基于神经网络的IRFPA非均匀性校正新算法

传统的神经网络非均匀性校正算法简单、盲目地利用像元的四邻域平均估计期望信号，对空间低频噪声较大的IRFPA校正时难以获得满意的校正效果，针对其不足，提出了自适应加权平均滤波器，通过校正误差标准差阈值分配权值，提高期望信号的估计精度，新算法较原算法具有更强的校正能力，实验结果验证了其优越性。     

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。     

红外探测器响应非均匀性对系统灵敏度的影响

红外焦平面探测器的响应非均匀性将产生空域噪声,影响系统的灵敏度,在一般的红外系统灵敏度噪声等效照度（NEFD）和噪声等效温差（NETD）计算公式中,却不包含非均匀性的影响.通过非均匀性空域噪声的定义和焦平面探测器的空域噪声与时域噪声不相关的基本假设,在给出图像总噪声与探测器空域噪声和时域噪声关系的基础上,推导出了响应非均匀性与系统灵敏度NEFD和NETD的关系式,为红外系统的设计特别是非均匀性校正提供了依据.     

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...     

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.     

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。     

红外焦平面阵列非均匀性自适应校正方法

分析基于场景的红外焦平面阵列非均匀性校正方法中的景物退化和鬼影现象,提出了一种基于边缘约束高斯滤波的红外焦平面阵列非均匀性自适应校正方法。该方法设计了一个边缘约束高斯滤波器来获取理想的估计图像,利用最陡下降法得到计算增益校正因子和偏移量校正因子的迭代公式,并通过迭代步长的自适应控制来增快算法的收敛速度。通过仿真实验和真实红外图像处理对比实验表明:相较于目前已有的方法,该方法在有效抑制景物退化和鬼影现象的同时,较好地去除原始红外图像的固定图案噪声,保留了图像细节信息,提高了图像质量。     

基于小波分析的红外焦平面阵列非均匀性校正算法

近年来,小波变换在图像处理中的应用日益受到关注,介绍了小波变换在红外图像非均匀性校正方面的应用。时域高通滤波法是一种典型的自适应非均匀校正方法,在分析传统的时域高通滤波法的基础上,提出了应用小波基实现更加具体的数字低通滤波器,采用Mallat金字塔型算法,将低频部分进行多层次划分,提高低频部分的频域分辨率,并用序列图像进行了验证,仿真结果表明,该方法可以较好地进行非均匀性校正。     

基于神经网络法的焦平面器件非均匀性校正技术研究

首先分析了传统的非均匀性校正方法的缺点,指出自适应校正红外焦平面器件非均匀性的必要性。根据焦平面器件非均匀性噪声特性和算法研究的需要,介绍了非均匀性失真图像的产生方法。在上述工作的基础上,研究了基于神经的自适应非均匀性校正算法,探讨了最近４领域像素平均、最近４邻域像素灰度加权和８邻域像素灰度加权等三种情况。实验结果表明,８邻域灰度加权算法校正效果较好。     

红外焦平面阵列非均匀性自适应校正算法研究进展

实现红外焦平面阵列非均匀性自适应校正是高级红外探测系统追求的重要目标,对提高红外探测系统的空间分辨率、温度分辨率、探测距离以及辐射量的正确度量具有重要意义.归纳总结了国内外关于凝视红外焦平面阵列非均匀性自适应校正算法的部分研究工作及其进展,比较了典型自适应算法的性能和适用条件,为进一步开展红外焦平面阵列非均匀性自适应校正研究提供参考意见.     

一种红外焦平面非均匀性组合校正算法

分析了传统神经网络非均匀性校正算法在空域处理过程中产生目标退化的原因,在总结基于边缘指导的神经网络校正算法(ED-NN-NUC)与一点定标和神经网络结合的校正算法的基础上,提出了新的组合校正算法.新算法包含预校正、粗校正和精校正三个处理模块,利用含有弱小目标的实际红外图像进行了实验验证.结果表明,新算法能有效地抑止目标退化,并在运算速度上比ED-NN-NUC有一定的提高.     

红外焦平面阵列非均匀性自适应校正算法中目标退化与伪像的消除方法

深入分析了红外焦平面阵列（1RFPA）非均匀性的神经网络校正法出现目标退化和伪像的成因，指出没有考虑目标边缘而盲目更新系数是产生问题的根源．在此基础上提出了防止目标退化和伪像的边缘指导的神经网络自适应校正方法（ED-NN-NUC）．仿真实验以及针对实际红外图像的实验结果表明，所指出的问题根源是正确的，提出的方法是合理有效的．     

弱目标检测系统中红外焦平面阵列非均匀性校正算法的研究

提出了一种在弱目标检测系统中,线列或面阵红外焦平面的非均匀校正算法-基于可变积分时间和均衡噪声的两点现场校正算法.该算法充分结合了基于标定的校正算法和基于景象的校正算法的优点,考虑了焦平面阵列在不同积分时间下暗电流的变化、有效地均衡了各探测单元的噪声影响,使目标的信噪比达到了最佳效果.实验结果表明该方法在校正性能和对弱目标的提取能力上要明显优于两点校正算法.     

一种新的红外焦平面器件非均匀性自适应校正算法

提出了一种新的红外焦平面器件非均匀性自适应多点校正算法，该算法利用自适应滤波技术获取探测器在某一定标辐照度下稳定工作时的权值，并利用该权值去除探测器实时输出图像的温度漂移，最后对去除温度漂移的图像进行三次样条插值多点校正，具有校正精度高、动态范围大和易于工程实时实现等优点．     

红外焦平面阵列非均匀性自适应校正算法研究

在分析红外焦平面阵列非均匀性校正现行算法的基础上,提出了一种具有自适应性能的新算法。该算法以小波变换中的滤波器理论为基础,通过将图像序列在时间域的尺度分解和相庆统计量计算,获得在红外焦平面校正中起影响的偏置和增益系数。模拟实验结果验证了其有效性和先进性。     

红外焦平面器件二点多段非均匀性校正算法研究

分析了红外焦平面探测器的非均匀性机理和各种非均匀性校正算法，提出两点多段非均匀性校正算法，该算法避免了二点校正算法的低精度和多点校正算法的大运算量．在红外多谱段相机上的应用结果表明二点多段非均匀性校正算法具有运算量小、精度高、实用性强的优点。     

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.     

考虑红外焦平面器件非线性响应的一种非均匀性校正方法

针对红外焦平面阵列的非线性响应特性,提出了一种考虑非线性响应的“曲线—直线”校正方法,并给出了校正的计算公式.仿真实验结果说明此方法具有精度高,计算量小的优点,需要存储的参数少,易于硬件实现.     

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.