基于神经网络的非线性滤波残差估计非均匀校正算法

摘要：

目前由于非均匀性技术的限制,红外焦平面阵列具有条纹非均匀性,这种非均匀性一般是一种固定的模式噪声,它会在原有非均匀性的基础上随着时间和温度的变化而变化.传统的残差计算忽略了非均匀性的特点,场景细节的变化会被误认为非均匀性而被过滤掉.提出了一种基于场景的条纹非均匀性校正算法.该方法采用非线性滤波的方法滤除单柱图像的非均匀性,并计算与原始图像的实际残差,然后利用前一帧的预测残差和实际残差得到当前残差.最后,根据场景鬼影抑制参数自适应校正计算增益系数和偏置系数.实验结果表明,提出的算法在200帧测试图像中滤除了61.3%的非均匀性,与其他自适应校正算法相比,非均匀性校正效果更明显,并且在一定程度上有效地保护了图像边缘,收敛速度快,质量高,能有效去除列条纹和非均匀随机噪声.

关键词：非均匀性、条纹噪声、非线性滤波、残差神经网络、自适应校正

所属期刊栏目：46

分类号：TP33;TN495(计算技术、计算机技术)

资助基金：吉林省科技厅发展计划项目20200401066GX

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：66-74