毫无意义的非均匀性校正----2研究现状

非均匀性校正可分为基于场景和基于定标两种。
定标即利用黑体或近似黑体来标定像元；基于场景为利用算法处理输出的视频流。
目前市面上多利用定标法完成校正，即使有基于场景的功能，也要去考虑下，这个功能的开关是不是一直处于关闭状态(笑)。

基于定标

1.单点法、两点法、分段两点法；
2.有源定标(黑体、挡片)、无源标定(事先采集数据插值、奇异值分解)

基于场景

1.单帧：单图处理易陷入局部最优解导致处理视频效果差，多处理竖纹，少有处理锅盖。
变换域法：处理竖纹、存在伪痕、算法复杂、细节破坏等；
变分法：竖纹、锅盖、算法复杂较高、失真；
插值法：竖纹、伪痕；
中值直方图：竖纹、伪痕；
深度学习：竖纹、锅盖：细节破坏；
梯度域：锅盖，细节破坏；
2.多帧：视频处理主要包括鬼影，收敛速度问题，需求视场运动，多处理竖纹，虽然部分算法理论上可去锅盖等，但对场景要求极高
配准法：各类非均匀性噪声，对场景变化有特定要求，且对场景内容要求高，有鬼影；
时域高通：竖纹，针对偏置噪声，有鬼影，处理弱噪声；
神经网络：竖纹，颗粒，需求视场运动，有鬼影；(稳定性较高，建议采用)；
恒定统计：全局各类，局部高频，需求大量帧收敛，对场景变化要求高，鬼影；
随机数法：各类非均匀性，需求视场运动，有鬼影。
注：由于毕设尚未在知网可见，具体内容暂时无法展开。