基于经验模式分解的CCD器件自适应非均匀性校正方法研究

针对高精度测试系统中电荷耦合器件(CCD)的非均匀性会给测试结果带来较大误差,根据引起非均匀性的噪声特性,建立了对应的图像模型。根据传统两点线性法的基本思想,提出了一种基于经验模式分解(EMD)的自适应分析方法对非均匀性像素进行校正。该算法以Hilbert-Huang变换(HHT)中的滤波器理论为基础,将图像序列在时间域的尺度分解和相应统计量计算,获得用于图像校正的偏置和增益系数。通过实际实验对所提算法进行了验证,结果表明,该算法能够有效地校正像素的非均匀性,提高了测试精度。     

利用灰度差估计的条纹非均匀性校正方法

条纹非均匀性是红外焦平面阵列成像系统中一种较为常见的固定图案噪声,其对成像质量会产生很大的影响.通常认为图像的非均匀性主要体现在像素间的灰度差,即非均匀性所引起的灰度差.为了解决这一问题,提出一种利用灰度差估计的条纹非均匀性校正方法.该方法根据条纹噪声的空间特性,对每一帧图像的非均匀性条纹的所在位置进行判断;根据条纹位...     

基于自适应条纹投影的彩色物体三维形貌测量

针对三维形貌测量技术中彩色物体表面反射率的非均匀性影响测量结果的问题,提出一种基于自适应条纹投影的三维形貌测量技术,该方法可避免彩色物体表面反射率非均匀的影响,提高系统的测量精度。彩色相机采集RGB光强图像,并根据物体表面颜色的反射特性计算每个像素点的最优投射光强和颜色;采集水平和垂直的正弦条纹序列,利用计算所得绝对相位值将相机图像坐标系中每一个像素点的最优投射光强和颜色映射到投影仪像素坐标系;投射自适应条纹序列进而测量彩色物体的三维形貌。实验结果表明,该方法能够有效测量彩色物体三维形貌,具有很高的测量精度。     

基于Savitzky-Golay加权拟合的红外图像非均匀性条带校正方法

针对红外成像探测器单元响应不一致等因素导致的图像非均匀性条带问题, 提出了基于直方图加权和Savitzky-Golay拟合的非均匀性条带校正方法。首先, 计算每列的归一化直方图函数并将其作为权值对图像进行加权运算;然后, 利用Savitzky-Golay滤波器对加权后的图像列均值和列方差进行拟合, 并将结果带入校正公式, 通过可调参数的迭代完成校正。实验结果表明:该方法能有效地去除非均匀性条带, 保留图像的光谱辐射信息和纹理细节, 各项评价指标均提高10%。     

改进的神经网络非均匀校正算法的研究与实现

为了实现红外图像的非均匀校正,目前通常采用神经网络法完成红外图像的自适应非均匀校正,此方法能够自动完成校正系数的更新,但算法复杂,校后输出图像对比度不高,出现重影和图像模糊的现象。采用改进的神经网络非均匀校正方法,利用高低温黑体求得校正系数初始值,且对算法迭代过程输出期望值的计算做了改进。测试结果表明,该方法简单实用,具有较好的非均匀校正效果。     

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.     

多本底采样自适应非均匀校正算法

对于红外输出图像的非均匀性,通常可采用两点校正法和神经网络法进行改善。但两点校正法不能有效地克服环境温度漂移的影响;神经网络法收敛缓慢,使静止图像逐渐融入背景,导致运动目标出现伪像。提出一种多本底采样自适应非均匀校正算法,在不同的环境温度点采集多组高低温本底,根据最小二乘法拟合计算得到非均匀校正系数和环境温度的关系,根据环境温度的改变自适应完成非均匀校正。测试结果表明,该方法简单可行,能够较好地克服环境温度漂移的影响。     

基于特征分解的红外焦平面非均匀性校正算法

针对目前红外焦平面自适应场景校正算法工程应用的局限,提出了一种基于红外焦平面非均匀性特征分解的场景校正算法。分析了红外焦平面非性匀性构成因素,把其中的高频部分分解成盲点、斑块、行列非均匀性等,把缓慢变化的低频部分分解成梯度渐变非均匀性;分别对各类非均匀性采用不同的校正算法;合并校正结果,得到校正后的图像。实验结果表明,该算法校正精度高、收敛速度快、抑止目标退化能力强,适合工程应用。     

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。     

Efficient single image stripe nonuniformity correction method for infrared focal plane arrays

We present a novel, stripe nonuniformity correction algorithm for infrared focal plane arrays. This method relies on the separation of nonuniformity and true scene, and the nonuniformity correction parameter is obtained by traversing the error function of two adjacent columns?? pixels in local template window. Based on the succession of two adjacent columns?? correlation, the stripe nonuniformity correction can be achieved in a single frame. Experimental results, to illustrate the performance of the method, include the use of infrared image sequences with simulated nonuniformity and a diverse set of real IR imagery.     

Minimum mean square error method for stripe nonuniformity correction

Stripe nonuniformity is very typical in line infrared focal plane (IRFPA) and uncooled starring IRFPA. We develop the minimum mean square error (MMSE) method for stripe nonuniformity correction (NUC). The goal of the MMSE method is to determine the optimal NUC parameters for making the corrected image the closest to the ideal image. Moreover, this method can be achieved in one frame, making it more competitive than other scene-based NUC algorithms. We also demonstrate the calibration results of our algorithm using real and virtual infrared image sequences. The experiments verify the positive effect of our algorithm.     

Correction of aeroheating-induced intensity nonuniformity in infrared images

Aeroheating-induced intensity nonuniformity effects severely influence the effective performance of an infrared (IR) imaging system in high-speed flight. In this paper, we propose a new approach to the correction of intensity nonuniformity in IR images. The basic assumption is that the low-frequency intensity bias is additive and smoothly varying so that it can be modeled as a bivariate polynomial and estimated by using an isotropic total variation (TV) model. A half quadratic penalty method is applied to the isotropic form of TV discretization. And an alternating minimization algorithm is adopted for solving the optimization model. The experimental results of simulated and real aerothermal images show that the proposed correction method can effectively improve IR image quality.     

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.