CN109345499A - 一种红外图像融合技术 - Google Patents
一种红外图像融合技术 Download PDFInfo
- Publication number
- CN109345499A CN109345499A CN201811232891.8A CN201811232891A CN109345499A CN 109345499 A CN109345499 A CN 109345499A CN 201811232891 A CN201811232891 A CN 201811232891A CN 109345499 A CN109345499 A CN 109345499A
- Authority
- CN
- China
- Prior art keywords
- image
- infrared image
- pyramid
- passive
- tomographic
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 15
- 230000004927 fusion Effects 0.000 title description 4
- 230000010354 integration Effects 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 5
- 230000003321 amplification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—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
- G06T15/00—3D [Three Dimensional] image rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种红外图像融合技术，具体来说，公开了一种将主动红外图像与被动红外图像进行融合的方法，它属于图像处理技术领域。其步骤包括：1）对被动红外图像进行分解形成高斯金字塔；2）对主动红外图像进行分解形成高斯金字塔；3）将被动红外图像高斯金字塔每层图像相减形成被动红外图像拉普拉斯金字塔；4）将主动红外图像高斯金字塔每层图像相减形成主动红外图像拉普拉斯金字塔；5）将被动红外图像拉普拉斯金字塔和主动红外图像拉普拉斯金字塔相应层融合得到初步融合后的图像；6）将初步融合后的图像从顶层开始由上至下，将各层图像经过逐步内插放大到与原始图像一样大，然后相加，形成最终融合后的图像。
Description
技术领域
本发明涉及图像处理技术领域，尤其指一种对像素级主动红外图像与被动红外图像的融合技术。
背景技术
最近几年，国内高功率、高光束质量大功率半导体激光器相关领域方面取得了长足的进步，但是半导体激光器芯片的研制和生产方面，一直受外延生长技术、腔面钝化技术以及器件制作工艺水平的限制，国产半导体激光器件的功率、寿命方面较之国外先进水平尚有差距。限制激光器芯片性能参数提高的一个重要原因就是，对失效的激光器芯片不能进行有效的缺陷检测与分析。缺陷检测的一个技术难点在于获取清晰的激光器芯片缺陷部位的深度立体三维图形。
为了对激光芯片损伤部位进行缺陷成像，自动分析与判断，需对缺陷信息进行提取。目前，对缺陷红外图像的获取方法主要是被动红外检测法，即在检测时使用红外光源对被测芯片进行照射，仅仅利用芯片本身热辐射造成的温度差异进行检测。这种方法设备简单，成像速度快，可对波导和衬底层进行清晰成像，但探测深度较浅，不利于缺陷信息的精确分析。
发明内容
为克服现有技术中存在的问题，本发明提供一种红外主动成像与被动成像的图像融合技术，通过两种成像的信息综合，可生成清晰的激光器芯片缺陷部位的立体三维图形。
为解决上述技术问题，本发明采用了如下技术方案：
一种红外图像融合技术，其步骤包括：1)对采集到的目标区域的被动红外图像进行分解形成高斯金字塔；2)对采集到的目标区域的主动红外图像进行分解形成高斯金字塔；步骤(1)、(2)中高斯金字塔层数相同；3)将被动红外图像高斯金字塔每层图像相减形成被动红外图像拉普拉斯金字塔；4)将主动红外图像高斯金字塔每层图像相减形成主动红外图像拉普拉斯金字塔；5)将被动红外图像拉普拉斯金字塔和主动红外图像拉普拉斯金字塔相应层融合得到初步融合后的图像；6)将初步融合后的图像从顶层开始由上至下，将各层图像经过逐步内插放大到与采集到的被动红外图像或主动红外图像一样大，然后相加，形成最终融合后的图像。
所述的高斯金字塔是通过将采集到的被动红外图像或主动红外图像向下采样形成高层图像，然后进行迭代实现的。
所述的拉普拉斯金字塔是通过将高斯金字塔的每一层图像减去其上一层图像经过上采样形成的预测图像，得到一系列的差值图像实现的。拉普拉斯金字塔比高斯金字塔少了一层图像。
所述的下采样是用高斯核即对采集到的被动红外图像或主动红外图像进行卷积，然后删除所有偶数行和偶数列实现的。
所述的上采样是将高斯金字塔除最低层图像之外的每一层图像在每个方向扩大为原来的两倍，新增的偶数行和偶数列以0填充，然后将高斯内核乘以4即之后与放大后的图像卷积实现的。
本发明对像素级主动红外图像与被动红外图像的融合进行研究，通过两种图像的融合可以提供更丰富的检测信息，另外，缺陷的被动红外图像受芯片对象表面状况严重影响，因此获取主动红外图像，以便对比进行检测结果的判读。通过对检测芯片主被动的红外图像的融合处理，可以排除对红外热图像的干扰，相当于改善了检测效果。
附图说明
图1为本发明方法的技术框图。
具体实施方式
为了使本技术领域的人员更好的理解本发明实施方式的方案，下面结合附图对本发明的具体实施方式作进一步详细的说明。
本发明的发明思想为：把主动与被动红外图像分解成许多不同空间分辨率的子图像，并把高分辨率(尺寸较大)的子图像放在下层，把低分辨率(尺寸较小)的子图像放在上面，从而构成一个下大上小的金字塔形，利用其分解后的金字塔形结构可有效地对具有不同空间分辨率的不同分解层进行融合处理。
一种红外图像融合技术，包括如下步骤：
通过依次对主动和被动的低层图像与具有低通特性的窗口函数进行卷积，此过程相当于对图像进行低通滤波，再把卷积结果做隔行隔列的降2采样来实现的。因此，随着分解层的不断增加，图像逐渐变得模糊了。所以，层次化分解后的图像是多分辨率、多尺度、低通滤波的结果。
用主动红外图像和被动红外图像的高斯金字塔的每一层图像减去其上一层图像上采样并高斯卷积之后的预测图像，得到一系列的差值图像。该差值图像的每一层是本层图像与其高一层图像经放大算子放大后图像的差，此过程相当于带通滤波。因此，各层均保留和突出了图像的重要特征信息，如边缘信息，这些重要信息对于图像的压缩或进一步的分析、理解和处理有重要意义，这些特征信息被按照不同尺度分别表现在不同分解层上。
将得到的主动红外图像和被动红外图像的拉普拉斯金字塔的相应层融合，即可得到初步融合后的一系列图像。从顶层开始逐层由上至下，将各层图像经过逐步内插放大到与原始图像一样大，然后再相加，即可精确重建原始图像。
本发明不局限于上述具体实施方式，所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上对本发明做出各种变化，均为本发明的保护范围。
Claims (5)
1.一种红外图像融合技术，其特征在于，其步骤包括：1)对采集到的目标区域的被动红外图像进行分解形成高斯金字塔；2)对采集到的目标区域的主动红外图像进行分解形成高斯金字塔；步骤(1)、(2)中高斯金字塔层数相同；3)将被动红外图像高斯金字塔每层图像相减形成被动红外图像拉普拉斯金字塔；4)将主动红外图像高斯金字塔每层图像相减形成主动红外图像拉普拉斯金字塔；5)将被动红外图像拉普拉斯金字塔和主动红外图像拉普拉斯金字塔相应层融合得到初步融合后的图像；6)将初步融合后的图像从顶层开始由上至下，将各层图像经过逐步内插放大到与采集到的被动红外图像或主动红外图像一样大，然后相加，形成最终融合后的图像。
2.根据权利要求1所述的一种红外图像融合技术，其特征在于，步骤1)和步骤2)所述的高斯金字塔是通过将采集到的被动红外图像或主动红外图像向下采样形成高层图像，然后进行迭代实现的。
3.根据权利要求1所述的一种红外图像融合技术，其特征在于，步骤3)和步骤4)所述的拉普拉斯金字塔是通过将高斯金字塔的每一层图像减去其上一层图像经过上采样形成的预测图像，得到一系列的差值图像实现的。
4.根据权利要求2所述的一种红外图像融合技术，其特征在于，所述的下采样是用高斯核即对采集到的被动红外图像或主动红外图像进行卷积，然后删除所有偶数行和偶数列实现的。
5.根据权利要求3所述的一种红外图像融合技术，其特征在于，所述的上采样是将高斯金字塔除最低层图像以外的每一层图像在每个方向扩大为原来的两倍，新增的偶数行和偶数列以0填充，然后将高斯内核乘以4即后与放大后的图像卷积实现的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811232891.8A CN109345499A (zh) | 2018-10-23 | 2018-10-23 | 一种红外图像融合技术 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811232891.8A CN109345499A (zh) | 2018-10-23 | 2018-10-23 | 一种红外图像融合技术 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109345499A true CN109345499A (zh) | 2019-02-15 |
Family
ID=65311462
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811232891.8A Pending CN109345499A (zh) | 2018-10-23 | 2018-10-23 | 一种红外图像融合技术 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109345499A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111583126A (zh) * | 2020-03-27 | 2020-08-25 | 深圳市太赫兹科技创新研究院 | 一种数据增强方法、计算机设备及存储介质 |
| CN112053279A (zh) * | 2020-09-03 | 2020-12-08 | 五邑大学 | 高光谱图像的降维方法、装置及存储介质 |
| CN112822495A (zh) * | 2020-12-31 | 2021-05-18 | 广州科易光电技术有限公司 | 红外图像压缩方法及装置、电子设备、存储介质 |
| CN113612940A (zh) * | 2021-07-08 | 2021-11-05 | 浙江焜腾红外科技有限公司 | 夜视红外热成像仪 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102567979A (zh) * | 2012-01-20 | 2012-07-11 | 南京航空航天大学 | 车载红外夜视系统及其多源图像融合方法 |
| US20180227509A1 (en) * | 2015-08-05 | 2018-08-09 | Wuhan Guide Infrared Co., Ltd. | Visible light image and infrared image fusion processing system and fusion method |
-
2018
- 2018-10-23 CN CN201811232891.8A patent/CN109345499A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102567979A (zh) * | 2012-01-20 | 2012-07-11 | 南京航空航天大学 | 车载红外夜视系统及其多源图像融合方法 |
| US20180227509A1 (en) * | 2015-08-05 | 2018-08-09 | Wuhan Guide Infrared Co., Ltd. | Visible light image and infrared image fusion processing system and fusion method |
Non-Patent Citations (1)
| Title |
|---|
| 陈浩等: "基于拉普拉斯金字塔变换的图像融合算法研究", 《激光与红外》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111583126A (zh) * | 2020-03-27 | 2020-08-25 | 深圳市太赫兹科技创新研究院 | 一种数据增强方法、计算机设备及存储介质 |
| CN112053279A (zh) * | 2020-09-03 | 2020-12-08 | 五邑大学 | 高光谱图像的降维方法、装置及存储介质 |
| CN112822495A (zh) * | 2020-12-31 | 2021-05-18 | 广州科易光电技术有限公司 | 红外图像压缩方法及装置、电子设备、存储介质 |
| CN112822495B (zh) * | 2020-12-31 | 2023-10-13 | 广州科易光电技术有限公司 | 红外图像压缩方法及装置、电子设备、存储介质 |
| CN113612940A (zh) * | 2021-07-08 | 2021-11-05 | 浙江焜腾红外科技有限公司 | 夜视红外热成像仪 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109345499A (zh) | 一种红外图像融合技术 | |
| KR102674646B1 (ko) | 뷰로부터 거리 정보를 획득하는 장치 및 방법 | |
| DE112016000419B4 (de) | Waferinspektion mit einem Verfahren mit volumetrischen Fokus | |
| CN113343925B (zh) | 人脸三维重建方法、装置、电子设备及存储介质 | |
| DE112018006130T5 (de) | Codierungsvorrichtung, codierungsverfahren, decodierungsvorrichtung und decodierungsverfahren | |
| CN112945141A (zh) | 基于微透镜阵列的结构光快速成像方法及系统 | |
| CN111145134A (zh) | 基于块效应的微透镜光场相机全聚焦图像生成算法 | |
| CN110109105A (zh) | 一种基于时序的InSAR技术监测地表形变的方法 | |
| JP6285686B2 (ja) | 視差画像生成装置 | |
| CN103442234B (zh) | 基于时变编码测量的红外超分辨率成像方法 | |
| CN107464258A (zh) | 一种从图像中提取三维平面的方法 | |
| Pahwa et al. | Automated void detection in TSVs from 2D X-ray scans using supervised learning with 3D X-ray scans | |
| JPH0694595A (ja) | 三次元粒子検出方法及び装置 | |
| Li et al. | MCDFD: multifocus image fusion based on multiscale cross-difference and focus detection | |
| CN112699952B (zh) | 基于深度学习的列车故障图像扩增方法及系统 | |
| Panda et al. | Pixel-level visual and thermal images fusion using maximum and minimum value selection strategy | |
| KR101890281B1 (ko) | 볼 그리드 어레이형 반도체 칩 패키지의 검사 방법 | |
| Tian et al. | Multifocus Image Fusion in Q‐Shift DTCWT Domain Using Various Fusion Rules | |
| CN116958422A (zh) | 针对小鼠脑三维图像数据的Aβ斑块数字化重建方法 | |
| Liu et al. | X-ray layered refocusing imaging based on linear scanning | |
| CN113284128B (zh) | 基于电力设备的图像融合显示方法、装置和计算机设备 | |
| CN115049616A (zh) | 一种电缆阻水缓冲层缺陷的x射线图像特征识别定位方法 | |
| CN102982521A (zh) | 基于图像重叠的选择性平面照射显微成像伪影去除方法 | |
| CN114359047A (zh) | 一种激光熔覆图像细节增强及特征提取方法和系统 | |
| CN206990440U (zh) | 一种基于激光反射原理的区域降雨均匀度测量装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190215 |
|
| RJ01 | Rejection of invention patent application after publication |