CN105203465B - 一种超光谱红外成像气体监测装置及其监测方法 - Google Patents
一种超光谱红外成像气体监测装置及其监测方法 Download PDFInfo
- Publication number
- CN105203465B CN105203465B CN201510588025.2A CN201510588025A CN105203465B CN 105203465 B CN105203465 B CN 105203465B CN 201510588025 A CN201510588025 A CN 201510588025A CN 105203465 B CN105203465 B CN 105203465B
- Authority
- CN
- China
- Prior art keywords
- infrared
- image
- gas
- processing system
- imaging
- 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.)
- Active
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种超光谱红外成像气体监测装置,包括红外成像光谱仪、红外热像仪、可见光成像系统、图像处理系统以及综合显示控制系统,所述的红外成像光谱仪、红外热像仪以及可见光成像系统分别和图像处理系统连接,所述的综合显示控制系统分别和红外成像光谱仪、红外热像仪、可见光成像系统以及图像处理系统相连,所述的综合显示控制系统显示系统的输出图像数据以及气体识别结果;还公开了其监测方法,将可见光图像和红外图像进行融合实现气体分布区域的初步探测,采用红外成像光谱仪采集目标区域的超光谱红外数据,将可见光图像、红外图像以及超光谱红外数据输入到图像处理系统进行处理,同时结合可见光图像和红外图像数据估测气体的浓度。
Description
技术领域
本发明属于环境监测技术领域,具体涉及一种基于超光谱红外成像技术的气体种类识别系统及气体种类监测识别方法。
背景技术
随着大气污染问题的加剧,环境问题越来越受到人们的关注,快速、准确地预测出大气污染气体,对环境保护有着巨大的作用。目前,在大气监测中通常采用定点取样的方法,但这种方法所获得的数据,仅能反映取样点很小范围内的空气污染程度,因而在气体实时监测中受到限制。
随着近年来光谱测量技术和红外成像技术的发展,采用超光谱红外成像技术为实时监测大范围气体污染物的成分变化及分布情况提供了可能。这种技术相对于传统的顶点取样方法相比具有很大的优势:a)远距离对气体排放物进行实时监测;b)无需繁琐的取样过程;c)能监控气体羽焰的动态分布,从而判断气体污染区域及扩散趋势。
目前基于超光谱红外成像技术的气体监测技术还处于发展阶段,不同的气体种类,或者同种气体但是不同浓度所辐射的红外光谱都会有差异,辐射的光谱信号经过远距离的大气传输,会受到空气中的粒子的吸收和散射等影响,最终测量得到的光谱数据会存在极大的误差。虽然目前已经开发出一些基于超光谱红外成像技术的气体监测系统,例如文献Remote Sensing of Gases by Hyperspectral Imaging: Results of Measurementsin the Hamburg Port Area中介绍了Bruker公司开发的一款HYGAS高光谱成像仪,其可以识别常见危险气体,但是这种没有充分考虑气体浓度对于测量光谱的影响,其精度还不够高,并且不能对气体浓度进行测量,因此难以满足气体浓度监测的要求。
发明内容
本发明的目的之一是为了解决目前气体监测领域所存在的问题,提供一种基于超光谱红外成像技术的气体监测系统及气体监测识别方法,该系统可以实时地监测气体羽焰的动态变化,识别气体种类,估测气体浓度。
本发明解决其技术问题所采用的技术方案是:一种超光谱红外成像气体监测装置,包括用于采集场景中的红外辐射超光谱数据的红外成像光谱仪、用于采集场景的红外辐射信号的红外热像仪、用于采集场景中的可见光图像的可见光成像系统、用于对红外成像光谱仪采集的数据进行处理的图像处理系统以及对最终的光谱识别结果和可见光图像融合后显示的综合显示控制系统,所述的红外成像光谱仪、红外热像仪以及可见光成像系统分别和图像处理系统连接,所述的综合显示控制系统分别和红外成像光谱仪、红外热像仪、可见光成像系统以及图像处理系统相连,所述的综合显示控制系统显示系统的输出图像数据以及气体识别结果,并给操控人员提供相应的操控界面。
所述的一种超光谱红外成像气体监测装置,其可见光成像系统为可见光摄像机。
本发明的目的之二是提供上述监测装置的监测方法。
本发明解决其技术问题所采用的技术方案是:一种超光谱红外成像气体监测装置的监测方法,包括如下步骤:
I数据库训练阶段
a)、红外热像仪将采集的红外图像输入到图像处理系统;
b)、可见光成像系统将采集的可见光图像输入到图像处理系统;
c)、图像处理系统实现红外图像和可见光图像亚像素级别的配准,并采用通用融合算法实现红外图像和可见光图像的融合,生成伪彩色图像;
d)、图像处理系统将步骤c)获得的伪彩色图像进行分割,提取气体分布区域,计算气体分布区域的统计特征值,并将结果输入到综合显示控制系统;
e)、综合显示控制系统根据分割结果控制红外成像光谱仪采集气体分布区域辐射的红外光谱信号以及背景辐射的红外光谱信号,并将两者的差分信号输入到图像处理系统中;
f)、图像处理系统先利用非线性插值的方法降低超光谱数据的噪声,再利用子空间波段选择和主成分分析相结合的技术实现光谱特征的提取;
g)、重复步骤a)至步骤f),对不同的气体种类和气体浓度进行红外图像、可见光图像以及红外光谱数据的采集,对多种不同气体以及浓度进行多次重复试验,使得数据库中记录大量的气体的红外和可见光融合的图像数据以及气体的红外辐射光谱数据;
II气体监测阶段
h)、红外热像仪将采集的红外图像输入到图像处理系统;
i)、可见光成像系统将采集的可见光图像输入到图像处理系统;
j)、图像处理系统实现红外图像和可见光图像亚像素级别的配准,并采用通用融合算法实现红外图像和可见光图像的融合,生成伪彩色图像;
k)、图像处理系统将步骤j)获得的伪彩色图像进行分割,提取可疑气体分布区域,同时还计算气体分布区域的统计特征值,并将结果输入到综合显示控制系统;
l)、综合显示控制系统根据分割结果控制红外成像光谱仪采集对可疑气体分布区域辐射的红外光谱信号以及背景辐射的红外光谱信号,并将采集到的信号输入到图像处理系统中;
m)、图像处理系统先利用非线性插值的方法降低超光谱数据的噪声,再利用子空间波段选择和主成分分析相结合的技术实现光谱特征的提取;
n) 将步骤k)获得的统计特征以及步骤m)获得的光谱特征和数据库中的数据进行对比,当相似度大于设定的阈值则认为该数据库中相似像素所对应的气体品种和气体浓度为最终的探测结果。
本发明的有益效果在于:采用可见光成像、红外成像、以及红外高光谱探测等多传感器相结合的方法,有效提升了有害气体分布区域探测的速度和气体品种识别的精度,与传统的实验室分析手段相比,本发明结构紧凑稳定,实时性较强,能过在多种平台上实现有害气体的远距离监测。
附图说明
图1是本发明的原理示意图。
各附图标记为:1—红外成像光谱仪,2—红外热像仪,3—可见光成像系统,4—图像处理系统,5—综合显示控制系统。
具体实施方式
下面结合附图对本发明作进一步详细说明。
由图1所示,本发明公开了一种超光谱红外成像气体监测装置,包括用于采集场景中的红外辐射超光谱数据的红外成像光谱仪1、用于采集场景的红外辐射信号的红外热像仪2、采集场景中的可见光图像用于观察的可见光成像系统3、用于对红外成像光谱仪1采集的数据进行处理(主要包括数据预处理、光谱重建、光谱特征提取以及光谱识别)的图像处理系统4以及对最终的光谱识别结果和可见光图像融合后显示的综合显示控制系统5,作为一种具体实施例,所述的可见光成像系统3为可见光摄像机,所述的红外成像光谱仪1、红外热像仪2以及可见光成像系统3分别和图像处理系统4连接,所述的综合显示控制系统5分别和红外成像光谱仪1、红外热像仪2、可见光成像系统3以及图像处理系统4相连,所述的综合显示控制系统5显示系统的输出图像数据以及气体识别结果,并给操控人员提供相应的操控界面。
一种如权利要求1所述的超光谱红外成像气体监测装置的监测方法,包括如下步骤:
I数据库训练阶段
a)、红外热像仪2将采集的红外图像输入到图像处理系统4。
b)、可见光成像系统3将采集的可见光图像输入到图像处理系统4。
c)、图像处理系统4结合相位相关技术和四次曲线拟合实现红外图像和可见光图像亚像素级别的配准,并采用通用融合算法实现红外图像和可见光图像的融合,生成伪彩色图像。其中亚像素配准采用基于相位相关和多项式拟合的方案,包含以下两步:
对待配准的红外图像f 1和可见光图像f 2进行理想低通滤波;
假设红外图像f 1和可见光图像f 2满足的相位差为(x 0,y 0),两幅图像的傅里叶变换分别为F 1和F 2,根据公式
采用四次曲线拟合的方式求出a 1、b 1、c 1、d 1、e 1、a 2、b 2、c 2、d 2、e 2,并最终求得等式右边最大时对应的(x 0, y 0),这就是红外图像f 1和可见光图像f 2之间的亚像素位移量。
d)、图像处理系统4将步骤c)获得的伪彩色图像进行分割,提取气体分布区域,同时还计算气体分布区域的统计特征值,并将结果输入到综合显示控制系统5。
e)、综合显示控制系统5根据分割结果控制红外成像光谱仪1采集气体分布区域辐射的红外光谱信号以及背景辐射的红外光谱信号,并将两者的差分信号输入到图像处理系统4中。
f)、图像处理系统4先利用非线性插值的方法降低超光谱数据的噪声,再利用子空间波段选择和主成分分析相结合的技术实现光谱特征的提取。非线性插值的公式为:
上式中,i表示对应的波段号,N(i)表示波段i的邻域波段,表示波段i的灰度值;权重系数w ij N 反应了以波段i和波段j之间的相似程度,其可以由下式计算得出:
上式中,表示波段j处的梯度,表示设定的平滑参数。
g)、重复步骤a)至步骤f),对不同的气体种类和气体浓度进行红外图像、可见光图像以及红外光谱数据的采集,对多种不同气体以及浓度进行多次重复试验,使得数据库中记录大量的气体的红外和可见光融合的图像数据以及气体的红外辐射光谱数据。
II气体监测阶段
h)、红外热像仪2将采集的红外图像输入到图像处理系统4。
i)、可见光成像系统3将采集的可见光图像输入到图像处理系统4。
j)、图像处理系统4结合相位相关技术和四次曲线拟合实现红外图像和可见光图像亚像素级别的配准,并采用通用融合算法实现红外图像和可见光图像的融合,生成伪彩色图像。其中亚像素配准与步骤c)相同。
k)、图像处理系统4将步骤j)获得的伪彩色图像进行分割,提取可疑气体分布区域,同时还计算气体分布区域的统计特征值,并将结果输入到综合显示控制系统5。
l)、综合显示控制系统5根据分割结果控制红外成像光谱仪1采集对可疑气体分布区域辐射的红外光谱信号以及背景辐射的红外光谱信号,并将采集到的信号输入到图像处理系统4中。
m)、图像处理系统4先利用非线性插值的方法降低超光谱数据的噪声,再利用子空间波段选择和主成分分析相结合的技术实现光谱特征的提取。非线性插值的公式与步骤m)相同。
n)、将步骤k)获得的伪彩色图像中气体区域的统计特征以及步骤m)获得的光谱特征和数据库中的数据进行对比,当相似度大于设定的阈值则认为该数据库中相似像素所对应的气体品种和气体浓度为最终的探测结果。
上述实施例仅例示性说明本发明的原理及其功效,以及部分运用的实施例,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (3)
1.一种超光谱红外成像气体监测方法,其特征在于,基于超光谱红外成像气体监测装置,所述的装置包括用于采集场景中的红外辐射超光谱数据的红外成像光谱仪(1)、用于采集场景中的红外辐射信号的红外热像仪(2)、用于采集场景中的可见光图像的可见光成像系统(3)、用于对红外成像光谱仪(1)采集的数据进行处理的图像处理系统(4)以及对最终的光谱识别结果和可见光图像融合后显示的综合显示控制系统(5),所述的红外成像光谱仪(1)、红外热像仪(2)以及可见光成像系统(3)分别和图像处理系统(4)连接,所述的综合显示控制系统(5)分别和红外成像光谱仪(1)、红外热像仪(2)、可见光成像系统(3)以及图像处理系统(4)相连,所述的综合显示控制系统(5)显示系统的输出图像数据以及气体识别结果,并给操控人员提供相应的操控界面,所述的方法包括如下步骤:
I数据库训练阶段
a)、红外热像仪(2)将采集的红外图像输入到图像处理系统(4);
b)、可见光成像系统(3)将采集的可见光图像输入到图像处理系统(4);
c)、图像处理系统(4)结合相位相关技术和四次曲线拟合实现红外图像和可见光图像亚像素级别的配准,并采用通用融合算法实现红外图像和可见光图像的融合,生成伪彩色图像;
d)、图像处理系统(4)将步骤c)获得的伪彩色图像进行分割,提取气体分布区域,计算气体分布区域的统计特征值,并将结果输入到综合显示控制系统(5);
e)、综合显示控制系统(5)根据分割结果控制红外成像光谱仪(1)采集气体分布区域辐射的红外光谱信号以及背景辐射的红外光谱信号,并将两者的差分信号输入到图像处理系统(4)中;
f)、图像处理系统(4)先利用非线性插值的方法降低超光谱数据的噪声,再利用子空间波段选择和主成分分析相结合的技术实现光谱特征的提取;
g)、重复步骤a)至步骤f),对不同的气体种类和气体浓度进行红外图像、可见光图像以及红外光谱数据的采集,对多种不同气体以及浓度进行多次重复试验,使得数据库中记录大量的气体的红外和可见光融合的图像数据以及气体的红外辐射光谱数据;
II气体监测阶段
h)、红外热像仪(2)将采集的红外图像输入到图像处理系统(4);
i)、可见光成像系统(3)将采集的可见光图像输入到图像处理系统(4);
j)、图像处理系统(4)结合相位相关技术和四次曲线拟合实现红外图像和可见光图像亚像素级别的配准,并采用通用融合算法实现红外图像和可见光图像的融合,生成伪彩色图像;
k)、图像处理系统(4)将步骤j)获得的伪彩色图像进行分割,提取可疑气体分布区域,同时还计算气体分布区域的统计特征值,并将结果输入到综合显示控制系统(5);
l)、综合显示控制系统(5)根据分割结果控制红外成像光谱仪(1)采集对可疑气体分布区域辐射的红外光谱信号以及背景辐射的红外光谱信号,并将采集到的信号输入到图像处理系统(4)中;
m)、图像处理系统(4)先利用非线性插值的方法降低超光谱数据的噪声,再利用子空间波段选择和主成分分析相结合的技术实现光谱特征的提取;
n)、将步骤k)获得的统计特征以及步骤m)获得的光谱特征和数据库中的数据进行对比,当相似度大于设定的阈值则认为该数据库中相似像素所对应的气体品种和气体浓度为最终的探测结果。
2.根据权利要求1所述的一种超光谱红外成像气体监测方法,其特征在于,所述的步骤c)和步骤j)中,亚像素配准采用基于相位相关和多项式拟合的方案,包含以下两步:
3.1)、对待配准的红外图像f 1和可见光图像f 2进行理想低通滤波;
3.2)、假设红外图像f 1和可见光图像f 2满足的相位差为(x 0,y 0),两幅图像的傅里叶变换分别为F 1和F 2,根据公式
采用四次曲线拟合的方式求出a 1、b 1、c 1、d 1、e 1、a 2、b 2、c 2、d 2、e 2,并最终求得等式右边最大时对应的(x 0, y 0),这就是红外图像f 1和可见光图像f 2之间的亚像素位移量。
3.根据权利要求2所述的一种超光谱红外成像气体监测方法,其特征在于,所述的步骤f)和步骤m)中,非线性插值的公式为:
上式中,i表示对应的波段号,N(i)表示波段i的邻域波段,表示波段i的灰度值;权重系数w ij N 反应了以波段i和波段j之间的相似程度,其可以由下式计算得出:
上式中,表示波段j处的梯度,表示设定的平滑参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510588025.2A CN105203465B (zh) | 2015-09-16 | 2015-09-16 | 一种超光谱红外成像气体监测装置及其监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510588025.2A CN105203465B (zh) | 2015-09-16 | 2015-09-16 | 一种超光谱红外成像气体监测装置及其监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105203465A CN105203465A (zh) | 2015-12-30 |
CN105203465B true CN105203465B (zh) | 2018-03-16 |
Family
ID=54951260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510588025.2A Active CN105203465B (zh) | 2015-09-16 | 2015-09-16 | 一种超光谱红外成像气体监测装置及其监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105203465B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106018316B (zh) * | 2016-05-23 | 2018-11-09 | 湖北久之洋红外系统股份有限公司 | 一种基于高光谱红外图像处理的气体检测方法 |
CN106485745A (zh) * | 2016-10-21 | 2017-03-08 | 昆明理工大学 | 一种微波反应腔温度场三维立体重构方法 |
CN107992857A (zh) * | 2017-12-25 | 2018-05-04 | 深圳钰湖电力有限公司 | 一种高温蒸汽泄漏自动巡检识别方法及识别系统 |
CN108828050A (zh) * | 2018-06-22 | 2018-11-16 | 云南师范大学 | 一种毒气智能监测系统及监测方法 |
CN109164057A (zh) * | 2018-10-12 | 2019-01-08 | 北京环境特性研究所 | 化学气体红外多谱段成像遥感监测系统、设备及方法 |
CN111351571B (zh) * | 2018-12-22 | 2022-07-05 | 上海市刑事科学技术研究院 | 一种宽波段高光谱成像系统及其成像方法 |
CN112525348A (zh) * | 2019-09-19 | 2021-03-19 | 杭州海康微影传感科技有限公司 | 工业废气的监测方法、装置及系统 |
CN112145976A (zh) * | 2020-08-12 | 2020-12-29 | 海隆石油工业集团有限公司 | 基于红外气云成像的探测系统、方法及应用该系统的机器人 |
CN112464017B (zh) * | 2021-01-27 | 2021-05-14 | 中国工程物理研究院流体物理研究所 | 一种红外物证提取仪、光谱特征库建立方法和利用方法 |
CN116049641B (zh) * | 2023-04-03 | 2023-06-30 | 中国科学院光电技术研究所 | 一种基于红外光谱的点目标特征提取方法 |
CN117783051B (zh) * | 2024-02-28 | 2024-06-14 | 西安尚展信息科技有限公司 | 一种基于多传感器数据融合的甲烷气体泄漏检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201322681Y (zh) * | 2008-11-17 | 2009-10-07 | 浙江红相科技有限公司 | 基于红外热像技术的sf6气体泄漏激光成像仪 |
CN102169557A (zh) * | 2011-03-10 | 2011-08-31 | 王桥 | 环境遥感应用系统 |
CN103413395A (zh) * | 2013-08-15 | 2013-11-27 | 北京声迅电子股份有限公司 | 烟气智能检测预警方法及装置 |
-
2015
- 2015-09-16 CN CN201510588025.2A patent/CN105203465B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201322681Y (zh) * | 2008-11-17 | 2009-10-07 | 浙江红相科技有限公司 | 基于红外热像技术的sf6气体泄漏激光成像仪 |
CN102169557A (zh) * | 2011-03-10 | 2011-08-31 | 王桥 | 环境遥感应用系统 |
CN103413395A (zh) * | 2013-08-15 | 2013-11-27 | 北京声迅电子股份有限公司 | 烟气智能检测预警方法及装置 |
Non-Patent Citations (1)
Title |
---|
改进的地基红外超光谱数据痕量气体反演方法;江澄等;《光学学报》;20110731;第31卷(第7期);第0701002-1-5页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105203465A (zh) | 2015-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105203465B (zh) | 一种超光谱红外成像气体监测装置及其监测方法 | |
Liu et al. | Estimating leaf area index using unmanned aerial vehicle data: shallow vs. deep machine learning algorithms | |
US20220120616A1 (en) | Equipment and method for three-dimensional radiance and gas species field estimation in an open combustion environment | |
DadrasJavan et al. | UAV-based multispectral imagery for fast Citrus Greening detection | |
US8462983B2 (en) | Method and apparatus for gas detection based on spectral spatial misregistration | |
CN112131746B (zh) | 叶绿素a浓度反演方法及系统 | |
Duan et al. | Land surface reflectance retrieval from hyperspectral data collected by an unmanned aerial vehicle over the Baotou test site | |
CN105181606B (zh) | 基于高光谱成像技术检测花生中蔗糖含量分布的方法 | |
CN106017678A (zh) | 一种热红外高光谱遥感数据在轨光谱定标方法 | |
CN105115910A (zh) | 基于高光谱成像技术检测花生中蛋白质含量分布的方法 | |
CN109870419B (zh) | 一种采用航空高光谱数据预测黑土氮磷钾含量的方法 | |
CN109959621B (zh) | 一种基于中高分辨率时序遥感数据的水环境分析方法 | |
CN114199800A (zh) | 一种水稻纹枯病识别方法、系统、设备及介质 | |
CN111462254A (zh) | 一种多光谱监测方法与系统 | |
Vallières et al. | Algorithms for chemical detection, identification and quantification for thermal hyperspectral imagers | |
Kastek et al. | Method of gas detection applied to infrared hyperspectral sensor | |
Stobbelaar et al. | Prediction of leaf area index using thermal infrared data acquired by UAS over a mixed temperate forest | |
Al-Saddik et al. | Protocol for the definition of a multi-spectral sensor for specific foliar disease detection: Case of “Flavescence dorée” | |
CN102609963B (zh) | 高光谱图像的模拟方法 | |
Tian et al. | A new method for estimating signal-to-noise ratio in UAV hyperspectral images based on pure pixel extraction | |
CN114136445B (zh) | 一种提高无人机机载高光谱辐射校正精度的方法 | |
KR102309680B1 (ko) | 주성분 분석 기법을 이용한 초분광 영상 실시간 독성 화학가스 탐지 방법 및 이를 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체 | |
CN105841820A (zh) | 一种轧件温度在线监测系统 | |
Bloechl et al. | A comparison of real and simulated airborne multisensor imagery | |
Ozturk et al. | Importance of band selection for ethene and methanol gas detection in hyperspectral imagery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |