陈博洋

（国家卫星气象中心，北京100081）

基于缓变场景的复杂神经网络非均匀性校正*

陈博洋*

（国家卫星气象中心，北京100081）

针对遥感数据定量化应用对多元红外探测器非均匀性校正的高精度需求，提出了一种基于缓变场景的复杂神经网络非均匀性校正算法，在两点校正基础上，进一步降低图像非均匀性。与经典BP神经网络非均匀性校正及其改进算法相比，复杂神经网络非均匀性校正算法突破单一层学习神经元结构限制，采用双层学习神经元结构，第一层学习神经元采用大邻域中值滤波作为期望函数，第二层学习神经元采用小邻域均值滤波作为期望函数，通过多层学习神经元配合，兼顾非均匀性校正效果并避免图像边缘模糊。经实拍红外图像非均匀性校正实验证明，复杂神经网络校正与经典BP神经网络校正相比，取得了更好的非均匀性校正效果，非均匀性评价结果UN=0.75%，次优算法非均匀性评价结果为UN=0.77%，与次优算法相比，复杂神经网络校正算法有更高的像素平均梯度评价值，达到28.49，而次优算法只有28.30，非均匀性评价结果低并且像素平均梯度高说明复杂神经网络校正算法在降低图像非均匀性同时更好地避免了图像边缘模糊：这是复杂神经网络校正算法采用双层学习神经元的特点与优势。方法改善了多元红外探测器非均匀性校正的效果，提高了红外遥感图像的质量，促进了红外遥感的应用。

红外；非均匀性校正；复杂神经网络