自适应非均匀性校正中“鬼影”问题的分析

论述了红外焦平面阵列自适应非均匀校正中的“鬼影”问题 ;以实际图像序列对目前现有的方法进行了实验测试 ,表明其实际作用有限 ,而且影响非均匀性的校正效果 ;提出了三种新的改进和设想 ,并分析了存在的不足。

红外焦平面阵列非均匀性自适应校正算法研究

在分析红外焦平面阵列非均匀性校正现行算法的基础上 ,提出了一种具有自适应性能的新算法 .该算法以小波变换中的滤波器理论为基础 ,通过将图像序列在时间域的尺度分解和相应统计量计算 ,获得在红外焦平面校正中起影响的偏置和增益系数 .

红外焦平面非均匀性自适应校正算法实时实现

由于材料、工艺等原因,红外焦平面阵列(IRFPA)各单元普遍存在响应不一致的现象,从而导致IRFPA都存在非均匀性。非均匀性校正(NUC)是红外图像处理系统中的重要环节。文章在研究了基于神经网络的NUC算法的基础上,提出了一种采用DSP与FPGA相结合实现基于神经网络的非均匀性自适应校正算法实时实现硬件方法,在该方法中利用FPGA并行处理能力强的特点,对焦平面阵列进行非均匀性校正,而DSP的计算能力强,完成校正系数的自适应更新。将该方法应用于128×128红外成像系统中,可使系统长期稳定地工作,克服了校正参数的漂移问题。

基于FPGA的IRFPA非均匀性自适应校正算法实时实现

红外焦平面阵列(IRFPA)的非均匀性校正(NUC)是红外图像处理系统中的重要环节。在研究了基于神经网络的NUC算法的基础上,提出了一种采用FPGA基于神经网络的非均匀性自适应校正算法实时实现硬件方法,该方法利用流水线技术和并行处理结构,大大提高了系统的运算速度,特别适用于大面阵、高帧频红外焦平面成像系统;而且系统仅利用了一片FPGA,体积小,功耗低,便于系统的小型化。

基于神经网络的改进型红外图像自适应非均匀校正算法

针对传统的基于神经网络的自适应非均匀性校正(Nearal-Network-based NonUniformity Correction,NN-NUC)算法在实际应用中存在校正能力有限和容易产生鬼影的问题,深入分析了NN-NUC算法中的鬼影产生过程,并给出了抑制鬼影的一般性方法;然后结合实际红外成像系统的特点,提出了一种改进型NN-NUC算法。仿真实验结果表明,该算法可以最大限度地抑制场景鬼影的产生,并可有效减小系统输出图像的非均匀性噪声。此外,本文算法计算量小,且易于用硬件实现,因此具有很好的工程应用价值。

基于现场可编程门阵列的高性能红外热成像系统

探讨了红外成像系统实时信号处理算法、硬件结构等关键技术。提出了一种新的自适应两点非均匀性校正(ATPC)算法,该算法以快门为目标场景来实时更新校正参数,能有效克服红外焦平面阵列(IRFPA)响应随时间漂移导致的两点非均匀性校正算法失效问题。采用查找表结构来实现平台直方图均衡(PE)算法,并对PE算法进行了优化,降低了运算量和存储空间需求。硬件系统采用两片同步动态随机存储器(SDRAM)的乒乓缓存结构,在单片现场可编程门阵列(FPGA)上实现了IRFPA的ATPC和PE算法的并行操作。实验结果表明,对320×240的IRFPA,在50 MHz系统时钟下,帧频为60 Hz时系统工作良好,处理后的红外图像质量有了明显改善,系统结构简单便于小型化,能够满足实时动态检测及追踪需求。