为解决基于传统时域高通滤波红外图像非均匀性校正算法存在“鬼影”现象以及固定图案噪声去除不彻底的问题, 提出了一种加权引导滤波和改进时域高通滤波相结合的非均匀性校正算法。首先, 利用加权引导滤波准确分离红外图像中的空域高频成分; 然后, 计算红外图像中像素点灰度值变化幅度; 最后, 在进行时域高通滤波时对红外图像中的运动区域和静止区域使用不同时间常数进行校正。采用两组真实红外图像序列进行实验, 并与经典的双边滤波时域高通, 均值滤波时域高通非均匀性校正算法进行比较。实验结果表明: 文中所提算法在主观视觉和客观评价指标方面优于其他两种算法, 有效降低了红外图像的非均匀性, 不会产生“鬼影”, 取得了较好的非均匀性校正效果。

非制冷红外焦平面阵列的固定图案噪声具有与条带噪声相类似的特性.通过对矩匹配算法和时域高通滤波算法的研究, 提出了一种多尺度时域矩匹配非均匀性校正算法.首先利用高斯金字塔对相邻帧待校正图像进行全局运动估计, 然后对各尺度的高斯金字塔和拉普拉斯金字塔分别进行时域矩匹配.对真实红外图像序列的实验结果表明, 该算法在提高收敛速度的同时可有效减少鬼影现象的出现.

红外技术发展到今天, 红外凝视焦平面探测器阵列性能高、使用简单, 从而成为红外系统的主流。但是, 红外探测器的工艺和技术生产不出像可见光 CCD那样均匀的红外器件, 红外探测器阵列的非均匀性一直是红外凝视探测器的主要缺陷。人们开发了多种非均匀性校正算法, 尤其是基于场景的自适应算法, 极大地弥补了探测器的非均匀性缺陷。但是到目前为止, 各种算法都有一定的局限性, 尚不能彻底解决非均匀性问题。针对目前常用的几种非均匀性校正算法, 包括时域高通滤波算法、神经网络算法、恒定统计量算法等, 在天空、地面等不同场景条件下进行了仿真测试, 对算法的实施效果进行了对比分析。

针对时域高通滤波非均匀性校正算法中存在只对偏移响应系数进行校正、难以选取合适的时间常数以及滤波后图像细节不清晰等问题, 本文通过分析时间常数对算法校正效果的影响, 提出了一种改进的时域高通滤波非均匀性校正算法。首先采用离线采集的非均匀性噪声底图对红外焦平面阵列的原始输出图像进行预处理, 去除部分固定模式噪声, 保证了增益的均匀性; 然后通过运动检测环节判断场景运动是否充分, 根据运动程度自适应选取时间常数构造低通滤波器; 最后运用高频提升滤波达到提升红外图像整体的亮度和增强目标细节的效果。对真实的红外视频图像实验表明, 通过自适应选取时间常数有效地抑制了目标退化和伪像现象, 且算法的收敛速度快, 校正后图像细节清晰, 有利于工程实时应用。