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。     

红外图像非均匀性校正算法评估

红外图像非均匀性校正算法的选择直接影响成像质量和实现的难易程度.通过采集到的红外图像,对常用的几种非均匀性校正算法进行了定量分析和定性比较,结果发现,两点非均匀性校正算法、两点与LMS综合算法均有较好的校正效果,但综合算法具有更小的剩余非均匀性.非均匀性的评估为红外图像处理算法的选择提供了依据.     

基于场景的焦平面阵列非均匀性校正算法研究

为了克服基于传统神经网络法的红外焦平面阵列(IRFPA)非均匀性校正算法收敛速度慢和校正精度不高的缺点，提出了一种新的基于场景的IRFPA非均匀性校正算法.该算法利用校正误差的均方值和增益因子的均值包含的信息，提出了一种新的误差函数，并将误差函数作为目标函数，利用最陡下降法，得到计算增益校正因子和偏移量校正因子的迭代公式.在迭代运算中，设计了一个自适应步长因子来代替传统迭代公式中常量步长因子，最终得到了有较高运算效率的IRFPA非均匀性校正算法.对模拟的红外非均匀性图像序列进行了校正，并分析了算法性能曲线和校正结果，发现本文算法与传统神经网络法相比具有更好的校正效果和更快的收敛速度.     

基于分段线性模型的卡尔曼滤波非均匀校正算法

为了降低探测器响应的漂移以及非线性对非均匀性校正的影响,提出了一种基于分段线性模型的卡尔曼滤波红外焦平面阵列非均匀性校正算法。该算法引入探测器响应曲线的分段线性模型,对基于卡尔曼滤波器的红外焦平面非均匀性校正算法进行了扩展和改进,不仅能减小探测器的偏置和增益随时间漂移对校正的影响,而且还能消除探测器响应非线性对非均匀性校正性能的影响。一组利用真实红外图像序列进行的实验验证了该算法可获得较好的校正性能。     

基于场景运动分析的红外图像非均匀性校正

提出了一种基于场景运动分析的红外焦平面阵列成像的非均匀性校正算法,通过利用各探测器单元的输出在时间轴上形成的特征进行图像序列的块匹配,以获得各探测器元的相对响应关系,完成红外图像的非均匀性校正.该算法不仅能适应非均匀性随时间和环境的变化而发生缓慢变化的情况,而且对普通基于场景分析校正算法中形成的校正虚像也有很好的抑制作用.     

红外图像采集与控制系统研究

针对红外图像采集中的非均匀校正及图像存储等问题,构建多通道红外图像采集与控制系统,通过神经网络算法实现非均匀校正,并实现海量图像实时存储等功能。系统能快速有效实现非均匀校正功能,在采集过程中能稳定保存图像数据。     

基于高阶统计量的红外焦平面非均匀校正算法

根据高斯噪声高于二阶累积量为零的特性,提出基于高阶统计量的红外焦平面非均匀校正算法,可从图像场景中自适应估计阵列单元的增益和偏置参数．提出的算法包含两个部分,第一部分利用统计矩和累积量周期估计红外焦平面的模型参数,第二部分利用维纳滤波恢复真实图像．仿真图像序列表明这种算法有效降低了固定图案噪声,达到了较高的非均匀校正水平．     

一种改进的基于场景的非均匀性校正方法

提出了一种改进的基于场景的非均匀性校正方法,该方法通过使用红外相机获得输入场景的均匀图像来进行偏移量的校正。其中典型非均匀性校正算法是基于黑体的两点校正法。然而,随着工作时间的增加,探测器本身温度会升高,会产生新的盲元和固定的图案噪声,从而影响图像质量。针对此问题,提出改进的非均匀性校正方法,该方法通过散焦的图像输入法可快速的生成均匀图像,并通过噪声分离的方法将带有非均匀性噪声的部分进行剔除,最终获得均匀图像,结果显示经该方法处理后极大的抑制了固定的图案噪声,使得图像的非均匀性得到极大的改善。     

短波红外相机响应非均匀性校正方法研究及仿真

介绍短波红外相机非均匀性校正的两种基本方法,两点校正法以及多点校正法,同时提出改进算法即定标和场景融合的校正算法。此方法能够自适应克服红外焦平面阵列探测单元的响应漂移现象,克服外界环境改变带来的校正误差,实现短波红外相机在工作时间延长和多变环境情况下的高精度实时非均匀性校正,且不需要重新定标,方法简单,效果明显。采用像元数为320×256的红外焦平面阵列进行红外相机非均匀性实时校正实验,并将三种方法用MATLAB软件分别进行仿真,实验结果达到预期目的,校正效果良好。     

基于卡尔曼滤波的红外图像增强算法

针对红外图像中的非均匀性噪声的去除问题,提出基于卡尔曼滤波的红外图像去噪及增强算法.在Bayesian MAP框架下分析卡尔曼滤波器对去噪问题的适用性.由于成像电路内部温度上升和参数的细微变化,每个像元的固定模式噪声（FPN）在帧间缓慢变化.基于此点,建立暗帧的噪声模型.将卡尔曼滤波器作用于红外暗帧序列,估计出暗帧中每个像元的FPN水平.引入噪声影响因子（NIF）来评估FPN噪声对像元输出信号的影响.根据NIF自适应地选取每个像元的FPN噪声权重.实际带噪图像减去加权FPN噪声,即得到增强图像.将该算法应用于实拍红外图像,用平均灰度梯度（GMG）评估算法的性能.在目标区域,GMG下降了5.1%,说明算法在去噪的同时很好地保留了目标的边缘.而在平滑区域,GMG下降了85.5%.结果表明,该算法在去除非均匀性噪声,提高图像的对比度方面,取得较好的效果.     

基于大气修正的目标红外辐射测量

目标红外辐射测量是目标特性获取和目标识别的重要手段之一。在大气中测量目标辐射特性时,需要考虑目标与红外测量系统之间的大气透过率和程辐射。建立了大气中目标辐射测量模型,分析了辐射测量精度。利用长波红外相机对ISDC黑体进行了红外辐射测量实验,并利用MODTRAN软件计算大气透过率和程辐射,对测量数据进行大气修正。实验结果显示,目标辐射反演精度在9.5%～12.3%左右。     

MOS电阻阵的非均匀性测量及补偿方法研究

红外MOS电阻阵列是现代红外成像仿真系统中的关键元件。由于MOS电阻阵具有较强的热非均匀性,因此在进行红外仿真时必须对其进行实时补偿。文中对基于MOS电阻阵的关键技术——MOS电阻阵帧元非均匀性补偿技术进行深入探讨和研究,并提出了相应的解决方案:通过离线测试,实测得到每一帧元的电压温度特性曲线,建立电压温度补偿数据表格,使得驱动MOS热电阻面阵的灰度数据与表格数据相匹配,从而实现对MOS电阻阵的修正。实验证明,文中提出的方法能够很好地解决对MOS电阻阵非均匀特性进行补偿的问题,并已在基于MOS电阻阵的红外场景生成器中应用,取得了满意的效果。     

一种像增强器图像失真的校正方法

基于静电聚焦像增强器图像畸变产生的机理，建立图像几何畸变和亮度失真校正的数学模型。并编制校正软件包，作为实际应用，对一种40／13像增强器的输出图像进行了畸变和亮度校正，用最大畸变为17．2％，亮度均匀性为75％的像增强器原输出图像，经校正后，畸变减小为3．4％，亮度均匀性达到90％，该校正方法和软件还可用于其他因径向线性放大率变化而造成图像畸变的校正．     

一种自适应红外图像边缘增强算法

针对红外图像边缘模糊和非均匀性噪声强的特点,提出了一种基于加权的自适应红外图像边缘增强方法。该方法不仅增强红外图像边缘,而且改善了传统边缘增强算法对图像噪声放大的缺点,避免了对强边缘的过渡增强导致图像出现过增强现象,改善了图像质量。实验结果表明,该方法具有良好的前景和实用价值。     

基于优化顶点弹簧模型的半沉浸环境标定算法

为了实现投影设备在半沉浸式投影环境的自适应投影显示,提出基于优化顶点弹簧模型的自适应快速标定算法.该算法基于优化的顶点弹簧模型对二次曲面投影可视化环境进行三维网格获取,使用基于OpenGL的Tessellation曲面细分算法对网格进行网格细分计算,对预投影图像进行基于图形处理器(GPU)加速的校正计算和高质量纹理渲染,实现半沉浸式球幕投影可视化环境的快速自适应标定计算.算法验证和实验结果表明,与现有的非均匀二次曲面校正方法相比,提出的算法全面考虑了非均匀球面的局部形状信息,使用优化的顶点弹簧模型算法自适应生成高精度网格,应用GPU加速方法实现了算法加速,在图像渲染精度和速度两方面得到了显著提升.     

基于Vega的红外探测器成像效果数字仿真

根据红外成像仿真原理,构建了红外探测器成像数字仿真系统。基于Vega红外传感器模块,研究了物体的红外辐射特性和探测器成像模型,利用SensorVision和SensorWorks模块提供的相关接口,实现了物体的红外成像仿真。仿真生成的红外目标图像逼真,对相关领域的红外图像的成像仿真和应用有一定的参考价值。     

场景自适应的红外焦平面阵列非均匀性校正新方法

提出了一种基于神经网络的红外焦平面阵列 (IRFPA) 非均匀性自适应校正方法,重新设计了隐含层结构以获得更接近真实信号的期望信号,此外,还将变步长归一化LMS (VSS-NLMS)自适应滤波技术引入到校正参数的迭代估计过程中,以实现对校正速度和稳定性的提升．实验结果表明,该方法在校正精度、收敛速度和稳定性方面的性能均显著优于传统的神经网络校正算法．     

级联残差学习的红外图像非均匀性校正方法

针对现有场景自适应非均匀性校正方法存在的图像过平滑和非均匀性残留问题,提出了一种基于级联残差学习的非均匀性校正方法。该方法将多尺度特征提取单元所获取的特征进行融合,并运用残差学习策略解决深度神经网络的过拟合问题。实验结果表明,该方法在平均峰值信噪比上较传统的场景自适应校正方法有近5dB的提升,主观视觉效果也更加清晰锐利。     

基于Retinex和ADMM优化的水下光照不均匀图像增强算法

针对水下光照不均匀及光照较弱引起的成像模糊及失真问题,提出了一种基于Retinex和ADMM优化的水下图像增强方法。提取原始图像Lab空间的L分量作为初始光照图,并基于交替方向乘子法(ADMM)构造增广拉格朗日框架,对初始光照图进行优化获得精准的光照图像,并且通过伽马校正在亮度域对光照图进行进一步校正;结合Retinex理论中物体颜色恒常性的特性,求取物体的反射图像;利用双边滤波器抑制了水下噪声,获得更细致的增强图像。实验结果表明,所提的水下光照不均匀图像增强算法能有效解决因自然光或人工光源引起的光照不均匀及水下弱光照现象,提高了水下图像的质量,相较于其他算法,具有更好的性能。     

高均匀性长波红外远心照明系统设计

基于数字微镜器件(DMD)的红外景象模拟器可在室内环境下模拟真实景物及其环境的红外辐射,实现对红外成像系统性能的准确测试与评估。照明系统作为红外景象模拟器的重要组成部分,为其提供红外辐射能。为使光束均匀照射在DMD器件表面,通过分析研究黑体特性及朗伯定律,确定采用像方远心光路作为照明系统的结构形式。以拉氏不变量为依据研究确定的照明系统特性参数,能够实现与投影系统完美衔接。根据设计参数完成对照明系统初始结构的计算,利用ZEMAX进行调制、优化,并完成像质评价。设计结果表明,以此方式设计的照明系统均匀性高、球差小,可进一步提高模拟仿真效果。