CN108876763A - 光学气体成像系统和方法 - Google Patents
光学气体成像系统和方法 Download PDFInfo
- Publication number
- CN108876763A CN108876763A CN201810468397.5A CN201810468397A CN108876763A CN 108876763 A CN108876763 A CN 108876763A CN 201810468397 A CN201810468397 A CN 201810468397A CN 108876763 A CN108876763 A CN 108876763A
- Authority
- CN
- China
- Prior art keywords
- image
- filtering
- infrared
- data
- images
- 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.)
- Pending
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 100
- 238000003384 imaging method Methods 0.000 title claims abstract description 47
- 238000001914 filtration Methods 0.000 claims abstract description 225
- 238000001931 thermography Methods 0.000 claims abstract description 106
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 230000008859 change Effects 0.000 claims description 69
- 230000005855 radiation Effects 0.000 claims description 39
- 239000000872 buffer Substances 0.000 claims description 25
- 238000002156 mixing Methods 0.000 claims description 21
- 230000004044 response Effects 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims 1
- 239000007789 gas Substances 0.000 description 236
- 230000008569 process Effects 0.000 description 51
- 238000012545 processing Methods 0.000 description 35
- 230000007246 mechanism Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 239000000203 mixture Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 230000002708 enhancing effect Effects 0.000 description 8
- 230000002829 reductive effect Effects 0.000 description 8
- 238000003331 infrared imaging Methods 0.000 description 7
- 230000007423 decrease Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000000712 assembly Effects 0.000 description 5
- 238000000429 assembly Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000002745 absorbent Effects 0.000 description 2
- 239000002250 absorbent Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004566 IR spectroscopy Methods 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 201000006549 dyspepsia Diseases 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
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
-
- 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
-
- 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
- G01N21/255—Details, e.g. use of specially adapted sources, lighting or optical systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- H04N23/60—Control of cameras or camera modules
- H04N23/63—Control of cameras or camera modules by using electronic viewfinders
-
- 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
- H04N23/667—Camera operation mode switching, e.g. between still and video, sport and normal or high- and low-resolution modes
-
- 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
- H04N23/68—Control of cameras or camera modules for stable pick-up of the scene, e.g. compensating for camera body vibrations
- H04N23/681—Motion detection
- H04N23/6812—Motion detection based on additional sensors, e.g. acceleration sensors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/272—Means for inserting a foreground image in a background image, i.e. inlay, outlay
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- 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
- G01N2021/1765—Method using an image detector and processing of image signal
- G01N2021/177—Detector of the video camera type
-
- 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
- G01N2021/1793—Remote sensing
- G01N2021/1795—Atmospheric mapping of gases
-
- 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
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Studio Devices (AREA)
- Radiation Pyrometers (AREA)
Abstract
用于使用热成像执行光学气体成像的系统、相机和软件。以用于检测气体的方法的指令对处理器进行编程,所述方法包含产生经滤波背景图像、经滤波前景图像和光学气体图像数据,以及产生显示图像。可以通过使用滤波过程组合来自由红外相机模块捕获的多个图像的红外图像数据而产生所述经滤波背景图像和经滤波前景图像。可以通过比较所述经滤波背景图像和所述经滤波前景图像而产生所述光学气体图像数据。可以产生包含所述光学气体图像数据的图像以用于在显示器上呈现。
Description
交叉引用
本申请要求2017年5月16日申请的第62/507,203号美国临时申请案的优先权,所述美国临时申请案的内容以全文引用的方式并入本文。
背景技术
在多种情形中使用红外成像相机。举例来说,常常在维护检查期间使用红外成像相机以用热学方式检查设备。实例性设备可以包含旋转机器、电气面板或者多行断路器,以及其它类型的设备。红外检查可检测设备热点,例如过热机器或电组件,从而帮助确保在较严重的问题形成之前及时修复或替换过热设备。
取决于相机的配置,红外成像相机还可以产生同一对象的可见光图像。相机可以协调方式显示红外图像和可见光图像,例如帮助操作者解译由热成像相机产生的热图像。
可见光和/或红外成像已应用于气体成像的领域,其中用户将检查目标场景是否有目标气体的存在。在典型程序中,用户将以由目标气体吸收的波长的光照射目标场景。理论上,入射于目标场景上的光将遇到目标气体且至少部分地被吸收,或者将从目标场景的各种部分以大体上满强度散射回到相机。因此,如果相机检测到来自目标场景的一部分的照射波长的光的大体上满强度,那么将假设场景的此部分不包括目标气体,因为光未被显著吸收。相反,相机从中未检测到或检测到照射波长的衰减量的光的目标场景的被照射部分假设为包括目标气体,因为不存在反向散射光指示气体的吸收性质。
这些系统可能由于气体云对总体红外图像可以具有的常常小的改变而难以在领域中有效地使用,且可能低于热传感相机的噪声阈值。在热传感相机中无充分高信噪比的情况下,噪声(例如,由于传感器/电子器件漂移、热波动、组件自热或其它因素)可能由于气体而使图像中的细微改变模糊,从而使得气体辨识极为困难。另外,气体云对红外图像的影响可以取决于气体云的大小(例如,路径厚度)和密度,这两者在整个气体云中都不一定是恒定的。因此,从气体云的衰减或增强的程度和形状会在场景内变化,因为气体云随时间改变形状。这些系统可能由于热传感相机的运动或在相机场景内的热改变而在领域中难以有效地使用。这些困难会成问题,因为其中的任一个都可能造成相机错误地检测或错误地不检测气体的存在。
发明内容
本发明的各方面是针对用于执行气体检测程序的系统、相机和软件。方面可以包含以用于检测气体的方法的指令编程的一个或多个处理器,所述方法包含产生经滤波背景图像、经滤波前景图像和光学气体图像数据,以及产生显示图像。可以通过使用第一滤波过程组合来自由红外相机模块捕获的第一多个图像的红外图像数据而产生经滤波背景图像,其中所述第一滤波过程包含第一滤波参数。可以通过使用第二滤波过程组合来自由红外相机模块捕获的第二多个图像的红外图像数据而产生经滤波前景图像,其中所述第二滤波过程包含第二滤波参数。可以通过比较所述经滤波背景图像和所述经滤波前景图像而产生所述光学气体图像数据。所产生的图像可以包含光学气体图像数据以用于在显示器上呈现。
在本发明的一些方面中,所述方法在可以包含红外相机模块、存储器、显示器和处理器的系统中运行。所述红外相机模块可捕获红外辐射且产生目标场景的红外图像。所产生的图像可以在显示器上显示。
在本发明的一些方面中,所述方法与热成像相机结合而运行。热成像相机可以包含红外相机模块、存储器和显示器。红外相机模块可捕获红外辐射且产生目标场景的红外图像。所产生图像可以在显示器上显示。
附图说明
图1是实例热成像相机的透视正视图。
图2是图1的实例热成像相机的透视后视图。
图3是说明图1和2的热成像相机的实例组件的功能框图。
图4A和4B示出了影响热图像的气体的示意说明。
图5A-5C示意性地示出红外成像可如何检测目标场景中的气体的存在。
图6是在帧缓冲器中捕获的多个图像帧的示意性说明。
图7是说明用于产生和更新经滤波前景和背景以用于光学气体图像的持续更新的示例性过程的过程流程图。
图8是用于产生光学气体图像的过程的示意性说明。
图9是说明可用以产生显示图像的图像数据的组合的示意图。
图10是展示用于执行气体成像操作的用户可选选项的示例性用户接口。
图11是说明用于在光学气体成像过程期间适应相机运动的过程的过程流程图。
图12是说明用于适应在光学气体成像过程期间的热改变的过程的过程流程图。
具体实施方式
以下详细描述在性质上为示例性的,且不希望以任何方式限制本发明的范围、适用性或配置。实际上,以下描述提供用于实施本发明的各种实施例的一些实际说明。针对所选元件提供构造、材料、尺寸和制造工艺的实例,且所有其它元件使用本发明领域中普通技术人员所已知的构造、材料、尺寸和制造工艺。所属领域的技术人员将认识到,所提到的实例中的许多实例具有多种合适替代方案。
热成像相机可用以检测跨越处于观察下的包含一个或多个对象的场景的热模式。热成像相机可以检测由场景发出的红外辐射,且将红外辐射转换为指示热模式的红外图像。在一些实施例中,热成像相机还可以从场景捕获可见光且将可见光转换为可见光图像。取决于热成像相机的配置,相机可以包含红外光学元件以将红外辐射聚焦于红外传感器上,且可以包含可见光光学元件以将可见光聚焦于可见光传感器上。
各种实施例提供用于使用平均化技术产生具有减少的噪声的热图像的方法和系统。为了进一步改进图像质量且消除可能由平均化引起的问题(例如,模糊、鬼影等),在平均化之前对热图像执行图像对准过程。
图1和2分别示出了实例性热成像相机100的前透视图和后透视图,所述热成像相机包含外壳102、红外透镜组合件104、可见光透镜组合件106、显示器108、激光器110以及触发控制112。外壳102容纳热成像相机100的各个组件。热成像相机100的底部部分包含用于经由单手固持和操作相机的承载手柄118。红外透镜组合件104接收来自场景的红外辐射且将辐射聚焦于红外传感器上以用于产生场景的红外图像。可见光透镜组合件106接收来自场景的可见光且将可见光聚焦于可见光传感器上以用于产生同一场景的可见光图像。热成像相机100响应于按压触发控制112而捕获可见光图像和/或红外图像。另外,热成像相机100控制显示器108以显示由相机产生的红外图像和可见光图像,以例如帮助操作者以热学方式检查场景。热成像相机100还可以包含联接到红外透镜组合件104的聚焦机构,所述聚焦机构被配置成移动红外透镜组合件的至少一个透镜以便调整由热成像相机产生的红外图像的焦点。另外或替代地,所述聚焦机构可以相对于红外透镜组合件的一个或多个透镜移动FPA。
在操作中,热成像相机100通过从场景接收在红外波长谱中发射的能量且处理所述红外能量以产生热图像而检测场景中的热模式。热成像相机100还可以通过接收可见光波长谱中的能量且处理可见光能量以产生可见光图像而产生同一场景的可见光图像。如下文更详细地描述,热成像相机100可以包含被配置成捕获场景的红外图像的红外相机模块,以及被配置成捕获同一场景的可见光图像的可见光相机模块。红外相机模块可以接收通过红外透镜组合件104投影的红外辐射且从其产生红外图像数据。可见光相机模块可以接收通过可见光透镜组合件106投影的光且从其产生可见光数据。
在一些实例中,热成像相机100大体上同时(例如,在同一时间)收集或捕获红外能量和可见光能量,使得由相机产生的可见光图像和红外图像是同一场景的大体上同时的图像。在这些实例中,由热成像相机100产生的红外图像指示在特定时间周期在场景内的局部化温度,而由相机产生的可见光图像指示在同一时间周期的同一场景。在其它实例中,热成像相机可以在不同时间周期从场景捕获红外能量和可见光能量。
可见光透镜组合件106包含至少一个透镜,所述透镜将可见光能量聚焦于可见光传感器上以用于产生可见光图像。可见光透镜组合件106界定穿过所述组合件的所述至少一个透镜的曲率中心的可见光光轴。可见光能量投射通过透镜的前部且聚焦于透镜的相反侧上。可见光透镜组合件106可包含单个透镜或串联布置的多个透镜(例如,两个、三个或更多透镜)。另外,可见光透镜组合件106可具有固定焦点,或者可包含用于改变可见光光学元件的焦点的焦点调整机构。在其中可见光透镜组合件106包含焦点调整机构的实例中,所述焦点调整机构可以是手动调整机构或自动调整机构。
红外透镜组合件104还包含将红外能量聚焦于红外传感器上以用于产生热图像的至少一个透镜。红外透镜组合件104界定穿过组合件的透镜的曲率中心的红外光轴。在操作期间,将红外能量引导通过透镜的前部且聚焦于透镜的相反侧上。红外透镜组合件104可包含单个透镜或可以串联布置的多个透镜(例如,两个、三个或更多透镜)。在一些实例中,红外透镜组合件104可以包含具有衍射或反射性质或元件的透镜。例如镜(例如,菲涅耳镜)及类似物等额外光学组件可以包含于红外透镜组合件104内或以其它方式接近于红外透镜组合件104。
如上文简单描述,热成像相机100包含用于调整由相机捕获的红外图像的焦点的聚焦机构。在图1和2中示出的实例中,热成像相机100包含聚焦环114。聚焦环114以操作方式联接(例如,机械和/或电联接)到红外透镜组合件104的至少一个透镜,且被配置成将FPA和所述至少一个透镜中的一个或两个移动到各种聚焦位置以便聚焦由热成像相机100捕获的红外图像。聚焦环114可以围绕外壳102的至少一部分手动地旋转,以便移动聚焦环以操作方式联接到的所述至少一个透镜。在一些实例中,聚焦环114也以操作方式联接到显示器108,以使得聚焦环114的旋转致使可见光图像的至少一部分和同时显示于显示器108上的红外图像的至少一部分相对于彼此移动。在不同实例中,热成像相机100可以包含以除聚焦环114外的配置实施的手动焦点调整机构,或者在其它实施例中可以简单地维持固定焦点。
在一些实例中,除了手动调整焦点机构之外或者代替于手动调整焦点机构,热成像相机100可以包含自动调整焦点机构。自动调整焦点机构可以以操作方式联接到红外透镜组合件104的至少一个透镜,且被配置成例如响应于来自热成像相机100的指令将所述至少一个透镜自动移动到各种聚焦位置。在此实例的一个应用中,热成像相机100可以使用激光器110以电子方式测量目标场景中的对象与相机之间的距离,称为目标距离。热成像相机100可以随后控制自动调整焦点机构以将红外透镜组合件104的所述至少一个透镜移动到对应于由热成像相机100确定的目标距离数据的聚焦位置。聚焦位置可以对应于目标距离数据,因为聚焦位置可以被配置成使目标场景中的对象置于所确定的距离处于焦点对准。在一些实例中,由自动调整焦点机构设定的聚焦位置可以由操作者例如通过旋转聚焦环114而手动地更动。
在热成像相机100的操作期间,操作者可能希望查看由相机产生的场景的热图像和/或同一场景的可见光图像。出于此原因,热成像相机100可以包含显示器。在图1和2的实例中,热成像相机100包含显示器108,其位于外壳102的与红外透镜组合件104和可见光透镜组合件106相对的背面上。显示器108可以被配置成显示可见光图像、红外图像和/或包含可见光图像和红外图像的同时显示的组合图像。在不同实例中,显示器108可以远离(例如,分离)于热成像相机100的红外透镜组合件104和可见光透镜组合件106,或显示器108可以相对于红外透镜组合件104和/或可见光透镜组合件106成不同空间布置。因此,虽然显示器108在图2中示出为在红外透镜组合件104和可见光透镜组合件106后方,但显示器108的其它位置是可能的。
热成像相机100可包含多种用户输入媒介以用于控制相机的操作和调整相机的不同设定。实例控制功能可以包含调整红外和/或可见光光学元件的焦点,打开/关闭快门,捕获红外和/或可见光图像,或类似功能。在图1和2的实例中,热成像相机100包含用于捕获红外和可见光图像的可按压的触发控制112,以及形式用户接口的部分的用于控制相机的操作的其它方面的按钮116。用户输入媒介的不同数目或布置是可能的,且应了解本公开在此方面不受限制。举例来说,热成像相机100可以包含通过按压屏幕的不同部分而接收用户输入的触摸屏显示器108。
图3是说明热成像相机100的实例的组件的功能框图。热成像相机100包含IR相机模块200、前端电路202。IR相机模块200和前端电路202有时组合地称为红外相机100所述前端级或前端组件204。热成像相机100还可包含可见光相机模块206、显示器108、用户接口208以及输出/控制装置210。
红外相机模块200可以被配置成接收由目标场景发射的红外能量且将红外能量聚焦于红外传感器上以用于产生例如红外能量数据,所述红外能量数据可以红外图像的形式显示于显示器108上和/或存储于存储器中。红外相机模块200可包含用于执行归于此处的模块的功能的任何合适的组件。在图3的实例中,红外相机模块200图示为包含红外透镜组合件104和红外传感器220。如上文相对于图1和2所描述,红外透镜组合件104包含取得由目标场景发射的红外能量且将红外能量聚焦于红外传感器220上的至少一个透镜。红外传感器220通过产生可被转换且作为红外图像显示于显示器108上的电信号而响应于聚焦的红外能量。
红外传感器220可以包含一个或多个焦平面阵列(FPA),所述焦平面阵列响应于通过红外透镜组合件104接收的红外能量而产生电信号。每一FPA可包含多个红外传感器元件,包含例如辐射热测定器、光子检测器或其它合适的红外传感器元件。在操作中,可以各自称为传感器像素的每一传感器元件可以响应于吸收从目标场景接收的红外能量而改变电特性(例如,电压或电阻)。电特性的改变又可提供电信号,所述电信号可由处理器222接收且处理成显示于显示器108上的红外图像。
举例来说,在其中红外传感器220包含多个辐射热测定器的实例中,每一辐射热测定器可以吸收通过红外透镜组合件104聚焦的红外能量且响应于吸收的能量而增加温度。每一辐射热测定器的电阻可以随着辐射热测定器的温度改变而改变。在每一检测器元件充当传感器像素的情况下,可进一步通过将每一检测器元件的电阻的改变转换为时间多路复用电信号而产生红外辐射的二维图像或图片表示,所述时间多路复用电信号可被处理以用于在显示器上的可视化或在(例如,计算机的)存储器中的存储。处理器222可以通过将电流(或电压)施加于每一辐射热测定器而测量每一辐射热测定器的电阻改变且测量跨越辐射热测定器的所得电压(或电流)。基于这些数据,处理器222可确定由目标场景的不同部分发射的红外能量的量且控制显示器108显示目标场景的热图像。
与包含在红外传感器220的FPA中的红外传感器元件的特定类型无关,FPA阵列可以界定任何合适的大小和形状。在一些实例中,红外传感器220包含以网格图案布置的多个红外传感器元件,例如以垂直列和水平行布置的传感器元件的阵列。在各种实例中,红外传感器220可以包含例如16x 16、50x 50、160x 120、120x 160或650x 480的垂直列乘水平行的阵列。在其它实例中,红外传感器220可以包含较小数目的垂直列和水平行(例如,1x 1)、较大数目的垂直列和水平行(例如,1000x 1000)或列与行的不同比率。
在某些实施例中,读出集成电路(Read Out Integrated Circuit,ROIC)并入于IR传感器220上。ROIC用以输出对应于传感器像素中的每一个的信号。此ROIC通常制造为硅衬底上的集成电路。所述多个检测器元件可以制造于ROIC之上,其中所述检测器元件的组合提供IR传感器220。在一些实施例中,ROIC可包含本公开中在别处论述的直接并入到FPA电路上的组件(例如,模/数转换器(ADC))。ROIC的此集成或者未明显论述的其它进一步集成水平应当被视为在本公开的范围内。
如上文所描述,IR传感器220产生对应于由每一红外检测器元件接收的红外辐射的一系列电信号以表示热图像。当通过扫描构成IR传感器220的所有行而获得来自每一红外检测器元件的电压信号时产生热图像数据的“帧”。再次,在涉及辐射热测定器作为红外检测器元件的某些实施例中,此扫描是通过将对应检测器元件切换到系统电路中且跨越此切入的元件施加偏置电压来完成。通过重复扫描IR传感器220的行而产生热图像数据的连续帧,其中这些帧是以足以产生热图像数据的视频表示的速率(例如,30Hz或60Hz)产生。
前端电路202包含用于与IR相机模块200介接且控制IR相机模块200的电路。另外,前端电路202初始地处理所收集红外图像数据且经由前端电路202与处理器222之间的连接将所收集红外图像数据传输到处理器222。更具体地说,由IR传感器220产生的信号初始地由热成像相机100的前端电路202调节。在某些实施例中,如图所示,前端电路202包含偏置产生器224和前置放大器/积分器226。除了为检测器提供偏置之外,偏置产生器224还可任选地从针对每一切入的检测器元件产生的总电流添加或减去平均偏置电流。可改变平均偏置电流以便:(i)补偿对检测器元件的整个电阻阵列的由于热成像相机100内的环境温度改变而产生的偏差,以及(ii)补偿IR传感器220的平均检测器元件中的阵列间的变化。此偏置补偿可以由热成像相机100或软件自动控制,或者可以经由对输出/控制装置210或处理器222的输入而由用户控制。在提供检测器偏置以及任选的平均偏置电流的减去或添加之后,信号可通过前置放大器/积分器226。通常,前置放大器/积分器226用以例如在传入信号的数字化之前调节传入信号。因此,可将传入信号调整为实现信号的更有效解译并且又可得到所产生图像的更有效分辨率的形式。随后,将已调节信号向下游发送进入热成像相机100的处理器222。
在一些实施例中,前端电路202可包含一个或多个额外元件,例如额外传感器228或ADC 230。额外传感器228可包含例如温度传感器、视觉光传感器(例如CCD)、压力传感器、磁传感器等。这些传感器可提供额外校准和检测信息以增强热成像相机100的功能性。举例来说,温度传感器可提供IR传感器220附近的环境温度读数以帮助辐射测量计算。例如霍尔效应传感器等磁传感器可与安装在透镜上的磁体组合使用以提供透镜聚焦位置信息。此信息可有用于计算距离或确定视差偏移以与从视觉光传感器搜集的视觉光场景数据一起使用。
ADC 230可提供相同功能且如下文所论述以大体上相同方式操作,然而其包含于前端电路202中可以提供某些益处,例如在经由前端电路与处理器之间的连接传输到处理器222之前的场景和其它传感器信息的数字化。在一些实施例中,ADC 230可如上文所论述集成到ROIC中,进而消除单独地装设和安装的ADC 230的需要。
在一些实施例中,前端组件可进一步包含快门240。快门240可以相对于透镜在外部或内部定位,且操作以打开或关闭由IR透镜组合件104提供的视野。如此项技术中已知,快门240可以是机械定位的,或者可以由例如DC马达或螺线管等机电装置致动。本发明的实施例可以包含校准或设置软件实施的方法或设定,其利用快门240来为每一检测器元件建立适当的偏置水平。
被描述为在热成像相机100内的处理器的包含处理器222等组件可以被单独地或以任何合适的组合实施为一个或多个处理器,例如一个或多个微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、可编程逻辑电路或类似物。处理器222还可包含存储程序指令和相关数据的存储器,所述程序指令和相关数据当由处理器222执行时致使热成像相机100和处理器222执行在本公开中归于它们的功能。存储器可以包含任何固定或可装卸式磁性、光学或电媒介,例如RAM、ROM、CD-ROM、硬或软磁盘、EEPROM或类似物。存储器还可以包含可装卸式存储器部分,其可用以提供存储器更新或存储器容量的增加。可装卸式存储器还可以允许图像数据容易地传送到另一计算装置,或者在热成像相机100用于另一应用之前移除。处理器222也可以实施为将计算机或其它电子系统的一些或所有组件集成到单个芯片中的芯片上系统。这些元件操纵从前端级204递送的已调节场景图像数据以便提供可以显示或存储以供用户使用的输出场景数据。随后,处理器222(处理电路)将已处理数据发送到显示器108或其它输出/控制装置210。
在热成像相机100的操作期间,处理器222可控制红外相机模块200以产生红外图像数据以用于产生红外图像。处理器222可产生红外图像数据的数字“帧”。通过产生红外图像数据的帧,处理器222在大体上给定时间点捕获目标场景的红外图像。即,在一些实例中,可以同时捕获构成红外图像的多个像素。在其它实施例中,可以连续捕获一个或多个像素的集合直到已捕获每一像素为止。
处理器222可通过单次测量包含在红外传感器220的FPA中的每一红外传感器元件的电信号而捕获目标场景的单个红外图像或“快照”替代地,处理器222可通过重复测量包含在红外传感器220的FPA中的每一红外传感器元件的电信号而捕获目标场景的多个红外图像。在其中处理器222重复测量包含在红外传感器220的FPA中的每一红外传感器元件的电信号的实例中,处理器222可以产生目标场景的动态热图像(例如,视频表示)。举例来说,处理器222可以按足以产生热图像数据的视频表示的速率测量包含在FPA中的每一红外传感器元件的电信号,所述速率例如30Hz或60Hz。处理器222可以在捕获红外图像中执行其它操作,例如循序地致动快门240以打开和关闭红外透镜组合件104的孔口或类似物。
在红外传感器220的每一传感器元件充当传感器像素的情况下,处理器222可通过将每一传感器元件的电特性(例如,电阻)的改变转换为时间多路复用电信号而产生来自目标场景的红外辐射的二维图像或图片表示,所述时间多路复用电信号可被处理以例如用于在显示器108上的可视化和/或在存储器中的存储。当显示于显示器108上时,红外图像可包括多个显示像素。显示像素可具有与对应传感器像素的任何界定的关系。在一些实例中,每一传感器像素对应于红外数据的图像表示中的显示像素。在其它实例中,可以组合(例如,平均化)多个传感器像素以提供单个显示像素的红外信息。在另外其它实例中,单个传感器像素可以贡献于多个显示像素。举例来说,来自单个传感器像素的值可以在附近像素处复制,例如在简单的上取样程序中。在其它实例中,可以平均化相邻或其它附近的像素以产生新像素值,例如在内插程序中。因为显示像素与传感器像素之间的关系是相对于相机操作而界定,所以通用术语“像素”可以指代传感器像素、显示像素或实际上从传感器像素处理为显示像素的数据,除非另行说明。处理器222可以执行计算以将原始红外图像数据转换为场景温度(辐射测量),在一些实例中包含对应于场景温度的颜色。
处理器222可以控制显示器108以显示所捕获目标场景的红外图像的至少一部分。在一些实例中,处理器222控制显示器108以使得红外传感器220的每一传感器元件的电响应与显示器108上的单个像素相关联。在其它实例中,处理器222可以增加或减小红外图像的分辨率,使得与红外传感器220中存在的传感器元件相比显示器108上显示更多或更少的像素。处理器222可以控制显示器108以显示整个红外图像(例如,由热成像相机100捕获的目标场景的所有部分)或少于整个红外图像(例如,由热成像相机100捕获的整个目标场景的较小部分)。处理器222可以执行其它图像处理功能,如下文更详细描述。
与特定电路无关,热成像相机100可以被配置成操纵表示目标场景的数据以便提供可以显示、存储、发射或另外由用户利用的输出。
热成像相机100包含可见光相机模块206。可见光相机模块是大体上众所周知的。举例来说,智能电话和许多其它装置中包含各种可见光相机模块。在一些实施例中,可见光相机模块206可以被配置成从目标场景接收可见光能量且将可见光能量聚焦于可见光传感器上以用于产生例如可见光能量数据,所述数据可以可见光图像的形式显示于显示器108上和/或存储于存储器中。可见光相机模块206可包含用于执行归于此处的模块的功能的任何合适的组件。在图3的实例中,可见光相机模块206被说明为包含可见光透镜组合件106和可见光传感器242。如上文相对于图1和2所描述,可见光透镜组合件106包含至少一个透镜,所述透镜取得由目标场景发射的可见光能量且将可见光能量聚焦于可见光传感器242上。可见光传感器242通过产生电信号而响应于所聚焦能量,所述电信号可以被转换且作为可见光图像显示于显示器108上。在一些实例中,可见光模块206可由用户配置,且可以多种格式将输出提供到例如显示器108。可见光相机模块206可以包含用于改变照明或其它操作条件或用户偏好的补偿功能性。可见光相机模块可以提供包含图像数据的数字输出,其可以包含呈多种格式(例如,RGB、CYMK、YCbCr等)的数据。
可见光传感器242可以包含多个可见光传感器元件,例如CMOS检测器、CCD检测器、PIN二极管、雪崩光电二极管或类似物。可见光传感器元件的数目可以与红外光传感器元件的数目相同或不同。
在操作中,从目标场景接收的光能可以通过可见光透镜组合件106且聚焦于可见光传感器242上。当光能入射于可见光传感器242的可见光传感器元件上时,光电检测器内的光子可以释放且转换为检测电流。处理器222可处理此检测电流以形成目标场景的可见光图像。
在热成像相机100的使用期间,处理器222可控制可见光相机模块206以从所捕获目标场景产生可见光数据以用于产生可见光图像。可见光数据可以包含指示与所捕获目标场景的不同部分相关联的颜色的发光度数据和/或与所捕获目标场景的不同部分相关联的光的量值。处理器222可通过单次测量热成像相机100的每一可见光传感器元件的响应而产生可见光图像数据的“帧”。通过产生可见光数据的帧,处理器222在给定时间点捕获目标场景的可见光图像。处理器222还可以重复测量热成像相机100的每一可见光传感器元件的响应以便产生目标场景的动态热图像(例如,视频表示),如上文相对于红外相机模块200所描述。在一些实例中,可见光相机模块206可以包含其自身的专用处理器或能够操作可见光相机模块206的其它电路(例如,ASIC)。在一些此类实施例中,专用处理器与处理器222通信以用于将可见光图像数据(例如,RGB图像数据)提供到处理器222。在替代实施例中,用于可见光相机模块206的专用处理器可以集成到处理器222中。
通过可见光相机模块206的每一传感器元件充当传感器像素,处理器222可通过将每一传感器元件的电响应转换为时间多路复用电信号而从目标场景产生可见光的二维图像或图片表示,所述时间多路复用电信号可被处理以例如用于在显示器108上的可视化和/或在存储器中的存储。
处理器222可以控制显示器108以显示所捕获目标场景的可见光图像的至少一部分。在一些实例中,处理器222控制显示器108以使得可见光相机模块206的每一传感器元件的电响应与显示器108上的单个像素相关联。在其它实例中,处理器222可以增加或减小可见光图像的分辨率,使得与可见光相机模块206中存在的传感器元件相比显示器108上显示更多或更少像素。处理器222可以控制显示器108以显示整个可见光图像(例如,由热成像相机100捕获的目标场景的所有部分)或少于整个可见光图像(例如,由热成像相机100捕获的整个目标场景的较小部分)。
在一些实施例中,用于获取IR和VL图像数据的红外相机模块200和可见光相机模块206中的一个或两个可以包含在图像获取模块280中。图像获取模块可以与包含例如222等处理器的处理模块290成有线或无线通信。处理模块290可以从图像获取模块280接收图像数据且执行如本文将描述的后续处理步骤。在一些实例中,处理模块290可以包含便携式处理装置,例如智能电话、平板计算机、例如膝上型计算机或桌上型PC等独立式计算机,或类似物。在一些此类实施例中,前端电路202的各种组件可以包含在图像获取模块280、处理模块290或这两者中。
在这些和其它实例中,处理器222可以控制显示器108以同时显示由热成像相机100捕获的可见光图像的至少一部分和由热成像相机100捕获的红外图像的至少一部分。此同时显示可以是有用的,原因在于操作者可以参考可见光图像中显示的特征以帮助理解在红外图像中同时显示的特征,因为操作者可以更容易地辨识和区分可见光图像与红外图像中的不同现实世界特征。在各种实例中,处理器222可以控制显示器108以按照并排布置、按照其中图像中的一个包围图像中的另一个的画中画布置或者按照其中同时显示可见光和红外图像的任何其它合适的布置来显示可见光图像和红外图像。
举例来说,处理器222可以控制显示器108以按照组合布置显示可见光图像和红外图像。在此布置中,对于表示目标场景的一部分的可见光图像中的像素或像素集合,红外图像中存在对应的像素或像素集合,表示目标场景的大体上相同部分。在各种实施例中,IR和VL图像的大小和/或分辨率无需为相同的。因此,IR或VL图像中的一个中可以存在对应于IR或VL图像中的另一个中的单个像素的像素集合,或不同大小的像素集合。类似地,VL或IR图像中的一个中可以存在对应于另一图像中的像素集合的像素。因此,如本文所使用,对应不需要一对一像素关系,但可以包含像素或像素群组的不匹配的大小。可以执行图像的不匹配大小的区的各种组合技术,例如对图像中的一个进行上取样或下取样,或者将像素与对应像素集合的平均值进行组合。其它实例是已知的且在本公开的范围内。
因此,对应像素无需具有直接的一对一关系。而是,在一些实施例中,单个红外像素具有多个对应可见光像素,或者可见光像素具有多个对应红外像素。另外或替代地,在一些实施例中,并非全部可见光像素具有对应红外像素,或反之亦然。这些实施例可以指示例如如先前论述的画中画类型的显示。因此,可见光像素将不一定具有与对应红外像素相同的在可见光图像内的像素坐标。因此,如本文所使用,对应像素大体上是指来自任何图像(例如,可见光图像、红外图像、组合图像、显示图像等)的包括来自目标场景的大体上相同部分的信息的像素。这些像素无需具有图像之间的一对一关系且无需具有在其相应图像内的相似坐标位置。
类似地,具有对应像素(即,表示目标场景的同一部分的像素)的图像可称为对应图像。因此,在一些此类布置中,对应可见光图像和红外图像可以在对应像素处叠加于彼此之上。操作者可以与用户接口208交互以控制显示于显示器108上的图像中的一个或两个的透明度或不透明度。举例来说,操作者可以与用户接口208交互以在完全透明与完全不透明之间调整红外图像,并且还在完全透明与完全不透明之间调整可见光图像。可被称为α掺合布置的此示例性组合布置可以允许操作者调整显示器108以显示仅红外图像、仅可见光图像、或在仅红外图像与仅可见光图像的极端情况之间的所述两个图像的任何重叠组合。处理器222也可以组合场景信息与其它数据,例如辐射测量数据、警报数据及类似物。大体来说,可见光和红外图像的α掺合组合可包括从100%红外和0%可见光到0%红外和100%可见光的任何情况。在一些实施例中,掺合的量可以由相机的用户调整。因此,在一些实施例中,可以在100%可见光与100%红外之间调整掺合图像。
另外,在一些实施例中,处理器222可解译且执行来自用户接口208和/或输出/控制装置210的命令。这可涉及各种输入信号的处理以及经由其间的连接将那些信号传送到前端电路202。接近前端电路202的组件(例如,马达或螺线管)可被致动以实现所需控制功能。示例性控制功能可包含调整焦点、打开/关闭快门、触发传感器读数、调整偏置值等。此外,输入信号可用以更改在处理器222中发生的图像数据的处理。
处理器可进一步包含其它组件以帮助红外成像相机100的处理和控制。举例来说,如上文所论述,在一些实施例中,ADC可并入到处理器222中。在此情况下,由前端级204调节的模拟信号在到达处理器222之前不被数字化。此外,一些实施例可包含额外的机载存储器以用于存储处理命令信息和场景数据,然后传输到显示器108或输出/控制装置210。
操作者可以经由用户接口208与热成像相机100交互,所述用户接口可以包含按钮、键或用于接收来自用户的输入的另一机构。操作者可以经由显示器108接收来自热成像相机100的输出。显示器108可以被配置成以任何可接受的调色板或颜色方案显示红外图像和/或可见光图像,且调色板可以例如响应于用户控制而变化。在一些实例中,显示器108被配置成以例如灰度级等单色调色板显示红外图像。在其它实例中,显示器108被配置成以例如琥珀色、铁弓色、蓝红色或其它高对比度颜色方案等调色板中显示红外图像。灰度级和调色板显示的组合也是预期的。在一些实例中,被配置成显示这些信息的显示器可以包含用于产生和呈现这些图像数据的处理能力。在其它实例中,被配置成显示这些信息可以包含从例如处理器222等其它组件接收图像数据的能力。举例来说,处理器222可以产生待显示的每一像素的值(例如,RGB值、灰度级值或其它显示选项)。显示器108可以接收这些信息且将每一像素映射到视觉显示器中。
虽然处理器222可控制显示器108以按照任何合适的布置同时显示红外图像的至少一部分和可见光图像的至少一部分,但是画中画布置可以通过按邻近对准来显示同一场景的对应可见图像而帮助操作者容易地聚焦和/或解译热图像。
电力供应器(未图示)将操作电力递送到热成像相机100的各种组件,且在一些实例中可以包含可再充电或不可再充电电池和电力产生电路。
在热成像相机100的操作期间,处理器222借助于与存储于存储器中的程序信息相关联的指令来控制红外相机模块200和可见光相机模块206,以产生目标场景的可见光图像和红外图像。处理器222进一步控制显示器108以显示由热成像相机100产生的可见光图像和/或红外图像。
在一些情况下,热成像相机可用于检测场景中的红外吸收气体的存在。图4A和4B示出了影响热图像的气体的示意说明。图4A示出了红外辐射的气体云260和源262。射束264a-264d表示来自源262的处于大体上未被气体云260中的气体吸收的光的波长的红外辐射。图4B类似地示出红外辐射的气体云260和源262。射束266a-266d表示来自源262的处于由气体云260中的气体吸收的光的波长的红外辐射。如图4B的说明性实例中使用虚线所示,在通过气体云260之后,射束266b和266c因被气体吸收而衰减,而并不通过气体云260的射束266a和266d不受影响。将了解,虽然被描述为辐射被气体云(例如,260)“衰减”,但在一些例子中,气体云可增强某一波长的辐射。举例来说,在其中气体处于比背景场景高的温度的环境中,气体可相对于背景场景增加(增强)处于一个或多个波长的辐射而不是衰减这些波长。
图5A-5C示意性地示出红外成像可如何检测目标场景中的气体的存在。图5A示出红外辐射的源272以特定波长进行发射且具有均匀振幅A。红外辐射的射束274a、274b、274d和274e并不通过气体云270a,而波束274c通过气体云270a。在示出的例子中,气体云270a使波长衰减1/2。因此,在平面278处,由源272发射的在区280和284处接收的辐射量将仍具有振幅A,而在区282处接收的辐射量将具有振幅A/2,因为辐射被气体云270a衰减。在平面278处取得的红外图像X将包含具有振幅A的区(280,284)和具有振幅A/2的其它区(282)。
图5B类似地示出红外辐射的源272以特定波长进行发射且具有均匀振幅A,然而图5B中的气体云270b大于图5A中的气体云(例如,由于气体膨胀)。在此情况下,红外辐射的射束274a和274e并不通过气体云270b,而射束274b-274d通过气体云270b。由于气体云270b使来自源272的波长衰减1/2,因此在区286和290处接收的辐射量将仍具有振幅A,而在区288处接收的辐射量将具有振幅A/2。在平面278处取得的红外图像Y将包含具有振幅A的区(286,290)和具有振幅A/2的其它区(288)。
如果源272仅以均匀振幅A发射由气体云(270a,270b)衰减的波长,那么图像X(图5A)或Y(图5B)将由于在平面278处接收的辐射的差异而展示气体云的存在。举例来说,图5C示出图像X带有具有振幅A的区和具有振幅A/2的由气体云270a衰减的区。类似地,图像Y包含具有振幅A的区和具有振幅A/2的由气体云270b衰减的区。然而,如果源272发出例如典型黑体等额外的红外辐射,那么在图像数据内的单个波长或窄波带的衰减(或增强)在单独的图像X或Y中将不一定是明显的。即,辐射波长的衰减或增强将不一定产生图像中的可辨别量的对比度,因为由于气体所致的小波带的衰减或增强与图像中的总体辐射振幅相比可能是较小的。因此,在一般气体成像过程中,由于辐射的衰减或增强,气体云可大体上影响从目标场景预期接收的波长或波长带的辐射。
然而,通过将一个图像从另一图像减去而取得的差分图像X-Y将消除未被气体云(270a,270b)衰减的任何恒定背景数据。在此图像中,在一个图像(Y)中但不在另一图像(X)中的由气体云衰减的区将表现为差分图像X-Y中的非零区(在此情况下,A/2),因此至少指示场景中的气体的存在。因此,在一些例子中,此差分图像可包括可用以识别气体云的当前状态的光学气体图像。即,在一些例子中,可通过确定展示当前气体的作用的当前场景(“前景”图像)与展示反映气体的先前作用的图像数据的历史场景(“背景”图像)之间的差异来产生光学气体图像。关于静止相机,场景中的固定组成部分(例如,非气体)可能在前景图像和背景中是大体上相同的,但气体云将可能演进和/或移动。因此,使用前景图像与背景图像之间的差异产生的光学气体图像将包含其中气体对所接收辐射的影响(例如,衰减或增强)已在图像之间改变的区,但将不存在来自固定组成部分的贡献,因为此贡献存在于前景和背景图像两者中。
将了解,相对于图5A-5C描述的实例是说明使用气体相对于至少一个红外波长的吸收性质进行气体成像的概念的简化实例。然而,在各种实例中,气体云对所接收辐射的影响将取决于气体云的大小(例如,路径厚度)和密度,所述大小和密度贯穿气体云都不一定是恒定的。因此,从气体云的衰减或增强的程度和形状会在场景内变化,因为气体云随时间改变形状。
实现气体检测图像的一个常见方式是大体上执行图5C中说明的步骤,其中将在一个时间取得的图像(前景图像)从在较早时间取得的图像(背景图像)减去。图像的差异将表示目标场景中的任何改变,且由于气体云恒定地改变,因此气体云在图像中出现。可执行此图像减除的一个方式是从场景缓冲器内减去两个图像,例如从缓冲器中的最近获取的图像减去缓冲器中的最早图像。
图6是在帧缓冲器中捕获的多个图像帧的示意性说明。如图所示,帧缓冲器600中存在120个图像(帧1到帧120)。在示例性实施例中,图6中的120个图像可表示以60Hz的帧速率获取的在两秒缓冲器中的120个帧。在此实例中,帧120是在帧1之后近似两秒取得。因此,从帧120(更为新近的“前景”图像)减去帧1(历史“背景”图像)将产生展示在近似两秒时间帧上的场景中的改变的光学气体图像,这可以展示在目标场景内的演进气体云的存在。在每次替换缓冲器600中的帧(例如,以帧121替换帧1)时,可以将第一帧和最后帧(现在为帧2和帧121)进行比较以产生新的光学气体图像。因此,可以与获取图像相同的帧速率来更新光学气体图像。
如所描述,气体云对到达热传感相机中的成像平面的来自场景的红外辐射的影响取决于若干特征,例如气体的量和密度。另外,典型目标场景将发射宽跨度的红外波长,其中一些与其它相比将在更大程度上被气体吸收或发射,且由于气体所致的对所接收辐射的影响可以极小。因此,由于气体云的存在或改变所致的图像的改变可以低于热传感相机的噪声阈值。即,在热传感相机中无充分高信噪比的情况下,噪声(例如,由于传感器/电子器件漂移、热波动、组件自热或其它因素)可能由于气体而使图像中的细微改变模糊,从而使得气体辨识不可能或不可行。
因此,减少用以观察和/或检测气体的红外图像中的噪声可以增加从热场景中的噪声解析气体的能力。减少场景中的噪声的一些方式包含使用高灵敏度相机传感器或FPA,例如在低温冷却红外相机中。然而,此设备可能成本较高且使用困难或不方便。举例来说,此设备可为笨重的,难以运载和/或操纵,可能需要延长的操作时间(例如,冷却时间),及类似情况。
用以改善在建立气体图像中使用的图像数据的信噪比的其它技术包含产生图像数据的平均值以减少前景和/或背景图像中存在的噪声。举例来说,在示例性实施例中,参考图6,可将图像1-5一起平均化以产生经滤波的背景图像,同时可将图像116-120平均化以产生经滤波的前景图像。这使前景和背景图像中的噪声大体上减少1/√5(经平均化的帧的数目的平方根)。经滤波前景图像与经滤波背景图像之间的差异将表示具有减少噪声的场景中的改变(例如,气体云的大小、密度等的改变),以使得可以由于减少的噪声而观察到场景中的较小改变。
大体来说,可采用多种平均化和/或滤波技术中的任一种以减少用以产生光学气体图像的前景和背景图像中的噪声。在一些实施例中,如上文所描述,可以从第一多个帧的平均产生经滤波前景图像,同时可以从第二多个帧的平均产生经滤波背景图像。在一些此类实例中,所述第一多个帧和所述第二多个帧可以彼此完全不同(例如,如上文所描述的帧1-5和帧120)。在其它实例中,所述第一多个帧和所述第二多个帧至少部分地重叠。在一些实施例中,所述第一多个图像中的中值帧与所述第二多个图像中的中值帧相比是在更为新近的时间捕获。因此,经滤波前景图像将大体上表示与经滤波背景图像相比更为新近的时间点。
在一些实例中,使用分别跨越所述第一和第二多个帧取得的传统平均来计算经滤波前景图像和/或经滤波背景图像。如果执行多个帧的传统平均,那么所述第一多个图像和所述第二多个图像无法是相同的多个图像,因为另外减去经滤波前景图像和经滤波背景图像将导致空白图像。
在其它实例中,平均化多个帧可包含执行所述多个帧的加权平均。举例来说,在计算多个帧的平均时,可以对较为新近的帧、较不新近的帧或基于多种参数中的任一种而施加较大权重。此加权平均可以对第一和第二多个帧执行以便分别产生经滤波的前景和背景图像。在一些实例中,当使用加权平均时,所述第一和第二多个图像可以是相同的多个图像。举例来说,在一些实施例中,可从多个帧的加权平均计算经滤波背景图像,其中较早捕获的帧比在较晚时间捕获的帧更重地加权。类似地,可从相同多个帧的加权平均计算经滤波前景图像,其中在时间上较晚捕获的帧比在时间上较早捕获的帧更重地加权。因此,经滤波背景图像大体上表示与经滤波前景图像相比在更早时间的经平均化目标场景。
等式(1)和(2)展示用于对单一多个N个图像执行加权平均以计算经滤波前景图像和经滤波背景图像的简化技术。举例来说,相对于等式(1)和(2),多个图像包含N个帧F1、F2、…、FN,其中图像F1是所述多个帧中在最早时间捕获的帧且帧FN是在最近时间点捕获的帧。
如图所示,根据等式(1),在计算经滤波背景图像F背景时,较早图像比较晚图像对平均值的贡献多得多。类似地,根据等式(2),在计算经滤波前景图像F前景时,较晚图像比较早图像对平均值的贡献多得多。等式(1)和(2)说明在产生经滤波前景和背景图像时可以如何对在不同时间捕获的图像不同地加权的示例性过程。将了解,许多可能形式的平均化是可能的,以便使用不同加权技术大体上平均化单一多个图像以产生不同的前景和背景图像。用于组合多个缓冲器帧以产生经滤波前景和背景图像的示例性过程可包含将一个或多个有限脉冲响应(FIR)滤波器应用于缓冲器内的多个图像。
相对于图6,在一些实例中,可将缓冲器600中的所有帧一起平均化以产生前景和背景图像以在光学气体成像过程中使用。举例来说,可经由第一平均化技术例如使用等式(1)将帧1-120一起平均化以计算经滤波背景图像。类似地,可经由第二平均化技术例如使用等式(2)将帧1-120一起平均化以计算经滤波前景图像。如本文在别处所描述,可通过比较经滤波前景和背景图像例如经由减法F前景-F背景而计算光学气体图像且显示。光学气体图像可展示气体云的表示,因为其在目标场景中随时间改变,如本文在别处所描述。
在一些实例中,处理来自帧缓冲器的帧可能要求不合需要的量的存储器和/或处理能力以便充分执行某些成像技术。举例来说,在相对于图6描述的示例性实施例中,为了处理和显示基本上“实时”的光学气体图像以说明目标场景中的气体的存在,相机要求存储器在缓冲器600中包含120个帧。此相机还将要求足够的处理能力来执行包含多达所有120个帧的计算两次,以便计算经滤波前景图像和经滤波背景图像快到足以连续地计算且呈现光学气体图像以展示大体上“实时”的更新图像。这些要求会增加相机的成本和复杂性。
在一些实施例中,可执行替代技术用于确定用于计算光学气体图像的经滤波背景和前景图像,所述光学气体图像可用以识别成像场景中的气体云。图7是说明用于产生和更新经滤波前景和背景图像以用于光学气体图像的持续更新的示例性过程的过程流程图。所述过程包含建立经滤波前景图像(702)和建立经滤波背景图像(704)的步骤。这可包含例如捕获单个帧且将所述帧称为经滤波前景图像和经滤波背景图像。在其它实例中,可捕获第一图像且建立为经滤波背景帧,且可随后捕获第二图像且建立为经滤波前景帧。在任一情况下,在建立经滤波前景图像(702)和经滤波背景图像(704)中的每一个之后,在经由图7的过程更新每一图像时,在图7的方法的后续迭代期间在经滤波前景和背景图像之间将大体上存在非零差异。
此时,两个图像存储于存储器中:经滤波前景图像和经滤波背景图像。接下来,捕获新图像(706)。所述过程包含通过将在步骤706捕获的新图像与先前建立的经滤波前景图像进行掺合而建立新的经滤波前景图像的步骤(708)。类似地,所述方法包含通过将在步骤706捕获的新图像与先前建立的经滤波背景图像进行掺合而建立新的经滤波背景图像的步骤(710)。步骤708和710通过在维持滤波/平均化图像的噪声减少益处的同时并入新图像数据而有效地平均化新帧,其中先前数据用以更新经滤波前景和背景图像中的每一个。
根据图7的方法,将新的经滤波前景图像(来自步骤708)和新的经滤波背景图像(来自步骤710)进行比较以建立新光学气体图像(712)。如本文在别处所描述,比较前景和背景图像可包含将一个图像从另一图像减去。大体上,由于图像数据的改变最终表示图像中的气体,因此可通过确定背景与前景图像之间的差的绝对值或通过将前景图像和背景图像中的任一个从另一个减去而计算光学气体图像。
在建立新光学气体图像(712)之后,捕获新图像(706)。将新图像与先前建立的经滤波前景图像(来自通过方法的先前迭代)进行掺合以建立又一新的经滤波前景图像(708)。类似地,将新图像与先前建立的经滤波背景图像(来自通过方法的先前迭代)进行掺合以建立又一新的经滤波背景图像(710)。可比较新的前景和背景图像以建立又一新光学气体图像(712)。
在一些实例中,在图7的过程中的步骤可以循序地执行,例如建立初始和新的经滤波前景和背景图像。在其它实例中,可并行地执行一些此类步骤。举例来说,在一些实施例中,可以彼此并行地处理经滤波前景图像和经滤波背景图像且更新。在示例性实施例中,并行地执行步骤702和704。另外或替代地,并行地执行步骤708和710。在一些此类实例中,可在进行比较以建立新光学气体图像数据之前并行地产生且更新经滤波前景图像和经滤波背景图像(712)。
在一些实例中,将新图像与先前背景或前景图像进行掺合以递归地更新经滤波背景和/或前景图像可以使用一个或多个无限脉冲响应(IIR)滤波器来执行。在一些此类实例中,新图像和先前图像通过按比例缩放因数进行加权且组合。等式3和4提供用于根据示例性一阶IIR滤波器将新图像与先前前景和背景图像进行掺合以分别计算新前景和背景图像的示例性计算。
F前景=(α前景)×(F新)+(β前景)×(Fprev_前景) (3)
F背景=(α背景)×(F新)+(β背景)×(Fprev_背景) (4)
其中
α前景+β前景=1
且
α背景+β背景=1
如等式3中所示,经更新前景图像F前景是新图像F新和先前前景图像Fprev_前景的掺合。将新图像经按比例缩放因数α前景,同时将先前前景图像经按比例缩放因数β前景。类似地,经更新背景图像F背景是新图像F新和先前背景图像Fprev_背景的掺合。将新图像经按比例缩放因数α背景,同时将先前背景图像经按比例缩放因数β背景。
将了解,虽然称为无限脉冲响应滤波器,但在一些实例中,由于有限的演算准确度(例如,在数字处理中),在滤波器的若干迭代之后来自先前图像的贡献可以在数字滤波过程中合计为零。即,如果值与计算精度相比变为充分小,那么所述值由于处理限制而可以有效地变为零。因此,在一些实施例中,在IIR滤波过程期间取得的图像在IIR滤波器的充分高数目的迭代之后可能实际上不贡献于经滤波背景或前景图像。然而,如本文所使用,无限脉冲响应(IIR)滤波器也还涵盖此类滤波器,其中这些值可能由于计算精度限制在超出某一数目的迭代时变为零,但关于无限计算准确度在概念上将不一定确切变为零。
图8是用于使用等式3和4产生光学气体图像的过程的示意性图示。如图所示,使用按比例缩放因子α前景和β前景将新图像804与先前经滤波前景图像800进行α掺合以产生新的经滤波前景图像820。类似地,使用按比例缩放因子α背景和β背景将新图像804与先前经滤波背景图像802进行α掺合以产生新的经滤波背景图像830。可比较新的经滤波前景图像820和新的经滤波背景图像830(图8中示出为图像之间的差的绝对值)以建立光学气体图像840。
如分别由箭头822和832指示,对于光学气体成像840的后续迭代,新的经滤波前景图像820变成先前经滤波前景图像800且新的经滤波背景图像830变成先前经滤波背景图像802。即,如关于图7的反复方法所描述,在一些实施例中,在产生光学气体图像840之后,捕获另一新图像804且与先前使用的前景和背景图像掺合以产生经更新前景和背景图像,所述经更新前景和背景图像随后用以产生新光学气体图像。
如本文在别处所描述,不应使用同一平均化过程来确定前景图像和背景图像两者,因为否则将一个图像从另一图像减去将导致空白帧。因此,相对于等式3和4,α前景≠α背景且β前景≠β背景。这确保背景和前景图像不一定相同。类似地,当使用例如较高阶IIR滤波器时,在前景和背景滤波技术之间具有至少一个不同的滤波参数导致并不恒定为零的差分图像。
在再其它实例中,可以对前景图像流和背景图像流使用完全不同的滤波器以确保前景和背景滤波过程不会导致恒定零的差分图像。举例来说,在一些实施例中,可使用一阶IIR滤波器、较高阶IIR滤波器或FIR滤波器中的一个来确定经滤波背景图像,同时可使用一阶IIR滤波器、较高阶IIR滤波器或FIR滤波器中的不同一个来确定经滤波背景图像。
进一步参看等式3和4,显而易见从历史图像对新图像的贡献量随着β值增加。即,较大β值(且因此较小α值)对应于对先前图像(例如,图8中的800或802)比新获取图像(例如,804)给出更大权重的图像。因此,在一些实施例中,β背景>β前景,使得背景图像大体上朝向历史图像数据更强地加权,而前景图像朝向当前图像更强地加权。
此外,随着过程重复且前景和背景图像被更新越来越多次,不同掺合比率的作用将复合,从而建立由前景和背景图像表示的时间差异。
在前景和背景图像随时间演进时解译前景和背景图像的另一方式是鉴于时间常数。大体上,对于给定的α或β值,经滤波前景和背景图像将具有来自作为随时间连续捕获的若干“新”图像的贡献。然而,在给定时间对经滤波前景和背景图像有显著贡献(例如,阈值百分比)的图像的数目将随着α和β而变。此外,如果以特定帧速率捕获图像,那么做出贡献的图像的数目类似于其中捕获到做出显著贡献的图像的时间跨度。即,对于给定的α和β掺合比率,将存在时间量τ,在此时间量之前所获取的图像不再显著贡献于经滤波图像。这可称为与给定的α和β相关联的时间常数。
因此,经滤波背景图像将具有时间常数τ背景,以使得在新捕获图像之前在比τ背景更早的时间捕获的图像将不显著贡献于背景图像。类似地,经滤波前景图像将具有时间常数τ前景,以使得在新捕获图像之前在比τ前景更早的时间捕获的图像将不显著贡献于前景图像。将了解,并不显著贡献于经更新图像的图像必定不具有贡献。在一些情况下,迭代地更新的背景和前景图像将包含来自在超过比新捕获图像早的时间常数下捕获的图像的贡献,然而,此贡献与总体图像相比将相对较小(例如,小于1/e的因数等)。根据此解译,连续更新的背景图像的时间常数τ背景将大于连续更新的前景图像的时间常数τ前景(τ背景>τ前景)。因此,背景图像大体上并入有与前景图像相比在更大时间周期上取得的图像。另外,由于较长时间常数(较大的τ和β)大体上并入有来自较长时间周期上的图像数据的较大贡献,因此较大时间常数大体上相当于经滤波图像中的更多滤波和噪声减少。
在一些实例中,相对于等式3和4,在添加给定图像之后在近似1/α帧已经添加到经滤波图像中之后,来自给定图像的贡献将对最终图像促进小于1/e的因数。即,如果α=0.1,那么在先前图像对经滤波图像贡献小于1/e的因数之前将以新捕获图像更新经滤波图像10次。如果在确定时间常数时使用1/e阈值,那么可根据等式5基于帧速率和α的值确定时间常数。
在示例性实施例中:
β前景=0.9
α前景=0.1
β背景=0.99
α背景=0.01
使用等式5和60Hz的帧速率,
τ前景≈0.17秒
τ背景≈1.67秒
因此,在此示例性实施例中,经滤波前景图像近似是在先前0.17秒上捕获的先前10个帧的加权平均,而经滤波背景图像近似是在先前1.67秒上捕获的先前100个帧的加权平均。可确定经滤波前景图像与经滤波背景图像之间的差以计算场景的光学气体图像。将了解,比在最近图像之前一个时间常数更早捕获的图像仍将具有对经滤波图像的微小贡献。来自这些图像的贡献将在更多时间经过之后继续减小,例如在两个、三个或更多时间常数之后。举例来说,在三个时间常数之后图像的贡献近似为5%。
在一些实施例中,例如α、β、τ等滤波器参数或其它较高阶IIR滤波器参数或FIR滤波器参数应用于整个图像。在其它实例中,这些滤波器参数可在图像内按逐个区或逐个像素基础来应用。举例来说,在一些实施例中,基于滤波器参数的第一集合将经滤波背景图像的一些像素与新图像中的对应像素进行组合,同时给予滤波器参数的不同于第一集合的第二集合将同一经滤波背景图像的其它像素与新图像中的对应像素进行组合。
相对于图7和8描述的过程可以例如以相机的图像获取帧速率(例如,30Hz、60Hz等)重复。每次捕获新图像时,可将新图像与先前建立的前景和背景图像掺合以产生具有减少的噪声和更新的内容的经更新滤波图像。新图像可用以按照相机捕获图像的同一速率来产生经更新的光学气体图像。
此外,在此方法的一些实施方案中,相机的存储器不需要许多帧的缓冲器以便产生具有减少的噪声且充分不同的经滤波前景图像和经滤波背景图像以产生光学气体图像。在一些实例中,相机可包含三个图像流:在捕获新图像时重复更新的背景图像流,在捕获新图像时重复更新的前景图像流,以及以经更新前景和背景图像重复更新的光学气体图像流。另外,仅必需少量的处理能力来掺合新图像与先前背景图像和先前前景图像以产生新的背景、前景和光学气体图像。因此,在一些实例中,采用图7和8中描述的噪声减少过程可以减少对用于执行充分光学气体成像过程的热成像相机的处理能力、存储器和/或热分辨率的需求。
如本文在别处所描述,减去前景和背景图像数据将揭示图像中的改变(例如,气体云的演进),且将减除图像的保持恒定的部分。因此,在一些例子中,展示原本静止目标场景中的气体的光学气体图像可以排除图像中的重要特征,所述特征在用以产生光学气体图像的前景和背景图像两者中存在且因此在光学气体图像的产生期间被减除。在一些此类实例中,光学气体图像的展示演进气体云的部分将为非零,而场景的例如任何静止背景、设备等其余部分将近似为零。
因此,在一些实例中,光学气体图像可与一个或多个额外图像数据流组合以便产生图像,所述图像展示气体的存在(例如,从光学气体图像)并且还例如从红外和/或可见光图像数据提供场景内的情境。举例来说,在一些实施例中,光学气体图像数据可与可见光图像数据组合以便说明目标场景中的气体的存在/位置,同时保持由可见光图像数据提供的场景情境。另外或替代地,可包含红外图像数据以提供场景的热信息。在一些实例中,光学气体图像数据可与红外和可见光图像数据的组合进行组合,例如在转让给本申请的受让人且以引用的方式并入本文中的第7,994,480号美国专利中描述。在各种实例中,光学气体图像数据和红外和/或可见光图像数据的组合可以使用与红外和可见光图像数据的组合相似的技术来执行,例如使用警报阈值、画中画显示模式及类似技术。
图9是说明可用以产生显示图像的图像数据的组合的示意图。在所说明实例中,光学气体图像数据900、红外图像数据902和可见光图像数据904经受图像数据掺合/处理908以产生显示图像910。图像数据掺合和处理908可包含多种功能,例如组合或覆盖数据流、调色板化/色彩化图像数据流及类似物。
在一些实例中,可以例如经由图像数据的掺合一次性全部处理数据流。举例来说,显示图像910可包含根据等式6对光学气体图像数据900、红外图像数据902和可见光图像数据904的掺合:
显示=α×OGI+β×IR+γ×VL;α+β+γ=1 (6)
在其它实例中,光学气体图像数据900可与红外图像数据902、可见光图像数据904或其组合进行掺合和/或上覆于其上。举例来说,如本文在别处所描述,红外图像数据902和可见光图像数据904可以掺合在一起,以画中画格式组合,或另外以多种方式组合。这些组合的红外图像数据902和可见光图像数据904可随后与光学气体图像数据900组合以用于产生显示图像910。在一些此类实例中,光学气体图像数据900可与组合的红外图像数据902和可见光图像数据904进行掺合(例如,α掺合)。在其它实例中,光学气体图像数据900可上覆于组合的红外图像数据902和可见光图像数据904之上。
在一些实施例中,在组合光学气体图像数据900与其它图像数据流之前根据调色板化方案将光学气体图像数据900调色板化,以使得气体图像数据900在显示图像910中更容易可见。举例来说,在一些实施例中,根据与其中显示红外图像数据902的调色板化方案形成对比的调色板化方案将光学气体图像数据900调色板化以使得可容易看见光学气体图像数据900。在其它实例中,等式6中的β被设定成零,使得光学气体图像数据与可见光图像数据组合。在一些此类实例中,可将光学气体图像数据调色板化以与可见光图像数据形成对比。另外或替代地,光学气体图像数据900可例如经由画中画模式与可见光图像数据中的一些或全部进行组合。在各种实例中,光学气体图像数据可上覆到可见光图像数据上和/或与可见光图像数据掺合。
另外或替代地,可执行对一个或多个图像数据流的其它图像处理技术。举例来说,可以采用边缘增强技术以便强调图像数据中的对象和/或气体云的边缘,例如第14/837,757或14/222,153号美国专利申请中描述,所述申请中的每一个转让给本申请的受让人且以引用的方式并入本文中。其它图像处理技术可包含确定和显示关于使用某些气体检测技术观察目标场景中的气体云的可能性的信息,例如第9,464,984号美国专利中描述,所述美国专利转让给本申请的受让人且以引用的方式并入本文中。
在一些实例中,热成像相机可在显示器上展示实时光学气体图像,使得用户可以观察场景中的气体随时间的演进。举例来说,在一些实施例中,每次捕获新图像时执行图7的过程,且在显示器上将每一新光学气体图像呈现给用户例如作为实时光学气体视频。此显示可以单独呈现为光学气体图像数据(例如,900)或呈现为例如包含可见光和/或红外图像数据的经处理显示图像(例如,910)。在其它实例中,热成像相机可在显示器上呈现传统的图像,例如红外图像、可见光图像或可见光与红外图像数据的组合,同时执行背景中的光学气体成像分析。在一些此类实施例中,即使当实时显示不一定包含光学气体图像数据时,热成像相机也可用以获取光学气体图像(或包含光学气体图像数据的显示图像)。
在各种实施例中,用户可以例如经由用户接口选择实时显示和/或任何所捕获图像和/或视频数据是否包含光学气体图像数据。在一些实例中,使用热成像相机捕获图像数据包括大体上同时捕获红外图像数据902、可见光图像数据904和计算的光学气体图像数据900。此图像数据可根据特定掺合/处理方案在显示器上实时呈现(例如,908中),和/或可以用户所需的任何方式在事后进行组合以例如在相机自身或单独工作站上显示。在各种实施例中,用于显示图像910的实时显示的掺合/处理技术可以由用户调整。在一些实例中,可用的掺合/处理技术可以从一系列预定义图像组合技术中选择和/或可以由相机操作者完全定制。
由于光学气体成像通常利用气体在红外光谱中吸收的能力来对原本透明的气体进行成像,因此常常使用红外图像数据产生光学气体图像数据(例如,902)。因此,在一些实施例中,不一定与红外图像数据902以及光学气体图像数据900的产生结合而捕获可见光图像数据904。在示例性实施例中,根据图8中示出的过程产生光学气体图像数据900。对于图8的过程的每一迭代,当捕获新图像804以便产生光学气体图像840时,新图像804包括红外图像数据902,而对应光学气体图像840包括对应于红外图像数据902的光学气体图像数据900。在一些此类实施例中,可连同红外图像数据902一起捕获可见光图像数据904。换句话说,在一些实例中,以某一帧速率(例如,60Hz)捕获红外图像数据902和任选地可见光图像数据904。所捕获红外图像数据902在图8的过程中用作新图像804以用于产生包含光学气体图像数据900的光学气体图像840。将了解,如果可见光图像数据904用以产生光学气体图像数据900,那么可排除红外图像数据902且可使用可见光图像数据904执行相似过程。
在示例性气体成像过程期间,如果热成像相机充分静止(例如,在三角架上),那么可使用长时间常数τ背景和τ前景以在经滤波前景和背景图像中增加滤波量且减少噪声量。然而,如本文在别处所提到,时间常数τ背景和τ前景应当彼此充分不同以使得经滤波前景和背景图像之间的差不近似为零。
另外,在一些情况下,时间常数不应太长而使得某些假象实际上混淆热图像数据。举例来说,在一些情况下,例如包括未冷却传感器组合件的热成像相机等热成像相机将经受内部发热,这会造成热图像数据随时间漂移。在一些实例中,使用不同图像处理技术以减少出现在图像数据中的这些热假象。然而,如果图像滤波时间常数太长(例如,包含来自先前充分长时间的图像的显著贡献),那么具有和不具有或具有不同程度的热漂移的场景的组合会使得难以补偿漂移。因此,在一些实例中,虽然稍微长的时间常数是大体上有利的,但可将时间常数限于最大值以便减少例如由相机的自热引入的任何可能的假象。
另外或替代地,其它事件可导致包含来自在一时间周期内捕获的图像数据的贡献的经滤波图像中的不准确性。举例来说,如果正由热成像相机成像的目标场景改变(例如,由于相机运动),那么表示先前目标场景的图像仍可以贡献于经滤波图像。举例来说,如果产生包含来自在相机运动之前捕获的图像数据的贡献的经滤波背景和前景图像,那么来自不同场景的图像数据的掺合将混淆所得图像。此外,比较这些图像,举例来说,当图像中的至少一个包含来自多个目标场景的贡献时如本文在别处所描述从经滤波前景图像减去经滤波背景图像的结果将可能混淆而使得在差分图像中无法合理地检测气体。即,所述图像将大体上不合适用于产生光学气体图像,直到先前背景场景从图像实际上衰退为止。
类似地,如果用户将相机固持于他或她的手中,那么当与固定于三角架上的相机捕获的图像相比时图像可能较不稳定。因此,有效地将许多图像平均化为经滤波图像的长时间常数更可能包含当相机在用户的手中摇晃时从若干稍微不同视角取得的图像。这也会导致经滤波图像中的假象、混杂和一般不准确性,且会混淆光学气体图像中的气体。
因此,在使用足够滤波(例如,帧的足够大样本、充分大的时间常数等)以尽可能地减少经滤波前景和背景图像中的噪声与不使用如此多的滤波而带来将假象或不准确性带入经滤波图像(例如,由于相机运动、自热等)的风险之间存在折衷。此外,滤波的最佳量可取决于多种参数,例如相机是安装的还是手持的,或相机是否移动以对不同目标场景进行成像。
先前背景场景从前景和/或背景图像有效地衰退所需的时间量取决于用以产生经滤波前景和背景图像的滤波技术。举例来说,相对于图6,如果将帧1-5(在最早的时间取得的帧)平均化以从两秒缓冲器产生经滤波背景图像,那么背景图像将包含在场景改变之后多达两秒的来自场景的贡献。即,如果改变相机指向以使得相机从对第一目标场景进行成像改变为第二目标场景,那么经滤波背景图像将包含在相机指向改变之后多达两秒的来自第一目标场景的贡献。不仅相机在这两秒中将较不能够执行光学气体成像,而且所产生图像将可能杂乱且难以理解,因为所述图像可能基于来自两个不同场景的图像数据(例如,第一目标场景与第二目标场景之间的差)。
类似地,如果例如使用等式3和4分别计算经滤波前景和背景图像,那么来自第一目标场景的图像数据在其之后将从经滤波图像有效地衰退的时间量是随着滤波过程的时间常数而变。如所描述,大体上τ背景>τ前景,且如果τ背景近似是图像衰退而对经滤波背景图像贡献1/e的因数所花费的时间,那么在从第一目标场景改变到第二目标场景之后来自先前场景的贡献将花费近似三个时间常数(3×τ背景)下降到5%。在上文描述的其中β背景=0.99的实例中,这将相当于在先前场景将衰退到5%贡献之前的近似1.67×3=5秒。在一些情况下,这会变为使用户沮丧,因为在相机移动之后近似5秒中相机将大体上不能够提供可观测的场景或可靠的光学气体图像。
图10是展示用于执行气体成像操作的用户可选选项的示例性用户接口。在图10的实施例中,用户可以使用开和关按钮来选择启用或停用气体检测模式。当气体检测模式关时,例如当呈现所获取图像数据的大体上实时显示时热成像相机将不在显示器上展示光学气体图像数据。在一些实例中,当光学气体成像关闭时,热成像相机计算但不显示光学气体图像数据。在其它实例中,当光学气体成像关闭时,热成像相机不计算光学气体图像数据。
图10的接口进一步包含可选的图像捕获或视频捕获操作模式。用户可以选择保存光学气体图像数据是实现为独立光学气体图像还是实现为光学气体图像的视频流(光学气体图像或视频任选地与红外和/或可见光图像数据组合)。
如本文在别处所描述,在光学气体成像过程期间相机的运动会不利地影响图像的质量。举例来说,相机运动在获取贡献于经滤波前景或背景图像的图像的过程中会导致所成像场景的稍微改变,这会导致假象存在于图像数据中。在图10的实施例中,用户能够在三角架操作模式与手持式操作模式之间进行选择。在一些实例中,三角架模式和手持式操作模式中的每一个与影响先前所捕获图像的贡献量的预定光学气体成像滤波参数相关联。这些预定义滤波参数可包含例如在缓冲器600中经平均化(例如,根据等式1和2)的帧的数目或者与等式3-5相关联的用以产生经滤波前景或背景图像的时间常数τ前景和τ背景。
因为由三角架支撑的热成像相机将大体上经历较少的无意中运动,所以用于产生经滤波前景和背景图像的时间常数和/或帧的数目会较长,以便进一步减少图像中的噪声而没有由于相机运动而引入到场景中的许多假象。因此,在一些实例中,来自缓冲器600的经平均化以产生经滤波背景图像的帧的数目在三角架操作模式中比手持式模式中更大。在其它实例中,与三角架模式相关联的背景和/或前景时间常数(τ背景和/或τ前景)比与手持式操作模式相关联的背景时间常数更长。类似地,滤波参数β背景_三脚架>β背景_手持式。
由于前景时间常数大体上短于背景时间常数,因此大体上较不容易随时间产生假象。因此,在一些实例中,前景时间常数(τ前景)对于三角架和手持式操作模式可以是相同的。在其它实例中,类似于背景时间常数,前景时间常数在三角架模式中比手持式模式中更长。类似地,在其它实例中,在三角架模式中来自缓冲器600的经平均化以产生经滤波前景图像的图像的数目可以大于或等于在手持式模式中使用的数目。
根据图10的示例性用户接口,用户可以基于热成像相机的既定使用而选择操作模式。用户可以当在传统热成像模式中使用热成像相机时停用气体检测模式,且可以启用气体检测模式以便执行光学气体成像过程。在一些实例中,用户可以选择在气体检测的图像或视频模式中操作。此外,用户可选择是否在三角架或手持式模式中操作热成像相机,这可以指示当产生光学气体图像时使用预定义集合的滤波参数中的哪些滤波参数。
在示例性实施例中,三角架操作模式包含β背景=0.99(α背景=0.01,τ背景≈1.67秒)的掺合参数,且手持式操作模式包含β背景=0.99(α背景=0.01,τ背景≈1.67秒)的掺合参数。在另一实例中,三角架操作模式包含β背景=0.96875(31/32)和β前景=0.9375(15/16)的掺合参数,且手持式操作模式包含β背景=0.875(7/8)和β前景=0.75(3/4)的掺合参数。
在一些实例中,光学气体检测接口进一步包含“定制”选项,其中用户可定制用于执行光学气体成像的设定。举例来说,在一些此类实施例中,热成像相机可被配置成在光学气体成像过程期间使用一个或多个可调整的滤波器参数执行图像滤波。这些可调整的滤波器参数可包含来自缓冲器600的经平均化以产生经滤波背景和/或前景图像的帧的数目,或等式3-5的掺合比率α和β以及类似地时间常数τ。例如与较高阶IIR滤波器或类似物相关的其它滤波参数可以类似地由用户调整。另外或替代地,用户可能够选择用以产生经滤波背景和/或前景图像的一种类型的滤波器,例如在FIR滤波器、一阶IIR滤波器和较高阶IIR滤波器中的任何一个或多个之间进行选择。其它用户可调整的参数可包含用于从光学气体图像数据900和其它图像数据流产生显示图像910的掺合和/或处理参数(例如,908)。
如所描述,可以用当在其中相机运动较可能或较不可能发生的特定操作模式(例如,手持式操作对三角架操作)中操作时可使用的预定义滤波参数对相机进行编程。然而,即使在这些操作模式内,相机也可能移动显著量,例如从一个场景平移到另一场景或在用户移动到新成像位置时。此运动可类似地造成目标场景改变,从而导致来自不同场景的对经滤波图像的可能贡献且导致相对于相机的当前目标场景杂乱且不准确的经滤波图像。
如本文在别处所描述,调整滤波参数(例如,来自缓冲器600的经平均化的帧的数目,来自等式3-5的参数α、β、τ等)会通过减少来自较早时间的帧的贡献而影响目标场景中的运动的影响。举例来说,相对于图6,以60Hz的帧速率平均化帧60-120将仅平均化回退一秒的图像,而不是平均化例如帧1-120,这将平均化回退两秒的图像。因此,当在缓冲器的更为新近的部分上滤波时,来自先前目标场景的图像贡献将影响经滤波图像较少的时间。
类似地,相对于关于等式3-5描述的滤波,近似1.67秒的时间常数(β=0.99,α=0.01)将导致在近似先前5秒上具有近似5%或更多的图像贡献的经滤波图像。相比之下,近似0.17秒的时间常数(β=0.9,α=0.1)将导致在近似先前0.5秒上具有近似5%或更多的图像贡献的经滤波图像。因此,减少β(或类似地,增加α或减小τ)减少了来自在时间上进一步回退的图像的图像贡献。
在一些实施例中,热成像相机可被配置成检测相机的运动。举例来说,热成像相机可包含被配置成感测相机的运动的一个或多个加速度计或其它运动传感器(例如,MEM、陀螺仪等)。这些传感器可将数据提供到处理器,处理器可使用所述数据以确定相机已移动或正在移动。另外或替代地,相机可被配置成分析所捕获的帧以确定场景间运动,例如使用图像对齐处理以确定相机在帧之间已移动的量。在一些实施例中,热成像相机可使用检测的运动数据以确定相机是否已移动足够量以影响用于产生高质量光学气体图像的当前滤波参数的功效,而没有来自先前目标场景的混杂或假象。
图11是说明用于在光学气体成像过程期间适应相机运动的过程的过程流程图。所述方法包含确定相机的当前操作模式(1100),例如三角架模式或手持式模式,且设定用于产生经滤波背景和前景图像的滤波参数(1102)。如本文在别处所描述,这些滤波参数可为基于热成像相机的当前操作状态的预定义参数。
所述方法包含获取图像且产生光学气体成像数据的步骤(1104)。举例来说,这可包含例如使用等式1-5或图7-9中的一个或多个执行本文所描述的方法中的任一种。热成像相机可例如以热成像相机的图像获取帧速率继续获取图像(例如,图8中的新图像804)且产生光学气体图像数据(例如,光学气体图像840)。
在执行光学气体成像过程的同时,相机可分析相机的运动数据(1106)。运动数据可由多种源中的任一种提供,例如一个或多个硬件组件(例如,加速度计等)、图像分析(例如,对齐处理)或类似物。相机可确定是否存在过量运动(1108)。在一些实施例中,相机将运动的量(例如,基于对齐分析在连续场景中的图像数据内的旋转的量、线性运动的量等)与第一阈值进行比较。如果未检测到相机的过量运动,那么相机继续根据典型操作获取图像且产生光学气体成像数据(1104)。
然而,如果检测到过量运动,那么相机可以临时调整或停用在光学气体成像过程中使用的滤波参数(1110)。举例来说,如果根据等式3-5执行一阶IIR滤波过程,那么在步骤1108中感测到过量的运动后,相机可减少β的值(具体来说β背景)以便减少或消除在所检测过量的运动之前获取的帧对经滤波图像的贡献。这样做可以帮助消除图像中可能扰乱或打扰用户的混杂或假象。
在一些实例中,临时减少滤波参数包括将背景和/或前景滤波参数β减少到预定值。在一些此类实例中,所述预定值是零,使得光学气体图像仅包括最近获取的图像且不包含来自在相机运动发生之前的历史数据。
在一些实例中,滤波参数的此减少在预定时间周期中发生,例如一秒、二分之一秒或类似时间周期。在一些此类实施例中,在此时间周期的到期之后,根据例如在步骤1100中建立的正常操作模式将滤波参数复位(1112)且光学气体成像在步骤1104处继续。
在其它实例中,在调整滤波参数(1110)之后,相机可以继续分析运动数据(1106),如1110与1106之间的虚线所表示,且确定过量运动是否仍然存在(1108)。如果是,那么相机维持减少的滤波参数且继续分析运动直到所检测运动(例如,连续的帧之间)减少到低于第二阈值。在一些此类实例中,所述第二阈值可等于第一阈值,或可不同于第一阈值。如果在1108处不再检测到过量的运动,那么根据操作模式将滤波参数复位(1112),然后继续光学气体成像。
在一些实例中,贡献于经滤波图像(例如,经滤波背景图像)中的混杂或混淆的场景改变是由于除相机运动外的改变。目标场景中的热改变有效地改变跨越多个帧捕获的图像数据,这会导致如本文在别处所描述由相机运动带来的相似误差。举例来说,如果人意外地走过目标场景,那么即使在所述人离开目标场景之后,来自所述人的残余热假象也可能保留于经滤波图像中。在示例性实施例中,如果人移动到目标场景中,那么表示所述人的热图像数据将大体上在几个时间常数的过程中积聚于经滤波背景图像中。然而,由于前景时间常数通常短于背景时间常数,因此表示所述人的热图像数据在经滤波前景图像中将比在背景图像中更快积聚。因此,当比较经滤波背景和前景图像以产生光学气体图像数据时,背景和前景图像中所述人的热标志之间的差异将使得移动的人在光学气体图像中出现。
同一原理将适用于目标场景中的任何实质性的热改变。类似于相机的运动,目标场景的热特性的改变将趋于由于在热数据的改变之前的先前场景的残余假象而造成图像的混杂。如同本文在别处描述的运动,这些残余假象将通常持续若干个时间常数直到最终从经滤波图像数据衰退为止。
可以用与解决由于场景运动(例如,相机运动/抖动)所致的假象类似的方式来解决由于目标场景中的热改变所致的经滤波图像中的假象。图12是说明用于适应在光学气体成像过程期间的热改变的过程的过程流程图。图12的方法类似于图11中示出的方法。所述方法类似地包含确定相机的当前操作模式(1200)且设定用于产生经滤波背景和前景图像的滤波参数(1202)。所述方法包含获取图像且产生光学气体成像数据的步骤(1204)。
根据图12的方法,在执行光学气体成像过程的同时,相机可分析相机正在成像的目标场景的热数据(1206)。热改变可由任何多种源造成,例如进入或离开场景的对象,或在场景中发生的造成显著热改变的事件。相机可例如通过将所检测改变与阈值进行比较而确定是否存在过量热改变(1208)。阈值可包含例如超出阈值的绝对温度改变或超出阈值的温度变化率。在示例性实施例中,相机将目标场景中的温度变化率(例如,帧之间的改变)与第一阈值进行比较。如果未检测到过量的热改变,那么相机根据典型操作继续获取图像且产生光学气体成像数据(1204)。
然而,如果检测到过量热改变,那么相机可临时调整或停用在光学气体成像过程中使用的滤波参数(1210)。举例来说,如果根据等式3-5执行一阶IIR滤波过程,那么在步骤1208中感测到过量的热改变后,相机可减少β的值(具体来说β背景)以便减少或消除在所检测过量的热改变之前获取的帧对经滤波图像的贡献。这样做可帮助消除在图像中可能扰乱或打扰用户的混杂或假象。
如本文在别处所描述,在一些实例中,滤波器参数(例如,α、β等)可在示例性滤波过程期间在图像内变化。举例来说,在一阶IIR滤波过程中,一些像素或像素群组可以用与其它像素或像素群组不同的时间常数进行更新。相对于图11和12,可将所检测图像数据中的某些改变局部化到图像内的某些区。举例来说,相对于图12,在一些环境中,过量的热改变(1208)可能由于图像中出现的局部化热点(例如,进入场景的一部分的人)而发生而不影响场景的其它部分。在一些实例中,受到热改变影响的像素或区(例如,包含进入场景的人的像素)可以被识别且区别于不受所述改变影响的那些像素或区。在一些此类实例中,可以仅对其中检测到过量的热改变(1208)的像素或区执行临时调整或停用滤波参数(1210)。在示例性实施例中,可通过分析连续或几乎连续的未经滤波(例如,新)红外图像来检测这些热改变。这些图像的比较可用以确定可能不利地影响光学气体成像的过量温度变化的存在和位置。
类似地,相对于图11,如本文在别处所描述,可以分析某些视频压缩标准(例如,MPEG)以检测场景内的运动(例如,经由运动向量分析)。在一些实施例中,可使用此视频分析来检测整个场景的运动(例如,由于相机运动)。然而,在其它实例中,此分析可用以确定图像的经历场景间运动的部分(例如,受到在场景内的移动影响的那些部分)。类似地,在一些此类实例中,可临时调整或停用(1110)与经历过量运动(1108)的个别区或像素相关联的滤波参数,而其它区(例如,不经历过量的运动)的滤波参数可保持不受影响。在一些实施例中,可对红外图像数据执行用以确定过量运动的图像处理。另外或替代地,可以对对应的可见光图像数据执行此图像处理。在一些实例中,可见光图像数据提供更清晰图像,其中可比红外图像数据中更容易地执行此运动分析。
在更进一步的实施例中,由于所检测场景改变(例如,场景中的运动或隔离的温度改变)而调整滤波参数的量可以取决于作为这些位置而检测到的场景改变的量。举例来说,在一些实施例中,经历过量的热改变(1208)的区或像素的滤波参数被调整的量取决于所检测热改变的量。
本文中所描述的图像滤波和光学气体成像技术可用以减少热图像的噪声,使得可从噪声解析目标场景中由于红外吸收气体的存在所致的场景之间的改变。类似地,滤波技术的可调适性可以适应在手持式和三角架安装的相机两者中的使用,从而最大化噪声减少而不会将假的残余假象引入图像数据。
所述滤波和对应光学气体成像技术可以例如在包含未冷却感测阵列且不需要昂贵光学缺口和/或带通滤波器的热成像相机中使用,从而极大地减少用于执行这些过程的便携式系统的成本和复杂性。类似地,这些未冷却相机本身可以比较复杂的经冷却热成像相机更小、更轻且更容易在位置之间输送,从而增加使用单个相机在多个位置中执行高质量光学气体成像过程的方便和能力。
本文所描述的例如产生经滤波背景和前景图像和光学气体图像数据等过程可以使用一个或多个处理器执行,例如嵌入于被配置成捕获经滤波图像的热成像相机中的处理器222。在一些实施例中,被配置成执行这些过程中的一些或全部的处理器可以与获取图像数据的热成像相机分开地定位。
举例来说,在一些实施例中,热成像相机可固定地定位在适当的位置以用于受测试设备的持续热分析。热成像相机可被配置成获取目标场景的热图像数据且将热图像数据传送到用于后续处理的外部装置,例如工作站、云、技师的移动装置(例如,智能电话、平板计算机等)或类似物。在一些此类实例中,可在外部装置处进行各种处理步骤,例如经由在工作站上操作的软件、在技师的移动装置上运行的应用程序(“app”)、云计算或类似情形。
在一些实例中,可以通过在外部装置处处理所捕获图像而执行大体上实时的光学气体成像过程。在此类实例中,用以获取图像数据的热成像相机可为便宜的且包含最小处理能力,但可以捕获用于光学气体成像分析的图像。另外或替代地,在一些实例中,本文所描述的各种方法中的处理步骤可在多种组件之间划分,例如捕获热图像的热成像相机、外部装置或类似物。
已经描述各种实施例。这些实例是非限制性的,且并不以任何方式界定或限制本发明的范围。实际上,这些和其它实例在所附示例性实施例的范围内。
Claims (24)
1.一种实时光学气体成像系统,包括:
红外相机模块,其被配置成捕获红外辐射且产生目标场景的包括红外图像数据的红外图像;
存储器,其用于存储一个或多个红外图像;
显示器;
一个或多个处理器,其被配置成:
通过使用第一滤波过程组合来自由所述红外相机模块捕获的第一多个红外图像的红外图像数据而产生经滤波背景图像,所述第一滤波过程包含第一滤波参数;
通过使用第二滤波过程组合来自由所述红外相机模块捕获的第二多个红外图像的红外图像数据而产生经滤波前景图像,所述第二滤波过程包含第二滤波参数;
通过比较所述经滤波背景图像与所述经滤波前景图像而产生光学气体图像数据;
以及
产生包含所述光学气体图像数据的显示图像以用于在所述显示器上呈现。
2.根据权利要求1所述的系统,其中所述一个或多个处理器进一步被配置成:
检测所述所接收红外图像数据的改变;以及
响应于所述所检测改变而调整所述第一滤波参数和/或所述第二滤波参数。
3.根据权利要求2所述的系统,其中检测所述所接收红外图像数据的改变包括检测所述红外相机模块的运动。
4.根据权利要求3所述的系统,进一步包括被配置成基于所述红外相机模块的移动而产生运动数据的一个或多个运动传感器;且其中检测所述红外相机模块的运动包括接收来自所述一个或多个运动传感器的运动数据。
5.根据权利要求4所述的系统,其中所述一个或多个运动传感器包括至少一个加速度计。
6.根据权利要求2所述的系统,其中所述红外图像数据包括多个区,每一区包含一个或多个像素,且其中所述多个区中的每一个包含对应的第一和第二滤波参数,且其中检测所述所接收红外图像数据的改变包括检测所述红外图像数据中的发生所述改变的区,且调整这些区中的所述第一和/或第二滤波参数但不调整并未发生所述改变的区中的所述第一和/或第二滤波参数。
7.根据权利要求1所述的系统,进一步包括用户接口,用户能够通过所述用户接口在多个操作模式之间进行选择,且其中改变操作模式会改变所述第一滤波参数和所述第二滤波参数中的至少一个。
8.根据权利要求7所述的系统,其中所述可选的操作模式包含手持式模式和三角架模式。
9.根据权利要求1所述的系统,进一步包括被配置成产生表示所述目标场景的可见光图像数据的可见光相机模块,且其中所述显示图像包含光学气体图像数据与红外图像数据和可见光图像数据中的至少一个的掺合。
10.根据权利要求1所述的系统,其中所述系统容纳于形成热成像相机的相机外壳中。
11.一种包括指令的非暂时性计算机可读媒体,所述指令用于致使一个或多个可编程处理器执行实时光学气体成像的方法,所述方法包括:
通过使用第一滤波过程组合来自由红外相机模块捕获的第一多个红外图像的红外图像数据而产生经滤波背景图像,所述第一滤波过程包含第一滤波参数;
通过使用第二滤波过程组合来自由所述红外相机模块捕获的第二多个红外图像的红外图像数据而产生经滤波前景图像,所述第二滤波过程包含第二滤波参数;
通过比较所述经滤波背景图像与所述经滤波前景图像而产生光学气体图像数据;
以及
产生包含所述光学气体图像数据的显示图像以用于在显示器上呈现。
12.根据权利要求11所述的方法,其中:
产生所述经滤波背景图像包括计算来自缓冲器的所述第一多个红外图像的平均;
产生所述经滤波前景图像包括计算来自所述缓冲器的所述第二多个红外图像的平均;且
所述第一多个红外图像不同于所述第二多个红外图像。
13.根据权利要求12所述的方法,其中:
所述缓冲器中的所述第一多个红外图像包括在时间周期内的第一时间间隔内捕获的图像;
所述缓冲器中的所述第二多个红外图像包括在所述时间周期内的第二时间间隔内捕获的图像;且
所述第一时间间隔和所述第二时间间隔不重叠。
14.根据权利要求11所述的方法,其中所述第一滤波过程包括随时间捕获多个红外图像且将第一无限脉冲响应IIR滤波器应用于所述所捕获红外图像以使得产生所述经滤波背景图像包括通过将先前经滤波背景图像与新红外图像进行掺合而迭代地更新所述经滤波背景图像,所述第二滤波过程包括随时间捕获多个红外图像且将第二IIR滤波器应用于所述所捕获红外图像以使得产生所述经滤波背景图像包括通过将先前经滤波背景图像与新红外图像进行掺合而迭代地更新所述经滤波背景图像。
15.根据权利要求14所述的方法,其中所述第一IIR滤波器包括具有对应第一时间常数的一阶IIR滤波器,所述第二IIR滤波器包括具有对应第二时间常数的一阶IIR滤波器,且其中所述第一时间常数不同于所述第二时间常数。
16.根据权利要求11所述的方法,其中所述一个或多个处理器进一步被配置成:
检测所述所接收红外图像数据的改变;以及
响应于所述所检测改变而调整所述第一滤波参数和/或所述第二滤波参数。
17.根据权利要求16所述的方法,其中检测所述所接收红外图像数据的改变包括通过分析来自随时间捕获的多个图像的图像数据且从所述分析确定运动的量而检测目标场景内的运动。
18.根据权利要求16所述的方法,其中检测所述所接收红外图像数据的改变包括检测所述红外相机模块正在成像的所述目标场景的热模式的充分大改变。
19.一种提供实时气体成像的热成像相机,包括:
红外相机模块,其被配置成捕获红外辐射且产生目标场景的包括红外图像数据的红外图像;
存储器,其用于存储一个或多个红外图像;
显示器;
相机外壳,其支撑所述红外相机模块、所述存储器和所述显示器;以及
一个或多个处理器,其被配置成:
通过使用第一滤波过程组合来自由所述红外相机模块捕获的第一多个红外图像的红外图像数据而产生经滤波背景图像,所述第一滤波过程包含第一滤波参数;
通过使用第二滤波过程组合来自由所述红外相机模块捕获的第二多个红外图像的红外图像数据而产生经滤波前景图像,所述第二滤波过程包含第二滤波参数;
通过比较所述经滤波背景图像与所述经滤波前景图像而产生光学气体图像数据;
以及
产生包含所述光学气体图像数据的显示图像以用于在所述显示器上呈现。
20.根据权利要求19所述的热成像相机,其中所述一个或多个处理器进一步被配置成:
检测所述所接收红外图像数据的改变;以及
响应于所述所检测改变而调整所述第一滤波参数和/或所述第二滤波参数。
21.根据权利要求20所述的热成像相机,进一步包括被配置成产生表示所述目标场景的可见光图像数据的可见光相机模块,且其中检测所述目标场景内的运动包括检测来自所述可见光相机模块的所述可见光图像数据中的运动。
22.根据权利要求19所述的热成像相机,进一步包括用户接口,用户通过所述用户接口能够在多个操作模式之间进行选择,且其中改变操作模式会改变所述第一滤波参数和所述第二滤波参数中的至少一个。
23.根据权利要求22所述的热成像相机,其中所述可选操作模式包含手持式模式和三角架模式。
24.根据权利要求19所述的热成像相机,进一步包括被配置成产生表示所述目标场景的可见光图像数据的可见光相机模块,且其中所述显示图像包含光学气体图像数据与红外图像数据和可见光图像数据中的至少一个的掺合。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762507203P | 2017-05-16 | 2017-05-16 | |
US62/507203 | 2017-05-16 | ||
US15/965688 | 2018-04-27 | ||
US15/965,688 US11022546B2 (en) | 2017-05-16 | 2018-04-27 | Optical gas imaging systems and methods |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108876763A true CN108876763A (zh) | 2018-11-23 |
Family
ID=62385992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810468397.5A Pending CN108876763A (zh) | 2017-05-16 | 2018-05-16 | 光学气体成像系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11022546B2 (zh) |
EP (1) | EP3404401B1 (zh) |
CN (1) | CN108876763A (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9464984B2 (en) | 2014-06-20 | 2016-10-11 | Fluke Corporation | Laser illuminated gas imaging device for determining inoperable gas detection pixels |
US10586314B2 (en) * | 2016-04-12 | 2020-03-10 | Shenzhen Everbest Machinery Industry Co., Ltd | Image fusion method, apparatus, and infrared thermal imaging device |
EP3602009A1 (en) * | 2017-03-31 | 2020-02-05 | Flir Systems AB | Gas imaging systems and methods |
US11598716B2 (en) * | 2017-09-27 | 2023-03-07 | Konica Minolta, Inc. | Gas image device and image acquisition method |
WO2019226908A1 (en) * | 2018-05-25 | 2019-11-28 | Fluke Corporation | Optical gas imaging systems and method compatible with uncooled thermal imaging cameras |
US11070763B2 (en) * | 2018-06-27 | 2021-07-20 | Snap-On Incorporated | Method and system for displaying images captured by a computing device including a visible light camera and a thermal camera |
US11740636B2 (en) * | 2019-07-17 | 2023-08-29 | Waymo Llc | Autonomous vehicle having a thermal infrared camera with replaceable filter |
CN110736700A (zh) * | 2019-10-30 | 2020-01-31 | 汉威科技集团股份有限公司 | 一种双光源双光路红外气体探测器 |
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 |
WO2022254347A1 (en) * | 2021-06-01 | 2022-12-08 | Vayyar Imaging Ltd. | Target monitoring and alert system and method |
US11386530B2 (en) * | 2020-02-26 | 2022-07-12 | Flir Systems Ab | Digital filter for turbulence reduction and gas detection in thermal images |
US11867559B2 (en) | 2022-04-25 | 2024-01-09 | Snap-On Incorporated | Thermal imager devices |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030025081A1 (en) * | 1999-12-28 | 2003-02-06 | Hans Edner | Quantitative imaging of gas emissions utilizing optical techniques |
CN102116736A (zh) * | 2011-01-25 | 2011-07-06 | 广州正虹科技发展有限公司 | 一种油烟浓度检测系统及检测方法 |
CN104346626A (zh) * | 2014-10-30 | 2015-02-11 | 国家电网公司 | 基于图像识别的sf6气体泄漏在线模式识别方法 |
US20150369730A1 (en) * | 2014-06-20 | 2015-12-24 | Fluke Corporation | Laser illuminated gas imaging |
US20160156880A1 (en) * | 2009-06-03 | 2016-06-02 | Flir Systems, Inc. | Durable compact multisensor observation devices |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5656813A (en) * | 1995-04-04 | 1997-08-12 | Gmd Systems, Inc. | Apparatus for imaging gas |
WO2002027297A1 (en) | 2000-09-28 | 2002-04-04 | Sandia Corporation | Pulsed laser linescanner for a backscatter absorption gas imaging system |
US7189970B2 (en) | 2003-08-29 | 2007-03-13 | Power Diagnostic Technologies Ltd. | Imaging of fugitive gas leaks |
US7538326B2 (en) | 2004-12-03 | 2009-05-26 | Fluke Corporation | Visible light and IR combined image camera with a laser pointer |
US8531562B2 (en) * | 2004-12-03 | 2013-09-10 | Fluke Corporation | Visible light and IR combined image camera with a laser pointer |
US7728977B2 (en) | 2004-12-17 | 2010-06-01 | Honeywell Analytics Ag | Optical gas detection |
US7851758B1 (en) | 2005-09-29 | 2010-12-14 | Flir Systems, Inc. | Portable multi-function inspection systems and methods |
US7649174B2 (en) * | 2008-02-11 | 2010-01-19 | Flir Systems, Inc. | Thermography camera configured for gas leak detection |
CN102265124A (zh) | 2008-11-04 | 2011-11-30 | 威廉马什赖斯大学 | 像映射光谱仪 |
US9948872B2 (en) | 2009-03-02 | 2018-04-17 | Flir Systems, Inc. | Monitor and control systems and methods for occupant safety and energy efficiency of structures |
US9292909B2 (en) | 2009-06-03 | 2016-03-22 | Flir Systems, Inc. | Selective image correction for infrared imaging devices |
EP2604033A2 (en) | 2010-08-11 | 2013-06-19 | Flir Systems, Inc. | Infrared camera detection systems and methods |
US8760509B2 (en) | 2010-12-31 | 2014-06-24 | Fluke Corporation | Thermal imager with non-uniformity correction |
US20130278771A1 (en) | 2011-06-10 | 2013-10-24 | Flir Systems, Inc. | Systems and methods for monitoring vehicle wheel assembly |
DE102013004073A1 (de) * | 2013-03-11 | 2014-09-11 | Martin Vorbach | Videostromauswertung |
JP6221333B2 (ja) | 2013-05-07 | 2017-11-01 | 富士通株式会社 | 画像処理装置、画像処理回路及び画像処理方法 |
CA2870419C (en) | 2013-11-12 | 2023-05-16 | Rebellion Photonics, Inc. | Divided-aperture infra-red spectral imaging system |
WO2015091821A1 (en) * | 2013-12-18 | 2015-06-25 | Flir Systems Ab | Processing infrared images based on swipe gestures |
US9990730B2 (en) | 2014-03-21 | 2018-06-05 | Fluke Corporation | Visible light image with edge marking for enhancing IR imagery |
US20170026588A1 (en) | 2014-05-01 | 2017-01-26 | Rebellion Photonics, Inc. | Dual-band divided-aperture infra-red spectral imaging system |
US20160080666A1 (en) | 2014-09-17 | 2016-03-17 | Fluke Corporation | Test and measurement system with removable imaging tool |
JP5996687B2 (ja) * | 2015-02-10 | 2016-09-21 | 浜松ホトニクス株式会社 | 検査装置及び検査方法 |
US9726543B2 (en) | 2015-02-18 | 2017-08-08 | Providence Photonics, Llc | Apparatus and method for validating leak survey results |
US10152811B2 (en) | 2015-08-27 | 2018-12-11 | Fluke Corporation | Edge enhancement for thermal-visible combined images and cameras |
US10038849B2 (en) * | 2016-03-16 | 2018-07-31 | Panasonic Intellectual Property Mangement Co., Ltd. | Imaging device with controlled timing of images to be synthesized based on shake residual |
-
2018
- 2018-04-27 US US15/965,688 patent/US11022546B2/en active Active
- 2018-05-16 CN CN201810468397.5A patent/CN108876763A/zh active Pending
- 2018-05-16 EP EP18172693.6A patent/EP3404401B1/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030025081A1 (en) * | 1999-12-28 | 2003-02-06 | Hans Edner | Quantitative imaging of gas emissions utilizing optical techniques |
DE60024876D1 (de) * | 1999-12-28 | 2006-01-19 | Gasoptics Sweden Ab Lund | Quantitative abbildung von gasemissionen mittels optischer verfahren |
US20160156880A1 (en) * | 2009-06-03 | 2016-06-02 | Flir Systems, Inc. | Durable compact multisensor observation devices |
CN102116736A (zh) * | 2011-01-25 | 2011-07-06 | 广州正虹科技发展有限公司 | 一种油烟浓度检测系统及检测方法 |
US20150369730A1 (en) * | 2014-06-20 | 2015-12-24 | Fluke Corporation | Laser illuminated gas imaging |
CN104346626A (zh) * | 2014-10-30 | 2015-02-11 | 国家电网公司 | 基于图像识别的sf6气体泄漏在线模式识别方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3404401B1 (en) | 2023-02-22 |
US20180335380A1 (en) | 2018-11-22 |
EP3404401A1 (en) | 2018-11-21 |
US11022546B2 (en) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876763A (zh) | 光学气体成像系统和方法 | |
US10726559B2 (en) | Visible light image with edge marking for enhancing IR imagery | |
JP6430447B2 (ja) | 可視光画像データ及び赤外線画像データの組合せシステム、熱画像カメラ、赤外線画像を強調する方法を実行する命令を記録したコンピュータ読み取り可能な記録媒体 | |
CN103873788B (zh) | 使用后处理技术减少热图像噪声的相机和方法 | |
CN105007407B (zh) | 使用热成像照相机来改进视差调整的方法及热成像照相机系统 | |
US20230247171A1 (en) | Optical gas imaging systems and method compatible with uncooled thermal imaging cameras | |
CN103575405B (zh) | 具有图形温度曲线的热成像相机 | |
US9635283B2 (en) | Thermal imager with large dynamic range and improved signal-to-noise ratio | |
CN107547892A (zh) | 热异常检测 | |
CN107407634A (zh) | 在无源光学气体成像中定量气体 | |
US20140176725A1 (en) | Thermal imager that analyzes temperature measurement calculation accuracy | |
WO2012177740A2 (en) | Thermal imager that analyzes temperature measurement calculation accuracy | |
EP3403397A1 (en) | Through-focus image combination | |
US10999537B2 (en) | Compact camera |
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 |