[发明专利]基于全变分模型的IRFPA非均匀性神经网络校正方法

摘要

本发明涉及基于全变分模型的IRFPA非均匀性神经网络校正方法，包括以下步骤：(1)、设定IRFPA探测器(i,j)像元增益校正参数的初始值为1，设定IRFPA探测器(i,j)像元偏置校正参数的初始值为0；(2)、构建神经网络输入层；(3)、计算n时刻输入层观测值的校正值输出构建神经网络输出层；(4)、计算(i,j)像元的期望输出值(5)、确定隐含层能量泛函的保真项和正则项构建神经网络的隐含层；(6)、采用最陡下降法，获得第n+1时刻对应的增益校正参数和偏置校正参数(7)、从神经网络输出层获取n+1时刻的校正输出(8)、对IRFPA探测器采集到的后续的场景辐射观测值依次执行步骤(4)到步骤(7)，得到相应的校正值其中t≥n+2。

主权项

1.基于全变分模型的IRFPA非均匀性神经网络校正方法，其特征在于，包括：(1)、设定IRFPA探测器(i,j)像元增益校正参数的初始值为1，设定IRFPA探测器(i,j)像元偏置校正参数的初始值为0，进入步骤(2)；(2)、将IRFPA探测器(i,j)像元在任一时刻n输出的观测值连接到第(i,j)个神经元，构建神经网络输入层，进入步骤(3)；(3)、利用当前增益校正参数的估计值和偏置校正参数的估计值计算输入层的校正值输出其计算公式如下：构建出神经网络输出层，进入步骤(4)；(4)、计算(i,j)像元的期望输出值进入步骤(5),的计算公式如下：式中：w₁、w₂和w₃为加权系数，w₁，w₂和w₃满足约束：w₁+2·(w₂+w₃)＝1；为输入层第(i,j)神经元取值，为输入层第(i‑1,j)神经元取值，为输入层第(i+1,j)神经元取值，为输入层第(i,j‑1)神经元取值，为输入层第(i,j+1)神经元取值；(5)、先反馈神经网络输出层校正值并结合神经网络输出层校正值和期望输出值确定隐含层能量泛函的保真项和正则项进而构建神经网络的隐含层，然后进入步骤(6)，隐含层能量泛函的保真项和正则项的计算公式如下：其中：和分别表示像素(i,j)关于x和y方向的一阶梯度，表示像素(i,j)关于x方向的二阶梯度，表示像素(i,j)关于y方向的二阶梯度，表示像素(i,j)先关于x方向后关于y方向的二阶梯度；(6)、采用最陡下降法，获得第n+1时刻对应的增益校正参数和偏置校正参数其计算公式如下：其中：λ为规整参数，表示第n时刻的增益自适应步长调节参数，其表达式为：式中，表示增益自适应步长调节参数的初始值；则表示第n时刻的偏置自适应步长调节参数，其表达式为：式中，表示偏置自适应步长调节参数的初始值；(7)、从神经网络输出层获取n+1时刻的校正输出其计算公式如下：(8)、对IRFPA探测器采集到的后续的场景辐射观测值依次执行步骤(4)到步骤(7)，便可得到相应的校正值其中t≥n+2。