高级检索
ENGLISH

基于非线性模型的神经网络非均匀性校正方法

程起森, 张元涛, 孙德新

程起森, 张元涛, 孙德新. 基于非线性模型的神经网络非均匀性校正方法[J]. 红外技术, 2018, 40(9): 868-874.
引用本文: 程起森, 张元涛, 孙德新. 基于非线性模型的神经网络非均匀性校正方法[J]. 红外技术, 2018, 40(9): 868-874.
shu
CHENG Qisen, ZHANG Yuantao, SUN Dexin. An Improved Neural Network Non-uniformity Correction Algorithm Based on Non-linear Model[J]. Infrared Technology , 2018, 40(9): 868-874.
Citation: CHENG Qisen, ZHANG Yuantao, SUN Dexin. An Improved Neural Network Non-uniformity Correction Algorithm Based on Non-linear Model[J]. Infrared Technology , 2018, 40(9): 868-874.
shu

基于非线性模型的神经网络非均匀性校正方法

  • 中国科学院上海技术物理研究所,中国科学院红外探测与成像技术重点实验室,上海200083;中国科学院大学,北京100049

  • 中国科学院上海技术物理研究所,中国科学院红外探测与成像技术重点实验室,上海200083;中国科学院大学,北京100049;中国科学院上海技术物理研究所启东光电遥感中心,江苏启东226200

  • 中国科学院上海技术物理研究所

基金项目: 国家重点研发计划资助(2016YFB0500400)%国家高分辨率对地观测系统重大专项(A0106/1112)
详细信息

  • 中图分类号: TN215

An Improved Neural Network Non-uniformity Correction Algorithm Based on Non-linear Model

摘要

    摘要
  • 摘要: 在低照度成像的短波红外相机中,像元响应存在非线性问题.为了克服传统的神经网络自适应校正方法只能进行线性校正的不足,提出了一种基于非线性模型的BP神经网络非均匀性校正算法,针对单一像元通过隐含层多神经元拟合像元校正曲线,有效降低拟合误差,并通过实验验证了算法的合理性.结果表明,改进算法在图像的局部非均匀性,粗糙度方面相较于传统算法分别降低了27％和28％,非线性响应像元校正曲线拟合误差降为传统算法的30％.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献
    • 资源附件(0)
计量
  • 文章访问数:  124
  • HTML全文浏览量:  21
  • PDF下载量:  14
  • 被引次数: 0
出版历程

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献
    资源附件(0)

    /

    返回文章
    返回

    版权所有 © 《红外技术》编辑部京ICP备000000000号-1

    本系统由 北京仁和汇智信息技术有限公司 开发  百度统计

    x 关闭 永久关闭

    尊敬的专家、作者、读者：

    端午节期间因系统维护，《红外技术》网站（hwjs.nvir.cn）将于2024年6月7日20:00-6月10日关闭。关闭期间，您将暂时无法访问《红外技术》网站和登录投审稿系统，给您带来不便敬请谅解！

    预计6月11日正常恢复《红外技术》网站及投审稿系统的服务。您如有任何问题，可发送邮件至编辑部邮箱（irtek@china.com）与我们联系。

    感谢您对本刊的支持！

    《红外技术》编辑部

    2024年6月6日