CN107407634B - 在无源光学气体成像中定量气体 - Google Patents
在无源光学气体成像中定量气体 Download PDFInfo
- Publication number
- CN107407634B CN107407634B CN201680013555.7A CN201680013555A CN107407634B CN 107407634 B CN107407634 B CN 107407634B CN 201680013555 A CN201680013555 A CN 201680013555A CN 107407634 B CN107407634 B CN 107407634B
- Authority
- CN
- China
- Prior art keywords
- gas
- image
- scene
- wavelength band
- infrared
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003384 imaging method Methods 0.000 title claims description 67
- 230000003287 optical effect Effects 0.000 title description 23
- 238000010521 absorption reaction Methods 0.000 claims abstract description 215
- 238000001931 thermography Methods 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000005855 radiation Effects 0.000 claims description 76
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 62
- 238000003331 infrared imaging Methods 0.000 claims description 35
- 238000000862 absorption spectrum Methods 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 11
- 238000011002 quantification Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 6
- 230000006335 response to radiation Effects 0.000 claims 5
- 239000007789 gas Substances 0.000 description 338
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 34
- 230000035945 sensitivity Effects 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 11
- 230000000007 visual effect Effects 0.000 description 10
- 239000012080 ambient air Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000000295 emission spectrum Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 238000000411 transmission spectrum Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 239000003570 air Substances 0.000 description 4
- 239000002131 composite material Substances 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000002835 absorbance Methods 0.000 description 2
- 239000000443 aerosol Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 238000004847 absorption spectroscopy Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G01N21/3518—Devices using gas filter correlation techniques; Devices using gas pressure modulation techniques
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- 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
- G01N2021/3531—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 without instrumental source, i.e. radiometric
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Radiation Pyrometers (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
Abstract
一种用于在热成像装置中定量气体的方法和系统，所述方法包括基于基本上描绘相同场景的气体红外图像和场景背景红外图像，获得气体吸收路径长度图像作为场景差异红外图像；以及基于所述场景差异红外图像和预定的气体定量关系生成定量的场景差异红外图像。
Description
技术领域
本公开总体上涉及对气体成像和可视化，特别涉及使用红外成像系统和方法对定量的气体进行成像和可视化。
背景技术
场景的热或红外(IR)图像对于监测、检查和/或维护为目的来说通常是有用的，例如，对监测工厂的气体泄漏来说是有用的。通常，诸如热成像装置或红外线红外摄像机形式的热成像装置用于捕获表示从观察的场景发射的红外辐射的红外(IR)图像数据值。在捕获到红外图像之后，可以例如在热成像装置或连接到热成像装置的计算装置(例如，平板计算机、智能电话、膝上型计算机或台式计算机)中对捕获的红外图像进行处理、显示和/或保存。
热成像装置(例如，红外照相机)可用于例如从逸散性气体排放或气体泄漏来检测例如气体云或气柱形式的气体存在，并用于产生该气体存在的视觉表示作为气体图像。该气体图像可用于对气体存在或气体泄漏进行可视化，例如，作为在照相机的取景器上、在集成或分开的显示器上或在外部计算装置上呈现的图像上的烟雾或云，从而使用户看到通过红外照相机观测并成像的场景中的气体存在。这种技术的变形称为无源红外气体成像，其基于使用来自场景的辐射而无需任何附加照明来检测气体。
然而，常规系统的问题在于，热成像装置的灵敏度可能太低以致无法检测低于某一气体颗粒浓度的气体，或者换句话说，产生的气体图像中的气体信息与噪声/干扰之间的对比度太低以致无法识别气体。另一个问题是，各种物理性质(例如，观察到的场景背景中的变化的温度和发射率、噪声、其他气体、气溶胶粒子和移动的气体云)进一步降低了灵敏度。
在常规技术中，特别是使用致冷的热成像装置的常规技术中，气体成像可以基于不同波长带中的红外辐射的吸收或透射的差异。问题是，特别是对于非致冷的热成像装置来说，当基于选择的波长带中的红外辐射的吸收或透射的差异进行气体成像时，由于成像装置部件(例如，滤光器、光学系统、波导和检测器本身)产生的高噪声而不能使波长带变窄。这意味着，系统的物理特性(例如，噪声或热干扰)可能会随波长而显著变化，并将更难以补偿。
在常规系统中，特别是使用致冷的热成像装置的常规系统中，气体成像可以基于不同波长带中的红外辐射的吸收或透射的差异。特别是对于非致冷的热成像装置的问题是，当基于选择的波长带中的红外辐射的吸收或透射的差异进行气体成像时，热成像装置的灵敏度可能太低以致无法定量低于某一气体浓度的气体，或者换句话说，产生的气体红外图像中的气体信息与噪声/干扰之间的对比度太低以致无法定量气体。
因此，需要解决常规系统的问题，以改进在无源成像中对气体的定量。
发明内容
公开的方法、系统和计算机程序产品的各种技术和实施例用于在对场景中的气体成像中定量气体，所述场景具有背景并且可能存在气体。在各种实施例中，通过基于基本上描绘相同场景的气体红外图像和场景背景红外图像，获得气体吸收路径长度图像作为场景差异红外图像。然后基于所述场景差异红外图像和预定的气体定量关系GQR生成定量的场景差异红外图像。
在另外的变形中，根据一个或多个实施例，所述方法、系统和计算机程序产品还包括以下选择：
-生成定量的场景差异红外图像，其中，所述气体定量关系描述场景差异红外图像像素值与定量的场景差异红外图像像素值之间的关系，所述关系的形式是以百万分之几*米或ppm*m表示的浓度长度乘积；
-通过测量对于已知气体浓度、气体吸收路径长度、气体温度和背景温度测量第一组定量的场景差异红外图像像素值，并通过应用曲线拟合技术将所述第一组定量的场景差异红外图像像素值扩展为更大的第二组定量的场景差异红外图像像素值，来生成气体定量关系。
-获得气体吸收路径长度图像还包括：
-基于估计的图像噪声、所述气体的预定吸收光谱、估计的气体温度和估计的背景温度，确定高吸收波长带A和低吸收波长带B，以提高生成的气体吸收路径长度图像的对比度，其中，高吸收波长带A包括来自吸收光谱的吸收波长带G，并且其中低吸收波长带B与高吸收波长带A至少部分重叠；
-生成红外成像系统控制数据，以控制红外成像系统对包括高吸收波长带A内的红外辐射强度的场景的气体红外图像的捕获，以及对包括低吸收波长带B内的红外辐射强度的场景的背景红外图像的捕获；
-基于所述气体红外图像和所述背景红外图像生成气体吸收路径长度图像。
-提供估计的图像噪声，其包括噪声等效温度差，其中所述定量的场景差异红外图像像素值包括例如以摄氏度或开尔文为单位的温度值。
-确定高吸收波长带A的低端点在[6-7.8μm]-[8-9.6μm]的区间中，并且其中，确定波长带A 510的高端点在[8-9.6μm]的区间中。
-获得气体吸收路径长度图像还包括：
-基于预定的水吸收光谱确定与水相关的波长带C，以提高生成的气体吸收路径长度图像的对比度，其中，与水相关的波长带C至少包括水吸收光谱的局部最大值，并且不包括高吸收波长带A和低吸收波长带B；
-生成红外成像系统控制数据以控制红外成像系统对场景的水红外图像的捕获，其中所述水红外图像包括所述与水相关的波长带C内的红外辐射强度；
其中，生成定量的场景差异红外图像还基于所述水红外图像。
-一种用于在对场景的成像中定量气体的热成像装置，所述场景具有背景并且可能存在气体，所述装置包括红外(IR)成像系统、存储器和处理器，所述处理器适于执行本文描述的实施例的任意步骤和功能。
-一种用于在对场景的成像中定量气体的计算机可读介质，所述场景具有背景并且可能存在气体，所述计算机可读介质包括存储在其上的下述信息：
-用于执行本文描述的任意实施例的非暂时性信息；
和/或
-被配置为控制处理器/处理单元执行本文描述的任意步骤或功能的非暂时性信息。
-一种用于在对场景的成像中定量气体的计算机程序产品，所述场景具有背景并且可能存在气体，所述计算机程序产品包括适于控制处理器执行本文描述的任意实施例的任意步骤或功能的代码部分。
本发明的范围由权利要求限定，通过引用将其并入本部分。通过考虑以下对一个或多个实施例的详细描述，本领域技术人员将更加完整地理解本发明的实施例以及其附加优点的实现。将参考将首先简要描述的附图。
附图说明
图1示出了根据本公开的一个或多个实施例的基于背景温度差ΔT对气体无源成像的示意图。
图2a示出了根据本公开的一个或多个实施例的用于对气体成像的方法。
图2b示出了根据本公开的一个或多个实施例的用于对气体成像的另一方法。
图3示出了根据本公开的一个或多个实施例的在背景温度TB低于气体温度TG的情况下用于对气体成像的方法。
图4以曲线图示出了气体温度TG、背景温度TB和气体与背景温度差ΔT如何随着来自存在气体的场景的红外辐射的波长变化的例子。
图5以曲线图示出了根据本公开的一个或多个实施例的为提高生成的气体吸收路径长度图像的对比度而确定的波长带A 510和波长带B 520的例子。
图6示出了根据本公开的一个或多个实施例的热成像装置的示意图。
图7a示出了根据本公开的一个或多个实施例的热成像装置中的空间传感器配置的示意图。
图7b示出了根据本公开的一个或多个实施例的热成像装置中的时间传感器配置的示意图。
图8是示出根据本公开的一个或多个实施例的方法实施例的框图。
图9示出了根据本公开的一个或多个实施例的包括第一红外成像系统和第二红外成像系统的热成像装置如何产生气体吸收路径长度图像。
图10示出了根据本公开的一个或多个实施例的通过补偿红外辐射的水衰减来产生气体吸收路径长度图像。
图11示出了根据本公开的一个或多个实施例的经滤光以对不同光谱区域成像并且能够定量泄漏气体的两个照相机的使用。
图12示出了根据本公开的一个或多个实施例的通过改变滤光器710,720的起始值和截止值(即，波长带的低端点和高端点)得到的信号。
图13示出了根据本公开的一个或多个实施例的有和没有示例性的甲烷气体的模拟的信号比。
图14示出了根据本公开的一个或多个实施例的有和没有甲烷气体的模拟的信号的差异。
图15示出了根据本公开的一个或多个实施例的通过改变波长带A的模拟的噪声NETD。
图16示出了根据本公开的一个或多个实施例的对于波长带A和B的改变的起始值和截止波长固定在15μm的有气体和无气体的比率的模拟。
图17示出了根据本公开的一个或多个实施例的在表1-4中示例性示出的气体定量关系180。
通过参考下面的详细描述可以更好地理解本发明的实施例及其优点。应当理解，相同的附图标记用于标识在一个或多个附图中示出的相同的元件。
具体实施方式
引言
本公开涉及使用红外(IR)传感器或检测器和图像处理对定量的气体进行成像和可视化。一种用例的例子是利用热成像装置检查一部分工业复合处理气体。
特别地，本公开涉及无源气体成像，其使用红外区域内的热背景辐射，并且可以用于例如针对冷背景对气体成像，在这种情况下，对来自气体的热发射或辐射进行成像，或者用于针对暖背景进行气体成像，在这种情况下，对来自背景的热辐射的气体吸收进行成像。对气体的成像基于气体温度TG和背景温度TB的差，以下将其称为气体与背景温度的差ΔT。然而，热成像系统的灵敏度取决于气体温度TG和背景温度TB的差。
图1示出了根据一个或多个实施例的基于背景温度差ΔT 130对气体无源成像的方法和装置的示意图。热成像装置170适于捕获可控波长带内的辐射并由此产生代表来自场景的红外辐射的特定的选择的波长带的红外图像，在此也将其称为IR图像或热图像。在热成像装置170和场景背景110之间存在气体160，例如，气体160存在于气体云中，在附图中示出了气体云形状的气体存在，其中，气体云中的气体浓度为百万分之几(ppm)，并且气体云的宽度为沿着从场景110到热成像装置170的路径的气体吸收路径长度(gas-absorption-path-length)1601，形式为气溶胶颗粒或气体分子。场景背景110具有背景温度TB122，并且气体具有气体温度TG121。可以通过气体与背景差值关系140，基于背景温度TB122和气体温度TG121来确定或计算温度差参数，优选的，该温度差参数的形式是气体与背景温度差ΔT 130。根据一个或多个实施例，热成像装置170被配置和/或被控制以捕获和/或产生以下图像的选择：尤其是表示来自场景中的背景的热辐射的背景红外图像、表示热成像装置和场景中的背景之间存在气体的气体红外图像和/或表示场景中的其他现象的可能的其他红外图像。
在一个或多个实施例中，可以基于气体红外图像、背景红外图像和可选的温度差参数ΔT 130，生成表示通过场景中的气体存在来自场景背景110的辐射的路径长度的气体吸收路径长度图像。在另一个实施例中，从气体吸收路径长度图像中的处理后的像素值导出的像素值181至少用于通过气体定量关系GQR 180确定指示浓度长度的定量像素值182，该定量关系GQR 180的形式是以百万分之几*米(ppm*m)表示的浓度长度或浓度路径长度乘积CL。在另一个实施例中，在可以在显示器上显示或呈现给用户的定量气体可视化图像中可视化定量气体，该图像基于气体吸收路径长度图像的像素值。在另一个实施例中，从背景红外图像中的像素值导出的背景温度TB122和从气体红外图像中的像素值导出的气体温度TG121用于确定温度差参数ΔT 130。
在一个或多个实施例中，基于从环境空气温度传感器获得的测量的环境空气温度和/或基于先前捕获的气体红外图像估计气体温度TG，该先前捕获的气体红外图像包括第一波长带A内的红外辐射强度的表示，第一波长带A实质上包括具有气体在吸收光谱中的高吸收率值和/或在透射光谱中的低透射率值的红外辐射的波长。换句话说，第一波长带A是包括显著受到待成像气体的存在的影响的波长的高吸收波长带。在气体温度高于环境空气温度或背景温度的情况下，在发射光谱中存在来自气体的辐射。在此也将第一波长带A称为高吸收波长带A。
在一个或多个实施例中，基于先前捕获的背景红外图像估计背景温度TB，该先前捕获的背景红外图像包括第二波长带B内的红外辐射强度的表示，第二波长带B实质上包括具有气体在吸收光谱中的低吸收率值和/或在透射光谱中的高透射率值的红外辐射的波长。换句话说，第二波长带B是包括不显著地受到待检测的气体的存在的影响的波长的低吸收波长带和/或高透射波长带。在此也将第二波长带B称为低吸收波长带B。
图2a示出了根据本公开的一个或多个实施例的用于对气体成像的方法，例如，该方法可应用于背景温度TB122高于气体温度TG121(即，场景背景比气体160更暖)的情况。从场景背景110发射的一部分能量或红外辐射通过气体160透射(指示为具有气体吸收路径长度1601的辐射透射250)到热成像装置170中的检测器。在一个或多个实施例中，可以例如基于透射光谱251通过使用预定关系来确定透射的该部分能量或红外辐射。
图2b示出了根据一个或多个实施例的用于对气体成像的方法，例如，该方法可应用于背景温度TB122低于气体温度TG121(即，场景背景比气体160更冷)的情况。从场景背景110发射的一部分能量或红外辐射通过气体160透射(指示为具有气体吸收路径长度1601的辐射透射250)到热成像装置170中的检测器。在一个或多个实施例中，可以例如基于吸收光谱241通过使用预定关系来确定透射的该部分能量或红外辐射。
通过控制热成像系统捕获包括显著受待检测气体存在的影响的波长的高吸收波长带A中的辐射，并捕获包括不显著受待检测的气体的存在的影响的波长的低吸收波长带B中的辐射，生成背景IR图像和气体IR图像。基于背景IR图像，基于气体IR图像，并且依赖于透射光谱251和/或吸收光谱241，以提高的灵敏度和/或提高的信噪比在系统中生成对比度提高的气体吸收路径长度图像。
图3示出了应用于背景温度TB低于气体温度TG(即，背景比气体160更冷)的情况的一个或多个实施例。控制热成像系统170捕获包括较少受到或不是那么受到(即不显著受到)待检测的气体的存在的影响的波长的低吸收波长带B中的辐射，并捕获包括较多受到(即显著受到)待检测气体存在的影响的波长的高吸收波长带A中的辐射。在发射光谱的波长中还存在从气体160发射的辐射。控制热成像系统捕获包括通过气体160透射和从气体发射的总和380的辐射。基于透射加发射光谱381生成气体吸收路径长度图像，其中，透射加发射光谱381是透射光谱和发射光谱的和。
图4是示出来自场景的辐射强度相对于红外范围中的波长的曲线图，该场景包括背景和场景中的环境大气中的气体存在。转化为与波长相关的辐射强度相对应的温度，该曲线图示出了以虚线表示气体温度TG、以实线表示的背景温度TB以及气体与背景温度差ΔT130(即，差TB-TG)如何随来自场景的红外辐射的波长变化的例子。
图5通过类似于图4的温度/波长关系示出了一个或多个实施例的例子，其中，为了提高基于气体的预定吸收光谱241、估计的气体温度TG121和估计的背景温度TB122生成的气体吸收路径长度图像的对比度的目的，已经确定了高吸收波长带A 510和低吸收波长带B520。波长带B 520被选择为包括较少受到不是那么受到(即不显著受到)待检测的气体的存在的影响的波长。波长带A 510被选择为包括较多受到或强烈受到(即显著受到)待检测气体存在的影响的波长。在一个或多个实施例中，波长带A 510包括来自吸收光谱241(图2b)的吸收波长带G 505，即显著受到待成像气体存在的影响的吸收光谱的子集，或在不同方面表示为较少受到待成像气体存在的影响的透射光谱的子集。此外，低吸收波长频带B 520与波长带A 510至少部分的重叠，从而使由发射光谱中的值表示的发射/发射率中的波长带A510和波长带B 520之间的变化最小化。因此，在热成像系统中实现了灵敏度和信噪比的提高，从而提高了生成的气体吸收路径长度图像的对比度。一个或多个实施例的另一个效果是消除或简化了补偿场景中变化的发射/发射率的复杂度。
系统实施例
图6示出了诸如热成像装置或红外(IR)照相机的形式的热成像装置或系统170的一个或多个实施例的示意图。
在实施例中，热成像装置170包括处理器612。
在实施例中，热成像装置170包括第一红外(IR)成像系统613，其被配置为和/或可被控制为捕获IR图像数据值/像素值形式的红外(IR)图像，该红外(IR)图像表示从观测场景发射的在一个或多个可选择的波长带A，B或C内的红外辐射。红外(IR)成像系统613进一步通信地耦接到处理器612。
第一红外(IR)成像系统613还被配置为接收控制数据，并响应于所述控制数据触发在选择的波长带内对场景的IR图像的捕获。第一红外(IR)成像系统613还被布置为将表示捕获到的图像的IR图像数据值的信号帧或数据帧发送到处理器612。IR图像数据通常包括例如在数据结构的实例中表示的数据值，例如所提到的图像数据帧。在实施例中，处理器/处理单元612配有专门设计的编程或程序代码部分，其适于控制处理单元执行本文描述的一个和/或多个方法的一个或多个实施例的步骤和功能。
热成像装置170还包括至少一个存储器615，其被配置为将从处理器612接收的数据值或参数进行存储，或者找到数据值或参数并将找到的数据值或参数发送到处理器612。通信接口616被配置为从处理器612接收数据值或参数或者将数值或参数发送到处理器612，处理器612通过通信接口616将数据值或参数发送到外部或内部单元或者从外部或内部单元接收数据值或参数。可选的输入装置617被配置为从用户接收输入或指示，例如，指示执行气体吸收路径长度图像的成像的命令的用户输入。
在一个或多个实施例中，热成像装置170还包括显示器618，其被配置为从处理器612接收信号并且将接收的信号显示为显示的图像，例如，以向热成像装置170的用户显示气体吸收路径长度图像的视觉表示。在一个或多个实施例中，显示器618与用户输入装置617集成，其被配置为从处理器612接收信号并且将接收的信号显示为显示的图像，并接收来自用户的输入或指示(例如，通过包括触摸屏功能)，并将用户输入信号发送到所述处理器/处理单元612。
在一个或多个实施例中，热成像装置170还包括环境空气温度传感器619，其被配置为测量环境空气温度并生成环境空气温度数据值，并将环境空气温度数据值提供给处理器612，处理器612接收、轮询或检索环境空气温度数据值。在一个或多个实施例中，环境空气温度传感器619直接地或经由通信接口616可通信地耦接到处理器612，并且可以被设置为外部或内部单元。
在一个或多个实施例中，热成像装置170还可选地包括第二红外(IR)成像系统614，其优选地具有与上述第一红外(IR)成像系统612相似的特性和功能。第二红外(IR)成像系统614被类似地配置和/或可被控制为捕获IR图像数据值/像素值形式的红外(IR)图像，该红外(IR)图像表示从观测场景发射的在一个或多个可选择的波长带A，B或C内的红外辐射。第二红外(IR)成像系统614还通信地耦接到处理器612，并且还被配置为接收控制数据并响应于所述控制数据触发在选择的波长带内对场景的IR图像的捕获。第二红外(IR)成像系统614还被布置为将表示红外(IR)图像的IR图像数据值的信号帧发送到处理器612。
通常，描述的红外(IR)成像系统613,614中的每一个都包括红外(IR)光学系统6131,6141，例如，包括透镜、可能的变焦功能和聚焦功能6131以及相应的例如包括微测辐射热计焦平面阵列的红外(IR)传感器6132,6142。
可控/可选波长带的例子
描述的红外(IR)成像系统613,614被配置和/或可被控制为捕获IR图像数据值/像素值形式的红外(IR)图像，该红外(IR)图像表示从观测场景发射的优选的在多个波长带A，B或C的连续子集内的红外辐射。一个或多个波长带可以至少部分的重叠。
在一个例子中，将波长带A选择为7-9μm，并且将波长带B选择为9-15μm，其中第一红外(IR)成像系统613被配置为捕获IR图像数据值/像素值形式的气体IR图像，该气体IR图像表示从观测场景发射的7-8.6μm内的红外辐射，并且其中第二红外(IR)成像系统614被配置为捕获IR图像数据值/像素值形式的背景IR图像，该背景IR图像表示从观测场景发射的9-12μm内的红外辐射
波长带的其他例子
表1示出了可在本文描述的实施例中使用的不同气体的波长带范围的例子。因此，例如并且如表所示，可以将本文描述的方法或装置的实施例设计为针对CO2操作，并且在该例子中，其具有在4,2μm-4,6μm范围内的高吸收波长带A和4,4μm-4,6μm的范围内的低吸收滤光器B。
| 气体 | 高吸收波长带A | 低吸收波长带B |
| 甲烷1 | 3,2μm-3,6μm | 3,4μm-3,6μm |
| 甲烷2 | 7,0μm-9,0μm | 8,5μm-9,0μm |
| CO2 | 4,2μm-4,6μm | 4,4μm-4,6μm |
| CO+N20 | 4,52μm-4,87μm | 4,67μm-4,87μm |
| 氟利昂 | 8,0μm-9,0μm | 8,6μm-9,0μm |
| SF6 | 10,3μm-11,1μm | 10,7μm-11,1μm |
表1：不同气体的波长带的例子
空间传感器配置
图7a示出了根据一个或多个实施例的配置为捕获气体IR图像和背景IR图像的热成像装置170(参见图6)中的红外传感器6132,6142的示意图。也可以将其称为空间传感器配置。包括在热成像装置170中的第一红外(IR)成像系统613(参见图6)包括被配置为捕获气体IR图像的图像传感器6132。传感器6132被配置为捕获高吸收波长带A内的红外辐射。第一红外(IR)成像系统613可选地包括光学气体滤光器710，其在传感器6132的光路中并配置有在所述高吸收波长内的红外辐射通带。包括在热成像装置170中的第二红外(IR)成像系统614(参见图6)包括被配置为捕获背景IR图像的图像传感器6142。传感器6142被配置为捕获低吸收波长带B内的红外辐射。第二红外(IR)成像系统614可选地包括背景滤光器720，其在传感器6142的光路中并配置有在所述低吸收波长带B内的红外辐射通带。
包括在第一红外(IR)成像系统613中的传感器6132被配置为：与在包括在第二红外(IR)成像系统613中的传感器6142捕获背景IR图像同时地、基本上同时地或以时间间隔地捕获气体IR图像。
在一个或多个实施例中，处理器612适于将控制数据发送到第一红外(IR)成像系统以触发传感器6132捕获高吸收波长带A内的红外辐射，和/或适于将控制数据发送到第二红外(IR)成像系统以触发传感器6142捕获低吸收波长带B内的红外辐射。
在包括一个或多个光学滤光器的一个或多个实施例中，处理器612适于将控制数据发送到第一红外(IR)成像系统，以将气体光学滤光器710配置成具有等于波长带A的通带，并适于将控制数据发送到第二红外(IR)成像系统以将背景光学滤光器720配置成具有等于波长带B的通带。在一个或多个实施例中，提供了可控传感器和可控光学滤光器的组合。
时间传感器配置
图7b示出了根据一个或多个实施例的热成像装置170中的被配置为捕获气体IR图像和背景IR图像的红外传感器6132,6142(参见图6)的示意图。也可以将其称为时间传感器配置。包括在热成像装置170中的第一红外(IR)成像系统613包括图像传感器6132，其被配置为在时间T0捕获气体IR图像并在时间T1捕获背景IR图像。在一个或多个实施例中，传感器6132在时间T0被配置为捕获高吸收波长带A内的红外辐射。第一红外(IR)成像系统613可选地包括光学滤光器710，其在传感器6132的光路中，并在时间T0配置有等于高吸收波长带A的红外辐射通带，在时间T1配置有等于低吸收波长带B的红外辐射通带。
在一个或多个实施例中，处理器612适于将控制数据发送到第一红外(IR)成像系统，以将传感器6132捕获的波长带配置为高吸收波长带A并触发在时间T0对气体IR图像的捕获，并且将传感器6132捕获的波长带配置为低吸收波长带B并触发在时间T1对气体IR图像的捕获。通常，在时间T0和时间T1之间存在短的时延，适当地选择该时延以将传感器重新配置为用于不同波长带。
在包括一个或多个光学滤光器的一个或多个实施例中，处理器612适于将控制数据发送到第一红外(IR)成像系统，以将气体光学滤光器710配置成在时间T0具有等于高吸收波长带A的通带并将气体光学滤光器710配置成在时间T1具有等于低吸收波长带B的通带。在一个或多个实施例中，也可以在时间传感器配置中配置可控传感器和可控光学滤光器的组合。
方法实施例
如上所述，一个或多个实施例涉及一种改进的对定量气体进行成像的系统和方法，特别是对在场景中存在的气体进行无源红外成像。基于估计的气体温度TG和估计的背景温度TB的差对气体进行成像。因此，TG和TB之间的较大差导致成像的气体相对于背景的对比度较大。当对TG和TB的估计得到改进时，会提高成像系统的灵敏度，并且可以检测更少量的气体并可选地对其进行成像。随着成像系统的灵敏度的提高，成像的气体的对比度提高，例如，提高表示从场景背景110通过在场景中出现的气体的辐射路径的长度的气体吸收路径长度图像的对比度。
本文描述的实施例从而通过例如基于先前捕获的气体和背景IR图像而对高吸收波长带A和低吸收波长带B的改进的和动态的选择，增加了在图像中进行气体检测的灵敏度，从而提高了对比度。
图8示出了根据一个或多个实施例的在热成像装置中定量气体的方法的实施例。通过获得气体吸收路径长度图像作为场景差异红外图像并基于场景差异红外图像和预定的气体定量关系生成定量的场景差异红外图像，来定量气体，其中通过确定第一、高吸收波长带A和第二、低吸收波长带B来找到气体检测信噪比之间的改进的平衡已经获得了增加的对比。
在一个或多个实施例中，提出了一种在热成像装置170中定量气体的方法，所述方法包括以下步骤：
步骤810：基于基本上描绘相同场景110的气体红外图像910和场景背景红外线图像920，获得气体吸收路径长度图像作为场景差异红外图像。
在一个例子中，通过从存储器615中获得气体吸收路径长度图像来获得气体吸收路径长度图像。在另一个例子中，通过处理器612生成气体吸收路径长度图像来获得气体吸收路径长度图像。
步骤820：基于所述场景差异红外图像和预定的气体定量关系180生成定量的场景差异红外图像。
在一个例子中，通过从存储器615获得气体吸收路径长度图像/场景差异红外图像和预定的气体定量关系180来生成定量的场景差异红外图像。通过将气体定量关系180应用到场景差异红外图像中的每个像素来确定定量的场景差异红外图像。
在一个或多个实施例中，气体定量关系描述了场景差异红外图像像素值181,900与定量的场景差异红外图像像素值182之间的关系，其中，所述关系是百万分之几*米或ppm*m表示的浓度长度乘积的形式，例如，气体浓度乘以气体吸收路径长度1601。
在一个例子中，通过生成图像像素值来生成场景差异红外图像像素值，有以下选择：
-气体红外图像像素值Arow,col-背景红外图像像素值Brow,col；或者
-背景红外图像像素值Brow,col-气体红外图像像素值Arow,col，
像素值例如由以摄氏度或开尔文为单位的温度值表示，并且预定义的气体定量关系180是查找表，例如，如图17中的表1-4所示。对于指示温度的每个场景差异红外图像像素值来说，都有以百万分之几*米或ppm*m表示的相应的浓度长度乘积。即在这个例子中，定量的场景差异红外图像行,列中的每个像素＝GQR(场景差异红外图像行,列)。
在一个或多个实施例中，气体定量关系180通过以下方式产生：
-根据已知的气体浓度、气体吸收路径长度1601、气体温度TG和背景温度TB，测量第一组定量的场景差异红外图像像素值182；以及，通过应用曲线拟合技术将所述第一组定量的场景差异红外图像像素值扩展为更大的第二组定量的场景差异红外图像像素值。
在一个例子中，通过在受控环境中使用吸收光谱测量定量的场景差异红外图像像素值182。通过改变气体浓度和气体吸收路径长度1601(例如，通过将采样玻璃小瓶替换为已知的气体浓度和已知的气体吸收路径长度并监测气体温度TG和背景温度TB)，来获得第一组测量值或定量的场景差异红外图像像素值182。
在一个或多个实施例中，获得气体吸收路径长度图像的步骤810还包括和/或在步骤810之前还存在：
步骤803：通过处理器612确定第一高吸收波长带A 510和第二低吸收波长带B520，以基于估计的图像噪声、预定的气体的吸收光谱241、估计气体温度TG121和估计的背景温度TB122提高生成的气体吸收路径长度图像的对比度。
步骤805：通过处理器612生成红外成像系统控制数据，以触发第一红外成像系统613对包括高吸收波长带A 510内的红外辐射强度的场景的气体红外图像的捕获，并触发第二红外成像系统614对包括波长带B 520内的红外辐射强度的场景的背景红外图像的捕获。
步骤807：基于气体红外图像910和背景红外图像920生成气体吸收路径长度图像。
优选地，如在一个或多个实施例中，高吸收波长带A 510包括来自吸收光谱241的吸收波长带G 505。此外，低吸收波长带B 520可以与高吸收波长带A 510至少部分的重叠。根据图12-16进一步描述了确定高吸收波长带A 510和低吸收波长带B 520的例子。
在一个例子中，将红外成像系统控制数据(包括指示高吸收波长带A 510和低吸收波长带B 520以及触发信息的数据)发送到第一和第二红外成像系统613,614。控制数据被配置为优选地控制第一红外成像系统613捕获并返回包括高吸收波长带A 510内的红外辐射强度的场景的气体红外图像。控制数据还被配置为优选地触发第二红外成像系统614捕获包括低吸收波长带B 520内的红外辐射强度的场景的背景红外图像。在一个例子中，第一和第二红外成像系统613,614被集成在热成像装置170中。在另一个例子中，第一和第二红外成像系统613,614在热成像装置170的外部。
在一个或多个实施例中，其中，估计的图像噪声包括噪声等效温度差，定量的场景差异红外图像像素值182包括例如以摄氏度或开尔文为单位的温度值。在一个例子中，以均方根RMS噪声ΔUnoise来测量噪声等效温差NETD，均方根RMS噪声ΔUnoise是以成像系统视频通道的均方根值测量的噪声电压，并且然后将其转换为以摄氏度或开尔文为单位的相应的温度差。
在一个或多个实施例中，确定高吸收波长带A 510的低端点在[6-7.8μm]-[8-9.6μm]的区间中，并且其中确定波长带A 510的高端点5502在区间[8-9.6μm]中。
对于在可接受的图像噪声等级下使用的非致冷的热成像装置来说，因为非致冷照相机具有更低的灵敏度和更高的热噪声贡献，所以与致冷照相机相比，高吸收波长带A和低吸收波长带B必须相当宽。由于滤光器区域相当宽，所以不仅吸收例如存在于滤光器区域中的气体甲烷，还吸收水蒸气。这意味着必须对水蒸气和气体(这里是甲烷)进行定量。实现该目的的一种方法是具有另外的第三个与水相关的波长带C 530，其被确定并被光谱滤光成仅水蒸汽吸收辐射，例如，通过捕获包括波长带C内的红外辐射的水红外图像1030。使用该测量方法是为了定量水蒸气，然后使用该测量方法生成复合谱以定量气体，例如甲烷。补偿水蒸汽的另一个例子是测量空气中的湿度以及从热成像装置170到背景场景110的距离，并且假定湿度在该整个距离上是相同的。然后可以将浓度长度估计为测量的以ppm为单位的湿度*从热成像装置170到背景场景110的距离，由此以ppm×m计算水蒸汽的浓度长度。
一个或多个实施例还包括：
通过处理器612基于预定的水吸收光谱确定第三与水相关的波长带C 530，以提高生成的气体吸收路径长度图像的对比度，其中，与水相关的波长带C 530至少包括水吸收光谱的局部最大值，并且不包括高吸收波长带A 510和低吸收波长带B 520。
这样的实施例通常还包括：
生成红外成像系统控制数据以触发第一成像系统613或第二成像系统614对场景110的水红外图像1030的捕获，其中，水红外图像包括在波长带C 530内的红外辐射强度。
在这些实施例中，生成定量的场景差异红外图像还基于水红外图像1030。根据这些实施例的气体红外图像510包括高吸收波长带A内的红外辐射强度，并且背景红外图像520包括低吸收波长带B内的红外辐射强度。水红外图像1030包括波长带C内的红外辐射强度。
根据图10进一步描述了如何利用气体红外图像、背景红外图像和水红外图像确定定量的场景差异红外图像像素值的例子。
为了场景中气体的可视化，根据一个或多个实施例的方法还包括：
步骤830：基于定量的场景差异红外图像中的像素值对气体进行成像。为了使用户能够理解定量的场景差异红外图像中的信息，生成图像以包括视觉表示并且选择性地将其呈现在热成像装置或连接到热成像装置的计算装置(例如，平板电脑、智能电话、膝上型计算机或台式计算机)的显示器618上。例如，视觉表示可以基于定量的场景差异红外图像和调色板。
在一个例子中，生成视觉表示包括将定量的场景差异红外图像数据值或每个像素的像素值映射到用于呈现显示在显示器上的相应像素的调色板(例如，使用从颜色模型中选择的灰度或颜色)。在步骤830的另一个例子中，通过使用假着色生成定量的场景差异红外图像的视觉表示来对气体进行成像，其中生成视觉表示还包括将定量的场景差异红外图像中的数据值或像素值映射到调色板并显示视觉表示。在另一个例子中，调色板包括来自预定义颜色模型的颜色或灰度。在另一个例子中，其中对气体进行成像还包括在热成像装置中的显示器上或者包括在外部设备的显示器上显示气体红外图像。
图9示出了根据一个或多个实施例的如何生成气体吸收路径长度图像，其中，例如，如图6所示，热成像装置170包括第一红外成像系统613和第二红外成像系统614。光轴和视场FOV可能不同，这导致不同的视差误差和不同的FOV尺寸。为了确保在将包括在气体红外图像中的像素值和包括在背景红外图像中的像素值组合为包括在气体吸收路径长度图像中的像素值之前，该包括在气体红外图像中的像素值和包括在背景红外图像中的像素值表示场景110的相同部分，通过变换940将它们配准(例如，通过使用线性或弹性变换的基于强度的配准、基于特征的配准)或者变换到一个坐标系。在一个例子中，基于信号差确定气体吸收路径长度图像像素值900，并且将气体吸收路径长度图像像素值900确定为：图像像素值1,1＝气体红外图像像素值902A1,1-背景红外图像像素值901B2,1。在另一个例子中，基于信号差确定像素值，并且将气体吸收路径长度图像像素值确定为：图像像素值1,1＝B2,1-A1,1。在另一个例子中，基于有气体与无气体的比率确定气体吸收路径长度图像像素值，并且气体吸收路径长度图像像素值1,1＝B2,1/A1,1。在另一个例子中，基于有气体与无气体的比率确定气体吸收路径长度图像像素值，并且气体吸收路径长度图像像素值1,1＝A1,1/B2,1。
图10示出了根据一个或多个实施例，如何通过补偿红外辐射的水衰减来生成气体吸收路径长度图像。在实施例中，通过进一步基于水红外图像1030生成气体吸收路径长度图像，进一步提高了检测气体的灵敏度，从而进一步提高了气体吸收路径长度图像的对比度。在实施例中，确定波长带C以基于预定的水吸收光谱提高生成的气体吸收路径长度图像的对比度，其中，波长带C至少包括水吸收光谱的局部最大值，并且优选地不包括高吸收波长带A和低吸收波长带B。通过确定与水相关的波长带中的红外辐射的衰减，其中水的吸收光谱至少具有局部最大值并且其中气体不显示或显示非常低的红外辐射衰减，测量在水波长带C中的水衰减对于高吸收波长带A和低吸收波长带B也可以是近似有效的，因此可以对水衰减的贡献进行补偿。在实施例中，在包括在发送到红外成像系统的红外成像系统控制数据中的数据中指示水波长带C。在实施例中，由控制数据触发第一或第二红外成像系统613,614捕获水红外图像1030，其中水红外图像包括水波长带C内的红外辐射强度。在实施例中，处理器612接收水红外图像，并且基于气体红外图像910、背景红外图像920和水红外图像1030生成改进的气体吸收路径长度图像。
在实施例中，通过组合包括在气体红外图像910中的像素值、包括在背景红外图像920中的像素值和包括在水红外图像1030中的像素值，生成气体吸收路径长度图像。在另一个例子中，基于信号差确定气体吸收路径长度图像像素值，并且气体吸收路径长度图像像素值1,1＝A1,1–B1,1-C1,1。在另一个例子中，基于信号差确定气体吸收路径长度图像像素值，并且气体吸收路径长度图像像素值1,1＝A1,1–B1,1+C1,1。在另一个例子中，基于信号差确定气体吸收路径长度图像像素值，并且气体吸收路径长度图像像素值1,1＝B1,1–A1,1-C1,1。在另一个例子中，基于信号差确定气体吸收路径长度图像像素值，并且气体吸收路径长度图像像素值1,1＝B1,1–A1,1+C1,1。在另一个例子中，基于信号差确定气体吸收路径长度图像像素值，并且气体吸收路径长度图像像素值1,1＝A1,1–C1,1/B1,1。在另一个例子中，基于信号差确定气体吸收路径长度图像像素值，并且气体吸收路径长度图像像素值1,1＝C1,1–A1,1/B1,1。
对准
由于可以在不同的时间捕获气体和背景IR图像910，920，所以热成像装置可以在这段时间以使气体IR图像和背景IR图像之间绕着光轴的偏移、方向和旋转不同的方式移动。类似地，在具有多个红外成像系统613,614的一个或多个实施例中，第一红外成像系统613和第二红外成像系统614的光轴的取向可能不同。这导致称为视差距离误差、视差指向误差和视差旋转误差的光学现象。由于这些视差误差，捕获的真实世界场景的视图在IR图像之间不同。为了组合气体红外图像和背景红外图像，气体红外图像和背景红外图像必须适应，以便获得表示场景的相同部分的适应的气体IR图像和适应的背景IR图像，从而补偿不同的视差误差和FOV大小。该处理步骤被称为第一图像和第二图像的图像配准或对准，即通过变换940将不同数据集合变换到一个坐标系的过程。可以根据本领域技术人员已知的任何方法(例如，使用线性或弹性变换的基于强度的、基于特征的配准)来执行配准或对准。
显示、可视化图像、IR图像、定量场景差异红外图像或气体吸收路径长度图像
由于从本质上来说，热图像的对比度通常较低并且噪声通常较多，因此可以对捕获的IR图像或气体吸收路径长度图像进行各种成像处理，以便在将图像显示给用户之前提高图像的可解释性。这种图像处理的例子是利用IR温度校准数据参数、低通滤波进行校正，多个连续IR图像或气体红外图像的配准和平均，以获得平均红外图像或气体红外图像，或本领域技术人员已知的任何其他IR图像或气体红外图像处理操作。由于红外辐射对人眼不可见，所以捕获的IR图像、定量的场景差异红外图像或气体吸收路径长度图像中的每个像素的数据值与显示器上显示的灰度或颜色之间没有自然关系。因此，被称为假着色或伪着色的信息可视化过程用于将图像(例如，IR图像、定量的场景差异红外图像或气体吸收路径长度图像)中的每个像素的图像数据值或像素值映射到用于呈现显示在显示器上的相应像素(例如，使用灰度或颜色)的调色板。
调色板通常是从用于IR图像、定量的场景差异红外图像或气体吸收路径长度图像的图像显示或视觉表示的颜色模型中选择的颜色或灰度表示的有限集合，即，预先定义的调色板表示可在显示器上显示从而使其对人眼可见的颜色模型的灰度或颜色值的有限集合。将图像(例如，IR图像、定量的场景差异红外图像或气体吸收路径长度图像)中的每个像素的图像数据值映射到用于呈现显示在显示器上的所述图像的视觉表示的相应像素的调色板通常通过应用预定关系来执行。这种预定关系通常描述从图像数据值或像素值到所述预定的调色板(例如，具有从颜色模型中选择的相关的颜色或灰度表示的调色板索引值)的映射。通常基于图像(例如，IR图像、定量的场景差异红外图像或气体吸收路径长度图像)中的每个像素的图像数据值或像素值，将气体IR图像、定量的场景差异红外图像或气体吸收路径长度图像显示给预期用户。可选的，IR温度校准数据参数，表示可显示在显示器上的颜色模型的灰度或颜色值的有限集合的预定调色板，以及描述从红外图像数据值或气体吸收路径长度图像像素值到所述预定的调色板的预定关系。
用例实施例
在图11中，示出了根据一个或多个实施例的系统和方法中的照相机的图示。在对使用的两个照相机进行滤光以使这两个照相机对不同光谱区域进行成像例子中，生成用于定量泄漏气体的图像。一个照相机检测器将被滤光到高吸收波长带A，其中气体具有强吸收线或在吸收光谱中对红外辐射的高吸收，使得当图像中存在气体时照相机将改变信号。另一个照相机将被滤光到低吸收波长带B，其中气体具有非常弱或者在这种情况下几乎没有吸收线或在吸收光谱中对红外辐射的低吸收。通过这种方式，将照相机用作参考以观察没有气体的背景温度。通过考虑从被滤光为检测高吸收波长A和低吸收波长B的照相机的成像之间的温度差，只有气体可见，而除了气体的其他现象将被减少。
根据一个或多个实施例，关于被这些滤光器710,720影响的信号和噪声来最优地选择滤光器710,720的位置或滤光器调谐的模型解释如下。
信号S是通过取来自物体的红外辐射的出射度或测量的发射Wobj加上来自背景的红外辐射的出射度或测量的发射Wbg来计算的。
信号S是通过取来自物体的红外辐射的出射度Wobj加上来自背景的红外辐射的出射度Wbg来计算的。
Wbg＝(1-sin2θ)∫M(Tcam,λ)Rdet(λ)+
sin2θ∫M(Tfilter,λ)Rdet(λ)1-τfilter 式1
其中，F是焦距比(F数)数并且由物镜指定。
S＝Wbg+Wobj 式4
噪声
热照相机的噪声通常在代表噪声等效温差的NETD中测量。这是通过RMS噪声ΔUnoise来测量的，其是以照相机视频通道的均方根值测量的噪声电压，然后将其转换为相应的温差。NETD可以写成如下：
这里，S′T是检测器在温度T测量的信号的导数。通过取式4关于T的导数，可以计算S′T。在30℃下估计该导数，这是因为这是测量NETD的常用温度。因为假设式5中的检测器噪声ΔUnoise在有滤光器710,720和没有滤光器710,720时都相同，所以将其视为常数。NETD计算如下：通过在没有滤光器的情况下插入已知NETD并利用τ_filter＝1计算S′T以模拟没有滤光的情况，并将其比作具有滤光器传输的NEFD。考虑到这一点，式6变为：
对于要使用的非致冷照相机来说，因为非致冷照相机具有较低的灵敏度和从光路到传感器/检测器6132,6142的更高的热噪声贡献，所以与致冷照相机来说，滤光器710,720区域必须要宽得多。由于滤光器710,720区域非常宽，所以不仅吸收存在于滤光器区域中的气体(例如甲烷)，还吸收水蒸气。这意味着必须对水蒸气和气体(这里是甲烷)进行定量。实现该目的的一种方法是具有另外的第三区域光谱(例如，波长带C 530)，其中对第三区域光谱滤光使得仅水蒸汽吸收辐射。使用该测量方法是为了定量水蒸气，然后使用该测量方法生成复合谱以定量甲烷。另一种方法是测量空气中的湿度和到背景的长度，并假设湿度在整个距离上相同，然后以ppm×m计算水蒸汽的浓度长度。为了计算有气体和无气体之间的信号差，需要气体温度，并且认为气体温度与空气温度相同。这意味着也必须测量空气温度。为了计算有气体和无需气体之间的信号差，输入值是背景温度、水蒸气的浓度长度、甲烷气体的浓度和该气体的温度。对于具有不同增益和偏移值的两个不同的照相机来说，对输出进行归一化是非常重要的，这样照相机将测量相同的温度。这通过在不同已知温度下对具有与黑体辐射器相对的滤光器710,720和分束器的照相机进行校准来完成。基于对应于原始值的已知温度的测量点，曲线拟合算法可以用作将原始值转换为温度的函数。定量气体的另一种方法是进行实际校准，其中在不同的距离和不同的相对湿度下测量不同的已知浓度，以了解照相机中的信号如何变化。基于这些值可以生成取决于信号变化、距离和湿度的函数。
信号/噪声和实现
通过改变高吸收波长带A的起始波长或下端点5101和高吸收波长带A的截止点或高端点5102，可以针对NETD和信号差优化气体的影响。有气体和无气体之间的比例以及信号中的差都是基于以下动机来模拟：理论上在不考虑发射率变化的情况下信号差应该最大。尽管有气体和无气体之间的比率应该很高，这是因为当使用两个照相机时，信号之间的归一化将不是完美的并导致比率差异。选择的模拟的起始波长范围为6-7.8μm，截止范围为8-9.6μm，步长为0.2μm。这是因为甲烷吸收峰以约7.7μm为中心，并且带通滤光器710,720应该接近该吸收峰。
图12示出了通过改变滤光器710，720的起始值和截止值(从8μm的截止点710到9.6μm的截止点718)，即波长带的低端点和高端点，得到的信号。
图13示出了在模拟中有甲烷气体和没有甲烷气体时模拟的有气体的信号和没有气体的信号的比率。可以看出，信号的比率随着带通滤光器的带宽的增加而减小，因此波长带从8μm的截止点710到9.6μm的截止点718，尽管信号差将保持不变。起始波长上升到7.8μm以显示当起始点超过吸收峰值时信号差减小。
图14示出了模拟中有甲烷气体和没有甲烷气体时的模拟的信号差。可以看出，信号的比率随着带通滤光器的带宽的增加而减小，因此波长带从8μm的截止点到9.6μm的截止点，但是信号差将保持不变。起始波长上升到7.8μm以显示当起始点超过吸收峰值时信号差减小。
图15示出了本公开的实施例，其中示出了随滤光器的带通带宽从8μm的截止点710到9.6μm的截止点718变化而模拟的NETD。可以看出，噪声NETD随着滤光器带宽的减小而增加。
这些模拟用于确定应该看到气体的照相机的A滤光器区域或波长带A。提出了两个不同的想法，一个关注的是信号差，一个关注的是有气体与无气体的比率。由于有气体与无气体的比率抵消了NETD，所以选择该区域以具有相当低的NETD而该比率尽可能高。为了使起始点为7μm并且截止点为8.6μm而选择该区域，其中，对于1000ppmm的甲烷，起始点为7μm并且截止点为8.6μm给出了221mK的NETD和1.007的比率。
当评判信号差而不是比率时，例如，背景红外图像像素值-气体红外图像像素值或背景红外图像像素值/气体红外图像像素值，从图13可以看出，当滤光器超过气体的吸收线或吸收光谱包括局部最大值时，信号差不变。考虑到这一点，通过具有大的滤光器带宽可以使NETD最大化，基于此，由于信号不受较低起始波长的影响并且截止波长受限于检测器，因此选择了7μm的起始波长。
为了选择B区域的滤光器波长，或者为了确定低吸收波长带B，其中不应存在或存在非常少的气体吸收或者吸收光谱包括局部最小值，将滤光器的位置模拟为15μm的截止波长以模拟照相机系统响应的截止波长和从8μm到10.5μm的起始波长，因为这是甲烷吸收将降低到不存在吸收的波长。
图16示出了本发明的实施例，其中模拟了当截止波长固定为15μm而起始波长变化时的有气体与无气体的比率。用于该模拟的甲烷浓度长度为1*107ppmm。选择的起始波长为9.2μm，这是因为当模拟非常浓并且大的气体云时，该起始波长的吸收比率非常低。
定量
图17示出了本公开的气体定量关系180的各种实施例，例如，表1-4中所示。
在一个例子中，通过利用包含不同浓度长度的光谱来模拟温度差，来确定用于确定气体浓度长度、气体定量关系180的函数。这是用已知的背景温度和气体温度完成的。在一个例子中，将用作背景的黑体设为70℃。为了模拟温度差，利用照相机测量背景温度，并且还利用照相机测量气室以获得气体温度。对于BP过滤器，将背景温度测量为79.4±0.1℃，并将气室测量为30.9±0.2℃。这给出了相对于气体吸收的温度模拟值。
表1-相对于BP滤光器的不同浓度长度的模拟温度。将表2中的表值绘制在MATLAB中，并使用3阶曲线拟合以得到将温度值变换为浓度长度的函数。
下面给出了针对不同气体浓度长度而测量的温度，以及计算的它们的浓度长度和已知的浓度长度。
表2-测量的温度和计算的浓度-长度以及与其相比较的BP滤光器的已知浓度-长度。
对LP7000滤光器执行相同的程序。对于该过光器来说，将背景温度测量为73.5±0.1℃，并将气室温度测量为24.3±0.1℃。这给出了表4所示的相对于气体吸收的模拟温度值。
| 浓度-长度 | 模拟的温度 |
| 1000ppmm | 73.159℃ |
| 5000ppmm | 70.3222℃ |
| 10000ppmm | 68.4830℃ |
| 20000ppmm | 66.1178℃ |
| 30000ppmm | 64.4258℃ |
| 60000ppmm | 60.9544℃ |
| 120000ppmm | 56.9215℃ |
| 200000ppmm | 53.7470℃ |
表3-相对于LP7000滤光器的不同浓度长度的模拟温度。
对于BP滤光器来说，这些值用于估计用于计算测量温度的浓度长度的三阶曲线拟合。
已知浓度长度CLK 测量温度T 测量的
表4-测量的温度和计算的浓度-长度以及与其相比较的LP7000滤光器的已知浓度-长度。
由于测量值416 940ppmm和811 570ppmm在模拟的浓度-长度拟合的范围之外，所以这些值可能是不可靠的。
其他实施例
根据一个或多个实施例，描述的热成像装置的处理器被配置为执行与本文描述的任何或所有方法步骤的选择，其与以下步骤相关：对捕获的包括图像数据值或像素值的IR图像或气体吸收路径长度图像进行处理，例如，选择数据值/像素值，将与数据值/像素值相关联的温度值映射到颜色和/或灰度值，例如基于与所述像素相关联的温度值为IR数据值的帧的每个像素分配来自预先选择的颜色模型的表示值，以及本文所述的其他操作。
在一个或多个实施例中，提供了一种计算机可读介质，其上存储有：
-用于执行根据本文所述的任何实施例的方法的非暂时性信息；
和/或
-被配置为控制处理器/处理单元执行本文描述的实施例的任何步骤或功能的非暂时性信息。
在一个或多个实施例中，提供了一种计算机程序产品，其包括适于控制处理器执行本文所述的任何实施例的任何步骤或功能的代码部分。根据本公开的软件(例如，程序代码部分和/或数据)可以以非暂态形式存储在一个或多个机器可读介质上。还可以设想，本文所标识的软件可以使用一个或多个通用目的或专用目的计算机和/或计算机系统、联网的和/或其他方式的计算机系统来实现。
在适用的情况下，本公开提供的一个或多个实施例可以使用硬件、软件或硬件和软件的组合来实现。同样在适用的情况下，可以将本文提出的各种硬件组件和/或软件组件组合成包括软件、硬件和/或两者的复合组件。在适用的情况下，可以将本文提出的各种硬件组件和/或软件组件分为包括软件、硬件或两者的子组件。此外，在适用的情况下，预期软件组件可以实现为硬件组件，反之亦然。在适用的情况下，本文描述的各种步骤的顺序可以改变，组合成复合步骤，和/或分离成子步骤以提供本文所述的功能。
上述公开内容不旨在将本发明限制于所公开的精确形式或特定使用领域。应当理解，根据本公开，可以对本文明确或隐含描述的本发明的实施例作出各种替代实施例和/或修改。因此，本发明的范围仅由权利要求书限定。
Claims (21)
1.一种在对场景的成像中定量气体的方法，所述场景具有背景并且可能存在气体，所述方法包括：
基于场景的气体红外图像和场景的背景红外图像，获得场景中的气体的气体吸收路径长度图像，其中，响应于气体的高吸收波长带A中接收的辐射而捕获所述场景的气体红外图像，响应于气体的低吸收波长带B中接收的辐射而捕获所述场景的背景红外图像；
将预定的气体定量关系应用到所述气体吸收路径长度图像的像素值；以及
响应于将预定的气体定量关系应用到所述气体吸收路径长度图像的像素值来生成定量的场景差异红外图像，其中，所述定量的场景差异红外图像的像素值对应于场景中的气体的浓度。
2.根据权利要求1所述的方法，其中，所述气体定量关系描述所述气体吸收路径长度图像的像素值与所述定量的场景差异红外图像的像素值之间的关系，所述关系的形式是以百万分之几*米(ppm*m)表示的浓度长度乘积。
3.根据权利要求1所述的方法，其中，通过包括以下的操作来生成所述气体定量关系：
测量对于多个已知气体浓度、多个气体吸收路径长度、多个气体温度和多个背景温度的第一组定量的场景差异红外图像像素值，以及
通过应用曲线拟合技术将所述第一组扩展为更大的第二组，所述气体定量关系包括所述气体吸收路径长度图像的像素值与更大的第二组的定量的场景差异红外图像的像素值之间的关系。
4.根据权利要求1所述的方法，其中，获得场景中的气体的气体吸收路径长度图像包括：
确定所述气体的所述高吸收波长带A和所述气体的所述低吸收波长带B；
所述高吸收波长带A包括来自所述气体的吸收光谱的吸收波长带G；以及
所述低吸收波长带B与所述高吸收波长带A至少部分重叠。
5.根据权利要求4所述的方法，其中，
至少部分地基于估计的图像噪声确定所述高吸收波长带A和所述低吸收波长带B，所述估计的图像噪声包括噪声等效温度差(NETD)；以及
所述定量的场景差异红外图像的像素值包括温度值。
6.根据权利要求4所述的方法，其中，
确定所述高吸收波长带A的低端点在6μm至7.8μm的区间中；以及
确定所述高吸收波长带A的高端点在8μm至9.6μm的区间中。
7.根据权利要求1所述的方法，还包括：
基于预定的水吸收光谱确定与水相关的波长带C，以提高生成的气体吸收路径长度图像的对比度，其中，与水相关的波长带C至少包括所述水吸收光谱的局部最大值，并且不包括所述高吸收波长带A和所述低吸收波长带B；
其中，进一步基于响应于与水相关的波长带C中接收的辐射捕获的场景的水红外图像，所述气体吸收路径长度图像展示出增加的对比度；以及其中，生成所述定量的场景差异红外图像还基于所述水红外图像。
8.根据权利要求4所述的方法，其中，获得场景中的气体的气体吸收路径长度图像还包括：
由红外成像系统生成红外成像系统控制数据以控制所述场景的所述气体红外图像和所述场景的所述背景红外图像的捕获；以及
基于所述气体红外图像和所述背景红外图像生成所述气体吸收路径长度图像。
9.一种用于在对场景的成像中定量气体的热成像装置，所述场景具有背景并且可能存在气体，所述装置包括红外(IR)成像系统、存储器和处理器，所述处理器适于执行根据权利要求1-8中任一项所述的方法步骤。
10.一种用于在对场景的成像中定量气体的计算机可读介质，所述场景具有背景并且可能存在气体，所述计算机可读介质包括存储在其上的下述信息：
用于执行根据权利要求1-8中任一项所述的方法的非暂时性信息；
和/或
被配置为控制处理器/处理单元执行权利要求1-8中任一项的任意步骤或功能的非暂时性信息。
11.一种用于对场景的图像中定量气体的热成像装置，所述场景具有背景并且可能存在气体，所述热成像装置包括：
红外(IR)成像系统，所述红外成像系统被配置为捕获：
响应于气体的高吸收波长带A中接收的辐射所捕获的所述场景的气体红外图像；以及
响应于气体的低吸收波长带B中接收的辐射所捕获的所述场景的背景红外图像；存储器；以及
处理器，所述处理器通信地耦接到所述红外成像系统和所述存储器，所述处理器被配置为：
基于所述气体红外图像和所述背景红外图像，获得场景中的气体的气体吸收路径长度图像；
将预定的气体定量关系应用到所述气体吸收路径长度图像的像素值；以及
响应于气体定量关系的应用来生成定量的场景差异红外图像，其中，所述定量的场景差异红外图像的像素值对应于场景中的气体的浓度。
12.根据权利要求11所述的装置，其中，所述气体定量关系描述所述气体吸收路径长度图像的像素值与所述定量的场景差异红外图像的像素值之间的关系，所述关系的形式是以百万分之几*米(ppm*m)表示的浓度长度乘积。
13.根据权利要求11所述的装置，其中，通过包括以下的操作来生成所述气体定量关系：
测量对于多个已知气体浓度、多个气体吸收路径长度、多个气体温度和多个背景温度的第一组定量的场景差异红外图像像素值，以及
通过应用曲线拟合技术将所述第一组扩展为更大的第二组，所述气体定量关系包括所述气体吸收路径长度图像的像素值与更大的第二组的定量的场景差异红外图像的像素值之间的关系。
14.根据权利要求11所述的装置，其中，所述红外成像系统被配置为和/或能控制以：
捕获场景的所述气体红外图像；以及
捕获场景的所述背景红外图像。
15.根据权利要求14所述的装置，其中，所述红外成像系统包括：
第一红外成像系统，其被配置为和/或能够控制以捕获所述气体红外图像；以及
第二红外成像系统，其被配置为和/或能够控制以捕获所述背景红外图像。
16.根据权利要求14所述的装置，其中，
所述高吸收波长带A包括来自所述气体的吸收光谱的吸收波长带G；以及
所述低吸收波长带B与所述高吸收波长带A至少部分重叠。
17.根据权利要求16所述的装置，其中，
至少部分地基于估计的图像噪声确定所述高吸收波长带A和所述低吸收波长带B，所述估计的图像噪声包括噪声等效温度差(NETD)；以及
所述定量的场景差异红外图像的像素值包括温度值。
18.根据权利要求14所述的装置，其中，
确定所述高吸收波长带A的低端点在6μm至7.8μm的区间中；以及
确定所述高吸收波长带A的高端点在8μm至9.6μm的区间中。
19.根据权利要求14所述的装置，其中，所述处理器还被配置为通过包括以下的操作获得所述气体吸收路径长度图像：
由所述红外成像系统生成控制数据以控制所述气体红外图像和所述背景红外图像的捕获；以及
基于所述气体红外图像和所述背景红外图像生成所述气体吸收路径长度图像。
20.根据权利要求14所述的装置，其中，
所述红外成像系统还被配置为和/或能够控制以捕获基于响应于与水相关的波长带C中接收的辐射所捕获的场景的水红外图像；
与水相关的波长带C至少包括所述水吸收光谱的局部最大值，并且不包括所述高吸收波长带A和所述低吸收波长带B；以及
所述处理器进一步配置为进一步基于所述水红外图像生成定量的场景差异红外图像。
21.根据权利要求20所述的装置，其中，基于所述水吸收光谱确定与水相关的波长带C，以提高生成的气体吸收路径长度图像的对比度。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201562127264P | 2015-03-02 | 2015-03-02 | |
| US62/127,264 | 2015-03-02 | ||
| PCT/EP2016/000363 WO2016138991A1 (en) | 2015-03-02 | 2016-03-02 | Quantifying gas in passive optical gas imaging |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107407634A CN107407634A (zh) | 2017-11-28 |
| CN107407634B true CN107407634B (zh) | 2020-11-06 |
Family
ID=55953097
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201680013555.7A Active CN107407634B (zh) | 2015-03-02 | 2016-03-02 | 在无源光学气体成像中定量气体 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US10416076B2 (zh) |
| EP (1) | EP3265996A1 (zh) |
| CN (1) | CN107407634B (zh) |
| WO (1) | WO2016138991A1 (zh) |
Families Citing this family (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3372996B1 (en) * | 2015-12-15 | 2024-02-14 | Konica Minolta, Inc. | Gas concentration-thickness product measurement device, gas concentration-thickness product measurement method, gas concentration-thickness product measurement program, and computer-readable recording medium having gas concentration-thickness product measurement program recorded thereon |
| WO2017126384A1 (ja) * | 2016-01-21 | 2017-07-27 | コニカミノルタ株式会社 | ガス検出装置、ガス検出方法およびガス検出プログラム |
| US10739226B2 (en) * | 2016-03-03 | 2020-08-11 | Konica Minolta Opto, Inc. | Gas leak position estimation device, gas leak position estimation method and gas leak position estimation program |
| EP4212851A1 (en) | 2016-10-21 | 2023-07-19 | Rebellion Photonics, Inc. | Gas imaging system |
| US10400583B1 (en) * | 2016-12-22 | 2019-09-03 | Petra Analytics, Llc | Methods and systems for spatial change indicator analysis |
| WO2018183973A1 (en) | 2017-03-31 | 2018-10-04 | Flir Systems Ab | Gas imaging systems and methods |
| US10234380B1 (en) * | 2017-09-29 | 2019-03-19 | Konica Minolta Laboratory U.S.A., Inc. | Background radiance estimation and gas concentration-length quantification method for optical gas imaging camera |
| US10925208B2 (en) | 2017-10-31 | 2021-02-23 | Deere & Company | System and method for monitioring vapor concentrations |
| EP3732451A1 (en) * | 2017-12-29 | 2020-11-04 | Flir Systems AB | Infrared sensor array with sensors configured for different spectral responses |
| WO2019164578A2 (en) * | 2018-01-03 | 2019-08-29 | Flir Systems Ab | Dynamic determination of radiometric values using multiple band sensor array systems and methods |
| US10684216B2 (en) * | 2018-03-30 | 2020-06-16 | Konica Minolta Laboratory U.S.A., Inc. | Multi-spectral gas quantification and differentiation method for optical gas imaging camera |
| WO2019229261A1 (en) * | 2018-05-30 | 2019-12-05 | Araani Nv | Method and system for detecting heating |
| CN113454430A (zh) * | 2018-12-20 | 2021-09-28 | 前视红外系统股份公司 | 气体透镜滤波器系统和方法 |
| US11200697B2 (en) | 2018-12-20 | 2021-12-14 | Flir Systems Ab | Infrared camera ambient temperature calibration systems and methods |
| US11519602B2 (en) | 2019-06-07 | 2022-12-06 | Honeywell International Inc. | Processes and systems for analyzing images of a flare burner |
| US11513004B2 (en) | 2019-08-08 | 2022-11-29 | Apple Inc. | Terahertz spectroscopy and imaging in dynamic environments |
| US11099072B2 (en) * | 2019-08-08 | 2021-08-24 | Apple Inc. | Terahertz spectroscopy and imaging in dynamic environments with spectral response enhancements |
| US11555792B2 (en) | 2019-08-08 | 2023-01-17 | Apple Inc. | Terahertz spectroscopy and imaging in dynamic environments with performance enhancements using ambient sensors |
| CN111127403A (zh) * | 2019-12-06 | 2020-05-08 | 东莞理工学院 | 一种基于opencv的氡气浓度检测方法 |
| CN113125341B (zh) * | 2019-12-30 | 2023-09-29 | 上海禾赛科技有限公司 | 基于多光谱成像技术的气体遥测方法和装置 |
| US11386530B2 (en) | 2020-02-26 | 2022-07-12 | Flir Systems Ab | Digital filter for turbulence reduction and gas detection in thermal images |
| IL275524B (en) * | 2020-06-18 | 2021-12-01 | Elbit Systems C4I And Cyber Ltd | System and method for measuring parameters without contact |
| CN112307267B (zh) * | 2020-06-29 | 2023-07-04 | 数量级(上海)信息技术有限公司 | 一种泄漏气体的浓度量化系统及方法 |
| WO2023101923A1 (en) | 2021-12-03 | 2023-06-08 | Flir Systems Ab | Detection threshold determination for infrared imaging systems and methods |
| WO2023105856A1 (ja) * | 2021-12-10 | 2023-06-15 | コニカミノルタ株式会社 | ガス濃度測定装置、ガス濃度測定方法、およびプログラム |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001048459A1 (en) * | 1999-12-28 | 2001-07-05 | Gasoptics Ab | Quantitative imaging of gas emissions utilizing optical techniques |
| JP4209877B2 (ja) * | 2005-09-01 | 2009-01-14 | ホーチキ株式会社 | ガス監視装置 |
| CN102105780A (zh) * | 2008-07-24 | 2011-06-22 | 麻省理工学院 | 用于使用吸收来成像的系统和方法 |
| CN103217397A (zh) * | 2013-01-23 | 2013-07-24 | 山西省电力公司晋城供电分公司 | 基于红外图像处理的sf6气体检测方法 |
Family Cites Families (7)
| 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 |
| FR2832799B1 (fr) * | 2001-11-23 | 2006-11-03 | Bertin Technologies Sa | Procedure de detection optique de gaz a distance |
| EA009547B1 (ru) * | 2003-06-11 | 2008-02-28 | ФАРРИ БРАЗЕРС ЛЛСи | Способ визуального обнаружения утечки химиката, выделяющегося из объекта |
| US6822742B1 (en) * | 2003-12-19 | 2004-11-23 | Eastman Kodak Company | System and method for remote quantitative detection of fluid leaks from a natural gas or oil pipeline |
| DE102004028433B4 (de) * | 2004-06-14 | 2006-08-31 | Danfoss A/S | IR-Sensor, insbesondere CO2-Sensor |
| EP2590138B1 (en) * | 2011-11-07 | 2019-09-11 | Flir Systems AB | Gas visualization arrangements, devices, and methods |
| US9726543B2 (en) * | 2015-02-18 | 2017-08-08 | Providence Photonics, Llc | Apparatus and method for validating leak survey results |
-
2016
- 2016-03-02 EP EP16721356.0A patent/EP3265996A1/en active Pending
- 2016-03-02 CN CN201680013555.7A patent/CN107407634B/zh active Active
- 2016-03-02 WO PCT/EP2016/000363 patent/WO2016138991A1/en active Application Filing
-
2017
- 2017-08-31 US US15/693,007 patent/US10416076B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001048459A1 (en) * | 1999-12-28 | 2001-07-05 | Gasoptics Ab | Quantitative imaging of gas emissions utilizing optical techniques |
| JP4209877B2 (ja) * | 2005-09-01 | 2009-01-14 | ホーチキ株式会社 | ガス監視装置 |
| CN102105780A (zh) * | 2008-07-24 | 2011-06-22 | 麻省理工学院 | 用于使用吸收来成像的系统和方法 |
| CN103217397A (zh) * | 2013-01-23 | 2013-07-24 | 山西省电力公司晋城供电分公司 | 基于红外图像处理的sf6气体检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| A method for quantification of gas plumes in thermal hyperspectral imagery;Messinger D W;《Algorithms and Technologies for Multispectral, Hyperspectral, and Ultraspectral Imagery XI. International Society for Optics and Photonics》;20050601;第218-228页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107407634A (zh) | 2017-11-28 |
| US10416076B2 (en) | 2019-09-17 |
| WO2016138991A1 (en) | 2016-09-09 |
| US20170363541A1 (en) | 2017-12-21 |
| EP3265996A1 (en) | 2018-01-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107407634B (zh) | 在无源光学气体成像中定量气体 | |
| US10422741B2 (en) | Wavelength band based passive infrared gas imaging | |
| US20240094118A1 (en) | Gas leak emission quantification with a gas cloud imager | |
| US11641441B2 (en) | Optical gas imaging systems and method compatible with uncooled thermal imaging cameras | |
| US20180209853A1 (en) | Equipment and method for three-dimensional radiance and gas species field estimation in an open combustion environment | |
| EP3404401B1 (en) | Optical gas imaging systems and methods | |
| US9876968B2 (en) | Drift correction method for infrared imaging device | |
| WO2022110283A1 (zh) | 一种红外测温方法、装置、设备及存储介质 | |
| US11635370B2 (en) | Gas imaging systems and methods | |
| US20210310941A1 (en) | Gas lens filter systems and methods | |
| US10070076B2 (en) | Drift correction method for infrared imaging device | |
| CN113865717B (zh) | 一种基于高速相机的瞬态高温比色测温装置 | |
| CN111462254B (zh) | 一种多光谱监测方法与系统 | |
| US11249016B2 (en) | Wavelength band based passive infrared gas imaging | |
| CN212207082U (zh) | 一种前端成像单元及多光谱监测系统 | |
| CN108700462B (zh) | 无移动部件的双光谱成像器及其漂移纠正方法 | |
| US20150002654A1 (en) | Methods and devices for presenting a material stress analysis through captured ir images | |
| Xie et al. | Analysis and modeling of radiometric error caused by imaging blur in optical remote sensing systems | |
| KR20160091586A (ko) | 필터 어레이, 이를 포함하는 이미지 센서 및 적외선 카메라 | |
| ES2716486A1 (es) | Sistema y metodo de deteccion de gases con firma espectral en la region infrarroja |
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 |