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
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
1 中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
针对传统的基于场景的红外焦平面阵列非均匀性校正算法收敛速度慢和校正精度不高的缺点，提出了一种基于扩展全变分的红外焦平面阵列非均匀性校正方法。在分析全变分算法的图像去噪性能的基础上，针对运动的红外图像序列，扩展了全变分的应用范围。通过最小化非均匀校正后图像的全变分，利用最陡下降法，得到计算增益量校正因子和偏移量校正因子的迭代公式。针对校正图像存在的鬼影现象，设计了一种自适应阈值控制的鬼影消除方法。实验表明：相较于目前已有的方法，该方法有效地去除了原始红外图像的固定图案噪声，较大程度地保留了图像细节信息，提高了图像质量。
图像处理 红外焦平面阵列 非均匀性校正 全变分 最陡下降法
中国科学院长春光学精密机械与物理研究所应用光学国家重点实验室, 吉林 长春 130033
提出了一种超越型函数，用来描述激光强度分布，并给出了这种函数的拟合方法。该超越型函数是基于高斯类分布函数提出的，并根据多变量寻优的方法，采用方向搜索法及最小二乘法对该函数进行拟合。计算表明这种超越型函数比高斯类函数更适于描述激光强度分布；且在算法方面，采用方向搜索法的时间复杂度O(∑4i=1Ni)也较传统枚举法的时间复杂度O(∏4i=1Ni)有显著降低。
激光光学 强度分布 超越函数 多变量寻优 最小二乘法 最陡下降法 方向搜索法
