红外图像融合及其实时处理技术
基于卷积神经网络的红外与可见光图像融合算法

基于卷积神经网络的红外与可见光图像融合算法基于卷积神经网络的红外与可见光图像融合算法引言:近年来,随着红外和可见光图像获取技术的发展,红外与可见光图像融合在目标检测、夜间监测、军事侦查等领域中得到广泛应用。
红外图像能够突破可见光图像的局限性,具有辐射强度分布多变、辨识率高、适合在夜间和复杂天气条件下感知目标等优势;而可见光图像在空间和形状信息方面具有优势。
因此,将红外图像与可见光图像融合起来,可以有效地提高图像的质量和信号噪声比,从而更好地进行目标识别和目标跟踪。
方法:在红外与可见光图像融合算法中,卷积神经网络(Convolutional Neural Network,CNN)作为一种前沿的图像处理技术,在图像识别和特征提取方面具有出色的性能。
基于CNN的红外与可见光图像融合算法主要包括以下步骤:1. 数据预处理:将红外和可见光图像进行均衡化处理,使其具有相似的对比度和亮度分布。
这一步骤对于后续的特征提取和融合起到了关键作用。
2. 特征提取:使用卷积神经网络提取红外和可见光图像的特征。
卷积神经网络通过多层卷积和池化操作,可以有效地提取图像的空间特征和纹理信息,对于红外与可见光图像融合具有重要的意义。
3. 特征融合:将红外和可见光图像的特征进行融合。
融合的方法有多种,例如加权平均法、多层感知机等。
本文采用了基于CNN的特征级融合算法,该算法可以通过学习权重将红外和可见光图像的特征进行融合,得到更具有信息量的融合特征。
4. 图像重建:将融合后的特征通过反卷积操作进行重建,得到最终的融合图像。
重建的过程中可以加入一些先验知识,如红外图像的辐射分布和可见光图像的形状信息,以提高重建图像的质量。
实验结果:本文通过对红外与可见光图像数据集的实验验证,证明了基于CNN的红外与可见光图像融合算法的有效性和性能优势。
与传统的图像融合算法相比,该算法在目标识别和目标跟踪等任务中具有更好的性能和更高的准确率。
结论:基于卷积神经网络的红外与可见光图像融合算法在红外与可见光图像融合领域具有广泛的应用前景。
基于红外目标提取的夜视图像融合实时系统研究

Re s e a r c h o f Re a l ・ t i me Ni g h t - Vi s i o n I ma g e Fu s i o n S y s t e m Ba s e d o n
i a g m e i s s h o wn o n he t OLE D. T h e f u s i o n s y s t e m i s r e a l — t i me , wh o s e i ma g e ’ S b a c k ro g u n d h a s mo r e d e t a i l s
w h i c h l o w- l e v e l — l i g h t i ma g e i s a s b a c k g r o u n d , i n f r a r e d i ma g e i s a s o b j e c t , a n d i ma g e r f o m d o u b l e o p t i c a l
a n d i s s i m i l r a o t v i s i b l e l i ht g , nd a h i h g c o n r t a s t p s e u d o — c o l o r o b j e c t i s d i s t i n c t , w h i c h C n a h e l p t h e s o l d i e r i n
he t b a t t l e i f e l dt oo b s e r v e t h e s u r r o nd u i n g s ndt a Of a s t l o o kf or o b j e c t . Ke y wo r d s : i n f r a r e d i ag m e , l o w・ l e v e l - l i ht g i ma g e , p s e u d o - c o l o r p r o c e s s , i ma g e us f i o n , o b j e c t e x t r a c i t o n ,
基于多尺度分解的红外与可见光图像融合算法研究

基于多尺度分解的红外与可见光图像融合算法研究基于多尺度分解的红外与可见光图像融合算法研究摘要:随着红外与可见光图像在各个领域中的应用越来越广泛,红外与可见光图像融合技术成为研究的热点之一。
本文针对红外与可见光图像融合算法的研究进行了综述,并重点详细介绍了基于多尺度分解的红外与可见光图像融合算法。
通过将红外与可见光图像进行小波分解,并融合低频分量和高频分量,达到优化融合结果的目的。
实验结果表明,该算法可以更好地保留红外图像的热点目标信息和可见光图像的目标细节信息,具有较好的融合效果。
1.引言随着红外与可见光技术的进步与发展,红外与可见光图像在军事、安防、医疗和航天等领域得到了广泛的应用。
由于红外与可见光图像的特性有所不同,需要将两者融合,以提高目标检测、跟踪和识别等应用的效果。
因此,红外与可见光图像融合技术成为研究的热点之一。
2.红外与可见光图像融合算法综述目前,红外与可见光图像融合算法主要包括像素级融合、特征级融合和决策级融合等方法。
像素级融合方法是将两个图像的对应像素进行加权平均;特征级融合方法是提取两个图像的特征,然后将特征进行融合;决策级融合方法是根据各个图像的决策结果进行融合。
这些方法各有优缺点,无法完全满足应用需求。
因此,本文重点研究基于多尺度分解的红外与可见光图像融合算法。
3.基于多尺度分解的红外与可见光图像融合算法基于多尺度分解的红外与可见光图像融合算法主要包括以下步骤:(1)对红外与可见光图像进行小波分解。
首先,将红外与可见光图像进行小波分解,得到各个尺度的低频分量和高频分量。
通过小波变换可以将图像在时域和频域同时进行分析,较好地保留了图像的空间和频率信息。
(2)对低频分量进行融合。
将红外与可见光图像的低频分量进行融合,可以保留红外图像的热点目标信息和可见光图像的目标细节信息。
(3)对高频分量进行融合。
将红外与可见光图像的高频分量进行融合,可以提取出更多的边缘和纹理信息。
(4)重构融合后的图像。
红外可见光融合算法

红外可见光融合算法:将红外图像与可见光图像结合随着科技的不断发展,红外技术在军事、医疗、安防等领域得到广泛应用。
然而,红外图像与可见光图像存在巨大的差异,给图像分析和识别带来了很大的挑战。
为了解决这个问题,红外可见光融合算法应运而生。
一、什么是红外可见光融合算法?红外可见光融合算法是一种将红外图像和可见光图像融合在一起的图像处理技术。
通过将两种图像的信息结合起来,可以提高图像的质量和分辨率,从而更好地进行目标识别和跟踪。
二、红外可见光融合算法的原理红外图像和可见光图像的差异主要表现在以下几个方面:1.波长范围不同:红外波长范围为0.75-1000微米,可见光波长范围为0.4-0.75微米。
2.光学特性不同:红外光具有强的穿透力,可以穿透一些物体,如雾、烟等;可见光光线的穿透力较弱,易受到大气、云雾等干扰。
3.图像质量不同:红外图像的质量受到环境因素的影响较大,如温度、湿度等;可见光图像的质量受到光线和环境光的影响较大。
因此,红外可见光融合算法的原理就是将两种图像的信息进行结合,通过图像处理技术将它们融合在一起,从而得到更高质量的图像。
三、红外可见光融合算法的应用红外可见光融合算法在军事、医疗、安防等领域得到广泛应用,可以提高图像识别和跟踪的准确性,有助于提高工作效率和安全性。
比如,在军事领域,红外可见光融合算法可以用于夜视装置、导弹制导、无人机等方面。
在医疗领域,红外可见光融合算法可以用于诊断乳腺癌、糖尿病等疾病。
在安防领域,红外可见光融合算法可以用于监控、安检等方面。
四、红外可见光融合算法的发展趋势随着科技的不断发展,红外可见光融合算法也在不断改进和优化。
未来,红外可见光融合算法将更加智能化、自动化,可以实现更加精准的目标识别和跟踪,为各个领域的应用提供更好的支持。
总之,红外可见光融合算法是一种非常有前景的图像处理技术,可以帮助我们更好地利用红外和可见光图像的信息,提高图像的质量和分辨率,为各个领域的应用提供更好的支持。
红外光可见光融合处理

红外光可见光融合处理红外光和可见光是我们日常生活中经常接触到的两种光线。
红外光是一种波长长于可见光的电磁辐射,而可见光则是人眼可以感知到的电磁辐射。
虽然它们在波长上存在差异,但是它们在光学处理中的融合却可以带来许多有趣的应用。
红外光和可见光融合处理在许多领域中都有广泛的应用,特别是在军事、医学、环境监测等方面。
在军事方面,红外光和可见光融合处理可以用于夜视设备和无人机的导航系统,提高战场的侦查和监视能力。
在医学方面,这种融合处理可以帮助医生更好地观察和诊断患者的身体状况,尤其是在疾病的早期诊断方面具有重要意义。
在环境监测方面,红外光和可见光融合处理可以用于火灾监测和空气污染检测,提高环境保护的效率。
红外光和可见光融合处理的原理是将两种光线的图像合并在一起,形成一幅新的图像。
这种处理可以通过算法和图像处理技术来实现。
首先,将红外光和可见光的图像进行对齐,使它们的像素点能够一一对应。
然后,通过一定的计算方法,将两幅图像的像素点进行融合,生成一幅新的图像。
这个过程既可以是简单的像素点加权平均,也可以是更复杂的算法,如小波变换等。
红外光和可见光融合处理的优势在于可以综合利用两种光线的信息,提高图像的质量和细节。
红外光可以穿透一些可见光无法穿透的物体,如烟雾、云层等,因此可以提供更多的信息。
而可见光则可以提供更多的颜色和纹理信息。
通过融合处理,可以将红外光的透明度和可见光的颜色综合起来,使图像更加真实和清晰。
红外光和可见光融合处理的应用还在不断拓展和深入研究中。
例如,在无人驾驶领域,红外光和可见光融合处理可以用于提高车辆的感知和识别能力,增强夜间行驶的安全性。
在安防领域,这种处理可以用于监控摄像头的图像增强,提高监控的准确性和可靠性。
在航空航天领域,红外光和可见光融合处理可以用于卫星图像的解译和地球观测,为科学研究和资源管理提供重要支持。
红外光和可见光融合处理虽然具有许多优势和应用前景,但也存在一些挑战和限制。
可见光与红外图像融合技术研究的开题报告

可见光与红外图像融合技术研究的开题报告
题目:可见光与红外图像融合技术研究
研究背景:
在军事、安防、资源调查等领域中,同时采集可见光和红外图像已成为常规的手段。
由于可见光图像和红外图像在物理性质和成像原理上存在巨大的差异,因此如何将它
们有效地融合起来,以提高目标识别和跟踪的准确率至关重要。
近年来,随着计算机
技术和图像处理技术的不断发展,可见光与红外图像融合技术也得到了广泛的应用和
研究。
研究内容:
本文将从可见光与红外图像的成像原理和特点入手,探究两种图像融合的方法和技术,并提出一种基于多尺度分解和融合的优化算法。
具体内容如下:
1. 可见光和红外图像的成像原理和特点分析
2. 可见光和红外图像的融合方法分析
1)基于像素的融合方法
2)基于区域的融合方法
3)基于特征的融合方法
3. 提出一种基于多尺度分解和融合的优化算法
1)多尺度分解方法
2)信息熵融合方法
3)小波变换融合方法
4. 实验仿真和数据分析
1)数据集的采集和预处理
2)算法实现及实验仿真
3)实验结果分析和对比
研究意义:
本文旨在探究可见光与红外图像的融合方法和技术,并提出一种优化的算法,以提高可见光和红外图像融合后的目标检测和跟踪的准确度。
该研究对于实现军事、安防、资源调查等领域中的目标侦察和跟踪具有重要的应用价值。
基于Mamba和Transformer的红外与可见光图像融合网络

基于Mamba和Transformer的红外与可见光图像融合网络目录1. 内容概要 (2)1.1 背景与动机 (3)1.2 研究目标与意义 (4)1.3 主要工作与贡献 (5)2. 相关工作 (6)2.1 红外与可见光图像融合方法概述 (7)2.2 Transformer在图像处理中的应用 (8)2.3 Mamba框架简介 (9)3. 研究方法 (10)3.1 网络结构设计 (12)3.1.1 Transformer架构概述 (12)3.1.2 Mamba框架特点 (13)3.1.3 融合网络结构设计 (15)3.2 损失函数与优化算法 (16)3.2.1 常见损失函数介绍 (18)3.2.2 优化算法选择 (19)3.3 过程参数设置与实现细节 (20)4. 实验设计与结果分析 (21)4.1 数据集与实验环境 (22)4.2 实验设计与对比实验 (23)4.2.1 数据预处理与增强方法 (24)4.2.2 实验参数设置 (26)4.2.3 结果对比与分析 (27)4.3 性能评估指标 (28)4.3.1 准确率 (29)4.3.2 信息熵 (29)5. 结果可视化与讨论 (31)5.1 融合图像结果展示 (32)5.2 结果分析 (33)5.3 讨论与展望 (34)6. 总结与未来工作 (35)6.1 研究成果总结 (36)6.2 研究不足与局限 (37)6.3 未来研究方向与展望 (38)1. 内容概要本篇论文提出了一种基于Mamba和Transformer的红外与可见光图像融合网络,旨在提高图像融合的质量和效率。
通过结合Mamba的灵活性和Transformer的强大表征能力,该网络能够有效地将红外和可见光图像的信息融合在一起,从而生成具有更高清晰度和准确性的融合图像。
在具体实现上,该网络采用了分层式架构,包括特征提取、特征融合和决策输出三个阶段。
在特征提取阶段,网络利用Mamba模块对红外和可见光图像进行特征提取,得到不同层次的图像特征。
遥感影像的可见光和红外图像融合方法研究

遥感影像的可见光和红外图像融合方法研究摘要:遥感影像融合是将多源遥感影像的信息有机地结合起来,以获取更多、更高质量的地理信息的过程。
其中,可见光和红外图像的融合被广泛应用于军事、气象、农业、环境等领域。
本文对可见光和红外图像融合的方法进行了研究和总结,包括传统的图像融合方法和基于深度学习的图像融合方法,并对未来的研究方向进行了展望。
1. 引言可见光图像和红外图像是遥感数据中常见的两种图像,它们分别捕捉了不同光谱范围内的信息。
可见光图像能够提供地物的几何形状、颜色和纹理等信息,红外图像则能够反映地物的热特性。
将这两种图像进行融合可以充分利用它们的优势,提高遥感图像的分类和识别性能。
2. 传统的图像融合方法传统的图像融合方法主要包括像素级融合和特征级融合两种方法。
2.1 像素级融合像素级融合方法直接将可见光和红外图像的像素进行组合。
其中,加权平均法是最简单的方法,它根据像素的权重将两幅图像进行加权平均得到融合图像。
另外,变换域融合方法如小波变换和主成分分析也得到了广泛应用。
这些方法能够提取图像的频率和相位信息,将两幅图像进行适应性融合。
2.2 特征级融合特征级融合方法通过提取可见光和红外图像的特征,将特征进行融合。
常用的特征包括梯度、边缘、纹理等。
其中,拉普拉斯金字塔和傅里叶谱分析是两种常用的特征级融合方法。
这些方法能够提取图像的边缘和细节信息,对融合结果具有很好的保边性。
3. 基于深度学习的图像融合方法深度学习在图像融合领域取得了显著的成果。
卷积神经网络(Convolutional Neural Network, CNN)是深度学习中最常用的网络结构之一。
将CNN应用于图像融合可以通过学习图像的特征,得到更好的融合效果。
3.1 基于卷积神经网络的图像融合方法基于CNN的图像融合方法主要包括两种:基于生成对抗网络(Generative Adversarial Networks, GANs)和基于编码器-解码器(Encoder-Decoder)的方法。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
被动膜方程在图像处理中的应用 ON、OFF拮抗细胞的稳态响应:
中心-环绕区域输入信号相同时:增强反差、突 出边缘、压缩动态范围; 中心-环绕区域输入信号不同时:保留共同信息, 增强不同信息,有效改善信号对比度。
北京理工大学博士学位论文答辩 6
双红外图像特性分析——辐射特性 黑体中波、长波红外辐射度在高低温区有明 显差异; 目标与背景辐射对比度中波红外明显大于长 波红外,意味着热目标在中波图像中更为突 出; 长波更适合探测中低温目标,中波更适合探 测高温目标。
Toet算法:13.52ms 视觉模型伪彩色融合算法:54.37ms
25
基于Virtex-5的图像融合硬件平台设计 Virtex-5 FPGA的优势
65nm铜工艺 第二代高级硅片组合模块(ASMBL)列式架构 强大的36Kbit Block RAM/FIFO 第二代25x18 DSP Slice 带有内置数控阻抗的SelectIO技术 ChipSync源同步接口模块 系统监视器功能 增强型时钟管理模块
Waxman算法 Toet算法 色彩传递法
4
视觉神经动力学模型 人类以及绝大多数动物的视觉系统是自然界 最完美的成像及处理系统; 人眼视网膜同心圆拮抗式感受野; 响尾蛇视顶盖6种双模式细胞:视网膜和视 皮层的完美结合; Hodgkin等据此提出了视觉神经动力学被动 膜方程,它是中心-环绕拮抗感受野的一种 动力学描述,具有适合于彩色图像增强应用 的属性和性能。
26
基于Virtex-5的图像融合硬件平台设计
27
基于Virtex-5的图像融合硬件平台设计 大容量存储器模块设计
NoBL SRAM:CY7C1372D(1M18bit) DDR2 SDRAM:MT47H64M16HR-3 (8Meg168banks bit) 利用MIG工具生成存储器控制器单元
电源模块设计
28ห้องสมุดไป่ตู้
基于Virtex-5的图像融合硬件平台设计
29
Xilinx SoPC架构 MB BUS IP
30
基于XtremeDSP的高层次设计方法 XtremeDSP设计套件包括System Generator和AccelDSP两个工具。
系统数学建模
Control Circuits Platform Studio(EDK) Signal Flow Simulink
ISE Foundation
设计校验和诊断
HDL产生和仿真
31
SoPC设计流程
32
基于SoPC的伪彩色融合处理架构
33
图像采集与输出模块设计
34
伪彩色融合算法模块设计 将融合算法模块作为MicroBlaze的协处理器, 其间用高速FSL总线连接。
35
伪彩色融合算法模块设计 首先将融合算法算法在AccelDSP中的实现, 架构如图所示。 查看RTL报告,获取数据运算时间
23
基于DM642的微小型化实时融合系统 硬件设计:电路板面积为130mm90mm 软件架构:利用TI提供的驱动开发套件 (DDK)管理视频输入输出流,DSP/BIOS 管理任务,采集与融合处理操作采用乒乓结 构。
24
DM642微小型化实时融合系统实验 利用CCS Profiler工具测算融合处理时间
19
图像融合系统硬件方案论证 数字信号处理器方案
优点:技术成熟,算法移植的工作完全通过软 件实现,开发难度不高,调试方便;尤其是多 媒体处理器的出现,大大缩短了系统开发周期, 同时提高了系统可靠性。 缺点:系统架构灵活性较差,只能按照所选 DSP芯片完成相应的板级设计,系统功耗较大 且不受用户控制。微观上看一个CPU处理多个 事件的顺序是串行的,因此对于复杂算法仍有 可能无法胜任。
14
基于图像边缘特征的融合规则 在小波域利用Canny准则检测图像边缘
对边缘点:取能量大的小波系数; 对非边缘点,意味着源图像在某种程度上近似, 采用加权平均规则; 对非边缘点的高频系数加入衰减因子用来抑制 噪声的干扰,该因子可灵活调整。
15
目标伪彩色融合算法 基于视觉注意模型的小波域目标伪彩色图像 融合算法: 算法特点:
算法优化和改进
MATLAB
System Generator for DSP Hardware
in the loop 硬件平台 ChipScope Pro
AccelChip Simple Tasks (e.g. state machine) Difficult Tasks Xilinx (e.g. linear Algebra) HDL co-simulation ModelSim
21
图像融合系统硬件方案论证 硬件可编程系统方案(FPGA/SoPC)
FPGA具有高灵活性和并行性,能够提供强大的 并行计算能力和内存带宽; SoPC结合了SoC、PLD和FPGA各自的优点:一 方面,它是片上系统,即由单个芯片完成整个 系统的主要功能;另一方面,它是可编程系统, 具有灵活的设计方式,可裁减、扩充、升级, 并具备软硬件在系统可编程的功能。
44
LOGO
7
基于被动膜方程的图像融合框架 基本框架: 双波段红外图像融合架构:
8
算法改进 引入响尾蛇视觉模型中“与细胞”响应,用 来强化融合过程中的去相关操作:
9
融合算法评价 采用主观评价方法: 评价结果:
10
图像融合中受到的挑战 海面目标图像融合 图像融合输出终端:
人眼观测 机器后处理
22
图像融合系统方案现状及发展趋势
实时图像融合系统方案
单DSP或多DSP并行处理方式 DSP+FPGA处理方案 大规模FPGA处理方案
基于FPGA的SoPC图像融合系统方案优势
硬IP适合含有大量乘加运算的图像融合算法; 合理定制处理器阵列,高度并行处理; 具有灵活的系统架构; 相比单一的FPGA设计方法,SoPC拥有众多的设计资源 可供利用,包括丰富的IP核以及高性能嵌入式处理器, 可以通过合理的软硬件划分提高设计效率。
20
图像融合系统硬件方案论证 单芯片集成系统方案(ASIC/SoC/ASSP)
优点:可以实现功能复杂的单芯片系统,具有 高可靠性,可以显著减小系统体积、降低系统 功耗;一旦产品定型,具有很低的单片成本, 有助于提升产品竞争力。 缺点:设计难度较大,对设计人员和设计软件 均有很高要求;设计周期较长,初期开发成本 过高,芯片验证和测试更为复杂。
11
基于视觉注意模型的图像融合 在视觉范围内,那些能够产生新异刺激、较 强刺激或人所期待刺激的视觉对象容易引起 观察者的注意:
数据驱动,自底向上 任务驱动,自顶向下
经典的可计算的视觉注意模型:Itti模型
12
基于改进的视觉注意模型红外目标检测
13
红外图像融合规则的研究 常用的融合规则:取系数绝对值较大法、基 于局部能量的融合规则、基于多算子的融合 规则、…… 效果越好的融合规则往往计算量越复杂,并 且局部能量大的区域并非完全能反映图像的 特征,如噪声的影响。 提出了一种基于图像边缘特征的融合规则, 能有效克服片面追求局部能量最大在有些情 况下所带来的负面影响。
视觉模型的双红外图像伪彩色融 合理论及SoPC实现关键技术
报告人:许廷发 北京理工大学光电学院 2011年3月12日
LOGO
主要内容
1 2
国内外的研究动态
视觉模型的双红外图像融合理论
视觉模型的目标伪彩色融合理论 双红外图像融合硬件平台设计 伪彩色图像融合算法SoPC实时实现 结束语
2
3
4 5 6
课题背景和意义 红外焦平面的发展
由单色到多色 从分立到集成 数据处理从片外到片上 功能从单一到智能
多源图像融合技术
融合算法研究 实时融合系统
} }
多色红 外智能 焦平面
3
北京理工大学光电学院
双红外图像融合算法研究现状 不同的分类:按其理论基础分、按融合结果 的色彩分、按分辨力的级别分、…… 灰度图像融合:代数法、PCA法、调制法、 金字塔多分辨法、小波多分辨法、 …… 伪彩色图像融合:
采用源图像的边缘特征信息定义融合规则; 根据改进的视觉注意模型,在源图像中提取兴 趣目标,尤其针对复杂背景和低对比度的目标 该方法更加有效; 融合结果中包含已定位的目标信息,并且该目 标信息比直接在融合图像中检测所得结果更加 可靠,伪彩色目标便于人眼识别。
16
图像融合客观评价指标 本文采用以下几个客观评价指标
37
SoPC融合系统综合结果 在XPS默认设置和约束下,XST综合得到的 系统时钟周期为4.663ns,即最高为 214.452MHz,因此系统工作在200MHz时钟 下是安全的。 根据综合报告系统资源占用情况如表6-1。
38
SoPC系统软件流程
39
SoPC融合系统实验结果 实验一:可见光与长波红外图像融合实验 实验二:中波红外和长波红外图像融合实验
协处理器每次计算1个像素融合结果:单次运算 耗时340ns,总耗时141ms; 利用面积换速度原则,使协处理器每次计算25 个像素融合结果,单次运算耗时1.42ms,总耗 时23.47ms。
算法协处理器IP核的生成及使用
36
其他接口模块的设计 本系统存储器由三部分组成,分别使用不同 的总线和接口; UART接口、GPIO接口模块,以及DMA控 制器、存储器控制器模块; 系统中断控制器的使用:
40
SoPC融合系统性能测评
41
多色智能焦平面系统芯片 本课题未来的方向是集红外图像非均匀性校 正、 无线光输出、融合处理甚至目标检测 的多色智能型焦平面。