基于残差编解码网络的红外图像自适应校正算法

针对基于场景的非均匀性校正算法存在非均匀性残余和鬼影等问题,本文提出了一种基于残差编解码网络的红外图像自适应算法.该算法针对自适应校正问题的特点,基于UNet结构,通过多尺度采样学习残差映射生成非均匀性残差图像,加入批标准化和PReLU激活函数提高校正效果,最后使用全局跳跃连接得到最终的校正结果.通过对模拟红外图像序列和真实红外图像序列校正的实验结果表明,相对于目前已有的非均匀性校正算法,该方法在PSNR(Peak Signal to Noise Ratio)和粗糙度的客观数据上都有所提升,主观视觉效果也更加清晰,细节保留程度高.     

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.     

基于衬底温度的红外焦平面联合非均匀性校正

分别分析了红外焦平面阵列(IRFPA)基于定标的非均匀性校正法(NUC)和基于场景的NUC算法各自的优势和问题,在此基础上提出了联合非均匀性校正方法。根据上电时刻焦平面衬底的温度值,从FLASH中提取事先存储的对应温度区间的增益和偏置校正参数,初步消除探测器的非均匀性。通过分析初步校正后图像残余非均匀性噪声的特性,提出了用具有保边缘特性的P-M滤波取代传统神经网络算法中的四邻域均值滤波来获得期望图像,从而减小了图像边缘误差。实验结果表明,该算法收敛速度快,校正精度高,有效避免了因红外焦平面响应特性漂移而引起的图像降质。     

基于场景的国产红外探测器非均匀性校正方法

基于场景的红外探测器非均匀性校正方法可以弥补基于黑体辐射定标的非均匀性校正方法存在的缺陷,目前许多公开发表的场景校正算法比较复杂,难于硬件和工程化实现。探索了一种基于帧间图像配准的场景校正算法,针对国产640×512中波制冷型红外探测器存在的非均匀性应用该算法进行了校正实验。实验结果表明该算法校正效果明显,为基于场景的非均匀性校正算法的工程化应用提供了一种新思路。     

基于图像分割和配准的红外焦平面阵列非均匀校正算法

在目标成像跟踪和制导领域,存在大量由缓慢移动背景和相对背景运动的点目标构成的红外图像序列,传统的基于场景的红外焦平面非均匀校正算法在解决此类图像中存在困难.提出了基于图像分割和配准的红外焦平面非均匀校正算法(简称S-R算法),通过将图像背景和运动点目标分离,利用图像配准的方法完成图像背景的非均匀校正和点目标位置处错误固定噪声参数的补偿,最终完成整个焦平面探测单元固定噪声参数的估计,从而有效解决了这类红外图像序列的非均匀校正问题.S-R算法具有噪声参数估计精度高、收敛速度快和计算复杂度低等优点.文中最后用仿真数据对上述结论进行验证.     

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.     

基于FPGA的IRFPA非均匀性自适应校正算法实时实现

红外焦平面阵列(IRFPA)的非均匀性校正(NUC)是红外图像处理系统中的重要环节.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FPGA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,该方法利用流水线技术和并行处理结构,大大提高了系统的运算速度,特别适用于大面阵、高帧频红外焦平面成像系统;而且系统仅利用了一片FPGA,体积小,功耗低,便于系统的小型化.     

一种基于核回归插值的自适应非均匀性校正算法

针对基于神经网络的场景自适应非均匀性校正(Non-Uniformity Correction, NUC)算法在消除红外成像系统输出图像噪声时容易产生的“鬼影”现象,提出了一种改进的自适应非均匀性校正算法,将核回归插值技术应用到神经网络算法中,有效降低了自适应非均匀性算法产生“鬼影”现象的概率。实验结果表明,与传统的神经网络算法相比,本文算法在相同条件下既能有效消除非均匀噪声,又能大大抑制“鬼影”现象的产生。     

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。     

红外图像序列中不均匀背景消除新方法

从红外相机自身特性和使用角度两方面对靶场红外图像序列中不均匀(花纹)背景产生的原因进行了剖析,分析了传统红外图像非均匀校正算法在处理靶场序列红外图像上的优缺点,提出在目标跟踪过程中随着场景变化,基于实时线性标定的非线性红外图像的校正的新方法,克服了传统方法的弊端,实时确定了校正增益系数和校正因子,消除了序列红外图像中不均匀背景。通过对含有弱小目标的靶场实际序列红外图像进行仿真验证表明,新方法去除了图像固定图案噪声,消除了探测器坏元的影响,输出了理想的序列红外图像。     

基于虚拟边框视场光阑的IRFPA自适应非均匀性校正算法

 非均匀性校正是提高红外焦平面阵列成像质量的关键环节.本文提出了一种基于虚拟边框视场光阑的红外非均匀性校正算法.该算法用人工神经网络对边框像元进行初始校正,形成校正虚拟边框,再根据场景信息和帧间位移,将偏置校正参数逐行逐列传递,可消除焦平面阵列全视场响应的偏置非均匀性.由于算法主要基于代数运算,运算量较低,故能根据场景信息自适应地实现快速、高效的一点校正;且不需要对成像系统进行机械结构改造,与传统代数算法相比,适应性更强.真实红外图像与仿真图像对算法的检验结果,证明了方法的有效性.     

改进的基于神经网络的非均匀性校正算法

提出了一种结合图像匹配和神经网络算法的焦平面阵列非均匀性校正算法。算法首先用最新的校正系数对图像进行非均匀性校正,输出校正结果;然后对相邻两帧图像进行匹配,估计出相邻帧之间图像的运动量;最后用神经网络算法分别对校正系数进行正向和反向自适应更新。采用图像匹配技术保证了校正系数更新时不会引起场景的模糊,采用校正系数双向更新策略可以保证每帧都能对每个像元的系数至少进行一次更新,与常用的神经网络校正算法相比,降低了对场景统计特性的要求,收敛速度较快。使用模拟添加噪声和采集的红外图像序列对算法进行仿真验证,结果表明,给出的算法校正效果优于常用的神经网络非均匀性校正算法。     

基于生成对抗网络的单帧红外图像超分辨算法

高分辨率红外图像的获取受到了硬件性能的限制,利用信号处理的方法实现红外图像的超分辨率重建可以有效地提高红外图像的分辨率.将基于深度学习的超分辨方法应用于红外图像,实现了单帧红外图像的超分辨率重建,获得了更好的评价结果.通过引入对抗训练的思想,以及添加基于判别网络的损失函数分量,提高了放大倍数的同时,获得更好的高频细节恢复,图像边缘锐化,避免了超分辨率红外图像过于模糊.     

基于环境温度的红外焦平面阵列非均匀性校正

分析了环境变化对红外焦平面阵列信号输出的影响,提出了一种基于环境温度和目标温度的非均匀性校正算法.利用UL01011凝视型红外探测器进行信号采集,根据最小二乘原理建立了焦平面探测单元的指数响应模型.最后,利用该模型进行非均匀性校正.实验表明,算法能在较宽的环境温度范围,准确预测焦平面探测单元的响应,有效提高了非均匀性校正的精度.     

电阻阵列非均匀性校正算法实时性研究

非均匀性是电阻阵列输出图像固定噪声的主要来源,非均匀性校正是电阻阵列应用于半实物仿真中图像实时生成的一个不可缺少的环节.通过对校正算法的分析,设计算法实时性测试系统,并对校正在线算法进行改进,满足200Hz的帧频要求.在两种硬件平台方案下对算法的实时性进行测试,测试结果说明:非均匀性校正算法是影响动态红外图像生成实时性的一个重要因素,采用专用的硬件计算设备是提高整个系统实时性的必然选择.     

基于后小波处理的超分辨力图像复原算法

介绍了最大后验概率(MAP)复原超分辨力算法发展现状,然后着重介绍了基于Markov随机场的泊松最大后验概率复原算法(MPMAP)和小波滤波方法。以MPMAP算法为基础,提出了基于后端小波滤波处理和Markov分布的最大后验概率算法(PWMPMAP),试验证明这种算法具有很强的抑制噪声和振铃现象的能力,与MPMAP算法相比,复原效果明显提高,对红外热图像等低信噪比图像尤为有效,以30 dB的红外“建筑物”图像为例,相对MPMAP算法,峰值信噪比(PSNR)可以提高0.4 dB左右。     

基于非局部稀疏编码的超分辨率图像复原

基于压缩感知的超分辨率图像复原方法通常采用局部稀疏编码策略,对每一图像块独立编码,易产生人工的分块效应。针对上述问题,该文提出一种基于非局部稀疏编码的超分辨率图像复原方法。该算法在字典训练和图像编码过程中分别运用图像的非局部自相似先验知识,即利用低分辨率图像的插值图像训练字典,并通过计算相似块局部编码的加权平均,得到每一图像块的非局部稀疏编码。仿真实验表明,所提算法能够获得更优的复原效果,并且对于含噪图像具有较强的鲁棒性。     

红外探测器非均匀性校正系统研制

分析了红外焦平面阵列（IRFPA）基于定标的非均匀性校正算法和基于场景的非均匀性校正算法的优势和不足。针对红外焦平面阵列二元非线性的非均匀性理论模型这一特点,提出了一种基于S曲线拟合的校正算法。利用FLIR公司的长波非制冷红外探测器进行信号采集,建立了焦平面探测元的响应模型。描述了基于FLIR长波非制冷红外探测器在FPGA平台的处理流程,并实现了S曲线校正算法,提高了红外图像的质量。实验表明,经过S曲线拟合校正处理,减弱了红外图像的条纹噪声,使IRFPA组件的非均匀性从6.45%降低至2.06%。