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。     

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。     

时空域自适应滤波非均匀性校正算法

由于红外焦平面探测器受到制造工艺等限制,图像不可避免地会存在非均匀性。传统神经网络算法会留下“鬼影”的问题,本文改进传统神经网络算法,利用引导滤波图像作为期望模板,防止图像的边缘被滤波器平滑。当场景运动时,通过时域迭代的策略来不断进行非均匀性校正参数的更新。为了抑制算法中常见的鬼影现象,设计了基于空域局部方差和时域场景变化率相结合的自适应学习率,利用前后的校正参数自适应调整阈值。实验仿真表明,本文所提的算法相比于传统算法均方根误差下降45.45%左右,可以在校正图像非均匀性的同时很好地抑制“鬼影”现象。     

IRFPA两点校正的定标温度选择方法研究及实现

针对非均匀性两点校正方法中精度不足、动态范围小的问题,首先研究焦平面探测器的实际响应模型     

前景重配准的改进帧间误差最小化非均匀性校正算法

由于基于帧间配准误差最小化的非均匀性校正算法（IRLMS）在对红外图像非均匀性的校正过程中,对于存在运动前景的场景缺乏对运动前景位移的准确估计,和配准精度较低时校正参数不能自适应地控制其更新速率,产生鬼影现象。为了解决这一问题,提出了一种改进的帧间误差最小化非均匀性校正方法。该方法使用LK 光流对场景中的运动前景进行重新配准,估计出运动位移,修正误差图像,以克服前景运动产生的鬼影现象;同时通过估计出相邻帧图像之间去除非均匀性后的相位相关矩阵的峰值,以其峰值自适应地修正参数更新的速率,以克服在配准精度较低时校正参数更新过快造成的影响。实验结果表明：该方法能够克服前景运动和配准精度较低时产生的鬼影现象,有效地提高了IRLMS 算法的实用性。     

基于小波变换直方图规定的非均匀性校正算法

为了实现红外探测器的自适应校正,提出了一种基于小波变换的中值直方图规定非均匀性自适应校正方法。新算法利用正交小波变换分解图像,分别统计分解后图像像素的时域直方图,对像素邻域直方图进行排序得到中值,利用中值直方图灰度映射得到校正图像,最后把所有尺度校正后的图像反变换得到最终结果。实际应用证明,与同类自适应非均匀校正算法相比,该算法具有校正精度高、速度快的优点。     

双边滤波直方图均衡的非均匀性校正算法

针对传统的红外焦平面自适应校正算法存在的目标退化和收敛时间较长等问题,提出了一种融合双边滤波机制的直方图均衡红外焦平面非均匀性自适应校正方法。研究了红外焦平面响应特性,建立红外焦平面阵列响应的统计模型,根据模型首先计算单个像元的时域统计直方图,接着融合双边滤波机制求取邻域像元时域直方图的均值,最后利用该均值直方图均衡完成非均匀性校正。实际应用证明,该算法具有校正精度高、收敛速度快、抑止目标退化能力强的优点。     

基于局部梯度的神经网络非均匀性校正算法

为了解决传统神经网络算法在用于红外焦平面阵列(Infrared Focal Plane Array,IRFPA)非均匀性校正(Non-Uniformity Correction,NUC)时所面临的边缘模糊、收敛速度慢等问题,通过引入图像局部梯度特性对该算法进行了改进。通过用局部梯度相似度信息构造权值函数来对区域进行加权滤波,可以保留图像边缘信息。在迭代运算中,将梯度幅值加权的自适应参数规整因子加入了误差损失函数,并引入梯度幅值相关的自适应步长用以代替传统的固定步长,从而进一步提升了算法的校正效果和收敛速度。然后对算法的性能曲线和校正结果进行了分析。结果表明,与传统算法相比,改进的神经网络校正算法取得了更好的校正效果,其校正误差稳定低于前者,实现了有效抑制边缘模糊和提升收敛速度的目标。     

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.     

一种考虑场景静止的非均匀性校正方法

针对用神经网络法进行非均匀性校正时,当场景长时间静止会使校正图像像质变差和产生重影的问题,提出了一种考虑场景静止的非均匀性校正方法.算法中提出一种新的判断场景运动与否的方法,如果判断为场景静止则对其增益和偏置进行相应的处理,以达到更好的校正效果.仿真结果表明该方法有效地解决了像质变差和重影的问题.     

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。