论文部分内容阅读
针对红外成像非均匀性产生的盲元与盲元簇问题,提出一种混合自适应回归的红外盲元补偿算法(HAM).首先对红外图像进行多尺度分解,并对各分解尺度构造非参数回归补偿;然后对各尺度间构建自回归参数模型实现从低分辨到高分辨的学习,进一步提高补偿精确度.HAM算法打破了现有补偿算法基于滤波和插值的传统思路,建立了基于多尺度分析的混合自适应回归补偿的新方法.实验结果表明,相比于传统的红外盲元补偿算法,HAM算法具有很好的适应性,对于具有大量孤立和盲元簇图像均能取得很好效果,且补偿后图像具有较好的清晰度与边缘细节.