学位论文 > 优秀研究生学位论文题录展示

红外焦平面阵列探测器关键技术研究

作　者: 赵桂芳
导　师: 张科
学　校: 西北工业大学
专　业: 导航、制导与控制
关键词: 红外焦平面阵列非均匀性校正盲元检测盲元补偿神经网络
分类号: TN215
类　型: 硕士论文
年　份: 2007年
下　载: 524次
引　用: 4次
阅　读: 论文下载

内容摘要

随着科学技术的迅猛发展，红外焦平面阵列探测器(IRFPA)应运而生，它的出现是红外成像史上一个划时代的革命，同时它的出现也使红外成像系统在民用行业和军事领域得到广泛的应用，但在实际生产中，由于加工材料和制造工艺等因素的影响，使各探测单元之间存在响应的非均匀性及盲元等问题，造成了成像质量的下降，从而制约着红外焦平面阵列探测器的应用。因此，非均匀性和盲元问题是当今红外焦平面阵列成像系统必须解决的首要问题。文中对红外探测技术的历史、现状和发展趋势进行了较为详细的阐述，并分析了红外焦平面阵列非均匀性及盲元产生的原因及特点，讨论了几种常用的非均匀性校正及盲元检测与补偿算法，指出了各自的优缺点和适用场合。论文针对红外焦平面探测器存在的问题进行了详细的研究，研究内容主要有以下几个方面： 1、针对以红外焦平面阵列探测器为主的成像系统存在的非均匀性问题，在充分分析现有非均匀性校正算法优缺点的基础上，得出神经网络非均匀性校正算法是未来发展的方向。因此，本文采用神经网络对红外焦平面探测器非均匀性进行了校正，该方法不需要对焦平面器件进行标定，对探测器参数的线性和稳定性要求也不高，并且校正系数可以由神经网络自适应连续地更新。 2、神经网络非均匀性校正中，把非均匀图像x各像元的四邻域平均值作为该像元的期望输出进行非均匀性校正时存在一个很大的问题，即图像变得模糊，并且不能保持边缘的特性。针对该问题，结合非线性的中值滤波器具有对各种噪声模型有很好的鲁棒性和良好的图像边缘保持特性的优点，本文提出了一种改进的非均匀性校正方法，即将以x(i，j)为中心一定窗内的像元集合的中值作为该像素的期望输出，仿真结果表明改进的算法优于传统的算法。 3、由于神经网络非均匀性校正算法在进行训练时要赋初始权值、步长和误差阈值，人们大都只考虑步长和误差阈值对网络收敛及收敛速度的影响，对初始权值的选取问题都没有做深入的研究，大都是取随机的小值作为初始权值。在我们的研究过程中发现，当步长和误差阈值达到最佳时，网络的初始权值对网络的收敛速度也有一定的影响，针对这一问题本文提出了三种不同的初始权值选取方法。结果表明三种方法均能使网络快速收敛、有效地抑制漂移，并且都能得到较高的校正精度。 4、针对神经网络非均匀性校正算法在场景长时间静止时产生重影这一问题，提出了一种关于场景静止时非均匀性的处理方法。 5、关于非均匀性的度量虽然国标中有明确的定义，但所有方法都需要在实验

全文目录

摘要  4-6
Abstract  6-9
目录  9-12
第一章绪论  12-18
  1.1 选题背景及意义  12-13
  1.2 红外探测器的发展现状  13-14
  1.3 红外探测器存在的问题  14-15
  1.4 论文工作  15-16
  1.5 论文结构  16-18
第二章红外焦平面阵列非均匀性校正  18-34
  2.1 非均匀性的来源及表现  18-19
  2.2 非均匀性校正的必要性  19-20
  2.3 非均匀性的定义及度量方法  20-22
    2.3.1 非均匀性的定义  20
    2.3.2 非均匀性度量方法  20-22
      2.3.2.1 传统的非均匀性度量方法  20-21
      2.3.2.2 本文提出的非均匀性度量方法  21-22
  2.4 非均匀性校正算法  22-31
    2.4.1 基于参考辐射源的校正  24-28
      2.4.1.1 一点校正法  24-25
      2.4.1.2 两点校正法  25-27
      2.4.1.3 两点多段校正法  27-28
    2.4.2 基于场景的校正  28-31
      2.4.2.1 恒定统计平均法  28-29
      2.4.2.2 时域高通滤波法  29-30
      2.4.2.3 人工神经网络法  30-31
  2.5 非均匀性校正算法优缺点的比较  31-33
  2.6 本章小结  33-34
第三章神经网络模型及自适应学习算法  34-48
  3.1 神经网络基础知识  34-38
    3.1.1 人工神经元模型  35-37
    3.1.2 网络类型  37-38
  3.2 BP神经网络  38-46
    3.2.1 BP网络结构  38-39
    3.2.2 BP网络的学习过程  39-41
    3.2.3 自适应学习算法  41-46
      3.2.3.1 自适应信号处理原理  41-42
      3.2.3.2 最小均方误差(LMS)算法  42-46
  3.3 本章小结  46-48
第四章神经网络非均匀性校正中若干问题研究  48-66
  4.1 网络结构设计  48
  4.2 校正实现过程  48-50
  4.3 网络关键技术  50-59
    4.3.1 隐含层算法  50-52
      4.3.1.1 隐含层算法的改进  50-51
      4.3.1.2 改进算法与传统算法仿真结果比较  51-52
    4.3.2 步长和误差阈值的选取  52-55
      4.3.2.1 步长α选值对算法的影响  52-53
      4.3.2.2 误差阈值选值对算法的影响  53-55
    4.3.3 网络训练初始权值的选取  55-59
      4.3.3.1 传统的初始权值选取方法  55
      4.3.3.2 本文提出的初始权值选取方法  55-56
      4.3.3.3 本文提出方法与传统方法仿真结果比较  56-59
  4.4 考虑场景静止时的非均匀性校正处理方法  59-63
    4.4.1 场景静止时的非均匀性校正处理方法  59-62
      4.4.1.1 场景运动与否的判断  59-60
      4.4.1.2 非均匀性校正算法具体实现步骤  60-62
    4.4.2 考虑场景静止与否仿真结果比较  62-63
  4.5 本章小结  63-66
第五章红外焦平面阵列盲元检测与补偿算法研究  66-88
  5.1 IRFPA盲元的产生及表现形式  66-68
    5.1.1 盲元的定义  66-67
    5.1.2 盲元的产生原因  67-68
  5.2 盲元检测算法研究  68-81
    5.2.1 基于双参照源的检测  68-69
      5.2.1.1 基本原理  68-69
      5.2.1.2 可行性分析  69
    5.2.2 基于国标的检测  69-70
      5.2.2.1 基本原理  69
      5.2.2.2 可行性分析  69-70
    5.2.3 基于统计量的检测  70-71
      5.2.3.1 基本原理  70-71
      5.2.3.2 可行性分析  71
    5.2.4 本文提出的方法─将小波滤波和“3σ”原则相结合的盲元检测方法  71-81
      5.2.4.1 小波变换理论概述  71-76
      5.2.4.2 盲元检测的预处理算法  76-79
      5.2.4.3 结合小波滤波与“3σ”原则的盲元检测算法  79
      5.2.4.4 本文提出算法与传统算法实验结果比较  79-81
  5.3 盲元补偿算法研究  81-86
    5.3.1 线性插值法  82
    5.3.2 中值滤波法  82-84
    5.3.3 改进的盲元补偿算法  84-86
      5.3.3.1 基本思想  84
      5.3.3.2 具体实现步骤  84-85
      5.3.3.3 改进算法与传统算法实验结果比较  85-86
  5.4 本章小结  86-88
第六章硬件结构及设计原理  88-98
  6.1 系统设计思想  88
  6.2 系统组成  88-90
  6.3 系统主要模块设计  90-96
    6.3.1 A/D转换电路  90
    6.3.2 DSP模块  90-93
    6.3.3 FPGA模块  93-95
    6.3.4 D/A转换电路  95-96
  6.4 本章小结  96-98
第七章总结与展望  98-100
  7.1 研究工作总结  98-99
  7.2 后续工作展望  99-100
参考文献  100-106
硕士期间发表论文  106-107
致谢  107-108

红外焦平面阵列探测器关键技术研究

内容摘要

全文目录

相似论文