基于引导滤波的红外图像条纹噪声去除方法

红外焦平面阵列中不同列像元在读出电路中对应不同的列通道,每个列通道内的放大器具有不同1/f噪声特征,导致生成图像中含有大量条纹噪声,降低成像质量.为了更好地去除红外图像中的条纹噪声,提出基于引导滤波的红外图像条纹噪声去除方法.首先利用运动图像得到模糊图像的列累加平均向量,然后利用引导滤波器从列累加平均向量中提取条纹噪声校正项,最后利用该噪声校正项对噪声红外图像进行校正.采用仿真和实际红外图像序列进行实验的结果表明,该方法在有效地去除红外图像条纹噪声的同时获得了较好的非均匀性校正效果.     

基于场景的红外探测器非均匀性校正方法的分析

红外探测器中的非均匀性校正是红外成像系波器法三种基于场景的非均匀性校正算法,通过利用图像序列并依赖帧间运动对焦平面阵列的非均匀行进行校正,并与两点法比较,分析三种方法的优缺点.     

基于DSP的红外图像非均匀性校正技术的研究

分析了导致红外成像系统非均匀性的机理,介绍了红外焦平面阵列非均匀性校正的基本方法。采用两点校正和积分时间校正相结合的方法,利用TMS320VC5509A DSP完成了对红外图像的非均匀性实时校正。实验结果表明,本系统具有实时性好,实用性强的特点,能够满足红外焦平面成像系统的要求。     

含运动目标的红外图像非均匀校正算法

通过分析运动目标对基于图像配准的非均匀校正算法校正效果的影响,基于相邻帧之间运动目标辐射强度不变的假设,提出含运动目标的红外图像非均匀校正算法。通过临近帧补全运动目标遮挡的场景,消除运动目标的影响,进行非均匀校正得到场景校正帧,再利用运动目标的辐射信息对各帧运动目标进行非均匀校正,最终得到全图校正帧。仿真和实测红外图像校正实验表明：算法能够很好地解决含运动目标的红外序列图像的非均匀校正问题。     

红外数字TDI成像非均匀性校正

目的 红外数字TDI（time delay integration）先经过信号的模拟数字转换,再进行时间延迟累加,曝光方式比较灵活,能够提高探测系统灵敏度以及探测目标信噪比,在航空航天遥感应用领域具有广泛的应用,红外数字TDI通常采用扫描方式成像,既具有扫描成像的特点,其本身又是一个小面阵,在信息获取上具有扫描和凝视双重特性,在信息处理端,成像非均匀性是限制其成像质量的关键因素,降低输出图像的非均匀性,对开展目标探测、识别等研究和应用具有重要意义。方法 通过分析成像系统的每个部分,建立成像输入输出模型,并讨论模型中各个参数对成像非均匀性的影响,指出优化系统非均匀性的途径;对图像非均匀性校正分为盲元补偿和有效像元的非均匀性校正,对盲元进行邻域像素替代和邻域像素平均的交替迭代补偿提高了盲元的补偿率,对有效像元分析了所有像元的响应特性,选择了曲线拟合的目标校正曲线对系统灰度输出与输入能量之间的非线性进行校正,并引入校正因子对非扫描方向上的非均匀性进一步校正。结果 使用上海技术物理研究所研制的640×8中波红外数字TDI探测器进行了黑体定标验证,结果表明,在特定温度下的黑体成像经过校正后的非均匀性由19.44%下降到4.01%,外场实验获得的红外TDI图像上的横条纹明显减少和弱化。结论 通过分析对目标场景成像从光信号到电信号的整个链路,得到影响成像非均匀性的具体参数,对红外数字TDI成像系统设计具有一定参考意义;使用本文方法对红外数字TDI成像进行了盲元补偿和非均匀性校正,成像非均匀性显著下降,验证了该方法的有效性。     

基于运动指导的红外焦平面非均匀性校正方法

针对红外焦平面阵列(IRFPA)非均匀性校正算法中基于场景类自适应校正算法存在的目标退化和伪像等问题,提出一种新的基于运动检测指导的自适应校正算法。该算法首先通过预处理为实时校正准备背景帧图像和坏元模板,接着根据前后两帧场景信息的运动方差,自适应地调整迭代步长,最后结合运动幅度更新增益校正系数,对图像实施校正。以含有弱小目标的实际红外图像序列进行仿真的结果表明,新算法有效地抑制了目标退化,消除了伪像;去除了固定图案噪声,具有自适应性。     

红外焦平面阵列非均匀性校正算法研究

红外焦平面阵列( IRFPA)的非均匀性校正是提升红外系统成像质量的重要环节。非均匀性校正算法主要分为基于参考辐射源的标定类校正算法和基于场景的校正算法。将基于参考辐射源的标定类校正算法按线性模型与非线性模型进行详细分类,基于场景的校正算法按空域和时域进行详细分类。针对不同类特点,分别对上述算法进行了详细的分析及比较,为今后非均匀性校正算法的选择提供理论基础,并根据现有两类算法特点,提出算法未来的研究方向。     

视觉机制引导的非均匀光照图像二次曝光

针对非均匀光照图像不能满足"视觉匹配"的问题, 依据人眼视觉机制提出了非均匀光照图像二次曝光算法. 首先, 融合退化过程模拟模型(Degradation process simulation model, DPSM)和Retinex模型得到了非均匀光照图像的成像模型, 利用修正的变分Retinex求解方法,获取乘性光照图像; 在人眼视觉阈值性的引导下去除加性光照图像, 获取反射图像; 依据视觉感光适应性对乘性光照图像进行动态范围调整, 并同反射图像相乘获取全局增强结果; 将全局增强结果同原始图像融合, 并对低照度区域进行颜色校正, 获取"视觉匹配"结果. 实验证明本文算法的场景再现结果可以较好地满足"视觉匹配", 性能达到或者超越了现有算法.     

基于长线列探测器的图像非均匀性研究与校正

基于长线列图像探测器的成像系统,其图像的非均匀性往往制约着系统成像的质量.结合线列图像探测器的结构特点,分析了线列图像的非均匀性产生原因,并在此基础上分析了多点校正算法,并提出一种基于图像轮廓提取的图像平滑算法.通过对比处理前后的结果,采用图像轮廓提取的图像平滑算法,在保证图像细节的基础上,能够提高图像的均匀性.     

基于缓变场景的复杂神经网络非均匀性校正

针对遥感数据定量化应用对多元红外探测器非均匀性校正的高精度需求,提出了一种基于缓变场景的复杂神经网络非均匀性校正算法,在两点校正基础上,进一步降低图像非均匀性。与经典BP神经网络非均匀性校正及其改进算法相比,复杂神经网络非均匀性校正算法突破单一层学习神经元结构限制,采用双层学习神经元结构,第一层学习神经元采用大邻域中值滤波作为期望函数,第二层学习神经元采用小邻域均值滤波作为期望函数,通过多层学习神经元配合,兼顾非均匀性校正效果并避免图像边缘模糊。经实拍红外图像非均匀性校正实验证明,复杂神经网络校正与经典BP神经网络校正相比,取得了更好的非均匀性校正效果,非均匀性评价结果UN=0.75%,次优算法非均匀性评价结果为UN=0.77%,与次优算法相比,复杂神经网络校正算法有更高的像素平均梯度评价值,达到28.49,而次优算法只有28.30,非均匀性评价结果低并且像素平均梯度高说明复杂神经网络校正算法在降低图像非均匀性同时更好地避免了图像边缘模糊：这是复杂神经网络校正算法采用双层学习神经元的特点与优势。方法改善了多元红外探测器非均匀性校正的效果,提高了红外遥感图像的质量,促进了红外遥感的应用。     

电机故障检测的小波分析红外图像增强

针对红外成像电力机车电机检测技术中图像特征不明显,故障点获取困难等问题,提出基于小波分析的红外图像增强算法。采用对图像边缘高频图像信号进行提取,舍去其他高频信号,并对低频分量进行直方图均衡化处理,以此来重新构建红外图像,达到对红外图像去噪、边缘以及故障点增强的作用。通过实验证明,该方法能有效去除图像高频噪声,保留红外图像的边缘特征,对红外图像故障检测提供有效信息。     

红外扫描成像预处理系统的SOC设计

根据红外导引头成像预处理系统实时处理要求高的特点，提出基于单片系统（SOC）的设计方法，并详细描述了该成像预处理系统的硬件设计原理及基于SOC的实时处理软件设计原理．系统的预处理集成了红外探测器驱动电路，红外图像非均匀校正，以及红外图像预处理等多种实时图像处理功能，提高了成像系统集成度．实验验证了该系统的可重构性和实时处理优点．     

基于水下图像光学成像模型的清晰化算法

针对水下图像的纹理细节模糊、对比度低以及图像光照不均问题,通过分析水下图像的成像过程,提出一种水下图像清晰化算法。在小波域的低频子带上结合水下图像光学成像模型,先利用高斯模糊对介质散射光进行估计与去除,再采用基于局部复杂度的方法调整衰减因子,对衰减低频子图进行自适应增强;在高频子带上采用非线性变换的增强方法,进一步增强了高频信息并有效地抑制了噪声的放大。实验结果表明该算法对解决水下图像模糊和光照不均问题具有较好的效果,与基于小波变换的水下降质图像复原算法相比,具有较高的实时性。     

DTCWT域的红外与可见光图像融合算法

针对红外与可见光图像融合存在融合图像对比度和清晰度降低、噪声干扰等问题,提出一种DTCWT域的红外与可见光图像融合算法。首先对源图像进行预增强处理;然后通过DTCWT正变换得到低频子带图像和高频子带图像;再分别利用基于直觉模糊集的融合规则融合低频子带图像,基于信息反差对比度的融合规则融合高频子带图像;最后对融合后的低频子带图像和高频子带图像进行DTCWT逆变换得到融合图像。实验结果表明,本文算法能有效提高融合图像对比度和清晰度,降低噪声干扰,客观评价指标总体优于现有算法的,运行效率也有所提升。     

基于改进伪中值滤波和非局部均值滤波的红外图像滤波方法

首先对伪中值滤波算法进行了改进:噪声检测过程融入像素点灰度值、几何距离等因素,实现噪声点从图像像素点中的逐步分离;采用加权滤波的方法滤除噪声。其次对改进非局部均值滤波算法的先验信息获取方法进行了改进:对噪声图像进行提升小波变换,采用一种新型阈值函数选择低频分解系数,对高于阈值的系数进行重构得到参考图像,计算参考图像的相似度权值并将其作为改进非局部均值滤波算法的先验信息。最后基于2种改进算法提出了一种红外图像滤波方法,即依次采用改进伪中值滤波算法和基于先验信息的改进非局部均值滤波算法对红外图像进行滤波处理,然后将其与参考图像进行融合,以修正被过度滤波的图像。实验结果表明,该方法针对高密度噪声的红外图像有较好的滤波效果。     

一种高帧频CMOS图像的非均匀性校正系统

针对高帧频CMOS相机图像的不均匀性,分析了产生图像不均匀性的原因,在此基础上设计了一种对图像的非均匀性校正系统。该系统采用了两点加一点的图像非均匀性校正改进算法,运用该算法对图像的非均匀性进行了处理;描述了该校正系统的实现模块包括软件模块与硬件模块。实验结果表明：该系统对处理图像的非均匀性有很好的效果,处理后的图像显得比较平滑,清晰度得到了很大的提高。     

基于时域高通滤波的非均匀性校正算法研究

实现红外焦平面阵列非均匀性自适应校正是红外探测系统研究中追求的重要目标,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.分析基于时域高通滤波的红外焦平面自适应非均匀校正算法的视觉神经机制以及滤波器的幅频特性.通过对实际红外图像的实验,提出正确选取时间常数是影响该校正方法最重要的因素.     

红外凝视成像系统中的CDS噪声抑制技术

固定图案噪声是红外焦平面阵列的一种固有噪声,该噪声在低温场景尤其突出,影响了探测器的成像质量。基于探测器读出电路结构,理论分析了相关双取样电路（CDS）对焦平面阵列非均匀性的影响,并通过数据仿真给出了CDS噪声的空间和时间分布特征。针对CDS噪声特征,提出将迭代原理和黑体定标校正相结合的噪声滤波算法。实验结果表明,算法有效抑制了CDS电路噪声,提高了非均匀性校正的精度,具有较强的实用价值。     

基于非下采样Shearlet变换与模糊对比度的合成孔径雷达图像增强

针对合成孔径雷达（SAR）图像在成像和传输过程中引入噪声和干扰从而导致图像清晰度下降、细节丢失等问题,提出了一种非下采样Shearlet变换（NSST）与模糊对比度的SAR图像增强算法。首先,原始图像经NSST分解成一个低频分量和若干个高频分量;然后对低频分量进行线性增强以提高整体对比度,对高频分量采用阈值法进行增强以去除图像中的噪声;接着对处理后的两部分分量进行NSST反变换得到重构图像;最后采用模糊对比度算法对重构图像进行增强,提高图像细节信息和层次感,得到增强后的图像。对40幅图像的实验结果表明,与直方图均衡化、多尺度Retinex增强算法、基于Shearlet变换和多尺度Retinex的遥感图像增强算法、基于剪切波域改进Gamma校正的医学图像增强算法相比,该算法的图像峰值信噪比至少提升了22.9%,均方根误差至少降低了36.2%,能明显提升图像的清晰度,使图像的纹理信息更加清晰。     

红外图像非均匀性分析与校正方法研究

由于材料、工艺等原因,红外焦平面阵列（IRFPA）各探测元存在响应不一致问题,导致红外图像的非均匀性。非均匀性校正（NUC）是红外成像仪图像处理系统的重要环节。本文结合空间相机的应用重点分析了基于定标的两点校正法和基于场景的自适应神经网络法,并通过仿真图像验证了神经网络算法的校正效果。