【阅读笔记】红外探测器盲元国标标准及盲元识别

1、盲元定义

盲元的定义:盲元是红外焦平面探测器中响应过高或过低的探测单元,即无法准确成像的像元。盲元主要分为噪声盲元和响应率差异盲元两大类。

线阵红外探测器应用中,经常存在相邻的像元之间响应率有明显差异,其灰度响应输出不均匀,在扫描成像时会呈现明暗条纹的现象。

1.1 死、热像元

死像元相对于其他像元响应明显较低或者无响应,在进行扫描成像时,死像元会表现为黑条纹(白热模式),热像元相对于其他像元响应明显较高或者响应为满阱值,在进行扫描成像时,热像元会表现为白条纹(白热模式)。

1.2 闪元(时域盲元)

噪声像元是指自身的响应在时域空间内波动较大的像元,也叫闪元。时域盲元是指探测器受到恒定背景照射时输出信号电压随时间变化而突变的像元。这种盲元需要采集多帧图像,根据帧间的数据特征识别出来。将每个像元的输出电平与时间作一条曲线。当该曲线上有突变值时,这个像元就是时域盲元或闪元。

以上图为例,横坐标是某个像元的1000帧数据,同个像元1000帧间响应有高有低,当响应超过平均响应的一定范围则为异常像元。

1.3 空域盲元

将线列组件的空间盲元定义为相邻元之间响应差异较大的像元。在根据国标剔除响应率盲元后,还会有一些像元的输出比相邻像元高或者低。此时在电平图上表现为凹凸。它们虽然不是盲元,但成像后的灰度值也会有明显差异

以上图为例,横坐标是探测器的一行1000个像元数据,像元响应有高有低,当响应超过平均响应的一定范围则为异常像元。

2、测试环境

焦平面参数测试系统由双面源黑体、驱动电路和计算机等组成。具体的测试条件如下:

(1)面源黑体的发射率大于0.95;

(2)黑体源的温度稳定性小于±1K,输出不加调制;

(3)黑体辐射面与二代红外焦平面探测器窗口的距离小于2cm,以保证面源均匀辐照并充满探测器视场;

(4)二代红外焦平面探测器的输出信号电压经放大后不得超过A/D采集卡的采集范围;

(5)检测设备需在检定有效期内。

以上是文章的测试环境,目的就是黑体源的输出是均匀的、稳定的。因为要采集多帧数据,探测器靶面接收到的信号必须是均匀稳定的。

3、盲元检测研究

3.1 国标盲元定义

在 GB/T17444-2013中,死像元的判据是其响应率小于平均响应率的1/2,噪声像元的判据是其噪声电压大于平均噪声电压的2倍。

以下公式是作者使用的响应率的计算公式:

R ( i , j ) = V s ( i , j ) P P = σ ( T 4 − T 0 4 ) 4 ( L / D ) 2 + n R(i,j)=\frac{V_{s}(i,j)}{P}\\ P=\frac{\sigma(T^{4}-T_{0}^{4})}{4(L/D)^2+n} R(i,j)=PVs(i,j)P=4(L/D)2+nσ(T4T04)

其中, V s ( i , j ) V_{s}(i,j) Vs(i,j)是像元输出信号(单位为mV); T T T T 0 T_0 T0为黑体温度(单位为K);

P P P为在黑体温度 T T T T 0 T_0 T0辐照条件下入射到像元的辐照功率差; σ \sigma σ为斯特藩常数, σ = 5.673 ∗ 1 0 − 12 \sigma=5.673*10^{-12} σ5.6731012W/(cm2*K4);

D D D为冷屏圆孔径(单位为cm); A D A_D AD为像元面积(单位为平方厘米); L L L为冷屏面到焦平面之间的垂直距离。当 L / D L/D L/D大于1时,n为1;当 L / D L/D L/D小于等于1时,n为0。

3.2 时域噪声盲元计算

计算出每个像元100帧输出信号的平均值,即多帧均值,一般情况大于10帧即可,帧数越多误判越少。

U ( i , j ) = 1 100 ∑ k = 1 100 U ( i , j , k ) U(i,j)=\frac{1}{100}\sum_{k=1}^{100}U(i,j,k) U(i,j)=1001k=1100U(i,j,k)

当探测器是面阵, i , j i,j i,j表示像元坐标;当探测器是线阵, i = 1 i=1 i=1,而 j j j表示像元坐标;k表示帧数。

噪声信号求的是每帧信号与对应像元多帧均值的差异,表示如下:

N ( i , j ) = 1 100 ∑ k = 1 100 ( N ( i , j , k ) − N ( i , j ) ) 2 N(i,j)=\frac{1}{100}\sqrt{\sum_{k=1}^{100}(N(i,j,k)-N(i,j))^2} N(i,j)=1001k=1100(N(i,j,k)N(i,j))2

全局噪声均值表示如下:

N m e a n = ∑ N ( i , j ) n u m N_{mean}=\frac{\sum{N(i,j)}}{num} Nmean=numN(i,j)

num表示单帧像元总数。

计算出每个像元100帧内的最大值 U m a x ( i , j ) U_{max}(i,j) Umax(i,j)和最小值 U m i n ( i , j ) U_{min}(i,j) Umin(i,j)

根据以下公式区别正常像元、时域软盲元和时域硬盲元

正常像元: U m a x ( i , j ) − U m i n ( i , j ) N m e a n < = 1.5 时域软盲元: 1.5 < U m a x ( i , j ) − U m i n ( i , j ) N m e a n < = 3 时域硬盲元: U m a x ( i , j ) − U m i n ( i , j ) N m e a n > 3 正常像元:\frac{U_{max}(i,j)-U_{min}(i,j)}{N_{mean}}<=1.5\\ 时域软盲元:1.5<\frac{U_{max}(i,j)-U_{min}(i,j)}{N_{mean}}<=3\\ 时域硬盲元:\frac{U_{max}(i,j)-U_{min}(i,j)}{N_{mean}}>3\\ 正常像元:NmeanUmax(i,j)Umin(i,j)<=1.5时域软盲元:1.5<NmeanUmax(i,j)Umin(i,j)<=3时域硬盲元:NmeanUmax(i,j)Umin(i,j)>3

比值小于1.5的为正常像元,大于3的是时域硬盲元(加入盲元表),在1.5与3之间的是时域软盲元(与其他判据共同判定是否为盲元,最好能根据实际探测器判别阈值参数的合理性)。

4、盲元判断

长波红外探测器的加工工艺或者感光原理,导致闪线等不同种类的盲元增多,新方法的盲元判别率明显高于国标检测方法,且与国标检测得到的盲元也有很多差异,说明盲元种类需要不同的判据来识别。

再一个,长波红外器件在时域和空域的稳定性都不如中波器件。针对长波红外探测器需要不同判据相结合来筛选盲元。

5、参考文献

线列红外探测器盲元检测技术研究

我的个人博客主页,欢迎访问

我的CSDN主页,欢迎访问

我的GitHub主页,欢迎访问

我的知乎主页,欢迎访问

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/690259.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Allegro172版本如何用自带功能改变过孔网络属性操作指导

Allegro172版本如何用自带功能改变过孔网络属性操作指导 在用Allegro做PCB设计的时候,时常会需要将过孔的网络进行变更,可以将原来的过孔删除,再重新打一个,这种方法难免会繁琐一些。 当然我们可以借助skill工具来完成更换过孔网络的更改,除此之外,Allegro自带的功能完成…

[计算机网络]---Https协议

前言 作者&#xff1a;小蜗牛向前冲 名言&#xff1a;我可以接受失败&#xff0c;但我不能接受放弃 如果觉的博主的文章还不错的话&#xff0c;还请点赞&#xff0c;收藏&#xff0c;关注&#x1f440;支持博主。如果发现有问题的地方欢迎❀大家在评论区指正 目录 一、https协…

消息中间件之RocketMQ源码分析(十)

Namesrv启动流程 第一步:脚本和启动参数配置。 启动命令 nohup ./bin/mqnamesrv -c ./conf/namesrv.conf > dev/null 2>&1 & 通过脚本配置启动基本参数&#xff0c;比如配置文件路径、JVM参数&#xff0c;调用NamesrvStartup.main()方法&#xff0c;解析命令行的…

【PyQt6] 框选截图功能

1 简介 书接上回, 全屏截图实现起来很简单, 来点稍微复杂点的, 框选截图 原理很简单, 弄个控件实现全屏半透视, 在全屏控件上画一个选框或者再弄一个几乎全透的子控件,实现鼠标拖动,缩放,移动, 键盘wasd 微调 用一个控件实现起来会很完美, 但是逻辑全部堆砌在一起,看代码会很…

Mac电脑玩《幻兽帕鲁》卡怎么办?2024年最新解决方法

幻兽帕鲁目前已经在steam卖出了100多万份数&#xff0c;可谓是爆火现象级的游戏。如今在游戏中&#xff0c;我们可以实现工农业自动化&#xff0c;为了实现自动化&#xff0c;将手工作业交给帕鲁就尤为重要。建造工厂&#xff0c;并安排帕鲁在其中工作吧。只要有足够的食物&…

K8s服务发现组件之CoreDNS/NodeLocalDNS /kubeDNS

1 coredns 1.1 概述 1.1.1 什么是CoreDNS CoreDNS 是一个灵活可扩展的 DNS 服务器&#xff0c;可以作为 Kubernetes 集群 DNS&#xff0c;在Kubernetes1.12版本之后成为了默认的DNS服务。 与 Kubernetes 一样&#xff0c;CoreDNS 项目由 CNCF 托管。 coredns在K8S中的用途,…

spring aop @annotation的用法

直接看原文: spring aop annotation的用法-CSDN博客 -------------------------------------------------------------------------------------------------------------------------------- annotation用在定义连接点时&#xff0c;对连接点进行限制。比如我们想对标注了…

prometheus+mysql_exporter监控mysql

prometheus+mysql_exporter监控mysql 一.安装mysql 1.下载:wget -i -c http://dev.mysql.com/get/mysql57-community-release-el7-10.noarch.rpm 2.安装客户端:yum -y install mysql57-community-release-el7-10.noarch.rpm 3.安装服务端:yum -y install mysql-community-se…

day10:分割链表

问题描述&#xff1a; 给你一个链表的头节点 head 和一个特定值 x &#xff0c;请你对链表进行分隔&#xff0c;使得所有 小于 x 的节点都出现在 大于或等于 x 的节点之前。 你不需要 保留 每个分区中各节点的初始相对位置。 示例 1&#xff1a; 输入&#xff1a;head [1,4…

【HTML】SVG实现炫酷的描边动画

前沿 今天闲来无事&#xff0c;看到Antfu大佬的个性签名&#xff0c;觉得还是非常炫酷的&#xff0c;于是也想要搞一个自己的个性签名用来装饰自己的门面&#xff0c;不过由于手写的签名太丑了&#xff0c;遂放弃。于是尝试理解原理&#xff0c;深入研究此等密法&#xff0c;终…

VLM多模态图像识别小模型UForm

参考:https://github.com/unum-cloud/uform https://huggingface.co/unum-cloud/uform-gen2-qwen-500m https://baijiahao.baidu.com/s?id=1787054120353641459&wfr=spider&for=pc demo:https://huggingface.co/spaces/unum-cloud/uform-gen2-qwen-500m-demo UF…

市场复盘总结 20240219

仅用于记录当天的市场情况&#xff0c;用于统计交易策略的适用情况&#xff0c;以便程序回测 短线核心&#xff1a;不参与任何级别的调整&#xff0c;采用龙空龙模式 一支股票 10%的时候可以操作&#xff0c; 90%的时间适合空仓等待 二进三&#xff1a; 进级率中 22% 最常用的…

Shiro-05-5 分钟入门 shiro 安全框架实战笔记

序言 大家好&#xff0c;我是老马。 前面我们学习了 web 安全之 Spring Security 入门教程 这次我们来一起学习下另一款 java 安全框架 shiro。 什么是Apache Shiro&#xff1f; Apache Shiro是一个功能强大且易于使用的Java安全框架&#xff0c;它为开发人员提供了一种直…

Redis 数据类型及其常用命令二(bitmap、geo、hyperloglog、bitfield、stream)

上文中我们介绍了Redis常使用的5中数据类型&#xff0c;对于一些特殊的场景&#xff0c;我们需要使用特殊的数据类型&#xff0c;本文将详细介绍5种特殊的数据类型。 1、bitmap 类型 用String类型作为底层数据结构实现的一种统计二值状态的数据类型。位图本质是数组&#xff0…

《剑指 Offer》专项突破版 - 面试题 45 和 46 : 二叉树最低层最左边的值和二叉树的右侧视图(C++ 实现)

目录 面试题 45 : 二叉树最低层最左边的值 面试题 46 : 二叉树的右侧视图 面试题 45 : 二叉树最低层最左边的值 题目&#xff1a; 如何在一棵二叉树中找出它最低层最左边节点的值&#xff1f;假设二叉树中最少有一个节点。例如&#xff0c;在下图所示的二叉树中最低层最左边…

Codeforces Round 924 (Div. 2)题解(A-D)

A - Rectangle Cutting 链接&#xff1a;A - Rectangle Cutting 思路 考虑横边和纵边&#xff0c;若为偶数&#xff0c;则从中间分开&#xff0c;重新组合为一个长方形&#xff0c;检测是否与原来的长方形一致。 代码 #include <bits/stdc.h> using namespace std;i…

探秘OpenAI的神奇之作:Sora技术揭秘

探秘OpenAI的神奇之作&#xff1a;Sora技术揭秘 1. 引言 在当今科技快速发展的时代&#xff0c;人工智能&#xff08;AI&#xff09;正日益成为各个领域的关键技术。而在人工智能领域中&#xff0c;OpenAI公司一直以来都扮演着重要的角色。他们的最新创新——Sora技术&#x…

基于python的遥感影像灰色关联矩阵纹理特征计算

遥感影像纹理特征是描述影像中像素间空间关系的统计特征&#xff0c;常用于地物分类、目标识别和变化检测等遥感应用中。常见的纹理特征计算方式包括灰度共生矩阵&#xff08;GLCM&#xff09;、灰度差异矩阵&#xff08;GLDM&#xff09;、灰度不均匀性矩阵&#xff08;GLRLM&…

常见面试题:TCP的四次挥手和TCP的滑动窗口

说一说 TCP 的四次挥手。 挥手即终止 TCP 连接&#xff0c;所谓的四次挥手就是指断开一个 TCP 连接时。需要客户端和服务端总共发出四个包&#xff0c;已确认连接的断开在 socket 编程中&#xff0c;这一过程由客户端或服务端任意一方执行 close 来触发。这里我们假设由客户端…

unity学习(29)——GameInfo角色信息

1.把GameInfo.cs PlayerModel.cs Vector3.cs Vector4.cs PlayerStateConstans.cs GameState.cs依次粘到model文件夹中&#xff0c;此时项目没有错误&#xff0c;如下图所示&#xff1b; 对应处所修改的代码如下&#xff1a; case LoginProtocol.LOGIN_SRES://1 {Debug.Log(&qu…