CN113375808A - 一种基于场景的红外图像非均匀性校正方法 - Google Patents

一种基于场景的红外图像非均匀性校正方法 Download PDF

Info

Publication number
CN113375808A
CN113375808A CN202110557289.7A CN202110557289A CN113375808A CN 113375808 A CN113375808 A CN 113375808A CN 202110557289 A CN202110557289 A CN 202110557289A CN 113375808 A CN113375808 A CN 113375808A
Authority
CN
China
Prior art keywords
image
scene
current frame
row
infrared
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.)
Granted
Application number
CN202110557289.7A
Other languages
English (en)
Other versions
CN113375808B (zh
Inventor
高伟奇
邬昌明
潘兰兰
曹志远
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Boe Electro Optics System Co ltd
Original Assignee
Wuhan Boe Electro Optics System Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Boe Electro Optics System Co ltd filed Critical Wuhan Boe Electro Optics System Co ltd
Priority to CN202110557289.7A priority Critical patent/CN113375808B/zh
Publication of CN113375808A publication Critical patent/CN113375808A/zh
Application granted granted Critical
Publication of CN113375808B publication Critical patent/CN113375808B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J2005/0077—Imaging
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/50—Manufacturing or production processes characterised by the final manufactured product

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Transforming Light Signals Into Electric Signals (AREA)

Abstract

本发明提供了一种基于场景的红外图像非均匀性校正方法，包括：本发明提供的一种基于场景的红外图像非均匀性校正方法，该方法是基于无快门技术的非均匀校正，主要分为两部分：场景运动判断和分离场景固定高频噪声进行非均匀性校正。首先采用基于配准的方法判断场景是否处于运动状态，当场景处于运动状态下，分离场景的固定高频噪声，然后提取场景的细节信息，自适应地计算出当前图像场景对应的偏置校正参数，对红外图像进行进一步的非均匀性补偿校正。本发明对红外图像进行基于场景的非均匀性校正，实时对场景图像进行更新，无须中断成像过程，提升了红外成像的图像质量。

Description

一种基于场景的红外图像非均匀性校正方法
技术领域
本发明涉及红外图像处理领域，尤其涉及一种基于场景的红外图像非均匀性校正方法。
背景技术
随着红外热成像技术的飞速发展，红外技术已广泛应用于民用、军事等多种领域中。然而红外热像仪因其器件材料和制造加工等原因，红外图像会有明显的非均匀性，严重影响成像质量。此外，红外图像的非均匀性受图像场景变化的影响较大，在非制冷红外成像系统中，还受到环境温度的影响，严重地降低了红外系统的成像质量。因此对红外图像进行非均匀性校正，尽可能地消除外界因素对图像质量稳定性的影响具有重大意义。目前红外热像仪的非均匀性问题无法根除，常用的方法是采用快门对探测器进行周期性校正，然而快门的应用会增加成本、功耗，还会造成成像中断。
在国内外公开的文献中,有许多红外图像非均匀性校正算法已经被提出，这些算法可以分为两大类：一是基于场景的非均匀性校正方法，二是基于定标的非均匀性校正方法。基于场景的非均匀性校正算法在进行图像校正前不需要对探测器进行定标，通过对图像场景的估计来获取非均匀性校正参数，对每一帧图像都需要更新增益系数和偏置参数，往往需要通过数百帧图像的计算才可以得到收敛。根据原理的不同，这类算法可以分为很多类，比较有代表性的技术有恒定统计平均法、基于自适应滤波理论的校正算法、时域高通滤波算法、基于神经网络的校正算法等。但这类算法计算量较大，计算当前帧的校正参数，往往需要前一帧甚至很多帧的图像信息，工程实现较为困难。
发明内容
为了解决上述问题，本发明提供的一种基于场景的红外图像非均匀性校正方法，该方法是基于无快门技术的非均匀校正，主要分为两部分：场景运动判断和分离场景固定高频噪声进行非均匀性校正。首先采用基于配准的方法判断场景是否处于运动状态，当场景处于运动状态下，分离场景的固定高频噪声，然后提取场景的细节信息，自适应地计算出当前图像场景对应的偏置校正参数，对红外图像进行进一步的非均匀性补偿校正。具体包括以下步骤：
S101：设定基准帧图像为前一帧图像Yn，并获取当前帧图像Yn+1，对基准帧图像和当前帧图像进行初始非均匀性校正，得到校正后的基准帧图像和当前帧图像；
S102：对校正后的基准帧图像和当前帧图像均进行无重叠的图像块划分，得到k个无重叠的图像块；
S103：计算k个图像块的方差，并选取方差最大的图像块；
S104：对方差最大的图像块进行二值化操作，得到二值化后的图像块；
S105：对二值化后的图像块在水平方向和垂直方向进行投影，得到投影数组；
S106：根据投影数组，对基准帧图像和当前帧图像进行互相关计算，得到投影行、列偏移向量；
S107：根据偏移向量判断场景是否处于运动状态；当行、列偏移向量均大于设定值时，场景为运动状态，执行步骤S109；否则为静止状态，不作任何操作；
S108：存储当前帧DDE细节，并获取下一时刻图像，重复步骤S102～S108，直至存储M张运动帧图像；
S109：对M张运动帧图像进行加权平均，得到最终的输出图像。
进一步地，步骤S101中，初始非均匀性校正公式如下：
Yn(i,j)＝Xn(i,j).*K(i,j)-B(i,j).*K(i,j) (1)
式(1)中，n表示图像序列号，(i,j)表示探测器阵列对应的行列坐标号，K(i,j)和B(i,j)分别是红外探测器本身放大电路带来的原始的增益图像和本底图像，Xn是红外原始图像；进一步地，步骤S105中，投影数组的公式如下：
Figure BDA0003077650550000031
式(2)中，x为图像序列号；Pcolx(j)和Prowx(i)分别为图像的行列投影数组；M表示图像列总数；N表示图像行总数,Sx(i,j)表示的是方差最大的图像块。
进一步地，步骤S106中，投影行、列偏移向量的计算过程如下：
Figure BDA0003077650550000032
式(3)中，2Δrow和2Δcol为预设的偏移量上限；Crow(h)和Ccol(l)分别为行互相关和列互相关数组，数组的大小为h和l的范围；Prown和Prown-1分别为当前帧和基准帧的行投影，Pcoln和Pcoln-1分别为当前帧和基准帧的列投影；
根据Crow(h)和Ccol(l)，求取行、列偏移向量，如式(4)：
Figure BDA0003077650550000033
进一步地，步骤S108中，存储当前帧DDE细节，具体为：
对当前帧图像进行高斯滤波操作，得到滤波后的图像；
当前帧图像与滤波后的图像的差值即为当前帧的DDE细节。
步骤S109中，对M张运动帧图像进行加权平均，具体为：计算每个图像中，各位置像素值的权重系数，并对累加M帧细节取均值，最后与权重系数相乘得到最终加权细节图，利用加权细节图更新当前帧本底图像，得到最终输出图像。
本发明提供的有益效果是：对红外图像进行基于场景的非均匀性校正，实时对场景图像进行更新，无须中断成像过程，提升了红外成像的图像质量。
附图说明
图1是本发明一种基于场景的红外图像非均匀性校正方法的流程图；
图2是本发明实施例效果示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述。
请参考图1，一种基于场景的红外图像非均匀性校正方法，包括以下：
S101：设定基准帧图像为前一帧图像Yn，并获取当前帧图像Yn+1，对基准帧图像和当前帧图像进行初始非均匀性校正，得到校正后的基准帧图像和当前帧图像；
Yn(i,j)＝Xn(i,j).*K(i,j)-B(i,j).*K(i,j) (1)
n表示图像序列号，(i,j)表示探测器阵列对应的行列坐标号，K(i,j)和B(i,j)是探测器本身放大电路等带来的原始的增益图像和本底图像。
S102：对校正后的基准帧图像和当前帧图像均进行无重叠的图像块划分，得到k个无重叠的图像块；
本发明中，此处机芯输出的图像分辨率为512×640，对每帧图像进行无重叠分块，其中，图像块大小为256×320，每帧图像可以划分4个图像块；
S103：计算k个图像块的方差，并选取方差最大的图像块；
S104：对方差最大的图像块进行二值化操作，得到二值化后的图像块；
对基准帧和当前帧获取的图像块进行二值化操作，输入图像灰度级≥Ymax的置1，否则为0，实现二值化。
S105：对二值化后的图像块在水平方向和垂直方向进行投影，得到投影数组；投影具体如公式2所示：
Figure BDA0003077650550000051
其中，i和j为像素坐标位置，x为两帧图像的序号，一般为n和n+1，也可根据外部图像序列速度进行调整，不一定相邻；Pcolx(j)和Prowx(i)为两幅图像的行列投影数组。M表示图像列总数；N表示图像行总数,Sx(i,j)表示的是方差最大的图像块。
S106：根据投影数组，对基准帧图像和当前帧图像进行互相关计算，得到投影行、列偏移向量；
对基准帧和当前帧进行互相关计算，具体如公式3所示：
Figure BDA0003077650550000052
其中，2Δrow和2Δcol为预设的偏移量上限，即能估计到的行偏移值在-Δrow～Δrow范围内和列偏移值在-Δcol～Δcol范围内，一般取行、列数的10％左右。偏移的上限根据图像的尺寸和视频序列速度而定。其中Crow(h)和Ccol(l)分别为行互相关和列互相关数组，数组的大小为h和l的范围，Prown和Prown-1分别为当前帧和基准帧的行投影，Pcoln和Pcoln-1分别为当前帧和基准帧的列投影。然后根据Crow(h)和Ccol(l)数组的最小值得坐标，即可求得行列偏移向量值，如公式4所示：
Figure BDA0003077650550000061
S107：根据偏移向量判断场景是否处于运动状态；当行、列偏移向量均大于设定值时，场景为运动状态，执行步骤S109；否则为静止状态，不作任何操作；
本发明中，计算出行、列位移后，判断场景是否处于运动状态，只有当偏移量abs(dx)＞6和abs(dy)＞6时；
S108：存储当前帧DDE细节，并获取下一时刻图像，重复步骤S102～S108，直至存储M张运动帧图像；
S109：对M张运动帧图像进行加权平均，得到最终的输出图像。
其中计算当前帧的DDE细节包括：对图像进行高斯滤波操作，其中高斯滤波过程中默认采用5×5高斯核，权重系数σ＝5。原始图像与高斯滤波后的图像的差值即为当前帧的DDE细节。
累计存储32帧运动图像的细节进行加权，主要包括：计算每个位置像素值的权重系数和对累加32帧细节取均值并与权重系数相乘得到最终加权细节图，具体如公式5和公式6所示:
Figure BDA0003077650550000062
其中，(i,j)表示探测器阵列对应的行列坐标号，W是权重系数，大小为512×640，DtlAcc是32帧细节累加获得，大小为512×640×32，max(DtlAcc(i,j,:))对应的同一位置32个像素值中最大灰度值，min(DtlAcc(i,j,:))对应的是同一位置32个像素值中最小灰度值。
则加权细节图如公式6所示：
PicDlt(i,j)＝W(i,j)*(mean(AdlAcc(i,j,:))) (6)
更新当前帧的本底图像，并对当前帧图像进行非均匀性校正：
Yn(i,j)＝Xn(i,j).*K(i,j)-(B(i,j)+PicDlt(i,j)).*K(i,j)
Yn则为最终的输出图像。
请参考图2，图2中(a)～(b)原始红外图像序列；图2(c)～(d)是场景校正的红外图像序列。
本发明的有益效果是：对红外图像进行基于场景的非均匀性校正，实时对场景图像进行更新，无须中断成像过程，提升了红外成像的图像质量。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于场景的红外图像非均匀性校正方法，其特征在于：包括以下步骤：
S101：设定基准帧图像为前一帧图像Yn，并获取当前帧图像Yn+1，对基准帧图像和当前帧图像进行初始非均匀性校正，得到校正后的基准帧图像和当前帧图像；
S102：对校正后的基准帧图像和当前帧图像均进行无重叠的图像块划分，得到k个无重叠的图像块；
S103：计算k个图像块的方差，并选取方差最大的图像块；
S104：对方差最大的图像块进行二值化操作，得到二值化后的图像块；
S105：对二值化后的图像块在水平方向和垂直方向进行投影，得到投影数组；
S106：根据投影数组，对基准帧图像和当前帧图像进行互相关计算，得到投影行、列偏移向量；
S107：根据偏移向量判断场景是否处于运动状态；当行、列偏移向量均大于设定值时，场景为运动状态，执行步骤S109；否则为静止状态，不作任何操作；
S108：存储当前帧DDE细节，并获取下一时刻图像，重复步骤S102～S108，直至存储M张运动帧图像；
S109：对M张运动帧图像进行加权平均，得到最终的输出图像。
2.如权利要求1所述的一种基于场景的红外图像非均匀性校正方法，其特征在于：步骤S101中，初始非均匀性校正公式如下：
Yn(i,j)＝Xn(i,j).*K(i,j)-B(i,j).*K(i,j) (1)
式(1)中，n表示图像序列号，(i,j)表示探测器阵列对应的行列坐标号，K(i,j)和B(i,j)分别是红外探测器本身放大电路带来的原始的增益图像和本底图像，Xn是红外原始图像。
3.如权利要求1所述的一种基于场景的红外图像非均匀性校正方法，其特征在于：步骤S105中，投影数组的公式如下：
Figure FDA0003077650540000021
式(2)中，x为图像序列号；Pcolx(j)和Prowx(i)分别为图像的行列投影数组；M表示图像列总数；N表示图像行总数,Sx(i,j)表示的是方差最大的图像块。
4.如权利要求1所述的一种基于场景的红外图像非均匀性校正方法，其特征在于：步骤S106中，投影行、列偏移向量的计算过程如下：
Figure FDA0003077650540000022
式(3)中，2Δrow和2Δcol为预设的偏移量上限；Crow(h)和Ccol(l)分别为行互相关和列互相关数组，数组的大小为h和l的范围；Prown和Prown-1分别为当前帧和基准帧的行投影，Pcoln和Pcoln-1分别为当前帧和基准帧的列投影；
根据Crow(h)和Ccol(l)，求取行、列偏移向量，如式(4)：
Figure FDA0003077650540000023
5.如权利要求1所述的一种基于场景的红外图像非均匀性校正方法，其特征在于：步骤S108中，存储当前帧DDE细节，具体为：
对当前帧图像进行高斯滤波操作，得到滤波后的图像；
当前帧图像与滤波后的图像的差值即为当前帧的DDE细节。
6.如权利要求1所述的一种基于场景的红外图像非均匀性校正方法，其特征在于：步骤S109中，对M张运动帧图像进行加权平均，具体为：计算每个图像中，各位置像素值的权重系数，并对累加M帧细节取均值，最后与权重系数相乘得到最终加权细节图，利用加权细节图更新当前帧本底图像，得到最终输出图像。
CN202110557289.7A 2021-05-21 2021-05-21 一种基于场景的红外图像非均匀性校正方法 Active CN113375808B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110557289.7A CN113375808B (zh) 2021-05-21 2021-05-21 一种基于场景的红外图像非均匀性校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110557289.7A CN113375808B (zh) 2021-05-21 2021-05-21 一种基于场景的红外图像非均匀性校正方法

Publications (2)

Publication Number Publication Date
CN113375808A true CN113375808A (zh) 2021-09-10
CN113375808B CN113375808B (zh) 2023-06-02

Family

ID=77571567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110557289.7A Active CN113375808B (zh) 2021-05-21 2021-05-21 一种基于场景的红外图像非均匀性校正方法

Country Status (1)

Country Link
CN (1) CN113375808B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080278607A1 (en) * 2006-10-17 2008-11-13 Chao Zhang Scene-based non-uniformity correction method using local constant statistics
CN102538973A (zh) * 2011-12-31 2012-07-04 南京理工大学 一种快速收敛的基于场景非均匀性校正方法
CN103115685A (zh) * 2013-03-11 2013-05-22 中国船舶重工集团公司第七一七研究所 一种红外多探测器组合探测装置及红外探测方法
CN103179325A (zh) * 2013-03-26 2013-06-26 北京理工大学 一种固定场景下低信噪比视频的自适应3d降噪方法
CN103606132A (zh) * 2013-10-31 2014-02-26 西安电子科技大学 基于空域和时域联合滤波的多帧数字图像去噪方法
CN104424628A (zh) * 2013-09-02 2015-03-18 南京理工大学 基于ccd图像的利用帧间相关性降噪的方法
CN105318971A (zh) * 2014-07-07 2016-02-10 南京理工大学 对红外视频序列采用图像配准的自适应非均匀性校正方法
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
CN107403410A (zh) * 2017-07-25 2017-11-28 北京华新创科信息技术有限公司 一种热红外图像的拼接方法
US20180276803A1 (en) * 2014-12-02 2018-09-27 Seek Thermal, Inc. Image adjustment based on locally flat scenes
CN109708764A (zh) * 2018-12-06 2019-05-03 北京理工大学 一种制冷型红外焦平面探测器高动态范围图像融合方法
CN110363714A (zh) * 2019-06-19 2019-10-22 南京谱数光电科技有限公司 自适应学习速率的基于场景帧间配准的非均匀性校正方法
CN111127347A (zh) * 2019-12-09 2020-05-08 Oppo广东移动通信有限公司 降噪方法、终端及存储介质
CN111629262A (zh) * 2020-05-08 2020-09-04 Oppo广东移动通信有限公司 视频图像处理方法和装置、电子设备及存储介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080278607A1 (en) * 2006-10-17 2008-11-13 Chao Zhang Scene-based non-uniformity correction method using local constant statistics
CN102538973A (zh) * 2011-12-31 2012-07-04 南京理工大学 一种快速收敛的基于场景非均匀性校正方法
CN103115685A (zh) * 2013-03-11 2013-05-22 中国船舶重工集团公司第七一七研究所 一种红外多探测器组合探测装置及红外探测方法
CN103179325A (zh) * 2013-03-26 2013-06-26 北京理工大学 一种固定场景下低信噪比视频的自适应3d降噪方法
CN104424628A (zh) * 2013-09-02 2015-03-18 南京理工大学 基于ccd图像的利用帧间相关性降噪的方法
CN103606132A (zh) * 2013-10-31 2014-02-26 西安电子科技大学 基于空域和时域联合滤波的多帧数字图像去噪方法
CN105318971A (zh) * 2014-07-07 2016-02-10 南京理工大学 对红外视频序列采用图像配准的自适应非均匀性校正方法
US20180276803A1 (en) * 2014-12-02 2018-09-27 Seek Thermal, Inc. Image adjustment based on locally flat scenes
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
CN107403410A (zh) * 2017-07-25 2017-11-28 北京华新创科信息技术有限公司 一种热红外图像的拼接方法
CN109708764A (zh) * 2018-12-06 2019-05-03 北京理工大学 一种制冷型红外焦平面探测器高动态范围图像融合方法
CN110363714A (zh) * 2019-06-19 2019-10-22 南京谱数光电科技有限公司 自适应学习速率的基于场景帧间配准的非均匀性校正方法
CN111127347A (zh) * 2019-12-09 2020-05-08 Oppo广东移动通信有限公司 降噪方法、终端及存储介质
CN111629262A (zh) * 2020-05-08 2020-09-04 Oppo广东移动通信有限公司 视频图像处理方法和装置、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘哲: "《红外图像非均匀性校正及增强算法研究》", 《中国博士学位论文全文数据库》 *
杨彩兰: "《红外图像非均匀性的无快门 校正方法研究》", 《中国优秀硕士学位论文全文数据库—信息科技辑》 *

Also Published As

Publication number Publication date
CN113375808B (zh) 2023-06-02

Similar Documents

Publication Publication Date Title
CN109741267B (zh) 基于三边滤波和神经网络的红外图像非均匀性校正方法
CN110211056B (zh) 基于局部中值直方图的自适应红外图像去条纹算法
CN105318971B (zh) 对红外视频序列采用图像配准的自适应非均匀性校正方法
CN109813442B (zh) 一种基于多帧处理的内部杂散辐射非均匀性校正方法
CN109272520B (zh) 一种联合运动指导与边缘检测的自适应红外焦平面非均匀校正方法
Tendero et al. Efficient single image non-uniformity correction algorithm
WO2017185441A1 (zh) 基于统计相对条纹去除法的红外图像条纹滤波方法
Tendero et al. ADMIRE: a locally adaptive single-image, non-uniformity correction and denoising algorithm: application to uncooled IR camera
CN106342194B (zh) 一种地面场景的红外图像非均匀性校正方法
CN109934790A (zh) 带有自适应阈值的红外成像系统非均匀性校正方法
Zeng et al. Adaptive image-registration-based nonuniformity correction algorithm with ghost artifacts eliminating for infrared focal plane arrays
CN110363714B (zh) 自适应学习速率的基于场景帧间配准的非均匀性校正方法
CN108665425A (zh) 基于帧间配准和自适应步长的红外图像非均匀性校正方法
CN102968765A (zh) 一种基于sigma滤波器的红外焦平面非均匀性校正方法
CN110033414B (zh) 一种基于均值化处理的红外图像非均匀性校正方法及系统
CN102968776A (zh) 一种线性与非线性滤波器相结合的非均匀性校正方法
CN105869129B (zh) 针对非均匀校正后的热红外图像剩余非均匀噪声去除方法
CN103076096A (zh) 基于中值直方图均衡的红外非均匀性校正算法
CN110782403A (zh) 一种红外图像非均匀性校正方法
CN113379636A (zh) 一种红外图像非均匀性校正方法、装置、设备及存储介质
CN109360167B (zh) 一种红外图像校正方法、装置及存储介质
CN111932478A (zh) 一种非制冷红外焦平面的自适应非均匀校正方法
CN113375808B (zh) 一种基于场景的红外图像非均匀性校正方法
CN109636740B (zh) 一种红外图像多尺度智能化非均匀性校正方法
CN111998961A (zh) 基于像素点温漂估计的红外焦平面非均匀性校正方法

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
GR01 Patent grant
GR01 Patent grant