基于非线性模型的卡尔曼滤波非均匀性校正算法

针对红外焦平面阵列探测单元响应的非线性对非均匀性校正的影响,利用探测器响应的非线性模型,对卡尔曼滤波非均匀性校正算法进行扩展和改进,以有效地克服响应非线性对校正精度的影响.该算法先对图像进行非线性压缩,转换为线性图像,再利用线性模型下的卡尔曼滤波算法实施非均匀校正,然后对其进行取指数操作,即得到原图非均匀校正后的图像.实验结果表明,该算法不仅继承了原算法利用场景信息来最优地更新校正参数的估计,解决了探测器偏置和增益漂移对校正影响,而且还在一定程度上解决了响应非线性对校正性能的影响,从而获得了较好的非均匀性校正效果.     

X射线图像增强器像元响应不一致性的分析及校正

X射线图像增强器像元响应不一致性是评定图像质量的重要指标,它将影响设备的探测能力和分类级别,因而很有必要对不一致性的进行校正。通过对不一致性产生机理的理论分析,建立了图像增强器的每个像元通道光电响应的对数曲线模型。基于该模型,提出了一种改进的两点校正算法。该算法首先将非线性响应转化为线性响应,然后用基于最小二乘的多点校正算法对线性数据进行校正。校正前后的图像及标准差给出了对比,实验结果表明了该校正方法的有效性。     

一种基于S曲线模型的红外焦平面阵列非均匀性自适应校正算法

针对红外焦平面阵列(IRFPA)中探测元的非线性响应以及响应特性的漂移引起的校正误差,提出了一种基于S曲线模型的场景自适应校正算法.该算法利用对数运算将IRFPA的输出信号线性化.并运用自适应滤波技术对线性信号实施非均匀性校正,并采用指数变换还原出实际的校正输出信号.基于人造黑体图像和实景红外视频的仿真实验结果表明.该算法在校正精度和大动态范围信号响应特性方面均优于传统的场景自适应校正算法.     

TDI CCD像元响应不一致性校正算法

线阵TDI CCD遥感相机的不一致性校正对获取高质量的图像来说具有重要意义。主要对TDI CCD像元响应不一致性的校正算法及其硬件实现进行了深入的研究。对CCD的噪声特性进行了详细的分析,给出了像元响应不一致性(PRNU:Pixel-response non-uniformity)的退化模型及校正算法,并对其计算精度进行了分析,在硬件电路上对校正算法进行了验证,详细分析了影响校正效果的各种因素。实测结果表明,校正后图像的信噪比得到显著提高。     

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。     

双近贴式X射线像增强器成像不均匀性的分析与校正

分析了双近贴式X射线像增强器响应不一致性的产生机理,对每个像元建立了光电响应的数学模型.基于该模型,提出了一种改进的多点校正算法.该算法将对数曲线模型转化为线性响应模型,通过基于最小二乘法的两点拟合算法对图像数据进行校正.对比分析了校正前后图像的背景标准差及灰度分布曲线,实验结果验证了该方法的有效性.     

光放大、控制与器件

TN1442007010646X射线图像增强器像元响应不一致性的分析及校正=A-nalysis and correction of XRII-CCD pixel response nonuni-formity[刊,中]/李俊江(北京航空航天大学机械与自动化学院.北京(100083)),路宏年…//光学技术.—2006,32(5).—779-781,784通过对不一致性产生机理的理论分析,建立了图像增强器的每个像元通道光电响应的对数曲线模型。基于该模型,提出了一种改进的两点校正算法。该算法首先将非线性响应转化为线性响应,然后用基于最小二乘的多点校正算法对线性数据进行校正。给出了校正前后的图像及标准差对比,实验结果表明…     

改进的基于积分时间定标的红外焦平面阵列非均匀性校正算法(英文)

红外焦平面阵列各探测元响应的非均匀性降低了图像的质量和温度分辨率,定标类和场景类校正算法为解决该问题提供了可行的途径.传统的基于黑体定标的校正算法由于其简单有效而被广泛使用,但是其缺点在于依赖黑体及其相关控温装置.本文提出了一种改进的基于积分时间定标的两级校正算法.在保持入射辐射不变的情况下,首先通过改变积分时间得到系列响应数据,然后利用最小二乘法估计出两点校正所需的初始校正系数,并对不同积分时间下的响应数据进行初校正,最后估计出一点校正系数.实验结果证明该方法具有计算量小、校正准确度高的优点,可取得优良的校正效果,并易于在硬件平台中实现.     

基于迭代误差补偿的混沌时间序列最小二乘支持向量机预测算法

本文分析了传统支持向量机预测算法产生的误差特性,发现产生的预测误差不同于噪声,具有较强的规律性,单一的预测模型遗漏了许多混沌序列中的确定性分量.经过误差补偿后,残差的冗余信息减少,随机性增强.在此基础上,本文提出一种基于迭代误差补偿的最小二乘支持向量机预测算法,能够通过多模型联合预测更加有效地逼近混沌系统的映射函数,在预测精度上取得了大幅度的提升.此外,算法通过留一交叉验证法的方法能够在预测前自动优化模型参数组合,克服了现有算法无法仅利用先验信息优化预测模型参数的缺陷.对MackeyGlass和Lorenz混沌时间序列进行了仿真实验,实验结果优于相关文献记载方法的预测性能,在性能指标上好于现有算法一个数量级.     

一种鲁棒的目标跟踪方法

针对传统特征光流场跟踪方法中由于误差积累和错误匹配而导致的特征点丢失问题,基于一种新的Harris-SIFT特征点表示方法,提出基于预测帧与关键帧的算法框架,实现了光流场运动估计与局部特征识别相结合的目标跟踪方法.预测帧利用塔式分解和递归算法计算特征点的光流场运动矢量,使用运动矢量直方图获取目标的运动矢量,并剔除误匹配点;当特征点数量小于5个时,关键帧使用Harris-SIFT特征点进行局部特征匹配,利用仿射模型对目标精确定位及姿态修正.实验结果表明,本方法对视频序列中的纹理特征目标跟踪的鲁棒性较好,在背景复杂、目标遮挡或暂时丢失情况下,仍可以继续完成目标的可靠跟踪.     

一种鲁棒的目标跟踪方法

针对传统特征光流场跟踪方法中由于误差积累和错误匹配而导致的特征点丢失问题,基于一种新的Harris-SIFT特征点表示方法,提出基于预测帧与关键帧的算法框架,实现了光流场运动估计与局部特征识别相结合的目标跟踪方法.预测帧利用塔式分解和递归算法计算特征点的光流场运动矢量,使用运动矢量直方图获取目标的运动矢量,并剔除误匹配点;当特征点数量小于5个时,关键帧使用Harris-SIFT特征点进行局部特征匹配,利用仿射模型对目标精确定位及姿态修正.实验结果表明,本方法对视频序列中的纹理特征目标跟踪的鲁棒性较好,在背景复杂、目标遮挡或暂时丢失情况下,仍可以继续完成目标的可靠跟踪.     

基于DE算法和NURBS曲线的ICP-AES光谱基线校正方法研究

电感耦合等离子体原子发射光谱(ICP-AES)分析法是一种常用的溶液元素浓度分析方法,但在ICP-AES测量过程中,由于温度漂移、杂散光和仪器暗电流等原因,光谱往往会存在一定程度的基线漂移,导致元素光谱强度值的测量结果存在误差,进而影响元素浓度的定量分析结果,因此基线校正是ICP-AES分析法中的必要环节之一。对传统光谱基线校正方法进行简要分析,在此基础上设计了一种基于非均匀B样条曲线和差分进化算法的ICP-AES光谱基线漂移校正方法;首先验证了光谱信号中噪声的概率密度分布服从高斯分布,然后对原始光谱进行预处理,通过高斯滤波对光谱信号去噪;然后以光谱基线校正过程中极小值序列的标准偏差作为评价指标,以非均匀B样条曲线作为基线模型,以曲线的控制点序列C和内接点序列T作为评价函数特征参数,建立ICP-AES光谱基线校正评价函数,将光谱基线校正问题转换为求解评价函数特征参数全局最优解的问题;最后简要介绍了差分进化算法的流程,通过差分进化算法求解使得评价函数取得最小值时的特征参数的全局最优解,即非均匀B样条曲线的控制点序列C与内接点序列T的取值,并以此拟合相应的非均匀B样条曲线作为光谱基线,实现...     

Three-step nonuniformity correction for a highly dynamic intensified charge-coupled device star sensor

A three-step nonuniformity correction algorithm based on the photoelectrical response models of intensified charge-coupled device (ICCD) for a highly dynamic ICCD star sensor is proposed in the current paper. The influence factors of nonuniformity correction precision are analyzed based on the photoelectrical imaging theory. The photoelectrical response models of ICCD are obtained using the experimental method, and the nonuniformity correction is implemented in three steps based on the photoelectrical response models. The nonuniformity correction results in constant-radiance images and sky images of the highly dynamic star sensor show that the proposed algorithm has satisfactory correction precision, and the accuracy of the highly dynamic star sensor can be enhanced effectively when sky images are processed using the three-step nonuniformity correction algorithm.     

胡杨叶片水分含量的近红外光谱检测

胡杨叶片水分含量是评价胡杨健康状况的重要指标。光谱检测法是一种常用的手段,但在近红外光谱的测量过程中,在一定程度上必然受到仪器噪声、摆放形态差异和环境的干扰,为避免噪声、散射对近红外光谱的影响,减少数据维数,采用多元散射校正(MSC)算法对原始光谱数据进行预处理,去除散射和基线漂移的影响,增加了光谱数据的信噪比,使有效光谱信息较为明显,谱带特征得到加强,有利于特征波长的选择。为降低模型的复杂度,防止过拟合现象,减小共线性影响,利用连续投影算法(SPA)进行特征变量选择,并通过多元线性回归模型,分析各个波长模拟的残差平方,评价各个波长的贡献,剔除贡献较小的波长,最终获得用于建模的特征波长,改善建模条件。最后使用偏最小二乘回归算法建立胡杨叶片水分含量检测模型。实验表明,直接使用原始光谱,利用SPA算法筛选变量个数为6个,模型预测精度为90.144%,相关系数r=0.674 24,RMSE=0.021 434,MSC处理后,利用SPA算法选定最终变量数为5个,预测精度为97.734%,相关系数r=0.781 63,RMSE=0.016 776。MSC和SPA算法有效的消除了散射噪声、减小了共线性干扰,模型的预测精度和相关性增加,误差减小,可用于胡杨叶片水分的快速无损检测,而且对其他作物叶片水分检测也具有一定的借鉴意义。     

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。     

基于IABC-SVR算法的拉曼光谱定量分析山羊血清蛋白含量

提出了一种基于拉曼光谱和改进人工蜂群算法优化支持向量机回归（IABC-SVR）算法快速定量检测山羊血清蛋白含量的方法。传统人工蜂群算法在数据区域规模较大时,收敛速度逐渐减慢, 出现效率低、精准度下降、局部最优解概率高等问题。所提出的算法解决了这些问题,使算法在进化前期避免陷入局部最优解,在进化中后期能够保持解的全局搜索能力。常规测定血清蛋白总量的方法通常采用凯氏定氮法、双缩脲法等,但存在时效慢、污染样本等缺点。采用拉曼光谱法进行检测,具有快速、无损的优点。以山羊血清为分析对象,按一定体积比配置35组待测样本,用拉曼光谱仪采集拉曼光谱,光谱采集范围为300~1 300 cm-1,采用基线矫正去除荧光背景,使用Savitzky-Golay光谱平滑法对原始光谱进行平滑处理,归一化处理光谱数据,并对拉曼光谱特征峰进行归属。实验结果表明,拉曼光谱能够表征血清中主要化学集团的信息,且由于官能团浓度差异,光谱特征峰强度随浓度变化明显,因此基于特征峰信息可以测定血清蛋白总量。实验中,以购买的山羊血清蛋白含量为基准,通过配置样本的体积比得到各组待测血清样本的蛋白含量,配置的单个液体样本体积为3 mL,随机选取8组实验样本作为模型测试集,剩余27组作为模型训练集。以经过处理的光谱特征峰强度和对应的血清蛋白含量分别作为模型的输入值及输出值,建立IABC-SVR,ABC-SVR和BP三种算法的定量模型,对测试集血清蛋白总量进行预测。最后通过均方差(MSE),相关系数（r）与建模时间分别进行对比,结果表明通过IABC-SVR建立的山羊血清蛋白定量矫正模型效果最佳,模型的相关系数为0.990 27,均方误差为0.244 3,建模时间为1.9 s,预测值方差均小于0.001 g·mL-1,预测准确率为99.8%。实验结果表明,应用激光拉曼光谱技术结合IABC-SVR算法,对快速定量检测山羊血清蛋白含量,具有较高的准确率和稳定性。