CN106796720B - 图像融合方法、装置和红外热像设备 - Google Patents

图像融合方法、装置和红外热像设备 Download PDF

Info

Publication number
CN106796720B
CN106796720B CN201680002622.5A CN201680002622A CN106796720B CN 106796720 B CN106796720 B CN 106796720B CN 201680002622 A CN201680002622 A CN 201680002622A CN 106796720 B CN106796720 B CN 106796720B
Authority
CN
China
Prior art keywords
temperature
frame
infrared thermal
fusion
calculating
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
Application number
CN201680002622.5A
Other languages
English (en)
Other versions
CN106796720A (zh
Inventor
袁剑敏
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.)
Shenzhen Everbest Machinery Industry Co ltd
Original Assignee
Shenzhen Everbest Machinery Industry Co ltd
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 Shenzhen Everbest Machinery Industry Co ltd filed Critical Shenzhen Everbest Machinery Industry Co ltd
Publication of CN106796720A publication Critical patent/CN106796720A/zh
Application granted granted Critical
Publication of CN106796720B publication Critical patent/CN106796720B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10024—Color 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
    • G06T2207/10—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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Radiation Pyrometers (AREA)
  • Studio Devices (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)
  • Transforming Light Signals Into Electric Signals (AREA)
  • Image Processing (AREA)

Abstract

一种图像融合方法、装置和红外热像设备，所述方法包括：以相同的视角和比例，采集可见光图像和红外热图像；计算每一帧红外热图像的融合比；以及根据所述融合比，将每一帧红外热图像与相应的一帧可见光图像进行灰度值融合。

Description

图像融合方法、装置和红外热像设备
技术领域
本发明涉及图像处理领域，特别涉及一种图像融合方法、装置和红外热像设备。
背景技术
红外热像设备是利用红外探测器和光学成像物镜接收被测目标的红外辐射能量分布图形反映到红外探测器的光敏元件上，从而获得红外热图像。这种红外热图像与物体表面的热分布场相对应。也就是说，红外热像设备就是将物体发出的不可见红外能量转变为可见的红外热图像。红外热图像的不同颜色代表被测物体的不同温度。红外热像设备将物体温度的差异用颜色表示出来，但在物体表面温度和环境温度一致或者接近时就不能识别物体。因此，一般较高级的红外热像设备都会附加一个可见光传感器，用于当温差不大时辅助红外热像设备识别目标物体。
现有技术虽然能利用可见光传感器对红外热图像进行图像融合增强，但是在红外热图像比较清晰的时候仍然将可见光图像叠加到红外热图像，这会造成红外热图像细节的损失。另外，传统的图像融合方法，在不同的场景需要手动不停调整融合比例，已达到准确识别目标物体的目的，这样不但操作复杂，而且对操作者有一定专业知识的要求，不利于红外热像设备的智能化和普及化。
发明内容
基于此，有必要提供一种红外热图像细节损失较小的图像融合方法、装置和红外热像设备。
一种图像融合方法，包括：
以相同的视角和比例，采集可见光图像和红外热图像；
计算每一帧红外热图像的融合比；以及
根据所述融合比，将每一帧红外热图像与相应的一帧可见光图像进行灰度值融合。
一种红外热像设备，包括：
至少一个处理器；以及
存储指令的至少一个存储器，当所述至少一个处理器执行所述指令，使得以下被执行：
以相同的视角和比例，采集可见光图像和红外热图像；
计算每一帧红外热图像的融合比；以及
根据所述融合比，将每一帧红外热图像与相应的一帧可见光图像进行灰度值融合。
一种图像融合装置，包括：
采集模块，用于以相同的视角和比例，采集可见光图像和红外热图像；
计算模块，用于计算每一帧红外热图像的融合比；以及
融合模块，用于根据所述融合比，将每一帧红外热图像与相应的一帧可见光图像进行灰度值融合。
上述图像融合方法、装置和红外热像设备，对每一帧红外热图像计算融合比，由此在整个图像采集过程中能自动辨别红外目标和环境的温差，最大的利用了红外热图像和可见光图像的优势互补，使得在温差较小和红外图像模糊时，自动计算出红外-可见光图像的融合比，实现目标细节得到最大的体现。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。
图1是一实施例的通过红外热像设备执行的图像融合方法的流程图；
图2是图1所示的计算每一帧红外热图像的融合比步骤的流程图；
图3是图2所示的计算所述每一帧红外热图像的参考区域的预定数量的像素点的平均温度步骤的流程图；
图4是图2所示的确定所述每一帧红外热图像中的像素点的最高温度和最低温度步骤的流程图；
图5是图2所示的根据所述平均温度、所述最高温度和所述最低温度，计算所述融合比步骤的流程图；
图6是一实施例的红外热像设备的模块图；
图7是一实施例的图像融合装置的模块图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如在本申请中所使用的，术语“模块”旨在表示计算机相关的实体，它可以是硬件、硬件和软件的组合、软件、或者执行中的软件。
图1示出了一实施例的通过红外热像设备执行的图像融合方法的流程图。该方法由上述红外热像设备操作执行。具体地，如图6所示，该红外热像设备包括至少一个处理器140(例如，图像处理器)、存储指令的至少一个存储器130、可见光传感器120和红外探测器110。该方法通过处理器140、存储器130、可见光传感器120和红外探测器110的相互配合来完成以下步骤：
步骤S10：可见光传感器120(例如，摄像头)和红外探测器110以相同的视角和比例，采集可见光图像和红外热图像，也就是说，每一帧的可见光图像和红外热图像均是一一对应的。然后可见光传感器120和红外探测器110将采集到的可见光图像和红外热图像存储到存储器130中。另外，存储器130中存储有执行图像融合的指令。
步骤S20：处理器140从存储器130读取指令来执行计算每一帧红外热图像的融合比。也就是说，处理器140为每一帧红外热图像分别计算相应的融合比，由此融合比是逐帧动态变化的。以及
步骤S30：接着，处理器140对于每一帧红外热图像，根据每一帧红外热图像的融合比，将每一帧红外热图像与相应的一帧可见光图像进行灰度值融合。也就是说，在图像融合时，处理器140将根据融合比，调节红外热图像和可见光图像的像素点的灰度值。由此，能自动辨别红外目标和环境的温差，最大的利用了红外热图像和可见光图像的优势互补，使得在温差较小和红外图像模糊时，自动计算出红外-可见光图像的融合比，实现目标细节得到最大的体现。
如图2所示，处理器140从存储器130读取指令来执行以下过程从而完成步骤S20：
步骤S21：处理器140计算每一帧红外热图像的参考区域的预定数量的像素点的平均温度。该参考区域可以在每一帧红外热图像的任意位置。在一实施例中，该参考区域是矩形图像帧的中心区域。也就是说，参考区域的像素点数量的选择可根据实际需要进行灵活设置。该预定数量的像素点可预先固定设置，也可以是在图像融合过程中动态改变的。在一实施例中，可选择中心矩形区域的像素点，即a*b个像素点，其中a和b均是正整数。
步骤S22：接着，处理器140确定每一帧红外热图像中的像素点的最高温度和最低温度。以及
步骤S23：然后，处理器140根据上述平均温度T1、最高温度Tmax和最低温度Tmin，计算融合比。也就是说，融合比是基于上述平均温度T1、最高温度Tmax和最低温度Tmin来计算得出的。在一实施例中，该融合比与最高温度Tmax与平均温度T1的差的绝对值△T1＝|T1-Tmax|以及最低温度Tmin与平均温度T1的差的绝对值△T2＝|T1-Tmin|相关。
如图3所示，处理器140从存储器130读取指令来执行以下过程从而完成步骤S21：
步骤S211：处理器140选取每一帧红外热图像的参考区域的预定数量的像素点。也就是说，根据实际需要，处理器140对于每一帧红外热图像均选取固定数量的像素点，也可以对于不同帧的红外热图像，选取不同数量的像素点，以及
步骤S212：在确定像素点的数量后，处理器140计算该预定数量的像素点的所述平均温度。
如图4所示，处理器140从存储器130读取指令来执行以下过程从而完成步骤S22：
步骤S221：处理器140将统计每一帧红外热图像中所有像素点的温度值。
步骤S222：然后，对于这些温度值，处理器140将去除这些温度值中的预定数量的极值温度。也就是说，处理器140将去除统计的温度值两端的一部分极值。例如，根据实际情况，将温度值按照从高到低进行排序，处理器140去除从最高温值起的10个高温极值和从最低温值起的10个低温极值。由此可去除红外热图像中并非观察有兴趣的像素点。例如，吸烟时燃烧的烟头所对应的高温像素点，或者冷饮中冰块所对应的低温像素点。以及
步骤S223：处理器140将剩余温度值中的最高温度值和最低温度值分别确定为每一帧红外热图像的最高温度Tmax和最低温度Tmin。
如图5所示，处理器140从存储器130读取指令来执行以下过程从而完成步骤S23：
步骤S231：处理器140将计算每一帧红外热图像的整帧平均温度Tavg；
步骤S232：处理器140将判断平均温度T1是否大于或等于整帧平均温度Tavg。
步骤S233：如果是，即当平均温度T1大于或等于整帧平均温度Tavg时，以平均温度T1与最低温度Tmin的差的绝对值△T2作为自变量，采用多项式函数计算融合比Y；以及
步骤S234：如果否，即当平均温度T1小于整帧平均温度Tavg时，以最高温度Tmax与平均温度T1的差的绝对值T1作为自变量，采用上述多项式函数计算所述融合比。也就是说，处理器140将根据平均温度T1、最高温度Tmax、最低温度Tmin和整帧平均温度Tavg来选择动态自变量以应用于相同的多项式函数。在一实施例中，该多项式函数是三次多项式函数。
在一实施例中，处理器140采用三次多项式函数F＝0.00000005702*T3-0.0009722*T2+0.5705*T+147.5计算融合因子F。然后将将该融合因子F除以预定义的系数得到融合比Y。例如，该预定义的系数可以选择为二进制整数256或1024。即Y＝F/256或F/1024。得到融合比Y后，处理器140将根据该融合比Y调节红外热图像和可见光图像的灰度值比例，进行红外热图像和可见光图像的融合，由此在整个图像采集过程中能自动辨别红外目标和环境的温差，最大的利用了红外热图像和可见光图像的优势互补，使得在温差较小和红外图像模糊时，自动计算出红外-可见光图像的融合比，实现目标细节得到最大的体现。在一实施例中，当一帧红外热图像的参考区域为一杯热水时，热水的温度值是大大高于整帧图像的平均温度，此时如果预定义的系数为256，则可计算出融合因子F为256，最后得出融合比Y为1，即，全部为红外热图像。在一实施例中，当一帧红外热图像的参考区域为人的手臂时，手臂的温度稍高于整帧图像的平均温度，此时如果预定义的系数为256，可以算出来融合参数F为180，最后得出融合比Y为0.7。在一实施例中，当一帧红外热图像的参考区域为书本时，书本的温度和环境温度很接近，此时如果预定义的系数为256，可以算出来融合参数F为130，最后得出融合比0.5。
图7示出了一实施例的图像融合装置的模块图。该图像融合装置包括采集模块310、计算模块320和融合模块330。其中，采集模块310以相同的视角和比例，采集可见光图像和红外热图像。计算模块320计算每一帧红外热图像的融合比。融合模块330根据计算出的融合比，将每一帧红外热图像与相应的一帧可见光图像进行灰度值融合。
在一个实施例中，计算模块320还用于计算所述每一帧红外热图像的参考区域的预定数量的像素点的平均温度；确定所述每一帧红外热图像中的像素点的最高温度和最低温度；以及根据所述平均温度、所述最高温度和所述最低温度，计算所述每一帧红外热图像的融合比。
在一个实施例中，计算模块320还用于选取所述每一帧红外热图像的参考区域的所述预定数量的像素点；以及计算所述预定数量的像素点的所述平均温度。
在一个实施例中，计算模块320还用于统计所述每一帧红外热图像中所有像素点的温度值；去除所述温度值中的预定数量的极值温度；以及将剩余温度值中的最高温度值和最低温度值分别确定为所述每一帧红外热图像的最高温度和最低温度。
在一个实施例中，计算模块320还用于计算所述每一帧红外热图像的整帧平均温度；当所述平均温度大于或等于所述整帧平均温度时，以所述平均温度与所述最高温度的差的绝对值作为自变量，采用多项式函数计算所述融合比；以及当所述平均温度小于所述整帧平均温度时，以所述最低温度与所述平均温度的差的绝对值作为自变量，采用所述多项式函数计算所述融合比。
在一个实施例中，计算模块320还用于采用所述多项式函数计算融合因子；以及将所述融合因子除以预定义的系数得到所述融合比。预定义的系数是256或1024。
三次多项式函数为：F＝0.00000005702*T3-0.0009722*T2+0.5705*T+147.5，其中F是所述融合因子，T是所述自变量。
本领域普通技术人员可以理解：实现上述方法实施例的步骤或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤，而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，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。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (15)

1.一种图像融合方法，所述方法包括：
以相同的视角和比例，采集可见光图像和红外热图像；
计算每一帧红外热图像的融合比；以及
根据所述融合比，将每一帧红外热图像与相应的一帧可见光图像进行灰度值融合；
其中所述计算每一帧红外热图像的融合比包括：
计算所述每一帧红外热图像的参考区域的预定数量的像素点的平均温度；
确定所述每一帧红外热图像中的像素点的最高温度和最低温度；以及
根据所述平均温度、所述最高温度和所述最低温度，计算所述每一帧红外热图像的融合比；
其中所述融合比相关于所述最高温度与所述平均温度的差的绝对值以及相关于所述最低温度与所述平均温度的差的绝对值；
其中所述根据所述平均温度、所述最高温度和所述最低温度，计算所述融合比包括：
计算所述每一帧红外热图像的整帧平均温度；
当所述平均温度大于或等于所述整帧平均温度时，以所述平均温度与所述最高温度的差的绝对值作为自变量，采用多项式函数计算所述融合比；以及
当所述平均温度小于所述整帧平均温度时，以所述最低温度与所述平均温度的差的绝对值作为自变量，采用所述多项式函数计算所述融合比。
2.根据权利要求1所述的方法，其中所述计算所述每一帧红外热图像的参考区域的预定数量的像素点的平均温度包括：
选取所述每一帧红外热图像的参考区域的所述预定数量的像素点；以及
计算所述预定数量的像素点的所述平均温度。
3.根据权利要求1所述的方法，其中所述确定所述每一帧红外热图像中的像素点的最高温度和最低温度包括：
统计所述每一帧红外热图像中所有像素点的温度值；
去除所述温度值中的预定数量的极值温度；以及
将剩余温度值中的最高温度值和最低温度值分别确定为所述每一帧红外热图像的最高温度和最低温度。
4.根据权利要求1所述的方法，其中所述采用所述多项式函数计算所述融合比包括：
采用所述多项式函数计算融合因子；以及
将所述融合因子除以预定义的系数得到所述融合比。
5.根据权利要求4所述的方法，其中所述预定义的系数是256或1024。
6.根据权利要求4所述的方法，其中所述多项式函数是三次多项式函数。
7.根据权利要求6所述的方法，其中所述三次多项式函数为：F＝0.00000005702*T3-0.0009722*T2+0.5705*T+147.5，其中F是融合因子，T是所述自变量。
8.一种图像融合装置，包括：
采集模块，用于以相同的视角和比例，采集可见光图像和红外热图像；
计算模块，用于计算每一帧红外热图像的融合比；以及
融合模块，用于根据所述融合比，将每一帧红外热图像与相应的一帧可见光图像进行灰度值融合；
其中所述计算模块还用于计算所述每一帧红外热图像的参考区域的预定数量的像素点的平均温度；确定所述每一帧红外热图像中的像素点的最高温度和最低温度；以及根据所述平均温度、所述最高温度和所述最低温度，计算所述每一帧红外热图像的融合比；
其中所述融合比相关于所述最高温度与所述平均温度的差的绝对值以及相关于所述最低温度与所述平均温度的差的绝对值；
其中所述根据所述平均温度、所述最高温度和所述最低温度，计算所述融合比包括：
计算所述每一帧红外热图像的整帧平均温度；
当所述平均温度大于或等于所述整帧平均温度时，以所述平均温度与所述最高温度的差的绝对值作为自变量，采用多项式函数计算所述融合比；以及
当所述平均温度小于所述整帧平均温度时，以所述最低温度与所述平均温度的差的绝对值作为自变量，采用所述多项式函数计算所述融合比。
9.根据权利要求8所述的图像融合装置，其中所述计算模块还用于选取所述每一帧红外热图像的参考区域的所述预定数量的像素点；以及计算所述预定数量的像素点的所述平均温度。
10.根据权利要求8所述的图像融合装置，其中计算模块还用于统计所述每一帧红外热图像中所有像素点的温度值；去除所述温度值中的预定数量的极值温度；以及将剩余温度值中的最高温度值和最低温度值分别确定为所述每一帧红外热图像的最高温度和最低温度。
11.根据权利要求8所述的图像融合装置，其中所述计算模块还用于采用所述多项式函数计算融合因子；以及将所述融合因子除以预定义的系数得到所述融合比。
12.根据权利要求11所述的图像融合装置，其中所述预定义的系数是256或1024。
13.根据权利要求12所述的图像融合装置，其中所述多项式函数是三次多项式函数。
14.根据权利要求13所述的图像融合装置，其中所述三次多项式函数为：F＝0.00000005702*T3-0.0009722*T2+0.5705*T+147.5，其中F是所述融合因子，T是所述自变量。
15.一种红外热像设备，包括：
至少一个处理器；以及
存储指令的至少一个存储器，当所述至少一个处理器执行所述指令，使得以下被执行：
以相同的视角和比例，采集可见光图像和红外热图像；
计算每一帧红外热图像的融合比；以及
根据所述融合比，将每一帧红外热图像与相应的一帧可见光图像进行灰度值融合；
其中所述计算每一帧红外热图像的融合比包括：
计算所述每一帧红外热图像的参考区域的预定数量的像素点的平均温度；
确定所述每一帧红外热图像中的像素点的最高温度和最低温度；以及
根据所述平均温度、所述最高温度和所述最低温度，计算所述每一帧红外热图像的融合比；
其中所述融合比相关于所述最高温度与所述平均温度的差的绝对值以及相关于所述最低温度与所述平均温度的差的绝对值；
其中所述根据所述平均温度、所述最高温度和所述最低温度，计算所述融合比包括：
计算所述每一帧红外热图像的整帧平均温度；
当所述平均温度大于或等于所述整帧平均温度时，以所述平均温度与所述最高温度的差的绝对值作为自变量，采用多项式函数计算所述融合比；以及
当所述平均温度小于所述整帧平均温度时，以所述最低温度与所述平均温度的差的绝对值作为自变量，采用所述多项式函数计算所述融合比。
CN201680002622.5A 2016-04-12 2016-04-12 图像融合方法、装置和红外热像设备 Active CN106796720B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2016/079015 WO2017177370A1 (zh) 2016-04-12 2016-04-12 图像融合方法、装置和红外热像设备

Publications (2)

Publication Number Publication Date
CN106796720A CN106796720A (zh) 2017-05-31
CN106796720B true CN106796720B (zh) 2020-11-13

Family

ID=58952301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680002622.5A Active CN106796720B (zh) 2016-04-12 2016-04-12 图像融合方法、装置和红外热像设备

Country Status (4)

Country Link
US (1) US10586314B2 (zh)
CN (1) CN106796720B (zh)
DE (1) DE112016001694B4 (zh)
WO (1) WO2017177370A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106796720B (zh) 2016-04-12 2020-11-13 深圳市华盛昌科技实业股份有限公司 图像融合方法、装置和红外热像设备
US10440293B1 (en) * 2018-06-22 2019-10-08 Jurgen R. Ihns Avionics imaging control method and apparatus
JP7218106B2 (ja) * 2018-06-22 2023-02-06 株式会社Ｊｖｃケンウッド 映像表示装置
CN110490090A (zh) * 2019-07-29 2019-11-22 恒大智慧科技有限公司 基于智慧社区的吸烟检测方法、系统及其存储介质
CN110555819B (zh) * 2019-08-20 2022-02-01 中国石油大学(北京) 基于红外和可见光图像融合的设备监测方法、装置及设备
US11386530B2 (en) * 2020-02-26 2022-07-12 Flir Systems Ab Digital filter for turbulence reduction and gas detection in thermal images
CN111639214B (zh) * 2020-05-31 2023-05-02 广西电网有限责任公司南宁供电局 一种提高机器人采集动态红外热图时存储效率的方法
CN112880837B (zh) * 2021-01-26 2022-05-13 四川华能宝兴河水电有限责任公司 一种设备故障分析方法
TWI768818B (zh) * 2021-04-08 2022-06-21 緯創資通股份有限公司 混合式體溫量測系統及其方法
US11851215B2 (en) * 2021-05-27 2023-12-26 Honeywell International Inc. Systems and methods for calibrating a synthetic image on an avionic display

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101067710A (zh) * 2006-01-20 2007-11-07 红外线解决方案公司 具有可见光与红外图像混合的相机
CN101510007A (zh) * 2009-03-20 2009-08-19 北京科技大学 一种红外光图像与可见光图像实时摄取与自适应融合装置
CN104822033A (zh) * 2015-05-05 2015-08-05 太原理工大学 一种红外与可见光图像融合的视觉传感器及其使用方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7620265B1 (en) * 2004-04-12 2009-11-17 Equinox Corporation Color invariant image fusion of visible and thermal infrared video
US7652251B1 (en) * 2008-11-17 2010-01-26 Fluke Corporation Registration methods for fusing corresponding infrared and visible light images
US8497914B2 (en) * 2009-08-10 2013-07-30 Wisconsin Alumni Research Foundation Vision system and method for motion adaptive integration of image frames
WO2012027739A2 (en) * 2010-08-27 2012-03-01 Milwaukee Electric Tool Corporation Thermal detection systems, methods, and devices
US8934020B2 (en) * 2011-12-22 2015-01-13 Pelco, Inc. Integrated video quantization
US9355435B2 (en) * 2013-03-14 2016-05-31 Drs Network & Imaging Systems, Llc Method and system for adaptive pixel replacement
KR20150021353A (ko) 2013-08-20 2015-03-02 삼성테크윈 주식회사 영상 융합 시스템 및 그 방법
CN105705084B (zh) * 2013-09-20 2019-07-12 国立大学法人旭川医科大学 血管内血流动态的图像处理方法及系统
US20150244946A1 (en) * 2013-11-04 2015-08-27 Sos Agaian Method and systems for thermal image / video measurements and processing
CN105447838A (zh) 2014-08-27 2016-03-30 北京计算机技术及应用研究所 一种红外与微光/可见光融合成像的方法及系统
US10074165B2 (en) * 2014-09-10 2018-09-11 Morpho, Inc. Image composition device, image composition method, and recording medium
US10152811B2 (en) * 2015-08-27 2018-12-11 Fluke Corporation Edge enhancement for thermal-visible combined images and cameras
CN108135491B (zh) * 2015-10-15 2022-01-28 大金工业株式会社 生理状态判定装置及生理状态判定方法
CN105354851B (zh) 2015-11-20 2018-07-17 中国安全生产科学研究院 对距离自适应的红外与可见光视频融合方法
CN106796720B (zh) 2016-04-12 2020-11-13 深圳市华盛昌科技实业股份有限公司 图像融合方法、装置和红外热像设备
US11022546B2 (en) * 2017-05-16 2021-06-01 Fluke Corporation Optical gas imaging systems and methods

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101067710A (zh) * 2006-01-20 2007-11-07 红外线解决方案公司 具有可见光与红外图像混合的相机
CN101510007A (zh) * 2009-03-20 2009-08-19 北京科技大学 一种红外光图像与可见光图像实时摄取与自适应融合装置
CN104822033A (zh) * 2015-05-05 2015-08-05 太原理工大学 一种红外与可见光图像融合的视觉传感器及其使用方法

Also Published As

Publication number Publication date
CN106796720A (zh) 2017-05-31
US10586314B2 (en) 2020-03-10
DE112016001694T5 (de) 2018-01-04
WO2017177370A1 (zh) 2017-10-19
DE112016001694B4 (de) 2024-10-02
US20190026875A1 (en) 2019-01-24

Similar Documents

Publication Publication Date Title
CN106796720B (zh) 图像融合方法、装置和红外热像设备
US10997696B2 (en) Image processing method, apparatus and device
CN109377469B (zh) 一种热成像融合可见光图像的处理方法、系统及存储介质
JP4351911B2 (ja) デジタルスチルカメラにおける取り込み画像の写真品質を評価する方法及び装置
KR20210089166A (ko) 신경망을 사용한 밝은 반점 제거
US20130169845A1 (en) Processing images having different focus
JP7179472B2 (ja) 処理装置、処理システム、撮像装置、処理方法、プログラム、および、記録媒体
JP6833415B2 (ja) 画像処理装置、画像処理方法、及びプログラム
WO2015196896A1 (zh) 对焦状态的提示方法和拍摄装置
CN104902182B (zh) 一种实现连续自动对焦的方法和装置
JP5725194B2 (ja) 夜景画像ボケ検出システム
JP2022036179A (ja) 画像処理装置およびその制御方法及びプログラム
KR20150085710A (ko) 디스플레이 장치 및 그 제어 방법
JP2016140030A (ja) 画像処理装置、撮像装置、及び画像処理プログラム
TWI720205B (zh) 增強影像之方法
WO2013114803A1 (ja) 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム
CN111654643A (zh) 曝光参数确定方法、装置、无人机和计算机可读存储介质
WO2014101804A1 (zh) 热像选择装置和热像选择方法
CN110830728A (zh) 曝光调整方法及装置
CN105323580A (zh) 一种快捷检测数码相机成像质量的检测方法
CN111741209A (zh) 一种图像采集方法、系统、可读存储介质及电子设备
JP6827782B2 (ja) 画像処理装置、撮像装置、画像処理方法、画像処理プログラム、および記録媒体
Soldan On extended depth of field to improve the quality of automated thermographic measurements in unknown environments
US9232132B1 (en) Light field image processing
WO2013114802A1 (ja) 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム

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
CB02 Change of applicant information

Address after: 518000 Factory Building No. 19, No. 21 and No. 4 of Baiwangxin Industrial Zone, No. 5 District, Xili Baimang Songbai Highway, Nanshan District, Shenzhen City, Guangdong Province

Applicant after: SHENZHEN EVERBEST MACHINERY INDUSTRY Co.,Ltd.

Address before: 518108 Guangdong city of Shenzhen province Nanshan District Xili white Wangsong White Road industrial area 19 Building five Piovan letter

Applicant before: SHENZHEN EVERBEST MACHINERY INDUSTRY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant