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。     

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。     

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.     

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。     

基于补偿算法的红外探测器非均匀性校正

由于工艺条件的限制,红外焦平面探测器各像元的非均匀性严重影响了红外图像质量,由红外焦平面非均匀性所导致的成像效果变差的问题已成为制约红外成像技术应用的瓶颈.基于FPGA为数据处理核心的硬件平台,采用领域平均算法结合加权滤波算法以及温度补偿算法依次实现了对红外图像的盲元校正与实时补偿处理.实验结果表明此算法能够实时处理图像补偿过程中产生的大量数据,显著地提高了红外图像质量,并且仅用FPGA完成所有数据处理,构成了精简的最小系统,有效地降低了成本.     

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。     

红外焦平面器件的非均匀性校正算法研究

本文首先对红外焦平面(IRFPA)器件的非均匀性进行数学建模,然后介绍传统的两点及多点校正算法及其改进,最后介绍新的一些算法理论,包括基于神经网络及光流的一些理论。     

红外焦平面探测器的非均匀性校正与算法实现

与红外单元器件系统相比,焦平面面阵探测器的一个最大的缺点是其固有的非均匀性,它极大地限制了凝视红外系统的探测性能。实用化、实时的非均匀性校正是红外焦平面器件应用的一个关键技术。文章首先介绍了探测器的非均匀性的成因,然后对被普遍采用的多种非均匀性校正方法进行了讨论,最后分别利用DSP和FPGA实现焦现面探测器的两点校正算法。     

基于神经网络法的焦平面器件非均匀性校正技术研究

首先分析了传统的非均匀性校正方法的缺点,指出自适应校正红外焦平面器件非均匀性的必要性。根据焦平面器件非均匀性噪声特性和算法研究的需要,介绍了非均匀性失真图像的产生方法。在上述工作的基础上,研究了基于神经的自适应非均匀性校正算法,探讨了最近４领域像素平均、最近４邻域像素灰度加权和８邻域像素灰度加权等三种情况。实验结果表明,８邻域灰度加权算法校正效果较好。     

基于FPGA的红外图像实时非均匀性校正

红外焦平面阵列是当今红外成像技术发展的主要方向,它灵敏度高,探测能力强,但也有其非均匀性较差的缺点。非均匀性校正技术对于红外焦平面阵列的应用起着关键的作用,两点校正算法作为一种实用、高效的校正算法被广泛的应用,它流程简单固定,非常适合用FPGA实现。文章介绍了利用FPGA硬件实现焦平面探测器非均匀性的两点校正算法,并对非均匀性漂移的现象采取了实时修正,部分弥补了两点校正算法的不足,达到了预期效果,满足系统要求。     

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。     

基于神经网络的红外焦平面非均匀校正的新算法

传统的神经元网络算法对噪声具有较好的自适应性,但当噪声略强时,它的校正效果会出现下降,为进一步提高性能,原作者提出了基于神经元网络的红外焦平面非均匀性校正的改进算法.但在场景静止时,原算法就不再适用.针对这种情况,分析了基于神经元网络的红外焦平面非均匀校正的改进算法,提出了在场景静止时的校正算法.并结合两者,最后提出了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.     

基于校正率的红外焦平面阵列非均匀性校正评估新方法

提出一种新的能对非均匀性校正效果进行定量计算的评估测度“校正率”,并进行了实验验证.校正率以时域噪声为参考标准来衡量图像非均匀特性,不仅可以反映图像显示效果,还可以反映图像测温精度.该方法可用于IRFPA系统的性能评价和非均匀性校正方法校正效果评价,对非均匀性校正的研究具有重要意义.     

红外焦平面阵列非均匀性自适应校正算法研究进展

实现红外焦平面阵列非均匀性自适应校正是高级红外探测系统追求的重要目标,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.归纳总结了国内外关于凝视红外焦平面阵列非均匀性自适应校正算法的部分研究工作及其进展,比较了典型自适应算法的性能和适用条件,为进一步开展红外焦平面阵列非均匀性自适应校正研究提供参考意见.     

改进的神经网络非均匀性校正方法

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,非均匀性校正是红外成像领域中的核心技术。改进了传统的神经网络非均匀性校正方法,在探测元的期望输出中加入图像均值分量,使该算法对空间相关性较强的低频非均匀性成分也具有较强的校正能力。在以TMS320C62x DSP为核心的硬件平台上,采用中波凝视红外探测器,图像帧频为50 Hz,并在实验室及室外环境分别对该算法进行了测试,非均匀性从最初的5％左右降至2‰以下,验证了改进后的算法具有校正精度高、实用性强等优点,能够满足实际应用的需要。该算法也可应用于红外成像的应用领域。     

基于场景的红外非均匀性校正算法对比研究

红外技术发展到今天,红外凝视焦平面探测器阵列性能高、使用简单,从而成为红外系统的主流。但是,红外探测器的工艺和技术生产不出像可见光 CCD 那样均匀的红外器件,红外探测器阵列的非均匀性一直是红外凝视探测器的主要缺陷。人们开发了多种非均匀性校正算法,尤其是基于场景的自适应算法,极大地弥补了探测器的非均匀性缺陷。但是到目前为止,各种算法都有一定的局限性,尚不能彻底解决非均匀性问题。针对目前常用的几种非均匀性校正算法,包括时域高通滤波算法、神经网络算法、恒定统计量算法等,在天空、地面等不同场景条件下进行了仿真测试,对算法的实施效果进行了对比分析。     

红外成像系统非均匀性校正方法的研究

分析了在红外图像处理中的几种校正方法,并对校正后的剩余非均匀性进行了分析,提出了几种有效的减小剩余非均匀性的方法.     

利用FPGA实现红外焦平面器件的非均匀性校正

与红外单元器件系统相比,焦平面面阵测器的一个最大的缺点是其固有的非均匀性,尽管现在面阵探测器的非均匀性有了很大改进,但是非均匀性仍然限制凝视红色系统的探测性能。实用化、、实时的非均匀性校正是红外焦平面器件应用的一个关键技术,尽管现在已经有很多种基于场景的非均匀性校正方法,但是两点校正算法仍然是基础的校正方法,有不可替代的价值。两点校正算法的流程简单固定,非常适合用ＦＰＧＡ实现。文章介绍了利用ＦＰＧ     

红外焦平面阵列非均匀性校正方法的研究

介绍了几种基于定标法和场景法的红外焦平面阵列非均匀性校正方法,重点对神经网络自适应校正方法进行了理论分析、算法改进和数据仿真.