红外图像非均匀性校正方法综述

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.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.     

红外扫描仪中基于场景的非均匀性校正

红外扫描仪中,存在像元响应非均匀性的问题。分析了基于场景的非均匀性校正算法,和基于神经元网络的红外焦平面非均匀性校正算法,提出了在场景缓变时的校正算法;并结合两者,提出了适合场景缓变时的基于神经元网络的红外焦平面非均匀校正的新算法。仿真证明,新算法具有优异的性能。     

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。     

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.     

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.     

基于场景的红外图像非均匀性校正算法的研究

非均匀性校正是红外热成像预处理技术的重要内容。本文讨论了几种基于场景的红外非均匀性校正算法，对其原理和实验仿真效果作了分析和对比研究，并提出了它们各自的特点和适用范围。这几种算法具有效果良好、易于硬件实现的优点。     

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。     

红外焦平面阵列基于黑体的非均匀性校正方法中的限制因素

以基本的红外辐射理论为依据,阐述了红外焦平面阵列非均匀性校正的物理原理,首次综合性地论述了标定类方法所存在的三个基本限制因素,并重点给出了红外焦平面阵列响应漂移的实验结果.     

IRFPA非均匀性校正数学机理与仿真技术研究

针对红外成像系统的实际工程应用,阐述了红外焦平面阵列(Infrared Focal PlaneArray,IRFPA)非均匀性校正辐射定标的基本原理,推导出了红外焦平面阵列非均匀性校正属于函数插值或拟合的数学机理,给出了适于工程应用的相关非均匀性校正算法。同时,为了克服实际工作中研究设备不足等条件的限制,详细研究了红外焦平面阵列非均匀性校正的仿真技术,给出了有效的仿真算法。该仿真技术能够有效地满足实际工程中对非均匀性校正算法的验证与评估要求。     

神经网络非均匀性校正算法中初始权值选取方法

针对神经网络对红外焦平面阵列进行非均匀校正时初始权值的选取对收敛速度的影响,提出了三种网络训练时初始权值的选取方法.通过对先验知识总结、黑体训练以及实验标定实现了对网络初始权值的优化.仿真实验表明这三种方法较传统的随机给定法训练收敛速度快、精度高,为神经网络非均匀性校正法走向实时实现提供了重要的理论参考.     

红外焦平面阵列非均匀性校正算法的分析和改进

介绍了红外焦平面阵列所存在的非均匀性问题对系统性能的影响,分析了非均匀性校正通常所采用的标定法的缺陷,以及一种常用的自适应算法在实施中的一些问题,探索了各自的实用性和局限性以及某些可能的改进。     

基于标定的IRFPA非均匀性校正方法综述

红外焦平面阵列(IRFPA)是红外系统的关键部件,其非均匀性是制约红外系统成像质量的限制性因素.对基于标定的IRFPA非均匀性校正算法进行了原理探讨,阐述了两点校正法、基于埃尔米特插值算法、基于多项式拟合以及最佳平方逼近等几种目前正在研究的标定类非均匀性校正技术.     

基于定标的红外焦平面非均匀性校正算法研究

红外焦平面阵列普遍存在非均匀性,这会严重影响其成像质量。基于定标的非均匀性校正算法因其易于硬件实现,在工程应用中已被广泛采用。本文介绍了近年来基于定标的非均匀性校正算法的研究进展,对各种算法的优势及缺点进行了对比,并针对算法特点和工程需求做出了相应的分析。     

一种改进的神经网络非均匀性校正算法

传统的神经网络校正算法对于线列焦平面阵列的非均匀性校正效果并不理想.因此,本文针对扫描型成像系统对传统神经网络算法进行了改进,将局部中值处理作为期望输出,逐列进行系数更新和校正,获得了很好的结果.改进后的算法收敛速度快,适合于线列焦平面阵列的非均匀性校正.实验结果显示了该算法的良好校正效果.     

基于空间关系的FPA非均匀校正算法

提出了一种基于相邻图像空间变换关系的场景校正（SBNUC）算法。该算法利用相邻图像空间变换关系,将前一帧已校正的像元灰度组合为当前帧所期望的像元灰度,再以误差梯度迭代修正偏置和增益。理论上证明了在未加其他条件的情况下,该算法能够防止鬼影现象。红外图像序列校正结果显示,该算法在保证图像锐度的情况下,降低了FPA非均匀的高...     

一种基于鱼眼镜头的非均匀性校正方法

为了提高凝视型红外鱼眼侦测系统的成像质量,针对实际应用中的问题,分析了鱼眼镜头对系统非均匀性的影响.对传统的两点校正算法进行了改进,提出了基于鱼眼镜头的两点校正算法,并对校正算法的成像质量进行了讨论.通过计算,校正前的非均匀性大小为0.72,校正后的非均匀性大小为0.027,系统的成像均匀性提到了提高.在非均匀性校正方面与传统的两点校正法进行了比较.结果表明,该方法具有校正精度高、成像效果好等优点.     

一种红外导引头成像自适应非均匀性校正方法

在红外成像制导应用中,为满足长周期免拆卸贮存的应用需求,红外导引头非均匀性的研究越来越多的集中于采用自适应的校正方法来代替传统的参考源的非均匀性校正方法。针对传统基于神经网络的自适应非均匀性校正算法容易造成“鬼影”的问题,提出了一种改进的红外导引头成像自适应非均匀性校正算法。该方法在传统神经网络非均匀性校正的基础上,进行了4点实用化的改进：首先,通过对图像运动判断,避免场景静止时的过学习;其次,采用自适应学习率,避免细节丰富区域的过学习;然后,利用双边滤波求期望目标的评估,减少细节的损失;最后,通过判断误差函数的波动量来决定是否对偏置进行更新。实验结果表明,该方法在校正精度、收敛速度和稳定性方面均优于传统的神经网络校正算法。