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。     

基于高性能DSP的红外焦平面阵列非均匀性实时校正

基于离散小波变换(DWT)理论,提出了一种基于场景的红外焦平面阵列(IRFPA)非均匀性实时校正算法;针对算法所涉及的运算量和数据量庞大的特点,设计了实时非均匀性校正的红外图像处理系统,系统是以高性能DSP(TMS320C6713)为核心器件,采用DSP不同的传输通道并行传输数据,并充分利用DSP硬件的并行性和流水线操作进行非均匀性校正;以真实的红外图像序列为例,进行了非均匀性校正的仿真实验,结果表明,基于高性能DSP的非均匀性实时校正系统完全可以达到实时校正的要求,所用算法对慢变化量具有较好的自适应性。     

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.     

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.     

一种改进的基于神经网络的红外非均匀校正算法

目前针对红外焦平面阵列(IRFPA)传统神经网络非均匀校正算法目标退化和收敛速度慢等问题,在综合分析传统神经网路相结合算法及基础上,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。该算法采用一点定标与神经网络相结合的方法,并对相应数据进行归一化以实现边缘清晰和收敛速度快等目的。仿真实验以及针对实际红外图像的实验结果表明,提出的方法是合理有效的。     

红外焦平面非均匀性自适应校正算法实时实现

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.文章在研究了基于神经网络的NUC算法的基础上,提出了一种采用DSP与FPGA相结合实现基于神经网络的非均匀性自适应校正算法实时实现硬件方法,在该方法中利用FPGA并行处理能力强的特点,对焦平面阵列进行非均匀性校正,而DSP的计算能力强,完成校正系数的自适应更新.将该方法应用于128×128红外成像系统中,可使系统长期稳定地工作,克服了校正参数的漂移问题.     

红外图像非均匀性校正技术研究

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。本文对国内外广泛应用的两点校正法进行了原理探讨,并阐述了恒定统计平均法,时域高通滤波器法和神经网络校正法等几种正在实验室大力研究的非均匀性校正技术。     

红外焦平面阵列非均匀性校正方法的研究

介绍了几种基于定标法和场景法的红外焦平面阵列非均匀性校正方法,重点对神经网络自适应校正方法进行了理论分析、算法改进和数据仿真.     

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。     

FPGA实现红外焦平面的非均匀性校正

红外焦平面阵列(IRFPA)普遍存在着响应度的非均匀性问题，极大的限制了凝视红外系统的探测性能，本文先分析了红外焦平面阵列非均匀性的成因，然后讨论了非均匀性校正的方法，最后针对热释电红外焦平面非均匀性产生的特点，提出了用FPGA实现其非均匀性校正的方案。