CN109978926B - 一种图像自动融合方法、装置及终端设备 - Google Patents
一种图像自动融合方法、装置及终端设备 Download PDFInfo
- Publication number
- CN109978926B CN109978926B CN201811641606.8A CN201811641606A CN109978926B CN 109978926 B CN109978926 B CN 109978926B CN 201811641606 A CN201811641606 A CN 201811641606A CN 109978926 B CN109978926 B CN 109978926B
- Authority
- CN
- China
- Prior art keywords
- image
- preprocessed
- fusion
- visible light
- coefficient
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明适用于数字图像处理技术领域,提供了一种图像自动融合方法、装置及终端设备,其中,方法包括:获取目标图像;其中,所述目标图像包括具有互不遮挡的同一目标的红外图像和可见光图像,对所述红外图像和可见光图像进行预处理,以获取预处理红外图像、预处理可见光图像和所述预处理红外图像的透明系数,对所述预处理红外图像和所述预处理可见光图像进行像素匹配,以获取融合系数,根据所述融合系数和所述透明系数融合所述预处理红外图像和所述预处理可见光图像,以获取融合图像。本发明能够提高图像自动融合的速度和融合精度,节约系统的功耗,并且能够实现图像的全自动融合。
Description
技术领域
本发明属于数字图像处理技术领域,尤其涉及一种图像自动融合方法、装置及终端设备。
背景技术
目前,传感器成像最常用于目标物的检测及定位,然而,单一传感器成像无法包含目标物的所有信息,例如单一的红外热成像分辨率低,边缘信息不明显,无法确定目标,在预检过程中,若存在类似目标时或目标距离很近的情况会造成误判或者多判;而单一可见光成像无法确定目标是否有故障。
目前,在工业检测电气系统时可将红外成像与可见光成像融为一体,即将红外传感器与可见光传感器组合形成双目成像系统,由于二者不在同一光轴上,传感器的相机参数也不一致,所以需要对其成像进行图像融合。
然而,现有技术中的图像融合方法读取速度慢、融合精度低、功耗高且不能实现全自动融合。
发明内容
有鉴于此,本发明实施例提供了一种图像自动融合方法、装置及终端设备,以解决现有技术中图像融合方法读取速度慢、融合精度低、功耗高且不能实现全自动融合的问题。
本发明实施例的第一方面提供了一种图像自动融合方法,包括:
获取目标图像;其中,所述目标图像包括具有互不遮挡的同一目标的红外图像和可见光图像;
对所述红外图像和可见光图像进行预处理,以获取预处理红外图像、预处理可见光图像和所述预处理红外图像的透明系数;
对所述预处理红外图像和所述预处理可见光图像进行像素匹配,以获取融合系数;
根据所述融合系数和所述透明系数融合所述预处理红外图像和所述预处理可见光图像,以获取融合图像。
可选的,所述对所述红外图像和可见光图像进行预处理,以获取预处理红外图像、预处理可见光图像和所述预处理红外图像的透明系数,包括:
通过图像滤波处理方法、边缘检测处理方法、畸变矫正处理方法对所述可见光图像进行预处理,以获取所述预处理可见光图像和第一特征信息;其中,所述第一特征信息包括所述预处理可见光图像的细节信息和特征信息;
通过颜色分析方法、所述图像滤波处理方法、所述畸变矫正处理方法对所述红外图像进行预处理,以获取所述预处理红外图像和第二特征信息;其中,所述第二特征信息包括所述预处理红外图像的温度信息、细节信息和透明系数。
可选的,所述对所述预处理红外图像和所述预处理可见光图像进行像素匹配,以获取融合系数,包括:
根据所述第一特征信息和所述第二特征信息建立融合函数;
通过所述融合函数匹配所述预处理红外图像和所述预处理可见光图像的同一目标的像素,以获取融合系数。
可选的,所述根据所述融合系数和所述透明系数融合所述预处理红外图像和所述预处理可见光图像,以获取融合图像之后,包括:
获取红外传感器与所述目标的距离;
根据所述距离校准所述预融合图像,显示所述校准后的融合图像。
可选的,所述根据所述融合系数和所述透明系数融合所述预处理红外图像和所述预处理可见光图像,以获取融合图像,包括:
根据所述融合系数融合所述预处理红外图像和所述预处理可见光图像,获取预融合图像;
根据所述透明度系数校准所述预融合图像中预处理红外图像的透明度,以获取所述融合图像。
可选的,所述根据所述融合系数融合所述预处理红外图像和所述预处理可见光图像,获取预融合图像,包括:
根据所述融合系数,以所述预处理红外图像为基准融合所述预处理可见光图像,以获取所述预融合图像。
可选的,所述根据所述透明度系数校准所述预融合图像中预处理红外图像的透明度,以获取所述融合图像,包括:
转化所述预融合图像中的预处理红外图像为伪彩色图像;
根据所述透明度系数调整所述伪彩色图像,以获取所述融合图像。
本发明实施例的第二方面提供了一种图像自动融合装置,包括:
第一获取模块,用于获取目标图像;其中,所述目标图像包括具有互不遮挡的同一目标的红外图像和可见光图像;
预处理模块,用于对所述红外图像和可见光图像进行预处理,以获取预处理红外图像、预处理可见光图像和所述预处理红外图像的透明系数;
匹配模块,用于对所述预处理红外图像和所述预处理可见光图像进行像素匹配,以获取融合系数;
融合模块,用于根据所述融合系数和所述透明系数融合所述预处理红外图像和所述预处理可见光图像,以获取融合图像。
本发明实施例的第三方面提供了一种终端设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述方法的步骤。
本发明实施例通过获取满足预设条件的红外图像和可见光图像,对红外图像和可见光图像进行预处理,以提取对应的特征信息,通过特征信息对预处理的红外图像和可见光图像进行同一目标的像素匹配,以获取融合系数,通过融合系数、透明度系数对红外图像和可见光图像进行融合,提高了图像自动融合的速度和融合精度,节约了系统的功耗,并且能够实现图像的全自动融合。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的图像自动融合方法的流程示意图;
图2是本发明实施例一提供的图像自动融合的光路原理图;
图3是本发明实施例一提供的可见光焦平面的像素偏移图;
图4是本发明实施例二提供的图像自动融合方法的流程示意图;
图5是本发明实施例三提供的图像自动融合方法的流程示意图;
图6是本发明实施例四提供的图像自动融合方法的流程示意图;
图7是本发明实施例五提供的图像自动融合方法的流程示意图;
图8是本发明实施例六提供的图像自动融合装置的结构示意图;
图9是本发明实施例七提供的终端设备的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形,意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外,术语“第一”、“第二”和“第三”等是用于区别不同对象,而非用于描述特定顺序。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一
如图1所示,本实施例提供一种图像自动融合方法,该方法可以应用于如PC、手机、平板电脑等终端设备。本实施例所提供的图像自动融合方法,包括:
S101、获取目标图像;其中,所述目标图像包括具有互不遮挡的同一目标的红外图像和可见光图像。
在具体应用中,获取目标图像(在本实施例中,目标图像是指双光谱图像):其中,目标图像包括具有互不遮挡的同一目标的红外图像和可见光图像,可见光图像可通过当前终端的可见光相机获取,红外图像可通过红外传感器获取。在本实施例中,通过超高分辨率(2560*1440)的可见光相机、高分辨率(384*288)的红外传感器与6.8mm的感光镜头获取目标图像,可提高图像分辨率且扩大红外视野。
在一个实施例中,获取目标图像之前,需进行以下操作:1.获取红外传感器、可见光相机和目标的距离,且使红外图像(即通过红外传感器获取的成像)的平面和可见光图像(通过即可见光相机获取的成像)的平面极大地重贴,以及红外图像的平面被可见光图像的平面覆盖;2.红外测温,即目标物体必须有温差且温差较大,使目标的边缘变得明显;3.颜色区别,即可见光相机根据颜色特征判断颜色的区域。
S102、对所述红外图像和可见光图像进行预处理,以获取预处理红外图像和预处理可见光图像。
在具体应用中,通过不同的通道传输红外图像和可见光图像,以对红外图像和可见光图像进行图像的预处理,获取预处理红外图像和预处理可见光图像。在本实施例中,可通过图像滤波处理方法、边缘检测处理方法、畸变矫正处理方法等图像处理方法对可见光图像进行预处理,(即提取预处理可见光图像和第一特征信息(第一特征信息包括但不限于预处理可见光图像的细节信息、特征信息));通过颜色分析方法、图像滤波处理方法、畸变矫正处理方法等图像处理方法对红外图像进行预处理(即提取预处理红外图像和第二特征信息(第二特征信息包括但不限于预处理红外图像的温度信息、细节信息和透明度系数))。在本实施例中,可根据颜色的256(0~255)阶分成同等阶段,当修改分子系数时,在整体透明度上红外图像的色彩同步乘相关系数获取透明度系数;低温状态下红外图像的透明度更为复杂,高温状况下红外图像分级不变化,除了高温部分,根据颜色阶梯红外图像分级则呈线性变化。
S103、对所述预处理红外图像和所述预处理可见光图像进行像素匹配,以获取融合系数。
在具体应用中,对预处理红外图像和预处理可见光图像进行同一目标的像素匹配,以获取融合系数。具体的,根据上述红外图像的温度信息、细节信息、上述可见光图像的细节信息和特征信息建立同一目标的特征点的融合函数,并进行像素匹配,以获取融合系数。
S104、根据所述融合系数和所述透明系数融合所述预处理红外图像和所述预处理可见光图像,以获取融合图像。
在具体应用中,通过上述融合系数,以预处理红外图像为基准移动预处理可见光图像,使预处理红外图像与预处理可见光图像融合,并将预处理红外图像转化为伪彩色图像,通过透明度系数改变伪彩色图像的透明度,以获取融合图像,便于通过融合图像查找故障点的位置。
在一个实施例中,保存融合图像和透明度系数,并显示融合图像。
在一个实施例中,通过激光测距传感器获取红外传感器和/或可见光相机和目标的距离信号,并进行距离校准,获取校准后的融合图像;其中,距离信号应尽可能与红外传感器处在同一z轴(以红外传感器的相面为原点的立体坐标,z轴表示同一高度)。
在一个实施例中,融合图像除了以“画中画”模式显示,还可通过纯红外图像和纯可见光图像模式显示,其中,纯红外图像可根据温区(即温度区域)改变温度色彩显示,即将原本的色彩间隔缩小或放大。红外图像的透明度分为整体透明度与低温透明度,其中,整体透明度主要用于控制融合图像的红外部分,便于定位;低温透明度则主要用于突出红外高温,便于寻找故障点。
如图2所示,提供了图像自动融合的光路原理图,标准的焦距函数为:
其中,l为与目标的距离;i为像距;f为镜头的焦距。
如图3所示,提供了可见光焦平面的像素偏移图,从光路原理图中获得的图像融合的可见光图像像素偏移如下式:
其中,d为红外传感器和可见光传感器光轴之间的间距;p为可见光焦平面的像素偏差。当给定红外传感器和可见光传感器的距离d与固定的焦距,通过上述公式可以看出图像的偏移量与目标的距离有关,并呈一定的函数关系,因此,可以根据校准距离实现可见光图像与红外图像的全自动融合。
本实施例通过获取满足预设条件的红外图像和可见光图像,对红外图像和可见光图像进行预处理,以提取对应的特征信息,通过特征信息对预处理的红外图像和可见光图像进行同一目标的像素匹配,以获取融合系数,通过融合系数、透明度系数对红外图像和可见光图像进行融合,提高了图像自动融合的速度和融合精度,节约了系统的功耗,并且能够实现图像的全自动融合。
实施例二
如图4所示,本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中,步骤S102包括:
S1021、通过图像滤波处理方法、边缘检测处理方法、畸变矫正处理方法对所述可见光图像进行预处理,以获取所述预处理可见光图像和第一特征信息;其中,所述第一特征信息包括所述预处理可见光图像的细节信息和特征信息。在具体应用中,通过图像滤波处理方法、边缘检测处理方法、畸变矫正处理方法和/或其他图像处理方法对可见光图像进行预处理,以获取预处理可见光图像和第一特征信息;其中,第一特征信息包括但不限于预处理可见光图像的细节信息和特征信息。在一个实施例中,根据预处理可见光图像的特征信息和细节信息建立上述同一目标的特征点。
S1022、通过颜色分析方法、所述图像滤波处理方法、所述畸变矫正处理方法对所述红外图像进行预处理,以获取所述预处理红外图像和第二特征信息;其中,所述第二特征信息包括所述预处理红外图像的温度信息、细节信息和透明系数。
在具体应用中,通过颜色分析方法、图像滤波处理方法、畸变矫正处理方法和/或其他图像处理方法对红外图像进行预处理,以获取预处理红外图像和第二特征信息;其中,第二特征信息包括但不限于预处理红外图像的温度信息、细节信息和透明系数。在一个实施例中,可根据预处理红外图像的温度信息和细节信息建立上述同一目标的特征点。
本实施例通过对红外图像和可见光图像进行预处理,以获取对应的特征信息,简化了获取融合系数的操作,提高了图像融合的效率。
实施例三
如图5所示,本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中,步骤S103,包括:
S1031、根据所述第一特征信息和所述第二特征信息建立融合函数。
在具体应用中,根据第一特征信息和第二特征信息建立上述同一目标的特征点的融合函数。
S1032、通过所述融合函数匹配所述预处理红外图像和所述预处理可见光图像的同一目标的像素,以获取融合系数。
在具体应用中,通过融合函数匹配预处理红外图像和预处理可见光图像的同一目标的像素,以获取融合系数。具体的,通过靶标标定预处理红外图像和预处理可见光图像中的同一目标,并进行同一目标的像素匹配,以获取融合系数。
本实施例通过根据红外图像和可见光图像的特征信息实现对同一目标的像素匹配,以获取融合系数,提高了图像融合的准确度和精度。
实施例四
如图6所示,本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中,步骤S104,包括:
S1041、根据所述融合系数融合所述预处理红外图像和所述预处理可见光图像,获取预融合图像。
在具体应用中,根据融合系数融合预处理红外图像和预处理可见光图像,获取预融合图像,在本实施例中,预融合图像为“画中画”形式。
S1042、根据所述透明度系数校准所述预融合图像中预处理红外图像的透明度,以获取所述融合图像。
在具体应用中,将预处理红外图像转化为伪彩色图像,通过透明度系数调整预融合图像中红外图像的透明度,以获取融合图像。
在一个实施例中,步骤S1041,包括:
根据所述融合系数,以所述预处理红外图像为基准融合所述预处理可见光图像,以获取所述预融合图像。
在具体应用中,通过上述融合系数,以预处理红外图像为基准移动预处理可见光图像,使预处理红外图像与预处理可见光图像融合,获取预融合图像。
在一个实施例中,步骤S1042,包括:
转化所述预融合图像中的预处理红外图像为伪彩色图像;
根据所述透明度系数调整所述伪彩色图像,以获取所述融合图像。
在具体应用中,转化预融合图像中的预处理红外图像为伪彩色图像,根据预处理红外图像的透明度系数调整伪彩色图像的透明度,以获取融合图像。伪彩色(pseudo-color)图像的每个像素值实际上是一个索引值或代码,该代码值作为色彩查找表CLUT(Color Look-Up Table)中某一项的入口地址,根据该地址可查找出包含实际R、G、B的强度值,通过上述查找映射的方法产生的色彩称为伪彩色,生成的图像为伪彩色图像。
本实施例通过根据红外图像和可见光图像的特征信息实现对同一目标的像素匹配,以获取融合系数,并根据透明度系数调整融合图像的透明度,提高了目标定位和故障点查找的速度。
实施例五
如图7所示,本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中,步骤S104之后,包括:
S105、获取红外传感器与所述目标的距离。
在具体应用中,通过激光测距传感器获取红外传感器和/或可见光相机与目标的距离信号;其中,距离信号应尽可能与红外传感器处在同一z轴(以红外传感器的相面为原点的立体坐标,z轴表示同一高度)。在一个实施例中,可在获取目标图像(即实施例一中的步骤S101)之前执行上述步骤S105;或与实施例一中的步骤S101同时执行上述步骤S105。
S106、根据所述距离校准所述预融合图像,显示所述校准后的融合图像。
在具体应用中,根据距离信号校准预融合图像,获取校准后的融合图像并显示。
本实施例通过实时自动检测距离信号,并基于距离信号对融合图像进行自动校准,提高了图像融合的精度和稳定性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例六
如图8所示,本实施例提供一种图像自动融合装置100,用于执行实施例一中的方法步骤。本实施例提供的图像自动融合装置100,包括:
第一获取模块101,用于获取目标图像;其中,所述目标图像包括具有互不遮挡的同一目标的红外图像和可见光图像;
预处理模块102,用于对所述红外图像和可见光图像进行预处理,以获取预处理红外图像、预处理可见光图像和所述预处理红外图像的透明系数;
匹配模块103,用于对所述预处理红外图像和所述预处理可见光图像进行像素匹配,以获取融合系数;
融合模块104,用于根据所述融合系数和所述透明系数融合所述预处理红外图像和所述预处理可见光图像,以获取融合图像。
在一个实施例中,所述预处理模块102,包括:
第一获取单元1021,用于通过图像滤波处理方法、边缘检测处理方法、畸变矫正处理方法对所述可见光图像进行预处理,以获取所述预处理可见光图像和第一特征信息;其中,所述第一特征信息包括所述预处理可见光图像的细节信息和特征信息;
第二获取单元1022,用于通过颜色分析方法、所述图像滤波处理方法、所述畸变矫正处理方法对所述红外图像进行预处理,以获取所述预处理红外图像和第二特征信息;其中,所述第二特征信息包括所述预处理红外图像的温度信息、细节信息和透明系数。
在一个实施例中,所述匹配模块103,包括:
建立单元1031,用于根据所述第一特征信息和所述第二特征信息建立融合函数;
第三获取单元1032,用于通过所述融合函数匹配所述预处理红外图像和所述预处理可见光图像的同一目标的像素,以获取融合系数。
在一个实施例中,所述融合模块104,包括:
第四获取单元1041,用于根据所述融合系数融合所述预处理红外图像和所述预处理可见光图像,获取预融合图像;
第五获取单元1042,用于根据所述透明度系数校准所述预融合图像中预处理红外图像的透明度,以获取所述融合图像。
在一个实施例中,所述第四获取单元1041,包括:
第一获取子单元,用于根据所述融合系数,以所述预处理红外图像为基准融合所述预处理可见光图像,以获取所述预融合图像。
在一个实施例中,所述第五获取单元1042,包括:
转化子单元,用于转化所述预融合图像中的预处理红外图像为伪彩色图像;
第二获取子单元,用于根据所述透明度系数调整所述伪彩色图像,以获取所述融合图像。
在一个实施例中,所述装置100,还包括:
第二获取模块105,用于获取红外传感器与所述目标的距离;
显示模块106,用于根据所述距离校准所述预融合图像,显示所述校准后的融合图像。
本实施例通过获取满足预设条件的红外图像和可见光图像,对红外图像和可见光图像进行预处理,以提取对应的特征信息,通过特征信息对预处理的红外图像和可见光图像进行同一目标的像素匹配,以获取融合系数,通过融合系数、透明度系数对红外图像和可见光图像进行融合,提高了图像自动融合的速度和融合精度,节约了系统的功耗,并且能够实现图像的全自动融合。
实施例七
图9是本发明一实施例提供的终端设备的示意图。如图9所示,该实施例的终端设备9包括:处理器90、存储器91以及存储在所述存储器91中并可在所述处理器90上运行的计算机程序92,例如图像自动融合程序。所述处理器90执行所述计算机程序92时实现上述各个图像自动融合方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,所述处理器90执行所述计算机程序92时实现上述各装置实施例中各模块/单元的功能,例如图8所示模块101至104的功能。
示例性的,所述计算机程序92可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器91中,并由所述处理器90执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序92在所述终端设备9中的执行过程。例如,所述计算机程序92可以被分割成第一获取模块、预处理模块、匹配模块和融合模块,各模块具体功能如下:
第一获取模块,用于获取目标图像;其中,所述目标图像包括具有互不遮挡的同一目标的红外图像和可见光图像;
预处理模块,用于对所述红外图像和可见光图像进行预处理,以获取预处理红外图像、预处理可见光图像和所述预处理红外图像的透明系数;
匹配模块,用于对所述预处理红外图像和所述预处理可见光图像进行像素匹配,以获取融合系数;
融合模块,用于根据所述融合系数和所述透明系数融合所述预处理红外图像和所述预处理可见光图像,以获取融合图像。
所述终端设备9可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器90、存储器91。本领域技术人员可以理解,图9仅仅是终端设备9的示例,并不构成对终端设备9的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器90可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器91可以是所述终端设备9的内部存储单元,例如终端设备9的硬盘或内存。所述存储器91也可以是所述终端设备9的外部存储设备,例如所述终端设备9上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字卡(Secure Digital,SD),闪存卡(Flash Card)等。进一步地,所述存储器91还可以既包括所述终端设备9的内部存储单元也包括外部存储设备。所述存储器91用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (9)
1.一种图像自动融合方法,其特征在于,包括:
获取目标图像;其中,所述目标图像包括具有互不遮挡的同一目标的红外图像和可见光图像;
对所述红外图像和可见光图像进行预处理,以获取预处理红外图像、预处理可见光图像和所述预处理红外图像的透明度系数;
对所述预处理红外图像和所述预处理可见光图像进行像素匹配,以获取融合系数;
根据所述融合系数和所述透明度系数融合所述预处理红外图像和所述预处理可见光图像,以获取融合图像;
获取红外传感器与所述目标的距离;
根据所述距离校准所述融合图像,显示校准后的所述融合图像。
2.如权利要求1所述的图像自动融合方法,其特征在于,所述对所述红外图像和可见光图像进行预处理,以获取预处理红外图像、预处理可见光图像和所述预处理红外图像的透明度系数,包括:
通过图像滤波处理方法、边缘检测处理方法、畸变矫正处理方法对所述可见光图像进行预处理,以获取所述预处理可见光图像和第一特征信息;其中,所述第一特征信息包括所述预处理可见光图像的细节信息和特征信息;
通过颜色分析方法、所述图像滤波处理方法、所述畸变矫正处理方法对所述红外图像进行预处理,以获取所述预处理红外图像和第二特征信息;其中,所述第二特征信息包括所述预处理红外图像的温度信息、细节信息和透明度系数。
3.如权利要求2所述的图像自动融合方法,其特征在于,所述对所述预处理红外图像和所述预处理可见光图像进行像素匹配,以获取融合系数,包括:
根据所述第一特征信息和所述第二特征信息建立融合函数;
通过所述融合函数匹配所述预处理红外图像和所述预处理可见光图像的同一目标的像素,以获取融合系数。
4.如权利要求1所述的图像自动融合方法,其特征在于,所述根据所述融合系数和所述透明度系数融合所述预处理红外图像和所述预处理可见光图像,以获取融合图像,包括:
根据所述融合系数融合所述预处理红外图像和所述预处理可见光图像,获取预融合图像;
根据所述透明度系数校准所述预融合图像中预处理红外图像的透明度,以获取所述融合图像。
5.如权利要求4所述的图像自动融合方法,其特征在于,所述根据所述融合系数融合所述预处理红外图像和所述预处理可见光图像,获取预融合图像,包括:
根据所述融合系数,以所述预处理红外图像为基准融合所述预处理可见光图像,以获取所述预融合图像。
6.如权利要求4所述的图像自动融合方法,其特征在于,所述根据所述透明度系数校准所述预融合图像中预处理红外图像的透明度,以获取所述融合图像,包括:
转化所述预融合图像中的预处理红外图像为伪彩色图像;
根据所述透明度系数调整所述伪彩色图像,以获取所述融合图像。
7.一种图像自动融合装置,其特征在于,包括:
第一获取模块,用于获取目标图像;其中,所述目标图像包括具有互不遮挡的同一目标的红外图像和可见光图像;
预处理模块,用于对所述红外图像和可见光图像进行预处理,以获取预处理红外图像、预处理可见光图像和所述预处理红外图像的透明度系数;
匹配模块,用于对所述预处理红外图像和所述预处理可见光图像进行像素匹配,以获取融合系数;
融合模块,用于根据所述融合系数和所述透明度系数融合所述预处理红外图像和所述预处理可见光图像,以获取融合图像;
第二获取模块,用于获取红外传感器与所述目标的距离;
显示模块,用于根据所述距离校准所述融合图像,显示校准后的所述融合图像。
8.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811641606.8A CN109978926B (zh) | 2018-12-29 | 2018-12-29 | 一种图像自动融合方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811641606.8A CN109978926B (zh) | 2018-12-29 | 2018-12-29 | 一种图像自动融合方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109978926A CN109978926A (zh) | 2019-07-05 |
CN109978926B true CN109978926B (zh) | 2021-05-25 |
Family
ID=67076459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811641606.8A Active CN109978926B (zh) | 2018-12-29 | 2018-12-29 | 一种图像自动融合方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109978926B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111179334B (zh) * | 2019-11-14 | 2024-03-19 | 青岛理工大学 | 基于多传感融合的海面小面积溢油区域检测系统及检测方法 |
CN114078102A (zh) * | 2020-08-11 | 2022-02-22 | 北京芯海视界三维科技有限公司 | 图像处理装置和虚拟现实设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727665A (zh) * | 2008-10-27 | 2010-06-09 | 广州飒特电力红外技术有限公司 | 红外图像和可见光图像融合的方法及装置 |
CN102789640A (zh) * | 2012-07-16 | 2012-11-21 | 中国科学院自动化研究所 | 一种将可见光全色图像与红外遥感图像进行融合的方法 |
CN104504670A (zh) * | 2014-12-11 | 2015-04-08 | 上海理工大学 | 多尺度梯度域图像融合算法 |
CN105989585A (zh) * | 2015-03-05 | 2016-10-05 | 深圳市朗驰欣创科技有限公司 | 一种红外图像与可见光图像融合的方法及系统 |
CN106548467A (zh) * | 2016-10-31 | 2017-03-29 | 广州飒特红外股份有限公司 | 红外图像和可见光图像融合的方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9635285B2 (en) * | 2009-03-02 | 2017-04-25 | Flir Systems, Inc. | Infrared imaging enhancement with fusion |
US9692991B2 (en) * | 2011-11-04 | 2017-06-27 | Qualcomm Incorporated | Multispectral imaging system |
CN108694709B (zh) * | 2017-04-12 | 2021-06-29 | 深圳市朗驰欣创科技股份有限公司 | 一种图像融合方法及装置 |
CN107392848A (zh) * | 2017-06-14 | 2017-11-24 | 江西科技师范大学 | 全景图像显示方法和装置 |
-
2018
- 2018-12-29 CN CN201811641606.8A patent/CN109978926B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727665A (zh) * | 2008-10-27 | 2010-06-09 | 广州飒特电力红外技术有限公司 | 红外图像和可见光图像融合的方法及装置 |
CN102789640A (zh) * | 2012-07-16 | 2012-11-21 | 中国科学院自动化研究所 | 一种将可见光全色图像与红外遥感图像进行融合的方法 |
CN104504670A (zh) * | 2014-12-11 | 2015-04-08 | 上海理工大学 | 多尺度梯度域图像融合算法 |
CN105989585A (zh) * | 2015-03-05 | 2016-10-05 | 深圳市朗驰欣创科技有限公司 | 一种红外图像与可见光图像融合的方法及系统 |
CN106548467A (zh) * | 2016-10-31 | 2017-03-29 | 广州飒特红外股份有限公司 | 红外图像和可见光图像融合的方法及装置 |
Non-Patent Citations (2)
Title |
---|
基于OpenCV的换流阀终端图像采集及融合技术研究;李旭升 等;《电子测量技术》;20181015;第41卷(第19期);第84-88页 * |
红外辐射监测及其图像融合技术;孙敏;《科技风》;20150430;第93-94页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109978926A (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111354042B (zh) | 机器人视觉图像的特征提取方法、装置、机器人及介质 | |
JP2017520050A (ja) | 局所的適応ヒストグラム平坦化 | |
US20110228052A1 (en) | Three-dimensional measurement apparatus and method | |
WO2020124316A1 (en) | Image processing method and apparatus | |
Nixon et al. | Accurate device-independent colorimetric measurements using smartphones | |
CN112614085A (zh) | 一种物体检测方法、装置及终端设备 | |
CN109672871B (zh) | 白平衡信息同步方法、装置及计算机可读介质 | |
CN108965835B (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
CN109978926B (zh) | 一种图像自动融合方法、装置及终端设备 | |
CN110619807B (zh) | 生成全局热力图的方法和装置 | |
CN108304562B (zh) | 一种搜题方法、搜题装置及智能终端 | |
US20240020883A1 (en) | Method, apparatus, and device for determining spectral reflection | |
CN110969666A (zh) | 双目相机深度标定方法、装置、系统和存储介质 | |
CN111860042A (zh) | 仪表读数的方法和装置 | |
CN104677911B (zh) | 用于机器视觉检验的检验设备和方法 | |
CN113050022B (zh) | 一种基于旋转天线的图像定位方法、装置及终端设备 | |
CN114485953A (zh) | 温度测量方法、装置及系统 | |
CN107734324B (zh) | 一种闪光灯照度均匀性的测量方法、系统及终端设备 | |
CN112102378A (zh) | 图像配准方法、装置、终端设备及计算机可读存储介质 | |
CN111336938A (zh) | 一种机器人及其物体距离检测方法和装置 | |
CN111815552A (zh) | 一种工件检测方法、装置、可读存储介质及终端设备 | |
CN112200842B (zh) | 一种图像配准方法、装置、终端设备及存储介质 | |
CN109300091A (zh) | 辐射亮度校正方法及装置 | |
CN110874814A (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
CN112241697B (zh) | 角点颜色判定方法、装置、终端设备及可读存储介质 |
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 |