排序方式: 共有27条查询结果,搜索用时 15 毫秒
1.
2.
3.
基于神经网络的红外焦平面非均匀性自适应校正算法 总被引:8,自引:1,他引:8
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. 相似文献
4.
5.
提出了一种基于积分投影技术的抗噪声实时图像配准算法.该算法通过将图像序列中的每一帧图像分别沿水平和垂直方向进行积分投影形成两个积分投影向量,并应用基于梯度的一维平移估计技术处理,从而精确地获取二维空间上的平移量.实验证明,该算法具有较好的抗噪声性能和较小的计算量,尤其适合硬件实时实现. 相似文献
6.
针对现有场景自适应非均匀性校正方法存在的图像过平滑和非均匀性残留问题,提出了一种基于级联残差学习的非均匀性校正方法。该方法将多尺度特征提取单元所获取的特征进行融合,并运用残差学习策略解决深度神经网络的过拟合问题。实验结果表明,该方法在平均峰值信噪比上较传统的场景自适应校正方法有近5dB的提升,主观视觉效果也更加清晰锐利。 相似文献
7.
提出了一种基于运动图像分析的红外焦平面阵列疵点补偿算法,它利用序列图像帧间的相关性,通过对相邻两帧图像进行运动分析,获取图像中目标的运动参数,再通过运动参数,将当前图像中的疵点对应到前一帧图像相应的位置,并用前一帧相应位置像素的灰度对疵点进行补偿.该算法克服了邻域疵点补偿算法无法保持目标边缘的缺点,其补偿效果优于邻域补偿算法的效果. 相似文献
8.
9.
10.
为检测强云杂波背景中的红外弱小运动目标,结合反锐化掩模理论,提出了一种基于曲线波变换的多尺度反锐化掩模红外图像云层背景抑制新方法。首先,根据红外目标和背景杂波的特性,采用二代曲线波变换对图像进行多尺度、多方向分解,提取图像的多尺度和方向细节特征,然后,根据目标和背景杂波子带系数的差异,通过应用反锐化掩模理论调整分解后的各子带系数,从而将红外图像中弱小目标信号和背景杂波分离,达到抑制背,景的目的。实验结果显示,与最大中值(MMed)和二维最小均方误差(TDLMS)方法比较,该方法对信杂比较低的红外弱小目标复杂云层背景从主观视觉和数值指标都具有良好抑制效果。 相似文献