用于红外焦平面阵列非均匀性校正的辐射参考源

概述了4种红外焦平面阵列非均匀性过程中使用到的参考源。成为产品前,通常使用面源黑体作为参考源对红外焦平面阵列进行非均匀性校正;在热成像系统应用中动态非均匀性校正中,普遍使用的辐射挡板由于没有连有控温装置,只能进行一点校正,在场景温度偏离校正温度时,校正效果会受到影响;美国第三代前视红外成像系统中使用连有热电制冷器的热电参考源,利用热电制冷器对发射表面进行控温,可实现两点校正算法;为基于边框的SBNUC校正算法设计的U型边框黑体光阑,对视场中心没有遮挡,利用半导体制冷器对U型边框黑体光阑的进行控温,能根据场景信息自适应地实现的两点校正。     

基于场景的红外焦平面阵列非均匀性校正算法研究

随着红外焦平面探测器阵列FPA规模的扩大,由于探测元响应不一致所产生的固定模式噪声FPN成为限制成像质量提高的主要因素之一,必须采用有效的非均匀性校正NUC技术解决这一问题.基于场景的非均匀校正算法SBNUC近年来迅速发展的一类新型的自适应NUC方法,其不需遮挡成像视场,仅仅依赖拍摄序列的图像信息对IRFPA的增益和偏置参数进行组间或帧间更新,可动态有效地补偿工作过程中的系统温漂.论文介绍了近年来在基于自适应滤波的SBNUC、基于单帧神经网络的SBNUC、基于恒定统计约束的SBNUC和基于运动估计的SBNUC算法方面的研究,这几种SBNUC算法对实际红外视频图像的校正效果已取得了验证,开始进入实用化研究阶段.     

基于场景的红外图像非均匀性校正方法综述

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。基于场景的非均匀校正算法通常利用图像序列并依赖帧间运动对焦平面阵列的非均匀性进行校正。本文介绍了恒定范围统计法、Kalman滤波器法和轨迹跟踪法。恒定范围统计法和Kalman滤波器法是利用场景数据自适应的进行非均匀性校正的统计算法；轨迹跟踪法是一种利用图像序列的帧间运动提取其实场景的信息的方法。最后把这三种方法和两点法做了比较。     

一种新的基于场景的红外图像非均匀性校正算法

根据传统两点法的基本思想,提出了一种基于场景的红外焦平面阵列成像非均匀性校正算法。利用各探测器单元的增益比率与相邻单元的增益比率的相关性,迭代实现增益和偏移量的校正,从而减小其图像的非均匀性。     

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。     

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...     

红外焦平面阵列非均匀性校正技术的最新进展

面列阵红外焦平面探测器的非均匀性校正技术是正在探索的一项关键技术。介绍了近期国内外发展的红外焦平面阵列非均匀性校正技术：基于场景的代数算法、基于干扰抵消原理的自适应校正法和基于低次插值的多点校正法。     

一种提高红外焦平面阵列成像质量的有效方法

为了提高红外焦平面阵列的成像质量,提出一种对红外焦平面阵列的非均匀性校正的同时进行图像增强处理的方法(简称校正增强法),该方法通过对红外焦平面阵列的校正来减少各阵列元响应的非均匀性,通过对红外图像进行增强处理来提高整幅图像的对比度,从而有效地提高红外成像系统的成像质量.实验结果表明:经过校正增强方法处理后的红外图像清晰、视觉效果理想.     

红外探测器非均匀性校正系统研制

分析了红外焦平面阵列（IRFPA）基于定标的非均匀性校正算法和基于场景的非均匀性校正算法的优势和不足。针对红外焦平面阵列二元非线性的非均匀性理论模型这一特点,提出了一种基于S曲线拟合的校正算法。利用FLIR公司的长波非制冷红外探测器进行信号采集,建立了焦平面探测元的响应模型。描述了基于FLIR长波非制冷红外探测器在FPGA平台的处理流程,并实现了S曲线校正算法,提高了红外图像的质量。实验表明,经过S曲线拟合校正处理,减弱了红外图像的条纹噪声,使IRFPA组件的非均匀性从6.45%降低至2.06%。     

红外焦平面阵列响应度非均匀性的校正算法

本文分析了红外焦平面阵列探测器的响应度非均匀性对成像系统灵敏度的影响和单个探测单元的积分时间响应非线性对成像质量的影响。提出了一种基于场景的运动扫描平均值校正与积分时间校正相结合的红外焦平面阵列响应度非均匀性的校正算法。从而使得系统不仅能够得到均匀性良好的响应度,而且还能使响应度不会受到积分时间改变的影响,进一步扩展了红外焦平面探测器的实际应用范围。     

基于环境温度的红外焦平面阵列非均匀性校正

分析了环境变化对红外焦平面阵列信号输出的影响,提出了一种基于环境温度和目标温度的非均匀性校正算法.利用UL01011凝视型红外探测器进行信号采集,根据最小二乘原理建立了焦平面探测单元的指数响应模型.最后,利用该模型进行非均匀性校正.实验表明,算法能在较宽的环境温度范围,准确预测焦平面探测单元的响应,有效提高了非均匀性校正的精度.     

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.     

递推混合最小二乘在红外焦平面阵列非均匀校正中的应用

基于递推最小二乘(RLS)的红外焦平面阵列非均匀校正算法具有计算量和存储量小等优点,易于工程实现.但RLS并不完全满足实际问题模型的要求,因此拟合出的噪声参数存在严重偏差.提出了一种利用递推混合最小二乘(RMLS)替代RLS进行非均匀校正的算法,它不但具有原方法的各种优点,而且由于符合问题模型的基本特征,因此在拟合精度和收敛速度方面都优于RLS.文中实验结果也验证了该方法的有效性.     

一种基于探测元响应非线性的两点校正算法

针对焦平面器件现有非均匀性校正算法在实际应用中存在的问题,结合探测器的非线性模型对两点校正算法进行改进,提出了基于探测元响应非线性的两点校正算法,该算法是在最小二乘意义上的曲线拟合.通过将该算法与传统的两点校正法和四点校正法在残留非均匀性和校正速度两个方面的比较,说明该方法具有校正精度高、动态范围大、易于工程实时实现等优点.     

基于PDE去鬼影的自适应非均匀性校正算法研究

针对基于场景的自适应校正算法普遍存在鬼影的问题, 分析了神经网络算法(NN-NUC)产生鬼影的原因,并在此基础上提出了用基于偏微分方程(PDE)的非线性滤波方法取代NN-NUC算法中邻域平均的方法来获取期望图像,从而减少边缘像素误差,达到消除鬼影的目的.采用实际采集的红外图像进行实验,结果表明,很好地消除了鬼影.与已有的几种去鬼影的方法相比,具有更快的收敛性.     

基于人眼视觉特性的IRFPA非均匀性校正算法研究

红外焦平面器件普遍存在着非均匀性问题,对红外焦平面阵列(IRFPA)实施非均匀性校正对提高成像质量具有重要意义。传统的IRFPA多点校正算法存在运算量大、实时性能低、实用效果差等问题,为此文章综合人眼视觉特性,提出IRFPA非均匀性多点校正算法。人眼视觉对图像的灰度分辨能力是有阈值限制的,利用这种分辨阈值可以对IRFPA的标定点进行有效压缩,生成像元号-校正系数表,然后通过查找系数表,实现IRFPA的非均匀性实时压缩校正。实验证明,提出的IRFPA非均匀性校正算法较传统的IRFPA非均匀性校正算法实时性能更好,非均匀性降低了0.203%。     

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。