双头增强与非均匀校正的水下图像增强算法

受水下环境浑浊度高、光照不足和均匀性差等因素影响,水下成像所获取的图像存在对比度低、细节模糊和颜色失真等缺陷,为此提出一种双头增强和非均匀校正的水下图像增强算法。利用构建的双头增强网络从浅层信息中提取多尺度特征,同时融合不同通道的上下文信息,有利于水下图像低对比度的增强;此外构建了非均匀校正网络,对图像不同通道和不同位置进行非线性加权融合,有利于颜色一致性和亮度的恢复。与10种算法相比,本文算法在UIEB测试集上峰值信噪比、结构相似性比其他方法的最优值分别提高了4.02 dB和0.120,CIEDE2000指标下降了1.51,在LUSI测试集上述指标分别提高了2.13 dB、0.025及下降了0.48。实验结果表明:所提算法针对不均匀的水下图像增强效果显著,更加符合人眼特性。

制冷焦平面高动态范围热成像非均匀校正系数与积分时间的关系

变积分时间是实现高动态范围(HDR)热成像的最有效手段,但积分时间的变化会使得系统的残留非均匀性噪声也发生变化。从红外系统响应模型出发,推导了两点非均匀校正(NUC)法的增益和偏置校正参数与积分时间的关系,结果表明:增益校正参数与积分时间无关,只有偏置校正参数与积分时间有关;并通过实际热成像系统的测试对比实验,证明了上述结论的正确性。研究结果为变积分时间的HDR热成像系统的NUC提供了合理、可行的校正依据,可极大的简化变积分时间的HDR热成像系统NUC处理过程。

基于积分时间调整的红外焦平面阵列非均匀校正算法研究

利用实测的响应数据分析了红外焦平面阵列探测元的响应特性与入射辐射、积分时间的关系,指出了实际工程中常用的两点黑体辐射定标校正算法的本质在于利用高低温时不同的响应数据计算增益系数与偏置系数.与此相类似,通过调整积分时间也能得到不同的响应数据.因此对基于积分时间调整的校正算法展开研究,分别提出一点与两点定标校正算法,并将一点定标与小波多分辨率分解相结合,提出了一种新的自适应非均匀校正算法,实验结果证明了该方法在实际成像系统中的有效性.

基于红外焦平面阵列读出结构的非均匀校正算法

提出了一种基于红外焦平面阵列读出结构的非均匀校正算法,它将校正过程分成两步。首先利用恒定统计方法滤除由通道放大器引起的固定图案噪声,然后采用改进的神经网络方法,进一步校正由探测器响应产生的非均匀性。实验结果表明:该算法在第20帧时就能够收敛到一个较好的水平,此刻校正图像的平均绝对误差(MAE)和峰值信噪比(PSNR)值分别为2.9和39.2。由于本算法是递推进行的,并且具有收敛速度快、计算复杂度低等优点,因此易于工程实现。

中值直方图均衡的单帧红外图像非均匀校正算法

为了实现红外图像的自适应校正,利用红外焦平面的非均匀性成列分布的特性,提出了一种针对红外图像进行非均匀校正的新方法。新算法统计图像每列的直方图,对列局部的直方图进行排序,得到局部直方图的中值,然后对中值直方图进行均衡,通过均衡直方图灰度映射得到校正后的图像。算法实现不需要任何运动补偿或累加计算,在单帧图像内完成非均匀校正。实际应用证明,与同类自适应校正算法相比,该算法具有校正精度高、速度快、抑制目标退化能力强的优点。

非均匀校正技术算法分析与实时系统设计

为获得良好的红外焦平面阵列非均匀校正效果,讨论了非均匀性的来源、噪声类型和目前基于定标、基于场景的常用非均匀校正方法。对修正的时域高通滤波、改进的神经元网络等利用场景信息来估计探测器参数的校正算法进行了仿真效果和实时性能的分析与评价。同时设计了一种以TMS320DM642为处理核心的小型低功耗DSP硬件系统平台,描述了系统流程和实时实现策略,为红外焦平面系统提供了一条有效的实现路径。

一种具有自适应非均匀校正功能的非制冷焦平面探测器组件

基于场景的非均匀校正算法(scene based nonuniformity correction,SBNUC)是非均匀校正技术今后的重点发展方向,介绍了近年来基于恒定统计约束的SBNUC、神经网络的SBNUC和运动估计的SBNUC算法的研究进展。研究了SBNUC算法在实际焦平面探测器组件上的实现方法,该方法仅依赖拍摄序列的信息对焦平面探测器的增益和偏置参数进行组间更新或帧间更新,可有效补偿温漂。研制了一种具有自适应非均匀校正功能的非制冷焦平面探测器组件,红外视频经该组件处理后,图像质量有所提高。该组件可明显提高热成像系统的成像性能,并能动态地保证热成像系统随场景变化的稳定性。

混合卡尔曼滤波的非均匀校正算法

提出了一种基于混合卡尔曼滤波的非均匀校正算法,可以用于解决参数漂移为非线性的问题.该方法首先根据给定状态空间模型的特点,使用无迹卡尔曼滤波技术和传统卡尔曼滤波技术分别处理非线性的状态转移模型和线性的观测模型,然后把估计结果用于非均匀校正.使用仿真的一维和二维数据验证算法性能,实验结果表明,所提算法扩展了传统卡尔曼滤波算法的使用范围,并且与扩展卡尔曼滤波算法相比,具有较高的稳定性和估计精度.

红外焦平面阵列非均匀校正技术研究

红外焦平面阵列探测器广泛应用于红外成像制导系统。但焦平面阵列的非均匀性校正技术与探测器的性能息息相关 ,因此必须进行非均匀性校正。在众多非均匀校正方法中 ,两点法和时间高通自适应方法是两种最典型的方法。文中对这两种方法分别进行了分析 ,并对一般的时间高通自适应非均匀校正法提出了改进 。

基于场景的红外焦平面非均匀校正技术分析

补偿固定噪声的时间漂移是红外焦平面非均匀校正技术中面临的一个重要问题 .本文考察了近期提出卡尔曼滤波算法、校正统计算法与代数算法 ,分析其解决固定噪声随时间漂移的机理 ,并对算法性能进行综合评价 。

基于粒子滤波的红外焦平面阵列非均匀校正算法

空间固定图案噪声严重影响红外探测系统的成像质量,并且还会随着外界环境的变化而缓慢漂移。卡尔曼滤波算法可以解决这个问题,但会受到线性高斯模型的限制。提出了一种利用粒子滤波跟踪噪声漂移,进而实现非均匀校正的算法。首先使用粒子采样噪声参数可能的取值状态,然后通过状态空间模型对这些粒子进行预测和更新,最后把粒子状态的加权平均值作为对噪声参数的估计。该算法是对卡尔曼滤波算法的扩展,不受任何模型条件的限制,因此,能够实现对不同情况噪声漂移的有效跟踪。实验结果表明:经此算法校正后的图像的峰值信噪比平均都在37dB以上,而经卡尔曼滤波算法校正后的图像却只有28dB。

基于高阶统计量的红外焦平面非均匀校正算法

根据高斯噪声高于二阶累积量为零的特性,提出基于高阶统计量的红外焦平面非均匀校正算法,可从图像场景中自适应估计阵列单元的增益和偏置参数.提出的算法包含两个部分,第一部分利用统计矩和累积量周期估计红外焦平面的模型参数,第二部分利用维纳滤波恢复真实图像.仿真图像序列表明这种算法有效降低了固定图案噪声,达到了较高的非均匀校正水平.

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 。

一种基于场景的非均匀校正算法

提出了一种基于场景的非均匀校正算法,它不仅可以消除红外焦平面阵列响应特性的非均匀性,还可以补偿其漂移。建立了一个包含漂移因素的红外焦平面探测器响应模型,该模型构成了算法的基础。非均匀校正算法分两步执行:首先执行初步非均匀校正消除大部分的非均匀性,然后利用运动场景形成的红外图像序列来补偿响应特性的漂移噪声。场景运动估计是本算法的关键,块匹配方法被介绍来实现准确地运动估计。真实的红外图像数据说明了该算法的有效性。

基于帧间预测的红外焦平面阵列非均匀校正算法

提出了一种基于帧间预测的非均匀校正算法,它可以通过场景配准从当前已校正图像中估计出下一帧未校正图像的真值,然后将所得的场景估计与相应的噪音图像用于线性拟合,其拟合参量即可用来进行非均匀校正.该方法的主要优点在于抗噪音能力强,预测准确度高,且能够实时处理.详细阐述了算法的基本原理及其流程,并用真实红外数据对算法性能进行验证,取得了较好的效果.

基于图像分割和配准的红外焦平面阵列非均匀校正算法

在目标成像跟踪和制导领域,存在大量由缓慢移动背景和相对背景运动的点目标构成的红外图像序列,传统的基于场景的红外焦平面非均匀校正算法在解决此类图像中存在困难。提出了基于图像分割和配准的红外焦平面非均匀校正算法(简称S-R算法),通过将图像背景和运动点目标分离,利用图像配准的方法完成图像背景的非均匀校正和点目标位置处错误固定噪声参数的补偿,最终完成整个焦平面探测单元固定噪声参数的估计,从而有效解决了这类红外图像序列的非均匀校正问题。S-R算法具有噪声参数估计精度高、收敛速度快和计算复杂度低等优点。文中最后用仿真数据对上述结论进行验证。

数字全变分滤波在红外图像序列非均匀校正中的应用

红外焦平面阵列上的空间非均匀性,即固定图案噪声,严重影响了红外系统的成像质量。为此提出了一种新的非均匀校正算法,它借鉴了图像处理中的图像去噪思想,把数字全变分滤波器引入非均匀校正。鉴于数字全变分滤波的执行过程一般都是自我迭代,而考虑到校正算法的实时性要求,无法对单帧图像实施多次处理。故而将以前的空间迭代形式转化为时间递推,以达到逐帧去除固定图案噪声的目的。使用仿真和真实红外图像序列对算法性能进行验证,实验结果表明:该算法从第15帧开始就能够达到较好的校正水平,并且在未优化条件下,每秒钟处理30帧图像仅需300M个指令周期。因此具有收敛速度快、计算复杂度低等优点。

基于递推最小二乘的红外焦平面非均匀校正算法

根据递推最小二乘和图像配准原理,提出了基于递推最小二乘的红外焦平面非均匀校正算法(简称ILS算法),有效降低算法的时间和空间复杂度,使噪音图像的校正处理能够实时完成.ILS算法具有噪音参量估计准确度高、收敛速度快和计算复杂度低等优点.给出了算法的推导并用仿真数据对算法的有效性进行验证.

改进型自适应分段的红外焦平面非均匀校正方法

制冷型红外焦平面探测器的响应非均匀性对其定量化应用产生很多不利影响。本文在对红外焦平面探测器像元响应特性深入研究的基础上,提出了一种的改进型自适应分段的红外焦平面非均匀校正算法。该方法主要在前人研究的基础上给出校正效果与分段校正阈值选择之间的定量化关系,从而降低了分段校正时阈值选择的盲目性。另外,该方法采用归一化直线作为校正的目标曲线,而非传统方法中采用分段目标曲线。文中首先分析了线性校正误差的来源,然后给出校正效果与分段阈值之间的定量化关系,最后给出校正方法的原理和步骤。在校正效果评价方面,本文使用局部非均匀性(LNU)来评价校正后的效果,该方法相对于传统的评价方法,更能体现校正后残差的局部特性。实验表明,相对于传统的多点校正法,该方法使用较少的参数量获得更好的校正效果,并且易于工程实现。

基于自适应滤波的焦平面非均匀校正法的研究

根据最小二乘原理和回归模型设计出消除噪声的自适应滤波器 ,以消除图像的噪声 .提出采用基于多项式的红外焦平面非均匀校正方法 ,讨论分析了实现该方法的算法 .最后对图像校正效果进行了分析 .