小波变换的红外焦平面阵列非均匀性校正算法

红外焦平面阵列(IRFPA)的非均匀性是其应用中必须解决的技术难题之一。基于小波理论,提出了一种基于成像场景的红外焦平面非均匀性校正算法。该算法选择合适的小波函数对红外成像序列进行小波分解,而后对分解的信号计算出相应的统计量,从而得出红外焦平面非均匀性校正的偏置和增益校正系数,以此最终实现非均匀性校正。对真实红外序列图像的处理效果验证了该算法可较好地实现非均匀性校正。此外该算法对慢变化量具有较好的自适应性,可较好地抑制一般基于场景统计的非均匀性校正算法中出现的"人工虚影"的现象。     

一种新的基于平稳小波变换的红外焦平面非均匀性校正技术

在分析固定图案噪音频率分布的基础上,提出了一种利用平稳小波进行非均匀性校正的方法.选择合适的小波函数对红外图像序列进行分解,从而估计出非均匀性校正的增益和偏置系数,最终实现红外焦平面阵列的非均匀性校正.利用小波的多分辨性质,提高了低频部分的频率分辨率,有效的抑制了一般基于场景统计校正算法中易于出现的“人工鬼影”现象.用真实的红外图像序列进行了处理,实验证明了算法的优越性.     

基于非局部均值滤波与时域高通滤波的非均匀性校正算法

时域高通滤波非均匀性校正是一种典型的基于场景的红外焦平面阵列非均匀性校正算法,但其易产生"鬼影"现象,影响校正效果.本文在时域高通滤波校正算法的原理基础上,分析了其校正过程中"鬼影"现象产生的原因,即由于全部图像信息的叠加而导致静止场景被滤除且运动场景会在当前位置留下反转的图像,从而形成"鬼影".引入非局部均值滤波方法,提出了一种去"鬼影"的非局部均值滤波-时域高通滤波非均匀性校正方法.该方法首先采用非局部均值滤波将图像信息分离成高低频两部分(其中高频成分含有大部分噪音及非均匀性),并使用高频成分进行时域高通滤波算法中低通输出的递归运算,使得低通滤波后的图像含有较少的场景信息,从而可使校正输出图像含有较少的"鬼影"现象.采用两组真实红外序列图像进行验证,结果表明该算法不仅能获得较好的非均匀性校正效果,而且能较好地抑制时域高通滤波算法中的"鬼影"现象.     

一种新的基于场景的红外焦平面阵列非均匀性校正算法

设计了基于小波变换去噪、序列图像配准、正交最小二乘拟合的基于场景的非均匀性校正算法,该算法不仅能适应红外焦平面阵列非(IRFPA)均匀性随时间和环境变化而发生缓慢变化的情况,而且对一般基于场景分析的校正算法中形成的校正虚像也有很好的抑制作用.模拟实验结果验证了其有效性和先进性.     

基于扩展全变分的红外焦平面阵列非均匀性校正方法

针对传统的基于场景的红外焦平面阵列非均匀性校正算法收敛速度慢和校正精度不高的缺点,提出了一种基于扩展全变分的红外焦平面阵列非均匀性校正方法。在分析全变分算法的图像去噪性能的基础上,针对运动的红外图像序列,扩展了全变分的应用范围。通过最小化非均匀校正后图像的全变分,利用最陡下降法,得到计算增益量校正因子和偏移量校正因子的迭代公式。针对校正图像存在的鬼影现象,设计了一种自适应阈值控制的鬼影消除方法。实验表明:相较于目前已有的方法,该方法有效地去除了原始红外图像的固定图案噪声,较大程度地保留了图像细节信息,提高了图像质量。     

基于场景的红外焦平面阵列非均匀性评价方法

针对红外遥感图像非均匀性的定量评价问题,研究了基于场景的红外焦平面阵列响应非均匀性的定量评价方法。利用真实红外遥感图像序列量值分布的特点,针对小序列图像提出了基于序列排序和小波变换的标准图像构建算法;结合非均匀性评价指标,提出了利用构建标准图像的响应非均匀性对红外图像的非均匀性进行定量估计;分别利用黑体定标实验和统计方法对标准图像构建算法进行了验证,同时进行了不同校正算法的剩余非均匀性评价实验。结果表明,128frame序列构建得到的标准图像的非均匀性分别比同温黑体图像小0.92%,比统计标准图像大0.59%。该方法可用于定量估计红外遥感图像的非均匀性。     

基于时域矩匹配的红外图像自适应非均匀性校正EI北大核心CSCD

非制冷红外焦平面阵列的响应非均匀性通常表现出与条带噪声相类似的特性。基于场景的校正算法是提高图像质量,补偿响应特性漂移的有效措施。在深入研究矩匹配理论的基础之上,提出了一种新的时域矩匹配非均匀性校正方法。利用相邻帧矩匹配后的图像对场景的变化列进行估计,并在时间域对校正参数进行自适应更新。利用真实的红外图像序列验证了该算法在收敛速度和去鬼影方面的优越性和有效性。     

基于时域矩匹配的红外图像自适应非均匀性校正

非制冷红外焦平面阵列的响应非均匀性通常表现出与条带噪声相类似的特性。基于场景的校正算法是提高图像质量,补偿响应特性漂移的有效措施。在深入研究矩匹配理论的基础之上,提出了一种新的时域矩匹配非均匀性校正方法。利用相邻帧矩匹配后的图像对场景的变化列进行估计,并在时间域对校正参数进行自适应更新。利用真实的红外图像序列验证了该算法在收敛速度和去鬼影方面的优越性和有效性。     

基于自适应滤波的红外焦平面阵列非均匀性校正算法

 红外探测器响应漂移特性会降低红外焦平面阵列（IRFPA）非均匀性校正的精度。针对该问题提出了一种基于场景的IRFPA非均匀性校正算法。该算法利用所获得的序列成像场景信息,采用一种基于快速自适应滤波器的最优化递归估计方法来获得非均匀性校正参数,并利用当前的成像信息来更新校正参数,以此降低探测器响应漂移特性对非均匀性校正的影响。算法仿真实验显示,对非线性参数为26.12%的同一图像,使用该算法、两点校正算法和卡尔曼滤波校正算法校正1 h后,可分别将非线性参数降至1.856%,3.122%和1.893%,说明该算法可获得稳定而较好的非均匀性校正效果。     

基于三次样条插值的IRFPA非均匀性校正算法*

针对红外成像制导跟踪系统工程应用的实际要求,对红外焦平面阵列工作在大动态范围条件下的非均匀性校正算法进行了深入研究,依据函数插值原理,导出了三次样条插值非均匀性校正算法.用模拟的非均匀性图像和实际的红外图像对算法进行了校验.结果表明该算法具有动态范围大、校正准确度高的优点,可对红外焦平面阵列实现非均匀性和非线性双重校正效果.     

An enhanced non-uniformity correction algorithm for IRFPA based on neural network

Influenced by detector materials’ non-uniformity, growth and etching techniques, etc., every detector’s responsivity of infrared focal plane arrays (IRFPA) is different, which results in non-uniformity of IRFPA. And non-uniformity of IRFPA generates fixed pattern noises (FPN) that are superposed on infrared image. And it may degrade the infrared image quality, which greatly limits the application of IRFPA. Non-uniformity correction (NUC) is an important technique for IRFPA. The traditional non-uniformity correction algorithm based on neural network and its modified algorithms are analyzed in this paper. And a new improved non-uniformity correction algorithm based on neural network is proposed in this paper. In this algorithm, the desired image is estimated by using three successive images in an infrared sequence. And blurring effect caused by motion is avoided by applying implicit motion detection and edge detection. So the estimation image is closer to real image than the estimation image estimated by other algorithms, which results in fast convergence speed of correction parameters. A comparison is made to these algorithms in this paper. And experimental results show that the algorithm proposed in this paper can correct the non-uniformity of IRFPA effectively and it prevails over other algorithms based on neural network.     

Guided filter and adaptive learning rate based non-uniformity correction algorithm for infrared focal plane array

Imaging non-uniformity of infrared focal plane array (IRFPA) behaves as fixed-pattern noise superimposed on the image, which affects the imaging quality of infrared system seriously. In scene-based non-uniformity correction methods, the drawbacks of ghosting artifacts and image blurring affect the sensitivity of the IRFPA imaging system seriously and decrease the image quality visibly. This paper proposes an improved neural network non-uniformity correction method with adaptive learning rate. On the one hand, using guided filter, the proposed algorithm decreases the effect of ghosting artifacts. On the other hand, due to the inappropriate learning rate is the main reason of image blurring, the proposed algorithm utilizes an adaptive learning rate with a temporal domain factor to eliminate the effect of image blurring. In short, the proposed algorithm combines the merits of the guided filter and the adaptive learning rate. Several real and simulated infrared image sequences are utilized to verify the performance of the proposed algorithm. The experiment results indicate that the proposed algorithm can not only reduce the non-uniformity with less ghosting artifacts but also overcome the problems of image blurring in static areas.     

基于FPGA的红外图像处理与实时显示系统研究

介绍了基于FPGA的红外图像处理与实时显示系统的工作原理。针对传统的红外焦平面阵列(IRFPA)非均匀性校正算法的不足，提出了对采用神经元法和两点线性法校正其非均匀性算法的改进，重点介绍了两点线性法的软硬件实现方式，该算法在Spartan系列FPGA上实现并获得成功。     

核密度估计时-空域滤波红外背景抑制方法

提出一种基于核密度估计的时-空域滤波算法,用于红外搜索跟踪系统图像的背景抑制。算法分为空域滤波和时域滤波两部分。在空域滤波中,采用核密度估计算法对背景进行平滑;在时域滤波中,采用核密度估计算法对经过空域滤波后的图像灰度值进行概率计算,判别属于背景残差的灰度值,然后做进一步的滤除。核方法对背景有很好的光滑性且易于计算机实现,实验表明,这种非参方法设计的时-空域滤波算法对背景杂波有非常良好的抑制效果,信噪比也得到明显提高。     

一种适用于红外搜索跟踪系统的实时非均匀性校正算法

针对目前红外搜索系统实用性较强的两点非均匀性校正存在难以实时跟踪图像非均匀的不足点,提出一种新的基于两点非均匀性校正和基于场景的实时联合校正算法。该算法利用两点校正提供基础校正系数,并充分利用红外搜索系统大数据量的特点,对实时数据量进行统计、分析,进而找出系统非均匀性随时间的漂移量,解决只采用两点校正算法带来的红外图像退化的问题。多次试验证明,采用联合非均匀校正算法的相对非均匀度由两点校正的5%降到了2%左右,并具有时间稳定性,获得了较好的校正效果。     

一种新的红外焦平面阵列非均匀性代数校正算法

 针对传统红外图像非均匀性代数校正算法收敛速度慢、运动估计精度不高的缺点,提出一种多尺度光流帧间运动估计的非均匀代数校正算法。通过时域低通滤波,采用多尺度光流估计下一帧图像,将所得图像对进行代数校正。该方法性能在自主研发的热像仪中得到验证,和传统的红外图像非均匀性代数校正算法相比,算法收敛速度从60帧提高到25帧,提高一倍左右,运动估计精度从校正后图像方差76.539减少到32.482。     

基于小波变换的图像混合噪声自适应滤除算法

为同时滤除图像中的椒盐噪声和高斯噪声,提出了一种基于小波变换的混合噪声自适应滤除算法,该算法首先采用中值滤波去除椒盐噪声,然后借助边缘检测算子区将图像为分边缘与非边缘区域,进一步对非边缘区域引入改进的均值滤波器,有效削弱高斯噪声的同时保护图像边缘细节,既初步削弱高斯噪声又保护了边缘,最后采用改进的小波阈值滤波算法,对不同的小波系数采用不同的阈值函数,通过线性回归得到各最优阈值关系式。实验结果表明,该混合噪声自适应滤除算法能有效滤除椒盐噪声和高斯噪声,在图像主观质量和客观质量上均取得了较好的效果,能提高去噪图像峰值信噪比0.5~2.0 dB。     

多尺度形态算子融合图像滤波技术及滤波质量评价

针对舰载红外警戒系统的红外和电视图像,提出了一种新的海空背景下受强杂波、噪声污染的图像目标滤波算法和滤波效果的定量评价算子。算法采用多尺度的形态算子对输入的图像并行滤波,大尺度形态算子抑制图像噪声,小尺度形态算子提取目标边缘细节信息。处理后的图像进行基于树状小波帧变换的图像信息融合,融合图像可完备提取不同尺度滤波后的图像信息。针对目标检测跟踪的图像滤波算法的评价,提出了目标与背景的交叉分辨力评价算子及评价准则。仿真实验表明。该滤波算法要优于中值滤波、自适应滤波、小波变换滤波算法,滤波质量的定量评价算法是合理的、有效的。算法适用于舰载红外警戒系统。     

一种基于恒定统计的红外图像非均匀性校正算法

对红外焦平面阵列成像系统而言,基于场景的非均匀校正技术是处理固定图案噪声的关键技术。现有的非均匀校正算法主要被收敛速度和鬼像问题所限制。提出一种新的基于恒定统计算法的自适应场景非均匀校正技术。利用红外图像序列的时域统计信息结合提出的α修正均值滤波来估计探测器的参数,通过减少样本的渐进方差估计,完成成像系统的非均匀性校正。通过模拟和真实的非均匀性图像对算法的性能进行评价。实验结果表明,在继承恒定统计算法快速收敛的同时,图像峰值信噪比较恒定校正法及常系数α校正算法分别有44.5%和32.9%的提升,图像鬼像问题有明显改善。     

基于MOS电阻阵列的红外目标模拟器非均匀性校正技术研究

红外成像目标模拟器是红外成像半实物仿真系统中的关键组成部分,基于微机械技术发展起来的MOS电阻阵列是红外图像生成器的重要发展方向。其中红外图像生成的质量是设计和研制红外成像目标模拟系统需重点考虑的问题。多种原因导致电阻阵列具有一定的非均匀性,因此在使用之前必须对其进行非均匀性校正。结合实际应用,阐述了基于MOS电阻阵列的红外成像目标模拟器的非均匀性产生机理,建立红外目标模拟器的非均匀性修正数据库对红外目标模拟器的图像数据源进行校正和补偿,产生校正后的图像数据,完成对红外目标模拟器存在非均匀性的离线修正。