基于人眼视觉特性的IRFPA非均匀性校正算法研究

红外焦平面器件普遍存在着非均匀性问题,对红外焦平面阵列(IRFPA)实施非均匀性校正对提高成像质量具有重要意义。传统的IRFPA多点校正算法存在运算量大、实时性能低、实用效果差等问题,为此文章综合人眼视觉特性,提出IRFPA非均匀性多点校正算法。人眼视觉对图像的灰度分辨能力是有阈值限制的,利用这种分辨阈值可以对IRFPA的标定点进行有效压缩,生成像元号-校正系数表,然后通过查找系数表,实现IRFPA的非均匀性实时压缩校正。实验证明,提出的IRFPA非均匀性校正算法较传统的IRFPA非均匀性校正算法实时性能更好,非均匀性降低了0.203%。     

一种端口间动态场景自适应修正算法研究

在传统的单点校正和两点校正的基础上,提出了一种新的可适应不充分场景变化条件的端口间动态场景自适应修正算法。该算法基于动态场景成像过程中多端口图像数据之间的相关性,使用FPGA+ARM硬件平台,采用实时修正偏置系数的方式,实现多端口图像实时非均匀性校正,解决了定标算法无法根据环境进行自适应调整和场景算法不能进行实时校正的问题。     

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.     

星载红外成像系统IRFPA非均匀性在轨定标与实时校正

针对星载红外成像系统在轨定标等特殊环境条件的应用要求,研制了一种基于现场可编程门阵列(Field-Programmable Gate Array,FPGA)的红外焦平面阵列(Infrared Focal Plane Array,IRFPA)非均匀性在线定标与实时校正芯片系统.由于对输入信号进行了标准化设计,该系统可用于各类红外成像系统的IRFPA非均匀性在线定标与实时校正处理.这种系统在时钟信号的驱动下以流水线方式运行,在对非均匀红外图像进行实时校正的同时,能够在线获取定标图像并能对存储器中的校正系数进行在线更新.该系统具有体积小、运算速度快、稳定可靠以及易于升级等优点,为星载红外成像系统IRFPA非均匀性的在轨定标开辟了一条有效的技术途径.     

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FPGA的红外图像非均匀校正实现方法

针对某国产探测器成像特点,对传统两点校正和神经网络非均匀性校正算法进行了改进和定点化处理。对算法实现时的存储和数据流需求进行分析后,利用存储控制器对DDR2高速读写的优势,在以FPGA为核心的红外成像装置预处理平台上实现了校正系数的在线标定和自适应迭代。在系数更新时,引入运动判断环节,以防止神经网络校正算法带来的目标退化和鬼影现象。成像系统仅采用一片FPGA芯片,使得系统小型化成为可能,充足的资源余量使其具有功能可扩充性。实验证明该实现方法明显改善了红外成像装置的非均匀性,在抑制时间漂移上也取得了满意的效果。     

红外焦平面非均匀性自适应校正算法实时实现

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.文章在研究了基于神经网络的NUC算法的基础上,提出了一种采用DSP与FPGA相结合实现基于神经网络的非均匀性自适应校正算法实时实现硬件方法,在该方法中利用FPGA并行处理能力强的特点,对焦平面阵列进行非均匀性校正,而DSP的计算能力强,完成校正系数的自适应更新.将该方法应用于128×128红外成像系统中,可使系统长期稳定地工作,克服了校正参数的漂移问题.     

基于全卷积网络的红外图像非均匀性校正算法

针对红外成像系统在经过两点校正后,随时间漂移仍然会出现的非均匀性噪声,提出一种基于全卷积深度学习网络的红外图像非均匀性校正算法,使用子网络与主网络相结合的方式进行非均匀性校正.该算法设计了非均匀性等级估计子网络,将含有非均匀性噪声的红外图像输入子网络后,输出非均匀性等级估计图,并和待校正红外图像一并输入校正主网络.子网...     

基于SOPC的红外图像自适应非均匀性校正设计

场景非均匀校正和基于本底信息无快门校正等红外图像自适应非均匀性无快门校正算法不需要中断探测过程,克服了定标类校正算法需要周期性定标的不足,目前日趋受到重视。相对于场景无快门校正算法,基于本底信息的自适应无快门校正算法具有复杂度低、易于实现的特点,正逐步从理论研究走向具体工程应用,通过硬件系统实现该校正算法具有重要的应用价值。根据自适应无快门校正算法理论特点,采用基于FPGA构建SOPC系统的方法进行了硬件实现,主要由校正参数计算、本底采集、校正模型等模块组成。校正参数计算部分根据自适应拉格朗日插值计算和更新校正参数,本底采集模块用于采集均匀本底信息,为图像校正提供一系列本底信息,校正模块完成红外图像的实时非均匀性校正。实验结果表明:实现的非均匀性无快门校正系统具有占用硬件资源少、延迟短和图像效果好的优点,能够广泛应用在红外成像系统中,具有较强的研究价值和现实意义。     

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。     

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。     

基于小波变换直方图规定的非均匀性校正算法

为了实现红外探测器的自适应校正,提出了一种基于小波变换的中值直方图规定非均匀性自适应校正方法。新算法利用正交小波变换分解图像,分别统计分解后图像像素的时域直方图,对像素邻域直方图进行排序得到中值,利用中值直方图灰度映射得到校正图像,最后把所有尺度校正后的图像反变换得到最终结果。实际应用证明,与同类自适应非均匀校正算法相比,该算法具有校正精度高、速度快的优点。     

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。     

基于单调场景运动的复杂非均匀性校正

在红外探测器中,高频非均匀性主要表现为列或者行条纹,而低频非均匀性则主要表现为片状。在实际应用中,场景是沿着一个单调方向,并且有不同的非均匀性出现。基于这样的考虑,提出了一个基于场景的非均匀性校正技术,不仅符合上述校正要求,而且也实现了小型化、低功耗的实时硬件系统。通过为配准原则开发一种新的投影估计来解决问题,同时在硬件系统上实现了这一技术。通过评价标准测试了这项技术的性能,展示了在单调运动下系统非均匀性校正的实际效果。实验结果表明:该算法具有校正精度高、收敛速度快的优点。     

红外焦平面条带状非均匀性校正硬件实现方法

红外焦平面阵列条带状非均匀性严重影响了其成像质量,大大限制了它的应用。实现了一种基于FPGA的红外焦平面阵列条带状非均匀性实时校正系统,该系统以中值红外均衡算法为核心,针对算法以及FPGA的特性进行了优化,单帧内可进行条带状非均匀性的校正,硬件仿真结果表明:处理效果显著。系统处理速度快、资源占用量小,可以作为一个独立模块嵌入到红外焦平面成像与处理系统中,实现条带状非均匀性的实时校正,有很高的实用性与可扩展性。     

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。     

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.     

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。