CN114972077A - 一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法 - Google Patents

一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法 Download PDF

Info

Publication number
CN114972077A
CN114972077A CN202210487164.6A CN202210487164A CN114972077A CN 114972077 A CN114972077 A CN 114972077A CN 202210487164 A CN202210487164 A CN 202210487164A CN 114972077 A CN114972077 A CN 114972077A
Authority
CN
China
Prior art keywords
infrared
uniformity correction
camera
jth column
ith row
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
Application number
CN202210487164.6A
Other languages
English (en)
Inventor
黄华
宋凌飞
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.)
Beijing Normal University
Original Assignee
Beijing Normal University
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 Beijing Normal University filed Critical Beijing Normal University
Priority to CN202210487164.6A priority Critical patent/CN114972077A/zh
Publication of CN114972077A publication Critical patent/CN114972077A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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

Landscapes

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

Abstract

本发明公开的一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法，属于红外视频处理领域。针对目前基于场景的红外非均匀性校正算法在相机运动不充分时容易出现“鬼影”的问题，本发明通过比较红外视频时空统计量的一致性，使用秩和检验方法对时间、空间统计量进行比较，若时序统计量明显小于空间统计量，判定相机不运动；否则，判定相机运动。结合现有非均匀性校正算法，当相机运动时，相关非均匀性校正算法正常运行；当相机停止运动时，非均匀性校正算法停止运行，达到对鬼影进行有效抑制的目的。本发明适用于红外热成像领域，基于场景的红外视频非均匀性校正方法，能够有效抑制“鬼影”的产生。

Description

一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法
方法领域
本发明涉及一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法，属于红外视频处理领域。
背景方法
红外成像是一种新型的成像技术。不同于传统的RGB成像或全色成像，红外成像可以直接探测物体的热辐射功率，从而在一些特殊的领域，比如夜视、测温、军事侦察等，具有传统成像无可比拟的优势。就其技术路径来说，红外成像探测器可分为制冷型和非制冷型。制冷型探测器的工作温度一般在几十开尔文左右，需要特殊的液氮制冷装置进行制冷，多用于高端装备；而非制冷型探测器在常温下就可正常工作，广泛用于民用领域。
非制冷型红外探测器存在较为严重的非均匀性问题。非均匀性的产生可以归根于探测器加工工艺的缺陷导致的像元尺寸、有效吸收面积、掺杂浓度、阻值等物理属性不一致；当接收相同强度的辐射时，每个像元产生的信号值存在差异。同时，像元的响应与环境温度紧密相关。当环境温度发生变化时，每个像元的响应也会发生相应的变化，从而导致非均匀性也会发生变化。总之，非均匀性的存在使得最终的成像叠加了一层“噪声”，对于每一个给定的探测器来说，这种特殊的“噪声”只受环境温度影响：环境温度稳定时，非均匀性保持不变；环境温度变化时，非均匀性也发生变化。
目前的非均匀性校正方法大概可分为两大类：一类是基于标定的校正方法，另一类是基于场景的校正方法。基于标定的校正方法采用打快门的方式进行校正。在相机工作过程中，每隔一段时间或环境温度发生变化时，相机快门自动放下，对每个像元的响应进行校正，使其输出达到均匀(详见Schulz M,Caldwell L.Nonuniformity correction andcorrectability of infrared focal plane arrays[J].Infrared Physics&Technology,1995,36(4):763-777)。这一类校正算法的缺点显而易见，一是打快门会中断相机正常工作；二是快门为机械结构，增加了成本，降低了可靠性。基于场景的校正算法不需要快门结构，理论上可以在不中断相机正常工作的情况下完成非均匀性校正，目前正受到越来越多的关注。
基于场景的非均匀性校正算法需要依赖相机的运动。其基本思路是，当相机运动时，每个像元接收到的场景信号是快速变化的，而每个像元的非均匀是缓慢变化的，甚至不变(当环境温度稳定时)；使用一个低通滤波器就可以将信号与非均匀分离开来。目前最常采用的是线性递归滤波器(详见Scribner D A,Sarkady K A,Caulfield J T,etal.Nonuniformity correction for staring IR focal plane arrays using scene-based techniques[C].Infrared Detectors and Focal Plane Arrays.InternationalSociety for Optics and Photonics,1990,1308:224-233)。这一类采用线性滤波器的基于场景的非均匀性校正算法存在明显的局限性：当相机运动不够充分时，校正效果下降，甚至会出现“鬼影”。
发明内容
针对目前基于场景的非均匀性校正算法在相机运动不充分时易出现“鬼影”的问题，本发明旨在提供一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法，通过秩和检验的技术，判定相机是否运动，并结合现有非均匀性校正算法，达到对鬼影进行有效抑制的目的。
为达到以上目的，本发明采用以下方法方案：
本发明公开的一种基于秩和检验的红外非均匀性校正鬼影抑制方法，假定相机运动时红外视频序列在时间上和空间上的统计特性具有一致性；使用秩和检验方法对时间、空间统计量进行比较，若时序统计量明显小于空间统计量，判定相机不运动；否则，判定相机运动。结合现有非均匀性校正算法，当相机运动时，相关非均匀性校正算法正常运行；当相机停止运动时，非均匀性校正算法停止运行，达到对鬼影进行有效抑制的目的。
本发明公开的一种基于秩和检验的红外非均匀性校正鬼影抑制方法，包含以下步骤：
步骤一：初始化时序方差
Figure BDA0003629616300000021
所述
Figure BDA0003629616300000022
记录了初始化的每个像元观测到的信号的时序方差。
Figure BDA0003629616300000023
的尺寸与红外图像的尺寸一致。红外图像的尺寸为m行n列，那么
Figure BDA0003629616300000024
就是一个m×n的矩阵。初始化
Figure BDA0003629616300000025
的每个元素为零。
步骤二：顺序读取第k帧红外视频Yk，k＝1,2,…。
所述Yk为m×n的矩阵。
步骤三：计算第k帧红外视频的局部均值
Figure BDA0003629616300000026
所述
Figure BDA0003629616300000027
为m×n矩阵，
Figure BDA0003629616300000028
中的第i行、第j列元素对应Yk中第i行、第j列元素同其周围元素的平均值。
步骤四：将第k帧红外视频Yk减去其局部均值
Figure BDA0003629616300000029
得到残差图像
Figure BDA00036296163000000210
计算得到的
Figure BDA00036296163000000211
为尺寸为m×n的矩阵。具体计算方式为
Figure BDA00036296163000000212
步骤五：计算第k帧红外视频的空间方差
Figure BDA00036296163000000213
所述
Figure BDA00036296163000000214
为一m×n的矩阵，记录了每个像素位置的局部方差。
Figure BDA00036296163000000215
通过对
Figure BDA00036296163000000216
其中⊙代表元素相乘，进行局部平均得到，即
Figure BDA00036296163000000217
中的第i行、第j列对应
Figure BDA00036296163000000218
中第i行、第j列元素同其周围元素的平均值。
步骤六：更新时序方差得到
Figure BDA00036296163000000219
所述
Figure BDA00036296163000000220
由下式计算更新得到
Figure BDA00036296163000000221
式中ρ∈(0,0.5)为一实数，取值越大响应速度越快。
步骤七：将
Figure BDA0003629616300000031
和
Figure BDA0003629616300000032
1≤i≤m,1≤j≤n共同进行从小到大排序，并记录每个元素的次序，得到
Figure BDA0003629616300000033
和
Figure BDA0003629616300000034
所述
Figure BDA0003629616300000035
和
Figure BDA0003629616300000036
均为m×n的矩阵。
Figure BDA0003629616300000037
中第i行、第j列元素对应
Figure BDA0003629616300000038
中第i行、第j列元素的次序，
Figure BDA0003629616300000039
中第i行、第j列元素对应
Figure BDA00036296163000000310
中第i行、第j列元素的次序。比如，如果
Figure BDA00036296163000000311
是所有
Figure BDA00036296163000000312
和
Figure BDA00036296163000000313
1≤i≤m,1≤j≤n中最大的元素，那么
Figure BDA00036296163000000314
步骤八：分别计算
Figure BDA00036296163000000315
和
Figure BDA00036296163000000316
元素之和，得到rT和rS。
所述rT和rs均为实数，通过下式计算得到
Figure BDA00036296163000000317
Figure BDA00036296163000000318
步骤九：比较
Figure BDA00036296163000000319
与
Figure BDA00036296163000000320
若
Figure BDA00036296163000000321
则判定相机不动；否则判定相机运动。并结合现有非均匀性校正算法，当相机运动时，相关非均匀性校正算法正常运行；当相机停止运动时，非均匀性校正算法停止运行，达到对鬼影进行有效抑制的目的。
有益效果：
1、本发明公开的一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法，使用秩和检验方法对时间、空间统计量进行比较，可以有效判断相机是否运动；
2、本发明公开的一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法，在实现有益效果1的基础上，可与现有非均匀性校正方法结合，有效抑制鬼影的产生。
附图说明
图1是本发明公开的一种基于秩和检验的红外非均匀性校正鬼影抑制方法的流程图。
图2是应用本发明鬼影抑制方法前后红外非均匀性校正效果对比图。
其中图a为使用本发明方法之前的校正效果，图b为使用本发明方法之后的校正效果。
具体实施方式
下面将结合附图和实施例对本发明加以详细说明。同时也叙述了本发明技术方案解决的技术问题及有益效果，需要指出的是，所描述的实施例仅旨在便于对本发明的理解，而对其不起任何限定作用。
实施例1：
本实施例公开的一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法，应用于红外热成像相机。本实验的硬件测试条件为：Inter i7 6700，8G RAM，Matlab 2016a；所用的红外相机为Xenics Gobi-640-GigE；采集到的图像为14bit NUC数据；相机自动校正功能关闭。ρ设置为0.2，λ设置为0.05。
针对目前基于场景的红外非均匀性校正算法存在的“鬼影”问题，本实施例首先采用秩和检验方法判断相机是否运动；当相机运动时，非均匀性校正算法正常运行；否则非均匀性校正算法停止运行。本实施例的流程图如图1所示。
本实施例公开的一种基于稳健估计的红外非均匀性校正“鬼影”抑制方法，包含以下步骤：
步骤一：初始化红外视频的非均匀性B0＝0，时序方差
Figure BDA0003629616300000041
步骤二：顺序读取每一帧红外视频Yk，并计算其局部均值
Figure BDA0003629616300000042
所述
Figure BDA0003629616300000043
由下式计算得到。令
Figure BDA0003629616300000044
那么
Figure BDA0003629616300000045
由下式计算得到
Figure BDA0003629616300000046
式中
Figure BDA0003629616300000047
代表二维卷积计算。
步骤三：将第k帧红外视频Yk减去其局部均值
Figure BDA0003629616300000048
得到残差图像
Figure BDA0003629616300000049
计算得到的
Figure BDA00036296163000000410
为尺寸为512×640的矩阵。具体计算方式为
Figure BDA00036296163000000411
步骤四：计算第k帧红外视频的空间方差
Figure BDA00036296163000000412
所述
Figure BDA00036296163000000413
为一512×640的矩阵，记录了每个像素位置的局部方差。
Figure BDA00036296163000000414
通过对
Figure BDA00036296163000000415
其中⊙代表元素相乘，进行局部平均得到，即
Figure BDA00036296163000000416
中的第i行、第j列对应
Figure BDA00036296163000000417
中第i行、第j列元素同其周围元素的平均值。具体来说，
Figure BDA00036296163000000418
的计算可以通过卷积进行。下面以一个3×3的均匀卷积核进行说明。令
Figure BDA00036296163000000419
那么
Figure BDA00036296163000000420
由下式计算得到
Figure BDA00036296163000000421
式中
Figure BDA00036296163000000422
代表二维卷积计算。
步骤五：更新时序方差得到
Figure BDA00036296163000000423
所述
Figure BDA00036296163000000424
由下式计算更新得到
Figure BDA0003629616300000051
式中ρ∈(0,0.5)为一实数，本实施例中ρ选取为0.2。
步骤六：将
Figure BDA0003629616300000052
和
Figure BDA0003629616300000053
1≤i≤512,1≤j≤640共同进行从小到大排序，并记录每个元素的次序，得到
Figure BDA0003629616300000054
和
Figure BDA0003629616300000055
所述
Figure BDA0003629616300000056
和
Figure BDA0003629616300000057
均为512×640的矩阵。
Figure BDA0003629616300000058
中第i行、第j列元素对应
Figure BDA0003629616300000059
中第i行、第j列元素的次序，
Figure BDA00036296163000000510
中第i行、第j列元素对应
Figure BDA00036296163000000511
中第i行、第j列元素的次序。比如，如果
Figure BDA00036296163000000512
是所有
Figure BDA00036296163000000513
和
Figure BDA00036296163000000514
1≤i≤m,1≤j≤n中最大的元素，那么
Figure BDA00036296163000000515
步骤七：分别计算
Figure BDA00036296163000000516
和
Figure BDA00036296163000000517
元素之和，得到rT和rS。
所述rT和rS均为实数，通过下式计算得到
Figure BDA00036296163000000518
步骤八：比较
Figure BDA00036296163000000519
与
Figure BDA00036296163000000520
若
Figure BDA00036296163000000521
则更新非均匀性Bk；否则不更新Bk。
若
Figure BDA00036296163000000522
则非均匀校正算法正常运行，Bk的更新按照下式进行
Figure BDA00036296163000000523
否则，非均匀性校正算法停止运行，此时有
Bk＝Bk-1 (7)
(关于非均匀性校正算法的介绍，详见Scribner D A,Sarkady K A,Caulfield JT,et al.Nonuniformity correction for staring IR focal plane arrays usingscene-based techniques[C].Infrared Detectors and Focal PlaneArrays.International Society for Optics and Photonics,1990,1308:224-233)。
步骤九：输出校正后的第k帧红外图像Xk。
所述Xk由下式计算得到
Xk＝Yk-Bk (8)
为了说明本发明的有效性，比较使用本发明前后红外图像非均匀性校正效果。
图2展示了应用本发明鬼影抑制方法前后红外非均匀性校正效果对比。从图2可以看出，本发明可以有效抑制鬼影的产生，大幅度提高红外非均匀性校正的视觉质量，具有较高的应用价值。
以上所述的具体描述，对发明的目的、方法方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法，其特征在于：包括如下步骤，
步骤一：初始化时序方差
Figure FDA0003629616290000011
步骤二：顺序读取第k帧红外视频Yk，Yk为m×n的矩阵，k＝1,2,…；
步骤三：计算第k帧红外视频的局部均值
Figure FDA0003629616290000012
为m×n矩阵，
Figure FDA0003629616290000013
中的第i行、第j列元素对应Yk中第i行、第j列元素同其周围元素的平均值；
步骤四：将第k帧红外视频Yk减去其局部均值
Figure FDA0003629616290000014
得到残差图像
Figure FDA0003629616290000015
步骤五：计算第k帧红外视频的空间方差
Figure FDA0003629616290000016
步骤六：更新时序方差得到
Figure FDA0003629616290000017
步骤七：将
Figure FDA0003629616290000018
和
Figure FDA0003629616290000019
1≤i≤m,1≤j≤n共同进行从小到大排序，并记录每个元素的次序，得到
Figure FDA00036296162900000110
和
Figure FDA00036296162900000111
Figure FDA00036296162900000112
和
Figure FDA00036296162900000113
均为m×n的矩阵；
Figure FDA00036296162900000114
中第i行、第j列元素对应
Figure FDA00036296162900000115
中第i行、第j列元素的次序，
Figure FDA00036296162900000116
中第i行、第j列元素对应
Figure FDA00036296162900000117
中第i行、第j列元素的次序；
步骤八：分别计算
Figure FDA00036296162900000118
和
Figure FDA00036296162900000119
元素之和，得到rT和rS；
步骤九：比较
Figure FDA00036296162900000120
与
Figure FDA00036296162900000121
若
Figure FDA00036296162900000122
则判定相机不动；否则判定相机运动；并结合现有非均匀性校正算法，当相机运动时，相关非均匀性校正算法正常运行；当相机停止运动时，非均匀性校正算法停止运行，达到对鬼影进行有效抑制的目的。
2.如权利要求1所述的一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法，其特征在于：步骤一的实现方法为，
所述
Figure FDA00036296162900000123
记录初始化的每个像元观测到的信号的时序方差；
Figure FDA00036296162900000124
的尺寸与红外图像的尺寸一致；红外图像的尺寸为m行n列，那么
Figure FDA00036296162900000125
就是一个m×n的矩阵；初始化
Figure FDA00036296162900000126
的每个元素为零。
3.如权利要求1所述的一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法，其特征在于：步骤四的实现方法为，
计算得到的
Figure FDA00036296162900000127
为尺寸为m×n的矩阵；具体计算方式为
Figure FDA00036296162900000128
4.如权利要求1所述的一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法，其特征在于：步骤五的实现方法为，
所述
Figure FDA00036296162900000129
为一m×n的矩阵，记录了每个像素位置的局部方差；
Figure FDA00036296162900000130
通过对
Figure FDA00036296162900000131
其中⊙代表元素相乘，进行局部平均得到，即
Figure FDA00036296162900000132
中的第i行、第j列对应
Figure FDA00036296162900000133
中第i行、第j列元素同其周围元素的平均值。
5.如权利要求1所述的一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法，其特征在于：步骤六的实现方法为，
所述
Figure FDA00036296162900000134
由下式计算更新得到
Figure FDA0003629616290000021
式中ρ∈(0,0.5)为一实数，取值越大响应速度越快。
6.如权利要求1所述的一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法，其特征在于：步骤八的实现方法为，
所述rT和rS均为实数，通过下式计算得到
Figure FDA0003629616290000022
CN202210487164.6A 2022-05-06 2022-05-06 一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法 Pending CN114972077A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210487164.6A CN114972077A (zh) 2022-05-06 2022-05-06 一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210487164.6A CN114972077A (zh) 2022-05-06 2022-05-06 一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法

Publications (1)

Publication Number Publication Date
CN114972077A true CN114972077A (zh) 2022-08-30

Family

ID=82981328

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210487164.6A Pending CN114972077A (zh) 2022-05-06 2022-05-06 一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法

Country Status (1)

Country Link
CN (1) CN114972077A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008125435A1 (fr) * 2007-03-30 2008-10-23 Commissariat A L'energie Atomique Procede de correction de bruit spatial d'un capteur d'image matriciel
CN102193093A (zh) * 2010-03-15 2011-09-21 北京师范大学 环境小卫星hj森林或草原火灾小火点探测系统及其方法
CN112766172A (zh) * 2021-01-21 2021-05-07 北京师范大学 一种基于时序注意力机制的人脸连续表情识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008125435A1 (fr) * 2007-03-30 2008-10-23 Commissariat A L'energie Atomique Procede de correction de bruit spatial d'un capteur d'image matriciel
CN102193093A (zh) * 2010-03-15 2011-09-21 北京师范大学 环境小卫星hj森林或草原火灾小火点探测系统及其方法
CN112766172A (zh) * 2021-01-21 2021-05-07 北京师范大学 一种基于时序注意力机制的人脸连续表情识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
季尔优;顾国华;陈钱;柏连发;隋修宝;: "双通道分频段恒定统计非均匀性校正算法", 激光与红外, no. 04, 20 April 2011 (2011-04-20) *
郭春生;王盼;: "一种基于码本模型的运动目标检测算法", 中国图象图形学报, no. 07, 16 July 2010 (2010-07-16) *

Similar Documents

Publication Publication Date Title
Cao et al. Effective strip noise removal for low-textured infrared images based on 1-D guided filtering
US6507018B2 (en) Ditherless non-uniformity compensation for infrared detector arrays with recursive spatial low pass filtering
US20120091340A1 (en) Scene based non-uniformity correction for infrared detector arrays
Qian et al. Space low-pass and temporal high-pass nonuniformity correction algorithm
US20200099825A1 (en) Error smoothing through global source non-uniformity correction
Tendero et al. Efficient single image non-uniformity correction algorithm
Cao et al. Spatially adaptive column fixed-pattern noise correction in infrared imaging system using 1D horizontal differential statistics
Zeng et al. Adaptive image-registration-based nonuniformity correction algorithm with ghost artifacts eliminating for infrared focal plane arrays
CN103076096A (zh) 基于中值直方图均衡的红外非均匀性校正算法
Li et al. Interior radiation noise reduction method based on multiframe processing in infrared focal plane arrays imaging system
CN107810630A (zh) 红外图像采集设备中的坏像素的校正
Ratliff et al. Algebraic scene-based nonuniformity correction in focal plane arrays
CN115002360A (zh) 一种基于稳健估计的红外视频非均匀性校正方法
Lee et al. Dual-branch structured de-striping convolution network using parametric noise model
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
CN114972077A (zh) 一种基于秩和检验的红外非均匀性校正“鬼影”抑制方法
Geng et al. An adjacent differential statistics method for IRFPA nonuniformity correction
CN115049549A (zh) 一种基于稳健估计的红外图像条状噪声去除方法
Vera et al. Ghosting reduction in adaptive nonuniformity correction of infrared focal-plane array image sequences
Rossi et al. A comparison of deghosting techniques in adaptive nonuniformity correction for IR focal-plane array systems
Zhou et al. Local spatial correlation-based stripe non-uniformity correction algorithm for single infrared images
Ratliff et al. Adaptive scene-based correction algorithm for removal of residual fixed pattern noise in microgrid image data
Torle et al. Scene-based correction of image sensor deficiencies
US11875483B2 (en) Method and device for removing remanence in an infrared image of a changing scene
US11875484B2 (en) Method and device for removing remanence in an infrared image of a static scene

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