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。     

基于中间均衡直方图的红外图像非均匀性校正

针对目前红外场景校正算法存在的鬼影和参数时间漂移,提出基于中间均衡直方图的单幅图像校正算法。算法将场景校正的思想运用到图像列上,通过计算每一列的中间直方图算法来替代原始列的直方图。实验结果表明,算法优于总变差算法,具有简单快速,易于工程应用的优点。     

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。     

中值直方图均衡的单帧红外图像非均匀校正算法

为了实现红外图像的自适应校正,利用红外焦平面的非均匀性成列分布的特性,提出了一种针对红外图像进行非均匀校正的新方法。新算法统计图像每列的直方图,对列局部的直方图进行排序,得到局部直方图的中值,然后对中值直方图进行均衡,通过均衡直方图灰度映射得到校正后的图像。算法实现不需要任何运动补偿或累加计算,在单帧图像内完成非均匀校正。实际应用证明,与同类自适应校正算法相比,该算法具有校正精度高、速度快、抑制目标退化能力强的优点。     

实时红外图像非均匀性校正技术研究

在分析红外图像非均匀性噪声产生机理的基础上,介绍了红外成像系统非均匀性校正原理,从数字图像处理的角度阐述了校正方法,提出了因子加权校正结构,并给出了其硬件实现。利用该方法可以有效地消除红外图像的非均匀噪声,增强红外图像的视觉质量。     

基于神经网络的红外图像非均匀性校正

由于红外焦平面材料、制造工艺的差异以及多路模拟信号输出的电路设计等因素,红外探测器在面源黑体目标下像元的输出不均匀,针对同一辐射目标得到的响应也不一致.红外探测器像元间的非均匀性影响目标辐射探测的质量,也使得获得的红外图像不能很好地反应目标辐射特性.先对红外图像进行盲元检测和补偿,通过双边滤波方法获得像元期望输出值,利用随机梯度下降法的神经网络模型对红外图像进行非均匀性校正.实验验证该方法较基于标定的校正方法具有适应场景变化、效果好的优点.     

提高局部信噪比的单帧红外图像非均匀性校正方法

针对红外图像存在的非均匀性问题,从理论上对非均匀性产生的原因进行了分析。对基于SG滤波预处理的无模型图像校正EM算法进行改进,提出了一种提高局部信噪比的单帧图像校正方法。设计了对比实验,在红外目标、暗弱目标和云层背景场景下,该方法能使红外图像的非均匀性(NU)分别降低56.869 3%,85.938 4%和87.886 3%,同时,LSNR分别提高了3.687 7 dB,0.256 9 dB和3.553 1 dB。最后在非均匀背景上叠加高斯分布的目标进行模拟,探讨了目标大小与滤波窗口的关系,得到了滤波窗口与红外小目标的近似关系为H≈4.6*S_T+0.3,从实际工程应用上确定了该方法滤波窗口初值的选取。结果表明,所提方法能在LSNR最大的前提下,利用单帧红外图像的场景信息对非均匀性进行有效校正。     

基于FPGA的红外图像非均匀性校正系统设计

红外成像技术在众多领域得到广泛应用,但设计和制造工艺存在的非均匀性现象严重降低了红外图像的成像质量。针对这一问题,设计了一种基于现场可编程门阵列(Field-Programmable Gate Array, FPGA)的红外图像校正系统。该系统采用两点校正法对某国产短波探测器的像元增益和偏置进行更新,然后利用3σ算法实现盲元点的检测并利用邻域替代的思想进行盲元校正,通过将盲元点周围的有效像元值按比例替代盲元像元来降低运算复杂度。在基于XC5VLX110T型FPGA的硬件系统上进行实验。结果表明,所设计的红外图像校正系统改善了图像的非均匀性,提高了成像质量且成像速度快。此外,丰富的余量资源使得系统具有较好的扩展性。该系统在红外图像处理方面具有一定的应用价值。     

改进的神经网络红外图像非均匀性校正方法

为解决传统基于神经网络的红外图像非均匀校正算法存在的目标模糊、拖影等问题,提出了一种增强型神经网络方法.该方法首先采用边缘保护滤波器得到期望值,以达到利用景像的边缘信息来指导校正系数更新的目的,在此基础上,通过自适应学习率以稳定和加速学习过程,实验结果表明,该方法解决了目标模糊和拖影问题,同时有效改善了非均匀性校正的效果和效率.     

基于FPGA的红外图像实时非均匀性校正

红外焦平面阵列是当今红外成像技术发展的主要方向,它灵敏度高,探测能力强,但也有其非均匀性较差的缺点。非均匀性校正技术对于红外焦平面阵列的应用起着关键的作用,两点校正算法作为一种实用、高效的校正算法被广泛的应用,它流程简单固定,非常适合用FPGA实现。文章介绍了利用FPGA硬件实现焦平面探测器非均匀性的两点校正算法,并对非均匀性漂移的现象采取了实时修正,部分弥补了两点校正算法的不足,达到了预期效果,满足系统要求。     

自适应多点定标非均匀性校正算法

多点定标法校正精度较高,但需要选择合理的标定点才能达到理论的校正效果.本文提出了一种用于选择多点法标定点的算法.算法将残差作为选择标定点的判定条件,自适应地在焦平面响应曲线上确定标定点.探测器采集的原始图像经本文算法校正后图像的响应率不均匀性为0.31％,与传统的均匀分段多点法相比减少了约31％,多点法的校正精度得到了明显提高.     

基于全卷积网络的红外图像非均匀性校正算法

针对红外成像系统在经过两点校正后,随时间漂移仍然会出现的非均匀性噪声,提出一种基于全卷积深度学习网络的红外图像非均匀性校正算法,使用子网络与主网络相结合的方式进行非均匀性校正.该算法设计了非均匀性等级估计子网络,将含有非均匀性噪声的红外图像输入子网络后,输出非均匀性等级估计图,并和待校正红外图像一并输入校正主网络.子网...     

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。     

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TMS320C6711 DSP的红外热成像非均匀性校正技术

阐明了应用DSP来处理热图像的基本电路。分析了非均匀性产生的原因,并根据非均匀性校正数学模型,在DSP图像处理平台上运行非均匀性校正算法,使得红外热图像成像质量获得了明显的提高。     

一种基于核回归插值的自适应非均匀性校正算法

针对基于神经网络的场景自适应非均匀性校正(Non-Uniformity Correction, NUC)算法在消除红外成像系统输出图像噪声时容易产生的“鬼影”现象,提出了一种改进的自适应非均匀性校正算法,将核回归插值技术应用到神经网络算法中,有效降低了自适应非均匀性算法产生“鬼影”现象的概率。实验结果表明,与传统的神经网络算法相比,本文算法在相同条件下既能有效消除非均匀噪声,又能大大抑制“鬼影”现象的产生。     

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.     

基于FPGA的线阵探测器非均匀校正的实现

充分利用了FPGA的硬件资源,提出一种采用电路逻辑设计的FPGA来实现两点校正;利用FPGA中的浮点加法器、浮点除法器、浮点乘法器,以及内部RAM、ROM存储器,可以实时计算校正系数,然后对线阵红外探测器进行非均匀性校正,保证了校正精度。同时,充分利用FPGA并行处理能力强的特点,使系数、图像数据的读取在一个时钟周期内完成。     

基于神经网络的红外焦平面光学非均匀性校正改进算法

基于场景的非均匀校正依然是红外领域的一个研究热门.神经网络算法是一种较为典型的场景校正算法.本文主要针对神经网络算法本身不能校正光学引入的非均匀性问题,提出了新的改进算法,通过对神经网络输入层的预处理,消除图像的低频噪声,此外,为了消除预处理对图像对比度的影响,本文增加了神经网络的层数,使用双层神经网络对算法进行更新,从而消除了图像对比度下降的现象.实验结果表明,改进的神经网络算法能够有效的改善图像质量,消除图像中光学引入的非均匀性.     

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。