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.     

基于小波分析的红外焦平面阵列非均匀性校正算法

近年来,小波变换在图像处理中的应用日益受到关注,介绍了小波变换在红外图像非均匀性校正方面的应用。时域高通滤波法是一种典型的自适应非均匀校正方法,在分析传统的时域高通滤波法的基础上,提出了应用小波基实现更加具体的数字低通滤波器,采用Mallat金字塔型算法,将低频部分进行多层次划分,提高低频部分的频域分辨率,并用序列图像进行了验证,仿真结果表明,该方法可以较好地进行非均匀性校正。     

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.     

红外焦平面阵列非均匀性自适应校正算法研究

在分析红外焦平面阵列非均匀性校正现行算法的基础上,提出了一种具有自适应性能的新算法。该算法以小波变换中的滤波器理论为基础,通过将图像序列在时间域的尺度分解和相庆统计量计算,获得在红外焦平面校正中起影响的偏置和增益系数。模拟实验结果验证了其有效性和先进性。     

红外鱼眼成像系统非均匀性校正方法

分析了时域高通滤波校正算法中容易出现目标退化及“伪像”的问题,指出滤波方程的截止频率与信号频域分布的变化不匹配是产生问题的原因。结合红外鱼眼系统成像的特点,通过目标检测的方法分辨需要调整滤波截止频率的像元,对其采用不同的时域高通滤波方式,即改变滤波器的截止频率,有效地减少了目标退化和伪像的影响。采用主观和客观评价指标对试验的红外序列图像进行评价,结果表明改进的时域高通滤波校正方法效果明显。     

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。     

红外焦平面阵列非均匀性校正算法的分析和改进

介绍了红外焦平面阵列所存在的非均匀性问题对系统性能的影响,分析了非均匀性校正通常所采用的标定法的缺陷,以及一种常用的自适应算法在实施中的一些问题,探索了各自的实用性和局限性以及某些可能的改进。     

红外焦平面阵列非均匀性实时校正技术研究

在分析红外焦平面阵列非均匀性噪声产生机理的基础上,提出了一种易于硬件实现的新算法,并给出了其硬件实现。该算法从数字图像处理的角度出发,通过垂直滤波和排序均值滤波,对非均匀性进行校正。利用该算法能实时有效地消除红外图像的非均匀性噪声,增强图像的视觉质量。     

基于漂移补偿的IRFPA非均匀性校正改进算法研究

由于红外焦平面阵列（IRFPA）探测单元的响应特性随环境变化而缓慢漂移,严重影响IRFPA定标类算法的校正精度,为此提出基于漂移补偿的IRFPA非均匀性校正改进算法。该算法利用探测单元响应特性漂移规律对定标类校正系数进行补偿,以适应环境温度的变化,进而有效校正IRFPA的非均匀性。实验结果表明：该算法校正后的IRFPA非均匀性从0．18591降到0．046725,有效提高了红外系统的成像质量和环境适应性能。     

焦平面红外图像的非均匀性校正技术

焦平面红外图像传感器的应用难点之一解决其非均匀性的问题.在论述了两点校正算法原理的基础上,提出了一种采用单片机和FPGA实现焦平面红外图像的两点校正的技术途径,并给出了其校正增益和偏置系数的计算流程.     

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BP神经网络的IRFPA改进型非均匀性校正算法

提出了一种基于神经网络的红外焦平面阵列（Infrared Focal Plane Array,IRFPA）非均匀性自适应校正算法。首先,利用归一化思想对图像进行处理以利于选取迭代步长;其次,优化隐含层结构以获得更接近于真实信号的期望信号。实验结果表明,该方法在校正精毖、收敛速度和稳定性方面均优于传统的神经网络校正算法。     

IMM算法在红外焦平面阵列非均匀性校正中的应用

以连续图像序列作为观测数据时,卡尔曼滤波法校正焦平面阵列非均匀性的效果取决于状态模型中漂移系数的选取。针对这一问题,提出应用交互多模(IMM)算法,建立两个状态模型拟合响应参数不存在漂移和漂移剧烈的极限情况,融合估计探测单元的响应参数。实验结果表明IMM算法对非均匀性具有较好的校正作用,且对响应参数的初始状态及漂移系数的选取具有较好的稳健性。     

红外焦平面阵列非均匀性及校正分析

大规模红外焦平面阵列器件固有的非均匀性,严重地制约着红外成像系统的性能,这 是其应用中必须解决的一个关键问题。本文详尽地分析了产生非均匀性的各种因素,并对其校正原理进行了阐述,最后给出了基于参考源校正算法的仿真结果。     

基于图像分割和配准的红外焦平面阵列非均匀校正算法

在目标成像跟踪和制导领域,存在大量由缓慢移动背景和相对背景运动的点目标构成的红外图像序列,传统的基于场景的红外焦平面非均匀校正算法在解决此类图像中存在困难.提出了基于图像分割和配准的红外焦平面非均匀校正算法(简称S-R算法),通过将图像背景和运动点目标分离,利用图像配准的方法完成图像背景的非均匀校正和点目标位置处错误固定噪声参数的补偿,最终完成整个焦平面探测单元固定噪声参数的估计,从而有效解决了这类红外图像序列的非均匀校正问题.S-R算法具有噪声参数估计精度高、收敛速度快和计算复杂度低等优点.文中最后用仿真数据对上述结论进行验证.     

红外焦平面阵列盲元检测技术研究

盲元的数量及其分布对红外焦平面阵列器件成像质量的影响较大.在给出盲元定义的基础上,对盲元的各种产生机理进行了分析,并给出了具体的盲元检测方法,为盲元补偿技术的研究提供了理论基础.     

红外焦平面阵列器件非均匀性分析

红外焦平面阵列固有的非均匀性严重地制约着其成像系统的成像质量,必须对其进行补偿校正。在深入地研究了非均匀性的各种来源及其表现形式的基础上,论述了校正原理,并提出了一种普遍适用的测量方法。