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。     

IMM算法在红外焦平面阵列非均匀性校正中的应用

以连续图像序列作为观测数据时,卡尔曼滤波法校正焦平面阵列非均匀性的效果取决于状态模型中漂移系数的选取。针对这一问题,提出应用交互多模(IMM)算法,建立两个状态模型拟合响应参数不存在漂移和漂移剧烈的极限情况,融合估计探测单元的响应参数。实验结果表明IMM算法对非均匀性具有较好的校正作用,且对响应参数的初始状态及漂移系数的选取具有较好的稳健性。     

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。     

数字全变分滤波在红外图像序列非均匀校正中的应用

红外焦平面阵列上的空间非均匀性,即固定图案噪声,严重影响了红外系统的成像质量。为此提出了一种新的非均匀校正算法,它借鉴了图像处理中的图像去噪思想,把数字全变分滤波器引入非均匀校正。鉴于数字全变分滤波的执行过程一般都是自我迭代,而考虑到校正算法的实时性要求,无法对单帧图像实施多次处理。故而将以前的空间迭代形式转化为时间递推,以达到逐帧去除固定图案噪声的目的。使用仿真和真实红外图像序列对算法性能进行验证,实验结果表明:该算法从第15帧开始就能够达到较好的校正水平,并且在未优化条件下,每秒钟处理30帧图像仅需300M个指令周期。因此具有收敛速度快、计算复杂度低等优点。     

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.     

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。     

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.     

基于加权引导滤波与时域高通滤波的非均匀性校正算法

为解决基于传统时域高通滤波红外图像非均匀性校正算法存在鬼影现象以及固定图案噪声去除不彻底的问题,提出了一种加权引导滤波和改进时域高通滤波相结合的非均匀性校正算法。首先,利用加权引导滤波准确分离红外图像中的空域高频成分;然后,计算红外图像中像素点灰度值变化幅度;最后,在进行时域高通滤波时对红外图像中的运动区域和静止区域使用不同时间常数进行校正。采用两组真实红外图像序列进行实验,并与经典的双边滤波时域高通,均值滤波时域高通非均匀性校正算法进行比较。实验结果表明:文中所提算法在主观视觉和客观评价指标方面优于其他两种算法,有效降低了红外图像的非均匀性,不会产生鬼影,取得了较好的非均匀性校正效果。     

基于图像分割和配准的红外焦平面阵列非均匀校正算法

在目标成像跟踪和制导领域,存在大量由缓慢移动背景和相对背景运动的点目标构成的红外图像序列,传统的基于场景的红外焦平面非均匀校正算法在解决此类图像中存在困难。提出了基于图像分割和配准的红外焦平面非均匀校正算法(简称S—R算法),通过将图像背景和运动点目标分离,利用图像配准的方法完成图像背景的非均匀校正和点目标位置处错误固定噪声参数的补偿,最终完成整个焦平面探测单元固定噪声参数的估计,从而有效解决了这类红外图像序列的非均匀校正问题。S—R算法具有噪声参数估计精度高、收敛速度快和计算复杂度低等优点。文中最后用仿真数据对上述结论进行验证。