[Примечания к чтению] Национальный стандарт слепого элемента инфракрасного детектора и идентификация слепого элемента
[Примечания к чтению] Национальный стандарт слепого элемента инфракрасного детектора и идентификация слепого элемента

1. Определение глухого элемента

Определение слепого элемента: слепой элемент — это блок обнаружения в инфракрасном детекторе фокальной плоскости, который реагирует слишком высоко или слишком низко, то есть пиксель, который не может точно отображать. Слепые элементы в основном делятся на две категории: слепые элементы с помехами и слепые элементы с разностью скоростей реагирования.

При применении линейных инфракрасных детекторов часто наблюдаются очевидные различия в скорости отклика между соседними пикселями, а их отклик в оттенках серого неравномерен, что приводит к появлению светлых и темных полос во время сканирования изображений.

1.1 Битые и горячие пиксели

Реакция битых пикселей явно ниже или не реагирует по сравнению с другими пикселями. При сканировании и визуализации битые пиксели будут выглядеть как черные полосы (режим «горячий белый»). Реакция горячих пикселей явно выше или менее отзывчива, чем у других пикселей. Это значение полной лунки. При сканировании и визуализации элемент теплового изображения будет выглядеть как белые полосы (режим горячего белого цвета).

1.2 Flash-элемент (слепой элемент во временной области)

Шумовые пиксели — это пиксели, отклик которых сильно колеблется во временной области, их также называют флэш-элементами. Слепые элементы временной области относятся к пикселям, напряжение выходного сигнала которых внезапно меняется со временем, когда детектор освещается постоянным фоном. Этот тип слепого элемента должен собирать несколько кадров изображений и идентифицировать их на основе характеристик данных между кадрами. Нарисуйте кривую зависимости выходного уровня каждого пикселя от времени. Когда происходит внезапное изменение кривой, пиксель представляет собой слепой элемент во временной области или мигающий элемент.

Если взять приведенный выше рисунок в качестве примера, то абсцисса представляет собой 1000 кадров данных определенного пикселя. Отклик между 1000 кадрами одного и того же пикселя является высоким или низким. Когда отклик превышает определенный диапазон среднего отклика, это ненормально. пиксель.

1.3 Слепые элементы воздушного пространства

Пространственный слепой элемент линейного компонента определяется как пиксель с большой разницей откликов между соседними элементами. После устранения слепых пикселей с частотой отклика в соответствии с национальным стандартом все равно останутся некоторые пиксели, выходной сигнал которых выше или ниже, чем у соседних пикселей. В это время оно проявляется в виде неровностей и выпуклостей на карте уровня. Хотя они не являются слепыми элементами, их значения оттенков серого после визуализации будут существенно отличаться.

Если взять приведенный выше рисунок в качестве примера, то абсцисса представляет собой строку из 1000 пикселей данных детектора. Отклик пикселя варьируется от высокого к низкому. Когда отклик превышает определенный диапазон среднего отклика, это ненормальный пиксель.

2. Тестовая среда

Система тестирования параметров фокальной плоскости состоит из двустороннего источника абсолютно черного тела, схемы возбуждения и компьютера. Конкретные условия испытаний следующие:

(1) Коэффициент излучения черного тела с площадным источником превышает 0,95;

(2) Температурная стабильность источника абсолютно черного тела составляет менее ±1 К, а выходной сигнал не модулируется;

(3) Расстояние между поверхностью излучения черного тела и окном инфракрасного детектора фокальной плоскости второго поколения составляет менее 2 см, чтобы гарантировать, что поверхностный источник облучается равномерно и заполняет поле зрения детектора;

(4) Напряжение выходного сигнала инфракрасного детектора фокальной плоскости второго поколения не должно превышать диапазон сбора данных аналогово-цифровой карты сбора данных после усиления;

(5) Испытательное оборудование должно находиться в пределах периода проверки.

Выше приведена тестовая среда статьи. Цель состоит в том, чтобы выходной сигнал источника черного тела был равномерным и стабильным. Поскольку необходимо собрать несколько кадров данных, сигнал, принимаемый целевой поверхностью детектора, должен быть однородным и стабильным.

3. Исследование слепого обнаружения элементов

3.1 Определение глухих элементов национального стандарта

В GB/T17444-2013 критерием битого пикселя является то, что его скорость отклика составляет менее 1/2 средней скорости отклика, а критерием зашумленного пикселя является то, что его шумовое напряжение более чем в 2 раза превышает среднее значение шума. Напряжение.

Следующая формула представляет собой формулу, использованную авторами для расчета скорости ответа:

R(i,j)=\frac{V_{s}(i,j)}{P}
P=\frac{\sigma(T^{4}-T_{0}^{4})}{4(L/D)^2+n}

в,V_{s}(i,j) 是像元输出信号(ЕдиницаmV);T иT_0 – температура черного тела (единица измерения: К);

P длясуществоватьтемпература черного телаT иT_0 Разница в мощности излучения, падающего на пиксель в условиях облучения;\sigma для斯特藩常数,\sigma=5.673*10^{-12} W/(cm^2*K^4);

D для冷屏圆孔径(Единицаcm);A_D для像元面积(Единица平方厘米);L для冷屏面到焦平面之间的垂直距离。когдаL/D больше, чем1час,nдля1;когдаL/D Когда оно меньше или равно 1, n равно 0.

3.2 Расчет элемента шумоподавления во временной области

Вычислите среднее значение выходного сигнала по 100 кадрам для каждого пикселя, то есть среднее значение по нескольким кадрам. Как правило, достаточно, чтобы количество кадров было больше 10, тем меньше ошибок.

U(i,j)=\frac{1}{100}\sum_{k=1}^{100}U(i,j,k)

Когда детектор представляет собой массив площади,i,j Представляет координаты пикселей;когда探测器是线阵,i=1j представляет координаты пикселя; k представляет номер кадра.

Сигнал шума определяет разницу между сигналом каждого кадра и средним значением нескольких кадров соответствующего пикселя, которая выражается следующим образом:

N(i,j)=\frac{1}{100}\sqrt{\sum_{k=1}^{100}(N(i,j,k)-N(i,j))^2}

Среднее значение глобального шума выражается следующим образом:

N_{mean}=\frac{\sum{N(i,j)}}{num}

num представляет общее количество пикселей в одном кадре.

Рассчитайте каждый пиксель100Максимальное значение в кадреU_{max}(i,j) и最小值U_{min}(i,j)

Различают нормальные пиксели, мягкие слепые пиксели во временной области и жесткие слепые пиксели во временной области в соответствии со следующей формулой.

Обычный пиксель: \frac{U_{max}(i,j)-U_{min}(i,j)}{N_{mean}}<=1.5
час域软盲元:1.5<\frac{U_{max}(i,j)-U_{min}(i,j)}{N_{mean}}<=3
Жесткий слепой элемент во временной области:\frac{U_{max}(i,j)-U_{min}(i,j)}{N_{mean}}>3

Пиксели с соотношением менее 1,5 являются нормальными пикселями, пиксели с соотношением больше 3 — жесткими слепыми пикселями во временной области (добавлены в таблицу слепых пикселей), а между 1,5 и 3 — мягкими слепыми пикселями во временной области (вместе с другими критериями). Чтобы определить, являются ли они слепыми пикселями, лучше всего судить о рациональности пороговых параметров на основе реального детектора).

4. Слепое суждение по элементам

Технология обработки или светочувствительный принцип длинноволнового инфракрасного детектора привели к увеличению количества различных типов слепых элементов, таких как вспышки. Скорость распознавания слепых элементов нового метода значительно выше, чем метод обнаружения национального стандарта. Есть много отличий от слепых элементов, обнаруженных национальным стандартом, что указывает на то, что слепые элементы относятся к метакатегориям и требуют других критериев для идентификации.

Кроме того, стабильность длинноволновых инфракрасных устройств как во временной, так и в пространственной области не так хороша, как у средневолновых устройств. Для длинноволновых инфракрасных детекторов необходимо комбинировать различные критерии для экранирования слепых элементов.

5. Ссылки

Исследование технологии обнаружения слепых элементов линейных инфракрасных детекторов

Домашняя страница моего личного блога, добро пожаловать в гости

Моя домашняя страница CSDN, добро пожаловать в гости

Моя домашняя страница GitHub, добро пожаловать в гости

Моя домашняя страница Чжиху, добро пожаловать в гости

boy illustration
Неразрушающее увеличение изображений одним щелчком мыши, чтобы сделать их более четкими артефактами искусственного интеллекта, включая руководства по установке и использованию.
boy illustration
Копикодер: этот инструмент отлично работает с Cursor, Bolt и V0! Предоставьте более качественные подсказки для разработки интерфейса (создание навигационного веб-сайта с использованием искусственного интеллекта).
boy illustration
Новый бесплатный RooCline превосходит Cline v3.1? ! Быстрее, умнее и лучше вилка Cline! (Независимое программирование AI, порог 0)
boy illustration
Разработав более 10 проектов с помощью Cursor, я собрал 10 примеров и 60 подсказок.
boy illustration
Я потратил 72 часа на изучение курсорных агентов, и вот неоспоримые факты, которыми я должен поделиться!
boy illustration
Идеальная интеграция Cursor и DeepSeek API
boy illustration
DeepSeek V3 снижает затраты на обучение больших моделей
boy illustration
Артефакт, увеличивающий количество очков: на основе улучшения характеристик препятствия малым целям Yolov8 (SEAM, MultiSEAM).
boy illustration
DeepSeek V3 раскручивался уже три дня. Сегодня я попробовал самопровозглашенную модель «ChatGPT».
boy illustration
Open Devin — инженер-программист искусственного интеллекта с открытым исходным кодом, который меньше программирует и больше создает.
boy illustration
Эксклюзивное оригинальное улучшение YOLOv8: собственная разработка SPPF | SPPF сочетается с воспринимаемой большой сверткой ядра UniRepLK, а свертка с большим ядром + без расширения улучшает восприимчивое поле
boy illustration
Популярное и подробное объяснение DeepSeek-V3: от его появления до преимуществ и сравнения с GPT-4o.
boy illustration
9 основных словесных инструкций по доработке академических работ с помощью ChatGPT, эффективных и практичных, которые стоит собрать
boy illustration
Вызовите deepseek в vscode для реализации программирования с помощью искусственного интеллекта.
boy illustration
Познакомьтесь с принципами сверточных нейронных сетей (CNN) в одной статье (суперподробно)
boy illustration
50,3 тыс. звезд! Immich: автономное решение для резервного копирования фотографий и видео, которое экономит деньги и избавляет от беспокойства.
boy illustration
Cloud Native|Практика: установка Dashbaord для K8s, графика неплохая
boy illustration
Краткий обзор статьи — использование синтетических данных при обучении больших моделей и оптимизации производительности
boy illustration
MiniPerplx: новая поисковая система искусственного интеллекта с открытым исходным кодом, спонсируемая xAI и Vercel.
boy illustration
Конструкция сервиса Synology Drive сочетает проникновение в интрасеть и синхронизацию папок заметок Obsidian в облаке.
boy illustration
Центр конфигурации————Накос
boy illustration
Начинаем с нуля при разработке в облаке Copilot: начать разработку с минимальным использованием кода стало проще
boy illustration
[Серия Docker] Docker создает мультиплатформенные образы: практика архитектуры Arm64
boy illustration
Обновление новых возможностей coze | Я использовал coze для создания апплета помощника по исправлению домашних заданий по математике
boy illustration
Советы по развертыванию Nginx: практическое создание статических веб-сайтов на облачных серверах
boy illustration
Feiniu fnos использует Docker для развертывания личного блокнота Notepad
boy illustration
Сверточная нейронная сеть VGG реализует классификацию изображений Cifar10 — практический опыт Pytorch
boy illustration
Начало работы с EdgeonePages — новым недорогим решением для хостинга веб-сайтов
boy illustration
[Зона легкого облачного игрового сервера] Управление игровыми архивами
boy illustration
Развертывание SpringCloud-проекта на базе Docker и Docker-Compose