[发明专利]基于场景统计的神经网络非均匀性校正方法

权利要求书

1.一种基于场景统计的神经网络非均匀性校正方法，其特征在于，具体 包括以下步骤：初始化图像相关矩阵及参数；根据图像像素灰度值进行 盲元检测及补偿；根据原始图像的时域均值计算原始图像输入均值 E[X_i，j]，由图像在空间上的相关性计算图像像素的校正输出均值E[Y_i，j]， 用当前帧的原始图像X_i，j(n)减去原始图像输入均值E[X_i，j]，得到不包含低 频空间噪声的图像像素灰度值Z_i，j(n)，对图像偏置进行非均匀性校正；采 用神经网络校正法，根据校正误差的标准差阈值判断图像像素的区域属 性，对场景统计校正后且不含低频空间噪声的图像进行增益非线性校正， 所述判断图像像素的区域属性具体为，采用自适应加权平均滤波器，对 同一区域的像素分配较大的权值，对不同区域的像素分配较小的权值， 由加权平均滤波器的权值W_p，q(n)确定输出的图像期望值F_i，j(n)。

2.根据权利要求1所述的神经网络非均匀性校正方法，其特征在于， 所述盲元检测及补偿具体包括：根据图像像素灰度值计算像素响应率； 以响应率为中心，查找最大和最小的图像像素灰度均值B_max、B_min；去掉 B_max、B_min，再计算窗口内剩余图像像素灰度平均值对各像素点进行盲 元判定，由此确定盲元的位置，并将盲元矩阵中相应位置的图像像素置1； 最后，对检测出的盲元位置用盲元像素4邻域均值代替补偿，得到去除盲 元的图像。

3.根据权利要求2所述的神经网络非均匀性校正方法，其特征在于， 确定盲元位置的具体方法为：当满足条件或者时，该位置为盲元，否则为有效像素。

4.根据权利要求2所述的神经网络非均匀性校正方法，其特征在于， 所述计算像素响应率的具体步骤为：以连续k帧图像序列像素灰度值的时 域均值作为当前帧各像素响应率B_ij。