基于成像制导状态的自适应IRFPA非均匀性校正技术研究

论文摘要

随着红外焦平面阵列(IRFPA)技术的发展,IRFPA成像技术也获得了迅速的发展,并在成像制导等领域获得了广泛的应用,然而,阵列的非均匀性仍然是限制IRFPA成像系统性能的一个重要因素,因此,在实际应用中必须对其实施校正。由于在大动态范围下IRFPA响应的非线性较为突出,以及探测器的响应会随时间的推移和工作环境的变化而发生缓慢飘移,从而使得非均匀性校正技术成为具有挑战意义的课题。本文针对IRFPA器件在成像制导状态下所面临的特殊情况,即输入信号动态范围大、环境条件复杂多变及工作帧频高等问题,研究并提出五种基于场景的非均匀性校正算法及工程实现技术,解决或降低了上述问题对非均匀性校正的不良影响。具体为:针对焦平面阵列在大动态范围内的应用,提出了具有双重校正性能的校正算法——基于二次曲线模型的卡尔曼滤波校正算法,对焦平面阵列实现非均匀性和非线性双重校正;针对焦平面阵列应用在场景变化不充分的特殊环境,提出了基于图像配准技术的校正算法,所提出的算法不需要满足各探测器单元场景统计值相一致的条件,算法具有较好的收敛性;针对传统基于场景统计的校正算法存在的不足以及为满足实际应用需要,提出了基于场景统计的非均匀性校正新算法,它较典型的统计校正算法具有更好的收敛性,且计算量小,所需内存少,易于工程实现。另外,该算法也适合场景变化不充分下焦平面器件的非均匀性校正;针对多变的环境条件引起的焦平面器件响应特性和稳定性的变化,以及传统神经网络校正算法难以消除低频空间噪声的不足,在利用小波对由非均匀性导致的空间噪声进行频率特性分析的基础上,提出了两种改进的非均匀性校正算法——基于均值与神经网络相结合的校正算法及基于递归最小二乘法的校正算法。两种算法都具有较强的非均匀性校正能力,其中,前一种算法较简单,而后一种算法收敛性较好,跟踪能力强,且能有效地抑制“人工虚影”和目标退化现象的产生;此外,针对国产128×128IRFPA器件实际应用的具体要求,设计并研制了一套高帧频的IRFPA成像信号实时处理系统,以对IRFPA成像信号实现实时非均匀性校正等成像信号处理。所设计的成像系统具有信号动态范围大、运算速度快、处理精度高、可靠性能高以及系统灵活性和通用性强等优点。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 红外焦平面阵列
• 1.2 红外焦平面阵列非均匀性校正技术现状
• 1.2.1 非均匀性及其校正技术现状
• 1.2.2 目前研究的主要问题
• 1.3 论文的主要研究工作
• 本章参考文献
• 第二章 红外焦平面阵列非均匀性产生机理
• 2.1 引言
• 2.2 焦平面阵列非均匀性的表象
• 2.3 非均匀性产生机理分析
• 2.3.1 焦平面阵列探测单元的特性
• 2.3.2 焦平面阵列非均匀性的产生机理
• 2.4 非均匀性测试及校正性能评价
• 2.5 本章小结
• 本章参考文献
• 第三章 基于二次曲线模型的卡尔曼滤波校正算法
• 3.1 引言
• 3.2 探测元的非线性响应模型
• 3.3 基于卡尔曼滤波的非均匀性校正算法
• 3.3.1 状态方程模型
• 3.3.2 测量方程模型
• 3.3.3 卡尔曼滤波器数学模型的推导
• 3.4 算法实验结果及分析
• 3.4.1 算法实现
• 3.4.2 校正性能与帧块长度的关系
• 3.4.3 校正性能与漂移参数的关系
• 3.4.4 非线性模型和线性模型下的校正性能比较
• 3.5 本章小结
• 本章参考文献
• 第四章 基于图像配准技术的非均匀性校正算法
• 4.1 引言
• 4.2 基于梯度法的配准算法
• 4.2.1 算法描述
• 4.2.2 算法配准能力分析
• 4.3 基于图像配准技术的校正算法
• 4.3.1 算法设计思想
• 4.3.2 基于维纳滤波法的校正系数估计
• 4.3.3 基于梯度法的校正系数估计
• 4.4 算法实验结果及分析
• 4.4.1 算法实现
• 4.4.2 模拟数据仿真及结果分析
• 4.4.3 实际红外图像处理及结果分析
• 4.5 本章小结
• 本章参考文献
• 第五章 基于场景统计的非均匀性校正新算法
• 5.1 引言
• 5.2 典型的基于场景统计的校正算法
• 5.2.1 Harris的校正算法
• 5.2.2 Hayat的校正算法
• 5.3 基于场景统计的非均匀性校正新算法
• 5.3.1 基于局部恒定统计的增益和偏置估计
• 5.3.2 基于全局恒定统计的增益和偏置估计
• 5.3.3 适合于实际工程要求的简化校正算法
• 5.4 算法实验结果及分析
• 5.4.1 算法实现
• 5.4.2 实验结果及分析
• 5.5 本章小结
• 本章参考文献
• 第六章 基于空域处理的非均匀性校正算法
• 6.1 引言
• 6.2 基于小波变换的空间噪声频率特性分析
• 6.3 基于均值与神经网络相结合的非均匀性校正算法
• 6.3.1 引言
• 6.3.2 传统的神经网络校正算法
• 6.3.3 基于均值与神经网络相结合的非均匀性校正算法
• 6.3.4 算法实验结果及分析
• 6.4 基于递归最小二乘法的非均匀性校正算法
• 6.4.1 引言
• 6.4.2 固有条纹处理
• 6.4.3 RLS滤波器描述
• 6.4.4 自适应加权平均滤波器的设计
• 6.4.5 算法实验结果及分析
• 6.5 本章小结
• 本章参考文献
• 第七章 非均匀性校正算法实时实现处理系统
• 7.1 系统功能和要求
• 7.2 系统结构及工作原理
• 7.2.1 系统结构
• 7.2.2 系统工作原理
• 7.3 实时处理图像效果
• 7.4 本章小结
• 第八章 总结和展望
• 致谢
• 攻读博士期间的科研成果