一种积分时间自适应调整的非均匀性校正算法

提出一种实时校正方法,在非均匀性校正的过程中根据当前场景信息自适应调整积分时间.首先获取不同积分时间下的背景噪音并进行存储,根据特定的阈值控制积分时间的切换；进而将探测器输出减去相应积分时间下的背景噪音后作为神经网络的输入,从而不断地更新校正参量.这样既能有效弥补神经网络校正算法在低频噪音占优时的不足,降低由于积分时间改变引起的非均匀性,又能够补偿系统的温漂.对真实的红外图像序列实验表明,文中提出的算法在积分时间切换的同时可以得到合适的校正参量,并保证校正后的图像质量,能够实现实时校正.     

基于递推最小二乘的红外焦平面非均匀校正算法

根据递推最小二乘和图像配准原理,提出了基于递推最小二乘的红外焦平面非均匀校正算法（简称ILS算法）,有效降低算法的时间和空间复杂度,使噪音图像的校正处理能够实时完成.ILS算法具有噪音参量估计准确度高、收敛速度快和计算复杂度低等优点.给出了算法的推导并用仿真数据对算法的有效性进行验证.     

基于递推最小二乘的红外焦平面非均匀校正算法

根据递推最小二乘和图像配准原理,提出了基于递推最小二乘的红外焦平面非均匀校正算法(简称ILS算法),有效降低算法的时间和空间复杂度,使噪音图像的校正处理能够实时完成.ILS算法具有噪音参量估计准确度高、收敛速度快和计算复杂度低等优点.给出了算法的推导并用仿真数据对算法的有效性进行验证.     

基于焦平面归一化响应特性的红外非均匀性校正

红外焦平面阵列的非均匀性噪音是制约红外成像质量的主要因素,非均匀性校正是红外焦平面器件应用的一个关键技术.本文提出了一种基于焦平面归一化响应特性且易于实现的非均匀性校正算法,并基于像元分布的卡方直方图提出一种新的图像非均匀性评估方法,即校正比例.该方法的校正输出考虑了每个像元的观测值与焦平面的响应信号的平均值,校正参量通过将像元的输出与其理想校正结果之间的偏差用焦平面响应的平均值建立联系而计算得到.提出的校正比例兼顾考虑了焦平面响应的时间与空间特性,比现有的图像非均匀性评估方法更能合理衡量焦平面的非均匀性程度.多种非均匀性校正的评价数据以及实验结果表明,该算法的校正效果优于两点校正法与原值拟合二阶校正法,并对于响应异常的像元具有较强的校正能力.此外其校正准确度高,所需参量少,易于实时处理,具有较强的实用价值.     

基于四阶累计量的固定噪音参量估计

根据高斯噪音高于二阶的累积量为零的特性,提出基于四阶累计量的红外焦平面固定噪音乘性参量估计算法,完成从图象场景中自适应估计阵列单元的增益.利用泰勒级数展开给出乘性参量估计均值和方差的统计特性,证明算法给出乘性增益的估计为渐进无偏估计.提出的算法用蒙特卡罗仿真给予验证,证明了算法的有效性.并将提出的算法应用于实际图象的处理,有效降低了固定图案噪音,达到了较高的非均匀校正水平.     

基于焦平面归一化响应特性的红外非均匀性校正

红外焦平面阵列的非均匀性噪音是制约红外成像质量的主要因素,非均匀性校正是红外焦平面器件应用的一个关键技术.本文提出了一种基于焦平面归一化响应特性且易于实现的非均匀性校正算法,并基于像元分布的卡方直方图提出一种新的图像非均匀性评估方法,即校正比例.该方法的校正输出考虑了每个像元的观测值与焦平面的响应信号的平均值,校正参量...     

适应积分时间调整的红外图像非均匀性校正方法

针对应用常规红外图像非均匀性校正方法在变积分时间时,图像灰度值会发生改变的现象,提出了一种适应积分时间调整的红外图像非均匀性校正方法.该方法将不同积分时间、不同温度的黑体定标数据和对应的理论红外辐射量整合为一个整体数据库,借助神经网络损失函数和误差反向传递机制,对模型中的校正系数进行学习.训练得到的校正网络能在红外相机积分时间实时调整过程中,保证图像均匀地稳定输出,对后端红外图像处理有着重要意义,并验证训练该网络不需要大量定标数据.而针对红外探测器响应漂移的现象,则提出了在线修正校正系数的方法以有效应对.     

基于变积分时间的红外焦平面非均匀性校正算法研究

针对两点温度定标算法在应用过程中曝露的问题,提出了基于变积分时间的红外焦平面非均匀性校正算法.该算法先对图像进行非线性压缩,转换为线性图像,再利用红外焦平面阵列探测元的响应特性与积分时间之间的关系,采用改变积分时间的方法拟合红外焦平面探测器的平均响应特性曲线,进行两点校正,然后对结果进行取指数操作,即得到原图非均匀校正后的图像.分别利用两点温度定标法和变积分法对航拍红外图像进行校正效果验证,同时进行了不同校正算法的非均匀性适应性评价实验.实验结果表明新算法计算量小,校正准确度高,反应速度快,并在一定程度上解决了大动态范围下响应非线性对校正性能的影响,具有很好的工程应用价值.     

基于变积分时间的红外焦平面非均匀性校正算法研究

针对两点温度定标算法在应用过程中曝露的问题,提出了基于变积分时间的红外焦平面非均匀性校正算法.该算法先对图像进行非线性压缩,转换为线性图像,再利用红外焦平面阵列探测元的响应特性与积分时间之间的关系,采用改变积分时间的方法拟合红外焦平面探测器的平均响应特性曲线,进行两点校正,然后对结果进行取指数操作,即得到原图非均匀校正后的图像.分别利用两点温度定标法和变积分法对航拍红外图像进行校正效果验证,同时进行了不同校正算法的非均匀性适应性评价实验.实验结果表明新算法计算量小,校正准确度高,反应速度快,并在一定程度上解决了大动态范围下响应非线性对校正性能的影响,具有很好的工程应用价值.     

基于帧间预测的红外焦平面阵列非均匀校正算法

提出了一种基于帧间预测的非均匀校正算法,它可以通过场景配准从当前已校正图像中估计出下一帧未校正图像的真值,然后将所得的场景估计与相应的噪音图像用于线性拟合,其拟合参量即可用来进行非均匀校正.该方法的主要优点在于抗噪音能力强,预测准确度高,且能够实时处理.详细阐述了算法的基本原理及其流程,并用真实红外数据对算法性能进行验证,取得了较好的效果.     

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.     

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。     

An improved POCS super-resolution infrared image reconstruction algorithm based on visual mechanism

The traditional projection onto convex sets (POCS) super-resolution (SR) reconstruction algorithm can only get reconstructed images with poor contrast, low signal-to-noise ratio and blurring edges. In order to solve the above disadvantages, an improved POCS SR infrared image reconstruction algorithm based on visual mechanism is proposed, which introduces data consistency constraint with variable correction thresholds to highlight the target edges and filter out background noises; further, the algorithm introduces contrast constraint considering the resolving ability of human eyes into the traditional algorithm, enhancing the contrast of the image reconstructed adaptively. The experimental results show that the improved POCS algorithm can acquire high quality infrared images whose contrast, average gradient and peak signal to noise ratio are improved many times compared with traditional algorithm.     

改进Fast-RCNN的双目视觉车辆检测方法

针对不同空间尺度的车辆表现出显著不同的特征导致检测算法效率低、准确性差且单目难以准确获取车辆距离信息的问题,提出了一种改进Fast-RCNN的汽车目标检测法,利用双目视觉对车辆进行测距。首先利用双目立体相机采集前方图像并进行预处理,加载深度神经网络Fast-RCNN的训练数据,再针对汽车不同空间尺度引入多个内置的子网络,将来自所有子网络的输出自适应组合对车辆进行检测,然后利用SURF特征匹配算法进行左右图像的立体匹配,根据匹配数据进行三维重建并确定车辆质心坐标,从而测量出车辆与双目相机之间的距离。实验结果表明,所述算法可以实现对车辆的快速检测,检测时间比传统的Fast-RCNN缩短了42 ms,并且实现了对5 m范围车辆距离的准确测量,其误差仅为2.4%,精确度高,实时性好。     

基于炉口辐射和改进神经网络的转炉终点预测模型

针对国内外转炉炼钢终点控制的现状,建立了一种用于终点预测的神经网络模型.以炉口辐射信息获取系统为实验平台,运用光纤谱分复用和颜色空间模型转换技术.分析发现了光谱与图像信息特征量在吹炼过程中晕现出中前期类似、末期相反的规律.从得到的特征规律曲线中选用一些关键特征量,在改进的修正系数算法基础上,进行了模型的训练和预测分析.实验结果表明:响应时间在2 s以内,满足快速判定的时间要求;改进算法的模型预测精度高于常规算法,该系统可以止常工作在转炉炼钢的恶劣环境下,达到了预期效果.     

基于L-M算法的反向传播网络的湿度传感器输出误差补偿研究

针对湿度传感器的输出非线性问题,提出了基于L-M算法建立BP神经网络进行补偿校正,实现电阻湿度传感器的输入与输出非线性补偿,并与共轭梯度算法、拟牛顿算法所建立的神经网路模型进行对比,重点比较了模型误差性能、收敛速度。结果表明：基于L-M算法建立的神经网络模型,在收敛速度、误差性能等方面具有更高效的表现,更适合湿度传感器的非线性特性的补偿校正。     

A new adaptive nonuniformity correction algorithm for infrared line scanner based on neural networks

The striping pattern nonuniformity of the infrared line scanner (IRLS) severely limits the system performance. An adaptive nonuniformity correction (NUC) algorithm for IRLS using neural network is proposed.It uses a one-dimensional median filter to generate ideal output of network and can complete NUC by a single frame with a high correction level. Applications to both simulated and real infrared images show that the algorithm can obtain a satisfactory result with low complexity, no need of scene diversity or global motion between consecutive frames. It has the potential to realize real-time hardware-based applications.     

基于数学形态学的弱点状运动目标的检测

提出了一种新的基于数学形态学的红外图像序列中弱点状运动目标的非参数检测算法。采用数学形态学抑制背景杂波干扰和增强目标,用沿时间轴投影和二维空域搜索代替复杂的时空三维搜索形成组合帧,然后在每条可能的轨迹上将进行目标能量累加,实现了一种快速检测前跟踪(TBD)检测算法。仿真实验表明:在恒虚警概率条件下,该检测算法能高效地检测信噪比约为2的弱点状运动目标,检测性能对噪声分布不敏感,能精确地得到目标的即时位置和速度信息,适合于实时图像处理和目标探测,具有很高的实用价值。