基于场景特殊区域的非均匀校正去鬼影算法

为了校正红外成像系统的非均匀性噪声,本文提出了一种基于场景特殊区域的非均匀性校正去鬼影算法。首先,采用三边滤波器对图像进行滤波,然后检测图像两种特殊的区域并对其校正系数进行调整。对检测到的高亮度区域,减小该区域相应的校正系数,使得该区域对校正系数的贡献减小;对检测到的灰度突变的边缘区域,增大该区域相应的校正系数,使得该区域对校正系数的贡献增大。通过这些步骤,可以有效避免校正系数的错误更新,可以有效减少鬼影现象。最后通过仿真实验证明,本文算法在去除场景特殊区域所造成的“鬼影效应”的效果优于空域低通时域高通算法和基于双边滤波器的时域高通滤波算法。因此,本文算法是有效的和实用的。     

红外双边滤波时域高通非均匀性校正

红外焦平面阵列的非均匀性噪声是制约红外成像质量的主要因素。本文在研究了传统的时域高通滤波法及其两种改进算法的基础上,提出了一种改进的基于双边滤波的非均匀性自适应校正算法,在这种方法中引入了一个由双边滤波系数矩阵推得的二次校正矩阵,该矩阵能够判别原始图像与双边滤波所得图像的差图像中场景的边缘部分,并进行自适应的抑制,使校正参数的计算更加准确。实验部分通过对加模拟噪声图像序列和实际非均匀性图像的校正证明本文的改进算法比其他两种改进算法有更好的校正效果。     

基于图像配准的非均匀性校正算法

非均匀性严重影响红外制导武器的成像质量和系统性能,有效进行非均性校正是提高红外制导武器成像质量的有效手段。高通滤波类算法对非均匀性校正的参数漂移具有很强的适应性,但易产生“鬼影”现象,影响校正结果。本文针对高通滤波类算法的缺陷,结合帧间配准技术,提出了一种基于图像配准的非均匀性校正算法。与SLTH算法和BFTH算法中利用滤波器滤波后得到的残差图像相比,本文利用图像配准和场景删除得到的残差图像能更好地消除图像中的场景信息,抑制“鬼影”效果显著。实验表明：本文算法的校正效果良好,校正结果的平均粗糙度低至3.79,优于SLTH和BFTH两种算法。而且本文算法处理速度快,达到了每秒15.83帧,是BFTH处理速度的1.63倍。     

基于引导滤波的红外图像非均匀性校正

由于制作工艺的限制和器件材料的不均匀性,红外图像在一定程度上存在非均匀性,导致目标探测和识别能力下降,严重的情况下甚至无法探测目标,因此,红外图像必须经过校正才能发挥出红外探测器对温度的高灵敏度性能。基于神经网络的非均匀性校正技术是校正非均匀性的有效方法,但在去除非均匀性噪声的同时,会弱化图像信息边缘,导致图像模糊,甚至出现严重的鬼影。为了改善红外图像的非均匀性校正性能,以神经网络模型为架构基础,利用引导滤波算子作为期望真值模板,替代传统的神经网络模型中的均值滤波模板,同时增加鬼影抑制算法,在去除非均匀性噪声的同时,达到抑制鬼影、边缘保真的效果。实验结果表明,提出的非均匀性校正算法能够在保留图像细节特征、抑制鬼影的同时,很好地校正了红外图像的非均匀性。     

基于多尺度时域矩匹配的自适应非均匀性校正算法

非制冷红外焦平面阵列的固定图案噪声具有与条带噪声相类似的特性.通过对矩匹配算法和时域高通滤波算法的研究, 提出了一种多尺度时域矩匹配非均匀性校正算法.首先利用高斯金字塔对相邻帧待校正图像进行全局运动估计, 然后对各尺度的高斯金字塔和拉普拉斯金字塔分别进行时域矩匹配.对真实红外图像序列的实验结果表明, 该算法在提高收敛速度的同时可有效减少鬼影现象的出现.     

基于多尺度时域矩匹配的自适应非均匀性校正算法（英文）

非制冷红外焦平面阵列的固定图案噪声具有与条带噪声相类似的特性.通过对矩匹配算法和时域高通滤波算法的研究,提出了一种多尺度时域矩匹配非均匀性校正算法.首先利用高斯金字塔对相邻帧待校正图像进行全局运动估计,然后对各尺度的高斯金字塔和拉普拉斯金字塔分别进行时域矩匹配.对真实红外图像序列的实验结果表明,该算法在提高收敛速度的同时可有效减少鬼影现象的出现.     

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。     

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。     

红外焦平面阵列非均匀性自适应校正方法

分析基于场景的红外焦平面阵列非均匀性校正方法中的景物退化和鬼影现象,提出了一种基于边缘约束高斯滤波的红外焦平面阵列非均匀性自适应校正方法。该方法设计了一个边缘约束高斯滤波器来获取理想的估计图像,利用最陡下降法得到计算增益校正因子和偏移量校正因子的迭代公式,并通过迭代步长的自适应控制来增快算法的收敛速度。通过仿真实验和真实红外图像处理对比实验表明:相较于目前已有的方法,该方法在有效抑制景物退化和鬼影现象的同时,较好地去除原始红外图像的固定图案噪声,保留了图像细节信息,提高了图像质量。     

基于双边滤波约束的线列红外探测器恒定统计校正方法

线列红外探测器的非均匀性会导致获取的红外图像含带固定噪声,这将严重影响图像的观测识别.提出一种基于双边滤波约束的局部恒定统计校正方法.该方法在恒定统计的非均匀校正方法的基础上,根据场景特性,对响应信号采用双边滤波方法进行滤波分析,并在统计结果中加以约束限制,可有效地解决原图像的非均匀性,并且避免了恒定统计算法中的“鬼影”与拖尾等问题.实验结果表明提出的算法校正效果明显,收敛速度快,易于工程化实现,可以大幅度提高线列红外成像系统的观测质量.     

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。     

改进的红外图像神经网络非均匀性校正算法

红外焦平面阵列（IRFPA）像元响应存在不一致性,会严重影响红外成像系统成像的质量,实际应用中需要采用响应的非均匀性校正（NUC）技术。传统的神经网络校正算法在校正结果中存在图像模糊和伪像的问题,影响人们对于目标的观察。在分析了传统的神经网络性校正算法所出现问题原因的基础上,提出了有效的改进算法:用非线性滤波器代替传统算法中使用的均值滤波器。算法改进之后所得到的校正图像,不仅在清晰度方面有明显的改善,而且有效的消除了传统算法中存在伪像的问题。     

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。     

基于引导滤波分层的宽动态范围红外图像细节增强算法

针对宽动态范围红外图像在视觉效果方面出现的对比度低、细节信息不凸显及整体清晰度较差问题,本文提出了一种基于引导滤波分层的宽动态范围红外图像细节增强算法。该算法采用方差决策加权引导滤波对原图作分层,得到了更接近原图的基础层和更精细的细节层。为提高基础层的对比度,首先改进CLAHE的全局剪切点提升增强效果,然后基于AC视觉显著模型指导全局和改进局部直方图的融合,合理兼顾了图像背景和目标;为有效加强细节信息,基于多尺度加权引导滤波得到了信息更全面的新细节层,接着采用梯度域导向滤波对其消噪,再由Sigmoid函数压缩强边缘并突显细微目标,最后将两层信息融合并输出。实验结果表明,该算法在主观视觉和定量指标上均强于对比算法,且自适应强,鲁棒性好。     

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。     

基于区域校正的大面阵红外探测器非均匀性校正方法

通过分析某大面阵红外探测器的响应特性,发现了由于相机自身特性引发的不同区域的响应非线性问题.传统的两点校正法或非线性曲线拟合办法对该大面阵探测器校正后,校正残差和目视效果都比较差.本文根据探测器的非线性响应特性,将整个面阵分成了8个区域分别进行非线性拟合校正,然后校正各个区域的偏置系数,最后利用改进的BP神经网络非均匀...     

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。