基于定标法的红外图像非均匀性校正

采用一点和两点定标法对实际红外凝视型系统图像进行了非均匀校正,运用客观评价的方法对两者的校正效果进行了比较：一点法算法简单,但其校正结果无法满足红外系统,而两点法校正后图像的非均匀性则能很好的满足系统的要求。     

红外焦平面阵列非均匀性校正算法的研究

红外焦平面阵列普遍存在非均匀性,会严重影响红外成像质量。对非均匀性的主要来源和表现形式进行了探讨,介绍了在工程应用中常用的校正方法,两点温度校正法、时域高通滤波法和人工神经网络法,给出详细的推导,并对几种校正算法进行了分析和研究,对这几种校正算法的优点和缺点进行讨论和综合对比,为进一步开展红外焦平面非均匀性校正提供参考意见。     

基于Nios红外图像实时非均匀性校正研究

针对红外成像系统在图像处理中所涉及的数据量大,实时处理难于实现的特点,运用Altera公司SOPC-Nios嵌入式软核心处理器技术,提出一种利用FPGA硬件实现红外焦平面阵列实时非均匀性两点校正的方法.该方法针对非均匀性校正关键的内部循环和耗时算法,创建Nios嵌入式处理器的定制指令,将复杂的顺序指令简化为硬件实现的单指令,用硬件实现校正算法,极大地提高了系统的处理速度和性能,有效地解决了红外成像技术中实时性难题.     

基于帧间运动的神经网络非均匀性校正及其硬件实现

为解决红外焦平面阵列的非均匀性噪声制约红外成像质量问题,提出基于场景的神经网络非均匀性校正算法,利用帧间运动的图像序列实现非均匀性校正.先采用基于投影的运动估计算法选取神经网络算法的学习参考帧,再进行偏置矩阵计算的基于帧间运动判断的神经网络非均匀性校正算法,有效克服了传统SBNNT由于运动不足产生的鬼影问题.算法已在以TMS320DM643为处理核心DSP硬件处理平台上实现,取得了较好的校正效果.     

基于遗传算法BP神经网络优化IRFPA非均匀性适应校正算法

本文具体研究了红外图像非均匀性校正算法中的基于场景类BP神经网络校正算法。针对BP神经网络算法运算量大、容易进入局部最小值、实时性能差的问题,提出利用遗传算法优化BP神经网络校正过程的算法。     

一种高精度CCD测试系统的非均匀性校正方法

针对高精度光电耦合器件(CCD)测试系统中像素的非均匀性给测试结果带来较大误差的问题,根据引起图像像素非均匀性噪声的特性,建立了对应的图像模型.采用自适应阈值分割算法将图像二值化分离出有效使用像素,并提出了一种采用两点线性方法对非均匀性像素进行校正的算法.仿真实验采用高速面阵CCD采集由激光器发射的圆形光斑图像,并通过计算图像光斑的中心坐标进行了验证.结果表明,该算法能够将图像的复杂背景与光斑分离,可校正其像素的非均匀性,稳定光斑的像素灰度值.在相同条件下连续采集图像,图像光斑的中心坐标稳定.     

基于CPLD的图像传感器非均匀性校正

任何类型的图像传感器都存在着不可避免的非均匀性问题,非均匀性直接影响了传感器的成像质量及其应用范围.为此,讨论了多点校正方法的原理和算法,设计了基于复杂可编程逻辑器件(CPLD)的非均匀性校正实现方案,并针对CL512J型自扫描光电二极管阵列(SSPA)图像传感器进行了实时多点校正实验.结果表明,该校正系统能够将CL512J的非均匀性从40%降到2%.     

一种改进的自适应非均匀性校正算法

针对扫描型红外成像系统的特点,对局部恒定统计校正算法进行了研究和改进.新算法在原算法的基础上增加局部像素处理,可以单帧内完成非均匀性校正.仿真结果表明该算法能够有效地去除非均匀性引起的横条纹,并且算法具有很好的实时性,能够满足高速实时图像处理的要求.     

红外焦平面器件非均匀性校正的FPGA实现

提出了一种基于FPGA的红外焦平面非均匀性校正的实现方案。在系统中,采用基于黑体的两点校正的方案。另外,校正参数的获取,可以采用两种工作模式,通过存储器下载和在线计算校正参数。实验表明,这种解决方案可以实时完成校正处理,并有效地抑制了器件的非均匀性。     

一种新的红外焦平面阵列非均匀性校正技术

在分析了红外焦平面陈列非均匀性的噪声特性基础上,提出用噪声抵消的方法来对红外焦平面阵列的非均匀性进行自适应校正,针对实际图像进行了实验,结果表明该方法比神经网络法能得到更好的校正效果。     

基于场景的自适应红外焦平面非均匀校正技术

为提高基于场景的自适应算法性能,根据图像非线性滤波理论,提出采用中值滤波进行图像前处理的自适应红外焦平面校正技术。该算法经过仿真图像序列和实际图像测试,达到较高的非均匀校正水平,降低了固定图案噪声,保护了图像细节。同时算法具有计算复杂度低,可以有效获得随帧数变化的探测器增益和偏置参数。     

基于AOTF的高光谱偏振红外焦平面非均匀性校正

针对在高光谱偏振成像系统中,由于红外面阵探测器CCD像元响应的不均匀性引起像素误差,提出了一种适于AOTF的高光谱偏振红外焦平面非均匀性校正的方法。本文采用积分球进行辐射定标,分析输出辐照度和像元响应的关系,提出了曲线拟合方法,此方法加快了运算速度并使得输出非均匀性减小了90%以上。根据实验结果对粗糙度进行对比分析,场景的粗糙度降低了20%以上,得到在单色光和复色光下粗糙度一致,解决了在高光谱全偏振成像时CCD对其造成的影响,从而使得光谱精度更高。     

改进的神经网络非均匀性校正算法研究

针对传统神经网络非均匀性校正算法所存在的像素点期望值估计不准确、场景长时间静止时校正图像发生衰退以及校正图像出现鬼影的问题,在原有的神经网络算法的基础上做了进一步的改进。主要包括三个部分:首先,计算场景的局部方差,设置合理判断阈值,区别不同的场景区域;再通过比较前后两帧场景的绝对误差值,判别场景是否静止,来控制校正参数是否更新;然后利用图像配准的方法,计算出帧间位移,对校正步长做出修正。最后与传统神经网络算法进行对比实验,结果表明,改进的神经网络算法在鬼影抑制和非均匀性校正方面都具有较好的效果。     

光锥耦合对ICCD响应不均匀性的影响分析

为提高光锥耦合ICCD成像系统的光响应均匀性,对光锥耦合过程造成光响应不均匀性的机理进行了分析,并用微观图解的方法清晰剖析不均匀性的产生机理. 从CCD光敏元、光锥纤维、像增强器光纤面板输出面的微观结构出发,通过实测图像合成,模拟再现了不均匀性的产生过程,分析了其主要因素,阐明了不均匀度的严重性,提出了通过减小光锥光纤直径改善ICCD的响应不均匀性的解决方案.     

基于仿真图像的相对辐射校正方法评价方案

提出了一种基于仿真图像的相对辐射校正方法评价方案。该方案从传感器像元间辐射不一致的产生机理出发,通过仿真得到辐射不一致影响的图像。由于待校正图像的"真实"目标信息已知,使得评价相对辐射校正方法缺乏客观标准的问题得到了很好地解决。采用校正后图像和原始目标的线性拟合度作为评价算法性能的指标。实验结果显示,该方案对相对辐射校正算法的评价与目视效果和理论分析是吻合的,能够准确地评价相对辐射定标算法的优劣。