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.     

基于黑体标定的红外图像非均匀性校正系统设计

为提高某中波红外探测器的图像质量,设计了基于FPGA的红外图像实时处理系统,系统能够完成实时的非均匀性校正与盲元补偿处理。介绍了目前常用的非均匀性校正、盲元识别和补偿算法,并结合实际工程需求采用多点法进行非均匀性校正以及8点平均法进行盲元补偿。在仿真实验成功的基础上,基于FPGA平台构建了硬件平台。系统可以实现系数自定义更新,可以手动或自动完成非均匀性较正系数计算,以及实现盲元列表的自动更新操作。利用某国产中波红外探测器对处理系统进行了测试试验,实验结果表明:校正后图像非均匀性0.3%,盲元率0.001%。系统工作稳定、可靠,图像处理满足实时性和精度要求。     

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。     

基于变积分时间的红外焦平面非均匀性校正算法研究

针对两点温度定标算法在应用过程中曝露的问题,提出了基于变积分时间的红外焦平面非均匀性校正算法.该算法先对图像进行非线性压缩,转换为线性图像,再利用红外焦平面阵列探测元的响应特性与积分时间之间的关系,采用改变积分时间的方法拟合红外焦平面探测器的平均响应特性曲线,进行两点校正,然后对结果进行取指数操作,即得到原图非均匀校正后的图像.分别利用两点温度定标法和变积分法对航拍红外图像进行校正效果验证,同时进行了不同校正算法的非均匀性适应性评价实验.实验结果表明新算法计算量小,校正准确度高,反应速度快,并在一定程度上解决了大动态范围下响应非线性对校正性能的影响,具有很好的工程应用价值.     

基于变积分时间的红外焦平面非均匀性校正算法研究

针对两点温度定标算法在应用过程中曝露的问题,提出了基于变积分时间的红外焦平面非均匀性校正算法.该算法先对图像进行非线性压缩,转换为线性图像,再利用红外焦平面阵列探测元的响应特性与积分时间之间的关系,采用改变积分时间的方法拟合红外焦平面探测器的平均响应特性曲线,进行两点校正,然后对结果进行取指数操作,即得到原图非均匀校正后的图像.分别利用两点温度定标法和变积分法对航拍红外图像进行校正效果验证,同时进行了不同校正算法的非均匀性适应性评价实验.实验结果表明新算法计算量小,校正准确度高,反应速度快,并在一定程度上解决了大动态范围下响应非线性对校正性能的影响,具有很好的工程应用价值.     

基于FPGA的红外图像处理与实时显示系统研究

介绍了基于FPGA的红外图像处理与实时显示系统的工作原理。针对传统的红外焦平面阵列(IRFPA)非均匀性校正算法的不足，提出了对采用神经元法和两点线性法校正其非均匀性算法的改进，重点介绍了两点线性法的软硬件实现方式，该算法在Spartan系列FPGA上实现并获得成功。     

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。     

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%。     

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%。     

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...     

基于半导体制冷器的非均匀性校正

非均匀性是红外系统中影响图像质量的重要因素。为了更好地拟合探测器的响应曲线,充分发挥探测器的最佳性能,以获得良好的图像效果,在两点校正的理论基础上提出了一种更为实用的两点校正方法。通过单片机(MCU)控制半导体制冷器(TEC)以产生两个不同的校正温度点,系统分别读取在这两个温度点下所采集的两幅图像,利用两点校正算法计算探测器的响应率和暗电流。通过实验验证,这种校正算法实用,易于实现。     

适应积分时间调整的红外图像非均匀性校正方法

针对应用常规红外图像非均匀性校正方法在变积分时间时,图像灰度值会发生改变的现象,提出了一种适应积分时间调整的红外图像非均匀性校正方法.该方法将不同积分时间、不同温度的黑体定标数据和对应的理论红外辐射量整合为一个整体数据库,借助神经网络损失函数和误差反向传递机制,对模型中的校正系数进行学习.训练得到的校正网络能在红外相机积分时间实时调整过程中,保证图像均匀地稳定输出,对后端红外图像处理有着重要意义,并验证训练该网络不需要大量定标数据.而针对红外探测器响应漂移的现象,则提出了在线修正校正系数的方法以有效应对.     

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.     

双近贴式X射线像增强器成像不均匀性的分析与校正

分析了双近贴式X射线像增强器响应不一致性的产生机理,对每个像元建立了光电响应的数学模型.基于该模型,提出了一种改进的多点校正算法.该算法将对数曲线模型转化为线性响应模型,通过基于最小二乘法的两点拟合算法对图像数据进行校正.对比分析了校正前后图像的背景标准差及灰度分布曲线,实验结果验证了该方法的有效性.     

DMA在高速红外图像实时处理系统中的应用

针对某红外成像定位系统对红外序列图像处理和诸如图像去噪、非均匀性校正、图像自适应分割、图像测量、数模解算等算法的实时性能要求，提出采用DSP DMA（存储器直接访问）方式处理系统中的转移和大量交换高效方案。以AD21062和EP1C6组成的数字图像处理系统为例，介绍DMA操作在高速红外实时图像处理系统中的应用，并给出具体的设计。实验表明，该设计方案可以使DSP从大量的数据搬移操作中解脱出来，专门的图像处理算法操作能够有效地提高数字图像处理系统的实时性，解决了系统的瓶颈问题。     

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.     

Single image non-uniformity correction using compressive sensing

A non-uniformity correction (NUC) method for an infrared focal plane array imaging system was proposed. The algorithm, based on compressive sensing (CS) of single image, overcame the disadvantages of “ghost artifacts” and bulk calculating costs in traditional NUC algorithms. A point-sampling matrix was designed to validate the measurements of CS on the time domain. The measurements were corrected using the midway infrared equalization algorithm, and the missing pixels were solved with the regularized orthogonal matching pursuit algorithm. Experimental results showed that the proposed method can reconstruct the entire image with only 25% pixels. A small difference was found between the correction results using 100% pixels and the reconstruction results using 40% pixels. Evaluation of the proposed method on the basis of the root-mean-square error, peak signal-to-noise ratio, and roughness index (ρ) proved the method to be robust and highly applicable.     

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.     

一种基于恒定统计的红外图像非均匀性校正算法

对红外焦平面阵列成像系统而言,基于场景的非均匀校正技术是处理固定图案噪声的关键技术。现有的非均匀校正算法主要被收敛速度和鬼像问题所限制。提出一种新的基于恒定统计算法的自适应场景非均匀校正技术。利用红外图像序列的时域统计信息结合提出的α修正均值滤波来估计探测器的参数,通过减少样本的渐进方差估计,完成成像系统的非均匀性校正。通过模拟和真实的非均匀性图像对算法的性能进行评价。实验结果表明,在继承恒定统计算法快速收敛的同时,图像峰值信噪比较恒定校正法及常系数α校正算法分别有44.5%和32.9%的提升,图像鬼像问题有明显改善。