基于场景的红外非均匀性校正算法对比研究

红外技术发展到今天,红外凝视焦平面探测器阵列性能高、使用简单,从而成为红外系统的主流。但是,红外探测器的工艺和技术生产不出像可见光CCD那样均匀的红外器件,红外探测器阵列的非均匀性一直是红外凝视探测器的主要缺陷。人们开发了多种非均匀性校正算法,尤其是基于场景的自适应算法,极大地弥补了探测器的非均匀性缺陷。但是到目前为止,各种算法都有一定的局限性,尚不能彻底解决非均匀性问题。针对目前常用的几种非均匀性校正算法,包括时域高通滤波算法、神经网络算法、恒定统计量算法等,在天空、地面等不同场景条件下进行了仿真测试,对算法的实施效果进行了对比分析。

红外焦平面非均匀校正的综合处理算法

时域高通滤波的算法具有简单 ,易于实现的优点。但其在既有加性噪声 ,又有乘性噪声时校正效果难以令人满意。神经元网络算法在噪声较强时 ,校正效果受到了限制。针对既有加性噪声 ,又有乘性噪声 ,且加性噪声较强的情况 ,提出了红外焦平面非均匀校正的综合处理算法。仿真证明 。