CN109820490A - 一种基于红外热成像技术的区域对称度客观评价方法 - Google Patents
一种基于红外热成像技术的区域对称度客观评价方法 Download PDFInfo
- Publication number
- CN109820490A CN109820490A CN201811023193.7A CN201811023193A CN109820490A CN 109820490 A CN109820490 A CN 109820490A CN 201811023193 A CN201811023193 A CN 201811023193A CN 109820490 A CN109820490 A CN 109820490A
- Authority
- CN
- China
- Prior art keywords
- region
- target
- symmetry
- high dimensional
- dimensional feature
- 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
Landscapes
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种基于红外热成像技术的区域对称度客观评价方法,包括以下步骤:在红外热图像上定位出目标多边形区域及目标多边形对称区域;在红外热图像的温度集合内分别提取目标多边形区域及目标多边形对称区域内的温度集合;通过卷积运算分别获取目标多边形区域及目标多边形对称区域内的温度集合的高维特征集合;根据步骤三获得的高维特征集合,利用对称度计算算法,求出目标多边形区域及目标多边形对称区域的对称度。与现有技术相比,本发明能实现多边形区域以及对称区域的定位;能够根据需要调整目标区域位置;能够客观评价不规则区域对称度。
Description
技术领域
本发明涉及领域,特别是一种基于红外热成像技术的区域对称度客观评价方法。
背景技术
随着科技进步,红外热成像技术在工业、医疗、军事等领域的应用迅速增多,其依靠接收远红外辐射信号并转换成伪彩色图像,能够补充可见光图像的不足。但在各领域的应用大都局限在肉眼观察、敏感区域定位跟踪或特定区域温度提取等方面,缺少客观评价方法。自然界大多数自然体都有良好的对称性,对称性能够描述状态变化,因此,对称性研究在很多领域都有应用,其中基于红外热成像技术的目标区域对称度研究较少,且多局限在区域温度值的高低差异,不能给出两块目标区域数值方面的对称度客观评价。
发明内容
本发明的目的是要解决现有技术中存在的不足,提供一种基于红外热成像技术的区域对称度客观评价方法。
为达到上述目的,本发明是按照以下技术方案实施的:
一种基于红外热成像技术的区域对称度客观评价方法,包括以下步骤:
步骤一、在红外热图像上定位出目标多边形区域及目标多边形对称区域;
步骤二、在红外热图像的温度集合内分别提取目标多边形区域及目标多边形对称区域内的温度集合;
步骤三、通过卷积运算分别获取目标多边形区域及目标多边形对称区域内的温度集合的高维特征集合;
步骤四、根据步骤三获得的高维特征集合,利用对称度计算算法,求出目标多边形区域及目标多边形对称区域的对称度。
进一步,所述步骤四包括:
1)根据步骤三获得的高维特征集合,计算对称点欧式距离,并求和获得欧式距离总长度Len,
其中,f1为目标多边形区域的高维特征集合,f2为目标多边形对称区域的高维特征集合;
2)依据欧式距离总长度以及特征维度计算对称度并将值域归一化在0~1范围内标记为k,
其中,n为目标多边形区域的高维特征集合与目标多边形对称区域的高维特征集合之间的长度。
与现有技术相比,本发明具有以下有益效果:
1、能实现多边形区域以及对称区域的定位;
2、能够根据需要调整目标区域位置;
3、能够客观评价不规则区域对称度。
附图说明
图1为本发明的对称度算法流程图。
图2为本发明实施例红外热图像的目标多边形区域及目标多边形对称区域的对称度计算结果与实际对称性对比图;其中左一为对称度0.21时的对比图;左二为对称度0.58时的对比图;左三为对称度0.69时的对比图;左四为对称度0.72时的对比图。
具体实施方式
下面结合具体实施例对本发明作进一步描述,在此发明的示意性实施例以及说明用来解释本发明,但并不作为对本发明的限定。
如图1所示,将本发明用于医学领域,客观评估人体区域热循环对称度上,具体步骤如下:
首先获取红外热图像:首先通过visual studio 2010软件利用C#语言读取红外热成像图的温度集合与图像数据,将图像数据绘制在Image控件上,并在Image 上依次连接标记点构成多边形封闭区域得到目标多边形区域,以基准线对称方式获得目标多边形对称区域,分别标记为1和2。
在红外热图像的温度集合内分别提取目标多边形区域及目标多边形对称区域内的温度集合,分别记为T1和T2。
以卷积运算方法获得T1和T2的高维信息,此处用到3*3的Sobel卷积核,步长取3,卷积运算的原理为:分别在T1和T2左上角开始,开一个与模板同样大小的活动窗口,窗口集合与模板像元对应起来相乘再相加,并用计算结果代替窗口中心的温度值,然后,活动窗口向右移动s列(s为卷积核步长),并作同样的运算;以此类推,从左到右、从上到下,即可得到新的温度集合即T1 和T2的高维信息,分别提取T1和T2的高维特征集合标记为f1和f2长度为n。
根据f1和f2计算对称点欧式距离,并求和获得欧式距离总长度Len,
依据欧式距离总长度以及特征维度计算对称度并将值域归一化在0~1范围内标记为k:
如图2所示,利用本实施例进行的红外热图像的目标多边形区域及目标多边形对称区域的对称度计算结果与实际对称性对比图,从图2中可以看出,计算得到的红外热图像的目标多边形区域及目标多边形对称区域的对称度计算值越大则红外热图像的目标多边形区域及目标多边形对称区域的对称性越高,说明本发明具有可行性。
本发明的技术方案不限于上述具体实施例的限制,凡是根据本发明的技术方案做出的技术变形,均落入本发明的保护范围之内。
Claims (2)
1.一种基于红外热成像技术的区域对称度客观评价方法,其特征在于,包括以下步骤:
步骤一、在红外热图像上定位出目标多边形区域及目标多边形对称区域;
步骤二、在红外热图像的温度集合内分别提取目标多边形区域及目标多边形对称区域内的温度集合;
步骤三、通过卷积运算分别获取目标多边形区域及目标多边形对称区域内的温度集合的高维特征集合;
步骤四、根据步骤三获得的高维特征集合,利用对称度计算算法,求出目标多边形区域及目标多边形对称区域的对称度。
2.根据权利要求1所述的基于红外热成像技术的区域对称度客观评价方法,其特征在于:所述步骤四包括:
1)根据步骤三获得的高维特征集合,计算对称点欧式距离,并求和获得欧式距离总长度Len,
其中,f1为目标多边形区域的高维特征集合,f2为目标多边形对称区域的高维特征集合;
2)依据欧式距离总长度以及特征维度计算对称度并将值域归一化在0~1范围内标记为k,
其中,n为目标多边形区域的高维特征集合与目标多边形对称区域的高维特征集合之间的长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811023193.7A CN109820490A (zh) | 2018-09-04 | 2018-09-04 | 一种基于红外热成像技术的区域对称度客观评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811023193.7A CN109820490A (zh) | 2018-09-04 | 2018-09-04 | 一种基于红外热成像技术的区域对称度客观评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109820490A true CN109820490A (zh) | 2019-05-31 |
Family
ID=66858746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811023193.7A Pending CN109820490A (zh) | 2018-09-04 | 2018-09-04 | 一种基于红外热成像技术的区域对称度客观评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109820490A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117297550A (zh) * | 2023-10-30 | 2023-12-29 | 北京鹰之眼智能健康科技有限公司 | 信息处理系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030123056A1 (en) * | 2001-01-08 | 2003-07-03 | Barnes Donald Michael | Apparatus having precision hyperspectral imaging array with active photonic excitation targeting capabilities and associated methods |
CN1771882A (zh) * | 2005-09-02 | 2006-05-17 | 武汉市昊博科技有限公司 | 一种从生物体表面温度分布获取内热源信息的方法与装置 |
CN101510310A (zh) * | 2009-02-19 | 2009-08-19 | 上海交通大学 | 基于纹理聚类约束的高分辨率遥感图像分割方法 |
CN102902962A (zh) * | 2012-09-26 | 2013-01-30 | 杭州电子科技大学 | 一种基于尺度不变特征转换特征向量的前方车辆检测方法 |
CN105930459A (zh) * | 2016-04-21 | 2016-09-07 | 重庆大学 | 一种有效的基于内容的人体皮肤图像分类检索方法 |
CN108052952A (zh) * | 2017-12-19 | 2018-05-18 | 中山大学 | 一种基于特征提取的服装相似度判定方法及其系统 |
CN108241868A (zh) * | 2016-12-26 | 2018-07-03 | 浙江宇视科技有限公司 | 图像客观相似度到主观相似度的映射方法及装置 |
-
2018
- 2018-09-04 CN CN201811023193.7A patent/CN109820490A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030123056A1 (en) * | 2001-01-08 | 2003-07-03 | Barnes Donald Michael | Apparatus having precision hyperspectral imaging array with active photonic excitation targeting capabilities and associated methods |
CN1771882A (zh) * | 2005-09-02 | 2006-05-17 | 武汉市昊博科技有限公司 | 一种从生物体表面温度分布获取内热源信息的方法与装置 |
CN101510310A (zh) * | 2009-02-19 | 2009-08-19 | 上海交通大学 | 基于纹理聚类约束的高分辨率遥感图像分割方法 |
CN102902962A (zh) * | 2012-09-26 | 2013-01-30 | 杭州电子科技大学 | 一种基于尺度不变特征转换特征向量的前方车辆检测方法 |
CN105930459A (zh) * | 2016-04-21 | 2016-09-07 | 重庆大学 | 一种有效的基于内容的人体皮肤图像分类检索方法 |
CN108241868A (zh) * | 2016-12-26 | 2018-07-03 | 浙江宇视科技有限公司 | 图像客观相似度到主观相似度的映射方法及装置 |
CN108052952A (zh) * | 2017-12-19 | 2018-05-18 | 中山大学 | 一种基于特征提取的服装相似度判定方法及其系统 |
Non-Patent Citations (1)
Title |
---|
刘旭龙,付斌瑞,许沥文,等: "红外热成像辅助面神经功能自动评估方法研究", 《光谱学与光谱分析》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117297550A (zh) * | 2023-10-30 | 2023-12-29 | 北京鹰之眼智能健康科技有限公司 | 信息处理系统 |
CN117297550B (zh) * | 2023-10-30 | 2024-05-03 | 北京鹰之眼智能健康科技有限公司 | 信息处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11210550B2 (en) | Image-based feature detection using edge vectors | |
Ma et al. | Non-rigid visible and infrared face registration via regularized Gaussian fields criterion | |
Xue et al. | Infrared gait recognition based on wavelet transform and support vector machine | |
Ning et al. | Robust object tracking using joint color-texture histogram | |
Kang et al. | Nighttime face recognition at large standoff: Cross-distance and cross-spectral matching | |
Pinggera12 et al. | On cross-spectral stereo matching using dense gradient features | |
Lee et al. | Time-sliced averaged motion history image for gait recognition | |
CN105138995B (zh) | 基于骨架信息的时不变及视不变的人体行为识别方法 | |
Xing et al. | View-invariant gait recognition method by three-dimensional convolutional neural network | |
Zadeh et al. | A model for diagnosing breast cancerous tissue from thermal images using active contour and Lyapunov exponent | |
Glandon et al. | 3d skeleton estimation and human identity recognition using lidar full motion video | |
Chen et al. | Average gait differential image based human recognition | |
Zhong et al. | Online learning 3D context for robust visual tracking | |
CN109820490A (zh) | 一种基于红外热成像技术的区域对称度客观评价方法 | |
Zhang et al. | Joint compressive representation for multi-feature tracking | |
Mogan et al. | Gait recognition using temporal gradient patterns | |
Chen et al. | Robust multi-stage approach for the detection of moving target from infrared imagery | |
Zhang et al. | Physical activity recognition based on motion in images acquired by a wearable camera | |
Wu et al. | Deformed contour segment matching for multi-source images | |
González-Fraga et al. | An efficient algorithm for matching of SLAM video sequences | |
Ruiz-del-Solar et al. | Thermal face recognition in unconstrained environments using histograms of LBP features | |
Chen et al. | Action recognition using motion history image and static history image-based local binary patterns | |
Spasova et al. | Privacy Preserving Fall Detection Based on Simple Human Silhouette Extraction and a Linear Support Vector Machine. | |
Li et al. | TGSIFT: Robust SIFT descriptor based on tensor gradient for hyperspectral images | |
Chi et al. | Ear Recognition based on Forstner and SIFT |
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: 20190531 |
|
RJ01 | Rejection of invention patent application after publication |