红外焦平面阵列非均匀性校正算法研究

红外焦平面阵列( IRFPA)的非均匀性校正是提升红外系统成像质量的重要环节。非均匀性校正算法主要分为基于参考辐射源的标定类校正算法和基于场景的校正算法。将基于参考辐射源的标定类校正算法按线性模型与非线性模型进行详细分类,基于场景的校正算法按空域和时域进行详细分类。针对不同类特点,分别对上述算法进行了详细的分析及比较,为今后非均匀性校正算法的选择提供理论基础,并根据现有两类算法特点,提出算法未来的研究方向。     

基于运动指导的红外焦平面非均匀性校正方法

针对红外焦平面阵列(IRFPA)非均匀性校正算法中基于场景类自适应校正算法存在的目标退化和伪像等问题,提出一种新的基于运动检测指导的自适应校正算法。该算法首先通过预处理为实时校正准备背景帧图像和坏元模板,接着根据前后两帧场景信息的运动方差,自适应地调整迭代步长,最后结合运动幅度更新增益校正系数,对图像实施校正。以含有弱小目标的实际红外图像序列进行仿真的结果表明,新算法有效地抑制了目标退化,消除了伪像;去除了固定图案噪声,具有自适应性。     

红外图像非均匀性分析与校正方法研究

由于材料、工艺等原因,红外焦平面阵列（IRFPA）各探测元存在响应不一致问题,导致红外图像的非均匀性。非均匀性校正（NUC）是红外成像仪图像处理系统的重要环节。本文结合空间相机的应用重点分析了基于定标的两点校正法和基于场景的自适应神经网络法,并通过仿真图像验证了神经网络算法的校正效果。     

基于DSP的红外图像非均匀性校正技术的研究

分析了导致红外成像系统非均匀性的机理,介绍了红外焦平面阵列非均匀性校正的基本方法。采用两点校正和积分时间校正相结合的方法,利用TMS320VC5509A DSP完成了对红外图像的非均匀性实时校正。实验结果表明,本系统具有实时性好,实用性强的特点,能够满足红外焦平面成像系统的要求。     

基于DSP的红外焦平面阵列实时非均匀性校正技术

针对红外焦平面阵列在进行非均匀性校正中所涉及的运算量和数据量庞大、实时处理难于实现的特点,采用TMS320C6000系列DSP两路数据通道的优势,输入输出数据采用不同的数据通道并行传输,利用EDMA传输方式无需CPU介入,充分利用DSP硬件的并行性和流水线进行非均匀性校正,以分段线性插值算法为例,详细阐述了硬件设计和实现步骤,并给出仿真结果,结果表明:基于DSP的实时非均匀性校正系统完全可以达到实时校正的要求.     

复合型两点多段非均匀性校正算法研究

两点法和两点多段法都是基于定标数据的线性校正方法,前者计算量小但校正精度差;后者虽然可以达到理想的校正精度,却是以计算量的剧增为代价的。针对两点多段法校正精度受分段数控制这一缺陷,改进了传统的两点多段校正算法。使用自动分段在获得满意的校正精度的同时减少计算量和存储空间。进而结合两点法的思路提出复合型两点多段校正算法,分别使用两点法和改进的两点多段法对不同的光敏元进行处理,进一步在保证校正精度的同时提高计算速度。     

基于场景的红外探测器非均匀性校正方法的分析

红外探测器中的非均匀性校正是红外成像系波器法三种基于场景的非均匀性校正算法,通过利用图像序列并依赖帧间运动对焦平面阵列的非均匀行进行校正,并与两点法比较,分析三种方法的优缺点.     

含运动目标的红外图像非均匀校正算法

通过分析运动目标对基于图像配准的非均匀校正算法校正效果的影响,基于相邻帧之间运动目标辐射强度不变的假设,提出含运动目标的红外图像非均匀校正算法。通过临近帧补全运动目标遮挡的场景,消除运动目标的影响,进行非均匀校正得到场景校正帧,再利用运动目标的辐射信息对各帧运动目标进行非均匀校正,最终得到全图校正帧。仿真和实测红外图像校正实验表明：算法能够很好地解决含运动目标的红外序列图像的非均匀校正问题。     

基于缓变场景的复杂神经网络非均匀性校正

针对遥感数据定量化应用对多元红外探测器非均匀性校正的高精度需求,提出了一种基于缓变场景的复杂神经网络非均匀性校正算法,在两点校正基础上,进一步降低图像非均匀性。与经典BP神经网络非均匀性校正及其改进算法相比,复杂神经网络非均匀性校正算法突破单一层学习神经元结构限制,采用双层学习神经元结构,第一层学习神经元采用大邻域中值滤波作为期望函数,第二层学习神经元采用小邻域均值滤波作为期望函数,通过多层学习神经元配合,兼顾非均匀性校正效果并避免图像边缘模糊。经实拍红外图像非均匀性校正实验证明,复杂神经网络校正与经典BP神经网络校正相比,取得了更好的非均匀性校正效果,非均匀性评价结果UN=0.75%,次优算法非均匀性评价结果为UN=0.77%,与次优算法相比,复杂神经网络校正算法有更高的像素平均梯度评价值,达到28.49,而次优算法只有28.30,非均匀性评价结果低并且像素平均梯度高说明复杂神经网络校正算法在降低图像非均匀性同时更好地避免了图像边缘模糊：这是复杂神经网络校正算法采用双层学习神经元的特点与优势。方法改善了多元红外探测器非均匀性校正的效果,提高了红外遥感图像的质量,促进了红外遥感的应用。     

长线列红外探测器非均匀性校正技术研究

实时非均匀性校正是红外应用领域的关键技术之一。随着制作材料和加工工艺水平的提高,目前长线列红外探测器像元读出通道越来越多,虽然单通道像元读出速率不是很高,可是合并像元读出速率相当高,非均匀性校正的速度设计成为此类红外系统应用的瓶颈性问题,结合以往的研究成果和目前电子器件的发展水平,对若干种解决方案进行了比较。利用FPGA器件并行性的特点,对以往FPGA校正方案进行了改进,实验结果表明,该改进设计方案是完全可行的。该设计思路不光可以应用到更高性能线列红外探测器的非均匀性校正设计中,而且可以移植到类似的信号处理系统中,具有很大的工程应用价值。     

基于Camera Link的红外焦平面探测器的图像采集

红外焦平面探测器的不断发展,使得红外成像测温在诸多领域有广泛应用.红外图像采集存在数据量大、采样频率高等问题,针对FLIR公司的TAU336红外焦平面探测器,设计了基于Camera Link标准的高速红外图像采集系统.系统采用FPGA作为主控单元,详细讨论了FPGA逻辑控制系统设计中Camera Link接口技术、图像数据的高速缓存与显示技术等关键技术问题.实验结果证明,该系统结构简单、编程灵活,能够实现对被测物体进行长期观测的红外图像数据的采集.     

一种自适应非均匀性校正算法

针对神经网络非均匀性校正算法(NN-NUC)存在的鬼影问题,分析了其形成的机理,提出一种自适应非均匀性校正算法.首先设计了一个去噪保边的高斯低通-三边联合滤波器;然后采用该滤波器取代NN-NUC算法的均值滤波器获取期望图像,以减少边缘像素估计误差,达到抑制鬼影的目的.采用仿真和实际红外图像序列进行实验的结果表明,该算法在有效地抑制鬼影的同时获得了较好的非均匀性校正效果.     

基于FPGA的两点非均匀校正模块的设计与实现

两点校正算法是一种行之有效的红外图像非均匀校正方法.本文对两点校正算法进行了分析,并推导出了该算法的定点表示形式.利用FPGA在硬件上实现了该算法,内部采用流水线技术,校正系数存储在FPGA的片内存储器中并实现了盲元补偿.仿真和实验结果证明该设计是可行的,达到了预期效果。     

红外焦平面阵列传感器中带隙基准源的设计

本文提出一种适用于红外焦平面阵列传感器的高精度BiCMOS电压基准和电流基准设计方案。该方案采用新型电压基准输出级降低Brokaw带隙基准源中的厄尔利效应使电流镜电流完全匹配,同时减小电压基准的输出阻抗;接着利用共源共栅结构的偏置电流提高带隙基准的电源抑制（Power Supply Rejection,PSR）特性;最后通过四个MOSFET管将基准电压和电阻电压钳制相等,进而得到一个高精度、低温度系数的电流基准;而以单个二极管连接的MOSFET作为电流基准启动电路的方式,可更进一步降低电路复杂性。系统采用CSMC 0.5um BiCMOS工艺,利用Cadence Spectre工具对电路进行仿真。结果表明,在电源电压5V,-40°C到125°C温度范围内,基准电压和基准电流的温度系数分别为13.11ppm/°C和31.18ppm/°C,输出电流波动低于0.5%,整体电路的PSR为-86.83dB,解决了恒定跨导基准源精度低的缺陷,符合红外焦平面阵列对基准源高精度、高PSR和低功耗的要求。     

基于蜂群算法任意平面阵最大信干噪比研究

针对复杂战场环境下超短波电台天线接收低信噪比信号能力弱和易受定向干扰的缺陷,结合战场超短波电台不规则分布和位置不能任意改变的特点,提出任意结构天线阵信号接收模型,采用蜂群算法优化阵元相位使得天线阵输出信干噪比最大。假设信噪比为0 dB,干噪比为60 dB,且在平面内随机选取8个阵元,采用蜂群算法优化后输出信干噪比为8.633 dB。与改进差分进化算法、遗传算法和粒子群优化算法相比,分别提高了0.577 dB、1.124 dB和1.543 dB。研究成果可为超短波电台组阵通信提供参考。     

基于混合滤波和节点自适应校正模型的测距算法

采用混合滤波法过滤异常的RSSI值并估算优值,由节点自适应校正模型消除路径衰减因子,解决了RSSI测距误差较大的问题。由此提出了基于混合滤波和节点自适应校正模型的测距算法。通过实验证明,混合滤波优于常用的几种滤波法,节点自适应校正模型无需测试路径衰减因子,能直接适用于不同环境,并且随着节点个数的增加,测距误差会进一步降低。相比于未采用此模型的情况,该算法能大大降低测距误差和成本,提高RSSI测距的实用性。     

基于微分麦克风阵列的自适应语音增强算法研究及DSP实现

自适应滤波是语音增强算法中的常用技术, 而算法复杂度与收敛速度是设计各种自适应算法需要首要考虑的问题. 本文提出一种用于片上的语音增强自适应滤波新算法. 该算法分两步实现, 首先, 利用一阶微分麦克风阵列, 获得噪声的实时估计; 其次, 对传统的仿射投影算法(Affine projection algorithm, APA)加以改进, 得到计算误差向量的快速算法, 并根据估计误差动态调整搜索步长以及仿射投影维数, 对带噪语音进行自适应滤波消噪. 在TMS320VC5509 DSP芯片上实现该算法. 实验表明, 算法的自适应滤波过程具有接近递推最小二乘算法(Recursive least squares, RLS)的快速收敛速度, 以及类似最小均方误差算法(Least mean squares, LMS)的低算法复杂度.     

一种基于优化的自适应遗传算法的粒子滤波算法

针对粒子滤波的粒子退化现象及多样性损失问题,提出了一种新的基于优化的自适应遗传算法的粒子滤波算法。该算法首先依据每个采样时刻生成的粒子集合重要性权值作为适应度值,自适应的确定交叉、遗传的概率;然后对选出的粒子进行遗传操作,重新度量其粒子的权值并进行状态估计。该方法不仅保留了粒子的多样性,而且相对于普通的基于自适应遗传算法的粒子滤波算法,降低了高权值粒子交叉和变异的可能,使粒子的采样更接近于状态后验概率密度分布。实验结果表明,该算法有效提高了滤波精度。     

一种改进的自适应优化粒子滤波算法研究

粒子滤波算法在非线性滤波领域受到广泛关注,但是该算法存在样本退化问题.为了改进粒子滤波算法的性能,这里结合自适应优化机制对粒子滤波算法的建议分布选择机制及重采样技术进行改进.对于粒子滤波的建议分布选择,提出一种基于自适应退火参数优化的混合建议分布方法.通过混合建议分布不足的分析,利用退火参数来优化控制状态转移先验分布函数和观测似然函数之间的比例,同时,基于自适应参数优化机制来动态调整退火参数的值.对于粒子滤波的重采样,提出了基于部分分层重采样优化算法的自适应重采样技术.通过有效样本大小的评估来执行自适应重采样策略,此外,基于部分分层重采样算法,利用权重优化的思想对其重采样前后权重计算的方法进行优化.通过相关算法的性能比较,所提改进粒子滤波算法的有效性得以验证.