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。     

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...     

基于系统非线性的红外焦平面非均匀性校正

采用系统非线性描述和分析方法,从基于红外参考辐射源的校正算法原理入手,提出了一种新的红外焦平面非均匀性校正方法.该算法将每个探测器单元视为一个非线性系统,因此,该算法原理既对基于红外参考辐射源的非均匀性校正算法成立,对基于场景的校正算法在一定条件下也有效,能够适应非均匀性随时间和环境改变而发生缓慢变化的情形,是一种自适应算法.     

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.     

基于维纳滤波的红外焦平面阵列非均匀性校正算法

充分利用红外图像的空间相关性和时间相关性,提出了一种基于维纳（Wiener）滤波的红外焦平面阵列（IRFPA）非均匀性校正算法,实现对辐射信号的无偏估计,滤波器的参量通过时域一、二阶统计结合空域平均获得,同现有的典型校正算法相比,本文算法具有收敛速度快、校正准确度高的特点,理论分析以及针对实际红外图像的实验结果表明提出的算法更具优越性.     

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。     

基于反中值滤波的红外焦平面自适应非均匀性校正方法

分析了红外焦平面阵列非均匀性的噪声特性，提出了一种用反中值滤波为核心的红外焦平面自适应校正的方法。针对实际的图像进行了实验，实验证明该方法在校正效果、收敛速度、对静止目标保持能力及可硬件化等方面都有较好的表现。     

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...     

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。     

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.     

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。     

基于小波分解金字塔的OCT图像特征提取算法

糖尿病性黄斑水肿(DME)是导致失明的主要原因之一,由专业的医生通过检查光学相干扫描(OCT)图像是主要的诊断方法,但这一过程不仅耗时而且容易误判,提出一种辅助诊断模型来区分DME和正常黄斑。对原始OCT图像进行降噪、展平、裁剪预处理,得到易于分类的病灶区图像,在小波分解金字塔模型的基础上用局部二值模式方法对原图和低频子图像提取纹理特征;与提取细节图像的灰度-梯度共生矩阵特征融合形成最终的全局特征,并对其进行降维;用weka平台的序列最小优化模型进行分类。在杜克大学数据集和临床数据集上的试验结果表明,算法在两个数据集上验证的准确率分别为95.7%、95.3%,灵敏性分别为95.3%、95.5%,特异度分别为96.0%、95.1%。因此,所提方法能有效对OCT图像分类,为临床上视网膜疾病辅助诊断提供技术支撑。     

扫描型热像系统均匀性校正方法研究

随着热像系统时域噪声等效温差（NETD）的不断下降,残余固定图形噪声（RFPN）的不稳定性成为制约系统性能,特别是制约系统识别能力的一个关键因素。通过分析热像系统响应非均匀性产生的机理,介绍一种扫描型热像系统获得场景平均辐照度点的方法,实现了以场景平均辐照度点为校正基准点的动态校正。采用该方法研制的热像系统在（0～50）℃场景动态范围内可使系统的RFPN小于15mK。通过样机冬、夏两季外场试验以及各种环境试验,验证了该校正方法在热像系统温度发生变化以及场景辐照度发生变化时具有良好的适应性。     

基于谱分解的模糊C均值算法在彩色图像分割中的应用

针对模糊C均值聚类算法对初始值敏感、易陷入局部最优以及谱聚类算法无法处理样本量过大的问题,提出了一种将模糊C均值聚类算法与谱聚类算法相结合的模糊谱聚类算法应用于彩色图像分割。大致分为三步,第一步对图像进行预处理,将颜色空间由RGB空间转换为Lab空间;第二步对特征空间进行冗余模糊C均值聚类算法得到冗余类;第三步由冗余类的隶属度矩阵和聚类中心矩阵得到冗余类的特征空间,并根据贴进度和传递闭包将该特征空间转换为冗余类的相似度矩阵进行谱聚类,完成冗余类的合并。实验结果表明,与模糊C均值聚类算法相比,模糊谱聚类算法对于初始值敏感问题、易陷入局部最优以及只能识别团状的蔟得到了很好的解决,从而使彩色图像分割结果更加合理。     

基于FPGA的图像畸变矫正算法研究

在机器视觉中需要对采集到的带有畸变的图像进行矫正。为了提高对畸变图像校正的实时性,针对使用FPGA实现图像畸变矫正算法时,存在的在线计算逆向映射坐标复杂和片上ROM容量不够问题,压缩了逆向映射表,并在FPGA上利用插值方法在线重建了逆向映射表。通过查找重建的逆向映射表来获取逆向映射坐标,从而降低了FPGA的在线计算量和片上ROM的容量需求。MATLAB仿真结果显示,当压缩参数n分别取4、8、16时都能够对畸变图像进行较好的矫正,并且图像信息不会丢失。仿真结果验证了算法的有效性,该算法可用于基于FPGA的图像畸变矫正。     

基于BP优化算法的PSD非线性校正

针对位置敏感探测器(PSD)固有的非线性,提出一种基于BP优化算法的PSD非线性校正方法。以传统的牛顿算法为基础,推导了Levenberg Marquardt算法,即BP优化算法的相关原理。采用Matlab软件编程,网络采用具有2个中间隐层的结构形式,2个隐层使用的神经元数分别为40和30,最大训练次数取500次,利用sim函数计算并仿真网络输出,网络输出误差均在0.001 mm之内,其中最大误差不超过0.003 mm,实现了对PSD非线性的校正。     

Chaotic signal denoising algorithm based on sparse decomposition

Denoising of chaotic signal is a challenge work due to its wide-band and noise-like characteristics. The algorithm should make the denoised signal have a high signal to noise ratio and retain the chaotic characteristics. We propose a denoising method of chaotic signals based on sparse decomposition and K-singular value decomposition(K-SVD) optimization. The observed signal is divided into segments and decomposed sparsely. The over-complete atomic library is constructed according to the differential equation of chaotic signals. The orthogonal matching pursuit algorithm is used to search the optimal matching atom. The atoms and coefficients are further processed to obtain the globally optimal atoms and coefficients by K-SVD. The simulation results show that the denoised signals have a higher signal to noise ratio and better preserve the chaotic characteristics.     

Multi-focus image fusion based on window empirical mode decomposition

In order to improve multi-focus image fusion quality, a novel fusion algorithm based on window empirical mode decomposition (WEMD) is proposed. This WEMD is an improved form of bidimensional empirical mode decomposition (BEMD), due to its decomposition process using the adding window principle, effectively resolving the signal concealment problem. We used WEMD for multi-focus image fusion, and formulated different fusion rules for bidimensional intrinsic mode function (BIMF) components and the residue component. For fusion of the BIMF components, the concept of the Sum-modified-Laplacian was used and a scheme based on the visual feature contrast adopted; when choosing the residue coefficients, a pixel value based on the local visibility was selected. We carried out four groups of multi-focus image fusion experiments and compared objective evaluation criteria with other three fusion methods. The experimental results show that the proposed fusion approach is effective and performs better at fusing multi-focus images than some traditional methods.