一种基于场景的红外图像非均匀性校正算法

在分析红外焦平面非均匀产生原因的基础上,阐述了两点校正法的原理.由于各探测器与相邻单元的增益比率具有相关性的特点,利用相邻单元的增益比率,迭代实现比率和偏差的校正,从而减小其图像的非均匀性.仿真计算验证算法能有效地消除图像非均匀性噪声,增强图像的视觉效果.     

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。     

红外图像非均匀性校正方法综述

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.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.     

一种新的基于场景的红外图像非均匀性校正算法

根据传统两点法的基本思想,提出了一种基于场景的红外焦平面阵列成像非均匀性校正算法。利用各探测器单元的增益比率与相邻单元的增益比率的相关性,迭代实现增益和偏移量的校正,从而减小其图像的非均匀性。     

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。     

场景统计类红外图像非均匀性校正算法研究

场景统计类非均匀性校正算法对场景分布进行假定,获得探测单元接收红外能量的一、二阶矩,进而估计探测单元的响应参数,校正非均匀性。分析比较了现有的场景统计类非均匀性校正算法,并应用交互多模(IMM)算法校正非均匀性,实验结果表明以连续图像序列作为观测数据时,能够有效地校正非均匀性,扩展了卡尔曼滤波法的适用范围。对各种方法进行仿真,表明删算法具有较好的收敛特性。     

红外成像系统非均匀性校正方法的研究

分析了在红外图像处理中的几种校正方法,并对校正后的剩余非均匀性进行了分析,提出了几种有效的减小剩余非均匀性的方法.     

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.     

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.     

对红外焦平面非均匀性自适应校正算法的研究

研究红外焦平面的非均匀校正对监控系统和军事有着特殊的意义.针对传统神经网络法非均匀校正算法存在收敛速度慢和不稳定的缺点,提出了一种新的基于场景的IRFPA非均匀性校正算法.该算法先将焦平面上的各像素点值和他周围的8个像素点值做一次排序,选择排在中间的5个像素值求平均作为该点的新像素值.再利用一种改进的神经网络法对红外图像再做一次非均匀校正.实验结果表明,新算法的非均匀校正效果比原来的神经网络算法和均值滤波算法都有明显的提高.还引用了一种新的收敛因子的估算方法,计算结果得出该方法能较准确地估算出收敛因子在自适应迭代公式中收敛时的范围,提高了校正算法的收敛速度.     

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BP神经网络的IRFPA改进型非均匀性校正算法

提出了一种基于神经网络的红外焦平面阵列（Infrared Focal Plane Array,IRFPA）非均匀性自适应校正算法。首先,利用归一化思想对图像进行处理以利于选取迭代步长;其次,优化隐含层结构以获得更接近于真实信号的期望信号。实验结果表明,该方法在校正精毖、收敛速度和稳定性方面均优于传统的神经网络校正算法。     

红外焦平面非均匀校正的综合处理算法

时域高通滤波的算法具有简单,易于实现的优点.但其在既有加性噪声,又有乘性噪声时校正效果难以令人满意.神经元网络算法在噪声较强时,校正效果受到了限制.针对既有加性噪声,又有乘性噪声,且加性噪声较强的情况,提出了红外焦平面非均匀校正的综合处理算法.仿真证明,新算法具有较好的校正效果.     

红外焦平面非均匀性校正算法研究与实现

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.非均匀性校正是红外焦平面器件应用的一个关键技术,虽然现在已经提出多种基于场景的非均匀性校正方法,但是两点校正法因其实时性好,具有实用价值.文中讨论了两点校正法,并分别提出了利用查找表法和用CPLD实现焦平面探测器非均匀性校正的方案.     

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。