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。     

红外中长波图像彩色融合方法研究

特定目标或场景红外中、长波成像亮度差异较大,导致图像融合难以在灰度域取得较好效果,而彩色融合则可以有效地解决该问题。本文结合红外中、长波成像特点,对两种经典彩色融合算法进行了改进:通过引入相应的清晰度评价机制,实现对融合决策的优化。实验结果验证了改进算法的有效性。     

基于场景的国产红外探测器非均匀性校正方法

基于场景的红外探测器非均匀性校正方法可以弥补基于黑体辐射定标的非均匀性校正方法存在的缺陷,目前许多公开发表的场景校正算法比较复杂,难于硬件和工程化实现。探索了一种基于帧间图像配准的场景校正算法,针对国产640×512中波制冷型红外探测器存在的非均匀性应用该算法进行了校正实验。实验结果表明该算法校正效果明显,为基于场景的非均匀性校正算法的工程化应用提供了一种新思路。     

基于CPCT的彩色图像融合算法

彩色融合图像在场景深度感知、目标探测识别、减少判断时间等方面优于灰度融合图像,重点研究了红外与可见光彩色图像融合算法。针对经典的自然感图像融合算法中计算复杂度高、缺乏颜色恒常性问题,提出基于YUV颜色空间恒参数颜色传递(CPCT)图像融合算法,并通过栅栏、山丘、森林和城镇四组实验验证了本文算法在颜色恒常性和算法实时性上有较大改善。     

基于积分时间的国产红外探测器非均匀性校正算法

由于受制造探测器的半导体质量和工艺过程等因素的影响,红外探测器存在积分时间响应不均匀性。为了提高红外探测器的成像质量,有必要对其存在的非均匀性进行校正。分析了积分时间对探测器单元响应输出的影响,详细阐述了基于积分时间的非均匀性校正算法的原理,并提出了一种盲元补偿方法。将该算法用于国产640×512制冷型探测器的非均匀性校正实验,结果表明该算法对探测器的非均匀性校正具有明显的效果。     

基于多核CPU的干涉成像光谱仪快速数据重建方法

成像光谱仪作为一种航空航天遥感器工作,可以同时得到地物的二维空间图像信息和一维光谱的丰富信息,在颜色和光谱测量、真彩色图像合成、军事侦察等领域有着很高的实用价值。为了达到对干涉成像光谱仪数据快速处理的要求,使用OpenMP并行计算技术设计了基于多核CPU的成像光谱仪快速数据重建优化算法,并将其应用到我国"环境一号"卫星的高光谱数据处理任务中。实验结果表明,基于多核的并行计算技术能有效调动多核CPU的硬件资源,大幅度提高光谱重建处理任务的计算效率。如果将该技术应用到更多核的并行计算工作站上,单台计算机完成干涉成像光谱仪数据的实时处理任务将成为可能。