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。     

基于红外双波段的盲元补偿算法

红外焦平面阵列由于受到制造工艺等的影响，常常会出现盲元，过往通常使用的单波段盲元补偿算法对大盲元簇及位于边缘位置的盲元补偿效果不尽如人意，随着双波段热像的逐渐兴起，本文提出了一种基于双波段信息的盲元补偿算法，该算法结合了两个波段的信息，通过对盲元位置的分类，根据两个波段盲元邻域信息的相似性，使用不同的策略对图像中的盲元进行补偿，能够较为有效地对图像中的大盲元簇及位于边缘的盲元进行补偿。