共查询到18条相似文献,搜索用时 87 毫秒
1.
提出了一种基于场景的红外图像非均匀性校正算法。该算法结合了两点定标校正算法和基于场景的改进的恒定统计算法,将两点校正算法的校正系数作为恒定统计算法的系数初值,并引入阈值进行运动状态检测,对运动场景和非运动场景分别进行系数更新。实验表明,该算法可以实现对红外图像非均匀性的校正,对于本文实验中的视频图像,在100帧时算法收敛,其收敛时间优于其他传统基于场景的非均匀性校正算法,并一定程度上抑制了"鬼影"现象。 相似文献
2.
3.
冷寒冰易波谢庆胜唐利孬宫振东 《光学学报》2015,(4):113-118
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。 相似文献
4.
基于干扰对消的红外焦平面非均匀性校正算法 总被引:1,自引:1,他引:0
红外焦平面器件的非均匀性产生机理复杂,难以准确拟合探测元响应曲线。提出了一种基于相关干扰抵消的非均匀性校正算法,以预先采集到的一帧黑体面源图像做为自适应干扰对消器的参考输入图像,自适应滤波器由参考输入图像迭代计算出待校正红外图像的空间噪声的最佳估计,实现从空间噪声中提取真实图像信号。自适应滤波算法采用变步长最小均方误差算法,减少了算法的运算量,提高了算法的收敛速度。理论分析以及针对实际红外图像的仿真结果表明,提出的算法校正效果好,收敛速度快,更易于工程实现。 相似文献
5.
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。 相似文献
6.
7.
《中国光学》2020,(5)
机载红外点目标探测系统在搭载飞机飞行中探测系统的环境参数会发生变化,导致通过传统地面标定方法获取的非均匀性校正参数的准确性有所降低,故有必要进行机上基于场景的非均匀性校正。本文提出了一种基于帧间配准的机上非均匀性校正算法,首先对图像进行预处理,滤除探测器坏点影响,然后用两帧邻近图像计算互功率谱,求出互相关函数,确定配准位移。两帧连续图像完成配准后,通过误差函数最小化来实现校正参数的更新,最后对整个图像序列进行上述迭代计算,获取最终校正参数。本文模拟了一组非均匀性场景图像序列作为实验图像序列,通过实验分析,提出了帧间图像变化(平移、旋转、缩放)对本算法校正效果的影响,然后采用两个具有代表性的算法与本文提出的算法分别对该图像序列进行处理,并从图像质量和收敛速度两方面比较算法性能。结果表明:与其他两种算法相比,本文提出的算法非均匀性校正效果较好,峰值信噪比提高了20 dB以上,结构相似性则突破了0.99。本文提出的算法虽然比较复杂,但校正参数收敛速度较快,易于在硬件平台上实现,具有一定的工程应用前景。 相似文献
8.
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。 相似文献
9.
10.
分析了红外焦平面阵列(IRFPA)基于定标的非均匀性校正法(NUC)和基于场景的NUC算法各自的优势和问题,在此基础上提出了联合非均匀性校正方法。根据上电时刻焦平面衬底的温度值,从FLASH中提取事先存储的对应温度区间的增益和偏置校正参数,初步消除探测器的非均匀性。通过分析初步校正后图像残余非均匀性噪声的特性,提出了一种自适应非均匀性校正算法NSCT,对经过NSCT分解后的子带图像,利用贝叶斯阈值逐点进行信号方差和噪声方差估计,计算出残余非均匀性噪声后并加以去除。实验结果表明,该算法能有效提高校正精度,并具有更强的环境适应性。 相似文献
11.
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. 相似文献
12.
13.
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。 相似文献
14.
15.
采用虚拟仪器技术,设计了基于LabVIEW软件平台的热释电IRFPA(红外焦平面阵列)非均匀性校正系统。该系统可通过控制面板选择校正算法,选取3种不同的标准像元的标准校正曲线。可以对IRFPA待校正的像元输出进行采集,对非均匀性参数进行测试,还可以进行非均匀性校正。系统通过三维波形以及图像的显示来观察校正前后对比,并能计算出校正前后的NU(非均匀性)值大小。对像元数为120160的热释电IRFPA输出的视频信号进行了非均匀性校正实验,对非均匀性校正算法进行了统计对比,对仿真结果及数据进行了分析总结。经过校正实验验证了系统的可行性,结果证明基于平均值法的两点定标算法对热释电IRFPA非均匀性校正后的NU值是最小的。通过统计数据得出校正后的NU可平均下降30%。 相似文献
16.
17.
Blind pixel compensation is an ill-posed inverse problem of infrared imaging systems and image restoration. The performance of a blind pixel compensation algorithm depends on the accuracy of estimation for the underlying true infrared images. We propose an adaptive regression method (ARM) for blind pixel compensation that integrates the multi-scale framework with a regression model. A blind-pixel is restored by exploiting the intra-scale properties through the nonparametric regressive estimation and the inter-scale characteristics via parametric regression for continuous learning. Combining the respective strengths of a parametric model and a nonparametric model, ARM establishes a set of multi-scale blind-pixel compensation method to correct the non-uniformity based on key frame extraction. Therefore, it is essentially different from the traditional frameworks for blind pixel compensation which are based on filtering and interpolation. Experimental results on some challenging cases of blind compensation show that the proposed algorithm outperforms existing methods by a significant margin in both isolated blind restoration and clustered blind restoration. 相似文献