基于无监督机器学习的非均匀性校正方法

本发明一种基于无监督机器学习的非均匀性校正方法，包括：在不同黑体温度下系统工作点定标；建立统一的定标数据库；搭建基于聚类的无监督学习网络并进行回归训练；部署训练好的网络参数，对实际场景图像进行能量域非均匀性校正。本发明在推导出的红外物理模型基础上，建立了包括黑体灰度值、积分时间以及衰减片的统一数据库，在没有黑体理论辐射量标签的情况下，利用基于聚类的无监督学习方法，以相同黑体温度的平均预测能量域值作为学习目标，通过网络训练充分挖掘不同工作点定标数据之间的相关性，从而得到校正模型的各项系数。本发明在调节积分时间和衰减片后仍然保持均匀稳定的输出。