CN108537740A - 一种基于相邻像素统计一致性的非均匀性校正方法及系统 - Google Patents
一种基于相邻像素统计一致性的非均匀性校正方法及系统 Download PDFInfo
- Publication number
- CN108537740A CN108537740A CN201810148085.6A CN201810148085A CN108537740A CN 108537740 A CN108537740 A CN 108537740A CN 201810148085 A CN201810148085 A CN 201810148085A CN 108537740 A CN108537740 A CN 108537740A
- Authority
- CN
- China
- Prior art keywords
- pixel
- value
- frame
- row
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 230000033001 locomotion Effects 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 78
- 238000000205 computational method Methods 0.000 claims description 15
- 238000003491 array Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 abstract description 3
- 230000003287 optical effect Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Studio Devices (AREA)
Abstract
一种基于相邻像素统计一致性的非均匀性校正方法及系统,属于红外焦平面探测领域,解决了现有的非均匀性校正方法存在的校正精度低和鲁棒性不强的问题。首先,使场景和相机相对运动,并开始采集图像;其次,计算每一帧每一个像素与相邻像素的比值,然后迭代更新每一个像素对应的N个比值的平均值;最后,逐像素递推计算校正系数。本发明的校正方法不需要中断正常的成像过程,计算量小,鲁棒性强,校正精度高,方便硬件实现,有着广泛的应用前景。
Description
技术领域
本发明涉及一种基于相邻像素统计一致性的非均匀性校正方法及系统,属于红外焦平面探测领域。
背景技术
红外探测器常应用于红外搜索与跟踪系统(IRST)中。与雷达系统相比,IRST系统具有无源、不受电磁干扰和测向精度高等优点,是雷达预警系统的有效补充。但由于读出电路和每个像元的辐射响应的差异,红外探测器常受严重的非均匀性噪声干扰。非均匀性噪声是红外探测器的主要噪声来源,会降低IRST系统的探测概率,降低虚警率,缩短探测距离,是制约IRST系统达到背景限极限探测的瓶颈。因此有必要研究高精度的非均匀校正算法
目前的非均匀性校正方法主要分为两类,即基于黑体标定的方法和基于场景的方法。基于黑体标定的方法需要在实验室计算并存储校正系数矩阵,但由于探测器的辐射响应会随着时间缓慢漂移,校正精度下降。工程中常用的方法是在光路中嵌入可控温黑体,进行在线标定。这种解决方法除了增加载荷重量、体积和成本之外,需要中断正常的成像过程。此外,对于大口径的光学系统,受载荷体积的限制,无法利用可控温黑体对光学系统的主镜进行标定,即无法对整套光学系统标定。基于场景的校正方法包括恒定统计法,基于配准的方法和最小均方误差法等。恒定统计法通过调整校正系数,使每个像元在时间域内的均值和标准差分别相等。这类方法收敛速度慢,容易产生鬼影现象。此外,对于以天空为背景的图像,由于场景温度随海拔升高而降低,因此每个像素不再满足在时间域内均值相等的假设。基于配准的方法校正精度较高,但对于视场中的非刚体目标,如云等,配准精度不高,鲁棒性差,校正精度下降。最小均方误差法的校正误差主要来源于对真实场景的估计误差,也同样存在鬼影和收敛速度慢等问题。
发明内容
本发明的目的在于:克服现有技术的不足,提供了一种基于相邻像素统计一致性的非均匀性校正方法及系统,解决了现有的非均匀性校正方法存在的校正精度低和鲁棒性不强的问题。
本发明采用的技术方案为:
一种基于相邻像素统计一致性的非均匀性校正方法,步骤如下:
步骤一、保持被拍摄场景和焦平面阵列存在相对运动,获得N帧图像,N为正整数;
步骤二、根据第n帧图像第一行像素与第一列像素,计算得到比值矩阵的第一行元素和第一列元素,1≤n≤N;
步骤三、对于第n帧图像,计算除第一行像素和第一列像素之外的所有像素点对应的比值矩阵的元素值;
步骤四、根据步骤二和步骤三计算得到的比值矩阵元素,逐像素迭代更新第1帧至第n帧图像比值矩阵的均值;
步骤五、重复步骤二、步骤三和步骤四,直至第N帧图像,最终得到第1帧至第N帧图像比值矩阵的均值;
步骤六、根据步骤五得到的比值矩阵的均值,递推计算图像第一行像素以及第一列像素的校正系数;
步骤七、递推计算除了步骤六中像素以外的其他像素的校正系数,从而完成对图像的非均匀性校正。
步骤二中所述的根据第n帧图像第一行像素与第一列像素,计算得到比值矩阵的第一行元素和第一列元素,具体的计算方法为:
式中In(i,j)代表第n帧图像In中第i行、第j列对应的像素点的灰度值,Rn(i,j)代表第n帧图像中像素点(i,j)与相邻像素灰度的比值,即比值矩阵中对应的元素值。
步骤三中所述的对于第n帧图像,计算除第一行像素和第一列像素之外的所有像素点对应的比值矩阵的元素值,具体的计算方法为:
步骤四中所述的逐像素迭代更新第1帧至第n帧图像比值矩阵的均值,具体的计算方法为:
其中,代表第1帧至第n帧Rn(i,j)的均值。
步骤五中所述的第1帧至第N帧图像比值矩阵的均值具体为:
其中,代表第1帧至第N帧Rn(i,j)的均值。
步骤六中所述的递推计算图像第一行像素以及第一列像素的校正系数,具体的计算方法为:
式中,k(i,j)代表像素点(i,j)对应的校正系数,代表步骤五中像素点(i,j)对应的比值的均值。
步骤七中所述的递推计算除了步骤六中像素以外的其他像素的校正系数,具体的计算方法为:
一种基于相邻像素统计一致性的非均匀性校正系统,包括:
图像获取模块:用于保持被拍摄场景和焦平面阵列存在相对运动,从而获得N帧图像,N为正整数;
比值矩阵边缘元素获取模块:用于根据第n帧图像第一行像素与第一列像素,计算得到比值矩阵的第一行元素和第一列元素,1≤n≤N;
比值矩阵中心元素获取模块:用于对于第n帧图像,计算除第一行像素和第一列像素之外的所有像素点对应的比值矩阵的元素值;
第一迭代更新模块:用于根据比值矩阵边缘元素获取模块和比值矩阵中心元素获取模块获得的比值矩阵元素,逐像素迭代更新第1帧至第n帧图像比值矩阵的均值;
第二迭代更新模块:用于迭代更新直至第N帧图像,最终得到第1帧至第N帧图像比值矩阵的均值;
边缘元素校正系数获取模块:根据第二迭代更新模块得到的比值矩阵的均值,递推计算图像第一行像素以及第一列像素的校正系数;
中心元素校正系数获取模块:递推计算其他像素的校正系数,从而完成对图像的非均匀性校正。
所述的根据第n帧图像第一行像素与第一列像素,计算得到比值矩阵的第一行元素和第一列元素,具体的计算方法为:
式中In(i,j)代表第n帧图像In中第i行、第j列对应的像素点的灰度值,Rn(i,j)代表第n帧图像中像素点(i,j)与相邻像素灰度的比值,即比值矩阵中对应的元素值;
所述的对于第n帧图像,计算除第一行像素和第一列像素之外的所有像素点对应的比值矩阵的元素值,具体的计算方法为:
所述的逐像素迭代更新第1帧至第n帧图像比值矩阵的均值,具体的计算方法为:
其中,代表第1帧至第n帧Rn(i,j)的均值;
所述的第1帧至第N帧图像比值矩阵的均值具体为:
其中,代表第1帧至第N帧Rn(i,j)的均值。
所述的递推计算图像第一行像素以及第一列像素的校正系数,具体的计算方法为:
式中,k(i,j)代表像素点(i,j)对应的校正系数,代表步骤五中像素点(i,j)对应的比值的均值;
所述的递推计算除了步骤六中像素以外的其他像素的校正系数,具体的计算方法为:
本发明与现有技术相比的优点在于:
(1)本发明在成像过程中实时计算校正系数,避免了预存校正系数法无法克服辐射响应漂移的缺点,且不需要在光路中插入可控温黑体,避免了基于黑体标定方法需要中断正常成像过程的缺点;
(2)本发明基于相邻像素具有统计一致性的假设,与传统的基于场景的校正方法相比,不同的应用场景均能够满足本发明的假设条件,鲁棒性强;
(3)本发明在求解过程中,不需要对图像配准和估计真实的场景,计算量小,存储空间需求小,校正精度高,求解过程快速方便,方便硬件实现,具有很强的工程应用价值。
附图说明
图1为本发明所述的基于相邻像素统计一致性的非均匀性校正方法流程图;
图2为本发明所述的基于相邻像素统计一致性的非均匀性校正方法中捕获的校正前图像;
图3为本发明所述的基于相邻像素统计一致性的非均匀性校正方法中计算得到的校正系数;
图4为本发明所述的基于相邻像素统计一致性的非均匀性校正方法中校正后的图像。
具体实施方式
如图1所示,本发明提出的基于相邻像素统计一致性的非均匀性校正方法,由以下步骤实现:
步骤一、保持被拍摄场景和焦平面阵列存在相对运动,获得N帧图像,N为正整数;
步骤二、根据第n帧图像第一行像素与第一列像素,计算得到比值矩阵的第一行元素和第一列元素,1≤n≤N;
步骤三、对于第n帧图像,计算除第一行像素和第一列像素之外的所有像素点对应的比值矩阵的元素值;
步骤四、根据步骤二和步骤三计算得到的比值矩阵元素,逐像素迭代更新第1帧至第n帧图像比值矩阵的均值;
步骤五、重复步骤二、步骤三和步骤四,直至第N帧图像,最终得到第1帧至第N帧图像比值矩阵的均值;
步骤六、根据步骤五得到的比值矩阵的均值,递推计算图像第一行像素以及第一列像素的校正系数;
步骤七、递推计算除了步骤六中像素以外的其他像素的校正系数,从而完成对图像的非均匀性校正。
步骤二中,第n帧待校正图像为In,其中In(i,j)代表图像In第i行、第j列像素的灰度值。
对于第一行像素,i=1,j≥2,有
Rn(1,j)=In(1,j)/In(1,j-1) (1)
Rn(1,j)代表像素In(1,j)与相邻一个像素In(1,j-1)的比值。同理,对于第一列像素,i≥2,j=1,有
Rn(i,1)=In(i,1)/In(i-1,1) (2)
步骤三中,对于其他像素,i≥2,j≥2,像素(i,j)的相邻两个像素的坐标为(i-1,j)和(i,j-1)。这两个像素的几何平均数为因此,像素(i,j)与相邻两个像素几何平均数的比值Rn(i,j)为
步骤四中,对于步骤二和步骤三计算得到的比值矩阵,逐像素计算第1帧至第n帧Rn(i,j)的均值迭代公式为
步骤五中,第1帧至第N帧图像比值矩阵的均值具体为:
其中,代表第1帧至第N帧Rn(i,j)的均值,N为正奇数,典型值为1001。
步骤六中,校正系数为k(i,j),并约定k(1,1)=1。校正过程可以用如下公式描述
Jn(i,j)=k(i,j)In(i,j) (6)
其中,Jn为图像In对应的校正后图像。
本发明基于相邻像素统计一致性的假设。具体地,对于第一行像素,
其中,meanN[·]代表求均值算子。将公式(6)代入公式(7)中,有
即
在公式(9)中引入均值矩阵,有
则
根据公式(11)递推计算k(1,j)的过程为:利用k(1,1)和计算k(1,2);利用k(1,2)和计算k(1,3);依此类推。同理,对于第一列像素,
根据公式(12)递推计算k(i,1)的过程为:利用k(1,1)和计算k(2,1);利用k(2,1)和计算k(3,1);依次类推。
步骤七中,本发明是基于相邻像素统计一致性的假设。具体地,对于其他像素,
将公式(6)代入公式(13)中,有
整理有,
在公式(15)中引入均值矩阵,有
则
根据公式(17)递推计算k(i,j)的过程为:利用k(1,2)和k(2,1)计算k(2,2);利用k(1,3)和k(2,2)计算k(2,3);依此类推。
本发明还提出一种基于相邻像素统计一致性的非均匀性校正系统,包括:
图像获取模块:用于保持被拍摄场景和焦平面阵列存在相对运动,从而获得N帧图像,N为正整数;
比值矩阵边缘元素获取模块:用于根据第n帧图像第一行像素与第一列像素,计算得到比值矩阵的第一行元素和第一列元素,1≤n≤N;
比值矩阵中心元素获取模块:用于对于第n帧图像,计算除第一行像素和第一列像素之外的所有像素点对应的比值矩阵的元素值;
第一迭代更新模块:用于根据比值矩阵边缘元素获取模块和比值矩阵中心元素获取模块获得的比值矩阵元素,逐像素迭代更新第1帧至第n帧图像比值矩阵的均值;
第二迭代更新模块:用于迭代更新直至第N帧图像,最终得到第1帧至第N帧图像比值矩阵的均值;
边缘元素校正系数获取模块:根据第二迭代更新模块得到的比值矩阵的均值,递推计算图像第一行像素以及第一列像素的校正系数;
中心元素校正系数获取模块:递推计算其他像素的校正系数,从而完成对图像的非均匀性校正。
本实施方式为将上述的基于相邻像素统计一致性的非均匀性校正方法应用到原理样机中。原理样机包含焦距为38mm的光学镜头和Sofradir公司生产的制冷型长波红外探测器。其中,探测器分辨率为320×256。
首先,利用转台匀速改变原理样机的方位角,设定N=1001。其中,采集的一帧图像如图2所示。改变原理样机方位角的意义在于使场景和焦平面存在相对运动,为统计相邻像素之间的比值做基础。
其次,利用公式(1)~(3)计算相邻像素间的比值Rn(i,j)。
再次,利用公式(4)(5)逐像素迭代计算第1帧至第N帧比值矩阵的均值。从统计的角度来看,校正后的图像相邻像素的比值趋近于1。基于这个假设,可以估计校正系数。当帧数N足够大时,均值算子可以有效去除比值中的奇异点,从而避免校正后图像出现鬼影现象。此外,与中值算子相比,均值算子可以通过迭代的方式实现,不需要额外的存储空间,算法空间复杂性低。
最后,利用公式(10)(11)(17)递推计算校正系数k(i,j)。得到的校正系数矩阵如图3所示。利用公式(6),计算出校正后的图像,如图4所示。相邻像素统计一致性假设是局部性的假设,与基于全局统计假设的校正方法相比,本方法的假设条件容易满足。此外,本发明中由于校正系数计算与校正过程间隔时间短,所以可以忽略探测器辐射响应漂移产生的影响。
通过实验,利用本发明校正后的图像视觉质量不亚于利用低温黑体标定后的图像,证明了本发明的有效性。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (10)
1.一种基于相邻像素统计一致性的非均匀性校正方法,其特征在于步骤如下:
步骤一、保持被拍摄场景和焦平面阵列存在相对运动,获得N帧图像,N为正整数;
步骤二、根据第n帧图像第一行像素与第一列像素,计算得到比值矩阵的第一行元素和第一列元素,1≤n≤N;
步骤三、对于第n帧图像,计算除第一行像素和第一列像素之外的所有像素点对应的比值矩阵的元素值;
步骤四、根据步骤二和步骤三计算得到的比值矩阵元素,逐像素迭代更新第1帧至第n帧图像比值矩阵的均值;
步骤五、重复步骤二、步骤三和步骤四,直至第N帧图像,最终得到第1帧至第N帧图像比值矩阵的均值;
步骤六、根据步骤五得到的比值矩阵的均值,递推计算图像第一行像素以及第一列像素的校正系数;
步骤七、递推计算除了步骤六中像素以外的其他像素的校正系数,从而完成对图像的非均匀性校正。
2.根据权利要求1所述的一种基于相邻像素统计一致性的非均匀性校正方法,其特征在于:步骤二中所述的根据第n帧图像第一行像素与第一列像素,计算得到比值矩阵的第一行元素和第一列元素,具体的计算方法为:
式中In(i,j)代表第n帧图像In中第i行、第j列对应的像素点的灰度值,Rn(i,j)代表第n帧图像中像素点(i,j)与相邻像素灰度值的比值,即比值矩阵中对应的元素值。
3.根据权利要求1所述的一种基于相邻像素统计一致性的非均匀性校正方法,其特征在于:步骤三中所述的对于第n帧图像,计算除第一行像素和第一列像素之外的所有像素点对应的比值矩阵的元素值,具体的计算方法为:
4.根据权利要求1所述的一种基于相邻像素统计一致性的非均匀性校正方法,其特征在于,步骤四中所述的逐像素迭代更新第1帧至第n帧图像比值矩阵的均值,具体的计算方法为:
其中,代表第1帧至第n帧Rn(i,j)的均值。
5.根据权利要求1所述的一种基于相邻像素统计一致性的非均匀性校正方法,其特征在于:步骤五中所述的第1帧至第N帧图像比值矩阵的均值具体为:
其中,代表第1帧至第N帧Rn(i,j)的均值。
6.根据权利要求1所述的一种基于相邻像素统计一致性的非均匀性校正方法,其特征在于:步骤六中所述的递推计算图像第一行像素以及第一列像素的校正系数,具体的计算方法为:
式中,k(i,j)代表像素点(i,j)对应的校正系数,代表步骤五中像素点(i,j)对应的比值的均值。
7.根据权利要求1所述的一种基于相邻像素统计一致性的非均匀性校正方法,其特征在于,步骤七中所述的递推计算除了步骤六中像素以外的其他像素的校正系数,具体的计算方法为:
8.一种基于相邻像素统计一致性的非均匀性校正系统,其特征在于包括:
图像获取模块:用于保持被拍摄场景和焦平面阵列存在相对运动,从而获得N帧图像,N为正整数;
比值矩阵边缘元素获取模块:用于根据第n帧图像第一行像素与第一列像素,计算得到比值矩阵的第一行元素和第一列元素,1≤n≤N;
比值矩阵中心元素获取模块:用于对于第n帧图像,计算除第一行像素和第一列像素之外的所有像素点对应的比值矩阵的元素值;
第一迭代更新模块:用于根据比值矩阵边缘元素获取模块和比值矩阵中心元素获取模块获得的比值矩阵元素,逐像素迭代更新第1帧至第n帧图像比值矩阵的均值;
第二迭代更新模块:用于迭代更新直至第N帧图像,最终得到第1帧至第N帧图像比值矩阵的均值;
边缘元素校正系数获取模块:根据第二迭代更新模块得到的比值矩阵的均值,递推计算图像第一行像素以及第一列像素的校正系数;
中心元素校正系数获取模块:递推计算其他像素的校正系数,从而完成对图像的非均匀性校正。
9.根据权利要求8所述的一种基于相邻像素统计一致性的非均匀性校正系统,其特征在于:
所述的根据第n帧图像第一行像素与第一列像素,计算得到比值矩阵的第一行元素和第一列元素,具体的计算方法为:
式中In(i,j)代表第n帧图像In中第i行、第j列对应的像素点的灰度值,Rn(i,j)代表第n帧图像中像素点(i,j)与相邻像素灰度的比值,即比值矩阵中对应的元素值;
所述的对于第n帧图像,计算除第一行像素和第一列像素之外的所有像素点对应的比值矩阵的元素值,具体的计算方法为:
所述的逐像素迭代更新第1帧至第n帧图像比值矩阵的均值,具体的计算方法为:
其中,代表第1帧至第n帧Rn(i,j)的均值;
所述的第1帧至第N帧图像比值矩阵的均值具体为:
其中,代表第1帧至第N帧Rn(i,j)的均值。
10.根据权利要求9所述的一种基于相邻像素统计一致性的非均匀性校正系统,其特征在于:
所述的递推计算图像第一行像素以及第一列像素的校正系数,具体的计算方法为:
式中,k(i,j)代表像素点(i,j)对应的校正系数,代表步骤五中像素点(i,j)对应的比值矩阵的均值;
所述的递推计算除了步骤六中像素以外的其他像素的校正系数,具体的计算方法为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810148085.6A CN108537740A (zh) | 2018-02-13 | 2018-02-13 | 一种基于相邻像素统计一致性的非均匀性校正方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810148085.6A CN108537740A (zh) | 2018-02-13 | 2018-02-13 | 一种基于相邻像素统计一致性的非均匀性校正方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108537740A true CN108537740A (zh) | 2018-09-14 |
Family
ID=63486082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810148085.6A Pending CN108537740A (zh) | 2018-02-13 | 2018-02-13 | 一种基于相邻像素统计一致性的非均匀性校正方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108537740A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030198400A1 (en) * | 2002-04-19 | 2003-10-23 | Timothy Alderson | Scene-based non-uniformity offset correction for staring arrays |
CN1934606A (zh) * | 2004-03-19 | 2007-03-21 | 皇家飞利浦电子股份有限公司 | 在低亮度级处具有像素到像素的非均匀性改善的有源矩阵显示器 |
CN103491318A (zh) * | 2013-09-25 | 2014-01-01 | 海视英科光电(苏州)有限公司 | 一种红外焦平面探测器图像校正方法及系统 |
CN106342194B (zh) * | 2012-09-11 | 2014-11-12 | 中国空空导弹研究院 | 一种地面场景的红外图像非均匀性校正方法 |
JP2015100920A (ja) * | 2013-11-21 | 2015-06-04 | コニカミノルタ株式会社 | 画像形成装置及び濃度ムラの補正方法 |
CN105890768A (zh) * | 2016-03-31 | 2016-08-24 | 浙江大华技术股份有限公司 | 一种红外图像非均匀性校正的方法及装置 |
CN106373094A (zh) * | 2016-08-25 | 2017-02-01 | 中国科学院长春光学精密机械与物理研究所 | 一种红外图像的非均匀性校正方法及装置 |
CN106611406A (zh) * | 2015-10-27 | 2017-05-03 | 富士通株式会社 | 图像校正方法和图像校正设备 |
CN106886983A (zh) * | 2017-03-01 | 2017-06-23 | 中国科学院长春光学精密机械与物理研究所 | 基于Laplace算子和反卷积的图像非均匀性校正方法 |
CN107271046A (zh) * | 2017-06-12 | 2017-10-20 | 中国科学院长春光学精密机械与物理研究所 | 一种基于局部统计相关性的非均匀性校正方法及装置 |
-
2018
- 2018-02-13 CN CN201810148085.6A patent/CN108537740A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030198400A1 (en) * | 2002-04-19 | 2003-10-23 | Timothy Alderson | Scene-based non-uniformity offset correction for staring arrays |
CN1934606A (zh) * | 2004-03-19 | 2007-03-21 | 皇家飞利浦电子股份有限公司 | 在低亮度级处具有像素到像素的非均匀性改善的有源矩阵显示器 |
CN106342194B (zh) * | 2012-09-11 | 2014-11-12 | 中国空空导弹研究院 | 一种地面场景的红外图像非均匀性校正方法 |
CN103491318A (zh) * | 2013-09-25 | 2014-01-01 | 海视英科光电(苏州)有限公司 | 一种红外焦平面探测器图像校正方法及系统 |
JP2015100920A (ja) * | 2013-11-21 | 2015-06-04 | コニカミノルタ株式会社 | 画像形成装置及び濃度ムラの補正方法 |
CN106611406A (zh) * | 2015-10-27 | 2017-05-03 | 富士通株式会社 | 图像校正方法和图像校正设备 |
CN105890768A (zh) * | 2016-03-31 | 2016-08-24 | 浙江大华技术股份有限公司 | 一种红外图像非均匀性校正的方法及装置 |
CN106373094A (zh) * | 2016-08-25 | 2017-02-01 | 中国科学院长春光学精密机械与物理研究所 | 一种红外图像的非均匀性校正方法及装置 |
CN106886983A (zh) * | 2017-03-01 | 2017-06-23 | 中国科学院长春光学精密机械与物理研究所 | 基于Laplace算子和反卷积的图像非均匀性校正方法 |
CN107271046A (zh) * | 2017-06-12 | 2017-10-20 | 中国科学院长春光学精密机械与物理研究所 | 一种基于局部统计相关性的非均匀性校正方法及装置 |
Non-Patent Citations (2)
Title |
---|
DABIAO ZHOU ET AL.: "Scene-based nonuniformity correction for airborne point target detection systems", 《OPTICS EXPRESS》 * |
张宝辉等: "红外图像校正与增强技术研究现状", 《红外技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109859272B (zh) | 一种自动对焦双目摄像头标定方法及装置 | |
JP6663040B2 (ja) | 奥行き情報取得方法および装置、ならびに画像取得デバイス | |
CN110807809B (zh) | 基于点线特征和深度滤波器的轻量级单目视觉定位方法 | |
US11398053B2 (en) | Multispectral camera external parameter self-calibration algorithm based on edge features | |
CN105716542B (zh) | 一种基于柔性特征点的三维数据拼接方法 | |
CN106971408B (zh) | 一种基于时空转换思想的摄像机标定方法 | |
CN107025670A (zh) | 一种远心相机标定方法 | |
CN108648241A (zh) | 一种ptz摄像机现场标定及定焦方法 | |
CN111288967A (zh) | 一种基于机器视觉的远距离高精度位移检测方法 | |
CN106595700A (zh) | 基于三点坐标测量的靶道空间基准标定方法 | |
CN110889829A (zh) | 一种基于鱼眼镜头的单目测距方法 | |
CN106033614B (zh) | 一种强视差下的移动相机运动目标检测方法 | |
US9794483B1 (en) | Video geolocation | |
CN111709985A (zh) | 一种基于双目视觉的水下目标测距方法 | |
CN108830811A (zh) | 一种飞行参数与相机内参相结合的航空影像实时校正方法 | |
CN109724586A (zh) | 一种融合深度图和点云的航天器相对位姿测量方法 | |
CN108520541B (zh) | 一种广角摄像机的标定方法 | |
Savoy et al. | Geo-referencing and stereo calibration of ground-based whole sky imagers using the sun trajectory | |
CN112419427A (zh) | 用于提高飞行时间相机精度的方法 | |
CN110708532B (zh) | 一种普适光场单元图像生成方法和系统 | |
CN108537740A (zh) | 一种基于相邻像素统计一致性的非均匀性校正方法及系统 | |
CN113421300B (zh) | 确定鱼眼相机图像中物体实际位置的方法及装置 | |
CN113781581B (zh) | 基于靶标松姿态约束的景深畸变模型标定方法 | |
CN113240749B (zh) | 一种面向海上舰船平台无人机回收的远距离双目标定与测距方法 | |
CN115511961A (zh) | 三维空间定位方法、系统及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180914 |
|
RJ01 | Rejection of invention patent application after publication |