共查询到18条相似文献,搜索用时 62 毫秒
1.
2.
一种改进的神经网络非均匀性校正算法 总被引:4,自引:3,他引:1
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. 相似文献
3.
基于神经网络的红外焦平面非均匀性自适应校正算法 总被引:8,自引:1,他引:8
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. 相似文献
4.
焦平面阵列BP神经网络非均匀性校正及其算法改进 总被引:1,自引:1,他引:0
在紫外成像系统中,紫外焦平面阵列的非均匀性是影响成像质量的重要因素.介绍了标准的神经网络算法对焦平面阵列非均匀性的校正,并针对标准的神经网络算法的收敛速度慢的缺点,提出了改进算法.通过matlab对算法进行仿真,结果表明BP神经网络(Back.Propagation Neural Network)算法对焦平面阵列的非均匀性有良好的校正效果,改进后的算法效率有了较大地提高.神经网络非均匀性校正算法可以广泛的运用于其他焦平面阵列的非均匀性的校正中. 相似文献
5.
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。 相似文献
6.
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。 相似文献
7.
8.
9.
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。 相似文献
10.
11.
基于图像梯度的神经网络红外焦平面非均匀校正算法 总被引:1,自引:3,他引:1
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。 相似文献
12.
13.
14.
红外焦平面探测器的非均匀性与校准方法研究 总被引:14,自引:6,他引:14
红外焦平面成像系统是红外成像技术发展的趋势,文中研究了红外焦平面探测器本身参数的非均匀性和对焦平面红外成像系统中探测器非均匀性的校准机理,并介绍焦平面成像信息处理系统实现的基本技术路线。 相似文献
15.
红外焦平面阵列非均匀性的两点校正及依据 总被引:9,自引:5,他引:9
以Planck辐射定律和红外探测元的线性响应模型为基础,在理论上完整地推导了红外焦平面阵列非均匀性的两点校正方法;据此,论证了两点校正方法的物理依据,即从理论上证明如果探测元是线性和稳定响应的,该方法则可以实现非均匀性的准确校正;初步分析了非均匀性校正中存在误差的问题。 相似文献
16.
17.