共查询到18条相似文献,搜索用时 109 毫秒
1.
2.
针对现有红外热像产品多采用一点+两点的校正方式,存在增加结构复杂度和整机功耗的问题,开发研究一种新型的红外焦平面阵列非均匀性的校正方法.介绍非均匀性的3种定义,给出非均匀校正的常用方法,在以ULIS0304为试验件的基础上详细论述红外焦平面阵列非均匀性的校正方法,并比较各温度校正前后直方图.结果表明:校正后图像矩阵的非均匀性基本为0,算法有效. 相似文献
3.
在高灵敏度和快帧速方面,凝视红外探测器阵列为高级红外系统提供了极大的潜力。由于探测器和出电路的非均匀性,所有的阵列均需要光学校准和输出信号校正。若像元输出是精确线性的时间稳定的,可以一次性地校正像元的非均匀性、然而,系统的不稳定、像元的非均匀性以及1/f噪声,要求连续地再校准。比如,在不迩链中插入黑体源。一种更为优良和有效的方法是基于被观察景物辐射水平的这时再校准。 相似文献
4.
5.
6.
介绍了一个红外成像电路。该电路设计以Analog Devices的ADSP2106XSHARC~(R)数字信号处理器为核心,借助其高达40MIPS指令速度和120MFLOPS运算速度,使用软件实时地完成了红外成像电路的大部分数字处理功能,诸如:自动增益控制,图像背景自动调整,系统非均匀性校正系数的自动获取,逐个像素的系统非均匀性校正,红外图像预处理等等。同时,ADSP2106X SHARC~(R)数字信号处理器内置多达4Mbit的静态存储器(SRAM)完全满足了系统需求,省却了外部的存储器,大大缩小了电路的体积。 相似文献
7.
介绍了一个红外成像电路。该电路设计以Analog Devices的ADSP2106X SHARC的数字信号处理器为核心,借助其高达40MIPS指令速度和120MFLOPS运算速度,使用软件实时完成了红外成像电路的大部分数字处理功能,诸如:自动增益控制,图像背景自动调整,系统非均匀性校正系数的自动获取,逐个像素的系统非均匀性校正,红外图像预处理等等。同时,ADSP2106X SHARC数字信号处理器内置多达4Mbit的静态存储器(SRAM)完全满足了系统需求,省却了外部的存储器,大大缩小了电路的体积。 相似文献
8.
提出从输入辐射和输出响应的概率密度函数角度分析红外焦平面阵列非均匀性问题,并以此建立基于时域统计特性的自适应非均匀校正算法。增益和偏移系数的漂移被看作是离散的缓慢变化的非平稳随机过程。反映输出响应概率密度函数特性的时域直方图被用来计算探测元的增益和偏移系数;自回归模型被用来对未来的增益和偏移系数进行预测。与直接存储图像数据相比,采用时域直方图存储图像的统计信息可以节约大量的存储空间,而且获得时域直方图的方法也非常简单。把算法设计成流水线结构,便可以实现实时的自动漂移补偿的红外热成像系统。真实的红外实验数据说明该算法有显著的非均匀校正效果。 相似文献
9.
变积分时间是实现高动态范围(HDR)热成像的最有效手段,但积分时间的变化会使得系统的残留非均匀性噪声也发生变化。从红外系统响应模型出发,推导了两点非均匀校正(NUC)法的增益和偏置校正参数与积分时间的关系,结果表明:增益校正参数与积分时间无关,只有偏置校正参数与积分时间有关;并通过实际热成像系统的测试对比实验,证明了上述结论的正确性。研究结果为变积分时间的HDR热成像系统的NUC提供了合理、可行的校正依据,可极大的简化变积分时间的HDR热成像系统NUC处理过程。 相似文献
10.
现时的红外焦平面阵列(IRFPA)受限于各敏感元件差异校正后的不稳定性。一般,片外数字校正用于校正这类探测器阵列的非均匀性,启动时用专门的校准图像去校正系统。这种一次性校正程序来考虑其它的工作点,且不能对参数漂移作再校正。利用神经生物学的启示,我们发展了一种用于IRFPA非均匀性校正的常值统计约束(CS)算法。对被观察景物作些简单的假设,即可对增益与偏置成功地实现校正。我们给出了利用数字实现的一维与二维校正结果,同时表明在收敛速度和计算复杂性方面,常值统计约束算法优于由Scribner发展的基于LMS(最小均方)的非均匀性校正。最后,我们评论了模拟电路的结果,它是用2μm CMOS技术设计与制造的。测试我们的试验芯片表明,对输入信号的增益与偏置变化,系统实现了不变性。此硬件的目标是最后应用于焦平面上或其后的硬件实现中。 相似文献
11.
12.
13.
14.
15.
16.
17.
The improved scene-based adaptive nonuniformity correction (NUC) algorithms using a neural network (NNT) approach for infrared image sequences are presented and analyzed. The retlna-like neural networks using steepest descent model was the first proposed infrared focal plane arrays (IRFPA) nonuniformity compensation method, which can perform parameter estimation of the sensors over time on a frame by frame basis. To increase the strength and the robustness of the NNT algorithm and to avoid the presence of ghosting artifacts, some optimization techniques, including momentum term, regularization factor and adaptive learning rate, were executed in the parameter learning process. In this paper, the local median filtering result of Xij ( n ) is proposed as an alternative value of desired network output of neuron Xij ( n ), denoted as Tij ( n ), which is the local spatial average of Xij ( n ) in traditional NNT methods. Noticeably, the NUC algorithm is inter-frame adaptive in nature and does not rely on any statistical assumptions on the scene data in the image sequence. Applications of this algorithm to the simulated video sequences and real infrared data taken with PV320 show that the correction results of image sequence are better than that of using original NNT approach, especially for the short-time image sequences (several hundred frames) subjected to the dense impulse noises with a number of dead or saturated pixels. 相似文献