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.     

改进的基于积分时间定标的红外焦平面阵列非均匀性校正算法(英文)

红外焦平面阵列各探测元响应的非均匀性降低了图像的质量和温度分辨率,定标类和场景类校正算法为解决该问题提供了可行的途径.传统的基于黑体定标的校正算法由于其简单有效而被广泛使用,但是其缺点在于依赖黑体及其相关控温装置.本文提出了一种改进的基于积分时间定标的两级校正算法.在保持入射辐射不变的情况下,首先通过改变积分时间得到系列响应数据,然后利用最小二乘法估计出两点校正所需的初始校正系数,并对不同积分时间下的响应数据进行初校正,最后估计出一点校正系数.实验结果证明该方法具有计算量小、校正准确度高的优点,可取得优良的校正效果,并易于在硬件平台中实现.     

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。     

国产氧化钒红外探测器新型无挡板校正方法

现有国产氧化钒非制冷红外探测器多采用挡板校正进行非均匀性校正,导致结构复杂与图像中断,从而影响探测器的正常使用.提出了一种新型无挡板非均匀校正方法,首次结合基于定标校正与场景校正的非均匀校正方法,实现了对非制冷红外探测器的无挡板校正.实验结果表明,该方法能在开始校正后快速实现非均匀校正,校正效果良好,并且不存在传统场景...     

一种积分时间自适应调整的非均匀性校正算法

提出一种实时校正方法,在非均匀性校正的过程中根据当前场景信息自适应调整积分时间.首先获取不同积分时间下的背景噪音并进行存储,根据特定的阈值控制积分时间的切换；进而将探测器输出减去相应积分时间下的背景噪音后作为神经网络的输入,从而不断地更新校正参量.这样既能有效弥补神经网络校正算法在低频噪音占优时的不足,降低由于积分时间改变引起的非均匀性,又能够补偿系统的温漂.对真实的红外图像序列实验表明,文中提出的算法在积分时间切换的同时可以得到合适的校正参量,并保证校正后的图像质量,能够实现实时校正.     

一种积分时间自适应调整的非均匀性校正算法

提出一种实时校正方法,在非均匀性校正的过程中根据当前场景信息自适应调整积分时间.首先获取不同积分时间下的背景噪音并进行存储,根据特定的阈值控制积分时间的切换;进而将探测器输出减去相应积分时间下的背景噪音后作为神经网络的输入,从而不断地更新校正参量.这样既能有效弥补神经网络校正算法在低频噪音占优时的不足,降低由于积分时间改变引起的非均匀性,又能够补偿系统的温漂.对真实的红外图像序列实验表明,文中提出的算法在积分时间切换的同时可以得到合适的校正参量,并保证校正后的图像质量,能够实现实时校正.     

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.     

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。     

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.     

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.     

多点分段单步校正法在接触式图像传感器扫描仪上的实现

提出了一种接触式图像传感器(CIS)扫描仪非均匀校正的新方法,能够快速高效地完成对CIS扫描仪彩色图像的非均匀校正,消除了CIS的颜色差异。采用多点分段单步法进行标定,采用现场可编程门阵列实现校正,并最终得到颜色均匀的彩色图像。对于分辨率高达1200dpi的CIS扫描仪,采集一次样板纸完成全部颜色空间的分段标定,图像传输的同时完成校正,校正过程仅耗时0.125μs。实际应用效果显示校正后R,G,B三个通道的像素误差控制在5个像素以内,相比校正前图像均匀性提升10倍左右,比传统两点法提升3倍左右,且明显改善图像颜色突变、暗淡以及随机条纹等问题。     

Non-uniformity correction algorithm for IRFPA based on motion controllable micro-scanning and perimeter diaphragm strips

Non-uniformity correction is the key issue for the image quality improvement of infrared focal panel array (IRFPA) imaging. A non-uniformity correction (NUC) algorithm for IRFPA based on motion controllable micro-scanning platform and perimeter diaphragm strips is presented. We initially execute one-point calibration to the perimeter detectors, then based on controllable motion of adjacent frames, a special algebraic algorithm is proposed to transport the calibration of the perimeter detectors to those interior un-corrected ones. In this way, the bias parameter of the whole field of view (FOV) is calculated. The algorithm can be easily combined with sub-pixel imaging, thereby improving the quality of thermal imaging system (image spatial resolution and uniformity). All calculations are algebraic, with a low computation load. The algorithm can realize adaptive one point calibration without covering the central FOV rapidly. Experiments on simulated infrared data demonstrate that this algorithm requires only dozens of frames to obtain high quality corrections.     

基于多任务卷积神经网络的红外与可见光多分辨率图像融合

红外与可见光图像融合一直是图像领域研究的热点,融合技术能弥补单一传感器的不足,为图像理解与分析提供良好的成像基础。因生产工艺以及成本的限制,红外探测器的分辨率远低于可见光探测器,并在一定程度上因源图像分辨率的差异阻碍了实际应用。针对红外与可见光图像分辨率不一致的问题,提出了用于红外图像超分辨率重建与融合的多任务卷积网络框架,应用于多分辨率图像融合。在网络结构方面,首先设计了双通道网络分别提取红外与可见光特征,使算法不受源图像分辨率的限制;其次提出了特征上采样模块,先用双线性插值方法增加像素个数,再通过多层感知器精细化拟合像素平滑空间与高频空间的映射关系,无需重新训练模型即可实现任意尺度的红外图像上采样;接着将线性注意力引入网络,学习特征空间位置间的非线性关系,抑制无关信息并增强网络对全局信息的表达。在损失函数方面,提出了梯度损失,保留红外与可见光图像中绝对值较大的滤波器响应值,并计算该值与重建的融合图像响应值的Frobenius范数,无需理想的融合图像作为真值监督网络学习就能生成融合图像;此外,在梯度损失、像素损失的共同作用下对多任务模型进行优化,可以同时重建融合图像和高分辨率红外图像...     

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。     

基于MOS电阻阵列的红外目标模拟器非均匀性校正技术研究

红外成像目标模拟器是红外成像半实物仿真系统中的关键组成部分,基于微机械技术发展起来的MOS电阻阵列是红外图像生成器的重要发展方向。其中红外图像生成的质量是设计和研制红外成像目标模拟系统需重点考虑的问题。多种原因导致电阻阵列具有一定的非均匀性,因此在使用之前必须对其进行非均匀性校正。结合实际应用,阐述了基于MOS电阻阵列的红外成像目标模拟器的非均匀性产生机理,建立红外目标模拟器的非均匀性修正数据库对红外目标模拟器的图像数据源进行校正和补偿,产生校正后的图像数据,完成对红外目标模拟器存在非均匀性的离线修正。     

红外探测器模拟器中多通道数模转换输出不一致性校正

针对多通道数模转换电路输出不一致性问题,将两点非均匀性校正算法引入到不一致性问题中,提出了一种不一致性两点校正模型。通过分析红外探测器模拟器输出信号的样本数据,获得不一致性校正因子,并在现场可编程门阵列核心处理器中实现了该不一致性校正模型。利用红外探测器模拟器模拟320×256中波红外制冷探测器的输出信号,获得不一致性校正前后的图像。通过比较分析表明:校正前图像列平均灰度最大起伏量为15,校正后为5,相对改善了约66.7%。