CN101802866A - 用于处理红外图像的方法、红外图像采集系统以及计算机可读介质 - Google Patents

用于处理红外图像的方法、红外图像采集系统以及计算机可读介质 Download PDF

Info

Publication number
CN101802866A
CN101802866A CN200780100538A CN200780100538A CN101802866A CN 101802866 A CN101802866 A CN 101802866A CN 200780100538 A CN200780100538 A CN 200780100538A CN 200780100538 A CN200780100538 A CN 200780100538A CN 101802866 A CN101802866 A CN 101802866A
Authority
CN
China
Prior art keywords
infrared image
image
background portion
detail
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN200780100538A
Other languages
English (en)
Other versions
CN101802866B (zh
Inventor
N·霍加斯滕
F·安德森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Teledyne Flir LLC
Original Assignee
Flir Systems Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Flir Systems Inc filed Critical Flir Systems Inc
Publication of CN101802866A publication Critical patent/CN101802866A/zh
Application granted granted Critical
Publication of CN101802866B publication Critical patent/CN101802866B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • H04N5/33—Transforming infrared radiation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/20—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from infrared radiation only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20208—High dynamic range [HDR] image processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/741—Circuitry for compensating brightness variation in the scene by increasing the dynamic range of the image compared to the dynamic range of the electronic image sensors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/2224—Studio circuitry; Studio devices; Studio equipment related to virtual studio applications
    • H04N5/2226—Determination of depth image, e.g. for foreground/background separation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)

Abstract

本发明的一个或多个实施例提供了用于处理红外图像的系统和方法。例如根据一个实施例，一种用于处理红外图像的方法包括：处理所述红外图像以提供所述红外图像的背景部和所述红外图像的细节部；对所述背景部和/或细节部进行定标以相对于所述背景部的水平提供细节部的水平；在所述定标以后将所述背景部和所述细节部合并以提供经过处理的红外图像；以及存储所述经过处理的红外图像。

Description

用于处理红外图像的方法、红外图像采集系统以及计算机可读介质
技术领域
本发明总体上涉及红外成像系统，并且更具体来说涉及用于红外成像系统的图像处理技术以及用于控制红外图像的显示的方法。
背景技术
红外摄像机在多种成像应用中被用于采集红外图像。所采集的这些红外图像可以是粒状的(例如有噪声的)或者缺少足够的细节，并且因此在某种程度上，可以应用处理技术以抑制不想要的特征(比如噪声)和/或对所采集的红外图像进行细化(refine)。
总的来说，红外摄像机可能必须应付两种常常相对立的信号特性。一方面，数字化的红外图像可能具有可以以数字单位(例如以几万数字单位的数量级)来度量大的动态范围。在所述动态范围内，一些微弱的细节可能对于用户非常重要，并且为了在显示器上对用户可见而可能需要例如应用对比度增强滤波器。另一方面，红外图像还可能遭受差的信噪比(SNR)，并且因此对对比度的增强可能由于对对比度的增强还可能导致噪声的放大而使图像用途减小。通常，可以将某种滤波器应用于红外信号，但是为特定的成像器、为特定的场景、以及为特定的应用找出噪声滤波器的正确设定是费时的。因此，使用户找出可以最佳地查看一些细节或选择目标的最优设定的时间最小化可能对于多个不同类型的应用非常有利。
常规的红外摄像机的缺点是：不允许用户在图像采集期间控制这些处理技术，或者最优设定可能难以由用户来确定。因此，从用户的角度而言，结果是不合期望的图像被采集并被显示。此外，可能难以自动设置各个参数。例如，对于具有类似信号特性(例如SNR、动态范围等)的两个图像而言，较微弱的细节可能对于将目标分类是必要的，或者可能仅仅是用户宁愿抑制而不是增强的杂乱图案。
因此，需要经过改进的用于为红外摄像机提供图像处理技术和/或用户可控的设定的技术。
发明内容
根据本发明的一个或多个实施例，在此所公开的系统和方法提供用于由红外传感器(例如红外摄像机)所采集的图像的图像处理技术，所述技术可以改善图像质量。例如，根据本发明的一个实施例，公开了图像处理算法以将图像信号分离成至少两部分，所述部分可以在合并所述两部分以产生输出图像以前被分别定标(scale)。此外，根据本发明的一个实施例，可以为图像处理算法生成两个值匹配表，以便从具有低水平细节的图像连续过渡到具有高水平细节的图像且反之亦然。因此，例如，用户可以操作控制特征(例如控制设备)来调节该图像处理算法以将图像的细节控制和设置为所期望的水平。
更具体而言，根据本发明的一个实施例，处理红外图像的方法包括：处理所述红外图像以提供所述红外图像的背景部和所述红外图像的细节部；对所述背景部和/或细节部进行定标以相对于所述背景部的水平提供细节部的水平；在所述定标以后将所述背景部和所述细节部合并以提供经过处理的红外图像；以及存储所述经过处理的红外图像。
根据本发明的另一实施例，红外图像采集系统包括：图像采集部件，其适于采集红外图像；处理部件；以及存储部件，其适于存储信息以控制所述处理部件实施红外图像处理。所述红外图像处理包括：对所述红外图像进行滤波以提供所述红外图像的背景部和所述红外图像的细节部；对所述背景部和/或细节部进行定标以相对于所述背景部的水平提供细节部的水平；在所述定标以后将所述背景部和所述细节部合并以提供经过处理的红外图像；以及存储所述经过处理的红外图像。
根据本发明的另一实施例，一种上面存储有用于实施如下方法的计算机可读介质：该方法包括：对所述红外图像进行滤波以提供所述红外图像的背景部和所述红外图像的细节部；对所述背景部和/或细节部进行定标以相对于所述背景部的水平提供细节部的水平；对所述背景部实施直方图均衡；在所述定标以后将所述背景部和所述细节部合并以提供经过处理的红外图像；以及存储所述经过处理的红外图像。
本发明的范围由权利要求书来限定，所述权利要求书通过引用并入本章节。通过考虑到下面对一个或多个实施例的详细说明，将给本领域的技术人员提供对本发明实施例的更充分的理解以其附加优点的实现。现在将参考附页中的附图，首先将简要地描述所述附图。
附图说明
图1示出了根据本发明一个实施例的图像采集系统的框图。
图2示出了根据本发明一个实施例的用于改善图像质量的方法。
图3示出了根据本发明一个实施例的用于处理图像的方法的框图。
图4a和图4b示出了根据本发明一个实施例的参数设定的图形表示。
图5示出了根据本发明一个实施例的手动控制单元的前视图。
图6示出了根据本发明一个实施例的用于处理图像的方法的框图。
图7示出了根据本发明一个实施例的用于比如利用图6的方法来处理图像的变量的图形表示。
通过参考下面的详细描述来最佳地理解本发明的实施例及其优点。应当理解，相同的附图标记用于标识一个或多个所述附图中的相同元素。
具体实施方式
根据本发明的一个或多个实施例，本文公开有系统和方法以提供用于由红外成像系统所采集的图像的图像处理算法，其中所述图像处理算法可以通过允许用户有选择地对所采集的红外图像的一个或多个部分进行定标(scale)(例如增强和/或减弱)到所期望的水平来改善图像细节和质量。例如，根据本发明的一个实施例，由红外摄像机所提供的图像信号可以被分离成背景图像(例如所述图像信号的低空间频率、高幅度部)和细节图像(例如所述图像信号的高空间频率、低幅度部)。然后，所述背景图像和/或细节图像例如可以在其被合并以产生输出图像或者被存储以用于后面的显示以前被分别定标。正如在本文还公开的：本发明的一个或多个实施例可以比如例如通过如下方式来提供相对于常规红外成像系统(例如红外摄像机)的某些优点：提供一个或多个用户控制，其中所述用户控制可以降低为图像处理算法选择红外摄像机设定(例如针对特定类型的场景(比如具有降低总体图像质量的高频噪声的弱光场景)的最优参数集)的复杂度。
根据本发明的一个实施例，图1示出了图解说明用于采集和处理红外图像的图像采集系统100的框图。在一个实施例中，图像采集系统100包括：处理部件110、存储部件120、图像采集部件130、控制部件140、显示部件150，并且可选地包括传感部件160。
图像采集系统100可以是采集图像(比如图像170)的红外成像设备(如红外摄像机)。图像采集系统100可以是任意类型的红外摄像机，其例如检测红外辐射并且提供有代表性的数据(例如一个或多个快照或者视频红外图像)。例如，红外采集系统100可以是针对近红外、中红外、和/或远红外光谱的红外摄像机。图像采集系统100可以包括便携式设备，并且可以例如被并入车辆(例如汽车或者其它类型的基于陆地的车辆、航空器、或者航天器)或者需要存储和/或显示红外图像的非移动设施中。
在一个实施例中，处理部件110包括：微处理器、单核处理器、多核处理器、微控制器、逻辑器件(例如被配置为执行处理功能的可编程逻辑器件)、数字信号处理(DSP)器件等。处理部件110适于与部件120、130、140和150对接和通信，从而以在此所述的方式执行方法和处理步骤。另外，处理部件110还可以包括适于实施AC算法(例如AC滤波算法)的自适应对比度(AC)滤波模块112，其中所述AC算法将在此被更详细地描述。处理部件110还可以适于以在此将被描述的方式作为所述AC算法的一部分或者同所述AC算法分开地执行各种其它类型的图像处理算法、包括对图像的一个或多个部分的信号进行定标。
应当理解，AC滤波模块112可以作为处理部件110的一部分而被集成在软件和/或硬件中，或者AC滤波模块112的代码(例如软件或配置数据)可以被存储在存储部件120中。此外，根据本发明的一个实施例，在此公开的AC算法的实施例可以由单独的计算机可读介质来存储(例如诸如硬盘驱动器、光盘、数字视频光盘、或者闪存的存储器)以供计算机执行(例如逻辑系统或者基于处理器的系统)来实施在此公开的各个方法。一个例子是，所述计算机可读介质可以是便携式的和/或被定位为同图像采集系统100分离，其中通过将所述计算机可读介质耦合到图像采集系统100和/或通过图像采集系统从所述计算机可读介质中下载(例如通过有线或无线的链路)所述AC算法而将所存储的AC算法提供给图像采集系统100。
在一个实施例中，存储部件120包括一个或多个存储设备以存储数据和信息。所述存储设备可以包括一个或多个各种类型的存储设备、包括：易失性和非易失性存储设备、比如RAM(随机存取存储器)、ROM(只读存储器)、EEPROM(电可擦写只读存储器)、闪存等。处理部件110适于执行被存储在存储部件120中的软件，以便执行在此所述的方法和过程操作。
在一个实施例中，图像采集部件130包括一个或多个红外传感器(例如任意类型的红外探测器、比如焦平面阵列)以用于采集表示图像(比如图像170)的红外图像信号。在一个实施例中，图像采集部件130的红外传感器提供：将所采集的信号表示(例如转换)为数字信号(例如通过模数转换器，其被包含作为所述红外传感器的一部分或者在同所述红外传感器分离的情况下作为图像采集系统100的一部分)。处理部件110可以适于：处理红外图像信号(例如提供经过处理的图像数据)；将红外图像信号或图像数据存储在存储部件120中；和/或从存储部件120中检索所存储的红外图像信号。例如，处理部件110可以适于处理被存储在存储部件120中的红外图像信号以提供图像数据(例如所采集的和/或经过处理的红外图像或数据)。
在一个实施例中，控制部件140包括适于生成输入控制信号的用户输入设备(比如可旋转的旋钮、例如电位器)、按钮、滑杆(slidebar)、键盘等。处理部件110可以适于感测来自控制部件140的控制输入信号并且可以响应于从控制部件140所接收的任何感测到的控制输入信号。处理部件110可以适于将控制输入信号解释为值，这将在此处更详细地讨论。
如图5所示，在一个实施例中，控制部件140可以包括公知的具有按钮的控制单元500(例如有线或无线的手持控制单元)，所述控制单元500适于与用户对接以及接收用户输入控制值。例如，控制单元500的按钮可以用于控制图像采集系统100的各个功能、比如自动聚焦、菜单启用和选择、视场、亮度、对比度、和/或本领域的技术人员能够理解的各个其它特征。此外，根据一个实施例，这些按钮中的一个或多个可以用于输入AC算法的值(例如AC值)。例如，可以被用于在图像采集系统100的一个模式下调节对比度的按钮502(1)和502(2)也可以如本文另外讨论的用于在图像采集系统100的另一模式下调节AC值(例如增加或减少AC值的设定)。
在一个实施例中，显示部件150包括图像显示设备(例如液晶显示器(LCD))或者各种其它类型的公知视频显示器或监视器。处理部件110可以适于将图像数据和信息显示在显示部件150上。处理部件110还可以适于从存储部件120中检索图像数据和信息以及将任意的所检索的图像数据和信息显示在显示部件150上。显示部件150可以包括显示电子(display electronics)，其中所述显示电子可以被处理部件110用于显示图像数据和信息(例如红外图像)。显示部件150可以通过处理部件110从图像采集部件130接收图像数据和信息，或者图像数据和信息可以通过处理部件110从存储部件120被传送。
在一个实施例中，可选的传感部件160根据所期望的应用或实施要求而包括一个或多个各种类型的传感器，其中所述传感器将信息提供给处理部件110。处理部件110可以适于与传感部件160进行通信(例如通过从传感部件160接收传感器信息)以及与图像采集部件130进行通信(例如通过从图像采集部件130接收数据并且将命令、控制、或者其它信息提供给图像采集系统100的其它部件和/或从图像采集系统100的其它部件接收命令、控制、或者其它信息)。
在各个实施例中，传感部件160可以提供关于如下方面的信息：环境状况(比如外界温度)、光照状况(例如白天、夜间、黄昏、和/或黎明)、湿度水平、特定天气状况(例如晴、雨、和/或雪)、距离(例如激光测距仪)、和/或是否已经进入或离开隧道、有顶的停车库、或者其它类型的围隔场地。传感部件160可以是本领域的技术人员能够了解的常规传感器，其用于检测可能影响由图像采集部件130所提供的数据(例如影响图像外观)的各种状况(例如环境状况)。
在一些实施例中，可选的传感部件160可以包括通过无线通信将信息中继(relay)到处理部件110的设备。例如，传感部件160可以适于通过本地广播(例如射频)传输、通过移动或蜂窝网络、和/或通过基础设施(例如运输或公路信息信标基础设施)中的信息信标或者各种其它有线或无线技术从卫星接收信息。
在各个实施例中，图像采集系统100的部件可以根据需要或者根据应用或要求而被或者不被组合和/或实施，其中图像采集系统100表示系统的各个功能块。例如，处理部件110可以与存储部件120、图像采集部件130、显示部件150、和/或传感部件160相组合。在另一例子中，处理部件110可以与图像采集部件130相组合，其中处理部件110的仅仅某些功能由图像采集部件130内的电路(例如处理器、微处理器、逻辑器件、微控制器等)来实施。
根据本发明的一个实施例，图2示出了方法200，其中方法200可以通过允许用户有选择地将所采集的红外图像的一个或多个部分处理(例如增强和/或削弱)为所期望的水平来改善图像质量和/或细节。为了简化下面对图2的讨论，将参考图1的图像采集系统作为可以执行方法200的系统的例子。
参考图2，图像(例如红外图像信号)被采集(框210)。在一个实施例中，在用户输入命令以后，处理部件110致使(例如使)图像170采集部件130采集图像170。处理部件110从图像采集部件130接收所采集的图像并且可选地将所采集的图像存储在存储部件130中以用于进行处理(框212)。
所述图像被处理(框220)，其中所述处理可以包括调节(例如改善)图像质量和细节。在一个实施例中，处理部件110要么直接处理所采集的图像(框210)，要么可选地检索被存储在存储部件120中(框212)的所采集的图像并且然后以在此将被更详细讨论的方式处理所述图像以获得改善的细节和质量(例如基于通过控制部件140的用户输入)。
经过处理的图像被存储(框222)，并且然后被显示(框230)。在一个实施例中，处理部件110将经过处理的图像存储在存储部件120中以用于显示，和/或处理部件110检索被存储在存储部件120中的经过处理的图像并且将所述经过处理的图像显示在显示部件150上以供用户查看。
可选地，可以进行关于是否感测到来自用户的控制输入的确定(框240)。在一个实施例中，如果处理部件110感测到来自用户的通过控制部件140的控制输入，则处理部件110从控制部件140获得所感测的输入值，并且该方法返回到框220，使得处理部件110可以根据所获得的感测输入控制值(例如AC值)来处理(例如重新处理)图像。否则，如果处理部件110未感测到来自用户的通过控制部件140的控制输入，则该方法返回到步骤230，使得处理部件110可以继续显示前面处理的图像。这些特征将在此被更详细地讨论。
根据本发明的一个实施例，图像处理算法适于将红外图像信号(例如所采集的红外图像)分离成至少两部分。所述图像处理算法在此被称为自适应对比度(AC)算法(或者AC滤波算法)，其例如可以被用作一种滤波器，所述滤波器用于对红外图像的部分(例如细节图像和/或背景图像)进行滤波以提供至少第一部分和第二部分。
在一个实施例中，图像信号的第一部分包括背景图像部分，所述背景图像部分包括图像的低空间频率高幅度部。在一个示例性的例子中，可以将低通滤波器(例如低通滤波器算法)用于隔离图像信号(例如红外图像信号)的低空间频率高幅度部。
在一个实施例中，图像信号的第二部分包括细节图像部分，所述细节图像部分包括图像的高空间频率低幅度部。在一个示例性的例子中，可以将高通滤波器(例如高通滤波器算法)用于隔离图像信号(例如红外图像信号)的高空间频率低幅度部。可替代地，可以比如通过从图像信号减去第一部分来从所述图像信号和所述图像信号的第一部分得出第二部分。
在一个实施例中，图像信号的两部分(例如第一和第二部分)可以在合并以产生输出图像以前利用例如AC算法而分别被定标。例如，第一部分可以被定标或者第二部分可以被定标，或者第一和第二部分都可以被定标。这允许该系统输出图像，其中精细的细节即使在高动态范围场景中仍然是可见的和可调整的。AC滤波器算法性能可以通过多个参数而被用户控制(这将在此处更详细地讨论)，以确定例如最优参数集。在一些实例中，例如，如果图像由于噪声而看上去用途更少或者被一定程度地退化，则该图像的所述部分之一(比如细节部分)可以被抑制而不是被放大，以抑制合并后的图像中的噪声以改善图像质量。
根据本发明的一个实施例，AC算法可以被下面五个变量控制。
变量1(N)表示非线性低通滤波器的内核尺寸(kernel size)，其中所述非线性低通滤波器适于将细节图像部分和背景图像部分分离开。在非平方内核的情况下，可以作为替代而使用变量M×N，其中M和N为不同的值。
变量2(σR)表示辐射高斯分布的标准差，所述标准差定义细节图像部(或部分)的幅度。
变量3(σS)表示空间高斯分布的标准差，所述标准差定义非线性低通滤波器的在内核尺寸N(或者M×N)内的空间作用范围。
变量4(DRange)表示输出图像(例如合并后的图像)中的信号的细节图像部分的动态范围。
变量5(BRange)表示输出图像(例如合并后的图像)中的信号的背景图像部分的动态范围。
在根据一个实施例的一些系统中，可以使变量N和σS保持恒定。因此，在固定的变量输出范围(例如8比特或者256种颜色的灰度)中，DRange可以包括BRange的函数，这将在下面在等式(1)中阐明。因此，在该实施例中，两个参数可以被控制：σR以及DRange与BRange之比，其中该比可以被称为细节图像部分相比于背景图像部分(例如细节背景比或者D2BR)，这将在下面在等式(2)中阐明。
DRange＝256-BRange     (1)
D2BR＝DRange/BRange    (2)
应当理解，设置这些参数的方式通常将改变图像的外观，并且这些参数的各个设定可以被应用于不同的场景类型。
根据本发明的一个实施例，变量σR包括阈值。例如，当低通滤波器(LPF)被应用于图像的像素时，经过滤波的值包括其在空间范围(例如9乘9像素)内的相邻像素的加权平均。在一个例子中，可以被用于将变量σR定义为阈值的特定低通滤波器包括公知的双边滤波器。具有如下值的相邻像素不能在平均时使用(比如通过被赋予0或者接近于0的权重以用于平均(例如其结果可以阻止低通滤波器使所采集的图像的边缘间模糊))：该值同正在被滤波的像素显著地相差有比变量σR阈值更多的数字单位。
根据本发明的一个实施例，D2BR(细节背景比)包括在此在等式(2)中所阐明的比。根据所使用的低通滤波器的类型及其设定，图像的细节部分的动态范围可以被测量(例如被定义)。在一个例子中，实际的动态范围可以被测量，或者当使用双边滤波器时，最大范围可能与变量σR成比例。在给定细节(例如第二部分或细节图像部)的动态范围(在此被称为细节动态范围DDR)的情况下，根据D2BR设定需要被应用于背景的增益可以被计算出。
例如，在给定背景(例如第一部分或者背景部)的动态范围(在此被称为背景动态范围BDR)的情况下，可以设置背景增益(BG)以获得所期望的细节与背景之间的比(下面在等式(3)中阐明)。可替代地，可以以类似的方式将BG的倒数、比如1/BG应用于细节(例如第二部分或细节图像部)以得到类似的结果并且提供细节与背景之间的所期望的比。因此，在一个实施例中，变量σR可以适于控制背景图像成分(composition)以及细节图像成分，而D2BR可以用于计算为了得到所期望的细节背景比而需要被应用于背景(或者细节部)的增益。为了保持从图像平滑处理到细节增强的平滑过渡，以如下方式创建表：使得，越来越少的平滑处理被应用，直到一组参数被达到(图4a中的X轴上的位置20)，在该处，背景图像将含有原图像(可能经过直方图均衡但是未经过平滑处理)。AC滤波器被设计为使得最终的经过滤波的图像中的细节的有效增益对于任何正值的D2BR都是至少统一的(1X)。这是为了防止滤波器在AC范围(图4a中的20-100％)的细节增强部中对图像进行平滑处理。这个要求通过迫使细节标度因数(622)≥背景标度因数(618)来实现(参见图6)。
DDR/(BDR*BG)＝D2BR，因此BG＝DDR/(BDR*D2BR)(3)
根据本发明的一个实施例，通过创建变量σR和D2BR对应于AC值的值的两个匹配表，用户可以使用一种控制设备、比如旋钮(例如电位器)或者其它用户操作的选择控制来调整AC滤波器(例如AC滤波算法)。一个例子是，参数可以以一种特定方式而被选择使得允许用户连续地从具有低程度细节(例如经过滤波的细节)的图像过渡到具有高程度细节的图像。
具体而言，在一个实施例中，可以将AC滤波器看成是在调整范围的一端用作强大的边缘保持噪声滤波器，而在调整范围的另一端用作强力的细节增强滤波器。在所述这两个调整端点之间的过渡可以通过递增(例如梯级)来实现，并且所述过渡可以被用户感知为：平滑地从较小AC的状态连续地移动到较大AC的状态(例如在该图像场景中逐渐增加精细的细节)。因此，在此所公开的技术可以允许简单地操作红外成像系统(例如红外摄像机)，例如在采集期间以对于特定图像最优的方式设置AC滤波器。
在AC滤波算法的一个实施方式中，具有用户输入控制特征的标准手动控制设备(例如比如图5中所示)充当用于操纵(例如可变地控制)AC滤波器的人工控制设备。AC值的量可以被一个或多个控制特征(比如可旋转的旋钮、按钮、滑杆等等)控制。在一个实施例中，对图像(例如红外图像)的AC控制还可以允许对图像进行一定程度的对比度控制。总的来说，用户不必确定和设置多个复杂的参数，而是AC算法可以允许对所述各个参数进行简化的用户控制(例如界面)以获得所期望的图像。
如在此所谈论的那样，AC滤波算法适于将图像(例如所采集的红外图像信号)分离成至少两部分：背景图像部分和细节图像部分。例如，可以使用具有变量σR的非线性低通滤波器(例如双边滤波器)来将图像分离成所述两部分，但是这不是限制性的。根据本发明的一个实施例的例子是，可以利用频率分解将所采集的图像分离成其细节部分和背景部分(例如分量)，其中所述频率分解可以通过利用例如快速傅立叶变换(FFT)来实施。在一个方面，频率分解包括将图像从空间域(例如时域)变换到频域。图像的细节(例如细节图像部分)可以被定义成处于特定频率分量(其例如对应于变量σR阈值并且其与辐射系数类似地变化)以上的分量。图像的细节(例如细节图像部分)可以从原变换、比如FFT中被除去(例如分离)，这留下针对该图像的背景信息的分量。所述背景和细节分量可以被定标(例如在应用逆变换以前或以后)。可以通过利用例如快速傅立逆叶变换(IFFT)实施频率反演(frequency inversion)来将经过定标的背景和细节分量从频域变换回空间域(例如时域)。然后，经过定标的背景和细节分量可以被合并(例如相加)以形成输出图像。
此外，根据本发明另一实施例的另一例子是，可以利用小波分解将图像(例如所采集的红外图像信号)分离成其细节图像部分和背景图像部分(例如分量)。所述小波分解可以以与上面针对频率分解所讨论的方式类似的方式来实施，只是使用小波变换代替频率变换(例如使用小波域而不是频域)。
附加地，根据本发明另一实施例的另一例子是，可以使用空间低通滤波器、包括线性或非线性低通滤波器。而且可以包括非线性边缘保持平滑方法(例如各向异性扩散或中值滤波器的变型)。例如可以将低通滤波器应用于图像信号，以将低空间频率分量同所述图像信号分离，其中低空间频率分量包括该图像的背景分量(例如背景图像部分)。应当理解，定义平滑处理量的参数(例如高斯低通滤波器的标准差)可以与辐射系数(变量σR阈值)类似地被确定和改变。可以通过如下方式来获得图像的细节分量(例如细节图像部分)：从原图像信号减去低通图像分量以获得图像的细节(细节分量)。然后，所述细节分量和背景分量可以如在此所讨论的那样被定标并且被合并(例如相加)以形成输出图像。
根据本发明的一个实施例，图3示出了用于根据图2的框220处理图像的方法300。所采集的图像的第一部分(例如背景图像部分)被提供(框302)。如先前所讨论的那样，该图像(例如红外图像)的第一部分包括该图像的背景图像部分，所述背景图像部分可以包括通过该图像的由AC滤波算法的应用所产生的低空间频率高幅度部。所采集的图像的第二部分(例如细节图像部分)被提供(框304)。如前面所讨论的那样，该图像(例如红外图像)的第二部分包括该图像的细节图像部分，所述细节图像部分可以包括该图像的由AC滤波算法的应用所产生的高空间频率低幅度部。参数D2BR(细节背景比)定义细节图像部分与背景图像部分之比。该参数可以用于以如下方式调整图像：使得在具有低程度细节的图像到具有高程度细节的图像之间连续过渡和/或与之相反。
因此，可以基于D2BR值来进行关于是否对所采集的图像的第一部分(例如背景图像部分)进行定标(框308)的确定(框306)(例如处理部件110基于由来自控制部件140的用户控制输入所提供的相应AC值来确定是否对图像的第一部分进行定标)。如果未感测用户控制输入(例如AC值未被提供)或者第一部分将不被定标，则该图像的第一部分不被定标并且方法300前进到框310。
可以基于D2BR值来进行关于是否对所采集的图像的第二部分(例如细节图像部分)进行定标(框312)的确定(框310)(例如处理部件110基于由来自控制部件140的用户控制输入所提供的相应AC值来确定是否对图像的第二部分进行定标)。如果未感测用户控制输入(例如AC值未被提供)或者第二部分将不被定标，则该图像的第二部分不被定标并且方法300前进到框314。
第一和第二图像部分可以被合并(框314)以产生输出图像以用于显示。如先前所讨论的那样，红外图像信号的第一和第二部分可以在被合并以产生供用户查看的输出图像以前被分别定标。这允许该成像系统显示红外图像，其中精细细节为可见和可调整的，以获得改善的图像质量。
根据本发明的一个实施例，AC值以及变量σR和参数D2BR的相应值的表可以被生成以供AC算法使用。例如，用户可以输入所期望的AC值(例如通过在查看所显式的图像的同时通过手动控制单元500增加或减少AC值)，其中该所提供的AC值被用于从变量σR和参数D2BR的表中选择相应的值。
一个特定的例子是，处理部件110可以接收由用户所选择的AC值，并且查找变量σR和参数D2BR的相应的值(其例如被存储在部件120中)，以用于利用在此所讨论的AC滤波算法来处理图像数据。因此，变量σR和参数D2BR的参数值可以被生成并且与AC值的相应取值范围一起被存储在表中以调整该图像，并且这些参数值可以例如以如下方式被选择：使得在具有低度细节的图像到具有高度细节的图像之间连续过渡和/或与之相反。
总的来说，AC滤波算法可以被用户停用(例如关闭AC滤波模式或者取消对AC滤波模式的选择)，或者用户可以选择所期望的AC值(例如在参看所显式的图像的同时)以提供特定图像的所期望的图像质量。例如，低AC值(例如根据1至100标度的AC值1)可能导致AC滤波算法起如下边缘保持空间噪声滤波器的作用：其产生平滑图像，其中噪声和精细细节被除去或者基本上被削弱。另一例子是，中范围AC值(例如根据1至100标度的AC值70)可能是许多场景的典型设定，并且可能导致AC滤波算法提供该图像的细节的基本量。另一例子是，高AC值(例如根据1至100标度的AC值100)可能导致AC滤波算法起极度细节提升器(detail booster)(例如细节增强器)的作用。
所存储的AC表值可以适于在两个端值之间(比如1到100)变化，具有针对变量σR和参数D2BR的相应的值(例如DRange/BRange)。例如，图4a和4b示出了对如下情况下的图像表示的实施例：随着AC输入控制(例如输入到图1的控制部件140的用户输入)被操纵为从一个端点过渡到另一端点、比如定标的值1至100(或者0至100％)，变量σR和参数D2BR的示例性设定可以如何以前面所讨论的方式改变。具体来说，图4a和4b是AC滤波算法值的两个示例性的表的绘图，其中AC值沿着x轴，并且变量σR的相应值沿着左边的y轴被绘制出(所标出的细节的清晰度以及具有数字单位的值)并且参数D2BR的相应值沿着右边的y轴被绘制出(所标出的细节背景比)。
可以将图4a和4b的图看成是分别提供两个不同红外传感器的有代表性的值(随着AC值改变而提供变量σR和D2BR的值)。例如，图4b的图可以表示如下的红外传感器：其具有相对于由图4a的图所表示的红外传感器而言较多噪声和较低响应度(其例如导致较低动态范围)。因此，变量σR和参数D2BR的值在图4a与4b之间不同，因为它们与红外传感器的动态范围相关，其中例如变量σR的极限基于底噪(noise floor)(例如以数字单位为单位)以及特定红外传感器的动态范围(例如动态范围的百分之十或更低)。
如图4a中的例子所示，非常低的AC值可以为诸如低对比度和高噪声图像提供降噪，而非常高的AC值可以比如为高动态范围场景中的低对比度目标提供极度的对比度。总的来说，对于典型的图像而言，用户可以找出中范围AC值来提供最期望的图像质量并且通常可以在该范围内对AC值进行微调。
图6示出了根据发明一个实施例的用于处理图像的框图600。例如，图600中所示的操作可以是AC算法的可以由图像采集系统100(图1)来实施的示例性操作。数字化的信号602(例如来自红外传感器的红外图像信号的输入帧)被提供，并且低通滤波操作604(例如非线性双边滤波操作)被实施于信号602，并且直方图操作614(例如为了生成全动态范围直方图)被实施于信号602。滤波操作604通过使用对应于AC值(其例如由用户提供)的细节定义(definition)来提供背景部605。当双边滤波器被用作低通滤波器时，所选的AC将通过设置所述双边滤波器中的参数σR的标准差来定义细节。这有效地限定了成为细节图像621的一部分的信号的最大幅度。一个例子是，与所述所选变量σR的辐射距离有关的辐射权重可以被存储在查找表(LUT)中以供滤波操作604引用(而不是计算)。
例如，简要地参考图7，根据本发明的一个实施例，针对变量σR的两个示例性的值示出了与辐射距离有关的辐射权重的图。具体而言，所述图图解说明了变量σR(例如低通滤波器西格玛R参数)的设定的改变将如何影响辐射权重，其中该图示出了变量σR的两个不同值的绘图。该曲线的形状是使用变量σR(例如辐射高斯分布的标准差)的标准高斯分布(其在等式(3)中被阐明)，并且其中DR是辐射距离。变量σR的较高的值通常可能导致细节层中的较大平滑度和较高幅度的信号，而变量σR的较低的值通常可能导致细节图像中的SNR随着该值降低到噪声的标准差而降低。
e D R 2 2 σ R 2 - - - ( 3 )
通过应用由直方图操作614所提供的直方图而对来自滤波操作604的背景部605实施处理操作606，以提供直方图均衡和输出经过均衡的背景部607。例如，所应用的直方图可以被延迟元件616延迟一帧以及可选地被处理620，比如以便忽略小的边远部(例如直方图的极度细节的0.3％，其可能是错误数据)。具体而言，作为处理操作606的一个例子，背景LUT可以基于由直方图操作614所提供的直方图而被生成并且被应用于背景部605(例如以便将背景部的动态范围转化成所期望的动态范围)以提供经过均衡的背景部607。
可以针对AC算法的处理操作606通过操作620修改背景LUT，比如例如以便减少背景LUT的值从一帧到下一帧的剧变(例如提供低通时域滤波，IIR)。例如，操作620可以根据在前帧的经过IIR滤波的LUT的某个百分率(例如90％)和来自当前帧的LUT的某个百分率(例如10％)形成背景直方图均衡LUT。
通过从信号602减去(例如利用减法器610)由滤波操作604所提供的背景部605来生成细节部621(即第二部分或细节图像)。然后，如前面所讨论的那样，基于D2BR(细节背景比)值并且利用基于由用户选择的相应AC值的D2BR值对所述细节部进行定标(例如利用乘法器622)，以提供经过定标的细节部623。经过均衡的背景部607被加到(例如利用加法器624)经过定标的细节部623，以合并所述数据并且提供图像数据的输出帧626。假定在直方图均衡步骤内未对背景部进行定标，则可以应用单独的定标步骤618(例如使用乘法器)，以匹配经过定标的细节部的动态范围。可选地，可以将最后的定标步骤应用于合并后(相加后)的AC图像，以将信号定标到所期望的输出动态范围(例如一些视频标准所要求的动态范围)。
总的来说，根据本发明的一个实施例，可以实施AC算法(AC滤波器)来将图像信号分割成两部分，其中第一部分包含该图像的背景(低通)信息，并且第二部分包含该图像的细节(更精细的)信息。可以简单地通过从原图像信号减去(例如高通滤波器操作)背景信息来获得第二部分。可以通过对细节信息(或者背景信息)进行定标来生成AC算法的最终输出，使得无论该图像的当前动态范围如何，细节信息都将在所产生的图像中清晰可见。
另一例子是，低通滤波器可以用于获得背景信息，并且可以被设计为使得其将不破坏该图像中的锐利边缘。根据定义，线性低通滤波器将破坏边缘，因为其即使在穿过锐利边界的情况下仍然计算相邻像素的简单加权平均。因此，可以在AC算法中使用双边滤波器来不仅根据位置的接近度(接近于正在被滤波的像素)而且还根据辐射近接度来动态地计算相邻像素的权重。因此，可以给具有比正在被滤波的像素显著更高或更低信号强度的相邻像素赋予0或接近0的权重。
另一例子是，AC算法可以将背景和细节信息线性地定标到某个所期望的预先定义的范围。例如，典型的设定可以将可用的输出范围(例如256)分成两个大致相等的部分。该方法可能对于一般的动态范围场景以及对于具有还算线性的响应的传感器(例如LWIR、比如QWIP)是足够的。然而，对于具有大的热对象的场景或者具有更加非线性的响应的探测器(MWIR InSb探测器)，该方法可能不够。例如，将背景的高动态范围从14比特域线性映射到8比特域可能使所述热对象变为白色并且使其余背景变为均匀的灰色，这导致不能令人满意的图像质量。可替代地，根据一个或多个实施例，可以将直方图均衡应用于背景信息，以提供颜色的更佳的分布。例如，为了保持图像的一些辐射性质(例如还应当为显而易见的是：该场景中存在非常热的对象)，所指定的背景动态范围的份额(例如25％)可以被保持以用于线性或对数线性的映射。
另一例子是，LUT可以被在AC滤波器的直方图均衡操作中被创建，并且可以包括两部分，其中一部分是标准LUT，其与该范围中的像素数目成比例地对该范围进行定标，并且另一部分是直接线性映射。例如，通常为背景所保留的范围的25％将被线性映射，其中所计算出的LUT被用于下一帧。附加地，可以将低通滤波器应用于该LUT以减轻值的突变。
在适用时，本发明的各个实施例可以使用硬件、软件或者硬件与软件的各个组合来实施。在适用时，在不偏离本公开的范围和功能的情况下，在此所阐明的各个硬件部件和/或软件部件可以被组合成包括软件、硬件和/或二者的复合部件。在适用时，在不偏离本公开的范围和功能的情况下，在此所阐明的各个硬件部件和/或软件部件可以被分离成具有软件、硬件和/或二者的子部件。在适用时可以预期：软件部件可以被实施为硬件部件，并且反之亦然。
根据本公开，软件，比如示例性程序代码和/或数据可以被存储在一个或多个计算机可读介质上。还可预期：在此所标识出的软件可以使用一个或多个通用或专用的计算机和/或计算机系统(联网的和/或未联网的)来实施。在适用时，对在此所述的各个步骤的排序可以被改变、组合成复合步骤、和/或被分离成子步骤以提供在此所述的特征。
在此所述的实施例示出了本发明但是并不限制本发明。还应当理解，根据本发明的原理，许多修改和变型是可能的。因此，本发明的范围仅由下面的权利要求书来限定。

Claims (23)

1.一种用于处理红外图像的方法，其特征在于，该方法包括：
处理所述红外图像以提供所述红外图像的背景部和所述红外图像的细节部；
对所述背景部和/或细节部进行定标以相对于所述背景部的水平提供所述细节部的水平；
在所述定标以后将所述背景部和所述细节部合并以提供经过处理的红外图像；以及
存储所述经过处理的红外图像。
2.根据权利要求1所述的方法，其特征在于，该方法进一步包括：
在合并所述背景部和细节部以前对所述背景部实施直方图均衡。
3.根据权利要求2所述的方法，其特征在于，处理所述红外图像包括：
对所述红外图像进行滤波以提供背景部；以及
从所述红外图像减去所述背景部以提供细节部。
4.根据权利要求3所述的方法，其特征在于，所述滤波将双边滤波器应用于所述红外图像，并且所述双边滤波器使用对应于用户输入值的滤波器参数。
5.根据权利要求4所述的方法，其特征在于，该方法进一步包括：存储与滤波器参数的辐射距离有关的辐射权重值的表以供滤波使用。
6.根据权利要求1所述的方法，其特征在于，所述定标被仅仅应用于细节部以相对于背景部的水平提供所述细节部的水平。
7.根据权利要求6所述的方法，其特征在于，用于相对于背景部的水平提供细节部的水平的定标基于对应于用户输入值的增益比。
8.根据权利要求1所述的方法，其特征在于，该方法进一步包括：
采集红外图像；以及
显示经过处理的红外图像。
9.根据权利要求1所述的方法，其特征在于，该方法进一步包括从用户接收控制信号值，其中对应于所述控制信号值所述处理和定标分别使用滤波和增益值。
10.根据前述权利要求任一所述的方法，其特征在于，通过两个变量来控制背景部和细节部的合并。
11.根据权利要求10所述的方法，其特征在于，一个变量表示辐射高斯分布的标准差。
12.根据权利要求10或11所述的方法，其特征在于，另一变量表示细节部的动态范围与背景部的动态范围之间的比。
13.一种红外图像采集系统，其特征在于，该系统包括：
图像采集部件，其适于采集红外图像；
处理部件；
存储部件，其适于存储信息以控制所述处理部件实施红外图像处理，所述红外图像处理包括：
对所述红外图像进行滤波以提供所述红外图像的背景部和所述红外图像的细节部；
对所述背景部和/或细节部进行定标以相对于所述背景部的水平提供所述细节部的水平；
在所述定标以后将所述背景部和所述细节部合并以提供经过处理的红外图像；以及
存储所述经过处理的红外图像。
14.根据权利要求13所述的红外图像采集系统，其特征在于，该系统进一步包括显示部件，所述显示部件适于显示经过处理的红外图像。
15.根据权利要求13所述的红外图像采集系统，其特征在于，该系统进一步包括传感部件，所述传感部件适于给所述处理部件提供环境信息。
16.根据权利要求13所述的红外图像采集系统，其特征在于，该系统进一步包括用户控制部件，所述用户控制部件适于允许用户选择处理控制值来控制所述滤波和定标。
17.根据权利要求16所述的红外图像采集系统，其特征在于，由所述处理部件所实施的红外图像处理进一步包括：在合并所述背景部和细节部以前对所述背景部实施直方图均衡。
18.根据权利要求17所述的红外图像采集系统，其特征在于，对所述红外图像进行滤波包括：
将双边滤波器应用于所述红外图像，其中所述双边滤波器使用对应于处理控制值的滤波器参数；以及
从所述红外图像减去所述背景部以提供细节部。
19.根据权利要求18所述的红外图像采集系统，其特征在于，所述定标被仅仅应用于细节部以相对于所述背景部的水平提供所述细节部的水平，并且其中所述定标基于对应于处理控制值的增益比。
20.一种计算机可读介质，其特征在于在该介质上存储有用于实施如下方法的信息，该方法包括：
对所述红外图像进行滤波以提供所述红外图像的背景部和所述红外图像的细节部；
对所述背景部和/或细节部进行定标以相对于所述背景部的水平提供细节部的水平；
对所述背景部实施直方图均衡；
在所述定标以后将所述背景部和所述细节部合并以提供经过处理的红外图像；以及
存储所述经过处理的红外图像。
21.根据权利要求20所述的计算机可读介质，其特征在于，所述信息包括自适应对比度(AC)滤波算法，并且该方法进一步包括接收对应于滤波器值的AC值以及增益值以分别供所述滤波和定标使用。
22.根据权利要求21所述的计算机可读介质，其特征在于，对所述红外图像进行滤波包括：
将双边滤波器应用于所述红外图像，其中所述双边滤波器使用滤波器值；
从所述红外图像减去所述背景部以提供细节部；以及
其中所述定标被仅仅应用于细节部以相对于背景部的水平提供所述细节部的水平，并且其中所述定标使用增益值。
23.根据权利要求22所述的计算机可读介质，进一步包括：
采集红外图像；以及
显示经过处理的红外图像。
CN2007801005388A 2007-07-09 2007-07-09 用于处理红外图像的方法、红外图像采集系统以及计算机可读介质 Expired - Fee Related CN101802866B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/SE2007/000669 WO2009008778A1 (en) 2007-07-09 2007-07-09 Method of processing an infrared image, infrared image capturing system and computer readable medium

Publications (2)

Publication Number Publication Date
CN101802866A true CN101802866A (zh) 2010-08-11
CN101802866B CN101802866B (zh) 2012-12-12

Family

ID=40228803

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2007801005388A Expired - Fee Related CN101802866B (zh) 2007-07-09 2007-07-09 用于处理红外图像的方法、红外图像采集系统以及计算机可读介质

Country Status (6)

Country Link
US (1) US9215384B2 (zh)
EP (1) EP2174291B1 (zh)
KR (1) KR101456319B1 (zh)
CN (1) CN101802866B (zh)
IL (1) IL203123A (zh)
WO (1) WO2009008778A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103493472A (zh) * 2011-02-25 2014-01-01 菲力尔系统公司 模块化的红外摄像机系统及方法
CN103767698A (zh) * 2014-01-22 2014-05-07 中国科学院合肥物质科学研究院 一种基于近红外光谱技术的静脉动态特性分析装置及其分析方法
CN107341775A (zh) * 2017-06-16 2017-11-10 广东欧珀移动通信有限公司 图像处理方法和装置

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10425595B2 (en) 2007-11-28 2019-09-24 Flir Systems, Inc. Modular camera systems and methods
US20110279673A1 (en) * 2007-11-28 2011-11-17 Flir Systems, Inc. Maritime controls systems and methods
US8149273B2 (en) * 2007-11-30 2012-04-03 Fuji Xerox Co., Ltd. System and methods for vital sign estimation from passive thermal video
CN101789235B (zh) * 2009-01-22 2011-12-28 华为终端有限公司 一种图像处理方法及装置
US8749635B2 (en) 2009-06-03 2014-06-10 Flir Systems, Inc. Infrared camera systems and methods for dual sensor applications
US9843743B2 (en) 2009-06-03 2017-12-12 Flir Systems, Inc. Infant monitoring systems and methods using thermal imaging
US9716843B2 (en) 2009-06-03 2017-07-25 Flir Systems, Inc. Measurement device for electrical installations and related methods
US10044946B2 (en) 2009-06-03 2018-08-07 Flir Systems Ab Facilitating analysis and interpretation of associated visible light and infrared (IR) image information
US10091439B2 (en) 2009-06-03 2018-10-02 Flir Systems, Inc. Imager with array of multiple infrared imaging modules
JP2011147109A (ja) * 2009-12-16 2011-07-28 Canon Inc 撮像装置及び画像処理装置
FR2956496B1 (fr) * 2010-02-17 2012-03-09 Commissariat Energie Atomique Procede de mesure en ligne de rayonnements ionisants
US9277141B2 (en) * 2010-08-12 2016-03-01 Raytheon Company System, method, and software for image processing
JP5367667B2 (ja) * 2010-09-21 2013-12-11 株式会社東芝 画像処理装置
EP2640268B1 (en) * 2010-11-17 2016-02-03 Koninklijke Philips N.V. System and method for converting an input signal into an output signal
CA2780595A1 (en) * 2011-06-22 2012-12-22 Roman Palenychka Method and multi-scale attention system for spatiotemporal change determination and object detection
US8976249B2 (en) * 2011-11-04 2015-03-10 Empire Technology Development Llc IR signal capture for images
SE537154C2 (sv) * 2011-11-09 2015-02-24 Flir Systems Ab Bildbehandlingsmetod och anordning för dynamisk autojustering av IR-bild
US10728468B2 (en) 2013-07-17 2020-07-28 Fluke Corporation Activity and/or environment driven annotation prompts for thermal imager
WO2016022374A1 (en) 2014-08-05 2016-02-11 Seek Thermal, Inc. Local contrast adjustment for digital images
US9930324B2 (en) 2014-08-05 2018-03-27 Seek Thermal, Inc. Time based offset correction for imaging systems
US9924116B2 (en) 2014-08-05 2018-03-20 Seek Thermal, Inc. Time based offset correction for imaging systems and adaptive calibration control
EP3183871B1 (en) 2014-08-20 2020-05-06 Seek Thermal, Inc. Gain calibration for an imaging system
WO2016028755A1 (en) 2014-08-20 2016-02-25 Seek Thermal, Inc. Adaptive adjustment of operating bias of an imaging system
DE102014115292A1 (de) * 2014-10-21 2016-04-21 Connaught Electronics Ltd. Verfahren zum Bereitstellen von Bilddateien von einem Kamerasystem, Kamerasystem und Kraftfahrzeug
US10600164B2 (en) 2014-12-02 2020-03-24 Seek Thermal, Inc. Image adjustment based on locally flat scenes
US10467736B2 (en) 2014-12-02 2019-11-05 Seek Thermal, Inc. Image adjustment based on locally flat scenes
US9947086B2 (en) 2014-12-02 2018-04-17 Seek Thermal, Inc. Image adjustment based on locally flat scenes
CN104517267B (zh) * 2014-12-23 2017-05-10 电子科技大学 一种基于“谱”反演的红外图像增强与重建方法
US9549130B2 (en) 2015-05-01 2017-01-17 Seek Thermal, Inc. Compact row column noise filter for an imaging system
US10867371B2 (en) 2016-06-28 2020-12-15 Seek Thermal, Inc. Fixed pattern noise mitigation for a thermal imaging system
US20190141236A1 (en) 2017-11-06 2019-05-09 Fluke Corporation Inspection workflow using ojbect recognition and other techniques
US11276152B2 (en) 2019-05-28 2022-03-15 Seek Thermal, Inc. Adaptive gain adjustment for histogram equalization in an imaging system
CN110570374B (zh) * 2019-09-05 2022-04-22 湖北南邦创电科技有限公司 一种对红外传感器所获得图像的处理方法
CN111291885B (zh) 2020-01-20 2023-06-09 北京百度网讯科技有限公司 近红外图像的生成方法、生成网络的训练方法和装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3629409C2 (de) 1986-08-29 1994-02-17 Agfa Gevaert Ag Verfahren und Vorrichtung zur Kontrastbewertung bei der elektronischen Bildverarbeitung
EP1357398B1 (en) * 1996-04-01 2011-01-26 Lockheed Martin Corporation Combined laser/FLIR optics system
KR0176601B1 (ko) * 1996-05-21 1999-05-01 김광호 저역 필터링과 히스토그램 등화를 이용한 화질개선 방법 및 그 회로
US5835618A (en) 1996-09-27 1998-11-10 Siemens Corporate Research, Inc. Uniform and non-uniform dynamic range remapping for optimum image display
KR100344807B1 (ko) 2000-01-12 2002-07-20 엘지전자주식회사 영상 신호 보정 장치 및 방법
US6906725B2 (en) * 2002-02-22 2005-06-14 L-3 Communications Corporation Apparatus and method for simulating sensor imagery
EP1404114A1 (de) 2002-09-24 2004-03-31 Agfa-Gevaert AG Digitales Bildverarbeitungsverfahren zur automatischen Kontrastmodifikation
US8593542B2 (en) * 2005-12-27 2013-11-26 DigitalOptics Corporation Europe Limited Foreground/background separation using reference images
KR20070029176A (ko) 2004-05-25 2007-03-13 코닌클리케 필립스 일렉트로닉스 엔.브이. 비디오 신호의 선명도를 향상하는 방법 및 시스템
US7340162B2 (en) * 2005-02-23 2008-03-04 Flir Systems, Inc. Infrared camera systems and methods
US7889950B2 (en) * 2005-08-30 2011-02-15 The Regents Of The University Of California, Santa Cruz Kernel regression for image processing and reconstruction
CN1932882A (zh) * 2006-10-19 2007-03-21 上海交通大学 基于目标检测的红外与可见光序列图像特征级融合方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103493472A (zh) * 2011-02-25 2014-01-01 菲力尔系统公司 模块化的红外摄像机系统及方法
CN103767698A (zh) * 2014-01-22 2014-05-07 中国科学院合肥物质科学研究院 一种基于近红外光谱技术的静脉动态特性分析装置及其分析方法
CN107341775A (zh) * 2017-06-16 2017-11-10 广东欧珀移动通信有限公司 图像处理方法和装置

Also Published As

Publication number Publication date
KR101456319B1 (ko) 2014-11-03
KR20100052468A (ko) 2010-05-19
EP2174291A4 (en) 2013-09-04
IL203123A (en) 2016-08-31
WO2009008778A1 (en) 2009-01-15
EP2174291A1 (en) 2010-04-14
US20100238294A1 (en) 2010-09-23
US9215384B2 (en) 2015-12-15
EP2174291B1 (en) 2017-04-26
CN101802866B (zh) 2012-12-12

Similar Documents

Publication Publication Date Title
CN101802866B (zh) 用于处理红外图像的方法、红外图像采集系统以及计算机可读介质
US10152781B2 (en) Method for image processing using local statistics convolution
KR101030864B1 (ko) 시각 처리 장치, 시각 처리 방법, 시각 처리 프로그램, 집적 회로, 표시 장치, 촬영 장치 및 휴대 정보 단말
CN103069453B (zh) 操作设备以捕捉高动态范围图像
Ma et al. An effective fusion defogging approach for single sea fog image
JP2008159069A5 (zh)
DE112006000457T5 (de) Infrarot-Kamerasystem und -Verfahren
Gao et al. A novel UAV sensing image defogging method
CN103702116B (zh) 一种图像的宽动态压缩方法和装置
Wen et al. Autonomous robot navigation using Retinex algorithm for multiscale image adaptability in low-light environment
JP4126297B2 (ja) 視覚処理装置、視覚処理方法、視覚処理プログラム、集積回路、表示装置、撮影装置および携帯情報端末
Hassan A uniform illumination image enhancement via linear transformation in CIELAB color space
CN104392423A (zh) 基于实时均衡红外图像细节增强算法
RU2437153C2 (ru) Способ обработки инфракрасного изображения, система захвата инфракрасного изображения и машиночитаемый носитель
Vonikakis et al. Multi-scale image contrast enhancement
Lai et al. Improved single image haze removal for intelligent driving
Ueda et al. Gradient-norm-based histogram equalization taking account of HSV color space distribution
Lian et al. Learning tone mapping function for dehazing
CN102572288B (zh) 提升图像的动态范围的方法及装置、一种高速摄像机
Li et al. Visual enhancement based on salient region detection and layered difference representation
Jha et al. Improving Low-Light Images Using an Advanced Histogram Equalization Method and a Self-Calibrated Illumination Technique
Trivedi et al. Infrared and Visible Image Fusion Using Multi-scale Decomposition and Partial Differential Equations
Hershkovitch Neiterman et al. Adaptive Enhancement of Extreme Low-Light Images
Tu et al. Retinex Based Flicker-Free Low-Light Video Enhancement
Duan et al. New segmentation-based tone mapping algorithm for high dynamic range image

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20121212