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
随着红外焦平面阵列技术的发展，凝视红外成像系统在很多领域得到了大量的应用，在这些应用中，非均匀性噪声及其校正方法是人们主要关注的一个问题。为了解决这个问题，从凝视红外成像系统非均匀性噪声的来源和频域特性出发，综合考虑了当前几种典型的基于定标和基于场景的非均匀校正算法的优缺点，结合盲元检测和补偿算法，提出了一种联合非均匀校正算法，并进行了实验验证。实验结果表明，该算法能够较好地解决成像系统非均匀性噪声随时间和工作环境漂移的问题，又能够保持较高的精度和收敛速度，具有较大的工程应用价值。
非均匀性校正 凝视红外成像系统 时域高通校正法 神经网络法 non-uniformity correction IR staring imaging system temporal high pass NUC algorithm neural network
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
