中国科学院西安光学精密机械研究所， 陕西 西安 710119
对于红外输出图像的非均匀性，通常可采用两点校正法和神经网络法进行改善。但两点校正法不能有效地克服环境温度漂移的影响；神经网络法收敛缓慢，使静止图像逐渐融入背景，导致运动目标出现伪像。提出一种多本底采样自适应非均匀校正算法，在不同的环境温度点采集多组高低温本底，根据最小二乘法拟合计算得到非均匀校正系数和环境温度的关系，根据环境温度的改变自适应完成非均匀校正。测试结果表明，该方法简单可行，能够较好地克服环境温度漂移的影响。
光计算 非均匀校正 神经网络法 多本底采样 最小二乘法 光学学报
2016, 36(10): 1020001
中国科学院西安光学精密机械研究所，陕西 西安 710119
红外焦平面阵列(IRFPA)的盲元既包括因材料与制造工艺的缺陷而导致的固定盲元，也包括因环境温度的漂移而出现的随机盲元。基于场景的盲元检测与补偿算法是去除这两种盲元，提高IRFPA成像质量的有效手段。针对目前滤波类场景检测算法无法有效区分弱小点目标和随机盲元的缺陷，重点研究了随机盲元的响应特性和噪声特性，并提出了一种基于模糊中值与时域累积的盲元自适应检测与补偿算法。首先利用模糊中值滤波器从场景中提取出潜在的盲元，并通过多帧累积确定固定盲元和随机盲元的正确分布，最后对盲元进行实时补偿。实验结果证明：该算法可以有效地实现对盲元的校正，同时避免对弱小点目标的误判别。
红外焦平面阵列 随机盲元 盲元检测与补偿 模糊中值 IRFPA random bad pixel blind pixel detection and compensation fuzzy median
中国科学院西安光学精密机械研究所, 陕西 西安 710119
为了实现红外图像的非均匀校正，目前通常采用神经网络法完成红外图像的自适应非均匀校正，此方法能够自动完成校正系数的更新，但算法复杂，校后输出图像对比度不高，出现重影和图像模糊的现象。采用改进的神经网络非均匀校正方法，利用高低温黑体求得校正系数初始值，且对算法迭代过程输出期望值的计算做了改进。测试结果表明，该方法简单实用，具有较好的非均匀校正效果。
图像处理 神经网络法 非均匀校正 最陡下降法 高低温黑体
中国科学院西安光学精密机械研究所, 陕西 西安 710119
非制冷红外焦平面阵列的响应非均匀性通常表现出与条带噪声相类似的特性。基于场景的校正算法是提高图像质量，补偿响应特性漂移的有效措施。在深入研究矩匹配理论的基础之上，提出了一种新的时域矩匹配非均匀性校正方法。利用相邻帧矩匹配后的图像对场景的变化列进行估计，并在时间域对校正参数进行自适应更新。利用真实的红外图像序列验证了该算法在收敛速度和去鬼影方面的优越性和有效性。
图像处理 红外焦平面阵列 非均匀性校正 时域矩匹配 变化列估计
中国科学院西安光学精密机械研究所, 陕西 西安 710119
针对长时间工作后红外焦平面阵列(IRFPA)响应特性发生漂移，图像质量下降的问题，分析了两点校正(TPC)后残留非均匀噪声的特性，在TPC的基础上提出了一种自适应非均匀性校正方法。将两点校正后的图像进行小波分解，利用贝叶斯阈值逐点进行信号方差和噪声方差的估计，计算出残留非均匀噪声并加以去除。实验结果表明，该算法可以有效去除残留非均匀噪声，避免因红外焦平面阵列响应特性漂移而导致的图像降质。
成像系统 红外焦平面阵列 非均匀性校正 残留非均匀噪声 贝叶斯阈值
