基于生成对抗网络的红外图像自适应校正算法

红外相机经过两点校正后会发生漂移,导致图像产生非均匀性噪声.传统的基于场景的非均匀性校正算法适应性较强,但会产生鬼影问题.基于深度学习的非均匀性校正方法,面对红外图像特殊的非均匀性噪声,随着网络深度增加,很容易出现图像模糊,对比度变小,细节丢失问题.针对此问题,提出一种基于生成对抗网络的非均匀性校正算法,网络分为生成网...     

电阻阵列非均匀性测试

电阻阵列的非均匀性是一种固定模式的空间噪声,已成为影响红外图像质量的主要因素.根据电阻阵列的非均匀性信息,对其输入数据进行补偿是校正非均匀性的一种有效的方式.分析了校正算法对非均匀性测试的需求;提出基于成像探测的非均匀性测量手段;研究了图像退化对非均匀性测试的影响;根据测试中输入图像数据的特点,提出一种基于迭代测试的盲复原方法.仿真结果表明,基于迭代的复原方法能有效地从退化图像中复原电阻阵列的实际非均匀性图像,并取得较好的校正效果.     

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。     

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。     

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。     

基于局部直方图规定化的红外图像非均匀性校正

非均匀性噪声严重影响着红外焦平面阵列的成像质量。针对条纹非均匀性问题,提出了一种基于局部直方图规定化的红外图像非均匀性校正算法。该算法对图像逐列进行处理,首先采用文中提出的加权折中直方图方法计算得到每一列图像的期望直方图,然后对当前图像列进行直方图规定化处理,最后遍历整幅图像实现非均匀性校正。实验结果表明,本文算法能够有效地抑制红外图像的条纹非均匀性噪声,同时较好地保留了图像的边缘轮廓信息。     

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。     

一种基于场景的非均匀校正算法

提出了一种基于场景的非均匀校正算法,它不仅可以消除红外焦平面阵列响应特性的 非均匀性,还可以补偿其漂移。建立了一个包含漂移因素的红外焦平面探测器响应模型,该模型构成了算法的基础。非均匀校正算法分两步执行:首先执行初步非均匀校正消除大部分的非均匀性,然后利用运动场景形成的红外图像序列来补偿响应特性的漂移噪声。场景运动估计是本算法的关键,块匹配方法被介绍来实现准确地运动估计。真实的红外图像数据说明了该算法的有效性。     

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。     

电阻阵列非均匀性校正算法实时性研究

非均匀性是电阻阵列输出图像固定噪声的主要来源,非均匀性校正是电阻阵列应用于半实物仿真中图像实时生成的一个不可缺少的环节.通过对校正算法的分析,设计算法实时性测试系统,并对校正在线算法进行改进,满足200Hz的帧频要求.在两种硬件平台方案下对算法的实时性进行测试,测试结果说明:非均匀性校正算法是影响动态红外图像生成实时性的一个重要因素,采用专用的硬件计算设备是提高整个系统实时性的必然选择.     

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。     

基于扫描型红外热像仪非均匀性场景校正算法的实现

通过对某扫描型手持红外热像仪非均匀性的分析,建立了相应的非均匀性数学模型,提出了场景校正算法并在DSP中编程实现。算法采用运动估计与递归最小二乘法相结合的方式,实现了对空间非均匀性的实时校正;采用神经网络与最小均方算法结合的方式实现了对两点校正后残留非线性非均匀性的实时补偿。应用效果表明该算法具有很高的工程价值。     

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。     

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。     

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。     

非致冷红外焦平面的噪声分析与非均匀性校正研究

非致冷红外焦平面阵列探测器具备体积小、无需致冷的优点,具有广泛的应用前景.然而非均匀性问题一直是制约其应用的根本原因,也是目前红外热成像研究的热点.论文通过分析实际的红外图像噪声特性,从图像恢复的角度,提出非均匀性校正的具体方案,并比较这两种图像恢复方案的实际效果,最后指出红外图像非均匀性校正算法的研究和发展的可能方向.     

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。