基于FPGA的红外焦平面阵列实时非均匀性校正

提出了一种以FPGA为核心的焦平面器件实时非均匀性校正方法,能够实时地完成非均匀性校正系数的在线计算、红外图像的非均匀性校正.采用浮点乘法器、浮点除法器进行运算,提高了计算精度.采用并行处理结构和流水线技术,使系统的处理速度达到20 M×12 bit/s,特别适用于大面阵、高帧频红外焦平面成像系统.系统仅使用一片FPGA,有利于系统的小型化.     

FPGA实现红外焦平面的非均匀性校正

红外焦平面阵列(IRFPA)普遍存在着响应度的非均匀性问题，极大的限制了凝视红外系统的探测性能，本文先分析了红外焦平面阵列非均匀性的成因，然后讨论了非均匀性校正的方法，最后针对热释电红外焦平面非均匀性产生的特点，提出了用FPGA实现其非均匀性校正的方案。     

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。     

基于高性能DSP的红外焦平面阵列非均匀性实时校正

基于离散小波变换(DWT)理论,提出了一种基于场景的红外焦平面阵列(IRFPA)非均匀性实时校正算法;针对算法所涉及的运算量和数据量庞大的特点,设计了实时非均匀性校正的红外图像处理系统,系统是以高性能DSP(TMS320C6713)为核心器件,采用DSP不同的传输通道并行传输数据,并充分利用DSP硬件的并行性和流水线操作进行非均匀性校正;以真实的红外图像序列为例,进行了非均匀性校正的仿真实验,结果表明,基于高性能DSP的非均匀性实时校正系统完全可以达到实时校正的要求,所用算法对慢变化量具有较好的自适应性。     

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.     

红外焦平面阵列非均匀性的校正方法研究

针对读出电路与探测器产生的非均匀性,并对递归最小二乘非均匀校正算法(RLS算法)进行扩展和改进,提高非均匀校正的精度和算法的收敛速度。首先对红外焦平面阵列的非均匀性进行建模仿真,根据建立的模型利用局部恒定统计法对读出电路产生的非均匀性进行校正,然后采用自适应中值滤波算法(RAMF算法)对图像进行预处理,从而提供给后续RLS算法具有较低噪声的图像,实现RLS算法对探测器的非均匀性校正。仿真结果表明提出的算法能够有效地抑制读出电路对校正精度的影响,消除图像的非均匀性,同时采用RAMF算法对图像的预处理过程,能够加快RLS算法的收敛速度,提高信噪比,获得较好的非均匀性校正效果。     

凝视红外焦平面CCD非均匀性校正

对CCD器件的非均匀性校正的理论方法进行了讨论、分析和比较,并对32×64元硅化铂肖特基势垒红外焦平面器件进行了响应率非均匀性的校正,针对该器件响应率非线性度大、传输率低、疵点数目多和噪声大等问题,选取先进的多点定标分段校正算法,实现了实时校正及显示。校正后,不均匀度为2%,图像质量明显得到改善。     

基于校正率的红外焦平面阵列非均匀性校正评估新方法

提出一种新的能对非均匀性校正效果进行定量计算的评估测度“校正率”,并进行了实验验证.校正率以时域噪声为参考标准来衡量图像非均匀特性,不仅可以反映图像显示效果,还可以反映图像测温精度.该方法可用于IRFPA系统的性能评价和非均匀性校正方法校正效果评价,对非均匀性校正的研究具有重要意义.     

红外扫描仪中基于场景的非均匀性校正

红外扫描仪中,存在像元响应非均匀性的问题。分析了基于场景的非均匀性校正算法,和基于神经元网络的红外焦平面非均匀性校正算法,提出了在场景缓变时的校正算法;并结合两者,提出了适合场景缓变时的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。     

红外焦平面阵列非均匀性校正方法的研究

介绍了几种基于定标法和场景法的红外焦平面阵列非均匀性校正方法,重点对神经网络自适应校正方法进行了理论分析、算法改进和数据仿真.     

（英）基于多帧配准的红外焦平面阵列非均匀性自适应校正

提出了一种场景自适应的非均匀性校正固定图案噪声去除方法.基于多帧配准和相邻帧之间的全局位移估计,利用最小均方算法迭代计算均方误差函数,同时结合误差函数均方差以及互相关峰值,从而能够自适应场景变化.所提出的算法充分利用相邻多帧之间的相关性,对模拟和实际红外图像序列非均匀性的校正效果突出.实验结果表明本方法能够精确估计非均匀性参数,收敛速度较快,几乎不残留鬼影.     

红外焦平面阵列非均匀性校正技术的最新进展

面列阵红外焦平面探测器的非均匀性校正技术是正在探索的一项关键技术。介绍了近期国内外发展的红外焦平面阵列非均匀性校正技术：基于场景的代数算法、基于干扰抵消原理的自适应校正法和基于低次插值的多点校正法。     

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。     

基于粒子滤波的红外焦平面阵列非均匀校正算法

空间固定图案噪声严重影响红外探测系统的成像质量,并且还会随着外界环境的变化而缓慢漂移.卡尔曼滤波算法可以解决这个问题,但会受到线性高斯模型的限制.提出了一种利用粒子滤波跟踪噪声漂移,进而实现非均匀校正的算法.首先使用粒子采样噪声参数可能的取值状态,然后通过状态空间模型对这些粒子进行预测和更新,最后把粒子状态的加权平均值作为对噪声参数的估计.该算法是对卡尔曼滤波算法的扩展,不受任何模型条件的限制,因此,能够实现对不同情况噪声漂移的有效跟踪.实验结果表明:经此算法校正后的图像的峰值信噪比平均都在37 dB以上,而经卡尔曼滤波算法校正后的图像却只有28 dB.     

红外焦平面非均匀校正快收敛卡尔曼滤波算法

卡尔曼滤波算法在迭代过程收敛之前无法有效抑制红外图像的非均匀性噪声。因其收敛速度慢,严重影响了图像的整体校正效果。由于迭代过程的收敛速度与初始状态参数密切相关,提出了一种采用优化的初始状态参数的改进卡尔曼滤波算法。优化的初始状态参数通过对用于两点校正的校正参数进行转换并对其结果进行统计得到。对于真实的红外图像序列实验结果显示,传统卡尔曼滤波算法在经过数次迭代之后才进入收敛状态,改进该算法必须从一开始就已经接近收敛状态。实验结果表明:与传统算法相比,改进算法收敛速度快,对起始段图像序列的非均匀校正效果有明显改善。     

基于PDE去鬼影的自适应非均匀性校正算法研究

针对基于场景的自适应校正算法普遍存在鬼影的问题, 分析了神经网络算法(NN-NUC)产生鬼影的原因,并在此基础上提出了用基于偏微分方程(PDE)的非线性滤波方法取代NN-NUC算法中邻域平均的方法来获取期望图像,从而减少边缘像素误差,达到消除鬼影的目的.采用实际采集的红外图像进行实验,结果表明,很好地消除了鬼影.与已有的几种去鬼影的方法相比,具有更快的收敛性.     

环境温度补偿的红外焦平面阵列非均匀性校正

由于非制冷红外焦平面阵列的非均匀性随使用环境温度的变化漂移,校正参数需要经常更新.针对非制冷红外焦平面阵列非均匀这一特点和定标校正的不足,应用红外焦平面阵列二元非线性的非均匀性理论模型,提出了环境温度补偿的非均匀性校正,该方法既考虑了在大动态范围目标温度探测器响应的非线性,又考虑了使用环境温度变化对非均匀性的影响,从而...     

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。