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a,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.     

红外鱼眼成像系统非均匀性校正方法

分析了时域高通滤波校正算法中容易出现目标退化及“伪像”的问题,指出滤波方程的截止频率与信号频域分布的变化不匹配是产生问题的原因。结合红外鱼眼系统成像的特点,通过目标检测的方法分辨需要调整滤波截止频率的像元,对其采用不同的时域高通滤波方式,即改变滤波器的截止频率,有效地减少了目标退化和伪像的影响。采用主观和客观评价指标对试验的红外序列图像进行评价,结果表明改进的时域高通滤波校正方法效果明显。     

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。     

基于场景的红外非均匀性校正算法对比研究

红外技术发展到今天,红外凝视焦平面探测器阵列性能高、使用简单,从而成为红外系统的主流。但是,红外探测器的工艺和技术生产不出像可见光 CCD 那样均匀的红外器件,红外探测器阵列的非均匀性一直是红外凝视探测器的主要缺陷。人们开发了多种非均匀性校正算法,尤其是基于场景的自适应算法,极大地弥补了探测器的非均匀性缺陷。但是到目前为止,各种算法都有一定的局限性,尚不能彻底解决非均匀性问题。针对目前常用的几种非均匀性校正算法,包括时域高通滤波算法、神经网络算法、恒定统计量算法等,在天空、地面等不同场景条件下进行了仿真测试,对算法的实施效果进行了对比分析。     

一种基于场景的红外图像非均匀性校正算法

在分析红外焦平面非均匀产生原因的基础上,阐述了两点校正法的原理.由于各探测器与相邻单元的增益比率具有相关性的特点,利用相邻单元的增益比率,迭代实现比率和偏差的校正,从而减小其图像的非均匀性.仿真计算验证算法能有效地消除图像非均匀性噪声,增强图像的视觉效果.     

基于场景的扫描线非均匀性校正算法

目前扫描红外热像仪有着广泛的应用,且一般采用基于定标的非均匀性校正方法;该类方法不能有效地校正图像中出现的扫描线。针对这一问题,本文对扫描线的表现进行分析,提出了一种基于场景的非均匀性校正算法,该算法采用图像像素点邻域标准差作为基础,通过类标准差对图像的差异信息进行计算,能够排除复杂场景的干扰,成功地识别扫描线,并对扫描线提取补偿。该算法计算简单,可以根据场景进行自适应校正,校正效果显著,具有一定的工程应用价值。     

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。     

场景统计类红外图像非均匀性校正算法研究

场景统计类非均匀性校正算法对场景分布进行假定,获得探测单元接收红外能量的一、二阶矩,进而估计探测单元的响应参数,校正非均匀性。分析比较了现有的场景统计类非均匀性校正算法,并应用交互多模(IMM)算法校正非均匀性,实验结果表明以连续图像序列作为观测数据时,能够有效地校正非均匀性,扩展了卡尔曼滤波法的适用范围。对各种方法进行仿真,表明删算法具有较好的收敛特性。     

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。     

红外焦平面非均匀校正的综合处理算法

时域高通滤波的算法具有简单,易于实现的优点.但其在既有加性噪声,又有乘性噪声时校正效果难以令人满意.神经元网络算法在噪声较强时,校正效果受到了限制.针对既有加性噪声,又有乘性噪声,且加性噪声较强的情况,提出了红外焦平面非均匀校正的综合处理算法.仿真证明,新算法具有较好的校正效果.     

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。     

基于DSP+FPGA的IRFPA实时图像数字处理系统设计与实现

为改善红外焦平面阵列成像质量,提出了以高速数字信号处理器为核心的红外焦平面实时图像数字处理系统,介绍了红外成像系统的结构并给出了系统的硬件实现框图,对系统工作流程和FPGA的控制逻辑及DSP响应中断实现数据转移及存储进行了分析.按作用划分为8个功能模块,详细讨论了3个功能模块的硬件实现和软件设计.     

基于FPGA的科学级CMOS图像传感器非均匀性校正

根据科学级CMOS(sCMOS)图像传感器开发的工程实际需求,设计了基于FPGA的二阶多项式拟合的非均匀性校正算法.该非均匀性校正算法首先通过定标得出每个像素的响应曲线,然后采用最小二乘法将sCMOS像素响应曲线参考平均响应曲线进行拟合,得出校正系数并通过FPAG对像素值进行实时校正.通过处理后的图像非均匀性从17.1％降低到7.6％.该算法有效提高了sCMOS器件对高动态、非线性响应特性的适应能力,并具备实时计算校正优点,通过模块化设计可以方便移植和集成.     

基于神经网络的红外焦平面光学非均匀性校正改进算法

基于场景的非均匀校正依然是红外领域的一个研究热门.神经网络算法是一种较为典型的场景校正算法.本文主要针对神经网络算法本身不能校正光学引入的非均匀性问题,提出了新的改进算法,通过对神经网络输入层的预处理,消除图像的低频噪声,此外,为了消除预处理对图像对比度的影响,本文增加了神经网络的层数,使用双层神经网络对算法进行更新,从而消除了图像对比度下降的现象.实验结果表明,改进的神经网络算法能够有效的改善图像质量,消除图像中光学引入的非均匀性.     

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。     

实时红外图像非均匀性校正技术研究

在红外成像系统中,由于采用了一维线列探测器并行扫描方式,其中多个探测器的非均匀性会导致图像上出现水平纹理,使得输出图像的视觉效果很差。本文介绍了非均匀性校正原理,从数字图像处理的角度阐述了其校正方法,提出了因子加权校正结构,最后给出其硬件实现。