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.
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.

基于非线性模型的神经网络非均匀性校正方法

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: 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%.
  • 期刊类型引用(2)

    1. 孙默涵,钱芸生,任莹楠,智强,孔祥宇,郎怡政. 基于自动亮度控制模型的门控型微光像增强器荧光屏亮度研究. 光子学报. 2022(03): 163-172 . 百度学术
    2. 延波,倪小兵,智强,刘佳音,宋海浩,李梦依. 基于自动门控电源的微光像增强器局部强光防护. 红外技术. 2022(09): 951-957 . 本站查看

    其他类型引用(3)

计量
  • 文章访问数:  124
  • HTML全文浏览量:  21
  • PDF下载量:  14
  • 被引次数: 5
出版历程

目录

    /

    返回文章
    返回
    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