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。     

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.     

一种基于场景的红外图像非均匀性校正算法

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。     

基于局部恒定统计的高精度联合非均匀性校正方法

为校正长波红外探测器辐射响应非均匀性,抑制非线性和随时间漂移,提出了一种基于分段两点校正法和局部恒定统计的校正方法.首先,对非均匀性噪声建模,利用分段两点校正法进行粗校正;其次,利用绝对偏差中值法剔除异常像素,并迭代累加得到均值图像;最后,对均值图像滤波,求得校正系数矩阵并对图像精校正.搭建了原理样机,进行了两次实验室标定实验和一次外场实验.实验结果表明:本文方法可以将黑体图像标准差从2.75降低至2.26,将外场图像粗糙度从1.47×10-2降低至1.03×10-2.本文方法复杂度低、鲁棒性强、精度高,可以有效去除非均匀性噪声.     

一种非均匀校正的新算法

本文在分析现行各种非均匀校正算法优缺点的基础上,根据红外焦同器件探测单元响应曲线特点和神经网络理论,提出一种新的非均匀校正方法－“Ｓ”曲线模型算法。该算法能同时校正焦平面器件的非均匀性和非线性,并且具有动态范围大、存贮容量小和校正精度高等焦点。     

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.     

时空域非线性滤波红外序列图像非均匀性校正

针对现有非均匀性校正方法中校正结果收敛速度慢、图像退化、存在"鬼影"现象等问题,提出一种空域三边滤波与时域梯度加权均值滤波相结合的红外序列图像非均匀性校正方法.该方法首先利用三边滤波将图像分解为基本分量与细节分量;然后对分离出的细节分量序列图像的时域曲线进行梯度加权均值滤波,从而分离出细节分量中非均匀性和场景细节;最后用原图减去非均匀性,得到校正结果.实验结果表明,该方法能有效地抑制"鬼影"并改善图像退化现象,校正结果无论主观视觉还是客观评价指标均明显优于时域高通与神经网络校正方法.     

一种基于场景的红外焦平面阵列非均匀性校正算法

针对IRFPA器件在工程使用中固定图案噪音会发生漂移及探测元响应呈现非线性的特征,提出了一种以二次方程表征的响应特性数学模型,并利用场景数据的卡尔曼滤波算法,对其实施双校正。本算法较基于线性模型的非均匀性校正算法具有更好的校正效果,仿真实验结果验明了算法的优越性.     

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.