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。     

红外图像非均匀性校正算法评估

红外图像非均匀性校正算法的选择直接影响成像质量和实现的难易程度.通过采集到的红外图像,对常用的几种非均匀性校正算法进行了定量分析和定性比较,结果发现,两点非均匀性校正算法、两点与LMS综合算法均有较好的校正效果,但综合算法具有更小的剩余非均匀性.非均匀性的评估为红外图像处理算法的选择提供了依据.     

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FPGA的直方图投影增强算法

在凝视非制冷焦平面热像仪中,为了获得清晰的红外图像,必须对焦平面器件进行非均匀性校正和盲元填充,同时为了提高识别细小目标和特殊目标的能力,要对原始的红外图像进行图像增强等处理．本文给出了基于FP-GA实现的图像处理算法,该算法硬件实现结构合理、充分利用流水,时间耗费和逻辑单元的耗费都比较小,是比较优秀的FPGA硬件结构设计实现的算法．     

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.     

光谱仪焦平面阵列非均匀性校正的研究

针对成像光谱仪相关技术要求,对辐射源定标焦平面阵列非均匀性校正的数学方法进行了深入研究,导出了适于成像光谱仪应用的相关算法并分析了其特点,实验结果表明焦平面阵列非均匀性校正算法能有效提高成像光谱仪干涉图的成像质量,显著提高光谱复原的精确性.     

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。     

基于BP神经网络的焦平面阵列的非均匀性校正

传统的基于BP神经网络的非均匀性校正算法由于采用了四邻域均值代替期望值,使得图像呈现低通的特性.本文针对红外焦平面阵列成像系统,对传统的神经网络算法进行了改进,将加权中值滤波处理后的结果作为期望输出,并在神经网络算法中权值修正时加入了动量项,加快了算法的收敛速度.通过仿真实验,与传统的神经网络相对比,校正效果得到明显的改善.     

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。     

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。     

改进卡尔曼滤波的IRFPA非均匀性校正算法

提出一种改进的卡尔曼滤波的IRFPA非均匀性校正算法,该算法使用求逆引理对传统迭代公式进行求逆变换,使用误差协方差逆阵形式实现迭代过程,使算法计算复杂度由nk×nk阶矩阵求逆降低至nk维对角矩阵求逆,简化了传统卡尔曼滤波算法的递推过程,提高了实时性能．通过对实际采集的红外图像序列进行仿真实验,结果表明：该算法在继承传统校正算法校正精度的同时,兼顾提高了算法校正速度,运行效率可以提高至2倍．     

采用MCU多层神经网络模型设计探讨

介绍了多层神经网络模型及BP学习算法,并以解决XOR问题为例,系统讨论了采用MOTOROLA单片机MC68HC11A8的多层神经网络模型的硬件设计与程序流程,进一步讨论了硬件设计中量化误差、算法的非线性等对系统性能的影响,以及应采取的措施。     

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。     

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。