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。     

基于亚像素配准的神经网络非均匀性校正

红外焦平面存在严重影响成像质量的非均匀性,本文使用基于亚像素配准算法和动量项BP神经网络的非均匀性校正算法进行校正。对短波红外相机成像过程中,由于相机视轴与成像目标位置的相对偏移(由相机安装平台晃动所致),使用基于矩阵乘法的亚像素配准算法进行配准;为了加速算法收敛,采用两点法来对校正系数进行初始化;为了改善BP神经网络容易陷入局部最优值,采用增加动量项的方法来改善校正效果。通过仿真实验可以看出提出的算法消除了传统神经网络校正方法存在的鬼影和边缘模糊等问题,获得了良好的校正效果,同时提高了算法的收敛速度。为短波红外图像数据后期处理提供了良好的基础。     

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.     

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。     

神经网络非均匀性校正算法中初始权值选取方法

针对神经网络对红外焦平面阵列进行非均匀校正时初始权值的选取对收敛速度的影响,提出了三种网络训练时初始权值的选取方法.通过对先验知识总结、黑体训练以及实验标定实现了对网络初始权值的优化.仿真实验表明这三种方法较传统的随机给定法训练收敛速度快、精度高,为神经网络非均匀性校正法走向实时实现提供了重要的理论参考.     

基于中值滤波的红外焦平面阵列非均匀性神经网络校正

统的神经网络校正算法存在收敛速度慢和校正精度低的缺点。当背景噪声较大时,它更难以获得令人满意的校正效果。 针对其不足之处, 提出一种基于中值滤波的红外焦平面阵列(IRFPA)非均匀性神经网络校正算法。该算法首先利用中值滤波对强噪声进行预处理,在此基础上 采用改进的神经网络校正算法对IRFPA非均匀性进行自适应校正。实验结果表明,该算法与传统的神经网络方法相比具有收敛速度快和校正精 度高等特点,并且使图像的峰值信噪比至少提高了10dB。     

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。     

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.     

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.     

基于衬底温度的红外焦平面联合非均匀性校正

分别分析了红外焦平面阵列(IRFPA)基于定标的非均匀性校正法(NUC)和基于场景的NUC算法各自的优势和问题,在此基础上提出了联合非均匀性校正方法。根据上电时刻焦平面衬底的温度值,从FLASH中提取事先存储的对应温度区间的增益和偏置校正参数,初步消除探测器的非均匀性。通过分析初步校正后图像残余非均匀性噪声的特性,提出了用具有保边缘特性的P-M滤波取代传统神经网络算法中的四邻域均值滤波来获得期望图像,从而减小了图像边缘误差。实验结果表明,该算法收敛速度快,校正精度高,有效避免了因红外焦平面响应特性漂移而引起的图像降质。     

一种新的基于SOPC的红外非均匀性校正算法实现

针对SOPC条件下软硬件资源高度整合的特点,在分析传统红外焦平面两点校正算法的基础上提出了一种基于一点再校正的红外非均匀性校正算法,并完成了算法实现.该算法根据实际场景完成对实验室获取校正系数的偏移及盲元修正,使校正系数更符合实际场景,提高了非均匀性校正精度.实测数据表明,该算法及实现方法可以满足实际工程需求.     

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。     

星载拼接相机图像实时校正系统的研究

为了实时对多TDI-CCD拼接后获得准确与高质量的大视场图像,建立了多片TDI-CCD拼接相机像元实时校正系统.对该系统的图像拼接与灰度融合算法进行研究并对硬件实现方法加以介绍.对多片TDICCD拼接技术以及由此带来的图像错位与像元不均匀性进行了介绍,采用输出缓存技术实现拼接TDI-CCD奇偶片输出图像配准,应用比值平均法校正拼接片间的灰度不均匀性,实现实时大视场拼接校正.并将整套算法在Xilinx公司的Spartan 3系列的FPGA平台上实现,得以构成多TDI-CCD拼接校正系统.实验结果表明,该系统可以自动对3片2048像元的TDI-CCD拼接配准与灰度校正,获得清晰的大视场图像,满足系统实时性的要求.     

基于列相关的热红外高光谱遥感图像非均匀性校正

由于探测单元之间响应不一致、电子增益和偏置发生变化、焦平面污染和损伤等因素,推扫式热红外成像光谱仪获取的图像常常表现为图像列之间不均匀,条带噪声严重,影响了热红外高光谱遥感图像的后续处理和应用。结合推扫式成像光谱仪非均匀性的来源和成因,以相邻地物的相关性为理论基础,提出了适用于热红外高光谱遥感图像的非均匀性校正方法。该方法的步骤是,首先逐波段对原始热红外高光谱遥感图像进行标准矩匹配校正,得到标准矩匹配校正图像;然后,以标准矩匹配校正图像为基础,选择相邻两列像元中相同的地物像元;最后,用两列中相同的地物像元,通过线性回归得到后一列的校正系数,并对其进行校正,顺次遍历一个波段的所有列,完成一个波段图像的非均匀性校正。按照此过程,遍历一幅热红外高光谱遥感图像的所有波段,完成一幅热红外高光谱遥感图像的非均匀性校正。将该方法应用于推扫式热红外光谱成像仪实际获取图像的非均匀性校正中。结果表明,相比矩匹配方法,在保证非均匀性校正效果的情况下,本文方法的各列均值和标准差更符合实际情况。     

改进的单幅红外图像局部自适应非均匀校正

为了实现对单幅红外图像的非均匀性校正并且对局部细节的校正效果进行优化,提出了一种局部自适应的非均匀校正算法。算法利用红外焦平面阵列的固定图像噪声呈单方向分布的特性,采用基于高斯权重思想的中值直方图非均匀算法实现红外图像的单参数校正;然后将图像分块,使图像的各局部都能够自适应地选择各自最合适的校正参数,达到优化细节的校正效果。实验结果及分析表明:与单参数中值直方图非均匀校正算法相比,提出的算法在均方根误差、峰值信噪比、图像平滑性等方面都得到了进一步的改善,并且保留了更多的图像细节,为非均匀校正提供了一种方法。     

一种凝视红外成像系统联合非均匀校正算法

随着红外焦平面阵列技术的发展,凝视红外成像系统在很多领域得到了大量的应用,在这些应用中,非均匀性噪声及其校正方法是人们主要关注的一个问题。为了解决这个问题,从凝视红外成像系统非均匀性噪声的来源和频域特性出发,综合考虑了当前几种典型的基于定标和基于场景的非均匀校正算法的优缺点,结合盲元检测和补偿算法,提出了一种联合非均匀校正算法,并进行了实验验证。实验结果表明,该算法能够较好地解决成像系统非均匀性噪声随时间和工作环境漂移的问题,又能够保持较高的精度和收敛速度,具有较大的工程应用价值。     

微偏振片阵列成像的非均匀校正研究

针对传统的非均匀校正算法难以校正偏振成像的非均匀问题，提出了一种新的矩阵校正算法。分析了偏振成像与非偏振成像的非均匀性的不同表现，阐述了微偏振片阵列成像的非均匀产生机理，指出了采用非偏振成像非均匀校正方法的失效原因。在构建偏振成像系统对入射偏振光源的响应模型基础上，提出了矩阵校正法。实验部分给出了矩阵校正法对均匀偏振场本底图像和信息丰富场景图像的校正效果，定量分析结果表明，矩阵校正法将均匀本底图像的非均匀性降至校正前的10%左右。     

基于改进伽马曲线的星载长波红外焦平面非均匀性校正算法

随着长波红外探测器技术的进步,通过选用宇航级大阵列长波红外探测器,天基红外遥感卫星技术得到快速发展。长波红外探器响应强非线性导致传统的基于线性模型的非均匀性校正算法校正误差大,从而影响卫星在轨使用效能。针对该问题,结合大量实验室数据和卫星在轨数据的统计分析结果,建立了一种新的长波红外探测器非线性响应模型,据此提出了一种基于改进伽马曲线的非均匀性校正算法,以有效克服探测器响应强非线性对校正精度的影响。该算法首先建立基于改进伽马曲线的探测器非线性响应模型,依据此模型对获取图像进行非线性压缩映射,实现探测器响应的线性化,然后利用星载基于定标技术的线性化算法实施非均匀性校正,同时,定标温度点根据所建立模型参数动态更新,最后通过逆非线性化压缩映射还原出实际的非均匀校正后的图像。基于人造黑体和在轨实景红外图像的实验结果表明,该算法有效解决了探测器响应强非线性对校正精度的影响,校正后图像的视觉效果和定量化指标均优于传统的星载非均匀校正算法。     

在轨完成CCD非均匀性校正的方法

为使空间遥感相机图像具有良好的均匀性,利用XQ2VP40FPGA在轨实时完成TDI-CCD非均匀性校正。首先对CCD非均匀性校正原理进行分析,提出了半饱和灰度值和暗场灰度值的两点校正法;然后,介绍了空间遥感相机的系统结构,利用FPGA实现了校正算法;最后,通过实验对均匀性校正的有效性进行了验证。实验结果证明:FPGA在轨实时完成CCD非均匀性校正的方法是可行的,对于非均匀性5%的TDI-CCD,校正后非均匀性控制在1%以内。     

基于积分时间调整的红外焦平面阵列非均匀校正算法研究

利用实测的响应数据分析了红外焦平面阵列探测元的响应特性与入射辐射、积分时间的关系,指出了实际工程中常用的两点黑体辐射定标校正算法的本质在于利用高低温时不同的响应数据计算增益系数与偏置系数.与此相类似,通过调整积分时间也能得到不同的响应数据.因此对基于积分时间调整的校正算法展开研究,分别提出一点与两点定标校正算法,并将一点定标与小波多分辨率分解相结合,提出了一种新的自适应非均匀校正算法,实验结果证明了该方法在实际成像系统中的有效性.