基于全卷积网络的红外图像非均匀性校正算法

针对红外成像系统在经过两点校正后,随时间漂移仍然会出现的非均匀性噪声,提出一种基于全卷积深度学习网络的红外图像非均匀性校正算法,使用子网络与主网络相结合的方式进行非均匀性校正。该算法设计了非均匀性等级估计子网络,将含有非均匀性噪声的红外图像输入子网络后,输出非均匀性等级估计图,并和待校正红外图像一并输入校正主网络。子网络生成的非均匀性等级估计图作为一个参数输入校正主网络,避免了网络只针对同一等级非均匀性产生过拟合。经过实验验证,该算法克服了传统的基于场景的算法所产生的边缘模糊问题,对条纹状非均匀性噪声校正效果较好,经过校正后的红外图像清晰度高、细节丰富、边缘清晰、图像质量良好。