红外焦平面阵列非均匀性自适应校正算法中目标退化与伪像的消除方法

深入分析了红外焦平面阵列（1RFPA）非均匀性的神经网络校正法出现目标退化和伪像的成因，指出没有考虑目标边缘而盲目更新系数是产生问题的根源．在此基础上提出了防止目标退化和伪像的边缘指导的神经网络自适应校正方法（ED-NN-NUC）．仿真实验以及针对实际红外图像的实验结果表明，所指出的问题根源是正确的，提出的方法是合理有效的．     

一种改进的基于神经网络的红外非均匀校正算法

目前针对红外焦平面阵列(IRFPA)传统神经网络非均匀校正算法目标退化和收敛速度慢等问题,在综合分析传统神经网路相结合算法及基础上,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。该算法采用一点定标与神经网络相结合的方法,并对相应数据进行归一化以实现边缘清晰和收敛速度快等目的。仿真实验以及针对实际红外图像的实验结果表明,提出的方法是合理有效的。     

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.     

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。     

改进的神经网络红外图像非均匀性校正方法

为解决传统基于神经网络的红外图像非均匀校正算法存在的目标模糊、拖影等问题,提出了一种增强型神经网络方法。该方法首先采用边缘保护滤波器得到期望值,以达到利用景像的边缘信息来指导校正系数更新的目的,在此基础上,通过自适应学习率以稳定和加速学习过程,实验结果表明,该方法解决了目标模糊和拖影问题,同时有效改善了非均匀性校正的效果和效率。     

改进的神经网络红外图像非均匀性校正方法

为解决传统基于神经网络的红外图像非均匀校正算法存在的目标模糊、拖影等问题,提出了一种增强型神经网络方法。该方法首先采用边缘保护滤波器得到期望值,以达到利用景像的边缘信息来指导校正系数更新的目的,在此基础上,通过自适应学习率以稳定和加速学习过程,实验结果表明,该方法解决了目标模糊和拖影问题,同时有效改善了非均匀性校正的效果和效率。     

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.     

基于神经网络的IRFPA非均匀性校正新算法

传统的神经网络非均匀性校正算法简单、盲目地利用像元的四邻域平均估计期望信号,对空间低频噪声较大的IRFPA校正时难以获得满意的校正效果,针对其不足,提出了自适应加权平均滤波器,通过校正误差标准差阈值分配权值,提高期望信号的估计精度,新算法较原算法具有更强的校正能力,实验结果验证了其优越性。     

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。     

红外焦平面阵列非均匀性校正方法的研究

介绍了几种基于定标法和场景法的红外焦平面阵列非均匀性校正方法,重点对神经网络自适应校正方法进行了理论分析、算法改进和数据仿真.     

红外焦平面阵列非均匀性的校正方法研究

针对读出电路与探测器产生的非均匀性,并对递归最小二乘非均匀校正算法(RLS算法)进行扩展和改进,提高非均匀校正的精度和算法的收敛速度。首先对红外焦平面阵列的非均匀性进行建模仿真,根据建立的模型利用局部恒定统计法对读出电路产生的非均匀性进行校正,然后采用自适应中值滤波算法(RAMF算法)对图像进行预处理,从而提供给后续RLS算法具有较低噪声的图像,实现RLS算法对探测器的非均匀性校正。仿真结果表明提出的算法能够有效地抑制读出电路对校正精度的影响,消除图像的非均匀性,同时采用RAMF算法对图像的预处理过程,能够加快RLS算法的收敛速度,提高信噪比,获得较好的非均匀性校正效果。     

一种新的红外焦平面器件非均匀性自适应校正算法

提出了一种新的红外焦平面器件非均匀性自适应多点校正算法,该算法利用自适应滤波技术获取探测器在某一定标辐照度下稳定工作时的权值,并利用该权值去除探测器实时输出图像的温度漂移,最后对去除温度漂移的图像进行三次样条插值多点校正,具有校正精度高、动态范围大和易于工程实时实现等优点．     

基于场景自适应收敛非均匀性校正方法

收敛问题是基于场景非均匀性校正算法的一个共性问题,提出了一个能够自适应收敛的非均匀性校正算法,该算法的一个特点是只对非均匀性空间频率的高频部分进行处理,详细论述了该处理的优点,同时还提出了一个控制收敛速度的因子,使得算法的收敛速度根据场景的动态范围自动调整,这将很大程度的改善基于场景非均匀性校正算法收敛特性,最后通过实...     

基于PDE去鬼影的自适应非均匀性校正算法研究

针对基于场景的自适应校正算法普遍存在鬼影的问题, 分析了神经网络算法(NN-NUC)产生鬼影的原因,并在此基础上提出了用基于偏微分方程(PDE)的非线性滤波方法取代NN-NUC算法中邻域平均的方法来获取期望图像,从而减少边缘像素误差,达到消除鬼影的目的.采用实际采集的红外图像进行实验,结果表明,很好地消除了鬼影.与已有的几种去鬼影的方法相比,具有更快的收敛性.     

Combined Approach for Nonuniformity Correction in Infrared Focal Plane Array

A new algorithm of nonuniformity correction for infrared focal plane array(IRFPA) is reported,which is a combined algorithm based on both the two-point correction and artificial neural networks correction.The combined algorithm is calibrated by two-point correction,and the calibrated correction coefficients are automatically modified by BP algorithm.So it is not only calibrated,but also real-time processed.In adaptive nonuniformity correction algorithm,the phenomena ghost artifact and target fade-out are avoided by edge extraction.In order to get intensified image,the modified median filters are adopted.The simulated data indicates the proposed scheme is an effective algorithm.     

基于神经网络的改进型红外图像自适应非均匀校正算法

针对传统的基于神经网络的自适应非均匀性校正(Neural-Network-based Non-Uniformity Correction, NN-NUC)算法在 实际应用中存在校正能力有限和容易产生鬼影的问题,深入分析了NN-NUC算法中的鬼 影产生过程,并给出了抑制鬼影的一般性方法;然后结合实际红外成像系统的特点,提出 了一种改进型NN-NUC算法。仿真实验结果表明,该算法可以最大限 度地抑制场景鬼影的产生,并可有效减小系统输出图像的非均匀性噪声。此外,本文算法 计算量小,且易于用硬件实现,因此具有很好的工程应用价值。     

IRFPA非均匀性校正数学机理与仿真技术研究

针对红外成像系统的实际工程应用,阐述了红外焦平面阵列(Infrared Focal PlaneArray,IRFPA)非均匀性校正辐射定标的基本原理,推导出了红外焦平面阵列非均匀性校正属于函数插值或拟合的数学机理,给出了适于工程应用的相关非均匀性校正算法。同时,为了克服实际工作中研究设备不足等条件的限制,详细研究了红外焦平面阵列非均匀性校正的仿真技术,给出了有效的仿真算法。该仿真技术能够有效地满足实际工程中对非均匀性校正算法的验证与评估要求。     

红外焦平面非均匀性噪声的空间频率特性及空间自适应非均匀性校正方法改进

分析了红外焦平面阵列非均匀性噪声的空间频率特性,指出空间低频噪声为其中的主要成分．利用实际IRF—PA定标数据,也得出了相同结论．针对传统空域自适应校正方法去除低频空间噪声存在的不足,本文提出采用一点校正和空域自适应校正相结合的方法．实验结果表明,新方法在空间低频噪声占优时能获得好的校正效果．     

弱目标检测系统中红外焦平面阵列非均匀性校正算法的研究

提出了一种在弱目标检测系统中,线列或面阵红外焦平面的非均匀校正算法-基于可变积分时间和均衡噪声的两点现场校正算法.该算法充分结合了基于标定的校正算法和基于景象的校正算法的优点,考虑了焦平面阵列在不同积分时间下暗电流的变化、有效地均衡了各探测单元的噪声影响,使目标的信噪比达到了最佳效果.实验结果表明该方法在校正性能和对弱目标的提取能力上要明显优于两点校正算法.     

红外焦平面阵列非均匀性自适应校正算法研究进展

实现红外焦平面阵列非均匀性自适应校正是高级红外探测系统追求的重要目标,对提高红外探测系统的空间分辨率、温度分辨率、探测距离以及辐射量的正确度量具有重要意义.归纳总结了国内外关于凝视红外焦平面阵列非均匀性自适应校正算法的部分研究工作及其进展,比较了典型自适应算法的性能和适用条件,为进一步开展红外焦平面阵列非均匀性自适应校正研究提供参考意见.