基于加权引导滤波与时域高通滤波的非均匀性校正算法

为解决基于传统时域高通滤波红外图像非均匀性校正算法存在鬼影现象以及固定图案噪声去除不彻底的问题,提出了一种加权引导滤波和改进时域高通滤波相结合的非均匀性校正算法。首先,利用加权引导滤波准确分离红外图像中的空域高频成分;然后,计算红外图像中像素点灰度值变化幅度;最后,在进行时域高通滤波时对红外图像中的运动区域和静止区域使用不同时间常数进行校正。采用两组真实红外图像序列进行实验,并与经典的双边滤波时域高通,均值滤波时域高通非均匀性校正算法进行比较。实验结果表明:文中所提算法在主观视觉和客观评价指标方面优于其他两种算法,有效降低了红外图像的非均匀性,不会产生鬼影,取得了较好的非均匀性校正效果。     

基于双边滤波约束的线列红外探测器恒定统计校正方法

线列红外探测器的非均匀性会导致获取的红外图像含带固定噪声,这将严重影响图像的观测识别.提出一种基于双边滤波约束的局部恒定统计校正方法.该方法在恒定统计的非均匀校正方法的基础上,根据场景特性,对响应信号采用双边滤波方法进行滤波分析,并在统计结果中加以约束限制,可有效地解决原图像的非均匀性,并且避免了恒定统计算法中的“鬼影”与拖尾等问题.实验结果表明提出的算法校正效果明显,收敛速度快,易于工程化实现,可以大幅度提高线列红外成像系统的观测质量.     

一种红外导引头成像自适应非均匀性校正方法

在红外成像制导应用中,为满足长周期免拆卸贮存的应用需求,红外导引头非均匀性的研究越来越多的集中于采用自适应的校正方法来代替传统的参考源的非均匀性校正方法。针对传统基于神经网络的自适应非均匀性校正算法容易造成"鬼影"的问题,提出了一种改进的红外导引头成像自适应非均匀性校正算法。该方法在传统神经网络非均匀性校正的基础上,进行了4点实用化的改进:首先,通过对图像运动判断,避免场景静止时的过学习;其次,采用自适应学习率,避免细节丰富区域的过学习;然后,利用双边滤波求期望目标的评估,减少细节的损失;最后,通过判断误差函数的波动量来决定是否对偏置进行更新。实验结果表明,该方法在校正精度、收敛速度和稳定性方面均优于传统的神经网络校正算法。     

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。     

基于中值滤波的红外焦平面阵列非均匀性神经网络校正

统的神经网络校正算法存在收敛速度慢和校正精度低的缺点。当背景噪声较大时,它更难以获得令人满意的校正效果。 针对其不足之处, 提出一种基于中值滤波的红外焦平面阵列(IRFPA)非均匀性神经网络校正算法。该算法首先利用中值滤波对强噪声进行预处理,在此基础上 采用改进的神经网络校正算法对IRFPA非均匀性进行自适应校正。实验结果表明,该算法与传统的神经网络方法相比具有收敛速度快和校正精 度高等特点,并且使图像的峰值信噪比至少提高了10dB。     

双边滤波直方图均衡的非均匀性校正算法

针对传统的红外焦平面自适应校正算法存在的目标退化和收敛时间较长等问题,提出了一种融合双边滤波机制的直方图均衡红外焦平面非均匀性自适应校正方法。研究了红外焦平面响应特性,建立红外焦平面阵列响应的统计模型,根据模型首先计算单个像元的时域统计直方图,接着融合双边滤波机制求取邻域像元时域直方图的均值,最后利用该均值直方图均衡完成非均匀性校正。实际应用证明,该算法具有校正精度高、收敛速度快、抑止目标退化能力强的优点。     

红外焦平面阵列非均匀性实时校正技术研究

在分析红外焦平面阵列非均匀性噪声产生机理的基础上，提出了一种易于硬件实现的新算法，并给出了其硬件实现。该算法从数字图像处理的角度出发，通过垂直滤波和排序均值滤波，对非均匀性进行校正。利用该算法能实时有效地消除红外图像的非均匀性噪声，增强图像的视觉质量。     

红外焦平面阵列非均匀性的校正方法研究

针对读出电路与探测器产生的非均匀性,并对递归最小二乘非均匀校正算法(RLS算法)进行扩展和改进,提高非均匀校正的精度和算法的收敛速度。首先对红外焦平面阵列的非均匀性进行建模仿真,根据建立的模型利用局部恒定统计法对读出电路产生的非均匀性进行校正,然后采用自适应中值滤波算法(RAMF算法)对图像进行预处理,从而提供给后续RLS算法具有较低噪声的图像,实现RLS算法对探测器的非均匀性校正。仿真结果表明提出的算法能够有效地抑制读出电路对校正精度的影响,消除图像的非均匀性,同时采用RAMF算法对图像的预处理过程,能够加快RLS算法的收敛速度,提高信噪比,获得较好的非均匀性校正效果。     

红外图像的自适应混合双边滤波算法

针对红外图像中的混合噪声,提出了一种自适应混合双边滤波算法。首先对双边滤波原理进行了分析,提出不能滤除强高斯噪声和脉冲噪声是由于双边滤波引入灰度域权值而带来的固有不足,因此根据双边滤波算法的特点设置了一种像素间的相似度,并以该相似度为基础将双边滤波不能滤除的强噪声点进行了标记,仅对红外图像中标记出的强噪声点进行中值滤波以减少图像模糊,对普通噪声点采用灰度方差自适应双边滤波以保留更多边缘特征。自适应混合双边滤波能够有效滤除红外图像中的高斯噪声、脉冲噪声以及由其组成的混合噪声,同时在滤波过程中并不降低双边滤波保留红外图像边缘特征的性能。仿真实验结果表明,与传统双边滤波、改进的双边滤波以及各项异性扩散-中值滤波算法相比,该算法无论是滤除红外图像的混合噪声还是保留边缘特征都较为优越。     

改进的单幅红外图像局部自适应非均匀校正

为了实现对单幅红外图像的非均匀性校正并且对局部细节的校正效果进行优化,提出了一种局部自适应的非均匀校正算法。算法利用红外焦平面阵列的固定图像噪声呈单方向分布的特性,采用基于高斯权重思想的中值直方图非均匀算法实现红外图像的单参数校正;然后将图像分块,使图像的各局部都能够自适应地选择各自最合适的校正参数,达到优化细节的校正效果。实验结果及分析表明:与单参数中值直方图非均匀校正算法相比,提出的算法在均方根误差、峰值信噪比、图像平滑性等方面都得到了进一步的改善,并且保留了更多的图像细节,为非均匀校正提供了一种方法。     

一种红外成像系统自适应冷像校正方法

冷像是影响制冷型红外探测器成像质量的重要因素。 分析了冷像产生的机理以及频率特点,提出了一种自适应冷像校正算法。首先,通过自适应时域低通滤波法来获得冷像估计图像,然后将获取到的冷像估计图像与预先存储的冷像参考图像进行相关运算,最后根据相关系数确定是否进行噪声矩阵的更新并用来校正图像。使用仿真和实际的红外图像序列进行实验,结果表明所提算法能够有效去除冷像噪声。     

红外图像非均匀性校正高通滤波算法的改进

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。本文通过分析多种均匀性校正的方法，提出了一种时域高通滤波法的改进，在这种方法中增加了一个调节因子口，目的是为了调节系统的截止频率，选择合适的调节因子能够尽可能校正焦平面阵列的非均匀性。另外考虑到噪声的空域特性，建立了差图像Eij（n），用于替换噪声图像xij（n）。实验仿真通过图像的空间标准差证明，新算法具有较好的校正效果。     

基于神经网络的红外焦平面非均匀校正的新算法

传统的神经元网络算法对噪声具有较好的自适应性,但当噪声略强时,它的校正效果会出现下降,为进一步提高性能,原作者提出了基于神经元网络的红外焦平面非均匀性校正的改进算法。但在场景静止时,原算法就不再适用。针对这种情况,分析了基于神经元网络的红外焦平面非均匀校正的改进算法,提出了在场景静止时的校正算法。并结合两者,最后提出了基于神经元网络的红外焦平面非均匀校正的新算法。仿真证明,新算法具有优异的性能。     

基于中值滤波器的红外图像噪声处理的改进方法

基于红外图像成像的机理和热像仪工作方式,红外图像往往混有大量随机噪声,而这些都是造成红外图像和视频质量下降的重要原因。中值滤波是一种常用的非线性的滤波方式,对于图像降噪有很好的效果。中值滤波器的处理窗口大小需要提前设定且在处理过程中不能改变。噪声密度越大需要处理窗口越大,但也导致图像的细节相应越模糊。综合窗口大小对降噪能力和细节处理能力的影响,文中对传统的中值滤波器算法进行改进。实验表明,在中值滤波器去除噪声的过程中,随着窗口图像噪声分布情况动态调整窗口大小,能够做到既尽可能去除噪声,又尽可能保持图片的细节,使图像处理整体效果得到提升。     

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...     

自适应LUM滤波器

低-高-中滤波器(Lower-upper-middlefilter,简称LUM滤波器)是中值滤波基础上发展起来的一种非线性滤波器.提出了一种改进的LUM滤波器的算法.算法对LUM滤波器进行了两方面的改进:一方面针对未被噪声污染的非边缘区域,不滤波;另一方面自动查找LUM滤波器锐化窗口的位置.与原有的LUM滤波器相比,它能缩短程序运行的时间,较好地降噪,保护图像的有用信息,更好地增强图像的边缘.     

一种改进的神经网络红外焦平面阵列非均匀性校正算法

传统的神经网络非均匀性校正算法对噪声具有较好的自适应性,但当空间低频噪声较大时,校正效果明显下降.为此,提出了一种传统神经网络同场景的一阶统计相结合的改进算法.将对偏置的估计转化成对场景的统计和对辐射均值的估计,新算法较原算法具有了更强的校正能力,特别适合于非均匀性主要由偏置产生的焦平面器件.理论分析和比较实验结果显示了其优越性.