。该方法包含两部分：第一部分是基于高频非均匀性的场景校正；第二部分是基于低频非均匀性的场景校正。通过对不同频域非均匀性分别进行处理来去除探测器响应的非均匀性凯发k8国际首页。
非均匀性包括低频非均匀性与高频非均匀性两部分。低频非均匀性表现为全局灰度分布不均匀，在图像中表现为平缓的明暗变化，如图像四周与中心灰度值差别大，如图2所示。低频非均匀性主要是由探测器及镜头不同位置温度变化不均匀引起的。高频非均匀性表现为局部区域灰度值剧烈变化，在图像中表现为亮暗点或条纹。高频非均匀性主要是探测器的响应不均匀引起的，如图3所示。
目前常用的场景校正算法有恒定统计法、时域高通滤波法、神经网络校正算法、基于图像配准的校正算法等。这些算法能够在一定程度上根据场景的信息自适应地补偿热像仪的增益和偏置的漂移，但是在实际使用过程中，这类算法存在各种各样的使用限制条件凯发k8国际首页。以传统的神经网络场景校正算法为例，该算法要求场景信息不断变化，否则会造成图像退化或者模糊，并且如果图像中存在较强边缘信息凯发k8国际首页，该算法容易导致图像出现“鬼影”现象，严重影响图像质量。
对此，提出了一种基于神经网络的新型场景校正算法来消除图像退化和“鬼影”现象。首先分析图像退化与“鬼影”现象产生的原因。当原始图像中存在较强的边缘信息时，低通滤波会使边缘信息产生损失，预测图像会产生模糊失真现象。若场景保持静止不动，随着场景校正参数的不断更新凯发k8国际首页，图像就会逐渐退化失真；若场景长期静止后开始运动，图像就会包含静止图像中损失的边缘信息，也就是“鬼影”现象校正方法，如图5所示。
同时采用时空联合阈值作为校正判断条件，选择更新系数与校正区域。时空联合阈值分为两个阈值条件：时域连续运动条件与空域邻域均匀性条件。针对高频非均匀性的场景校正算法流程图如图6所示。的自适应场景校正算法活化剂。由于高频非均匀性中包含大量的散粒非均匀性，同时为了更好地保留图像的边缘信息，该算法采用中值滤波作为滤波器，中值滤波半径r。
由于探测器输出图像的低频非均匀性在短时间内位置保持不变，当图像产生运动时，可以通过时域低频滤波对低频非均匀性进行分离去除，因此首先需要判断场景是否处于运动中。这里仍采用上节提到的连续运动条件来判断场景是否处于连续运动中。当场景处于连续运动时，采用基于自适应时间常数的时域低频滤波来筛选图像的低频信息。
为进一步验证此场景校正算法的效果，使用两台相同规格的红外机芯，第一台仅对高频非均匀性进行处理，第二台对高频低频非均匀性都进行处理，均在运动条件下连续工作1 h后，对同一温度黑体成像，计算其图像非均匀性。结果表明，仅处理高频非均匀性的图像非均匀性为2.3%，而对高频低频非均匀性都进行处理的图像非均匀性为0.5%，该算法有利于提高输出图像的均匀性不平衡相位。
回放视频上线！“第一届小动物活体成像技术与前沿应用”主题网络研讨会（iSAI2024）圆满召开
重磅来袭！山东普创PBSC-RP30接骨螺钉性能测试仪用户突破50家！！！
1335万！南京农业大学江苏省农业微生物资源保护与种质创新利用中心和中国水产科学研究院淡水渔业研究中心仪器设备采购项目
1513万！福建省农业生物种质资源库项目种质资源相关仪器部分（兽用B超等仪器）
多家红外热成像企业参与编制，推动国家标准《汽车用被动红外探测系统》发布实施
半导体设备的稳定运行 卓越售后是关键——访武汉光迅科技股份有限公司高级芯片工艺工程师余兵
