1 第二炮兵工程大学 303教研室, 西安 710025
2 二炮驻成都地区代表室, 成都 610000
针对红外焦平面成像系统存在列向条纹非均匀性的现象, 采用了一种基于自适应PM扩散模型的非均匀校正新算法。首先, 综合利用图像梯度信息和局部灰度统计信息, 自适应计算PM模型的扩散阈值; 然后将每列像素的PM模型估计值作为该列像素的期望值; 最后采用最陡下降法迭代计算得到每列像元的校正参数, 并对结果进行循环校正以提高校正效果。实验结果表明: 该算法可以保护图像边缘信息, 与同类算法相比, 能够更有效地抑制条纹非均匀性, 并且能够防止图像产生鬼影。
单帧红外图像 条纹非均匀校正 自适应扩散模型 最陡下降法 鬼影 single infrared image stripe nonuniformity correction adaptive diffusion model steepest descent method ghosting artifact
针对传统的基于神经网络的自适应非均匀性校正(Neural-Network-based Non-Uniformity 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。
自适应非均匀性校正 红外图像 神经网络 鬼影 adaptive nonuniformity correction algorithm IR image neural network ghosting artifact
针对传统时域高通滤波校正算法存在的鬼影问题, 提出一种新的基于混合高斯模型的红外图像自适应校正算法。新算法利用混合高斯模型对场景进行建模, 只有在像元输出值满足一定条件的时候, 才将其更新到校正系数中, 实现有选择性地更新校正系数。通过一组仿真和真实的红外图像序列评价算法的性能,仿真图像采用峰值信噪比指标进行定量评价, 新算法比传统时域高通滤波校正算法的峰值信噪比提高了约9 dB。真实图像采用主观的定性评价, 传统算法校正结果中存在着明显的鬼影, 而新算法校正结果中不存在鬼影。
非均匀性校正 混合高斯模型 鬼影 nonuniformity correction Gaussian mixture model ghosting artifact
1 华中科技大学图像识别与人工智能研究所,湖北,武汉,430074
2 华中科技大学图像信息处理与智能控制教育部重点实验室,湖北,武汉,430074
深入分析了红外焦平面阵列(IRFPA)非均匀性的神经网络校正法出现目标退化和伪像的成因,指出没有考虑目标边缘而盲目更新系数是产生问题的根源.在此基础上提出了防止目标退化和伪像的边缘指导的神经网络自适应校正方法(ED-NN-NUC).仿真实验以及针对实际红外图像的实验结果表明,所指出的问题根源是正确的,提出的方法是合理有效的.
红外焦平面阵列 非均匀性校正 神经网络校正法 目标退化 伪像 IRFPA nonuniformity correction neural networks correction algorithm target fade-out ghosting artifact
