一种基于定标的非均匀性校正改进算法

红外辐射测量系统的成像性能以及测量精度受到焦平面阵列非均匀性的严重影响,原始红外图像的非均匀性需通过后期图像处理算法进行校正。为进一步提高制冷型红外探测器的非均匀性校正（NUC）效果,本文提出了一种基于定标的非均匀性改进算法。该算法以单点定标和两点定标非均匀性校正方法为基础,既保留两点定标非均匀性校正方法增益校正系数的一致性优势,又结合了单点定标偏置校正系数的稳定性,使得改进算法具有更好的校正效果。为了验证该改进算法的校正效果,本文以640 pixel×512 pixel大小的制冷型中波红外探测器为研究对象,采用入瞳直径为25 mm的红外成像系统对提出的算法进行实验验证。实验结果表明：在1 ms积分时间下,单点定标方法、两点定标方法及改进算法校正后的图像非均匀性分别为1.783 3%、0.219 0%和0.148 1%;2 ms积分时间下的非均匀性分别为1.825 7%、2.247 4%和1.654 6%。改进算法整体上进一步降低了图像的非均匀性,校正效果更好、精度更高。     

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.     

一种新的红外焦平面阵列非均匀性代数校正算法

 针对传统红外图像非均匀性代数校正算法收敛速度慢、运动估计精度不高的缺点,提出一种多尺度光流帧间运动估计的非均匀代数校正算法。通过时域低通滤波,采用多尺度光流估计下一帧图像,将所得图像对进行代数校正。该方法性能在自主研发的热像仪中得到验证,和传统的红外图像非均匀性代数校正算法相比,算法收敛速度从60帧提高到25帧,提高一倍左右,运动估计精度从校正后图像方差76.539减少到32.482。     

一种改进型最小均方误差红外图像条纹非均匀性校正算法

受限于材料和制造工艺，红外图像中普遍存在着条纹非均匀性，其严重影响了图像的成像效果，进而对后续的目标识别、检测等工作造成干扰。典型的最小均方误差（LMS）算法在一定程度上可以抑制条纹非均匀性，但其场景适应性差，存在拖尾和“鬼影”现象。提出一种改进型的最小均方误差（LMS）自适应滤波算法对图像进行处理，利用双边滤波和最速下降法快速获取准确的校正参数，将前一帧算出的校正结果作为后一帧的初始输入值，提升算法的准确性，同时算法还增加了边缘检测模块以保留图像细节。采用不同场景下非制冷型探测器的真实红外图像，从主观和客观两个方面对比了本算法和经典LMS算法，结果表明，提出的算法可以很好地保护图像细节，也具有良好的场景适应性。     

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。     

基于多尺度分析和加权最小二乘法的非制冷红外条纹噪声校正算法

为了提高红外成像质量的同时更大程度地保持纹理信息,提出一种多尺度分析和加权最小二乘法的条纹噪声非均匀性校正算法.该算法利用加权最小二乘法对图像进行平滑,应用小波变换提取平滑图像的垂直分量,并将其垂直分量替换为原始图像的垂直分量,利用小波重构输出校正后的图像.算法能够精准地去除红外噪声,而不会带来更加麻烦的"鬼影"问题.用该算法对多组不同红外图像数据进行仿真实验,并与其他先进的红外条纹非均匀校正算法进行对比分析,结果表明所提算法校正结果有较好的视觉效果和图像质量评估参数.     

基于混合高斯模型的红外图像自适应校正算法

针对传统时域高通滤波校正算法存在的鬼影问题,提出一种新的基于混合高斯模型的红外图像自适应校正算法。新算法利用混合高斯模型对场景进行建模,只有在像元输出值满足一定条件的时候,才将其更新到校正系数中,实现有选择性地更新校正系数。通过一组仿真和真实的红外图像序列评价算法的性能,仿真图像采用峰值信噪比指标进行定量评价,新算法比传统时域高通滤波校正算法的峰值信噪比提高了约9 dB。真实图像采用主观的定性评价,传统算法校正结果中存在着明显的鬼影,而新算法校正结果中不存在鬼影。     

基于扩展全变分的红外焦平面阵列非均匀性校正方法

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。     

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。     

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。     

基于自适应扩散模型的单帧红外条纹非均匀性校正算法

针对红外焦平面成像系统存在列向条纹非均匀性的现象,采用了一种基于自适应PM扩散模型的非均匀校正新算法。首先,综合利用图像梯度信息和局部灰度统计信息,自适应计算PM模型的扩散阈值;然后将每列像素的PM模型估计值作为该列像素的期望值;最后采用最陡下降法迭代计算得到每列像元的校正参数,并对结果进行循环校正以提高校正效果。实验结果表明:该算法可以保护图像边缘信息,与同类算法相比,能够更有效地抑制条纹非均匀性,并且能够防止图像产生鬼影。     

A new adaptive nonuniformity correction algorithm for infrared line scanner based on neural networks

The striping pattern nonuniformity of the infrared line scanner (IRLS) severely limits the system performance. An adaptive nonuniformity correction (NUC) algorithm for IRLS using neural network is proposed.It uses a one-dimensional median filter to generate ideal output of network and can complete NUC by a single frame with a high correction level. Applications to both simulated and real infrared images show that the algorithm can obtain a satisfactory result with low complexity, no need of scene diversity or global motion between consecutive frames. It has the potential to realize real-time hardware-based applications.     

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.     

基于自动线性拟合的快速拉曼基线校正算法

近年来拉曼光谱以其无创、灵敏度高等众多优点在化学表征、生物医药、材料等领域引起广泛关注,而基线漂移的存在为后续的定性定量分析带来严重困扰,因此设计高性能的基线校准算法以提高分析结果的有效性及准确性具有重要意义。针对传统算法在批量拉曼光谱数据基线校正方面的不足,基于自动线性拟合算法提出一种快速基线校正算法以校正具有相似背景的批量拉曼光谱数据并详细阐述了该算法的核心思想以及算法实现流程。该算法首先从批量拉曼光谱数据中自动选择一条拉曼光谱数据作为基准光谱,使用自动线性拟合算法对其进行基线校准得到其基线以及分段标记点,然后利用标记点快速计算出组内其他与基准光谱具有较高相关性的拉曼光谱数据的基线,对于组内与基准光谱相关性不满足阈值要求的拉曼光谱则使用自动线性拟合算法对其进行单独基线校正,这使得算法具有具有较强的鲁棒性,可以适应复杂的拉曼光谱基线校正情形。分别使用快速基线校正算法与单独基线校正算法对多组实际拉曼光谱数据进行基线校正以对比分析算法基线校正效果,结果表明该算法可以实现对批量拉曼光谱数据的快速校正,基线校正效果良好,并且相较于单独进行基线校正算法耗时减少了30%以上,算法无参,简单易行,无需额外人工干预,是一种切实可行的批量拉曼数据自动基线校正算法。     

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.     

Fast iterative adaptive nonuniformity correction with gradient minimization for infrared focal plane arrays

A fast scene-based nonuniformity correction algorithm is proposed for fixed-pattern noise removal in infrared focal plane array imagery. Based on minimization of L0 gradient of the estimated irradiance, the correction function is optimized through correction parameters estimation via iterative optimization strategy. When applied to different real IR data, the proposed method provides enhanced results with good visual effect, making a good balance between nonuniformity correction and details preservation. Comparing with other excellent approaches, this algorithm can accurately estimate the irradiance rapidly with fewer ghosting artifacts.     

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.     

An enhanced non-uniformity correction algorithm for IRFPA based on neural network

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.