CN107256542A - 气体可视化布局,设备以及方法 - Google Patents
气体可视化布局,设备以及方法 Download PDFInfo
- Publication number
- CN107256542A CN107256542A CN201710511490.5A CN201710511490A CN107256542A CN 107256542 A CN107256542 A CN 107256542A CN 201710511490 A CN201710511490 A CN 201710511490A CN 107256542 A CN107256542 A CN 107256542A
- Authority
- CN
- China
- Prior art keywords
- image
- gas
- pixel
- images
- difference image
- 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
- 238000000034 method Methods 0.000 title claims description 65
- 230000000007 visual effect Effects 0.000 title claims description 58
- 238000012545 processing Methods 0.000 claims abstract description 91
- 238000001514 detection method Methods 0.000 claims abstract description 55
- 238000003384 imaging method Methods 0.000 claims description 128
- 238000013507 mapping Methods 0.000 claims description 37
- 230000001052 transient effect Effects 0.000 claims description 35
- 238000006243 chemical reaction Methods 0.000 claims description 20
- 230000014509 gene expression Effects 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 5
- 238000012800 visualization Methods 0.000 abstract description 20
- 238000000889 atomisation Methods 0.000 abstract description 15
- 230000001419 dependent effect Effects 0.000 abstract description 6
- 238000013480 data collection Methods 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 347
- 238000001914 filtration Methods 0.000 description 28
- 230000006870 function Effects 0.000 description 21
- 230000003287 optical effect Effects 0.000 description 8
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 6
- 239000012634 fragment Substances 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 230000006641 stabilisation Effects 0.000 description 6
- 238000011105 stabilization Methods 0.000 description 6
- 238000004040 coloring Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000036961 partial effect Effects 0.000 description 4
- ZWEHNKRNPOVVGH-UHFFFAOYSA-N 2-Butanone Chemical compound CCC(C)=O ZWEHNKRNPOVVGH-UHFFFAOYSA-N 0.000 description 3
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 3
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- VLKZOEOYAKHREP-UHFFFAOYSA-N n-Hexane Chemical compound CCCCCC VLKZOEOYAKHREP-UHFFFAOYSA-N 0.000 description 3
- OFBQJSOFQDEBGM-UHFFFAOYSA-N n-pentane Natural products CCCCC OFBQJSOFQDEBGM-UHFFFAOYSA-N 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000007794 visualization technique Methods 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- RRHGJUQNOFWUDK-UHFFFAOYSA-N Isoprene Chemical compound CC(=C)C=C RRHGJUQNOFWUDK-UHFFFAOYSA-N 0.000 description 2
- NTIZESTWPVYFNL-UHFFFAOYSA-N Methyl isobutyl ketone Chemical compound CC(C)CC(C)=O NTIZESTWPVYFNL-UHFFFAOYSA-N 0.000 description 2
- UIHCLUNTQKBZGK-UHFFFAOYSA-N Methyl isobutyl ketone Natural products CCC(C)C(C)=O UIHCLUNTQKBZGK-UHFFFAOYSA-N 0.000 description 2
- IMNFDUFMRHMDMM-UHFFFAOYSA-N N-Heptane Chemical compound CCCCCCC IMNFDUFMRHMDMM-UHFFFAOYSA-N 0.000 description 2
- CTQNGGLPUBDAKN-UHFFFAOYSA-N O-Xylene Chemical compound CC1=CC=CC=C1C CTQNGGLPUBDAKN-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 229940043265 methyl isobutyl ketone Drugs 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 description 1
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 description 1
- 101100173586 Schizosaccharomyces pombe (strain 972 / ATCC 24843) fft2 gene Proteins 0.000 description 1
- 206010070834 Sensitisation Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000001273 butane Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000112 cooling gas Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 210000003746 feather Anatomy 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000012432 intermediate storage Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- IJDNQMDRQITEOD-UHFFFAOYSA-N n-butane Chemical compound CCCC IJDNQMDRQITEOD-UHFFFAOYSA-N 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- TVMXDCGIABBOFY-UHFFFAOYSA-N octane Chemical compound CCCCCCCC TVMXDCGIABBOFY-UHFFFAOYSA-N 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 description 1
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000008313 sensitization Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000002123 temporal effect 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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
- H04N23/11—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths for generating image signals from visible and infrared light wavelengths
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/63—Control of cameras or camera modules by using electronic viewfinders
- H04N23/631—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters
-
- 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
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
-
- 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
- G06T2207/20224—Image subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
在描绘场景的图像中的气体可视化包括:在第一时间示例捕获描绘场景的第一IR图像以及在第二时间示例捕获描绘场景的第二IR图像;对源于所述第一IR图像及所述第二IR图像的图像数据执行图像处理操作以产生表示在第一或第二IR图像其中之一的气体位置的数据的采集;以及依赖于所述数据采集的像素值,通过调整在描绘场景中图像的像素值以产生第三图像。根据实施例,进一步在带有调整过的像素值的第三图像产生之前,提供对数据采集,和/或气体检测的进一步处理。
Description
本申请是申请日为2012年11月6日、申请号为201210438704.8、发明名称为“气体可视化布局,设备以及方法”的中国专利申请的分案申请。
技术领域
通常,本发明的实施例涉及气体可视化领域。尤其是,本发明的不同实施例涉及使用红外(IR)成像设备的气体可视化。
背景技术
红外(IR)成像设备,例如IR照相机红外热像仪(IR cameras),可以被用来在多方面的应用中发现气体。举例而言,IR照相机生产商FLIR具有一被用来发现许多不同气体的冷却气体照相机。
使用IR技术来检测和显现气体是困难的,因为IR成像设备通常能够在一放射性的IR图像中检测和表现65000热量等级,但是在显示中只有255种颜色用来表示这个数据。首先,现有技术中的气体检测倾向于成为消耗关于处理能力的资源,由于检测呈现在IR图像中的气体需要复杂的操作。其次,在IR图像中的气体可视化还需要多种在高分辨率的放射性测量的IR图像和显示的IR图像之间的转化。虽然采用这些等级和跨度可以将这65000个等级中的一些较小部分显现在255色度上,但这相当耗费时间,并且很难去调整呈现在图像场景中的当前气体。而且,如果在图像场景中各物体之间存在温度上的大差别,那么那些具有相对小温差的像素将被显现成具有相同颜色,或者非常相似的颜色。从而,在图像中气体和周围像素的色差可能不存在或非常小,这意味着,那将无法,或者非常困难,利用人眼在图像中识别可视化的气体。
相关技术的示例,请参见美国专利号5,656,813,美国专利号7,649,174,美国专利号5,656,813,以及美国专利号7,649,174。
尽管现有技术被指向气体检测,但由于常规方法需要太多的计算能力,无法提供精确的气体检测,和/或无法提供检测到的气体足够可视化,从而,现有技术是有缺陷的。
因此,在被动照相系统中仍旧需要改进,从而为了加强在红外吸收气体云与背景之间的区别方面的检测能力,并且同样为了在计算有效的方面提高可视化。
发明内容
于此揭示的方法,布局以及设备的实施例提供了用于对呈现在图像或描绘场景中的气体实现改进的可视化的技术。而且,一个或多个实施例提供了改进的和/或计算简便的气体检测。举例而言,一个或多个实施例可以提供用于使用IR成像设备改进的气体检测和/或可视化的方法以及装置。一个或多个实施例可以提供优于现有技术的优势,例如,提高了计算有效的气体检测和/或可视化,使得小密度气体能被检测到,使得气体泄漏能被检测到(例如,小或大的气体泄漏),提供简单说明的气体可视化,和/或实现需求相对低的计算工作量。
根据一个或多个实施例,用于在描绘了一个场景的红外(IR)图像数据中的气体检测和可视化的方法,该方法包括在源于描绘了在第一时间实例的场景的第一IR图像以及源于描绘了在第二时间实例的场景的第二IR图像的图像数据上执行图像处理操作,以产生表示在第一或第二IR图像其中之一的气体的位置的数据采集;通过基于所述数据采集检测在第一或第二IR图像中的气体表示像素,以检测场景内的气体;以及在描绘场景的图像中,通过调整与在所述第一或第二IR图像中的气体表示像素相对应的像素的像素值,以产生气体可视化图像,从而气体表示像素在气体可视化图像中是可区别的。
根据一个或多个实施例,包括用于在描绘了一个场景的红外(IR)图像数据中的气体检测和可视化的布局以及设备,该布局以及设备包括了用于在源于描绘了在第一时间实例的场景的第一IR图像以及源于描绘了在第二时间实例的场景的第二IR图像的图像数据上执行图像处理操作,以产生表示在第一或第二IR图像其中之一的气体的位置的数据采集;通过基于所述数据采集检测在第一或第二IR图像中的气体表示像素以检测场景内的气体;以及在描绘场景的图像中,通过调整与在所述第一或第二IR图像其中之一的气体表示像素相对应的像素的像素值,以产生气体可视化图像,从而气体表示像素在气体可视化图像中是可区别的。
举例而言,如根据一实施例,一种图像处理方法被揭示用来通过产生一暂时的差分图像以产生表示数据的气体的采集。根据不同的方法实施例,差分图像可以被低通滤波和/或被转换至频域。这些和其他实施例的测量使得气体能够可视化,因为活动的或瞬时的元素更加清楚地在差分图像中突出,尤其是在低通滤波后。于此呈现的实施例进一步通过识别活动的或瞬时的元素来达到气体检测。根据实施例通过调整与在描绘场景的图像中的气体表示像素相对应的像素的像素值以产生气体可视化图像可实现气体可视化,从而区别气体表示像素是高处理效率的。
根据一个或多个实施例,一种被配置为处理红外(IR)图像数据的计算系统,该计算系统包括一被配置为存储描绘一个场景的红外图像数据的存储器以及一被配置为处理存储在存储器中的红外图像数据的处理器。该处理器进一步适于从存储器中接收描绘了在第一时间实例中捕获到的场景的第一IR图像;从存储器中接收描绘了在第二时间实例中捕获到的场景的第二IR图像;对源于第一及第二IR图像的图像数据执行图像处理操作以产生表示在第一或第二IR图像其中之一的气体的位置的数据采集;以及在一个描绘了场景的图像中,通过依赖于数据采集的像素值调整像素值以产生第三图像。
本发明要求的其他实施例涉及存储有用于执行气体可视化和/或呈现在一成像或描绘场景中的气体检测的非瞬时信息的计算机可读媒介,以及计算机程序产品。
附图说明
基于不同的实施例以及关于伴随的权利要求,本发明的一个或多个实施例将会被进一步解释,其中:
图1示出带有气体泄漏场景的IR图像的示例。
图2A根据本发明的一个实施例示出了一个处理过的暂时的差分图像的示例,该图像基于描绘了如图1中所示的场景的第一和第二IR图像。
图2B根据本发明的一个实施例示出了气体映射,同样被称为一气体图像的示例,此处以二元气体映射或二元气体图像的形式。
图2C根据本发明的一个实施例示出了中间气体图像的示例。
图2D根据本发明的一个实施例示出了气体可视化图像,同样被称为最终气体图像的示例。
图3根据本发明的一个实施例示出了一种方法的框图。
图4A根据本发明的一个实施例示出了方法第一部分的框图。
图4B根据本发明的一个实施例示出了图4A中方法的延续。
图5根据本发明的一个实施例示出了边缘检测方法的框图。
图6根据本发明的一个实施例示出了IR成像系统的示意图。
具体实施方式
介绍
本发明要求的实施例涉及用于执行气体检测和呈现在成像的,或描绘的场景中的气体可视化的方法,IR成像设备和/或IR成像布局。
根据一个实施例,一个IR成像设备被实现成一设备,其中用于图像的执行,捕获,以及处理的单元和功能被整合于该设备中。一种IR成像设备可以通过例如,IR照相机得以实现。根据一个实施例,一个IR成像布局包括一个或多个单元,并且使得在被包括的一个或多个单元之间的数据的通信和/或转换能够用于图像的执行,捕获以及处理。
本发明要求的其他实施例涉及存储有用于执行气体可视化和/或呈现在一成像的或描绘的场景中的气体检测的非瞬时信息的计算机可读媒介。
对于一个实施例来说,气体检测及可视化可以通过在一个被捕获的描绘一个场景的IR图像帧中,识别移动的或瞬时的元素,例如气体而被执行,通过生产一暂时的差分图像而被执行;为了使能气体检测,处理差分图像;以及通过调整在描绘场景的图像中的气体表示像素的像素值产生气体可视化图像,从而气体表示像素是可区别的。
在图1中,一个描绘场景的IR图像100的示例被示出,其中,有一嫌疑的气体泄漏。根据本领域常规所知,IR图像在一个描绘的场景中显现温度。然而,单独从这个表示,任何呈现在场景中的气体通常是无法区别的,如图1所示。
图2A-2D示出根据一个方法实施例,在气体检测和可视化不同的阶段的图像的示例。
图2A示出处理过的暂时的差分图像600的示例,该图像示出了在两个IR图像帧之间的差别,这两个图像帧为使用相同的IR成像系统在两个不同的时间实例所捕获的。在图中可以看出,所示出的一个气体形成的实体与所描绘的场景中的环境没有任何关系。
图2B示出一个气体映射800的示例,同样可以称为气体图像800,其中,在图1的IR图像100中的气体表示像素已经被检测到,并且已经被赋值从而将气体表示像素区别于剩余像素。在图2B的图像800中,气体表示像素都已经被赋值为1,或白色,而剩余像素都已经被赋值为0,或黑色,从而导致一二元气体映射,或二元气体图像。以下将进一步解释,这个二元气体映射或二元气体图像被用来改进处理效率。
图2C示出一中间气体图像600的示例,其通过将图2A的处理过的差分图像600与图2B的气体映射800,或气体图像800相结合而产生。
图2D示出图像1100,其中,检测到的气体信息通过图1的IR图像100与图2C的中间气体图像800相结合而获得并显现。这样一个其中描绘的场景被显现并且任何呈现在描绘场景中的气体相对于描绘的场景被清楚地显现的结合的图像1100,其将实时地,或者接近实时地被呈现给根据以下揭示的实施例的气体检测以及可视化方法,IR成像设备和/或IR成像布局的使用者或操作者。
气体检测和可视化方法
在图3中,一个方框图示意性地示出根据本发明一实施例的常规方法。这个用于在描绘场景的图像中的气体可视化的实施例方法包括:
在步骤S310中:捕获描绘了在第一时间实例的场景的第一IR图像。
根据一个实施例,被捕获的第一IR图像正在描绘一个在红外(IR)波长范围中的特定波长范围。
在步骤S320中:捕获描绘了在第二时间实例的场景的第二IR图像。
根据一个实施例,被捕获的第二IR图像正在描绘与第一IR图像相同的波长。
在不用的实施例变化中,被捕获的第一及第二IR图像可以被中间地存储在数据存储器中用于稍后处理或可以被转移至数据处理器中并被其接收,更适宜地在一IR成像设备或IR成像布局中,实时或接近实时。在这些IR图像被中间地存储的一个示例应用中,IR图像在某一时间被一个IR成像设备捕获并且被采集,然而,气体检测和气体可视化被稍后执行,根据在IR成像设备或IR成像布局中实施的,或在可在电脑上操作的单独的分析软件中实施的发明的实施例,使用功能。
在步骤S330中:在图像数据上执行图像处理操作以产生表示在第一或第二IR图像中的气体位置的数据采集,图像数据源于描绘了在第一时间实例的场景的第一IR图像以及源于描绘了在第二时间实例的场景的第二IR图像。
根据一个实施例,产生表示气体位置的数据采集的操作包括在第一IR图像及第二IR图像的基础上,产生一暂时的差分图像。
根据一个实施例,产生表示气体位置的数据采集包括在产生所述第三图像之前进一步处理差分图像。
根据一个实施例,进一步处理差分图像包括将差分图像转换至频域中,例如,通过一快速傅里叶变换(FFT)操作或通过一功率谱密度(PSD)操作。根据另一实施例,处理差分图像包括对数据采集进行低通滤波。
根据一个实施例,方法进一步包括在暂时的差分图像产生之前稳定第一和第二IR图像,通过相对于第二IR图像稳定第一IR图像,或通过相对于第一IR图像稳定第二IR图像。
根据一个实施例,图像处理操作包括基于或依赖于数据采集,通过检测在前一步骤的第一或第二IR图像中的气体表示像素,以在场景中检测气体。根据一个实施例,在气体检测被执行之前,第一及第二IR图像是稳定的。根据一个实施例,在场景中检测气体包括基于差分图像检测在第一或第二IR图像中的气体表示像素;以及产生一第三图像或气体可视化图像,通过在描绘场景的图像中调整与所述第一或第二IR图像其中之一的气体表示像素相对应的像素的像素值,从而气体表示像素是可区别的。
在步骤S340中:依赖于所述数据采集的像素值,通过调整在描绘场景的图像中的像素值以产生第三图像。
根据一个实施例,产生第三图像包括依赖于所产生的差分图像,调整描绘场景的图像中的像素值,例如通过将差分图像添加至描绘场景的图像。根据一个实施例,差分图像已先在步骤S330中被低通滤波过了。
根据一个实施例,差分图像或低通滤波的差分图像,在被添加至描绘场景的图像之前,可以根据一个预定的彩色或灰度调色板已经被进一步调整过,正如后文所揭示的。根据一个实施例,差分图像在其被添加至描绘场景的图像之前可以乘上一个因子,例如,在0与1之间,从而根据通过所述因子确定的不透明度添加信息。
根据一个实施例,产生第三图像包括通过在描绘场景的图像中调整与在先前步骤的第一或第二IR图像中的气体表示像素相对应的像素的像素值来产生气体可视化图像,从而气体表示像素在气体可视化图像中是可区别的。
气体可视化图像以及气体位置表示数据
对于产生气体可视化图像有不同的选择。根据不同的实施例,那种其中与所检测到的气体表示像素相对应的像素的像素值被调整后从而气体表示像素是可区别的图像是一个被选择的描绘场景的IR图像,其通过使用一被包含在IR成像设备中的IR成像设备所捕获。举例而言,这可能是上述步骤的第一IR图像或第二IR图像。作为一种选择,它可以是另一个被选择的描绘在一些其他时间实例中的场景的IR图像,优选地被相同的IR成像系统或IR检测器所捕获,如所提及的第一及第二IR图像。在另一实施例中,气体可视化图像基于一视觉图像而被产生,尤其是通过在描绘场景的视觉图像中调整与被检测到的气体表示像素相对应的像素的像素值,视觉图像具有与第一及第二IR图像相关的预定关系并且通过使用可见光成像系统被捕获,优选地地是包含在用来捕获所提及的第一和第二IR图像IR成像设备中的可见光成像系统。
当产生气体可视化图像,将气体可视化图像建立在选择的描绘场景的图像上并且仅仅调整与被检测到的气体表示像素相对应的像素的像素值是实用的。可选择地,气体可视化图像同样可以基于描绘场景的图像的图像数据,通过调整与非气体表示像素相对应的像素而获得,为了构建一个适于显示的图像。举例而言,这可以是当一带有检测到气体可视化的并包含了IR图像数据以及视觉图像数据的融合图像被产生为一气体可视化图像这样一种情况。重要的是,任何情况下,在所描绘的场景中,气体的位置是被充分精确地定位。
根据一个实施例,在图像中的表示气体位置的数据采集(例如,气体位置表示数据)包括了表示气体的图像像素的图像像素坐标。根据一个实施例,数据采集具有气体映射或气体图像的形式,其中,具有与气体位置相一致的坐标的像素,换句话说就是气体表示像素,具有能将它们从剩余的像素中区别出来的像素值。那些与这种气体映射,或气体图像相关的不同实施例将在下面呈现。
根据一个实施例,图像处理操作包括基于或源于第一IR图像和第二IR图像,即,依赖于第一IR图像和第二IR图像中的图像数据,创造一暂时的差分图像。根据一个实施例,呈现在场景中的气体通过低通滤波差分图像而清晰,从而去除可能被另外视作为气体的噪声区,例如通过使用者观察差分图像或者在以下将进一步揭示的可选的气体检测步骤S412中。根据一个产生结合图像的实施例,从差分图像中去除噪声进一步产生避免噪声被添加至结合图像中的效果。在此,结合图像同样被称为第三图像或者气体可视化图像。
根据一个实施例的进一步细节,产生一气体可视化图像包括在暂时的差分图像中基于所述气体位置表示数据的采集选择表示气体的像素,从而气体表示像素是可区别的。
气体检测及可视化的实施例
图4A及4B示出了发明的气体检测及可视化方法的实施例,其中,步骤401至412主要涉及气体检测,而步骤414至418则涉及检测到的气体信息可视化。
在步骤401a中,在第一时间实例,场景的IR图像被捕获。这个捕获的结果是第一(1st)IR图像100。这样的IR图像100的示例在图1中被示出。
在步骤401b中,在第二时间实例,优选地是在迫近第一时间实例的时间,并且描绘了与第一IR图像相同波长范围的场景的IR图像被从相同的方向所捕获,即相同的视野。这个捕获的结果是第二(2nd)IR图像200。
第一及第二IR图像都采用相同的IR成像传感器所捕获,该IR成像传感器被包含于IR成像设备中。
第二IR图像同样被称为当前IR图像,或者当前IR图像帧,并且在当前的时间实例中被捕获。第一IR图像同样被称为先前IR图像,或者先前IR图像帧,并且在一个先于第一时间实例的先前的时间实例中被捕获。根据一个实施例,先前IR图像以及当前IR图像是在图像帧序列中两个前后连续的IR图像帧,分别在时间实例(t-1)及(t)中被捕获。根据这个实施例,IR成像设备可以是一个适于捕获连续IR图像帧的IR摄像机。
步骤402至412涉及从第一及第二捕获的图像中导出图像数据,并且对源于第一及第二图像中的图像数据执行图像处理操作,以产生图像中表示气体位置的数据的采集。这个数据采集例如可以被表示为一个图像或映射。
在选择步骤402中,第一IR图像相对于第二IR图像被稳定,或者第二IR图像相对于第一IR图像被稳定,以补偿IR成像设备等的移动。这个稳定更适宜在产生暂时的图像之前被执行。
完成图像稳定化的不同方法在本领域中已被熟知,并且可以被粗略地划分为:光学图像稳定方法,其中一个或多个物理光学元件,例如透镜,传感器,检测器,被移动从而补偿成像设备的移动;和数字图像稳定,其中为了补偿成像设备的移动电子图像从一帧被切换至另一帧,基于检测到的例如是在图像中所识别的像素或者物体的移动。图像稳定系统被通常使用在视觉成像设备中,为了补偿成像设备的移动。
稳定原因及选项将在后文中进一步被解释,与步骤404有关。
在步骤404中,一个暂时的差分图像404基于或源于第一IR图像及第二IR图像而被产生。换句话说,第一及第二IR图像以这样一种方式被组合,从而获得一个暂时的差分图像400。
这种组合例如可以在于从第二图像中减去第一图像,或从第一图像中减去第二图像,因此获得一表示了作比较的图像之间的差异的图像。由于差分图像将包括在第一及第二IR图像帧之间的变化的信息,移动的元件在差分图像中是可见的。在本文中,移动的元件可以是瞬时元件,例如气体。
为了获得一个好的差分图像,用来产生差分图像的两幅图像的光度值必须是兼容的。由于描绘现实世界场景的第一及第二IR图像都表示光的红外光谱,因此,它们的光度值是兼容的。
此外,这样是有益的,如果两幅图像是对齐的,或者是整齐的,从而对应的像素重合。因此,作比较的第一及第二IR图像被紧密连续地捕获,并且通过相同的IR成像传感器。优选地,两幅图像是在一个图像帧序列中的两个连续的图像帧。捕获相互紧密连续的图像的原因是从第一图像帧至第二图像帧现实世界场景不会有太大的变化,并且第二图像因此包含了与第一图像实质上相同的场景,伴随着由在成像场景中的物体的移动,IR成像设备的移动或随机噪声产生的最小差别。本领域普通技术人员可以容易地理解,在相距甚远的时间实例中被捕获的第一及第二图像帧可以被用于在此揭示的方法,并且只要现实世界场景从第一图像帧至第二图像帧没有太大的变化和第二图像因此包含了与第一图像实质上相同的场景,以及只要IR成像设备相对于成像场景没有移动太多,这就能提供一个良好的结果。这可能适用于,例如,一个采用一个被固定安装在或安置在架子或三脚架上并位于成像场景之前的照相机随时间推移而执行监测的监测环境。通过从第二图像中减去第一图像,或从第一图像中减去第二图像可以获得一个差分图像,该差分图像包括了由成像场景中物体的移动,成像设备和/或随机噪声的移动而产生的差别。
在差分图像中,所有的由成像场景中物体移动产生的差别被包括,这意味着即便是非常小的气体浓度信息,例如非常小的气体泄漏,都会被包括在差分图像中。
表示场景中物体边缘及轮廓的高空间频率含量可以出现在差分图像中,除非成像场景从第一时间实例到第二时间实例完全没有变化过,而且成像设备因此还有成像传感器保持完全静止。举例而言,由于成像场景中光线的变化或者是被描绘物体的移动,场景从一帧至下一帧发生了变化。同样,几乎在所有的情况中,成像设备及传感器将无法保持完全静止,这意味着成像场景中所有固定的或没有移动的部分都不会出现在第一及第二IR图像中相同的位置。如果成像设备是手持的,那么很明显成像设备的使用者将会产生移动。如果成像设备室固定的,例如在一个架子上,成像设备或者周围的振动可能导致成像传感器的移动。因此,在产生暂时的差分图像400之前执行步骤402中可选的图像稳定是有益的。
通过边缘检测及移除减少不相关的信息
在可选的步骤406中,对差分图像执行边缘检测,从而产生包含边缘位置信息的数据采集,即,在差分图像中边缘位于何处的信息。包括边缘位置信息的数据采集可以是边缘映射500的形式,同样被称为边缘图像500的形式。
可选的边缘检测可以根据本领域已知的任何方法被执行,例如包括基于搜索的方法,比如,搜索梯度幅值的本地方向的最大值,和/或基于零交点的方法,比如,搜索在二阶导数表达式中的零交点,通常是拉普拉斯算子的零交点或非线性差分表达式的零交点。根据上述方法的边缘检测还可以包括作为预先处理步骤的图像平滑,例如本领域中已知的低通滤波或高斯平滑。
在图5中,一个边缘检测方法的实施例被示出,其中在IR图像450中检测边缘。根据一个可选的实施例,IR图像450是第一IR图像100;第二IR图像200,或采用与用于捕获第一及第二IR图像相同的IR成像设备捕获到的另一IR图像。根据另一个实施例,IR图像450是差分图像400.然而,使用差分图像400引入了气体信息被不恰当地检测为边缘以及由此从差分图像中移除这样一个风险。
在步骤S510,一个高通(HP)滤波器被应用于IR图像450。因此,IR图像中的高频率含量,比如是边缘信息被检测到,例如基于梯度幅值的本地方向的最大值的识别。根据HP滤波,HP滤波图像515被获得。如上所述,任何合适的方法可以被用于从图像中获得边缘信息,HP滤波就是一个常见的示例。
在可选择的步骤S520中,一个阈值被应用于HP滤波图像。根据可选择的阈值操作,一个二元HP滤波图像被获得,其中所有包含了检测到的高频率含量的像素被赋值为第一像素值,而剩余的像素被赋值为第二值。
根据不同的实施例,阈值等级在IR成像设备生产或校准中被预设。通常来说,阈值依赖于由IR成像设备或IR成像布局中的IR成像系统所捕获的图像中的常规噪声等级,并且阈值被设置从而使得尽可能少的噪声表示像素被不恰当地检测为气体,同时,气体检测的敏感度尽可能高从而在气体检测中没有气体像素会被错过。
根据一个实施例,气体检测的敏感度通过IR成像设备的操作者利用IR成像设备的交互功能而被调整。
在作为结果的HP滤波图像515中,或者如果可选的步骤S520已经被执行的话,在二元HP滤波图像中,通常含有噪声。为了去除噪声,HP滤波图像515,或者二元HP滤波图像可以在可选择的步骤S530中被低通(LP)滤波。
根据一个实施例,利用LP核心执行LP滤波,其中核心值适于让LP滤波导致被检测到的边缘的膨胀,以及包含在图像中,以单独的像素,或一群少量像素的形式存在的噪声的移除。
通常来说,核心滤波器通过将核心矩阵应用至图像中的每一像素而工作。核心含有被应用于像素及其邻近像素的乘法因子,并且一旦所有的值已经被相乘,那么像素值被替换为乘积的总和,或者乘积总和的平均值。如本领域熟知的,通过选择不同的核心,不同形式的滤波被应用。
例如,核心可以是3*3,5*5,7*7,9*9或者其他合适大小的矩阵,并且核心中心像素的值可以大于剩余的核心像素值。仅仅通过一个示例,核心可以具有一个中心像素值8,并且剩余的像素值被设为1。然而,其他任何合适的值,或者任何被选择的权重可以被用在核心的不同部分之间,这意味着,不是中心像素的所有像素不需要拥有相同的像素值。
根据一个实施例,LP滤波核心被应用至HP滤波图像515,或者二元HP滤波图像中的每一个像素,由此,像素值被设置为HP滤波图像515或二元HP滤波图像中所有像素值与被应用的核心值相乘/加权后的总和。可选择地是,像素值被设置为通过将所述总和除以被应用核心的像素的数量而获得的平均值。
不同的LP滤波实施例都将导致被滤波的像素考虑到在原始图像中周围像素的值而被赋值为一个新的像素值。因此,最初已经被设置为指示其不含有在HP滤波图像515或二元HP滤波图像中的边缘信息的值的像素,可以通过LP滤波而被设置成指示其含有边缘信息的值,如果显著数量的周围像素具有指示它们含有边缘信息的值。显著数量的周围像素可以是50%的周围像素,2/3的周围像素,或者其他合适的分数。这导致边缘膨胀,因为,当在被检测到的边缘周围的像素被包含在检测到的边缘时连续的边缘信息在图像中被增强。因此,如下所解释,这种检测到的边缘的膨胀被执行在产生一处理过的差分图像之前。
另一方面,最初已经被设置成指示其包含在HP滤波图像515或二元HP滤波图像中边缘信息的值的像素,可以通过LP滤波而被设置成指示其不含有边缘信息的值,如果显著数量的周围像素具有指示它们不含有边缘信息的值。显著数量的周围像素可以是50%的周围像素,2/3的周围像素,或者其他合适的分数。这导致以单独或少量像素的形式的噪声的移除,这些像素被不恰当地被检测为包含边缘信息,由于在图像中,可检测的边缘组成了在一个确定的方向上延伸的多个连续像素。
经过步骤S530中可选的LP滤波,一个LP滤波图像525被产生。
在步骤S540中,一个阈值被应用于LP滤波图像525,这导致边缘映射500,同样被称为边缘图像500的产生。
根据一个实施例,那些具有在阈值以上的值的像素被识别为表示边缘信息,而剩余的像素没有被识别为表示边缘信息。
根据一个可选实施例,那些具有在阈值一下的值的像素被识别为表示边缘信息,而剩余的像素没有被识别为表示边缘信息。
根据一个实施例,边缘映射500,或边缘图像500,其中那些已经被识别为表示边缘信息,例如包含检测到的边缘信息的像素被赋值为与剩余像素的像素值不同的像素值。作为一种选择,剩余像素被分配为与那些已经被识别为表示边缘信息,例如包含检测到的边缘信息的像素的像素值不同的像素值。
根据另一个实施例,那些已经被识别为表示边缘信息,例如包含检测到的边缘信息的像素被赋值为第一像素值,并且剩余像素被赋值为第二像素值。可选择地,所产生的边缘映射或边缘图像是一个二元映射或二元图像,其中表示检测到边缘信息的像素被赋值为像素值1并且剩余像素被赋值为像素值0,或者其中表示检测到边缘信息的像素被赋值为像素值0并且剩余像素被赋值为像素值1。
根据另一个实施例,那些已经被识别为表示边缘信息,例如包含检测到边缘信息的像素被赋值为像素值1或0,而剩余像素的像素值不作改变。作为一种选择,剩余像素被赋值为像素值1或0,而那些已经被识别为表示边缘信息,例如包含检测到边缘信息的像素的像素值不作改变。
在那以后,在可选步骤408中,一个处理过的差分图像通过边缘映射或边缘图像500与差分图像400的组合而产生从而检测到的边缘信息被移除。
举例而言,如果边缘映射,或边缘图像是一个二元映射,或二元图像,其中表示检测到边缘信息的像素已经被赋值为像素值0并且剩余像素已经被赋值为像素值1,然后为了获得一个处理过的差分图像600,边缘映射或二元图像可以与差分图像相乘,差分图像中的边缘信息已经被移除。
作为一种选择,如果边缘映射,或边缘图像时一个二元映射或二元图像,其中边缘表示像素已经被赋值为像素值1,以及剩余像素,例如那些还没有被识别为表示边缘的像素已经被赋值为像素值0,然后气体映射或二元图像可以从差分图像中减去,跟在所有小于零的像素值都被设置为0这个步骤之后,为了获得一个处理过的差分图像600,其中边缘信息已经被移除。
这样一个其中边缘已经被检测且被移除的处理过的差分图像600的示例在图2A中示出。
如图2A所示,仅仅在第一及第二IR图像帧中不同的元素,例如是瞬时元素,进一步还没有被检测为在处理过的差分图像中剩余的边缘。在图2A的处理过的差分图像600中,只有瞬时像素以一种气体云的方式剩余,清楚地示出在描绘的场景中所检测到的气体的图像位置。
如上所述,步骤406和408是可选的,但它们被示出以进一步改善气体可视化性能,由于呈现在差分图像中的不需要的元素,即,那些不可能表示气体的元素,被移除,并且因此将不会被可视化方法强调在后面的步骤418中所获得的最终气体图像中。边缘检测及移除步骤尤其对包括描绘包含狭窄线条的场景的图像是有利的,例如建筑,墙,地板,屋顶,道路,管道,任何矩形或圆柱形的物体或结构的轮廓,以及等等。因此,当目标是在建筑,结构,管道,道路或城市视察时检测气体,包括边缘检测及移除通常来说是有益的。
如果可选的步骤406及408已经被执行,处理过的差分图像被用作为下一步骤,步骤410,中转化的输入,并且因此处理过的差分图像是呈现在图4A及4B中剩余步骤的基础。
差分图像的进一步处理
以下图4A中的步骤409及412是可选的。
根据一个实施例,在步骤409中,差分图像或处理过的差分图像的进一步处理被执行。换句话说,产生一个表示气体位置的数据采集的操作在产生所导致的气体可视化图像,同样被称为与图3相关的第三图像之前,包括差分图像的进一步处理。根据如下呈现的实施例,步骤409的进一步处理可以包括在一个可选步骤410中,通过一个FFT操作或一个PSD操作,将数据采集转换至频域中。作为一种选择,根据如下呈现的实施例,步骤409的进一步操作可以包括在可选步骤411中对数据采集进行低通滤波。根据一个实施例,一个步骤410与411的组合可以被执行。
根据一个实施例,数据采集的低通(LP)滤波,换句话说,差分图像400或处理过的差分图像600,在步骤411中被执行,产生一低通(LP)图像701。通过对差分图像400或处理过的差分图像600进行低通滤波,呈现在图像400,600中的噪声被移除或减少。因此,任何呈现在场景中的气体能变得更加明显区别,由于不需要的或者干扰的信息,以噪声的形式,将不会再呈现在图像中。
根据一个实施例,步骤410被执行。在转换步骤410中,如果可选的步骤406及408已经被执行,那么差分图像400或处理过的差分图像600被从时域转换至频域。然后,在转换过的差分图像中执行气体检测以识别那些表示呈现在场景中气体的像素的像素坐标。以下,短语差分图像将被用在文章中,涉及差分图像400或处理过的差分图像600。
通过根据一个预设的转换函数的操作执行转换,该转换函数通常为傅里叶变换比如一个快速傅里叶变换(FFT,FFT2),或基于傅里叶变换的变换,比如离散余弦变换(DCT)或功率谱密度(PSD),其揭示了信号或者时间序列的功率是如何与频率分布的。发明人已经发现将图像转换至频域的傅里叶变换使得呈现在图像中气体的频率显得出人意料地好。
根据一个实施例,采用已知的揭示于斯托伊卡等人的《频谱分析入门》(普伦蒂斯·霍尔1997)中的韦尔奇方法计算PSD估计,其中,数据片段被允许重叠并且可以被表示为:
xi(n)=x(n+iD)
其中,片段i的起始点是iD,并且片段长度为M。根据一个实施例,M>D,意味着将有重叠,例如,M=2D对应于50%的重叠。信号的总长度为LD。
根据一个实施例,第1个周期图被计算为:
其中,U是对应于窗口函数中功率的标准化因子,并被给出如:
韦尔奇功率谱被定义为等式2中周期图的平均数,即
根据一个实施例,定义为
的汉明窗口函数连同50%的重叠被用于PSD估计。对于本领域普通技术人员来说很显然的是,不同的窗口函数以及不同数量的重叠可以根据环境而被应用。
根据一个实施例,差分图像转换至频域的转换被模块化执行,对于预定尺寸的块差分图像,利用尺寸小于差分图像尺寸的图像块。作为一个示例,块尺寸可以是2*2,4*4,8*8,16*16,32*32,或32*24像素。根据环境,任何适合的块尺寸都可以被选择,例如根据被应用于转换的差分图像的尺寸。通常而言,为了低频信息能被包括并且能在块中检测到,使用那种不是太小的块是有益的。
根据一个实施例,块可以被转变为阵列,其中,矩阵的行被一个接着一个地放置。此后,产生的以阵列格式的信号被用于随后的频率转换。
可选择地,至频域的模块化转换没有对差分图像中每一个像素执行,取而代之的是对差分图像中像素的子部分执行。因此,转换同样可以导致差分图像的下采样(downsampling),产生一下采样频域图像700,即差分图像的频域表示。举例而言,频率转换可以对每第十个像素执行,意味着产生的频域图像700被下采样了十次。
如果下采样已经在频率转换步骤中发生,信号,即频域图像700在频率转换之后被再次上采样成其原始尺寸。根据不同的实施例,上采样通过本领域中已知的任何种类的内插法而被执行,比如最近邻内插法,线性内插法,双线性内插法,多项式内插法,三次内插法,样条内插法,或者三次样条内插法。
对于本领域普通技术人员显而易见的是,根据环境,任何下采样因子可以被选择。如果主要目的是为了在转换步骤中保持尽可能多的信息,模块化转换可以,例如对每一个像素,每隔一个像素或者每第三个像素执行。另一方面,如果目的是为了在对频域图像700执行进一步计算时获得计算效率而减少信息,一个较大的采样距离可以被选择,比如说,导致每第十,每第二十或每第三十个像素的频率转换。明显地,下采样因子的选择同样依赖于差分图像的尺寸,即在转换前差分图像含有多少信息。对于本领域普通技术人员显而易见的是像素化转换时可能的,其中没有下及上采样是必须的,但这将会有更多的运算量。
对于具有特定的IR光学的特定IR成像设备,IR图像的尺寸以及由此的差分图像的尺寸是通常已知的。因此,一个适当的下采样因子可以在成像设备生产或校准时被预设,或者由使用者预先选择。根据一个实施例,下采样因子被使用者选择并且在使用中被手动地输入至IR成像设备。
根据一个实施例,每个像素被赋值为最大频率峰值的一个选择的值,在低频含量中的最大峰值,或者在对应的涉及像素的转换过的图像块中的低频含量中的峰值。根据另一实施例,每个像素被赋值为两个或更多这样峰值的增加的像素值的值。
在已转换的差分图像中的气体检测
步骤412是可选的,并且包含差分图像400的进一步处理,或者以处理过差分图像600,频域图像700或LP图像701的形式的差分图像的处理过的版本。以下,术语“差分图像”可能涉及图像400,600,700或701中的任何一个。
根据一个实施例,步骤412包括在场景中通过基于差分图像400,600,700,701检测在第一IR图像或者第二IR图像中的气体表示像素来检测气体;以及通过在描绘场景的图像中调整那些与所述第一或第二图像100,200中气体表示像素相对应的像素的像素值来产生第三图像,或者最终气体图像1100,从而气体表示像素是可区别的。
根据一个实施例,在步骤412中,气体检测被执行在转换过的差分图像中,同样被称为频域图像700。根据另一个实施例,在步骤412中,气体检测被执行在LP图像701中。
根据一个实施例,气体检测被执行在差分图像400,600,700,701中,为了识别那些表示呈现在描绘场景中瞬时单元(比如气体)的像素的位置。像素的位置通常可以被表示为差分图像400,600,700,701中像素的坐标。
根据一个实施例,通过根据一个LP滤波值或阈值对差分图像400,600,700,701进行LP滤波或阈值操作,并且基于差分图像400,600,700,701的像素值将气体表示图像像素从非气体表示图像像素中分离出来,以检测表示呈现在描绘场景中气体的像素的位置。
作为气体检测步骤的一部分,在一个实施例中,对差分图像400,600,700,701的像素执行低通滤波或阈值操作可以被用来产生表示某一IR图像中气体位置的数据的采集,从而创造或产生一气体映射或气体图像800,其中那些已经被识别为表示气体信息,即包含检测到的气体信息的像素被赋值为与剩余像素的像素值不同的像素值。作为一种选择,剩余像素被赋值为与那些已经被识别为表示气体信息,即包含检测到的气体信息的像素的像素值不同的像素值。
根据另一个实施例,那些已经被识别为表示气体信息,即包含检测到的气体信息的像素被赋值为第一像素值,并且剩余的像素被赋值为第二像素值。可选地,所产生的气体映射,或气体图像是二元映射或图像,其中,表示检测到的气体信息的像素被赋值为像素值1,并且剩余的像素被赋值为像素值0,或者其中表示检测到的气体信息的像素被赋值为像素值0,并且剩余的像素被赋值为像素值1。
根据另一个实施例,那些已经被识别为表示气体信息,即包含检测到的气体信息的像素被赋值为像素值,例如1或0,而剩余像素的像素值不作改变。作为一种选择,剩余像素的像素值被赋值为,例如1或0,而那些已经被识别为表示气体信息,即包含检测到的气体信息的像素的像素值不作改变。
气体检测和/或可视化模式
根据一个实施例,根据步骤410,411及412的进一步处理的实施例的组合表示了在IR成像设备或IR成像布局中可获得的不同模式。换句话说,对于进一步处理有着不止一种的模式,包含通过使用FFT操作或PSD操作将数据采集转换至频域中的选择;低通滤波数据采集;和/或执行气体检测。
根据一个实施例,IR成像设备或IR成像布局的使用者能够通过使用以下揭示的与图6相关的交互功能4选择一种模式,或在模式之间切换。根据一个实施例,可选择的模式通过整合在IR成像设备中或与之耦接的显示器中的图形用户界面中的菜单选项被呈现给使用者。根据一个实施例,根据环境,在生产,校准或使用中一个模式被自动地选择。
根据一个使用情况实施例,对于那种或多或少是静止的IR成像设备来说,使用那种包含通过使用FFT操作或PSD操作将数据采集转换至频域中的模式并且根据如上所揭示的方法的气体检测是有益的。这可能适用于,例如,固定安装的监测类型照相机,或者放置在架子或三脚架上的照相机。然而,这种模式当然也可以用在手持式成像设备。
根据另外一个使用情况实施例,对于那种相对于成像场景可能一直移动的手持照相机来说,使用那种包含低通滤波的模式并且同样可选地包含阈值的气体检测是有益的。在这个情况下气体检测和/或可视化通常没有上面所揭示的模式那么准确。然而,这个模式仍旧相对于那种没有执行进一步处理的图像,提供了一个大大加强的关于气体可视化的图像。然而,这个模式当然也可能被用在那种IR成像设备被固定安装或安置在架子或三脚架上的检测情况。
根据一个实施例,如果基于环境,没有特定的模式被使用者或自动地选择,那么整合在IR成像设备中的或与之耦接的显示器会显示一个规则的IR,可见光或那种还有没根据于此揭示的实施例被处理过的组合图像。
产生气体可视化图像
步骤414至418涉及通过调整在描绘场景的图像中的气体表示像素的像素值来产生气体可视化图像,从而气体表示像素是可区别的。
步骤414是可选的,并且如果步骤412已经被执行,其可被执行。
根据一个实施例,在步骤414中,通过将气体映射,或气体图像800与差分图像组合以产生一个中间气体图像900,从而与那些已经被识别为表示气体信息的,即在气体映射,或气体图像中已经被分配了一个或多个气体识别值的像素相对应的像素被赋值为差分图像中对应像素的像素值。在中间气体图像900中,剩余像素的像素值被设置为,例如0,1或者被选择用来将剩余像素从那些与已经被识别为表示气体信息的像素相对应的像素中区分或区别出来的任何其他值。这导致中间气体图像成为差分图像的一个处理过的版本,其中所有来自差分图像中那些关于已经被识别为表示气体信息的像素的像素信息被保留,而所有来自差分图像中那些关于剩余像素的像素信息被移除,例如,将所有剩余像素分配给一个不依赖于差分图像的单一像素值。
举例而言,如果气体映射,或者气体图像是一个二元映射或图像,其中气体表示像素已经被赋值为像素值1,并且剩余像素,例如那些还没有被识别为表示气体的像素已经被赋值为像素0,然后气体映射或图像可以与差分图像相乘为了获得一个处理过的差分图像,其中非气体像素信息被移除。
作为一种选择,如果气体映射,或气体图像是一个二元映射或图像,其中气体表示像素已经被赋值为像素值0,并且剩余像素,例如那些还没有被识别为表示气体的像素已经被赋值为像素1,然后气体映射或图像可以从差分图像中减去,在所有像素值小于0的像素被设置为0的步骤之后。
一个中间气体图像900的示例,其中表示气体的像素已经被检测到并且被赋值为差分图像中对应像素的像素值,并且进一步其中,那些对于所有非气体像素的像素信息已经被移除,如图2C所示。
在一个可选步骤416中,从先前执行的步骤中输入的图像的像素值被调整。
根据一个实施例,输入图像是一个被产生的差分图像400,600或LP图像701,并且调整像素值包括根据如下进一步所揭示的一个预定颜色或灰度调色板的调整。
根据一个实施例,带有调整过的像素值的中间气体图像1000被产生。根据一个实施例,在中间气体图像900中气体表示像素的像素值根据一个预定像素值调色板而被调整,以产生一个带有调整过的像素值的中间气体图像1000。
预定的调色板可以包含任何合适的对于人眼能从其他区别出来的表示的选择,例如灰度值,不同的亮度值,不同的图案比如半色调图案,某一颜色比如红色,绿色或蓝色的不同明亮度,或者包含两个,三个,或者更多不同色彩,饱和度或亮度的不同颜色的刻度。对于本领域普通技术人员显而易见的是,调色板可以包含一个单一的像素值,比如在色彩,饱和度或亮度/强度上没有变化的单一颜色值,当应用于在中间气体图像900中气体表示像素的像素值时产生一单调的(flat)颜色表示。
不管何种表示被选择用于调色板,在所选调色板中的表示被映射于中间气体图像900的像素值,从而某一像素将根据所选的调色板被某一像素值所映射。根据一个实施例,举例而言,在IR成像设备的生产或校准过程中,或在气体检测及可视化方法的发展或实施中,映射关系是预定的。
在调整完中间气体图像900中像素值之后,一个带有调整过的像素值的中间气体图像1000因此被获得。
在步骤418中,一个气体可视化图像,同样被称为最终气体图像1100被产生。
根据一个实施例,通过调整在描绘场景的图像1200中的气体表示像素的像素值以产生最终气体图像1100,从而气体表示像素是可区别的。
根据一个实施例,通过根据像素值的预定调色板调整LP图像701的像素值以获得最终气体图像1100,其中预定的调色板包括如上呈现的调色板选项中的一个选择。
根据一个实施例,第三图像的产生包括将所产生的差分图像400,600或LP图像701与描绘场景的图像1200相组合。根据一个实施例,该组合包括依赖于所产生的差分图像400,600或LP图像701调整在描绘场景的图像1200中的像素值,比如说通过将差分或LP图像添加至描绘场景的图像中或将差分或LP图像与之相乘。
如上与步骤416相关的所述,根据一些实施例的差分图像400,600或LP图像701,在其被添加至描绘场景的图像之前,可以根据预定的颜色或灰度调色板被进一步调整。根据一个实施例,差分图像400,600或LP图像701,在其被添加至描绘场景的图像或与之相乘之前,可以与一个因子相乘,例如在0至1之间,从而根据由所述因子确定的不透明度添加信息。
根据一个实施例,为了获得一个带有调整过的像素值的中间气体图像1000,LP图像701的像素值在步骤416中已经被调整,并且在步骤418中,所述带有调整过的像素值的中间气体图像1000与描绘场景的图像相组合。
根据一个实施例,在步骤412中气体检测已经在LP图像701中执行从而产生一个气体映射800,在产生的气体映射之后,根据以上揭示的实施例,可以被用作包含可选步骤414至418中任何或所有的进一步方法步骤的输入。
根据一个实施例,通过将所选的描绘场景的图像1200与中间气体图像900或调整过的中间气体图像1000以一种基于在中间气体图像900中的与气体表示像素相对应的像素的像素值,调整在描绘场景的图像1200中与气体表示像素相对应的像素的像素值的方式进行组合,以获得最终气体图像1100。因此,所导致的最终气体图像1100被产生,其中,所描绘的场景以及在描绘的场景中呈现的气体是可见的,以及其中场景与场景中呈现的气体之间的位置关系实质上是准确的。换句话说,中间气体图像900与描绘场景的图像1200相组合,以产生最终气体图像1100,其中,呈现在描绘场景中的气体是可见的。作为一种选择,如果可选步骤416已经被执行,那么调整过的中间气体图像1000与描绘场景的图像1200相组合以产生一个最终气体图像1100,其中呈现在描绘场景中的气体是可见的。
在最终气体图像1000的产生中还有许多进一步不同的选项及实施例。举例而言,最终气体图像可以基于:
-根据不同调色板的调整过中间气体图像1000;
-仅仅包含差分图像的中间图像;
-产生实质上覆盖气体像素的云结构。一个云结构可以被置于气体像素之上或更近似地覆盖气体像素,例如围绕所检测到气体像素的中心。这样一个云结构可以是一个预先定义的项目,比如储存在存储器中的图库云,并且可以被叠加在最终气体图像上。云结构是可扩展的或具有一个标准的尺寸。
对于气体可视化图像的基础图像的选项
根据实施例,描绘场景并且被用作为气体可视化图像的基础的图像1200可以从不同的选项中选择。在一个实施例中,图像1200是一个IR图像并且通过调整在IR图像1200中气体表示像素的像素值来产生最终气体图像1100,其中IR图像1200是第一IR图像100,或第二IR图像200,或者是与它们不同的,利用与捕获第一及第二图像相同的IR成像系统所捕获的描绘场景的第三IR图像,该IR成像系统被包含在IR成像设备中,比如是IR照相机或IR成像布局。
根据另外一个实施例,描绘场景的图像1200从一暂时的差分图像400或处理过的差分图像600而产生,同样地调整了与检测到的气体表示像素相对应的像素的像素值。
根据其他实施例,通过调整在描绘场景的图像1200中的气体表示像素的像素值来产生最终气体图像1100,其中图像1200已经被一不同的IR成像系统,即可见光成像系统,或是任何其他种类适于接收一定波长范围的光并对所接收到的光产生可见表示的成像系统,这种不同的IR成像系统被包含在IR成像设备,比如IR照相机,或IR成像布局之中或与之通信地耦接。
根据另一实施例,描绘场景的图像1200是一个融合图像,这个融合图像是描绘场景的IR图像与可见光图像相互融合的结果,同样被称为描绘场景的视觉图像。相互融合的IR图像及可见光图像分别被IR成像系统及可见光成像系统所捕获,这些成像系统可以被包含在IR成像设备中,比如IR照相机,或包含在IR成像布局中,或者可以与IR成像设备,比如IR照相机,或IR成像布局通信地耦接。根据这个实施例,通过调整在融合图像中的气体表示像素的像素值来产生最终气体图像1100。IR图像与可见光图像的融合可以根据现有技术中已经熟知的方法执行,这里不再赘述。
最终气体图像1100的一个示例在图2D中示出。如图2D所示,呈现在场景中的气体在最终气体图像1100中是可区别地看见。从而使得观察最终气体图像1100的人能很轻易地解释这个图像并且可视觉检测在场景中是否有气体呈现,并且如果是这样,有多少气体并且气体位于场景中的何处。换句话说,一个便于解释的气体可视化被提供。
气体可视化选项
根据一个实施例,每个包含检测到的气体的像素被表示为3比特的信息,其中信息的一个比特包含了颜色信息。颜色信息可以例如从表示负值的不同饱和度的绿色跨度到表示正值的不同饱和度的红色。举例而言,颜色值还有具有一个从-1到1的范围,其中-1等于全饱和绿色,0等于没有颜色/饱和度,以及1等于全饱和红色。根据这个实施例,每个像素中信息的第二和第三比特包含了原始灰度图像的像素值。换句话说,原始图像的像素值是不会被重写的,而是保持它们原有的形式,简单地添加一个比特的颜色信息。在这种方式中,“气体云的样子”被保持,由于在透明的方式中气体是可见的,添加的颜色信息具有变化的不透明度。这进一步改善了在图像中可视的气体信息的可解释性,由于在图像中部分可视的透明云,或羽毛(plume)是非常直观地被理解为气体。
对于本领域普通技术人员显而易见的是,任何合适的数字或其他刻度可以被同于揭示比特信息的范围,并且任何颜色值,比如色度和饱和度,亮度/强度和/或灰度值的选择可以被用于比特信息的可视化。
根据另外的实施例,每个像素采用任何已知的色彩空间表示,例如RGB,CIEXYZ或者CIELab被表示为三个比特颜色。
对齐
如果使用与捕获第一及第二IR图像相同的IR成像设备捕获到的IR图像被用作最终气体图像1100的基础,那在不同的成像系统之间自然而然地没有视差。因此,当在带有调整过的像素值的中间气体图像1000中的图像信息,或中间气体图像900的图像信息,与作为最终气体图像1100的基础的IR图像相组合时,将没有涉及像素移位的视差需要被补偿。
根据那些不同的成像系统,比如是两个不同的IR成像系统或者是一IR成像系统及一视觉成像系统,被用于捕获图像信息的实施例,在成像元件之间的光轴可以相互间隔一段距离,并且被认为是视差的光学现象会出现,从而导致在不同成像系统中捕获到的图像之间产生视差相关的像素移位。为了消除由于成像系统之间的视差距离以及成像系统光轴之间的角度所产生的视差相关的误差,那些待组合的图像必须先以某种方式对齐。
因此,在捕获之后,视觉图像及IR图像可以被对齐以补偿光轴之间的视差,视差的出现通常是由于在用于捕获所述图像的传感器的位置方面的差别,以及因为那些通常使得传感器无法准确地平行安置的机械公差所造成在轴线之间的角度。
计算机可读取媒介
根据本发明的一个实施例,提供有一个计算机可读取媒介,其上存储有用于执行一种方法的非瞬时信息,该方法包括:在第一时间示例捕获描绘场景的第一IR图像;在第二时间示例捕获描绘场景的第二IR图像;对源于第一及第二IR图像的图像数据执行图像处理操作以产生表示第一或第二图像中气体位置的数据的采集;基于数据采集,通过检测在先前步骤中第一或第二IR图像中的气体表示像素以检测场景中的气体;并且,通过在描绘场景的图像中调整与在先前步骤中第一或第二IR图像中的气体表示像素相对应的像素的像素值来产生气体可视化图像,从而气体表示像素在气体可视化图像中是可区别的。
根据进一步的实施例,提供有计算机可读取媒介,其上存储有用于执行以上揭示的方法实施例中任何一种的非瞬时信息。
系统架构
图6示出了包含具有IR成像传感器20的IR成像系统12的IR成像设备或者IR成像布局1的实施例的示意图。
根据一个实施例,IR成像设备被实现为一台将用于执行,捕获,以及图像处理的单元和功能整合于其中的设备。IR成像设备可以是比如一台IR照相机。根据一个实施例,IR成像布局包括了一个或多个单元并且在一个或多个用于执行,捕获,以及图像处理的单元之间能够数据通信和/或传输。在下文对于系统架构的说明中,术语“IR成像设备”以及“IR成像布局”将会可交换地使用,其中,仅有的差别在于单元及功能是否被包含在一个单一的物理单元或设备中,或者单元及功能是否可通信地或其他方面地耦接,从而构成一个或多个物理单元或设备的布局。
根据实施例,IR成像设备或布局1可以进一步包括一个具有视觉传感器16的可见光成像系统11。IR成像设备或布局1进一步包括至少一个存储器15。
通过被包括在IR成像设备或布局1中的IR成像系统12执行IR图像的捕获。可选地,同样可以通过被包括在IR成像设备或布局1中的可见光成像系统11而捕获的视觉图像。捕获到的一个或多个图像被传送至被包括在IR成像设备1中能够执行图像处理操作的处理单元2。捕获到的图像同样可以随着可能的中间储存被传送被包括在IR成像布局1中的处理单元,该处理单元与成像系统12,11耦接,但物理上与之分离或在其外部。根据一个实施例,处理单元被配置为从IR成像系统12中接收并处理红外图像。整合在IR成像设备中的处理,或者与IR布局相耦接的单独的处理单元配备有特殊设计的程序或者适于控制处理单元去执行于此揭示的发明方法中实施例的步骤及功能的程序编码。
处理单元2可以是一个处理器,比如通常或特殊目的处理引擎,例如是微处理器,微控制器或其他储存在计算机可读取的存储媒介上的包括编码片段或编码部分控制逻辑,那些编码片段或编码部分适于执行某一任务,并且储存在计算机可读取的存储媒介上的其他编码片段可以在使用中改变。这些可改变的片段可以包括将被用作不同任务(比如成像设备或布局1的校准,尤其是对于图像空间滤波的采样率或滤波)的输入的参数。
根据一个实施例,处理器或处理单元2被配置为处理来自描绘场景的红外传感器的红外图像数据。根据进一步的实施例,处理器被配置为接收一个描绘场景并且在第一时间示例被捕获的第一IR图像;接收一个描绘场景并且在第二时间示例被捕获的第二IR图像;对源于第一及第二IR图像的图像数据执行图像处理操作以产生表示图像中气体位置的数据的采集;以及依赖于数据采集,通过在描绘场景的图像中调整像素值以产生一第三图像,例如是气体可视化图像。
根据一个实施例,处理单元2被配置为依赖于数据采集,通过在描绘场景的图像中调整像素值以产生一第三图像,或气体可视化图像。根据一个实施例,处理单元2被配置为通过调整与第一或第二捕获到的IR图像中气体表示像素相对应的像素的像素值以产生第三图像,或气体可视化图像,从而气体表示像素在气体可视化图像中是可区别的。
根据一个实施例,处理单元2被配置为基于数据采集通过检测在第一或第二IR图像中气体表示像素来检测场景中的气体。
根据本发明的一个或多个实施例,处理单元2被配位为执行根据于此呈现的方法实施例中任何或所有的步骤。根据一个实施例,处理单元2是可配置地使用一个硬件描述语言(HDL)。
根据一个实施例,处理单元2是现场可编程门阵列(FPGA),即一个被设计成在制造后由客户或设计师配置的集成电路。为了这个目的,本发明的实施例包括被配置为控制一个FPGA去执行于此揭示的方法实施例的步骤及功能的配置数据。
在本文中,术语“计算机程序产品”以及“计算机可读取存储媒介”可以通常被用于涉及媒体,比如存储器15或处理单元2的存储媒介或外部存储媒介。这些及其他形式的计算机可读取存储媒体可以被用来对处理单元2提供用于执行的指令。这些指令,通常被称为“计算机程序编码”(可以以计算机程序或其他分组的形式被集合),当被执行,能够使得IR照相机1执行现有技术的实施例的特征或功能。进一步,如在此所用的“逻辑”可以包括硬件,软件,固件或者他们的组合。
处理单元2与存储器15相通信,其中参数被保持为准备被处理单元2使用,以及如果使用者想要的话,被处理单元2处理的图像可以被存储。一个或多个存储器15可以包括硬盘驱动起,软盘驱动器,磁盘驱动器,光盘驱动器,CD或DVD驱动器(R或RW),或者其他可移动或固定的媒体驱动器中的一个选择。
进一步的实施例
根据一个实施例,使用者可以将最终气体图像1100或对应于不同方法步骤的任何先前的图像保存至存储器15中,为了以后观察或传送至另一单元,例如计算机,为了进一步分析及储存。
在一个选择的实施例中,所揭示的方法可以通过计算设备,比如包含尤其适于执行本发明中一个或多个实施例的方法的步骤的FPGA-单元的功能的PC或者包含根据与图6相关的描述的一般处理单元2的PC实现。计算设备可以是IR成像布局1的一部分并且可以与IR成像布局1中的单元及功能相通信地或其他方式耦接。计算设备可以进一步包括存储器15以及显示单元3。这将可能使用揭示的方法来实况转播,即对于滤波的及组合的图像流动组,实时的或接近实时的,以30Hz,这样图像可以以电影的形式被记录或重播,但是,仍旧可能使用静止的画面。
根据一个实施例,IR照相机包括视觉成像设备以及适于处理融合的处理器2。根据这个实施例,与中间气体图像900或带有调整过的像素值的中间气体图像1000相组合,以产生一最终气体图像1100的描绘场景的图像1200,其可以被用作为视觉图像。作为一种选择,检测到的气体可以分别地在视觉图像及IR图像中被添加或着色。
根据一个实施例,包括呈现在场景中气体的可视化的最终气体图像1100被呈现在被包含在IR照相机中或与之通信地耦接的显示器3上给IR照相机的使用者。
根据一个实施例,处理单元2适于对源于第一及第二IR图像的图像数据执行图像处理操作以产生表示在图像中气体位置的数据的采集。
根据一个实施例,处理单元2适于基于数据采集通过检测在先前步骤的第一或第二IR图像中的气体表示像素来检测场景中的气体。
根据一个实施例,处理单元2适于通过在描绘场景的图像1200中调整与先前步骤中第一或第二IR图像中的气体表示像素相对应的像素的像素值以产生一气体可视化图像,同样被称为最终气体图像1100,从而在气体可视化图像中气体表示像素是可区别的。
根据一个实施例,IR成像设备或布局1进一步包括交互功能4,使得IR成像设备或布局1的操作者向IR成像设备或布局提供输入。根据一个实施例,交互功能包括一个或多个用于输入命令和/或控制信号的控制设备的一个选择,例如一个交互显示器,键盘和/或记录/按钮。
根据一个实施例,操作者可以调整有关于呈现在场景中的气体有多少待被检测相对于图像中有多少噪声将被不恰当地被认为是气体并被气体检测方法检测到的气体检测的敏感度。
根据一个实施例,敏感度等级值是与可选的边缘检测步骤S520及S540的两个阈值,以及气体检测步骤412的阈值相关的函数。因此,根据一个预定的函数,对于组合的敏感度值的调整将导致所有阈值的调整。
根据另一个实施例,对于步骤414,S520以及S540的一个或多个阈值可以被单独地,或者组合地调整。
对于步骤S520及S540来说,一个增加的阈值会导致敏感度较低的检测,可能会允许更多的气体信息被理解为边缘并因此被移除,而对于步骤412来说,阈值的增加会导致敏感度较高的检测,其中带有像素值的像素在较大范围中被检测为包含气体信息。
因此,如果操作者想要确保在检测中没有气体信息被错过,那么敏感度可以被手动地降低,而如果操作者想要确保在检测结果中只包括气体而不包括其他东西,那么敏感度可以被手动地增加。观察IR成像设备或布局1的显示器3上的结果的操作者可以进一步向上调整及向下调整气体敏感度,直至操作者对显示的结果表示满意。
使用情况
在一个实施例的示例使用情况,IR成像设备1的操作者将IR成像设备对准目标场景,在目标场景中怀疑有气体出现,例如从管道中泄漏的气体。
当IR成像设备1对准目标场景,在IR成像设备1的显示器3上将那种任何呈现在场景中的气体是可见的图像,实时地或接近实时地呈现给操作者。任何呈现在场景中的气体被检测到并且对于在图像帧序列中的每一图像帧都是可视化的,该图像帧序列被IR成像设备1捕获。由于检测到的气体对于每一帧都是可见的,观察在IR成像设备1的显示器3上显示的图像序列的操作者将看到活动的气体可视化,其中,实时的,可见气体相对于场景中剩余的部分被正确地定位。这通过将气体在或大约在那个气体信息已经被检测到的图像中的像素之上可见是可行的。
根据本发明的实施例,可见的气体具有正确的尺寸和分布,因为其在那些已经被识别为包含气体信息的像素上可视化。
根据本发明的实施例,可见气体具有一个气体状,或云状的外貌,例如通过以一种非-不透明的方式被叠加在描绘场景的图像上的气体信息和/或通过使用多于一种色调和/或饱和度等级着色的气体信息。而且,由于对于每一帧气体可视化都被更新,并且正确地或至少近似正确地描绘了检测气体的形状,操作者将经历随着从一帧到另一帧的可视化变化,可见气体以气体状的方式连续地移动。
进一步的优点
根据具有创造性的实施例的方法改善了任何类型IR照相机的气体检测及可视化性能,无论其是带有冷却检测器的照相机或是带有非冷却检测器的,这是由于方法使得检测变得更加精确,这则是归因于IR图像中较小的差别可以被做成可区别的这个事实。
对于非冷却的检测器照相机,这通常是困难的去区别不同波长数据之间的差别。而且图像经常包含许多噪声。具有创造性方法的图像处理步骤因此使得在那些之前不可能实现的图像中实现气体检测。
对于冷却的检测器照相机,相对于先前的方法,气体检测及可视化性能被改善。
对于本领域普通技术人员显而易见的是,如果所使用的IR照相机适于某一宽带或窄带的波长辐射,其将仍旧获得有利的气体检测及可视化能力。
根据一个实施例,IR照相机可以是一个单频带IR照相机,这意味着IR照相机适于接收在一定波长范围内的辐射并且创建示出所接收到辐射可见表示的图像。IR照相机的这种适应,即固定的波长范围敏感度,可以通过在描绘的场景与IR传感器20之间的固定的光学元件的使用,或通过那些被临时固定的可调整的物理/硬件或软件光学元件,比如是双频滤波器或滤光轮,而实现。临时固定这些光学元件会导致IR照相机作为一个单频带IR照相机,即,带有固定的波长范围敏感度的IR照相机。
根据其他实施例,IR照相机可以是一个单频带IR照相机,这意味着IR照相机成像系统适于接收在一定波长范围内的辐射并且创建示出所接收到辐射可见表示的图像。
那些有利于检测及可视化的气体的一些示例是:1-戊烯,苯,丁烷,乙烷,乙醇,乙苯,乙烯,庚烷,己烷,异戊二烯,甲基乙基酮,甲烷,甲醇,甲基异丁基酮,辛烷,戊烷,丙烷,丙烯,甲苯和/或二甲苯。
应当注意的是,本发明的实施例有较佳的实施性,且并非对本发明作任何形式的限制,任何熟悉该领域的技术人员可能利用上述揭示的技术内容变更或修饰为等同的有效实施例,但凡未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何修改或等同变化及修饰,均仍属于本发明技术方案的范围内。
Claims (18)
1.一种用于在描绘场景的红外(IR)图像中检测气体的方法,所述方法包括:
接收在第一时间实例捕获的描绘所述场景的第一IR图像,并接收在第二时间实例捕获的描绘所述场景的第二IR图像;
对源于所述第一IR图像以及所述第二IR图像的图像数据执行图像处理操作,以产生表示在第一IR图像中的气体的位置的数据集合,
其中所述图像处理操作包括:
基于第一IR图像和第二IR图像产生一暂时差分图像;并
按以下方式处理该暂时差分图像:
在第一和第二IR图像中的至少一个中执行边缘检测以提供检测到的边缘信息,创建一包含检测到的边缘信息的边缘映射,其中,表示检测到的边缘信息的像素被赋值为第一像素值,剩余的像素被赋值为第二像素值,通过将边缘映射与暂时差分图像结合使得检测到的边缘信息被移除,产生经处理的差分图像作为所述数据集合的一部分;和/或
对产生的暂时差分图像进行低通滤波,并通过将经低通滤波的暂时差分图像添加至第一IR图像,或通过把经低通滤波的暂时差分图像与第一IR图像相乘,产生经处理的差分图像,作为所述数据集合的一部分;和
基于对经处理的差分图像的阈值设定,通过检测表示气体的像素并识别表示气体的像素的像素坐标来检测所述场景内的气体。
2.如权利要求1所述的方法,其中所述图像处理操作还包括在对经处理的差分图像进行阈值设定之前对经处理的差分图像进行处理,对所述差分图像的处理包括通过FFT操作或PSD操作将经处理的差分图像转换至频域中,其中基于对经转换和经处理的差分图像的阈值设定,检测表示气体的像素并识别表示气体的像素的像素坐标。
3.如权利要求2所述的方法,其中,将经处理的差分图像转换至频域中的转换以块式执行,使用尺寸小于差分图像尺寸的图像块,和/或作为差分图像像素的一子部分,从而导致下采样频域图像。
4.如权利要求1所述的方法,进一步包括,在检测所述场景内的气体之后,通过在描绘所述场景的图像中,调整与表示气体的像素相对应的像素的像素值,使得表示气体的像素是可区别的,来产生第三图像。
5.如权利要求4所述的方法,其中产生第三图像包括创建气体映射,该气体映射包括二元气体图像形式的检测到的表示气体的像素。
6.如权利要求5所述的方法,其中产生第三图像还包括:
在描绘所述场景的图像中调整与检测到的表示气体的像素相对应的像素的像素值,所述图像与第一和第二IR图像具有预定关系;
在经处理的差分图像中调整与检测到的表示气体的像素相对应的像素的像素值;和/或
将所述气体映射与经处理的差分图像结合,使得与已经被识别为气体映射中表示气体信息的像素相对应的像素被赋值为在差分图像中的对应像素的像素值,以产生中间气体图像。
7.如权利要求1所述的方法,其中所述方法包括在第一和第二IR图像中的至少一个中执行边缘检测以提供检测到的边缘信息,创建包含检测到的边缘信息的二元边缘图像形式的边缘映射,其中,表示检测到的边缘信息的像素被赋值为第一像素值,剩余的像素被赋值为第二像素值,通过将边缘映射与暂时差分图像结合使得检测到的边缘信息被移除,产生经处理的差分图像作为所述数据集合的一部分,且其中将边缘映射与产生的暂时差分图像结合还包括从以下中进行选择:
从产生的暂时差分图像中减去二元图像;或
将二元图像与产生的暂时差分图像相乘。
8.一种用于在描绘场景的红外(IR)图像中检测气体的红外(IR)成像装置,所述IR成像装置包括:
IR传感器,被配置为捕获描绘场景的IR图像数据;
处理器,被配置为接收和处理来自所述IR传感器的IR图像数据,所述处理器进一步被配置成:
接收描绘场景并且在第一时间实例中被捕获的第一IR图像;
接收描绘场景并且在第二时间实例中被捕获的第二IR图像;
对源于所述第一IR图像及所述第二IR图像的图像数据执行图像处理操作,以产生表示在第一IR图像中的气体的位置的数据集合,其中所述图像处理操作包括:
基于第一IR图像和第二IR图像产生一暂时差分图像;并
按以下方式处理该暂时差分图像:
在第一和第二IR图像中的至少一个中执行边缘检测以提供检测到的边缘信息,创建一包含检测到的边缘信息的边缘映射,其中,表示检测到的边缘信息的像素被赋值为第一像素值,剩余的像素被赋值为第二像素值,通过将边缘映射与暂时差分图像结合使得检测到的边缘信息被移除,产生经处理的差分图像作为所述数据集合的一部分;和/或
对产生的暂时差分图像进行低通滤波,并通过将经低通滤波的暂时差分图像添加至第一IR图像,或通过把经低通滤波的暂时差分图像与第一IR图像相乘,产生经处理的差分图像,作为所述数据集合的一部分;和
基于对经处理的差分图像的阈值设定,通过检测表示气体的像素并识别表示气体的像素的坐标来检测所述场景内的气体。
9.如权利要求8所述的红外(IR)成像装置,进一步包括可见光成像传感器,其被配置成捕获描绘场景并与所述第一及第二IR图像具有预定关系的可见光图像,其中处理器与红外传感器耦接。
10.如权利要求8所述的红外(IR)成像装置,其中,处理器为现场可编程门阵列(FPGA)。
11.如权利要求8所述的红外(IR)成像装置,其中所述图像处理操作还包括在对经处理的差分图像进行阈值设定之前对经处理的差分图像进行处理,对所述差分图像的处理包括通过FFT操作或PSD操作将经处理的差分图像转换至频域中,其中处理器进一步被配置为基于对经转换和经处理的差分图像的阈值设定,检测表示气体的像素并识别表示气体的像素的像素坐标。
12.一种计算系统,被配置为处理红外(IR)图像数据,用于在描绘场景的红外(IR)图像中检测气体,该计算系统包括:
存储器,被配置为存储描绘场景的红外图像数据;
处理器,被配置为处理存储在存储器中的红外图像数据,该处理器进一步被配置为:
从存储器接收在第一时间实例中捕获到的描绘场景的第一IR图像;
从存储器接收在第二时间实例中捕获到的描绘场景的第二IR图像;
对源于所述第一IR图像以及所述第二IR图像的图像数据执行图像处理操作,以产生表示在第一IR图像中的气体的位置的数据集合,其中所述图像处理操作包括:
基于第一IR图像和第二IR图像产生一暂时差分图像;并
按以下方式处理该暂时差分图像:
在第一和第二IR图像中的至少一个中执行边缘检测以提供检测到的边缘信息,创建一包含检测到的边缘信息的边缘映射,其中,表示检测到的边缘信息的像素被赋值为第一像素值,剩余的像素被赋值为第二像素值,通过将边缘映射与暂时差分图像结合使得检测到的边缘信息被移除,产生经处理的差分图像作为所述数据集合的一部分;和/或
对产生的暂时差分图像进行低通滤波,并通过将经低通滤波的暂时差分图像添加至第一IR图像,或通过把经低通滤波的暂时差分图像与第一IR图像相乘,产生经处理的差分图像,作为所述数据集合的一部分;和
基于对经处理的差分图像的阈值设定,通过检测表示气体的像素并识别表示气体的像素的像素坐标来检测所述场景内的气体。
13.如权利要求12所述的计算系统,其中,处理器为现场可编程门阵列。
14.如权利要求12所述的计算系统,其中所述图像处理操作还包括在对经处理的差分图像进行阈值设定之前对经处理的差分图像进行处理,对所述差分图像的处理包括通过FFT操作或PSD操作将经处理的差分图像转换至频域中,其中处理器进一步被配置为基于对经转换和经处理的差分图像的阈值设定检测表示气体的像素。
15.如权利要求12所述的计算系统,其中所述系统还包括配置成捕获描绘场景的红外图像数据的IR传感器,其中所述处理器被配置成接收和处理来自所述IR传感器的IR图像数据。
16.如权利要求12所述的计算系统,其中所述处理器被配置成至少通过创建包含检测到的表示气体的像素的二元气体图像形式的气体映射产生数据集合。
17.如权利要求16所述的计算系统,其中所述处理器被配置成通过在描绘场景的图像中,调整与表示气体的像素相对应的像素的像素值使得表示气体的像素是可区别的,来产生第三图像,该调整包括:
在描绘场景的图像中调整与检测到的表示气体的像素相对应的像素的像素值,所述图像与第一和第二IR图像具有预定关系;和/或
将所述气体映射与经处理的差分图像结合,使得与已经被识别为气体映射中表示气体信息的像素相对应的像素被赋值为在差分图像中的对应像素的像素值,以产生中间气体图像。
18.如权利要求12所述的计算系统,其中所述处理器被配置成通过以下方式处理暂时差分图像:在第一和第二IR图像中的至少一个中执行边缘检测以提供检测到的边缘信息,创建包含检测到的边缘信息的二元边缘图像形式的边缘映射,其中,表示检测到的边缘信息的像素被赋值为第一像素值,剩余的像素被赋值为第二像素值,通过将边缘映射与暂时差分图像结合使得检测到的边缘信息被移除,产生经处理的差分图像作为所述数据集合的一部分,且其中产生经处理的差分图像还包括从以下中进行选择:
从经处理的差分图像中减去二元图像;或
将二元图像与经处理的差分图像相乘。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP11188119.9 | 2011-11-07 | ||
EP11188119 | 2011-11-07 | ||
US201261639749P | 2012-04-27 | 2012-04-27 | |
US61/639,749 | 2012-04-27 | ||
CN2012104387048A CN103091249A (zh) | 2011-11-07 | 2012-11-06 | 气体可视化布局,设备以及方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012104387048A Division CN103091249A (zh) | 2011-11-07 | 2012-11-06 | 气体可视化布局,设备以及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107256542A true CN107256542A (zh) | 2017-10-17 |
CN107256542B CN107256542B (zh) | 2021-07-06 |
Family
ID=46982485
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710511490.5A Active CN107256542B (zh) | 2011-11-07 | 2012-11-06 | 气体可视化布局,设备以及方法 |
CN2012104387048A Pending CN103091249A (zh) | 2011-11-07 | 2012-11-06 | 气体可视化布局,设备以及方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012104387048A Pending CN103091249A (zh) | 2011-11-07 | 2012-11-06 | 气体可视化布局,设备以及方法 |
Country Status (3)
Country | Link |
---|---|
US (3) | US9280812B2 (zh) |
EP (1) | EP2590138B1 (zh) |
CN (2) | CN107256542B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001879A (zh) * | 2019-06-18 | 2020-11-27 | 杭州美盛红外光电技术有限公司 | 气体检测装置和气体检测方法 |
US11346938B2 (en) | 2019-03-15 | 2022-05-31 | Msa Technology, Llc | Safety device for providing output to an individual associated with a hazardous environment |
Families Citing this family (103)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8866920B2 (en) | 2008-05-20 | 2014-10-21 | Pelican Imaging Corporation | Capturing and processing of images using monolithic camera array with heterogeneous imagers |
JP2011523538A (ja) | 2008-05-20 | 2011-08-11 | ペリカン イメージング コーポレイション | 異なる種類の撮像装置を有するモノリシックカメラアレイを用いた画像の撮像および処理 |
US11792538B2 (en) | 2008-05-20 | 2023-10-17 | Adeia Imaging Llc | Capturing and processing of images including occlusions focused on an image sensor by a lens stack array |
EP2502115A4 (en) | 2009-11-20 | 2013-11-06 | Pelican Imaging Corp | RECORDING AND PROCESSING IMAGES THROUGH A MONOLITHIC CAMERA ARRAY WITH HETEROGENIC IMAGE CONVERTER |
US20120012748A1 (en) | 2010-05-12 | 2012-01-19 | Pelican Imaging Corporation | Architectures for imager arrays and array cameras |
US8878950B2 (en) | 2010-12-14 | 2014-11-04 | Pelican Imaging Corporation | Systems and methods for synthesizing high resolution images using super-resolution processes |
EP2708019B1 (en) | 2011-05-11 | 2019-10-16 | FotoNation Limited | Systems and methods for transmitting and receiving array camera image data |
US20130265459A1 (en) | 2011-06-28 | 2013-10-10 | Pelican Imaging Corporation | Optical arrangements for use with an array camera |
US20130070060A1 (en) | 2011-09-19 | 2013-03-21 | Pelican Imaging Corporation | Systems and methods for determining depth from multiple views of a scene that include aliasing using hypothesized fusion |
US8542933B2 (en) | 2011-09-28 | 2013-09-24 | Pelican Imaging Corporation | Systems and methods for decoding light field image files |
DE102011086099A1 (de) * | 2011-11-10 | 2013-05-16 | Krones Aktiengesellschaft | Inspektion und Rückführung von Behältern |
US9338352B2 (en) * | 2011-12-30 | 2016-05-10 | Flir Systems Ab | Image stabilization systems and methods |
WO2013126578A1 (en) | 2012-02-21 | 2013-08-29 | Pelican Imaging Corporation | Systems and methods for the manipulation of captured light field image data |
US9210392B2 (en) | 2012-05-01 | 2015-12-08 | Pelican Imaging Coporation | Camera modules patterned with pi filter groups |
CN104508681B (zh) | 2012-06-28 | 2018-10-30 | Fotonation开曼有限公司 | 用于检测有缺陷的相机阵列、光学器件阵列和传感器的系统及方法 |
US20140002674A1 (en) | 2012-06-30 | 2014-01-02 | Pelican Imaging Corporation | Systems and Methods for Manufacturing Camera Modules Using Active Alignment of Lens Stack Arrays and Sensors |
JP6191160B2 (ja) * | 2012-07-12 | 2017-09-06 | ノーリツプレシジョン株式会社 | 画像処理プログラムおよび画像処理装置 |
US8619082B1 (en) | 2012-08-21 | 2013-12-31 | Pelican Imaging Corporation | Systems and methods for parallax detection and correction in images captured using array cameras that contain occlusions using subsets of images to perform depth estimation |
US20140055632A1 (en) | 2012-08-23 | 2014-02-27 | Pelican Imaging Corporation | Feature based high resolution motion estimation from low resolution images captured using an array source |
US20140092281A1 (en) | 2012-09-28 | 2014-04-03 | Pelican Imaging Corporation | Generating Images from Light Fields Utilizing Virtual Viewpoints |
WO2014078443A1 (en) | 2012-11-13 | 2014-05-22 | Pelican Imaging Corporation | Systems and methods for array camera focal plane control |
CN103067715B (zh) | 2013-01-10 | 2016-12-28 | 华为技术有限公司 | 深度图像的编解码方法和编解码装置 |
CN103067716B (zh) * | 2013-01-10 | 2016-06-29 | 华为技术有限公司 | 深度图像的编解码方法和编解码装置 |
US9462164B2 (en) | 2013-02-21 | 2016-10-04 | Pelican Imaging Corporation | Systems and methods for generating compressed light field representation data using captured light fields, array geometry, and parallax information |
WO2014133974A1 (en) | 2013-02-24 | 2014-09-04 | Pelican Imaging Corporation | Thin form computational and modular array cameras |
US9774789B2 (en) | 2013-03-08 | 2017-09-26 | Fotonation Cayman Limited | Systems and methods for high dynamic range imaging using array cameras |
US8866912B2 (en) | 2013-03-10 | 2014-10-21 | Pelican Imaging Corporation | System and methods for calibration of an array camera using a single captured image |
US9888194B2 (en) | 2013-03-13 | 2018-02-06 | Fotonation Cayman Limited | Array camera architecture implementing quantum film image sensors |
WO2014164550A2 (en) | 2013-03-13 | 2014-10-09 | Pelican Imaging Corporation | System and methods for calibration of an array camera |
US9519972B2 (en) | 2013-03-13 | 2016-12-13 | Kip Peli P1 Lp | Systems and methods for synthesizing images from image data captured by an array camera using restricted depth of field depth maps in which depth estimation precision varies |
US9106784B2 (en) | 2013-03-13 | 2015-08-11 | Pelican Imaging Corporation | Systems and methods for controlling aliasing in images captured by an array camera for use in super-resolution processing |
US9578259B2 (en) | 2013-03-14 | 2017-02-21 | Fotonation Cayman Limited | Systems and methods for reducing motion blur in images or video in ultra low light with array cameras |
US9100586B2 (en) | 2013-03-14 | 2015-08-04 | Pelican Imaging Corporation | Systems and methods for photometric normalization in array cameras |
US9497370B2 (en) | 2013-03-15 | 2016-11-15 | Pelican Imaging Corporation | Array camera architecture implementing quantum dot color filters |
JP2016524125A (ja) | 2013-03-15 | 2016-08-12 | ペリカン イメージング コーポレイション | カメラアレイを用いた立体撮像のためのシステムおよび方法 |
US9445003B1 (en) | 2013-03-15 | 2016-09-13 | Pelican Imaging Corporation | Systems and methods for synthesizing high resolution images using image deconvolution based on motion and depth information |
US9497429B2 (en) | 2013-03-15 | 2016-11-15 | Pelican Imaging Corporation | Extended color processing on pelican array cameras |
US10122993B2 (en) | 2013-03-15 | 2018-11-06 | Fotonation Limited | Autofocus system for a conventional camera that uses depth information from an array camera |
US9898856B2 (en) | 2013-09-27 | 2018-02-20 | Fotonation Cayman Limited | Systems and methods for depth-assisted perspective distortion correction |
US9426343B2 (en) | 2013-11-07 | 2016-08-23 | Pelican Imaging Corporation | Array cameras incorporating independently aligned lens stacks |
WO2015074078A1 (en) | 2013-11-18 | 2015-05-21 | Pelican Imaging Corporation | Estimating depth from projected texture using camera arrays |
US9456134B2 (en) | 2013-11-26 | 2016-09-27 | Pelican Imaging Corporation | Array camera configurations incorporating constituent array cameras and constituent cameras |
US10089740B2 (en) | 2014-03-07 | 2018-10-02 | Fotonation Limited | System and methods for depth regularization and semiautomatic interactive matting using RGB-D images |
US9488629B2 (en) | 2014-04-10 | 2016-11-08 | General Electric Company | Method for detecting coolant leaks in generators |
WO2016054089A1 (en) | 2014-09-29 | 2016-04-07 | Pelican Imaging Corporation | Systems and methods for dynamic calibration of array cameras |
WO2016081928A1 (en) | 2014-11-21 | 2016-05-26 | Picarro, Inc. | Gas detection systems and methods using measurement position uncertainty representations |
US11505292B2 (en) | 2014-12-31 | 2022-11-22 | FLIR Belgium BVBA | Perimeter ranging sensor systems and methods |
CN104574270A (zh) * | 2015-01-12 | 2015-04-29 | 青岛易科锐自动化技术有限公司 | 一种校对中的屏幕交替显示方法 |
CN107407634B (zh) * | 2015-03-02 | 2020-11-06 | 前视红外系统股份公司 | 在无源光学气体成像中定量气体 |
US11249016B2 (en) | 2015-03-02 | 2022-02-15 | Flir Systems Ab | Wavelength band based passive infrared gas imaging |
CN107532999B (zh) * | 2015-03-02 | 2021-03-23 | 前视红外系统股份公司 | 基于波长带的无源红外气体成像 |
US9942474B2 (en) | 2015-04-17 | 2018-04-10 | Fotonation Cayman Limited | Systems and methods for performing high speed video capture and depth estimation using array cameras |
JP2016206139A (ja) * | 2015-04-28 | 2016-12-08 | コニカミノルタ株式会社 | ガス検出装置 |
US10386258B1 (en) | 2015-04-30 | 2019-08-20 | Picarro Inc. | Systems and methods for detecting changes in emission rates of gas leaks in ensembles |
GB2538256B (en) * | 2015-05-12 | 2021-08-04 | Thermoteknix Systems Ltd | Optical data insertion device |
US20170061586A1 (en) * | 2015-08-28 | 2017-03-02 | Nokia Technologies Oy | Method, apparatus and computer program product for motion deblurring of image frames |
CN108351310B (zh) * | 2015-10-28 | 2021-05-18 | 日本碍子株式会社 | 蜂窝结构体的端面检查方法以及端面检查装置 |
US10145788B2 (en) | 2015-10-29 | 2018-12-04 | Konica Minolta, Inc. | Image processing device for gas detection, image processing method for gas detection and image processing program for gas detection |
US10274423B2 (en) * | 2016-01-21 | 2019-04-30 | Konica Minolta, Inc. | Gas detection device, gas detection method, and gas detection program |
JP6655721B2 (ja) * | 2016-07-27 | 2020-02-26 | 京セラ株式会社 | 検出装置、撮像装置、移動体及び検出方法 |
WO2018045107A1 (en) * | 2016-08-31 | 2018-03-08 | Flir Systems Ab | Method of indicating gas movement in a scene |
US10400583B1 (en) * | 2016-12-22 | 2019-09-03 | Petra Analytics, Llc | Methods and systems for spatial change indicator analysis |
US10997734B2 (en) * | 2016-12-27 | 2021-05-04 | Konica Minolta, Inc. | Gas detection-use image processing device, gas detection-use image processing method, and gas detection-use image processing program |
GB2573912B (en) * | 2017-02-07 | 2022-12-28 | Flir Detection Inc | Systems and methods for identifying threats and locations, systems and method for augmenting real-time displays demonstrating the threat location, and systems |
US11488369B2 (en) | 2017-02-07 | 2022-11-01 | Teledyne Flir Detection, Inc. | Systems and methods for identifying threats and locations, systems and method for augmenting real-time displays demonstrating the threat location, and systems and methods for responding to threats |
JP6852436B2 (ja) * | 2017-02-09 | 2021-03-31 | 富士通株式会社 | 画像処理プログラム、画像処理方法及び画像処理装置 |
JP6579291B2 (ja) * | 2017-05-02 | 2019-09-25 | コニカミノルタ株式会社 | ガス検知用画像処理装置、ガス検知用画像処理方法、及び、ガス検知用画像処理プログラム |
JP6579290B2 (ja) * | 2017-05-02 | 2019-09-25 | コニカミノルタ株式会社 | ガス検知用画像処理装置、ガス検知用画像処理方法、及び、ガス検知用画像処理プログラム |
US10948471B1 (en) | 2017-06-01 | 2021-03-16 | Picarro, Inc. | Leak detection event aggregation and ranking systems and methods |
US12084155B2 (en) | 2017-06-16 | 2024-09-10 | FLIR Belgium BVBA | Assisted docking graphical user interface systems and methods |
US10962437B1 (en) | 2017-06-27 | 2021-03-30 | Picarro, Inc. | Aggregate leak indicator display systems and methods |
US10482618B2 (en) | 2017-08-21 | 2019-11-19 | Fotonation Limited | Systems and methods for hybrid depth regularization |
WO2019058863A1 (ja) * | 2017-09-21 | 2019-03-28 | コニカミノルタ株式会社 | ガス検知用画像処理装置、ガス検知用画像処理方法、及び、ガス検知用画像処理プログラム |
JP6978980B2 (ja) * | 2017-12-05 | 2021-12-08 | 株式会社Screenホールディングス | ヒューム判定方法、基板処理方法、および基板処理装置 |
WO2019164578A2 (en) * | 2018-01-03 | 2019-08-29 | Flir Systems Ab | Dynamic determination of radiometric values using multiple band sensor array systems and methods |
CN108489923B (zh) * | 2018-01-30 | 2020-08-07 | 中国科学院上海技术物理研究所 | 基于双敏感元差分信号的红外气体成像焦平面及成像方法 |
US10846924B2 (en) | 2018-04-04 | 2020-11-24 | Flir Detection, Inc. | Threat source mapping systems and methods |
CN108921878A (zh) * | 2018-04-30 | 2018-11-30 | 武汉工程大学 | 动目标低对比度下的危险气体泄漏红外视频检测方法 |
US11641441B2 (en) * | 2018-05-25 | 2023-05-02 | Fluke Corporation | Optical gas imaging systems and method compatible with uncooled thermal imaging cameras |
US11538145B2 (en) * | 2018-07-05 | 2022-12-27 | Konica Minolta, Inc. | Gas monitoring image recording device, method, and program |
CN109191432B (zh) * | 2018-07-27 | 2021-11-30 | 西安电子科技大学 | 基于域变换滤波多尺度分解的遥感图像云检测方法 |
CN111164962B (zh) * | 2018-09-26 | 2021-11-30 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、设备、无人机、系统及存储介质 |
US11436823B1 (en) | 2019-01-21 | 2022-09-06 | Cyan Systems | High resolution fast framing infrared detection system |
US11448483B1 (en) | 2019-04-29 | 2022-09-20 | Cyan Systems | Projectile tracking and 3D traceback method |
WO2021061245A2 (en) | 2019-06-28 | 2021-04-01 | Cyan Systems | Fast framing moving target imaging system and method |
CN110363766A (zh) * | 2019-07-24 | 2019-10-22 | 北京市博汇科技股份有限公司 | 马赛克检测方法、装置和电子设备 |
MX2022003020A (es) | 2019-09-17 | 2022-06-14 | Boston Polarimetrics Inc | Sistemas y metodos para modelado de superficie usando se?ales de polarizacion. |
JP7330376B2 (ja) | 2019-10-07 | 2023-08-21 | ボストン ポーラリメトリックス,インコーポレイティド | 偏光によるセンサシステム及び撮像システムの増強のための方法 |
WO2021095112A1 (ja) * | 2019-11-12 | 2021-05-20 | コニカミノルタ株式会社 | ガス検知装置、画像処理制御方法および画像処理制御プログラム |
WO2021108002A1 (en) | 2019-11-30 | 2021-06-03 | Boston Polarimetrics, Inc. | Systems and methods for transparent object segmentation using polarization cues |
KR20220132620A (ko) | 2020-01-29 | 2022-09-30 | 인트린식 이노베이션 엘엘씨 | 물체 포즈 검출 및 측정 시스템들을 특성화하기 위한 시스템들 및 방법들 |
CN115428028A (zh) | 2020-01-30 | 2022-12-02 | 因思创新有限责任公司 | 用于合成用于在包括偏振图像的不同成像模态下训练统计模型的数据的系统和方法 |
US11386530B2 (en) * | 2020-02-26 | 2022-07-12 | Flir Systems Ab | Digital filter for turbulence reduction and gas detection in thermal images |
US12058473B2 (en) | 2020-04-15 | 2024-08-06 | Flir Systems Ab | Motion based thermal image processing systems and methods |
US11953700B2 (en) | 2020-05-27 | 2024-04-09 | Intrinsic Innovation Llc | Multi-aperture polarization optical systems using beam splitters |
CN112946232A (zh) * | 2021-02-04 | 2021-06-11 | 成都秦川物联网科技股份有限公司 | 天然气能量计量数据获取方法和系统 |
US12069227B2 (en) | 2021-03-10 | 2024-08-20 | Intrinsic Innovation Llc | Multi-modal and multi-spectral stereo camera arrays |
US12020455B2 (en) | 2021-03-10 | 2024-06-25 | Intrinsic Innovation Llc | Systems and methods for high dynamic range image reconstruction |
US11290658B1 (en) | 2021-04-15 | 2022-03-29 | Boston Polarimetrics, Inc. | Systems and methods for camera exposure control |
US11954886B2 (en) | 2021-04-15 | 2024-04-09 | Intrinsic Innovation Llc | Systems and methods for six-degree of freedom pose estimation of deformable objects |
US12067746B2 (en) | 2021-05-07 | 2024-08-20 | Intrinsic Innovation Llc | Systems and methods for using computer vision to pick up small objects |
US11689813B2 (en) | 2021-07-01 | 2023-06-27 | Intrinsic Innovation Llc | Systems and methods for high dynamic range imaging using crossed polarizers |
AU2021476731A1 (en) * | 2021-12-03 | 2024-06-27 | Telefonaktiebolaget Lm Ericsson (Publ) | Augmenting human vision in limited-visibility environments |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5430293A (en) * | 1991-10-08 | 1995-07-04 | Osaka Gas Co., Ltd. | Gas visualizing apparatus and method for detecting gas leakage from tanks or piping |
US5656813A (en) | 1995-04-04 | 1997-08-12 | Gmd Systems, Inc. | Apparatus for imaging gas |
US5686889A (en) * | 1996-05-20 | 1997-11-11 | The United States Of America As Represented By The Secretary Of The Army | Infrared sniper detection enhancement |
US6473533B1 (en) * | 1996-10-25 | 2002-10-29 | Fuji Xerox Co., Ltd. | Image encoding apparatus and image decoding apparatus |
GB2320155B (en) * | 1996-12-03 | 2000-11-01 | Chelsea Instr Ltd | Method and apparatus for the imaging of gases |
SE9904836L (sv) * | 1999-12-28 | 2001-06-29 | Jonas Sandsten | Kvantitativ avbildning av gasemissioner utnyttjande optisk teknik |
JP2007515621A (ja) * | 2003-06-11 | 2007-06-14 | フリー ブラザーズ エルエルシィ | 赤外線カメラ・システムを用いて検査を実施する及び化学物質漏出を検出するためのシステム及び方法 |
US8212210B2 (en) * | 2008-02-04 | 2012-07-03 | Flir Systems Ab | IR camera and method for presenting IR information |
US7649174B2 (en) | 2008-02-11 | 2010-01-19 | Flir Systems, Inc. | Thermography camera configured for gas leak detection |
US7924312B2 (en) * | 2008-08-22 | 2011-04-12 | Fluke Corporation | Infrared and visible-light image registration |
US8208026B2 (en) * | 2009-03-02 | 2012-06-26 | Flir Systems, Inc. | Systems and methods for processing infrared images |
US8085301B2 (en) * | 2009-03-16 | 2011-12-27 | Southwest Research Institute | Compact handheld detector for greenhouse gasses |
US20100230593A1 (en) * | 2009-03-16 | 2010-09-16 | Southwest Research Institute | Compact handheld non-laser detector for greenhouse gasses |
US8803093B2 (en) * | 2009-06-02 | 2014-08-12 | Flir Systems Ab | Infrared camera for gas detection |
EP2526686A4 (en) * | 2010-01-19 | 2013-11-20 | Delacom Detection Systems Llc | METHOD, DEVICE AND SYSTEM FOR DETERMINING THE PRESENCE OF VOLATILE ORGANIC COMPOUNDS IN VIDEO CONTENT |
-
2012
- 2012-10-12 EP EP12188397.9A patent/EP2590138B1/en active Active
- 2012-11-06 CN CN201710511490.5A patent/CN107256542B/zh active Active
- 2012-11-06 US US13/670,311 patent/US9280812B2/en active Active
- 2012-11-06 CN CN2012104387048A patent/CN103091249A/zh active Pending
-
2016
- 2016-02-29 US US15/056,871 patent/US9613410B2/en active Active
-
2017
- 2017-03-23 US US15/468,044 patent/US9984447B2/en active Active
Non-Patent Citations (2)
Title |
---|
ANISA SAFITRI 等: "Dispersion modeling approach for quantification of methane emission rates from natural gas fugitive leaks detected by infrared imaging technique", 《JOURNAL OF LOSS PREVENTION IN THE PROCESS INDUSTRIES》 * |
赵苓 等: "基于红外图像处理的密闭容器泄漏点定位系统", 《中国仪器仪表学会第十二届青年学术会议论文集》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11346938B2 (en) | 2019-03-15 | 2022-05-31 | Msa Technology, Llc | Safety device for providing output to an individual associated with a hazardous environment |
CN112001879A (zh) * | 2019-06-18 | 2020-11-27 | 杭州美盛红外光电技术有限公司 | 气体检测装置和气体检测方法 |
CN112001879B (zh) * | 2019-06-18 | 2023-07-14 | 杭州美盛红外光电技术有限公司 | 气体检测装置和气体检测方法 |
Also Published As
Publication number | Publication date |
---|---|
US20130113939A1 (en) | 2013-05-09 |
US9613410B2 (en) | 2017-04-04 |
CN107256542B (zh) | 2021-07-06 |
US20160247266A1 (en) | 2016-08-25 |
US9280812B2 (en) | 2016-03-08 |
CN103091249A (zh) | 2013-05-08 |
US20170193645A1 (en) | 2017-07-06 |
EP2590138B1 (en) | 2019-09-11 |
US9984447B2 (en) | 2018-05-29 |
EP2590138A1 (en) | 2013-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107256542A (zh) | 气体可视化布局,设备以及方法 | |
CN105144245B (zh) | 用于扩增现实的辐射转移取样的设备和方法 | |
Petrovic et al. | Gradient-based multiresolution image fusion | |
CN102124490B (zh) | 用于缩减或者清除在显示的立体图像中感知到的重像的方法和系统 | |
CN107977924A (zh) | 一种基于双传感器成像的图像处理方法、系统 | |
Mittelstädt et al. | Methods for compensating contrast effects in information visualization | |
JP2015028781A (ja) | アピアランスデータをデジタル的に生成する方法および装置 | |
EP2367352B1 (en) | Imaging apparatus and method | |
Elmqvist et al. | Color lens: Adaptive color scale optimization for visual exploration | |
JP6746310B2 (ja) | 画像処理装置、撮像システム、画像処理方法 | |
CA2926838C (en) | Techniques for imaging a scanned object | |
Pintus et al. | State‐of‐the‐art in Multi‐Light Image Collections for surface visualization and analysis | |
JP2013182417A (ja) | 画像処理装置および画像処理方法 | |
Kang et al. | Partial differential equation–based approach for removal of chromatic aberration with local characteristics | |
CN104463923B (zh) | 图像显示调节设备、图像显示调节方法和显示器 | |
Quéau et al. | Microgeometry capture and RGB albedo estimation by photometric stereo without demosaicing | |
Yang et al. | Superpixel based fusion and demosaicing for multi-focus Bayer images | |
Webb | Optimising Spectral and 3D Imaging for Cultural Heritage Documentation Using Consumer Imaging Systems | |
JPWO2022070270A5 (zh) | ||
Wu et al. | Recovering sensor spectral sensitivity from raw data | |
Reed et al. | Full-color visibility model using CSF which varies spatially with local luminance | |
Xu et al. | Multifocus image fusion using local perceived sharpness | |
Kalitov et al. | Computer simulation of the formation of digital spectrozonal images | |
CN118097437B (zh) | 一种自动空间对准的高光谱图像融合方法及系统、介质 | |
Wen et al. | Remote sensing image fusion on gradient field |
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 |