共查询到19条相似文献,搜索用时 328 毫秒
1.
2.
3.
红外焦平面成像质量受材料生长及器件制备工艺的影响,易出现盲元、条纹噪声等缺陷。条纹噪声经常会导致盲元的检测偏差,准确的盲元检测对于后续图像处理具有重要意义。利用双密度双树复数小波分解的多方向性小波系数,结合广义高斯分布将高频小波系数按照对条纹噪声影响程度分别赋予不同权值并进行单支重构,消除了条纹噪声对盲元检测的影响,得到初步干净的预处理图像,进而对预处理图像运用3准则进行盲元检测。通过短波HgCdTe红外焦平面成像的实践验证,该方法对具有条纹噪声特征的红外图像盲元检测更加准确。 相似文献
4.
5.
盲元的存在严重影响了红外相机的成像质量,基于场景的盲元检测与补偿方法可以有效地解决此类问题。本文提出了一种改进的局部“3σ”方法,通过计算图像的三维噪声获得图像的平均噪声,据此得到盲元检测的最小判据,然后采用局部“3σ”方法和中值滤波法对盲元进行实时的动态检测与补偿,并将该方法应用于自研的某中波红外相机中。对黑体成像实验的结果表明,本文方法与辐射定标法相比,盲元检出的重合度平均可以达到82%以上;与传统的局部“3σ”方法相比具有相同的盲元检测与补偿效果,但可以将盲元的过检率降低30%以上;地面及载机挂飞成像实验的结果表明,本文方法可以对盲元起到很好地抑制作用,红外相机的昼间和夜间图像均不存在明显异常的黑、白点,图像中景物细节丰富、图像质量优良。因此,本文方法可以对盲元进行实时的动态检测与补偿,在自研的中波红外相机中的运用是可行和有效的。 相似文献
6.
7.
8.
随着红外焦平面阵列技术的发展,凝视红外成像系统在很多领域得到了大量的应用,在这些应用中,非均匀性噪声及其校正方法是人们主要关注的一个问题。为了解决这个问题,从凝视红外成像系统非均匀性噪声的来源和频域特性出发,综合考虑了当前几种典型的基于定标和基于场景的非均匀校正算法的优缺点,结合盲元检测和补偿算法,提出了一种联合非均匀校正算法,并进行了实验验证。实验结果表明,该算法能够较好地解决成像系统非均匀性噪声随时间和工作环境漂移的问题,又能够保持较高的精度和收敛速度,具有较大的工程应用价值。 相似文献
9.
本文基于布尔序集相邻逻辑对称关系的二分枝树TBOS结构模型的研究,从中找出布尔序集相邻逻辑对称序列SBOS关系的内在规律,进而提出用SBOS构造的新方法,来实现N维布尔序集唯一相邻的逻辑路径问题。文中介绍了“对跳定界搜索”方法,对工程应用有着实际意义。 相似文献
10.
“与密钥模2~n加运算”的差分性质研究 总被引:1,自引:0,他引:1
“与密钥K模2n加”-Y=X+Kmod2n是密码算法中一个常用的基本编码环节,在SAFER++,RC6 Phelix等算法中有广泛的应用。该文对Y=X+Kmod2n进行了差分分析,首次给出了当差分转移概率取最大值1,次大值1-1/2n-2,次小值1/2n-2以及1/2时,输入差,输出差及密钥的结构特点和计数公式。 相似文献
11.
12.
13.
本文通过分析和比较同相和反相放大器En-In噪声的特点,给出了若干新结果。本文方法在低噪声运放电路设计和运放噪声参数提取中都具有十分重要的意义。 相似文献
14.
文中在概要介绍毫米波焦平面阵列成象探测器中存在的1/f 噪声的特性的基础上,深入分析了小波变换与1/f 噪声的关系,提出用小波分解的方法对毫米波焦平面探测器的1/f 噪声进行去相关处理,推导了相应的表达式。仿真结果表明可得到满意的效果。 相似文献
15.
正则化方法通过增加先验信息约束实现合成孔径雷达(SAR)图像的超分辨和噪声抑制,为目标识别提供了更高质量的图像信息。该文通过对基于lk范数的SAR复图像域正则化方法迭代过程的分析,揭示其增强分辨率的内在机理,并针对原有方法在不同强度散射点条件下分辨率提高不一致的问题,提出采用可变的正则化参数对其进行改进。仿真数据和MSTAR实测数据的实验结果证实了改进方法的有效性。 相似文献
16.
17.
根据本文作者之一(1991)提出的SBOS相邻逻辑对称序列的性质,给出确定SBOS对称序列左右界两顶点子集的一个通项公式。这对于利用“对跳定界搜索”法快速实现SBOS对称序列,提供了一个选择定界范围和实用算法的依据。 相似文献
18.
19.
Turgay Celik 《Journal of Visual Communication and Image Representation》2010,21(8):965-974
In this paper, we propose a novel method for unsupervised change detection in multi-temporal satellite images of the same scene using Gaussian mixture model (GMM) and genetic algorithm (GA). The difference image data computed from multi-temporal satellite images of the same scene is modelled by using N components GMM. GA is used to estimate the parameters of the GMM. Then, the GMM of the difference image data is partitioned into two sets of distributions representing data distributions of “changed” and “unchanged” pixels by minimizing a cost function using GA. Bayesian inference is exploited together with the estimated data distributions of “changed” and “unchanged” pixels to achieve the final change detection result. The proposed method does not need any parameter tuning process, and is completely automatic. As a case study for the unsupervised change detection, multi-temporal advanced synthetic aperture radar (ASAR) images acquired by ESA Envisat on the recent flooding area in Bangladesh and parts of India brought on by two weeks of persistent rain and multi-temporal optical images acquired by Landsat 5 TM on a part of Alaska are considered. Change detection results are shown on real data and comparisons with the state-of-the-art techniques are provided. 相似文献