Beim Problem der Nichtgleichmäßigkeitskorrektur von Infrarot-Flächendetektoren (IRFPA) treten bei herkömmlichen neuronalen Netzalgorithmus Phänomene wie unscharfe Bildränder, niedriger Kontrast und 'Geisterbilder' auf. Zur Behandlung dieser Phänomene schlägt dieser Artikel einen auf seitlichem Fensterfilter verbesserten neuronalen Netzalgorithmus zur Nichtgleichmäßigkeitskorrektur vor. Der Algorithmus wendet zunächst seitliches Fensterfiltern auf das Eingangsbild an, um ein erwartetes Bild zu erhalten, das Rauschen der Nichtgleichmäßigkeit entfernt und gleichzeitig Kantendetails des Ziels schützt, um die Bildqualität zu verbessern. Darauf basierend unterdrückt eine sättigende nichtlineare Funktion die lokale Divergenz der Korrekturparameter und verhindert effektiv das Auftreten von 'Geisterbildern' nach der Korrektur. Experimentelle Ergebnisse zeigen, dass der vorgeschlagene Algorithmus die Nichtgleichmäßigkeit effizient entfernt, ohne dass auffällige 'Geisterbilder' auftreten. In drei testreihen verringerte sich die durchschnittliche Bildrauhigkeit um 30,17 %. Auf dem Versuchssystem betrug die maximale Bearbeitungszeit für 400 aufeinanderfolgende Bilder 37,4170 s, was eine Zeitersparnis von 95,05 % gegenüber dem verbesserten Algorithmus auf Basis der bilateralen Filterung und 45,81 % gegenüber dem Algorithmus auf Basis der Wavelet-Hauptkomponenten-Analyse bedeutet. Der Algorithmus bietet deutliche Vorteile in der Korrekturleistung und der Laufzeiteffizienz und bietet neue Forschungsansätze für die Echtzeitkorrektur von Nichtgleichmäßigkeiten auf leistungsschwachen, energieeffizienten mobilen Plattformen.

Infrarot-Flächendetektor;Nichtgleichmäßigkeitskorrektur;seitliches Fensterfilter;Neuronale Netzwerke