红外图像非均匀性校正.doc

改进的红外图像神经网络非均匀性校正算法

摘要：红外焦平面阵列（IRFPA）像元响应存在不一致性，会严重影响红外成像系统成像的质量，实际应用中需要采用响应的非均匀性校正（NUC）技术。传统的神经网络校正算法在校正结果中存在图像模糊和伪像的问题，影响人们对于目标的观察。在分析了传统的神经网络性校正算法所出现问题原因的基础上，提出了有效的改进算法：用非线性滤波器代替传统算法中使用的均值滤波器。算法改进之后所得到的校正图像，不仅在清晰度方面有明显的改善，而且有效的消除了传统算法中存在伪像的问题。
关键词：非均匀性；神经网络；模糊；伪像
中图分类号：TN215文献标识码：A
Improvedinfraredimageneuralnetworknon-uniformitycorrectionalgorithm

Abstract：Theresponsiveofinfraredfocalplanearrays(IRFPA)isdifferent;itwillaffectthequalityofimagingsystemseriously.Non-uniformitycorrectiontechnologywillneedinpracticalapplication.Thecalibratedimageshavetheproblemsofblurringandexistingghostartifactswhenusethetraditionalneuralnetworkcorrectionalgorithm.Anditisbadfortheobservationofthetarget.Afteranalysisthereasonsfortheproblemsinthetraditionalneuralnetworkcorrectionalgorithm，proposedtheimprovedalgorithm.Replacethemeanfilter,whichusedinthetraditionalalgorithm,bythenonlinearfilter.Thecorrectedimagebytheimprovedalgorithmnotonlyamarkedimprovementinclarity,butalsoeffectivelyeliminatetheproblemofartifactsintraditionalalgorithms.
Keywords：Non-uniformity;Neuralnetwork;Blurring;Ghostingartifacts

引言
红外技术是20世纪初新出的一种不可见光技术，目前已被广泛应用于军事和民事领域，如红外探测，红外监视等。而IRFPA作为红外技术的核心部分，起着关键的作用，但是IRFPA上存在的非均匀性是影响红外系统的一个重大因素。因此，对于非均匀性的研究是目前广泛讨论的问题。
目前国内外已经出现了多种IRFPA非均匀性校正方法，归纳起来它们大致可以分为两类：基于定标的NUC算法[1]，这类算法由于精度高、算法简单，得到了广泛的应用。但是定标类校正方法由于受到IRFPA工作时间和环境的影响，其响应参数会发生缓慢漂移，进而影响校正精度。因此，定标类校正方法通常需要进行周期性定标校正[2]，这样在校正过程中就需要设备停止工作，所以会带来很大的不便。第二类是基于场景的NUC算法[3]，这类校正算法在一定程度上能够克服IRFPA响应漂移带来的校正误差，并且不需要参考源，因此基于场景的算法成为了目前研究的主要方向。神经网络校正方法以其较好的自适应性和误差跟踪能力而成为场景类校正方法中最具发展前途的一种方法。但是，传统的神经网络校正算法存在校正结果模糊，且存在伪像的问题。本文的主要工作就是针对该算法存在的问题，对其进行改进，并取得了很好的效果。
非均匀性的产生
非均匀性指的是焦平面阵列在外界均匀光强照射时，各单元的输出不一致，在图像上表现为空间噪声或固定图案噪声。假设每个探测器的响应模型为线性模型，对于焦平面阵列中第个像元在时刻的输出响应可以表示为：
(1)
式中，为第个像元在时刻接收到的辐射照度，为探测器单元输出，和分别为增益因子和噪声因子。在理想情况下，各探测元的都相同，且为0。这样，就可以真实地反映出输入图像。但是在实际情况中，各点的和都不相同，这就是红外图像非均匀性。式(1)又可以表示为：
(2)
式中，为增益校正因子，为偏移量校正因子。式(2)即为像元的非均匀性校正公式。
传统神经网络非均匀性校正算法原理
20世纪90年代初,美国海军研究中心的D.A.Scribner等人首先将BP人工神经网络结构引入了对红外成像系统进行非均匀性校正的领域,它的校正原理是利用现有视场场