003-红外成像系统图像空间噪声分析与估计

合集下载

红外影像奇偶元条纹噪声自适应去除算法

红外影像奇偶元条纹噪声自适应去除算法

第44卷第3期航天返回与遥感2023年6月SPACECRAFT RECOVERY & REMOTE SENSING79红外影像奇偶元条纹噪声自适应去除算法李岩(北京空间机电研究所,北京100094)摘要由于工艺原因,TDI型红外探测器的光敏元均为交错分布,奇偶元响应输出均是基于不同的通道,这样导致某些TDI红外探测器图像上一些位置仍残留有奇偶元条纹噪声,该噪声不仅影响目视效果,也影响后续的定量应用。

文章针对该奇偶元条纹噪声提出一种自适应的条纹噪声去除算法,此方法不仅可以自适应地检测出奇偶元条纹噪声并进行去除,也可以对闪元噪声进行有效检测及去除;最后,基于在轨图像进行了算法的验证,试验结果表明该算法可以有效的去除奇偶元条纹噪声。

关键词红外探测器自适应奇偶元条纹噪声去除中图分类号: X87文献标志码: A 文章编号: 1009-8518(2023)03-0079-06DOI: 10.3969/j.issn.1009-8518.2023.03.009An Adaptive Algorithm for Eliminating Odd-Even Stripe Noise inInfrared ImageLI Yan(Beijing Institute of Space Mechanics & Electricity, Beijing 100094, China)Abstract The elements of the TDI array infrared detector are staggered distribution because of the technical reason. The output of odd and even elements is from different channels. Odd-even stripe noise was found in some images because of the odd-even output from different channels. The odd-even stripe noise not only affects the visual effect, but also affects the quantitative application. A new adaptive algorithm was proposed to eliminate the odd-even stripe noise. This algorithm could detect and remove the odd-even stripe noise adaptively. It also could detect and remove the flash noise effectively. Finally, the algorithm is verified based on the on-orbit image, and the experimental results show that the algorithm can effectively remove the odd-even stripe noise.Keywords infrared detector; adaptive algorithm; odd and even elements; stripe noise removal0 引言时间延迟积分(TDI)型红外探测器作为第二代红外探测器,具有更高的空间分辨率和温度灵敏度。

红外多目标跟踪与预测技术的研究

红外多目标跟踪与预测技术的研究
H =J rR / c R ( P ( ) oC. 一 +) R



(+p R 2 )

△ R

△日
R R- T A ( +P ・ 日 2 ) AT
Ⅲ : R
: 一
(+p . T 2 )A /
其 中, H为 目标 辐射强度 , V 为 目标径 向速 度, A T为 帧间时 间间隔, T I 目标命 中时 T为 间,P 为随高度和仰角变化的函数,0 <1 <P 。 若 目标的运动速度 加速度超过某- I 限阈值 , -' ]
示数 据 。
从 6 年 代 开始,美国 、瑞 典 、加 拿大 、法 0 国等 国家就陆 续开始 了 IS R T的研制工作 早期 的 IS R T只 比 F I 像机多 些简单 目标的指示 LR摄
由于 红外 焦 平面 面 阵探 测 器 的发展 ,凝
视 成像 IS R T系统 越 来越 受到 重视 ,其主要 特 点是 高速成 像帧频 和高探 测灵敏度 ,数据 量 比 较大 。假设 帧 频 为 5H 0 z,每 帧 图像 分 辨 率是 26 26,每个 像素量 化为 1b ,则 图像数据 5x 5 外》 月刊
红 外 多 目标 跟踪 与预测 技术 的研 究
李 卫华
( 中国 科学 院上 海 技术 物理 研 究所 ,上 海 , 208) 003
1 红外 搜 索 与跟 踪 系统 ( T I )的发 2I T 系统 多 目标 跟踪和 预 测 的特 RS RS 点 展 状 况
可同时跟 踪的最 多 的 目标数量 直接和 系统的处
理 能力 相关 。虽然 在探 测器 的视场 内,真正 目
标 的实 际数量 可能非 常少 ,但仍 需要庞 大的处

红外成像系统的测试与评估

红外成像系统的测试与评估

目录中还包含了红外成像系统的实际应用案例。这部分内容旨在帮助读者更 好地理解红外成像技术在不同领域的应用。通过阅读这些案例,读者可以了解红 外成像系统在军事、航空航天、工业检测等领域的应用情况,进一步加深对红外 成像技术的认识和理解。
《红外成像系统的测试与评估》这本书的目录结构严谨,内容丰富,涵盖了 红外成像技术的多个方面。通过对目录的深入分析,我们可以了解红外成像系统 的基本原理、测试方法、评估标准和实际应用等方面的知识,为后续的学习和研 究打下坚实的基础。
在阅读过程中,我深感红外成像系统在军事、航空航天、医疗等领域的重要 性。例如,在军事上,红外成像系统可用于夜间侦查、目标跟踪等;在航空航天 领域,红外成像系统则可用于气象观测、空间探测等。医疗领域也开始应用红外 成像技术,如红外热像仪在中医诊断中的应用。
书中还提到了红外成像系统的测试与评估方法。作者详细介绍了各种测试设 备、测试条件及数据处理方法,使读者能够全面了解红外成像系统的性能。同时, 书中还强调了测试与评估的重要性和必要性,因为只有经过科学、客观的测试与 评估,才能保证红外成像系统的性能和稳定性。
红外成像系统的测试与评估
读录分析
目录
02 内容摘要 04 阅读感受 06 作者简介
思维导图
关键字分析思维导图
红外
介绍
红外
成像
读者
测试
比较
成像
系统
系统 评估
这些
测试
方法
分析
性能
实际应用
参数
提供
内容摘要
《红外成像系统的测试与评估》是一本全面介绍红外成像系统测试与评估的书籍。本书从红外成 像技术的基本原理入手,深入浅出地阐述了红外成像系统的性能参数、测试方法以及评估标准。

红外成像观测系统性能评价方法研究

红外成像观测系统性能评价方法研究

红外成像观测系统性能评价方法研究红外成像技术因其在军事、安防、医学、工业等领域的广泛应用,对其性能评价方法的研究变得尤为重要。

本文将介绍红外成像观测系统性能评价方法的研究内容,并对各种评价方法进行比较与分析。

红外成像观测系统是一种利用物体的红外辐射特性进行探测、测量和成像的技术体系。

由于红外辐射在形成图像时会受到多种因素的影响,如热噪声、系统自身的噪声、光学系统的散光和像差等,因此准确评价红外成像观测系统的性能是至关重要的。

首先,对于红外成像系统的分辨率评价。

分辨率是指红外成像系统能够分辨出两个附近物体的最小距离。

常用的评价方法有线对薄膜法、热舒适模型法和MTF(ModulationTransfer Function)方法。

线对薄膜法是通过观察红外成像系统成像的线对薄膜,在不同频率上测量其薄膜图像模糊程度,从而评价红外成像系统的分辨率。

热舒适模型法是通过红外成像系统成像空气中的热湍流等特征,来估计红外成像系统的分辨率。

MTF方法基于系统的光学传递函数,结合空间频率的概念对红外成像系统的分辨率进行评价。

其次,红外成像系统的信噪比(SNR)评价是另一个重要的指标。

SNR是用于评估红外成像系统信号与噪声的强度比值,其值越高,表示系统性能越好。

针对红外成像系统的SNR评价,常用的方法有SI方法和MTF方法。

SI方法基于图像的统计特性,通过计算图像的均值和方差来估计系统的信噪比。

而MTF方法则是通过分析系统的传递函数,利用噪声功率谱密度和场点对比度来计算系统的信噪比。

另外,红外成像系统的动态范围评价也是一个重要的指标。

动态范围是指红外相机最大和最小可测温度之间的比值或差值。

动态范围过小会导致系统不能够准确地反映物体的温度变化。

常见的动态范围评价方法有几何法、伸展灵敏度法和MTF方法。

几何法通过测量刃口或灰度片的最大和最小温度,计算系统的动态范围。

伸展灵敏度法则是通过红外成像系统的特殊性能,如自动增益、非线性灰度转换等来评价系统的动态范围。

红外热像仪的空间噪声和时间噪声分析

红外热像仪的空间噪声和时间噪声分析

红外热像仪的空间噪声和时间噪声分析马宁;刘莎;李江勇【摘要】噪声特性是衡量红外热像仪的一个重要指标.本文对热像仪的噪声来源和影响因素进行了分析,并通过实验分别计算了实测图像的空间噪声和时间噪声.实验结果表明了在实际观测过程中,图像的空间噪声通常要大于时间噪声,而且空间噪声在热像仪经过非均匀性校正之后的一段时间内会逐渐增大,而时间噪声不会有明显变化.基于时间噪声小于空间噪声且不随时间变化的特点,为红外图像中的目标检测提出了新的思路.%Noise characteristic is an important indicator for evaluating an infrared thermal imager.The sources and influence factors of noise were analyzed,and the spatial noise and temporal noise of the real images were calculated through the experiment.The results show that the spatial noise is usually greater than the temporal noise,and the spatial noise gradually increases after nonuniform correction of infrared thermal imager,while temporal noise has no obvious change.This characteristic provides new thoughts for target detection in infrared images.【期刊名称】《激光与红外》【年(卷),期】2017(047)006【总页数】5页(P717-721)【关键词】噪声;热像仪;红外;焦平面探测器【作者】马宁;刘莎;李江勇【作者单位】华北光电技术研究所,北京 100015;北京市复兴路14号80分队,北京100843;华北光电技术研究所,北京 100015【正文语种】中文【中图分类】TN219噪声特性是衡量红外热像仪的一个重要指标。

红外夜视图像处理中的降噪算法优化研究

红外夜视图像处理中的降噪算法优化研究

红外夜视图像处理中的降噪算法优化研究红外夜视技术是一种应用广泛的非常重要的技术,随着科技的飞速发展和应用领域的不断拓展,对于红外夜视技术的要求也越来越高。

特别是在军事和公安等领域的应用中,对于图像质量的要求更是迫切。

而图像降噪技术是影响红外夜视图像质量的关键因素之一。

因此,在红外夜视图像处理中,降噪算法的优化也成为了研究的热点。

一、红外夜视图像降噪技术概述在红外夜视图像处理中,图像降噪技术是提高图像质量的重要手段之一。

降噪技术的研究主要包括基于空间域和基于频域的算法。

1.1 基于空间域的算法基于空间域的算法是指直接在图像的像素空间中对图像进行处理。

这种处理方式不需要将图像转换到频域,因此计算速度较快。

常见的基于空间域的降噪算法包括中值滤波、均值滤波、高斯滤波、小波滤波等。

中值滤波是一种非常经典的基于空间域的降噪算法。

该算法的核心思想是取中值来代替当前像素点的值。

这种方法的好处在于它能够有效的去除图像中的椒盐噪声和斑点噪声,而且它对于图像细节的保留较好。

但是,该方法也存在着一些问题,比如在去除噪声的同时也会使图像变得过于平滑,丧失了一部分细节信息。

1.2 基于频域的算法基于频域的算法是指将图像转换到频域中进行处理。

这种处理方式可以更好的处理高频噪声。

常见的基于频域的降噪算法包括傅里叶滤波、小波变换、离散余弦变换等。

傅里叶变换是一种将时域信号转换到频域的技术,然后在频域中对信号进行处理的方法。

通过傅里叶变换能够将图像中的高频噪声进行处理。

但是,傅里叶变换需要处理大量的数据,计算量较大,同时需要进行频域和时域的频繁转换,因此对于实时性要求较高的红外夜视技术可能不太适合。

二、降噪算法的优化为了提高红外夜视图像的降噪效果,需要对传统的降噪算法进行优化。

常见的优化方法包括改善传统算法的性能、融合多种算法的结果等。

2.1 改善传统算法的性能针对传统的降噪算法存在的缺陷,一些学者尝试通过改进算法,提高降噪效果。

红外探测器测试系统噪声分析与抑制方法研究

红外探测器测试系统噪声分析与抑制方法研究

a n a l y z e d, a n d t h e c o r r e s p o n d i n g n o i s e s u p p r e s s i o n me t h o d s we r e s t u d i e d . T h e t e s t r e s u l t s s h o w t h a t t h e d y n a mi c r a n g e o f t h e t e s t s y s t e m i s b e t t e r t h a n 1 0 0 d B .
Ab s t r a c t : Wi t h t h e d e v e l o p m e n t o f i n f r a r e d f o c l a p l a n e( I R F P A)t e c h n o l o g y , t h e d e t e c t o r s i z e b e c o m e s l a r g e r a n d l a r -
J I A T i a n — s h i , CU I K u n , XUE Y u . 1 o n g , S U Xi a o . f e n g 。 ( 1 . S h a n g h a i U n i v e r s i t y , S h a n g h m 2 0 0 0 7 2 , C h i n a ; 2 . S h a n g h a i I n s t i t u t e o f T e c h n i c a l P h y s i c s o f t h e C h i n e s e A c a d e m y o f S c i e n c e s , S h a n g h a i 2 0 0 0 8 3 , C h i n a )

红外热像仪的噪声分析 (1)

红外热像仪的噪声分析 (1)
3 单一参数方法
如果注意热像仪生产厂家提供的参数就会发现
通常采用“热灵敏度”、“热分辨率”、“温度分辨率” 或“等效噪声温差 NETD”来表征红外热像仪的噪声 特性。
具有不同名称的这些参数通常指的是噪声等效 温差,问题是文献中对 NETD 有不同的定义和测量 技术。
根据传统定义,NETD 定义为在输出的电子信号 通道的适当点上能够产生一个峰值信号和均方根噪 声比为一时,需要的靶标和背景黑体的温差。这个定 义是当所有的热像仪都是扫描式热像仪时引入的。尽 管这个定义没有清楚地说明 NETD 仅仅是沿视频线 高频时间噪声的一个度量,见图 2。在进行 NETD 测 量前修正了低频噪声,如图 3 所示。
4 4 参数方法
图 3 经过低频修正后代视频线的信号分布 Fig.3 Signal profile of a video line after low frequency
trends correction
NETD 可以由如下公式(1)计算:
NETD= Vn⋅SiTF
(1)
式中:Vn 为信号线噪声的均方根值;SiTF 为被测热 像仪的信号传递函数。Vn 可以表示成不同的信号单 位:数字灰度值或电压等。然而,只要信号传递函数 SiTF 表示成同样单位的比值除以温度 K,那么 NETD 的单位就是 K。
图 1 三维噪声模型 Fig.1 3D noise model
表1 三维噪声模型的噪声分量 Tab.1 Noise components of 3D noise model
No. 3D components Number of elements
Comments
Information
1
SVTH
2
SVH

红外图像处理算法的研究

红外图像处理算法的研究

论文题目:红外图像处理算法的研究专 业:信号与信息处理硕 士 生:黄庆华 (签名) 指导教师:吴延海 (签名)摘 要随着现代红外技术的快速发展,民用红外监控系统及军用红外探测系统得到了广泛的应用。

由于红外摄像器件本身及探测环境影响,成像效果并不理想。

在实际应用中,需要对获得的红外图像进行必要的增强处理,使其更适于人眼观察。

同时利用对红外目标的检测、分割来确定不易辨认的目标物,为后续的识别与智能控制等奠定基础。

本文首先介绍了红外成像机理,在分析了红外图像特点的基础上,比较了几种经典红外图像增强算法。

根据红外成像具有图像模糊、噪声大等特点,提出了将平台直方图均衡与增强高通滤波结合的红外图像处理算法。

实验结果表明,该算法能够增强图像目标、有效的抑制噪声,具有较好的视觉效果。

图像分割是图像处理的重要环节,本文在分析了几种经典图像分割算法的基础上,主要研究了边缘检测和阈值分割算法。

针对边缘检测只显示目标轮廓,边缘线条较多且不连续,而阈值分割则忽略了目标与目标之间的边缘细节问题,本文提出了一种新的红外图像分割算法。

该算法使用Sobel算子进行边缘检测,同时利用改进的Otsu进行阈值分割,然后对两幅图像进行融合。

实验证明分割后的图像目标轮廓清晰,图像边缘细节特征明显,有利于图像的特征提取、目标识别等。

关 键 词:红外图像处理;平台直方图均衡;边缘检测;改进的Otsu法研究类型:理论研究Subject :Research on Algorithm for Infrared Image Processing Specialty:Signal and Information ProcessingName :Huang Qinghua (Signature)Instructor:Wu Yanhai (Signature)ABSTRACTWith the fast development of the infrared technology, infrared monitor system is widely used in civil and military fields. Because of the limitations of infrared monitor and the affection of the environment, the quality of infrared imaging is not such satisfactory. In practical application, image enhancement technology is benefit to view of the obtained image. Meanwhile, undistinguished target can be confirmed by detection and segmentation, providing foundations for the following identification and intelligent control.Firstly, infrared imaging mechanism is introduced. Based on analyzing the characteristics of infrared image, some classic infrared image enhancing algorithms are compared. According to such characteristics as blurred image and high noise, a new algorithm combining platform histogram equalization with enhanced high-pass filtering is proposed. The results show that the algorithm can enhance the object and restrain noise of infrared image, achieving better visual effect.The segmentation of infrared image is a part in infrared image processing. Edge detection and Otsu is studied in depth based on the analyzing of some segmentation methods. To solve the shortcomings of edge detection and Otsu, a new segmentation algorithm is proposed in this paper. In this algorithm, edge detection and image segment are performed by Sobel operators and improved Otsu, respectively. Experimental results show that the contour of the segmented image is clear; the characteristic of the edge detail is evident. The algorithm is benefit to infrared image feature extraction and target recognition.Key Words: Infrared image processing Platform histogram equalizationEdge detection Modified Otsu principleThesis :Basic Research目 录1绪论 (1)1.1研究背景和意义 (1)1.2国内外研究现状及发展趋势 (2)1.3本论文的主要工作及内容安排 (4)2 红外图像的产生及特征 (5)2.1红外图像的产生机理及特点 (5)2.2红外图像直方图 (7)2.2.1直方图的定义及特点 (7)2.2.2红外图像直方图 (9)2.3红外图像的对比度及分辨率 (10)2.4红外图像的噪声分析 (10)2.5本章小结 (10)3 红外图像增强 (11)3.1红外图像的成像模型 (11)3.2基于经典的红外图像处理 (13)3.2.1灰度级修正 (13)3.2.2直方图变换 (15)3.2.3图像平滑 (17)3.2.4图像锐化 (20)3.2.5其他常用的红外图像增强处理算法 (20)3.3改进的红外图像增强算法 (21)3.3.1平台直方图均衡化法 (22)3.3.2增强高通滤波算法 (23)3.3.3 改进的红外图像增强算法 (25)3.4实验结果与分析 (25)3.5本章小结 (27)4 红外图像分割 (28)4.1图像分割的概念和分类 (28)4.2红外图像的分割算法 (29)4.2.1边缘检测的图像分割算法 (29)4.2.2灰度阈值分割算法 (37)4.3改进的图像分割算法 (41)4.3.1灰度梯度映射函数 (41)4.3.2改进的Otsu算法 (43)4.3.3 Sobel边缘检测与改进的Otsu算法结合 (45)4.4实验结果与分析 (46)4.5本章小结 (48)5 结论 (49)5.1总结 (49)5.2展望 (49)致谢 (51)参考文献 (52)附录 (55)1 绪论随着红外技术日新月异的发展,它在军事及人们日常生活中有着越来越广泛的应用。

红外图像处理中的噪声抑制算法

红外图像处理中的噪声抑制算法

红外图像处理中的噪声抑制算法红外图像处理是近年来快速发展的技术领域之一。

在许多领域如医学、军事、航空航天等都有广泛的应用。

然而,在红外图像处理中,图像噪声问题一直是令人头疼的难题。

噪声会干扰图像的质量和准确性,给图像分析和识别带来极大的困扰。

因此,噪声抑制问题的解决对于优化红外图像处理算法和提高图像识别准确率至关重要。

本文将着重探讨红外图像处理中常用的噪声抑制算法,并通过对比其优缺点,分析各算法的适用情况。

一、红外图像噪声种类及特点红外图像的噪声可以分为几类,例如热噪声、读出噪声、暗电流噪声、白噪声等。

各种噪声的产生和特点不同,因此需要采用不同的算法进行抑制。

其中,热噪声是指探测器自身的噪声,产生原因是探测器在工作时产生的内部能耗。

读出噪声指的是图像信号倍增器(或前置放大器)的电路噪声和电源噪声产生的影响。

暗电流噪声是指探测器在不接收红外光的情况下,仍会产生的噪声。

白噪声是指信号本身携带的噪声。

不同类型的噪声在红外图像中的体现形式各不相同,有些表现为图像中的均匀噪声,有些呈现为斑点噪声或者梯度噪声。

因此,针对不同类型的噪声需要采用不同的抑制算法。

二、常用噪声抑制算法1. 中值滤波算法中值滤波是一种经典的非线性滤波算法。

其原理是选取邻域内的中值来代替中心像素值。

在图像噪声较弱且呈现均匀分布时,该算法效果较好。

它不仅可以平滑图像、消除斑点噪声,还可以保留图像边缘的细节信息。

该算法的缺点是处理时间复杂度较高,因为每个像素都需要在邻域内进行排序。

2. 小波变换小波变换是一种基于滤波器组和逆滤波器组的线性滤波算法。

小波变换通过将原始信号分解成多个尺度和方向的子带进行分析和处理,可以有效地消除噪声,同时保留图像细节和边缘信息。

其优点是可以处理任意类型的噪声,尤其是对于梯度噪声和斑点噪声效果明显,而缺点是处理时间较长。

3. 非局部均值降噪算法该算法是最新的一种噪声抑制方法。

它基于局部图像块之间的相似性进行降噪处理。

文献检索期末作业

文献检索期末作业

文献检索期末作业学号:姓名:专业:题1:一篇文章最主要的概念一般会出现在文章的哪些地方(提示:哪些字段)?答:一般出现在关键字,摘要,主题,篇名。

题2:按出版类型划分,文献通常被分为十大类:图书、期刊、会议文献、科技报告、专利、标准、学位论文、产品技术资料、技术档案、政府出版物。

根据下列参考文献信息,判断他们属于下列哪种文献,并请介绍可以利用哪些我校已购买数据库或网络免费资源可以查找这种类型(不需要找到这一篇)的文献。

(4分*7=28分,这道题有两问,只答一问扣一半。

)图书 B. 期刊论文 C. 会议论文 D. 学位论文 E. 专利[1]金弟, 杨博, 刘杰, 等. 复杂网络簇结构探测—基于随机游走的蚁群算法[J]. 软件学报, 2012, 23(3): 451-464答:属于(B)期刊论文。

可以用中国知网,万方,维普。

[2]樊旭丹.遗传蚁群算法在医学图像分割中的应用研究[D].西安:西安电子科技大学,2013.答:属于(D)学位论文。

可以用中国知网,万方,维普。

[3] 苗夺谦,李道国. 粗糙集理论、算法与应用[M]. 北京:清华大学出版社, 2008.答:属于(A)图书。

可以用超星、读秀、方正Apabi。

[4]梅洋,吴斌,赵俊贤等.组合钢管混凝土式防屈曲支撑[C].中国城市规划学会城市安全与防灾学术委员会.第三届全国城市与工程安全减灾学术研讨会论文集.陕西:《灾害学》杂志编辑部,2010:104-109.答:属于(C)会议论文。

可以用万方、维普。

[5] B. Peterson and S. Strom, “T-Matrix Formulation of Electromagnetic Scattering from Multilayered Scatterers,” Phys. Rev. D, V ol. 10, NO. 8, Aug. 1974, pp. 2670-2684.答:属于(B)期刊论文。

基于深度学习的红外图像目标检测技术研究

基于深度学习的红外图像目标检测技术研究

基于深度学习的红外图像目标检测技术研究摘要:红外图像目标检测技术在军事、安防、气象等领域具有重要应用价值。

然而,红外图像的低对比度、噪声干扰等特点给目标检测带来了挑战。

本文针对这一问题,提出了基于深度学习的红外图像目标检测技术,并通过实验验证了其有效性。

首先,本文介绍了红外图像目标检测的背景和相关研究。

接着,详细介绍了深度学习在目标检测中的应用原理。

然后,通过对比实验结果,证明了深度学习在红外图像目标检测中的优越性。

最后,对未来的研究方向进行了展望。

关键词:红外图像、目标检测、深度学习、对比实验、研究方向。

1. 引言红外图像技术已经广泛应用于军事、安防、气象预测等领域。

而红外图像目标检测技术则是其中一个重要的研究方向。

目标检测技术的目标是从图像中准确地识别和定位出目标物体。

然而,红外图像由于其低对比度、噪声干扰等特点,使得目标检测变得更加困难。

因此,如何提高红外图像目标检测的准确性和鲁棒性成为了一个热门的研究课题。

2. 目标检测的背景和相关研究红外图像目标检测的主要挑战包括低对比度、目标尺寸和姿态变化、噪声干扰等。

传统的红外图像目标检测方法包括基于特征提取的方法和基于模型的方法。

然而,传统方法在复杂背景和目标变化较大的情况下效果不佳。

近年来,深度学习的快速发展促进了目标检测技术的进步。

深度学习通过端到端的训练方式,可以自动地从大量的数据中学习到图像的特征表达,进而实现目标检测。

深度学习方法通常包括卷积神经网络(CNN)和循环神经网络(RNN)等。

3. 基于深度学习的红外图像目标检测技术本文提出了一种基于深度学习的红外图像目标检测技术,并通过实验验证了其有效性。

该方法主要包括以下几个步骤:3.1 数据预处理由于红外图像的低对比度和噪声干扰,需要对图像进行预处理,以提高检测的准确性。

常用的预处理方法包括图像增强、噪声去除和对比度增强等。

3.2 网络设计本文采用了一种基于深度学习的目标检测网络,该网络结构包括多个卷积层、池化层和全连接层。

空间变化离焦模糊红外图像快速复原算法

空间变化离焦模糊红外图像快速复原算法

378空间变化离焦模糊红外图像快速复原算法汪陈跃,雷旭峰,李泽民,杨绍明,何 燕(昆明物理研究所,云南 昆明 650223)摘要:为了提升空间变化离焦模糊红外图像的图像质量,提出了一种基于图像质量评价的快速复原算法。

本文提出的方法首先对模糊图像采用不同点扩散函数对应的截断约束最小二乘法算法进行复原而获得多幅复原图像,并对复原图像进行去振铃;然后对复原图像中每个像素为中心的区域进行图像质量评价,将采用不同参数复原的图像以图像质量评价的结果进行组合以获得最终的复原图像。

由于无需对模糊图像点扩散函数估计,且采用了空间域运算的截断约束最小二乘法算法进行图像复原,实验结果表明,本文提出的算法能够对空间变化离焦模糊红外图像进行快速复原,算法运行速度较基于点扩散函数估计的方法大幅提升。

关键词:离焦模糊;空间变化模糊;图像复原;图像质量评价中图分类号:TN911.73 文献标识码:A 文章编号:1001-8891(2021)04-0378-07Fast Restoration Algorithm for Space-variant Defocus Blurred Infrared ImagesWANG Chenyue ,LEI Xufeng ,LI Zemin ,YANG Shaoming ,HE Yan(Kunming Institute of Physics , Kunming 650223, China )Abstract :A fast restoration algorithm based on image quality assessment is proposed to improve the quality of space-variant defocus blurred infrared images. First, the defocus image is restored by the truncated constrained least-squares algorithm with different point spread functions to obtain and perform deringing on multiple restored images. Then, the area centered on each pixel in the restored image is evaluated through an image quality assessment, and the images restored with different parameters are combined according to the image quality assessment to obtain the final restored image. Because there is no need to estimate the point spread function of the blurred image, the truncated constrained least-squares algorithm of spatial calculation is used for restoration. The experimental results show that the algorithm proposed in this paper can quickly restore the space-variant defocused blurred infrared image and is much faster than the method based on point spread function estimation.Key words :defocus, space-variant blur, image restoration, image quality assessment0 引言空间变化离焦模糊是红外系统普遍存在的一个问题,产生这一问题的根本原因是受红外光学原理限制,视场中物距差别大的物体无法同时清晰成像。

红外图像的目标检测与识别技术研究

红外图像的目标检测与识别技术研究

红外图像的目标检测与识别技术研究LT摘要低信噪比红外图像中目标的检测与识别技术是增加制导武器系统作用距离,加强系统防御能力的关键技术之一。

本文研究了红外序列图像中目标的检测与识别技术,主要包括图像预处理、目标检测、目标识别。

本文首先分析了红外图像的特点,简要介绍了图像增强的一些方法。

然后综合考虑系统的快速性及后续处理的需要,提出一种新的红外图像预处理方法。

该算法充分利用红外图像中噪声的随机性和目标运动的相关性的特点,采用灰度对比值分割出潜在目标图像区域,再对潜在目标区域进行图像增强。

本文遵从最简单的DBT(先检测后跟踪)检测算法的设计思路,提出了一种基于帧间相关光流法的红外目标检测方法。

实现了红外图像预处理与目标检测任务在一个完整的框架下的统一,实验结果证明了提出的目标检测方法兼顾了快速性和稳健性。

在分析红外目标图像的基本特征和不变性特征及典型的红外目标识别方法后,针对红外图像的特点提出了一组新的特征量,并结合局部最亮点轮廓线的不变矩对红外目标进行了分类识别。

关键词: 红外图像,目标检测,识别技术ABSTRACTThe low signal-to-noise ratio in infrared image target detection and recognition technology is one of the key technologies that increase the distance of the role of guided weapons systems, system defense capabilities. This paper studies the infrared image sequences in target detection and recognition technologies, including image preprocessing, target detection, target recognition.This paper first analyzes the characteristics of the infrared image, a brief introduction to some methods of image enhancement. And considering the need of fast and follow-up treatment, raised a new infrared image pre-processing methods. This algorithm takes advantage of the characteristics of the random noise in the infrared image and the correlation of the target motion, using the gradation ratio divided potential target image region, then the potential target area for image enhancement.Design ideas in this article comply with the most simple of the dbt (after the first detection, tracking) detection algorithm, proposed an inter-frame correlation-based optical flow method of infrared target detection method. Infrared image pre-processing and target detection task in the framework of a complete unified, experimental results show that the proposed target detection method both fast and robust.In the analysis of the basic features of the infrared target image and the invariant feature and typical infrared target recognition method for infrared image characteristics of a set amount of new features, combined with local highlight of the contour of the moment invariants of infrared target the classification.Keywords: infrared image, target detection, identification technology目录摘要 (I)ABSTRACT ...................................................................................................................... I I 1 绪论 . (1)1.1 研究背景和意义 (1)1.2 国内外研究现状及发展趋势 (1)1.3 本论文的主要工作 (3)2 红外图像的产生及特征 (4)2.1 红外图像的产生机理及特点 (4)2.2 红外图像直方图 (6)2.2.1 直方图的定义及特点 (7)2.2.2 红外图像直方图 (8)2.3 红外图像的对比度及分辨率 (9)2.4 红外图像的噪声分析 (9)3 红外目标检测技术 (10)3.1 红外序列图像运动目标检测的基本方法 (10)3.1.1连续帧间差分法 (10)3.1.2背景差分法 (11)3.1.3光流法 (12)3.2针对红外序列图像中运动小目标的检测算法 (14)3.2.1利用运动特征检测红外弱小目标的方法 (14)3.2.2基于移动式管道滤波的小目标检测方法 (15)3.2.3基于帧间相关性的红外序列图像弱小目标的检测方法 (15)3.3红外弱小目标检测技术 (16)3.4基于帧间相关光流法的红外目标检测方法 (17)4. 红外图像识别技术研究 (19)4.1红外图像目标识别的研究现状及发展趋势 (19)4.2红外目标特征与分析 (20)4.2.1 图像识别系统 (23)4.3 模式特征识别254.3.1 不变量方法 (26)4.3.2 拓扑法识别 (27)4.4相关匹配法 (28)4.4.1相关匹配跟踪算法 (28)4.4.2特征匹配跟踪算法 (28)4.5 命中点选择研究294.6 决策函数305. 基于胡氏不变矩与几何特征的红外目标识别 (31)5.1 目标识别的概述 (31)5.2 图像特征提取 (33)5.2.1 胡氏不变矩 (33)5.2.2 几何特征 (34)5.3 基于胡氏不变矩与几何特征的红外目标识别 (35)5.4 实验结果及分析 (35)6.总结与展望 (37)6.1 总结 (37)6.2 展望 (38)参考文献 (40)致谢 (44)1 绪论1.1 研究背景和意义红外热成像系统不仅能透过烟、尘、雾等障碍来探测目标,实现昼夜连续被动探测,而且可以观察目标细节,进一步识别、精确定位及跟踪目标。

红外成像传感器仿真建模及模型仿真度评价

红外成像传感器仿真建模及模型仿真度评价

红外成像传感器仿真建模及模型仿真度评价红外成像传感器仿真建模及模型仿真度评价摘要:红外成像技术是一种通过探测和分析物体辐射的热能而成像的非接触式测温和控制技术。

本文旨在探讨红外成像传感器仿真建模的方法以及模型的仿真度评价。

首先介绍了红外成像传感器的原理和工作方式,并对其目标检测、距离测量和温度测量等功能进行了详细描述。

随后,针对红外成像传感器的仿真建模,分别从传感器结构模型、感受器模型和探测器模型三个方面进行了说明。

针对模型的仿真度评价,提出了基于模拟实验和实际测量数据对模型进行验证的方法,并介绍了常用的评价指标。

最后,通过对红外成像传感器进行仿真建模和模型仿真度评价的实例分析,验证了本文提出的方法的可行性和有效性。

关键词:红外成像传感器;仿真建模;模型仿真度评价一、引言红外成像技术是一种非常重要的无损检测技术,广泛应用于工业生产、军事防务、物体识别等领域。

红外成像传感器作为该技术的核心部件,起到了至关重要的作用。

传统的实验方法需要耗费大量时间和资源,因此,建立红外成像传感器的仿真模型成为了一种重要手段。

仿真模型可以帮助我们预测传感器的性能表现,提高红外成像系统的设计和优化效率。

二、红外成像传感器的工作原理和功能红外成像传感器通过探测目标物体发射的红外辐射能量,并将其转换为电信号,再通过信号处理和图像重构等技术,实现目标的检测、距离的测量和温度的测量等功能。

传感器根据不同的工作原理分为热像仪和热电偶阵列两种类型。

三、红外成像传感器仿真建模红外成像传感器仿真建模是指将传感器的结构、材料、光学元件和电子元件等要素进行数值建模,并利用计算机仿真软件进行模拟计算,最终得到传感器的工作性能和输出图像。

传感器结构模型主要建立传感器的物理结构和布局,包括传感器的外壳、镜头、探测器等。

感受器模型主要模拟传感器对红外能量的感受能力,包括传感器的响应曲线和灵敏度等。

探测器模型主要模拟传感器的红外探测和转换能力,包括传感器对红外辐射的感受和信号转换过程。

红外图像条带噪声消除算法研究

红外图像条带噪声消除算法研究

西安电子科技大学 学位论文独创性声明
秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标 注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成 果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说 明并表示了谢意。 申请学位论文与资料若有不实之处,本人承担一切法律责任。
Abstract
III
Abstract
Due to the limitation of both the existing manufacture level and material, the response characteristics of infrared focal plane array detection units is not consistent, which leads to non-uniformity within pixels. As a result, stripping noise is presented in the infrared images, which affects the infrared image seriusly both in quality and resolution. Therefore, eliminating the stripe noise and enhancing the image signal-to-noise ratio has become a hot topic in the field of infrared image processing. At present, aiming at the problem of infrared image signal to noise ratio is low, basically non-uniformity correction algorithm is adopted to deal with. So, this paper first introduced the mechanism and response model of non-uniformity and the basic non-uniformity correction algorithms. Because of the shortcomings and deficiencies of these algorithms, their application in engineering does not fully meet the requirements. This paper further studied the formation mechanism of strip noise in infrared image and the common distripping algorithm in image. Based on the absorption of the advantages of these algorithms and combined with the characteristics of less data and rich content, piecewise polynomial fitting and median pretreatment were applied to the distripping algorithm. Then the improved method of polynomial fitting filtering and piecewise fitting filtering based on median pretreatment were proposed. The theoretical analysis and experimental results show that the proposed two new algorithms principle is simple, practical, and can effectively eliminate stripe noise in infrared images to improve the image signal-to-noise ratio. Keywords: infrared image median pretreatment stripe noise piecewise polynomial fitting

红外相机噪声等效温差的测量方法(二)

红外相机噪声等效温差的测量方法(二)

红外相机噪声等效温差的测量方法(二)红外相机噪声等效温差的测量方法引言红外相机的噪声等效温差(NETD)是衡量其性能的重要指标,准确测量NETD对于相机性能的评估和优化至关重要。

本文将介绍几种常用的测量方法。

方法一:双点法双点法是一种常见的测量红外相机NETD的方法。

该方法基于两个假设:1. 目标物表面是均匀的,无局部热源;2. 相机像素之间的噪声是独立的。

具体步骤如下: 1. 在纯黑环境中,选择两个相距适中的像素点作为目标点。

2. 测量红外相机输出的信号,并计算两个像素的信号差值。

3. 根据相机的温度特性,计算出对应的噪声等效温差。

方法二:平均法平均法是一种简单而常用的测量红外相机NETD的方法。

该方法基于相机输出信号的统计特性,具有较高的测量精度。

具体步骤如下:1. 在稳定的环境条件下,选择一个适当大小的像素区域。

2. 测量该区域内的全部像素输出信号的均值和标准差。

3. 根据相机的温度特性和标准差,计算出噪声等效温差。

方法三:频谱分析法频谱分析法是一种基于信号频谱的测量红外相机NETD的方法。

该方法适用于噪声频率特性明显的相机。

具体步骤如下: 1. 将相机输出的信号经过傅里叶变换,得到信号的频谱。

2. 分析频谱中的噪声成分,并计算出噪声等效温差。

方法四:差分法差分法是一种利用差分信号测量红外相机NETD的方法。

该方法适用于直连式红外相机,具有较高的测量精度。

具体步骤如下: 1. 选取两组相机输出信号,分别表示目标物和背景。

2. 计算两组信号的差分值。

3. 根据差分信号和相机的温度特性,计算出噪声等效温差。

结论选择合适的测量方法能够准确评估红外相机的性能,而噪声等效温差是其中重要的指标之一。

双点法、平均法、频谱分析法和差分法是常用的测量方法,具体选择应考虑相机特点和实际需求。

在进行测量时,应确保环境稳定,并采取适当的控制措施以提高测量精度。

参考文献: - Smith A, et al. Measurement of noise equivalent temperature difference for an infrared camera. Proc. SPIE, 2006. - Wang B, et al. A novel method for noise equivalent temperature difference measurement of infrared thermal imaging systems. Infrared Physics & Technology, 2017.。

基于探测器噪声分析的红外图像增强算法

基于探测器噪声分析的红外图像增强算法

第37卷,增刊红外与激光工程2008年6月V ol.37SupplementInfrared and Laser EngineeringJun.2008收稿日期:2008-06-04作者简介:陈维真(6),女,山东青岛人,工程师,主要从事信息处理研究。

x 56@63基于探测器噪声分析的红外图像增强算法陈维真1,周晓东2,张春华2(1.中国海洋大学信息技术学院,山东青岛266000;2.海军航空工程学院控制工程系,山东烟台264001)摘要:红外成像制导系统中,来自目标的辐射信号是极其微弱的,噪声特性直接影响探测器的探测能力,降低探测器的噪声是提高其探测能力的有效方法之一。

首先,对探测器噪声的频谱进行了分析;然后,提出了基于探测器噪声分析的红外图像去噪算法——基于小波域自适应维纳滤波算法,主要讨论在预处理阶段如何去除白噪声和分形噪声。

由于分形噪声的小波系数是平稳的,不相关的,可近似看作高斯白噪声,通过对图像进行小波变换,先将分形噪声转化为白噪声,进而采用自适应维纳滤波算法滤除噪声。

用采集的大量红外图像作实验,结果表明,该算法能够有效地去除多元探测器成像中的噪声信号,显著地提高信噪比,为后续弱小目标的检测和识别提供了良好的基础。

关键词:探测器噪声;图像增强;维纳滤波;小波变换中图分类号:TN219文献标识码:A文章编号:1007-2276(2008)增(红外)-0629-05IR image enhancement algorithm based on analysis of detectornoise characteristicsCHEN Wei-zhen 1,ZHOU Xiao-dong 2,ZHANG Chun-hua 2(1.C ollege of Information Sci ence &Engineering,Ocean University of China,Qingdao 266000,China;2.Department of Control Engineering,Navy Aeronauticaland As tronautical Univers it y ,Yantai 264001,China)Abstr act:In the infrared (IR)image guidance system,the signal radiated by target is very faint.The detector noise can influence target detection ability ,so one of the most efficiency method to improve the detection ability is to reduce the detector noise level.Firstly ,the frequency spectrum of detector noise is analyzed.Then,a new m ethod based on analysis of detector of noise characteristics is put forward.The method focuses on how to reduce white noise and fractal noise.The fractal noise turn into white noise after wavelet transform,and self adaptive wiener filter is then used to filter white noise.The experiment results prove that the algorithm can reduce noise level of multi-dimensional detector with high efficiency ,improve signal to noise ratio evidently .The paper provides basis for space target detection.Key wor ds:Detector noise;Image enhancement;Wiener filter;Wavelet transform0引言红外制导系统是处在复杂的辐射背景条件下与系统内部潜在的严重干扰因素环境下工作的。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

式中 : L b 为探测波段内背景红外辐射亮度 。 2. 1. 5 电荷转移读出噪声 电荷转移读出噪声源主要有 4 个 ,1) 电荷转移损 失噪声 ,2) 背景电荷的引入噪声 ,3) 界面态俘获噪声 , 2 4) 光电子散粒噪声 。总噪声 σ N5为 :
2 2 ε σ N ( N s + N s0 ) + k TC/ e + N5 = 4 ( 8) 1 . 4 kTN ssN gA g / e + N s 式中 :ε为传输损失 ; N 、 N g 分别为转移次数及电极数
( 7)
0,
| ωx | Φ ωx0 | ωx | > ωx0
,
( 13)
2001 年 5 月 吴军辉等 : 红外成像系统图像空间噪声分析与估计 第 23 卷 第3期
S y ( t i ,ωy ) =
Ay ,
0,
| ωy | Φ ωy0 | ωy | > ωy0
第 23 卷 第3期 红 外 技 术 Vol. 23 No. 3 2001 年 5 月 Infrared Technology May 2001
红外成像系统图像空间噪声分析与估计 3
吴军辉 ,郜竹香 ,张玉竹
(63891 部队 ,河南 洛阳 471003)
对于热成像系统 , 电路噪声主要包括电压放大器 噪声 、 信号传输噪声以及干扰噪声 。电压放大器为有 源电路 ,其噪声源主要有热噪声和 PN 结散粒噪声 , 其 中热噪声与放大器工作温度有关 ,散粒噪声为一常数 ; 信号传输噪声以及干扰噪声都可以看成常数 。因此 , 可把电路噪声表示为 : 2 σ N 2 = cN 21 T + cN 20 式中 : T 为放大电路器件工作环境温度 。 当设备稳定工作时 , 放大器工作温度一般浮动范 围不大 ,因此 ,我们可以近似把电路噪声当成常量 , 与 红外成像系统工作环境温度无关 。
y , t ) 为空间起伏噪声 。
( 6)
式中 : q 为量化间隔 ( 最小量化单位对应的电压值) 。
2. 1. 4 均匀性校正残余误差
引起热成像系统探测非均匀性的主要物理因素 有 : 各探测器像元响应不均匀 ; 各探测器像元有效尺寸 的不均匀 ; 各探测单元直流背景电压的不均匀等 。 热成像系统在使用前都需要进行均匀性校正 。但 由于晶体管偏置电压的变化 、 不同的探测景物的辐射 特性以及探测器工作环境温度的变化等因素引起每个 探测器的增益和失调随时间缓慢且随机漂移 , 从而均 匀性校正必然存在残余误差 。均匀性校正残余误差成 为红外图像的空间噪声 。 由于探测器工作在制冷环境温度下 , 不会由于红 外成像系统的大环境温度而影响器件的工作温度 , 因 此大环境温度变化对均匀性校正残余误差影响可以忽 略 。在进行过均匀性校正之后 , 针对不同的探测景物 红外辐射特征 ,残余误差值不同 。对于晴朗背景下的 弱小目标检测情况 , 均匀性校正残余误差主要与背景 的红外辐射亮度有关 ,即 : 2 2 σ N4 = σ N4 ( L b)
pn ( f ) = c n Pn ( 2)
1 噪声分析
2. 1 噪声源分析
红外成像系统探测噪声主要由探测器噪声 、 光子 噪声 、 电路噪声 、 A/ D 转换噪声 、 均匀性校正残余噪声 、 电荷转移读出噪声 、 背景空间起伏噪声等 7 部分组成 , 其组成框图见图 1 。 2. 1. 1 探测器噪声 、 光子噪声 1) 探测器电流噪声 对于光伏探测器 , 其电流噪声主要包括光生电流 散粒噪声 、 暗电流散粒噪声和器件热噪声 。噪声电流 的均值为零 ,均方值 E[ i 2 Nt ]为 : 。 ηPnΔf + 2 ueIso Δf + 4 kT Δf / R d E[ i Nt ] = 2 e
增加积分时间可以提高探测信噪比 。 另外 Байду номын сангаас从 ( 4) 式看出 , 噪声电压均方值与入射光子 通量及探测器工作温度有关 。由于探测器工作在制冷 温度下 ,该温度与红外成像系统工作时的大环境温度 无关 ,因此可以认为探测器噪声和光子噪声只与背景 光子辐射通量有关 ,亦即只与背景辐射亮度有关 。
2. 1. 2 电路噪声
2
当把光子发射当成无规则过程 , 则 c n = 2 , 如果光 子发射受制于玻色2爱因斯坦统计 , 则 c n 与探测器工 作波段有关 。光子噪声引起的电流噪声 E[ i 2 Nn ]为 : ηPn Δf E[ i 2 N n ] = cn
( 3)
3) 电流积分与电压噪声 一般认为电流噪声为高斯分布的平稳随机过程 , 设探测器积分时间为 τ s ,则电压噪声均方值为 :
图1 噪声源组框图
Fig. 1 Composing diagram of noise source
压) 或 2 (探测器零偏压) ; R d 为探测器等效电阻 ; T 为探 测器工作环境温度 ; e 为电子电荷 ; k 为玻耳兹曼常数。 当探测器工作在负偏压时 , R d 很大 , 因此热噪声 可以忽略不计 。 2) 光子噪声 光子噪声功率谱密度 pn ( f ) 为 :
2 2 σ τ η + 0 . 5 cn η ) Pn + ( 2 k/ R d ) T + ueIso ] N1 = A V s[ ( e
( 1)
( 4)
Δf 为探测器量子效率、 式中 : Pn 为入射光子数通量 ;η、 带宽 ; I so 为二极管反向饱和电流 ; U 取 1 (探测器负偏
Ξ 收稿日期 :2000211209
0,
| ωt | Φ ωt0 | ωt | > ωt0
( 10) ( 11) ( 12)
τ τ R t ( x i , y i ,τ t ) = A t sin (ω t0 xt ) / (π t) 对于一般情况 ,可以将 n ( x , y , t ) 表示如下 :
n ( x , y , t ) = nx ( x , t ) nx ( y , t )
式中 : f s ( x , y , t ) 为非噪声分量 ; n ( x , y , t ) 为噪声分 量 ; x , y 为以红外成像系统为中心的方位 、 高低方向角 度坐标值 。 由于 f s ( x , y , t ) 主要为低频分量 , 对目标探测 、 提 取的影响可以忽略 , 因此 , ( 9 ) 式中的噪声分量 n ( x ,
Ξ
摘要 : 分析当对晴朗天空背景中的弱小目标进行探测的情况下红外成像系统的各种噪声源 ,给出各噪 声源引入的噪声均方值与工作环境温度和背景红外辐射特性的定性关系 ,然后对图像空间噪声的靶场 测量以及估计方法进行讨论 。 关键词 : 红外成像系统 ; 图像空间噪声 ; 噪声 ; 测量 中图分类号 : TN216 文献标识码 :A 文章编号 :100128891 ( 2001) 0320019204
景的红外辐射亮度有关 。 2. 1. 6 背景空间起伏噪声 从广义上讲 ,背景空间起伏噪声属于目标及背景的 红外辐射特征范畴。我们假设晴朗天空背景辐射亮度 空间噪声为各态历经平稳随机过程 ,可计算同一背景对 不同的红外成像系统所引起的空间起伏噪声的关系。 设背景空间亮度分布函数 f ( x , y , t ) 为 :
1 引言
在研究红外成像系统 ( 红外跟踪或红外侦察告警 系统) 对晴朗天空背景下小目标作用距离靶场试验评 估技术时 ,需要涉足到图像信号 、 图像空间噪声以及噪 ( 声下目标信号检测水平 即对应一定成像大小的目标 , 图像信噪比与检测概率关系问题) 的建模 、 靶场测量与 估计问题 。本文所讨论的是红外成像系统图像空间噪 声的建模 、 靶场测量与估计问题 。 本文首先对红外成像系统的各种噪声源进行分 析 ,给出噪声源引入的噪声均方值与工作环境温度和 背景红外辐射特性的定性关系 , 然后对图像空间噪声 的靶场测量方法 ,以及在不同的晴朗天空背景下图像 空间噪声估计方法进行讨论 。
20
认为 n ( x , y , t ) 是时间过程的平稳随机过程和 x 、 y 空间分布的各态历经平稳随机过程 。 设 n ( x , y , t ) 的时间过程功率谱密度 S t ( x i , y i , ωt ) 和自相关函数 R t ( x i , y i ,τ t ) 分别为 :
S t ( x i , y i ,ωt ) = At ,
,
( 14)
那么 , nx ( x , t i ) 、nx ( y , t i ) 空间分布的自相关函数 R x ( t i ,τ x ) 、R y ( t i ,τ y) 为 : τ τ R x ( t i ,τ x ) = A x sin (ω x0 x ) / (π x) τ τ R x ( t i ,τ y ) = A y sin (ω y0 y ) / (π y) 存在约束关系如下 : 2 σ = R t ( x i , y i , 0) = R x ( t i , 0) R y ( t i , 0)
我们把 nx ( x , t ) 、 nx ( y , t ) 当成是 x 、 y 的平稳随机过 程。 又设 nx ( x , t i ) 、 nx ( y , t i ) 空间分布的功率谱密度 S x ( t i ,ωx ) 、 S y ( t i ,ωy ) 为 :
S x ( t i ,ωx ) = Ax ,
f ( x , y , t) = f s ( x , y , t) + n ( x , y , t) ( 9)
差 。由于基准电压的漂移一般比较小 , 且其频谱集中 在低频端 ,因此 ,其对热成像系统各幅图像内的空间噪 2 声贡献可以忽略 。A/ D 转换的量化噪声为 σ N3 :
2 2 σ N 3 = q / 12
2. 1. 3 A/ D 转换噪声 A/ D 转换噪声源主要有基准电压漂移和量化误
( 5)
目 ; Ns 、 N s0 为信号电荷 、 填底电荷的载流子数 ; C 为势 阱电容 ; N ss 为界面态的面密度 ; A g 为一个门的面积 。
相关文档
最新文档