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。     

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.     

焦平面阵列BP神经网络非均匀性校正及其算法改进

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.     

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.     

改进的基于神经网络的非均匀性校正算法

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。     

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。     

一种改进的神经网络红外焦平面阵列非均匀性校正算法

传统的神经网络非均匀性校正算法对噪声具有较好的自适应性,但当空间低频噪声较大时,校正效果明显下降.为此,提出了一种传统神经网络同场景的一阶统计相结合的改进算法.将对偏置的估计转化成对场景的统计和对辐射均值的估计,新算法较原算法具有了更强的校正能力,特别适合于非均匀性主要由偏置产生的焦平面器件.理论分析和比较实验结果显示了其优越性.     

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。     

基于神经网络的IRFPA非均匀性校正新算法

传统的神经网络非均匀性校正算法简单、盲目地利用像元的四邻域平均估计期望信号,对空间低频噪声较大的IRFPA校正时难以获得满意的校正效果,针对其不足,提出了自适应加权平均滤波器,通过校正误差标准差阈值分配权值,提高期望信号的估计精度,新算法较原算法具有更强的校正能力,实验结果验证了其优越性。     

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.     

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。     

红外焦平面非均匀性校正ASIC芯片设计

提出了一个基于ASIC的红外焦平面非均匀校正解决方案。首先介绍了改进的定标及校正算法,并对校正效果进行了验证。改进后的算法对存储单元的需求与原先相比大大减小,因此十分适合ASIC实现。然后介绍了芯片的架构和控制结构,最后介绍了芯片的实现。该芯片采用0.25 μm工艺,对减小探测器系统体积,提高探测器系统的稳定性和可靠性有很大的帮助。     

一种改进的红外焦平面非均匀多点校正方法

红外焦平面阵列普遍存在非均匀性问题,国内外已经提出众多解决该问题的方法,其中最有价值的是两点非均匀校正法。在分析两点校正法的基础上,结合红外焦平面阵列非均匀模型,提出一种改进的多点非均匀性校正算法并给出其实现方法。该方法动态范围大,能有效克服由红外焦平面探测单元的非线性响应特性带来的均匀性影响,并且具有校正精度高、处理速度快和易于实时处理等优点。工程中已经证明该方法的有效性。最后给出了工程结果。     

红外焦平面探测器的非均匀性与校准方法研究

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。     

红外焦平面阵列非均匀性的两点校正及依据

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。     

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     

基于DSP的红外焦平面阵列非均匀性校正技术

红外焦平面成像系统是红外成像技术发展的趋势,焦平面阵列的非均匀性校正技术是一项正在探索的关键技术。在分析了红外成像系统非均匀性的产生机理及表现特征的基础上,介绍了红外焦平面阵列非均匀性校正的基本方法;基于TMS320C62x DSP为核心的系统硬件平台,采用两点多段的方法,完成了红外图像非均匀性的实时校正;最后给出了实验结果,验证了本系统能够满足红外焦平面成像系统的要求,具有实时性好、实用性强的特点。