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.     

红外焦平面联合非均匀性校正算法

分别分析了红外焦平面阵列(IRFPA)基于定标的非均匀性校正(NUC)算法和基于场景的NUC算法的优势和问题.在此基础上提出了联合NUC算法,其中利用基于定标的两点校正法来初步消除探测器的非均匀性,然后再采用基于场景的时域高通校正法和新型自适应滤波校正法来抑制探测器非均匀性参数漂移的影响,同时减弱系统噪声对成像质量的破...     

基于场景的红外焦平面阵列非均匀性校正算法综述

红外焦平面阵列的非均匀性噪声是制约红外成像质量的主要因素。基于场景的非均匀校正算法通常利用图像序列并依赖帧间运动对焦平面阵列的非均匀性进行校正。介绍和分析了全局非均匀性校正,Kalman滤波器法,自适应滤波法,轨迹跟踪法,基于场景运动分析的校正算法,基于小波变换实现低通滤波的校正算法,高通滤波与神经网络相结合的算法,基于小波去噪、序列图像配准和正交最小二乘拟合的校正算法,改进的神经网络算法以及代数算法等,对算法进行了比较。     

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.     

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。     

红外焦平面阵列非均匀性校正的精度分析

介绍了红外图像非均匀性校正的基本方法,并用基于黑体多点线性校正算法对128×128的红外焦平面阵列进行了图像校正,获得了较好的结果.多点线性校正的精度与定标点的选择和其数量有关,所以在得到探测器响应曲线的基础上,对这两个因素的选择进行了分析,并用实际的校正结果对这两个因素对校正精度的影响进行了讨论.结果表明,与理论分析符合的很好.     

辐射源定标红外焦平面阵列非均匀性校正算法研究

针对红外成像系统工程应用的实际要求,对辐射源定标红外焦平面阵列非均匀性校正的数学方法进行了研究,揭示了该实际工程问题属于函数插值或函数拟合的数学原理,并据此导出了三次样条插值、B样条最小二乘拟合及多项式最小二乘拟合等非均匀性校正算法.实验表明,该算法能有效适应红外焦平面阵列响应特性的大动态范围和非线性,校正准确度高,计算速度快.     

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.     

基于稳态卡尔曼滤波的红外焦平面阵列非均匀校正算法

传统的卡尔曼滤波算法利用批处理实现非均匀校正,这样不仅会带来较大的计算量和存储量,而且更重要的是该方法不能实时处理.为此,提出了一种基于稳态卡尔曼滤波的红外焦平面阵列非均匀校正算法,它可以根据固定图案噪声的特点离线计算出滤波器的增益矩阵,并且非均匀校正过程也采用了逐帧迭代方式,因此大大降低了计算复杂度和存储占用量.详细阐述了该算法的基本原理,并用仿真数据和真实红外数据对算法性能进行验证,实验结果表明:本方法平均校正一帧图像所需CPU时间和内存占用量分别为1.7188 s和131.25 KB,完全可以满足实时处理的要求.     

基于反中值滤波的红外焦平面自适应非均匀性校正方法

分析了红外焦平面阵列非均匀性的噪声特性，提出了一种用反中值滤波为核心的红外焦平面自适应校正的方法。针对实际的图像进行了实验，实验证明该方法在校正效果、收敛速度、对静止目标保持能力及可硬件化等方面都有较好的表现。     

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.     

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.     

用于凝视焦平面的多视场红外光学系统

红外光学系统决定着红外系统的工作模式与工作精度,影响系统的作用距离,是红外系统的重要组成部分。多视场光学系统可以用不同的视场对同一目标进行搜索、识别、跟踪与瞄准,在军事应用领域获得了广泛的应用。光学系统的结构形式影响红外系统的成像质量、性能指标、外形尺寸、价格成本、机电复杂程度等,因此研究和选取合适的多视场光学系统结构形式显得非常重要。对目前国内外应用于凝视焦平面探测器的多视场红外光学系统结构形式,如切换变焦、光学补偿变焦、机械补偿变焦、混合变焦、双光路变焦等进行了特点分析,比较了其优点与局限性,对光学设计人员合理选用多视场光学系统结构形式具有一定的理论指导作用和意义。     

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.     

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.     

基于小波包变换的红外与可见光图像融合

针对红外与可见光图像特点,提出一种基于小波包变换的融合算法。该算法先对源图像进行小波包分解,得到低频分量和各带通方向子带分量,并对不同分量采用不同的融合规则进行融合处理,得到各融合系数,然后经小波包重构获得融合图像。该方法可提取源图像细节信息,取得较好的融合效果。