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.     

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。     

基于中值滤波的红外焦平面阵列非均匀性神经网络校正

统的神经网络校正算法存在收敛速度慢和校正精度低的缺点。当背景噪声较大时,它更难以获得令人满意的校正效果。 针对其不足之处, 提出一种基于中值滤波的红外焦平面阵列(IRFPA)非均匀性神经网络校正算法。该算法首先利用中值滤波对强噪声进行预处理,在此基础上 采用改进的神经网络校正算法对IRFPA非均匀性进行自适应校正。实验结果表明,该算法与传统的神经网络方法相比具有收敛速度快和校正精 度高等特点,并且使图像的峰值信噪比至少提高了10dB。     

一种改进的基于神经网络的红外非均匀校正算法

目前针对红外焦平面阵列(IRFPA)传统神经网络非均匀校正算法目标退化和收敛速度慢等问题,在综合分析传统神经网路相结合算法及基础上,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。该算法采用一点定标与神经网络相结合的方法,并对相应数据进行归一化以实现边缘清晰和收敛速度快等目的。仿真实验以及针对实际红外图像的实验结果表明,提出的方法是合理有效的。     

基于MPMAP序列红外图像高分辨力重建和非均匀性校正

红外焦平面阵列(IRFPA)的非均匀性校正是获得高性能热成像的基本保证,非均匀性校正(NUC)算法是当前国内外研究的重要方向.鉴于序列图像的超分辨力复原方法和基于场景的NUC算法都需要存在微位移的多帧序列目标场景图像,本文在Poisson和Markov分布假设的基础上,将超分辨力复原与NUC结合,针对存在非均匀性的红外...     

对红外焦平面非均匀性自适应校正算法的研究

研究红外焦平面的非均匀校正对监控系统和军事有着特殊的意义.针对传统神经网络法非均匀校正算法存在收敛速度慢和不稳定的缺点,提出了一种新的基于场景的IRFPA非均匀性校正算法.该算法先将焦平面上的各像素点值和他周围的8个像素点值做一次排序,选择排在中间的5个像素值求平均作为该点的新像素值.再利用一种改进的神经网络法对红外图像再做一次非均匀校正.实验结果表明,新算法的非均匀校正效果比原来的神经网络算法和均值滤波算法都有明显的提高.还引用了一种新的收敛因子的估算方法,计算结果得出该方法能较准确地估算出收敛因子在自适应迭代公式中收敛时的范围,提高了校正算法的收敛速度.     

基于人眼视觉特性的IRFPA非均匀性校正算法研究

红外焦平面器件普遍存在着非均匀性问题,对红外焦平面阵列(IRFPA)实施非均匀性校正对提高成像质量具有重要意义。传统的IRFPA多点校正算法存在运算量大、实时性能低、实用效果差等问题,为此文章综合人眼视觉特性,提出IRFPA非均匀性多点校正算法。人眼视觉对图像的灰度分辨能力是有阈值限制的,利用这种分辨阈值可以对IRFPA的标定点进行有效压缩,生成像元号-校正系数表,然后通过查找系数表,实现IRFPA的非均匀性实时压缩校正。实验证明,提出的IRFPA非均匀性校正算法较传统的IRFPA非均匀性校正算法实时性能更好,非均匀性降低了0.203%。     

基于局部梯度的神经网络非均匀性校正算法

为了解决传统神经网络算法在用于红外焦平面阵列(Infrared Focal Plane Array,IRFPA)非均匀性校正(Non-Uniformity Correction,NUC)时所面临的边缘模糊、收敛速度慢等问题,通过引入图像局部梯度特性对该算法进行了改进。通过用局部梯度相似度信息构造权值函数来对区域进行加权滤波,可以保留图像边缘信息。在迭代运算中,将梯度幅值加权的自适应参数规整因子加入了误差损失函数,并引入梯度幅值相关的自适应步长用以代替传统的固定步长,从而进一步提升了算法的校正效果和收敛速度。然后对算法的性能曲线和校正结果进行了分析。结果表明,与传统算法相比,改进的神经网络校正算法取得了更好的校正效果,其校正误差稳定低于前者,实现了有效抑制边缘模糊和提升收敛速度的目标。     

基于图像梯度的神经网络红外焦平面非均匀校正算法

红外焦平面阵列固有的非均匀性导致叠加在图像上的固定图形噪声严重影响了红外系统的成像质量。传统的神经网络非均匀校正算法存在待处理像素的期望值求解固有缺陷、收敛速度慢和学习速度过大,容易造成算法不收敛。提出了基于图像梯度的神经网络非均匀校正算法,通过对处理像素的期望值求解、改进和调整学习速度、改善图像校正效果,提高了算法收敛速度。通过对真实的红外图像序列实验表明,新算法相对传统的神经网络算法收敛速度提高了50%以上,红外图像校正效果也得到了提高。     

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.     

一种凝视红外成像系统联合非均匀校正算法

随着红外焦平面阵列技术的发展,凝视红外成像系统在很多领域得到了大量的应用,在这些应用中,非均匀性噪声及其校正方法是人们主要关注的一个问题。为了解决这个问题,从凝视红外成像系统非均匀性噪声的来源和频域特性出发,综合考虑了当前几种典型的基于定标和基于场景的非均匀校正算法的优缺点,结合盲元检测和补偿算法,提出了一种联合非均匀校正算法,并进行了实验验证。实验结果表明,该算法能够较好地解决成像系统非均匀性噪声随时间和工作环境漂移的问题,又能够保持较高的精度和收敛速度,具有较大的工程应用价值。     

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%。     

场景主动运动控制的非均匀性校正方法

在分析IRFPA响应稳定性的基础上,针对现有的非均匀性校正方法的不足和实际工程需求,提出了一种自适应的基于场景主动运动控制的非均匀性校正方案.以传统的人工神经网络法(NN-NUC)为基础,针对其在实际应用中存在的不足进行了改进:加入了预校正环节降低固定图形噪声(FPN)、自适应的学习速率加快算法收敛速度、设置阈值识别场...     

基于积分时间调整的红外焦平面阵列非均匀校正算法研究

利用实测的响应数据分析了红外焦平面阵列探测元的响应特性与入射辐射、积分时间的关系,指出了实际工程中常用的两点黑体辐射定标校正算法的本质在于利用高低温时不同的响应数据计算增益系数与偏置系数.与此相类似,通过调整积分时间也能得到不同的响应数据.因此对基于积分时间调整的校正算法展开研究,分别提出一点与两点定标校正算法,并将一点定标与小波多分辨率分解相结合,提出了一种新的自适应非均匀校正算法,实验结果证明了该方法在实际成像系统中的有效性.