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.     

Non-uniformity correction algorithm for IRFPA based on motion controllable micro-scanning and perimeter diaphragm strips

Non-uniformity correction is the key issue for the image quality improvement of infrared focal panel array (IRFPA) imaging. A non-uniformity correction (NUC) algorithm for IRFPA based on motion controllable micro-scanning platform and perimeter diaphragm strips is presented. We initially execute one-point calibration to the perimeter detectors, then based on controllable motion of adjacent frames, a special algebraic algorithm is proposed to transport the calibration of the perimeter detectors to those interior un-corrected ones. In this way, the bias parameter of the whole field of view (FOV) is calculated. The algorithm can be easily combined with sub-pixel imaging, thereby improving the quality of thermal imaging system (image spatial resolution and uniformity). All calculations are algebraic, with a low computation load. The algorithm can realize adaptive one point calibration without covering the central FOV rapidly. Experiments on simulated infrared data demonstrate that this algorithm requires only dozens of frames to obtain high quality corrections.     

基于干扰对消的红外焦平面非均匀性校正算法

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。     

热释电IRFPA非均匀性校正实验系统研究

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120×160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%。     

基于神经网络模型的CCD像差修正

针对传统CCD标定中由于修正像差造成标定算法复杂、精度不高、结果不稳定的特点,提出了用4层前向神经网络模型修正CCD像差的方法。为了检验算法,用修正像差后的CCD对空间点进行三维重建,并与传统方法作了对比。结果表明,基于神经网络模型的CCD像差修正方法可以获得比传统方法更高的精度和稳定性。     

热释电IRFPA非均匀性校正实验系统研究

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%。     

A novel hard decision decoding scheme based on genetic algorithm and neural network

A novel hard decision decoding scheme based on a hybrid intelligent algorithm combining genetic algorithm and neural network, named as genetic neural-network decoding (GND), is proposed. GND offsets the reliability loss caused by channel transmission error and hard decision quantization by making full use of the genetic algorithm's optimization capacity and neural network's pattern classification function to optimize the hard decision outputs of received matched filter and restore a more likelihood codeword as the input of hard decision decoder. As can be seen from the theoretical analysis and computer simulation, GND scheme is close to the traditional soft decision decoding in error correction performance, while its complexity, compared with the traditional soft decision decoding, is greatly reduced because its decoding process does not need to use the channel statistical information.     

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BP神经网络的红外焦平面非均匀性校正技术

在传统BP神经网络非均匀性校正理论的基础上,结合红外焦平面阵列读出通道的时变特性,提出一种新的输出期望估计方法.该方法利用当前像素邻域和读出通道估计输出期望值.实验表明,算法能有效抑制焦平面固定图案噪音,提高场景目标的分辨能力,达到较好的视觉效果.     

基于BP网络的图像增强器像元通道不一致性校正研究

像元通道响应不一致性是影响图像增强器检测能力的重要因素,因而有必要对不一致性进行校正。首先分析了传统的不一致性校正方法的缺点,然后提出了一种基于BP神经网络的像元通道响应不一致性的校正方法。该方法利用BP神经网络良好的非线性映射能力,对每一个像元通道进行输入-输出特性的反非线性逼近,同时利用实验数据进行了神经网络的训练。对比了校正前后的图像及标准差。     

Adaptive control of chaotic systems based on a single layer neural network

This Letter presents an adaptive neural network control method for the chaos control problem. Based on a single layer neural network, the dynamic about the unstable fixed period point of the chaotic system can be adaptively identified without detailed information about the chaotic system. And the controlled chaotic system can be stabilized on the unstable fixed period orbit. Simulation results of Henon map and Lorenz system verify the effectiveness of the proposed control method.     

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。     

基于密集连接时延神经网络的说话人识别算法*

说话人识别技术是一项重要的生物特征识别技术。近年来,使用深度神经网络提取发声特征的说话人识别算法取得了突出成果。时延神经网络作为其中的典型代表之一已被证明具有出色的特征提取能力。为进一步提升识别准确率并节约计算资源,通过对现有的说话人识别算法进行研究,提出一种带有注意力机制的密集连接时延神经网络用于说话人识别。密集连接的网络结构在增强不同网络层之间的信息复用的同时能有效控制模型体积。通道注意力机制和帧注意力机制帮助网络聚焦于更关键的细节特征,使得通过统计池化提取出的说话人特征更具有代表性。实验结果表明,在VoxCeleb1测试数据集上取得了1.40%的等错误率（EER）和0.15的最小检测代价标准（DCF）,证明了在说话人识别任务上的有效性。     

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DSP的红外焦平面阵列非均匀性实时压缩校正研究

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,利用高速DSP硬件对红外焦平面阵列的非均匀性进行实时压缩校正.以两点校正为例,详细阐述了硬件压缩校正原理和实现步骤,并给出实验结果.实验表明:基于DSP的非均匀性实时压缩校正系统生成的图像比较清晰,校正过程简单,程序调试方便,能够有效地解决红外成像技术中实时性难题.     

基于维纳滤波的红外焦平面阵列非均匀性校正算法

充分利用红外图像的空间相关性和时间相关性,提出了一种基于维纳（Wiener）滤波的红外焦平面阵列（IRFPA）非均匀性校正算法,实现对辐射信号的无偏估计,滤波器的参量通过时域一、二阶统计结合空域平均获得,同现有的典型校正算法相比,本文算法具有收敛速度快、校正准确度高的特点,理论分析以及针对实际红外图像的实验结果表明提出的算法更具优越性.     

光谱成像仪CCD焦平面组件非均匀性校正技术研究

分析了光谱成像仪CCD焦平面的非均匀性机理和各种非均匀性校正算法,提出两点多段的非均匀性校正算法,该算法避免了两点校正算法的低准确度和多点校正算法的大运算量.在光谱成像仪上的应用结果表明,两点多段的非均匀性校正算法具有运算量小、准确度高、实用性强的优点.     

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.     

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.     

遗传优化神经网络的水声信道盲均衡

不需要训练序列的盲均衡技术可以有效地节省水声通信带宽，消除码间干扰，提高水声通信效率和质量。以前馈神经网络（FNN）作为盲均衡器，既适用于最小相位信道，也适用于非最小相位信道，包括非线性信道，但是前馈神经网络在实际的应用中其网络拓扑结构的选取和初始权重的确定缺乏理论依据，且其训练主要依靠BP算法，存在收敛速度慢、容易陷入局部极值及“过学习”的问题。为此，本文提出了一种遗传优化神经网络的水声信道盲均衡算法（GA—BP），对前馈神经网络拓扑结构和网络权重同时优化，有效地克服了传统前馈神经网络盲均衡的缺陷，提高了前馈神经网络盲均衡的泛化性能并加强了跟踪时变信道的能力和对信道突变的适应能力。水池试验结果证明了文中提出的遗传优化神经网络水声信道盲均衡算法的有效性，与直接前馈神经网络盲均衡相比较，均衡性能明显得到了提高。