器件成像特点的分析,综合几种校正技术,认为两点法是目前最实用的处理方法.本文从探测器数据采集、校正处理以及应用出发,搭建了实用的FPA非均匀性校正系统,实验证明该系统满足了实际应用要求.     

改进的神经网络非均匀性校正方法

红外图像的非均匀性是制约红外成像系统成像质量的限制性因素,非均匀性校正是红外成像领域中的核心技术。改进了传统的神经网络非均匀性校正方法,在探测元的期望输出中加入图像均值分量,使该算法对空间相关性较强的低频非均匀性成分也具有较强的校正能力。在以TMS320C62x DSP为核心的硬件平台上,采用中波凝视红外探测器,图像帧频为50 Hz,并在实验室及室外环境分别对该算法进行了测试,非均匀性从最初的5％左右降至2‰以下,验证了改进后的算法具有校正精度高、实用性强等优点,能够满足实际应用的需要。该算法也可应用于红外成像的应用领域。     

一种基于核回归插值的自适应非均匀性校正算法

针对基于神经网络的场景自适应非均匀性校正(Non-Uniformity Correction, NUC)算法在消除红外成像系统输出图像噪声时容易产生的“鬼影”现象,提出了一种改进的自适应非均匀性校正算法,将核回归插值技术应用到神经网络算法中,有效降低了自适应非均匀性算法产生“鬼影”现象的概率。实验结果表明,与传统的神经网络算法相比,本文算法在相同条件下既能有效消除非均匀噪声,又能大大抑制“鬼影”现象的产生。     

红外焦平面阵列的非均匀性研究

红外焦平面阵列的非均匀性校正是凝视型红外成像系统中必不可少的一部分。文中从光电成像原理角度出发,深层分析了非均匀性的产生机理;针对传统神经网络校正算法存在的缺陷,从理想期望输出、误差函数和迭代步长三个方面进行了改进;并通过实验仿真对改进算法进行了验证,结果表明改进算法的校正效果较传统算法有明显的提高。     

红外双边滤波时域高通非均匀性校正

红外焦平面阵列的非均匀性噪声是制约红外成像质量的主要因素。本文在研究了传统的时域高通滤波法及其两种改进算法的基础上,提出了一种改进的基于双边滤波的非均匀性自适应校正算法,在这种方法中引入了一个由双边滤波系数矩阵推得的二次校正矩阵,该矩阵能够判别原始图像与双边滤波所得图像的差图像中场景的边缘部分,并进行自适应的抑制,使校正参数的计算更加准确。实验部分通过对加模拟噪声图像序列和实际非均匀性图像的校正证明本文的改进算法比其他两种改进算法有更好的校正效果。     

基于神经网络的红外焦平面非均匀性自适应校正算法

由于材料、工艺等原因,红外焦平面阵列(IRFPA)各单元普遍存在响应不一致的现象,从而导致IRFPA都存在非均匀性.非均匀性校正(NUC)是红外图像处理系统中的重要环节.本文在研究了传统的基于神经网络的NUC算法的基础上,提出了一种改进的基于神经网络的非均匀性自适应校正算法,并对比了传统的基于神经网络的算法和本文算法的校正效果和收敛速度,实验表明本文提出的算法校正效果好,收敛速度快.     

基于积分时间调整的红外焦平面阵列非均匀校正算法研究

利用实测的响应数据分析了红外焦平面阵列探测元的响应特性与入射辐射、积分时间的关系,指出了实际工程中常用的两点黑体辐射定标校正算法的本质在于利用高低温时不同的响应数据计算增益系数与偏置系数.与此相类似,通过调整积分时间也能得到不同的响应数据.因此对基于积分时间调整的校正算法展开研究,分别提出一点与两点定标校正算法,并将一点定标与小波多分辨率分解相结合,提出了一种新的自适应非均匀校正算法,实验结果证明了该方法在实际成像系统中的有效性.     

一种基于大视场红外图像的非均匀性校正算法

研究了行扫体制热像仪获取的大视场红外图像非均匀性校正的处理方法。首先分析了大视场下全局校正算法的局限性,然后提出了对大视场图像分块处理的想法,通过分块图像获取补偿参数来对非均匀性进行校正。最后通过实验证明了该算法能够在单帧情况下有效弱化条纹噪声,改善图像非均匀性。     

电阻阵列非均匀性校正算法实时性研究

非均匀性是电阻阵列输出图像固定噪声的主要来源,非均匀性校正是电阻阵列应用于半实物仿真中图像实时生成的一个不可缺少的环节.通过对校正算法的分析,设计算法实时性测试系统,并对校正在线算法进行改进,满足200Hz的帧频要求.在两种硬件平台方案下对算法的实时性进行测试,测试结果说明:非均匀性校正算法是影响动态红外图像生成实时性的一个重要因素,采用专用的硬件计算设备是提高整个系统实时性的必然选择.     

场景主动运动控制的非均匀性校正方法

在分析IRFPA响应稳定性的基础上,针对现有的非均匀性校正方法的不足和实际工程需求,提出了一种自适应的基于场景主动运动控制的非均匀性校正方案.以传统的人工神经网络法(NN-NUC)为基础,针对其在实际应用中存在的不足进行了改进:加入了预校正环节降低固定图形噪声(FPN)、自适应的学习速率加快算法收敛速度、设置阈值识别场...     

基于MPMAP序列红外图像高分辨力重建和非均匀性校正

红外焦平面阵列(IRFPA)的非均匀性校正是获得高性能热成像的基本保证,非均匀性校正(NUC)算法是当前国内外研究的重要方向.鉴于序列图像的超分辨力复原方法和基于场景的NUC算法都需要存在微位移的多帧序列目标场景图像,本文在Poisson和Markov分布假设的基础上,将超分辨力复原与NUC结合,针对存在非均匀性的红外...     

基于场景自适应收敛非均匀性校正方法

收敛问题是基于场景非均匀性校正算法的一个共性问题,提出了一个能够自适应收敛的非均匀性校正算法,该算法的一个特点是只对非均匀性空间频率的高频部分进行处理,详细论述了该处理的优点,同时还提出了一个控制收敛速度的因子,使得算法的收敛速度根据场景的动态范围自动调整,这将很大程度的改善基于场景非均匀性校正算法收敛特性,最后通过实...     

改进的基于神经网络的非均匀性校正算法

提出了一种结合图像匹配和神经网络算法的焦平面阵列非均匀性校正算法。算法首先用最新的校正系数对图像进行非均匀性校正,输出校正结果;然后对相邻两帧图像进行匹配,估计出相邻帧之间图像的运动量;最后用神经网络算法分别对校正系数进行正向和反向自适应更新。采用图像匹配技术保证了校正系数更新时不会引起场景的模糊,采用校正系数双向更新策略可以保证每帧都能对每个像元的系数至少进行一次更新,与常用的神经网络校正算法相比,降低了对场景统计特性的要求,收敛速度较快。使用模拟添加噪声和采集的红外图像序列对算法进行仿真验证,结果表明,给出的算法校正效果优于常用的神经网络非均匀性校正算法。     

基于虚拟边框视场光阑的IRFPA自适应非均匀性校正算法

 非均匀性校正是提高红外焦平面阵列成像质量的关键环节.本文提出了一种基于虚拟边框视场光阑的红外非均匀性校正算法.该算法用人工神经网络对边框像元进行初始校正,形成校正虚拟边框,再根据场景信息和帧间位移,将偏置校正参数逐行逐列传递,可消除焦平面阵列全视场响应的偏置非均匀性.由于算法主要基于代数运算,运算量较低,故能根据场景信息自适应地实现快速、高效的一点校正;且不需要对成像系统进行机械结构改造,与传统代数算法相比,适应性更强.真实红外图像与仿真图像对算法的检验结果,证明了方法的有效性.     

基于衬底温度的红外焦平面联合非均匀性校正

分别分析了红外焦平面阵列(IRFPA)基于定标的非均匀性校正法(NUC)和基于场景的NUC算法各自的优势和问题,在此基础上提出了联合非均匀性校正方法。根据上电时刻焦平面衬底的温度值,从FLASH中提取事先存储的对应温度区间的增益和偏置校正参数,初步消除探测器的非均匀性。通过分析初步校正后图像残余非均匀性噪声的特性,提出了用具有保边缘特性的P-M滤波取代传统神经网络算法中的四邻域均值滤波来获得期望图像,从而减小了图像边缘误差。实验结果表明,该算法收敛速度快,校正精度高,有效避免了因红外焦平面响应特性漂移而引起的图像降质。