10.3969/j.issn.1672-8785.2018.03.004
基于局部梯度的神经网络非均匀性校正算法
为了解决传统神经网络算法在用于红外焦平面阵列(Infrared Focal Plane Array,IRFPA)非均匀性校正(Non-Uniformity Correction,NUC)时所面临的边缘模糊、收敛速度慢等问题,通过引入图像局部梯度特性对该算法进行了改进.通过用局部梯度相似度信息构造权值函数来对区域进行加权滤波,可以保留图像边缘信息.在迭代运算中,将梯度幅值加权的自适应参数规整因子加入了误差损失函数,并引入梯度幅值相关的自适应步长用以代替传统的固定步长,从而进一步提升了算法的校正效果和收敛速度.然后对算法的性能曲线和校正结果进行了分析.结果表明,与传统算法相比,改进的神经网络校正算法取得了更好的校正效果,其校正误差稳定低于前者,实现了有效抑制边缘模糊和提升收敛速度的目标.
红外焦平面阵列、非均匀性校正、误差反向传播、神经网络、边缘检测
39
TN219(光电子技术、激光技术)
“十三五”装备预研共用技术项目41414050206
2018-05-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
18-22,43