FRAREDMarch,2007文章编号2007)0320248204神经网路非均匀性校准算法中刜始残差选定方式(西北工业大学,陕西宝鸡710072),提出了三种网路训练时刜始残差的选定方式。通过对先验知识总结、黑体训练以及实验标定实现了对网路刜始残差的优化。仿真实验表明这三种方式较传统的随机给定法训练收敛速、精度高,为神经网路非均匀性校准法迈向实时实现提供了重要的理论参考。关键词:红外焦平面阵列;非均匀校准;神经网路TN215文献标识码ValueNonuniformityCorrectionZHANKe,ZHAOGui2fang,CURui2qing,YUANi2gang(NorthwesternPolytechnicalUniversitXi′an710072,ChinaselectioninitialvalueneuralnetworknonuniformitycorrectionfoIRFPAhasgreateffectconstringencyratio.iminghreemethodsinitialvalueputforward,whichvaluegivendirectly,blackbodyrainedmethodtwopointmethod.initialvalueneuralnetworkhesemethods.simulationshowthreekindsmethodhavemuchmorequickcon2stringencyratiorecisionthanraditionalmethod,whichimportanttheoryrealiza2tionneuralnetworkfononuniformitycorrection.Keywords:infraredfocallanearray;nonuniformitycorrection;neuralnetwork;initialvalue在红外成像系统中,相比传统的侦测元件,红外焦平面元件具有灵敏度高、体积小、结构紧凑等优并且,由于工艺上的限制,不可避免地在探测器单元之间存在着响应特点的不一致,即非均匀性问题人们尝试通过多种方式来校准这些非均匀性,先后提出了基于参考辐射源的两点校准法、多点校准法基于场景的恒定统计平均法、时域高通滤波法和神经网络法等。
基于参考源的校准算法是目前早已实用化的技术,但该类算法都是构建在侦测单元响应特点为线性定常假定条件下的,而实际中其响应特点是随时间和环境变化而变化的,因此,在使用中须要对系统迚行周期性地重复定标以去除参数甩尾的影响,但是这样就降低了系统的复杂性、降低了系统的可靠性和响应速率,从而造成校准疗效不佳(1)每个侦测单元输出讯号的统计平均值是恒定的)输入到每位侦测单元的输入讯号的统计残差都相等实情况很难与其完全一致,因此在实际当中极少使在不含乘性噪音或乘性噪音很小且比较稳定的情况下,该方式可以得到挺好的04I53067);航空支撑科技基金,教授,研究方向为成像制导外成像系统设计,图像处理以及目标辨识与跟踪等神经网路非均匀性校准算法中刜始残差选定方式249结果,即使在加性噪音很大的情况下,也可以得到比较理想的疗效,但在既有乘性噪音,又有加性噪声的情况下,这种方式得不到令人满意的校准疗效。神经网络法是基于场景的非均匀校准算法中校准疗效最为理想的一种方式,但该方式也存在一个严重的问题,即用网路迚行训练时收敛速率较慢直至满足精度要求。其增益校准系数和偏置校准系数的修正过程fi,j看作和偏置校准系数Oi,的误差函数为(以下公式略去下标幵且训练速率的快慢与这一技巧是否能实时实现密按照最速下降法切相关。
因此,为了尽可能地提升网路训练速率9G9F神经网路非均匀性校准算法基于神经网路校准方式是在充分研究了人眼黄斑的视觉反映后提出的,它模拟了人类黄斑对光线的调整反映,可以跟踪探测器的增益飘移和偏斜,文中采用Scribner提出的神经网路非均匀校准模型迚行校准,幵对隐含层算法迚行了。网络由输入层、非均匀性校准层、隐含层和输出层组成,神经网路非均匀性校准算法原理如图神经网路非均匀性校准算法原理图Fig.neuralnetworknonuniformitycorrection,幵将其平滑结果作为该象素的期望输出反馈至非均匀性校准层,对于第其四邻域象素灰度的加权平均值fi,n)作为该象素的期望输出则趋近于最小偏差的增长路径为(即沿着负梯度方其中,α是迭代步长经过输出层就可得到校准后的二维灰度图像网路训练初始残差的选定在神经网路非均匀性校准实现过程中在步长给定(足够小)的情况下增益G和偏置相关神经网路校准文献]对这一问题都没有迚行深入研究文中提出了三种确保网路收敛幵能推动收敛速率的刜始残差的选定方式。直接给定增益和偏置刜始值大量文献通过不同方式对附近上下波动按照这一先验知识可以将增益G和偏置幵且收敛速率较随机给定值有极大地增强。黑体图象是指焦平面在均匀面源幅射条件下得到的红外响应图象。在此仿真宋体加噪视频图象作为处理的原图象(实际中可以通过开机时加镜头盖获非均匀性校准层除了要对输入灰度值迚行非均匀性校准把收敛后的GHT和OHT作为神经网路四邻域校准算法中。以下选定第180帧的仿真结果迚行剖析
