CN106772417A - 一种动目标多维度多尺度红外光谱特征测量方法及系统 - Google Patents
一种动目标多维度多尺度红外光谱特征测量方法及系统 Download PDFInfo
- Publication number
- CN106772417A CN106772417A CN201611268920.7A CN201611268920A CN106772417A CN 106772417 A CN106772417 A CN 106772417A CN 201611268920 A CN201611268920 A CN 201611268920A CN 106772417 A CN106772417 A CN 106772417A
- Authority
- CN
- China
- Prior art keywords
- target
- infrared
- various dimensions
- measurement
- infrared spectrum
- 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
Links
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 40
- 238000000691 measurement method Methods 0.000 title claims abstract description 10
- 238000001228 spectrum Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000004566 IR spectroscopy Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims description 33
- 230000033001 locomotion Effects 0.000 claims description 25
- 230000005855 radiation Effects 0.000 claims description 20
- 230000003595 spectral effect Effects 0.000 claims description 18
- 238000003331 infrared imaging Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000004611 spectroscopical analysis Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000000386 athletic effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/50—Systems of measurement based on relative movement of target
- G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/02—Constructional details
- G01J5/08—Optical arrangements
- G01J5/0808—Convex mirrors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
- H04N23/55—Optical parts specially adapted for electronic image sensors; Mounting thereof
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
-
- 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
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种动目标多尺度多维度红外光谱特征测量方法及系统,属于图像处理、红外光谱测量领域。本发明主要为解决对动目标红外光谱特征测不到,测不准的问题。本发明方法包括:(1)建立目标红外光谱多维度多尺度特征表示公式,从中提取目标红外光谱精确模型。(2)从中提取感兴趣区域精确定位方法,识别感兴趣区域各部件位置信息。(3)从中提取多框架伺服控制方法,解决目标红外光谱测不到问题。本发明将红外光谱数据及图像数据结合进行处理,从而实现测准。
Description
技术领域
本发明属于图像处理、运动控制、红外光谱特征的交叉领域,具体涉及一种动目标多维度多尺度红外光谱特征测量方法及系统。
背景技术
成像红外光谱仪是遥感发展的成就之一,人类利用光学技术对目标识别的方法主要有光学成像技术和光学成谱技术。光学成像技术主要获取目标的几何特征、灰度特征。但单一的图像信息无法获取目标成分红外光谱信息,在低空条件下无法进行定性分析,在太空环境下无法进行定量分析。红外光谱分析技术是根据红外光谱学相关原理获得目标成分、状态信息,但是缺乏目标图像特征信息。成像红外光谱仪器将成像和成谱技术结合起来,可以获取目标的图像特征,以及目标红外光谱特征。因此在20世纪八十年代提出成像红外光谱仪,将成像和成谱技术结合的测量设备,目前设备主要缺点是无效红外光谱数据量过大,无法实时处理红外光谱数据,目标红外光谱与背景红外光谱混杂,无法精确获取目标红外光谱特征。
发明内容
本发明旨在提供一种能够克服红外光谱成像仪器无法实时获取目标多维度多尺度信息、无法满足获取目标精确特征模型的缺点的红外光谱特征测量方法。
为了实现上述目的,本发明提供了一种动目标多维度多尺度红外光谱特征测量方法,包括如下步骤:
(1)建立物方目标红外光谱特征多维度多尺度模型,从中提取物方感兴趣区域测量模型;
(2)对实测红外图像进行目标检测,识别目标各感兴趣区域位置信息;跟踪目标获得两帧之间目标像素差以及目标运动方向,然后根据两帧之间目标像素差进行目标运动补偿;
(3)对步骤(2)识别出的目标作扫描,成功捕获跟踪目标图像后,控制内框指向各感兴趣目标,并根据目标运动方向信息,在相对于运动方向偏移90°的方向上作N个像素大小的运动,开启测谱模块,记录此时测量设备与目标之间距离信息,测量方位立体角信息、尺度信息、时间维信息,将上述信息输入步骤(1)获得的物方目标红外光谱特征多维度多尺度模型,得到像方目标红外光谱特征多维度多尺度模型。
进一步地,步骤(1)还包括如下子步骤:
(1.1)对需要测量的目标建立三维模型;
(1.2)从三维模型中确定测量目标的感兴趣区域部位,并对上述部位的三维模型进行材质划分,以确定辐射源;
(1.3)对辐射源红外光谱特征进行测量,得到特定角度下物方红外光谱特征分布。
进一步地,物方的目标红外光谱辐射测量特性表达如下:
Frad(x,y,z,ω,S,T) (1)
其中,Frad()表示目标在地球坐标系下位置(x,y,z)、测量角度ω、尺度S、时间维度T的情况下目标的辐射强度;
像方的目标辐射测量特性函数有如下两种情况:
作为点状、斑状目标的辐射测量特性frad1表达如下:
frad1=frad(θ,λ,r) (2)
其中,为测量仪器所处的方位立体角,λ为红外光谱变量,r为测量仪器与目标的距离;
作为面目标的辐射测量特性frad2表达如下:
其中,为目标空间分布,为测量仪器所处的方位立体角,λ为红外光谱变量,r为测量仪器与目标的距离。
进一步地,步骤(2)包括如下子步骤:
(2.1)对输入的实测红外图像进行多线程操作,包括:
线程1:超像素分割获得天空背景、地面背景、目标区域等,根据分割结果并测量目标面积、灰度特征识别背景区域,作为负样本;
线程2:提取全图 HOG特征,根据滑动窗口方法区分背景与目标区域,获得疑似目标,作为正样本;
线程3:利用全卷积神经网络,对输入图像检测出目标,作为正样本;
(2.2)将上述线程得到的结果,输入已预先训练好的支持向量机分类器中获得目标图像位置信息(x,y);
(2.3)对目标图像做高斯金字塔获得图像多尺度信息后输入已训练的卷积神经网络,获得目标各感兴趣区域相对于目标中心位置的像素差(▽x,▽y);
(2.4)按照步骤(2.2)检测出两帧目标图像位置信息并进行处理,获得两帧图像目标的帧差、运动目标方向信息;按照步骤(2.3)得到的两帧之间目标像素差进行目标运动补偿。
为了实现上述目的,本发明还提供了用于上述测量方法的测量系统,其特征在于,包括:工控机、转镜、分光镜、中波镜头、长波镜头、非成像红外光谱测量单元、长波红外成像单元;工控机的控制接口连接转镜;中波镜头安装在非成像红外光谱测量单元上,非成像红外光谱测量单元的输出端连接工控机的输入端;长波镜头安装在长波红外成像单元上,长波红外成像单元的输出端连接工控机的输入端;
其中,转镜用于将感兴趣目标的光线反射给分光镜,分光镜用于将接收到的反射光线分成中波和长波分别传递给中波镜头和长波镜头,再分别通过中波镜头和长波镜头传递给非成像红外光谱测量单元和长波红外成像单元进行处理;非成像红外光谱测量单元用于将接收到的中波处理成红外光谱数据并传输到工控机;长波红外成像单元用于将接收到的长波处理成图像数据并传输到工控机;工控机用于控制转镜的转向,以及处理接收到的红外光谱数据和图像数据,得到动目标多维度多尺度红外光谱特征。
进一步地,转镜采用四框伺服控制,包括由内到外依次设置的反射镜、内俯仰框、内方位框、外俯仰框、外方位框。
与现有技术相比,本发明通过预先建立三维模型,并将三维模型与实测处理后的红外光谱结合、对比,建立目标红外光谱多维度多尺度特征表示公式,提出目标红外光谱精确模型,提出感兴趣目标精确定位方法,识别感兴趣目标各部件位置,解决现有目标红外光谱特征表达不完整、不准确以及红外光谱测不到、测不准的问题。
附图说明
图1为本发明的总体流程图;
图2为F16战斗机红外仿真图像;
图3为8μm~14μm波段,1.25米分辨率的F16飞机仿真图像库部分图像;
图4为飞机感兴趣区域标记图;
图5为飞机红外光谱特征组成图;
图6为通过不同方位角测得的飞机红外光谱数据图;
图7为多框架伺服结构图;
图8为系统结构示意图;
图9为实际红外图感兴趣区域检测结果图;
图10为红外扫描示意图;
图11为实际红外图跟踪测谱结果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
请参照图1,为本发明的总体流程图。本发明包括如下步骤:
(1)建立物方目标红外光谱特征多维度多尺度模型,从中提取感兴趣区域测量的过程模型。此模型主要目的为满足目标精确测谱需求。
(1.1)对需要测量的目标建立三维模型;
(1.2)确定测量目标的感兴趣区域部位,并对三维模型进行材质划分。对于立体目标而言,目标每个点(x,y,z)都有红外光谱特征,每个点都有温度,发射率可能不同,对于时敏目标而言,目标发生运动会导致目标红外光谱特征改变。以飞机为例,建模如图4所示,其红外光谱特征的辐射源主要包括,反射太阳辐射、反射地球辐射、发动机进气部件辐射、气动加热的蒙皮辐射、发动机热部件辐射、尾焰辐射。各感兴趣区域测量红外光谱如图5所示。
(1.3)根据飞机辐射源红外光谱特征分布测量获得数据,可得到特定角度下飞机红外光谱特征分布,从不同角度测量目标红外光谱,可得到不同角度下目标红外光谱特征,由图6所示,可知飞机的红外光谱特性在不同的观测方位角上变化很大。
物方的飞机目标辐射特性可表达为:
Frad(x,y,z,ω,S,T) (1)
上式表明飞机目标是三维的,不同部位具有随空间位置不同的温度分布和辐射特性。其中Frad()表示目标在地球坐标系下位置(x,y,z)、测量角度ω、尺度S、时间维度T的情况下目标的辐射强度。
由实际实验结果,像方的飞机目标辐射测量特性函数有如下两种情况。
作为点状、斑状目标的辐射测量特性frad1,与测量仪器所处的方位角θ有关,可随方位角变化。空间平均辐射亮度(辐射强度)特性:
式中,为测量的方位立体角,λ为红外光谱变量,r为距离。
作为面目标的辐射测量特性frad2与测量方位、目标空间分布相关,随距离变化,随方位角度变化。目标空间分布变化的辐射亮度特性:
(2)对实测红外图像进行目标检测,识别目标各区域位置信息。跟踪目标获得两帧之间目标像素差以及获得目标运动方向,根据两帧之间目标像素差控制两轴四框架伺服进行目标运动补偿。
启动对输入图像进行多线程操作,执行步骤如下:
线程1:超像素分割获得天空背景、地面背景、目标区域等,根据分割结果并测量目标面积、灰度特征识别背景区域,作为负样本。
线程2:提取全图HOG特征(方向梯度直方图,Histogram of Oriented Gradient,HOG),根据滑动窗口方法区分背景与目标区域,获得疑似目标,作为正样本。
线程3:利用全卷积神经网络,对输入图像检测出目标,作为正样本。
将上述线程得到的结果,输入已预先训练好的SVM分类器中获得目标图像位置信息(x,y);其中SVM分类器部分训练样本如图2,3所示。实际检测效果如图9所示。SVM全称为Support Vector Machine,支持向量机。
对目标图像执行如下操作:输入目标图像,对图像做高斯金字塔获得图像多尺度信息后输入已训练的CNN网络(卷积神经网络,Convolutional Neural Network,CNN),获得目标各感兴趣区域相对于目标中心位置的像素差(▽x,▽y);
检测出目标位置后,启动目标跟踪模块,获得两帧图像目标的帧差、运动目标方向信息。
本系统伺服采用四框架结构伺服系统,其转镜结构示意图如图7所示,图中外框负责大范围目标捕获跟踪;具体为外框对运动目标作运动补偿,将两帧图像间目标运动像素差输入伺服控制系统,控制系统快速响应误差输入,对运动目标作运动补偿,使目标始终位于视场中心位置。
(3)启动伺服内框跟踪系统,对目标作扫描。
成功捕获跟踪目标图像后,控制内框指向各感兴趣目标,并根据目标运动方向信息,在相对于运动方向90°的方向上作N个像素大小的偏移运动,即,扫描方向与运动方向相同,每扫描一次之后,垂直于运动方向偏移N个像素,然后再沿运动方向继续扫描;开启测谱模块,记录此时测量设备与目标之间距离信息,测量方位立体角信息、尺度信息、时间维信息,将上述信息输入步骤(1)获得的目标红外光谱特征多维度多尺度模型,得到最终的目标红外光谱模型,扫描示意图如图10,实际效果图如图11所示。
本发明还提出一种测量系统,即用于实现上述方法、能够将图像信息、红外光谱信息结合的图谱一体化的目标跟踪测谱系统,该系统结构示意图如图8所示。根据目标多维度多尺度红外光谱模型测量目标红外光谱信息。该设备通过成像系统获取目标的感兴趣区域(ROI,region of interest)位置信息、运动信息,控制多框架两轴伺服进行目标运动补偿,扫描目标特定区域获得目标红外光谱,建立目标红外光谱模型。主要应用于时敏目标识别。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种动目标多维度多尺度红外光谱特征测量方法,其特征在于,包括如下步骤:
(1)建立物方目标红外光谱特征多维度多尺度模型,从中提取物方感兴趣区域测量模型;
(2)对实测红外图像进行目标检测,识别目标各感兴趣区域位置信息;跟踪目标获得两帧之间目标像素差以及目标运动方向,然后根据两帧之间目标像素差进行目标运动补偿;
(3)对步骤(2)识别出的目标作扫描,成功捕获跟踪目标图像后,控制内框指向各感兴趣目标,并根据目标运动方向信息,在相对于运动方向偏移90°的方向上作N个像素大小的运动,开启测谱模块,记录此时测量设备与目标之间距离信息,测量方位立体角信息、尺度信息、时间维信息,将上述信息输入步骤(1)获得的物方目标红外光谱特征多维度多尺度模型,得到像方目标红外光谱特征多维度多尺度模型。
2.如权利要求1所述的一种动目标多维度多尺度红外光谱特征测量方法,其特征在于,步骤(1)还包括如下子步骤:
(1.1)对需要测量的目标建立三维模型;
(1.2)从三维模型中确定测量目标的感兴趣区域部位,并对上述部位的三维模型进行材质划分,以确定辐射源;
(1.3)对辐射源红外光谱特征进行测量,得到特定角度下物方红外光谱特征分布。
3.如权利要求2所述的一种动目标多维度多尺度红外光谱特征测量方法,其特征在于,物方的目标红外光谱辐射测量特性表达如下:
Frad(x,y,z,ω,S,T) (1)
其中,Frad()表示目标在地球坐标系下位置(x,y,z)、测量角度ω、尺度S、时间维度T的情况下目标的辐射强度;
像方的目标辐射测量特性函数有如下两种情况:
作为点状、斑状目标的辐射测量特性frad1表达如下:
其中,为测量仪器所处的方位立体角,λ为红外光谱变量,r为测量仪器与目标的距离;
作为面目标的辐射测量特性frad2表达如下:
其中,为目标空间分布,为测量仪器所处的方位立体角,λ为红外光谱变量,r为测量仪器与目标的距离。
4.如权利要求1所述的一种动目标多维度多尺度红外光谱特征测量方法,其特征在于,步骤(2)包括如下子步骤:
(2.1)对输入的实测红外图像进行多线程操作,包括:
线程1:超像素分割获得天空背景、地面背景、目标区域等,根据分割结果并测量目标面积、灰度特征识别背景区域,作为负样本;
线程2:提取全图HOG特征,根据滑动窗口方法区分背景与目标区域,获得疑似目标,作为正样本;
线程3:利用全卷积神经网络,对输入图像检测出目标,作为正样本;
(2.2)将上述线程得到的结果,输入已预先训练好的支持向量机分类器中获得目标图像位置信息(x,y);
(2.3)对目标图像做高斯金字塔获得图像多尺度信息后输入已训练的卷积神经网络,获得目标各感兴趣区域相对于目标中心位置的像素差(▽x,▽y);
(2.4)按照步骤(2.2)检测出两帧目标图像位置信息并进行处理,获得两帧图像目标的帧差、运动目标方向信息;按照步骤(2.3)得到的两帧之间目标像素差进行目标运动补偿。
5.用于权利要求1所述的一种动目标多维度多尺度红外光谱特征测量方法的测量系统,其特征在于,包括:工控机、转镜、分光镜、中波镜头、长波镜头、非成像红外光谱测量单元、长波红外成像单元;工控机的控制接口连接转镜;中波镜头安装在非成像红外光谱测量单元上,非成像红外光谱测量单元的输出端连接工控机的输入端;长波镜头安装在长波红外成像单元上,长波红外成像单元的输出端连接工控机的输入端;
其中,转镜用于将感兴趣目标的光线反射给分光镜,分光镜用于将接收到的反射光线分成中波和长波分别传递给中波镜头和长波镜头,再分别通过中波镜头和长波镜头传递给非成像红外光谱测量单元和长波红外成像单元进行处理;非成像红外光谱测量单元用于将接收到的中波处理成红外光谱数据并传输到工控机;长波红外成像单元用于将接收到的长波处理成图像数据并传输到工控机;工控机用于控制转镜的转向,以及处理接收到的红外光谱数据和图像数据,得到动目标多维度多尺度红外光谱特征。
6.如权利要求5所述的测量系统,其特征在于,转镜采用四框伺服控制,包括由内到外依次设置的反射镜、内俯仰框、内方位框、外俯仰框、外方位框。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611268920.7A CN106772417B (zh) | 2016-12-31 | 2016-12-31 | 一种动目标多维度多尺度红外光谱特征测量方法及系统 |
PCT/CN2017/077104 WO2018120445A1 (zh) | 2016-12-31 | 2017-03-17 | 一种动目标多维度多尺度红外光谱特征测量方法及系统 |
US16/458,219 US10839527B2 (en) | 2016-12-31 | 2019-07-01 | Method and device of measuring infrared spectral characteristics of moving target |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611268920.7A CN106772417B (zh) | 2016-12-31 | 2016-12-31 | 一种动目标多维度多尺度红外光谱特征测量方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106772417A true CN106772417A (zh) | 2017-05-31 |
CN106772417B CN106772417B (zh) | 2017-11-14 |
Family
ID=58951843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611268920.7A Active CN106772417B (zh) | 2016-12-31 | 2016-12-31 | 一种动目标多维度多尺度红外光谱特征测量方法及系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10839527B2 (zh) |
CN (1) | CN106772417B (zh) |
WO (1) | WO2018120445A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107101720A (zh) * | 2017-06-07 | 2017-08-29 | 中国科学技术大学 | 一种用于红外天光背景测量的装置和方法 |
CN108305290A (zh) * | 2017-12-29 | 2018-07-20 | 华中科技大学 | 一种动目标的精确测谱方法 |
CN110033038A (zh) * | 2019-04-09 | 2019-07-19 | 电子科技大学 | 气动热试验数据的智能选取算法 |
CN110815213A (zh) * | 2019-10-21 | 2020-02-21 | 华中科技大学 | 一种基于多维度特征融合的零件识别装配方法和装置 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3430595B1 (en) * | 2017-05-23 | 2020-10-28 | Brainlab AG | Determining the relative position between a point cloud generating camera and another camera |
CN110796687B (zh) * | 2019-10-30 | 2022-04-01 | 电子科技大学 | 天空背景红外成像多目标跟踪方法 |
CN111915616A (zh) * | 2020-05-26 | 2020-11-10 | 华瑞新智科技(北京)有限公司 | 一种基于弱监督图像分割进行红外测温的方法及装置 |
CN112287796B (zh) * | 2020-10-23 | 2022-03-25 | 电子科技大学 | 基于VMD-Teager能量算子的辐射源识别方法 |
CN116310713B (zh) * | 2023-02-16 | 2024-03-19 | 嘉洋智慧安全科技(北京)股份有限公司 | 红外图像识别方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050077424A1 (en) * | 2003-05-30 | 2005-04-14 | Schneider Arthur J. | System and method for locating a target and guiding a vehicle toward the target |
CN101465071A (zh) * | 2009-01-08 | 2009-06-24 | 上海交通大学 | 多平台目标跟踪与分布交互仿真系统 |
CN101702021A (zh) * | 2009-11-06 | 2010-05-05 | 华中科技大学 | 一种图谱一体化的时变对象光谱信息获取方法与装置 |
CN101738619A (zh) * | 2009-11-27 | 2010-06-16 | 华中科技大学 | 双波段红外光学系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8462323B2 (en) * | 2007-03-27 | 2013-06-11 | Metrolaser, Inc. | Integrated multi-sensor surveilance and tracking system |
US7710545B2 (en) * | 2008-02-13 | 2010-05-04 | The Boeing Company | Scanned laser detection and ranging apparatus |
BRPI0921770A2 (pt) * | 2008-11-04 | 2016-01-05 | Univ Rice William M | espectrômetros de mapeamento de imagem |
CN102564589B (zh) * | 2011-12-20 | 2013-07-24 | 华中科技大学 | 一种多波段动目标光谱特征探测识别方法和装置 |
US9258550B1 (en) * | 2012-04-08 | 2016-02-09 | Sr2 Group, Llc | System and method for adaptively conformed imaging of work pieces having disparate configuration |
WO2015195746A1 (en) * | 2014-06-18 | 2015-12-23 | Innopix, Inc. | Spectral imaging system for remote and noninvasive detection of target substances using spectral filter arrays and image capture arrays |
-
2016
- 2016-12-31 CN CN201611268920.7A patent/CN106772417B/zh active Active
-
2017
- 2017-03-17 WO PCT/CN2017/077104 patent/WO2018120445A1/zh active Application Filing
-
2019
- 2019-07-01 US US16/458,219 patent/US10839527B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050077424A1 (en) * | 2003-05-30 | 2005-04-14 | Schneider Arthur J. | System and method for locating a target and guiding a vehicle toward the target |
CN101465071A (zh) * | 2009-01-08 | 2009-06-24 | 上海交通大学 | 多平台目标跟踪与分布交互仿真系统 |
CN101702021A (zh) * | 2009-11-06 | 2010-05-05 | 华中科技大学 | 一种图谱一体化的时变对象光谱信息获取方法与装置 |
CN101738619A (zh) * | 2009-11-27 | 2010-06-16 | 华中科技大学 | 双波段红外光学系统 |
Non-Patent Citations (1)
Title |
---|
耿凡: "光谱识别技术在红外制导方面的应用展望与分析", 《红外与激光工程》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107101720A (zh) * | 2017-06-07 | 2017-08-29 | 中国科学技术大学 | 一种用于红外天光背景测量的装置和方法 |
CN107101720B (zh) * | 2017-06-07 | 2018-11-13 | 中国科学技术大学 | 一种用于红外天光背景测量的装置和方法 |
CN108305290A (zh) * | 2017-12-29 | 2018-07-20 | 华中科技大学 | 一种动目标的精确测谱方法 |
CN108305290B (zh) * | 2017-12-29 | 2020-12-08 | 华中科技大学 | 一种动目标的精确测谱方法 |
CN110033038A (zh) * | 2019-04-09 | 2019-07-19 | 电子科技大学 | 气动热试验数据的智能选取算法 |
CN110033038B (zh) * | 2019-04-09 | 2022-08-05 | 电子科技大学 | 气动热试验数据的智能选取算法 |
CN110815213A (zh) * | 2019-10-21 | 2020-02-21 | 华中科技大学 | 一种基于多维度特征融合的零件识别装配方法和装置 |
CN110815213B (zh) * | 2019-10-21 | 2021-03-19 | 华中科技大学 | 一种基于多维度特征融合的零件识别装配方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
US10839527B2 (en) | 2020-11-17 |
CN106772417B (zh) | 2017-11-14 |
WO2018120445A1 (zh) | 2018-07-05 |
US20190325586A1 (en) | 2019-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106772417B (zh) | 一种动目标多维度多尺度红外光谱特征测量方法及系统 | |
CN106529538A (zh) | 一种飞行器的定位方法和装置 | |
CN107560592B (zh) | 一种用于光电跟踪仪联动目标的精确测距方法 | |
Freitas et al. | Hyperspectral imaging for real-time unmanned aerial vehicle maritime target detection | |
CN115943439A (zh) | 一种基于雷视融合的多目标车辆检测及重识别方法 | |
Yu et al. | Camera calibration of thermal-infrared stereo vision system | |
CN107589069B (zh) | 一种物体碰撞恢复系数的非接触式测量方法 | |
CN106971408A (zh) | 一种基于时空转换思想的摄像机标定方法 | |
CN110044374A (zh) | 一种基于图像特征的单目视觉测量里程的方法及里程计 | |
Sotnikov et al. | Methods for ensuring the accuracy of radiometric and optoelectronic navigation systems of flying robots in a developed infrastructure | |
CN111553280A (zh) | 基于深度学习的目标部位识别方法 | |
US10432915B2 (en) | Systems, methods, and devices for generating three-dimensional models | |
Liang et al. | 3D plant modelling via hyperspectral imaging | |
Toulouse et al. | A multimodal 3D framework for fire characteristics estimation | |
Knyaz | Multimodal data fusion for object recognition | |
Kölling et al. | Aircraft-based stereographic reconstruction of 3-D cloud geometry | |
Liu et al. | Multispectral registration method based on stellar trajectory fitting | |
Cheng et al. | Regional-based object detection using polarization and fisher vectors in passive millimeter-wave imaging | |
CN106897730B (zh) | 基于融合类别信息与局部保持投影的sar目标型号识别方法 | |
Knyaz et al. | Joint geometric calibration of color and thermal cameras for synchronized multimodal dataset creating | |
Alekseychik et al. | Eddies in motion: visualizing boundary-layer turbulence above an open boreal peatland using UAS thermal videos | |
CN108305290B (zh) | 一种动目标的精确测谱方法 | |
Huang et al. | Design and demonstration of airborne imaging system for target detection based on area-array camera and push-broom hyperspectral imager | |
CN109087341A (zh) | 一种近距离高光谱相机与测距传感器的融合方法 | |
CN114120236A (zh) | 对低空目标进行识别定位的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |