CN110232694B - 一种红外偏振热像阈值分割方法 - Google Patents

一种红外偏振热像阈值分割方法 Download PDF

Info

Publication number
CN110232694B
CN110232694B CN201910508084.2A CN201910508084A CN110232694B CN 110232694 B CN110232694 B CN 110232694B CN 201910508084 A CN201910508084 A CN 201910508084A CN 110232694 B CN110232694 B CN 110232694B
Authority
CN
China
Prior art keywords
polarization
images
image
segmentation
degree
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
Application number
CN201910508084.2A
Other languages
English (en)
Other versions
CN110232694A (zh
Inventor
汪方斌
孙凡
朱达荣
刘涛
李昂
冯康康
王雪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Jianzhu University
Original Assignee
Anhui Jianzhu University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Jianzhu University filed Critical Anhui Jianzhu University
Priority to CN201910508084.2A priority Critical patent/CN110232694B/zh
Publication of CN110232694A publication Critical patent/CN110232694A/zh
Application granted granted Critical
Publication of CN110232694B publication Critical patent/CN110232694B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明公开了一种红外偏振热像阈值分割方法，包括以下步骤：三通道红外偏振相机获取偏振方位角为0°、60°、120°的热红外光强图像；对偏振方位角为0°、60°、120°的热红外光强图像进行配准，使三幅图像相同目标位于相同位置；对三幅配准后的热红外光强图像进行基于三通道红外偏振图像Tsallis熵阈值分割模型的粗分割；对三幅粗分割后的图像进行连通域检测去除部分误分割区域；通过区域生长方法将三幅分割后的图像进行融合得到最终的分割结果。本发明针对三通道热红外偏振成像的特点，建立起的同一目标不同偏振方位角热红外光强图像同时分割的Tsallis熵阈值分割模型，具有更高的分割准确率。

Description

一种红外偏振热像阈值分割方法
技术领域
本发明涉及热红外图像处理技术领域，尤其涉及一种红外偏振热像阈值分割方法。
背景技术
已有实验表明，由于物体反射和电磁辐射的过程中都会产生由其自身性质决定的偏振特性，不同物体或同一物体的不同状态(如粗糙度、含水量、材料理化特征等)在热红外波段往往具有不同的偏振状态，利用目标表面辐射或反射偏振信息的热红外偏振成像技术，可以综合获得目标的强度、偏振和图像等多维特征信息，有效提高目标与背景的对比度，突出目标的细节特征，增强目标识别效果，更全面、深入地了解目标的属性和行为。
图像分割是图像处理中的重要一环，准确分割是后续目标识别、状态检测的前提。金属试件的偏振特性由其材料属性、纹理结构、表面粗糙度等自身性质决定，偏振信息能反映金属试件目标自身信息，热红外偏振成像在人工金属试件目标探测识别方面具有明显优势。利用不同物体或同一物体的不同状态均具有热红外偏振差异这一特性，可将热红外偏振信息作为金属试件疲劳损伤状态的判断。将工业背景下金属试件的热红外偏振图像中目标分割出来，进而检测目标的热红外偏振特性变化，可有效监测试件的疲劳损伤状态。
图像分割领域的传统方法有阈值分割方法；边缘检测方法；区域提取方法以及基于特定理论的分割方法。其中在红外光强图像中应用较为广泛的有模糊聚类方法、Tsallis熵阈值分割方法。Tsallis熵是描述非广延热力统计理论的非广延熵，它继承了经典的玻尔兹曼熵除广延性外的所有性质。Tsallis熵中的唯一参数q(q＞0,q≠1)决定了系统的非广延程度，非广延性反映在当系统由2个独立的子系统A和B组成时，系统的熵sq(A+B)满足的赝品可加性。它能够描述具有长相关、长时间记忆和分形结构的物理过程。图像可视为由目标类和背景类组成的信息系统，因此可将这种特性应用到图像分割的阈值选择过程中。利用Tsallis熵的非广延性，进一步考虑目标类和背景类概率分布之间的相互关系，提高了分割的准确性。
Tsallis熵应用于图像分割阈值选择中，通过最大化目标类和背景类之间的信息熵选取分割阈值t。假设具有L个灰度级的原始图像M，总像素个数为N，ni为图像灰度级i的像素个数，各个灰度级的概率分布近似为{p1,p2,...pL}，则根据概率论知识，
Figure GDA0003124097560000021
如果以灰度级t为阈值将图像分为目标A和背景B两大类，则目标和背景的Tsallis熵分别为：
Figure GDA0003124097560000022
其中
Figure GDA0003124097560000023
Tsallis熵Sq(t)是一个依赖阈值t的函数，根据(1)式，图像总的Tsallis熵为：
Figure GDA0003124097560000024
寻找最优阈值的过程就是最大化Tsallis熵的过程，基于Tsallis熵阈值分割的准则函数即：
t*＝argmax[Sq(t)] (3)
目标物体的偏振信息是判断目标状态变化的依据，偏振信息的描述及常用表示方法有琼斯矢量法、Stokes矢量法以及邦加球图示法。通常使用的斯托克斯矢量由I、Q、U、V四个参量构成，因为圆偏振成分很少，所以假设V＝0。式(4)为I、Q、U的具体表达式，式(5)是偏振度D的计算方式。
Figure GDA0003124097560000025
Figure GDA0003124097560000026
I(0°)、I(60°)和I(120°)分别表示偏振方位角为0°、60°和120°拍摄到的图像。I、Q、U分别是计算中间量，D是最后计算得到的偏振度图像。
热红外偏振成像中光强图像具有的噪音大、图像模糊、边缘不清晰等特点，使对热红外偏振图像进行精准分割成为这一领域的难题。针对不同的问题，目前图像分割领域仍没有统一有效的分割方法。Tsallis熵法由于其所具有非广延性使其在红外光强图像分割中已得到有效应用，但传统的Tsallis熵法分割效果依赖于其中参数q的选择，而目前参数q的选取依赖于人工经验选择，相比其他分割方法这是Tsallis熵法的缺点。红外偏振成像一般采用三通道红外相机采取不同偏振方位角的三幅偏振图像，而传统Tsallis熵法只针对单幅图像进行分割，这就造成了其余两幅红外图像信息冗余。
发明内容
基于背景技术存在的技术问题，本发明提出了一种红外偏振热像阈值分割方法，本发明利用三幅热红外光强图像的冗余性和互补性，采用Tsallis熵法对同一目标的三幅图像进行整体分割，可提高目标分割的准确性，同时可实现对Tsallis熵法中参数q的算法选取。
本发明采用的技术方案是：
一种红外偏振热像阈值分割方法，其特征在于包括以下步骤：
(1)三通道红外偏振相机获取偏振方位角为0°、60°、120°的热红外光强图像；
(2)对偏振方位角为0°、60°、120°的热红外光强图像进行配准，使三幅图像相同目标位于相同位置；
(3)对三幅配准后的热红外光强图像进行基于三通道红外偏振热像Tsallis熵阈值分割模型的粗分割；其中三通道红外偏振热像Tsallis熵阈值分割模型的粗分割是指：先采用传统的Tsallis熵阈值分割模型对0°、60°、120°偏振方位角热红外图像进行分割，利用物体的三幅偏振方位角图像的冗余性和互补性，建立三通道热红外偏振方位角图像Tsallis熵阈值分割误差函数，基于热红外图像Tsallis熵阈值分割误差函数最小时对应的参数，对0°、60°、120°偏振方位角热红外图像进行分割，最终得到三幅偏振角热红外图像的粗分割图像；
(4)对三幅粗分割后的图像进行连通域检测去除部分误分割区域；
(5)通过区域生长方法将三幅分割后的图像进行融合得到最终的分割结果。
所述的一种红外偏振热像阈值分割方法，其特征在于：步骤(1)使用PolarCamera-IR-640型红外偏振相机拍摄物体的红外偏振热像，PolarCamera-IR-640型红外偏振相机由三通道镜头构成，分别为0°偏振方位角镜头、60°偏振方位角镜头和120°偏振方位角镜头。因而通过该红外偏振相机可获取目标三幅不同偏振方位角信息的热红外光强图像。
所述的一种红外偏振热像阈值分割方法，其特征在于：步骤(2)偏振信息的获取需要基于三幅偏振方位角图像中同一位置像素点像素值计算得到，由于PolarCamera-IR-640型红外偏振相机三通道镜头处在不同位置，会造成物体在三幅偏振方位角图像中出现位置的偏移，因此采用图像配准的KAZE算法对获取三幅偏振方位角图像进行配准，使三幅偏振方位角图像中物体均处于相同位置。
所述的一种红外偏振热像阈值分割方法，其特征在于：步骤(3)针对传统红外图像Tsallis熵法参数q一般选取范围为(0,1)，q是Tsallis熵中描述系统非广延性的参数，基于此针对单幅0°偏振方位角热红外图像参数q选取范围为(0,1)，在此范围内针对不同q∈(0,1)进行系列分割，在(0,1)范围内对q进行10等分，选取qi,qi为q的具体取值，i为下标，其中q1＝0.1，q2＝0.2，...，q9＝0.9，得到不同qi下的分割图像；同理，针对60°偏振方位角热红外图像、120°偏振方位角热红外图像采取相同方式进行分割；利用物体的三幅偏振方位角图像的冗余性和互补性，建立三通道热红外偏振方位角图像Tsallis熵阈值分割误差函数：
Figure GDA0003124097560000041
其中：
Figure GDA0003124097560000042
Figure GDA0003124097560000043
Figure GDA0003124097560000044
为0°偏振方位角图像在参数为qi的Tsallis熵法分割后的二值化图像，h、w为图像的高、宽；同理，
Figure GDA0003124097560000045
为60°偏振方位角图像在参数为qj的Tsallis熵法分割后的二值化图像，
Figure GDA0003124097560000046
为120°偏振方位角图像在参数为qk的Tsallis熵法分割后的二值化图像；intersection为三幅经Tsallis熵法分割后的二值化图像间的交集部分，是共同检测出的区域；union为三幅经Tsallis熵法分割后的二值化图像间的并集部分，是三幅图像整体检测出的区域；
Figure GDA0003124097560000051
Figure GDA0003124097560000052
分别为0°、60°、120°偏振方位角热红外图像Tsallis熵阈值分割误差函数最小时对应的参数q(
Figure GDA0003124097560000053
中下标i,j,k用于区分0°、60°、120°不同偏振方位角热红外图像)；使用参数
Figure GDA0003124097560000054
对0°、60°、120°偏振方位角热红外图像进行Tsallis熵阈值分割，得到三幅偏振角热红外图像的粗分割图像。
所述的一种红外偏振热像阈值分割方法，其特征在于：步骤(4)由于三幅粗分割结果图中仍存在部分误分割区域，对粗分割结果图进行连通域检测，计算粗分割结果图中每一块分割区域面积，保存图像中的面积最大的两块区域，如果最大区域与次最大区域面积百分比相差小于0.005取两区域，否则取最大区域，去除粗分割中的部分误分割区域得到二次分割图。
所述的一种红外偏振热像阈值分割方法，其特征在于：步骤(5)将三幅二次分割图的交集区域作为种子区域，并集区域作为边界，以描述偏振信息的斯托克斯矢量参数I构成的图像的灰度值均匀性为准则进行区域生长，融合三幅二次分割图像得到最终分割图；斯托克斯矢量参数I构成的图像是三幅方位角图像光强的叠加，具有较好的灰度均匀性，计算斯托克斯矢量参数I构成的图像中种子区域灰度均值以及灰度标准差σ，将生长区域灰度值与种子区域灰度均值之差小于标准差的像素点并入种子区域，得到最终分割图像。
本发明的原理是：
红外偏振信息的获取一般通过分时或分通道红外相机拍摄同一目标的不同偏振方位角红外图像，利用多幅偏振方位角图像经过斯托克斯矢量计算得到相关偏振信息。针对红外偏振图像主要通过三通道红外相机获取的特点，可利用红外偏振图像在各个偏振角度下的冗余性和互补性，建立同一目标不同偏振角热红外图像同时分割的Tsallis熵阈值分割模型。利用同一目标不同偏振角的热红外图像各自分割后各个图像间的交集与补集建立多通道Tsallis熵阈值分割模型的误差函数，通过最小化误差函数，选取不同偏振角红外图像各自的Tsallis熵阈值分割参数q，实现对同一目标整体的最优分割。
本发明的有益效果在于：
本发明针对三通道热红外偏振成像的特点，建立起的同一目标不同偏振方位角热红外光强图像同时分割的Tsallis熵阈值分割模型，具有更高的分割准确率。
附图说明
图1为本发明的流程图。
图2(a)是配准后的0°偏振方位角疲劳试件热红外光强图。
图2(b)是配准后的60°偏振方位角疲劳试件热红外光强图。
图2(c)是配准后的120°偏振方位角疲劳试件热红外光强图。
图3(a)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的0°偏振方位角疲劳试件图像。
图3(b)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的60°偏振方位角疲劳试件图像。
图3(c)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的120°偏振方位角疲劳试件图像。
图4(a)是经连通域检测去除部分误分割区域的0°偏振方位角疲劳试件图像。
图4(b)是经连通域检测去除部分误分割区域的60°偏振方位角疲劳试件图像。
图4(c)是经连通域检测去除部分误分割区域的120°偏振方位角疲劳试件图像。
图5是经区域生长法融合三幅分割图像后的最终分割结果。
图6(a)是配准后的0°偏振方位角单块试件热红外光强图。
图6(b)是配准后的60°偏振方位角单块试件热红外光强图。
图6(c)是配准后的120°偏振方位角单块试件热红外光强图。
图7(a)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的0°偏振方位角单块试件图像。
图7(b)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的60°偏振方位角单块试件图像。
图7(c)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的120°偏振方位角单块试件图像。
图8(a)是经连通域检测去除部分误分割区域的0°偏振方位角单块试件图像。
图8(b)是经连通域检测去除部分误分割区域的60°偏振方位角单块试件图像。
图8(c)是经连通域检测去除部分误分割区域的120°偏振方位角单块试件图像。
图9是经区域生长法融合三幅分割图像后的最终分割结果。
图10(a)是配准后的0°偏振方位角两块试件热红外光强图。
图10(b)是配准后的60°偏振方位角两块试件热红外光强图。
图10(c)是配准后的120°偏振方位角两块试件热红外光强图。
图11(a)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的0°偏振方位角两块试件图像。
图11(b)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的60°偏振方位角两块试件图像。
图11(c)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的120°偏振方位角两块试件图像。
图12(a)是经连通域检测去除部分误分割区域的0°偏振方位角两块试件图像。
图12(b)是经连通域检测去除部分误分割区域的60°偏振方位角两块试件图像。
图12(c)是经连通域检测去除部分误分割区域的120°偏振方位角两块试件图像。
图13是经区域生长法融合三幅分割图像后的最终分割结果。
图14是已有技术与本发明技术对比，疲劳试件经最大类间方差法分割结果，(a)0°偏振方位角，(b)60°偏振方位角，(c)120°偏振方位角。
图15是已有技术与本发明技术对比，疲劳试件经模糊聚类法分割结果，(a)0°偏振方位角，(b)60°偏振方位角，(c)120°偏振方位角。
图16是已有技术与本发明技术对比，单块金属试件经最大类间方差法分割结果，(a)0°偏振方位角，(b)60°偏振方位角，(c)120°偏振方位角。
图17是已有技术与本发明技术对比，单块金属试件经模糊聚类法分割结果，(a)0°偏振方位角，(b)60°偏振方位角，(c)120°偏振方位角。
图18是已有技术与本发明技术对比，两块金属试件经最大类间方差法分割结果，(a)0°偏振方位角，(b)60°偏振方位角，(c)120°偏振方位角。
图19是已有技术与本发明技术对比，两块金属试件经模糊聚类法分割结果，(a)0°偏振方位角，(b)60°偏振方位角，(c)120°偏振方位角。
具体实施方式
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、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
实施例
如图1所示，一种红外偏振热像阈值分割方法，包括以下步骤：
(1)三通道红外偏振相机获取偏振方位角为0°、60°、120°的热红外光强图像；
(2)对偏振方位角为0°、60°、120°的热红外光强图像进行配准，使三幅图像相同目标位于相同位置；
(3)对三幅配准后的热红外光强图像进行基于三通道红外偏振热像Tsallis熵阈值分割模型的粗分割；其中三通道红外偏振热像Tsallis熵阈值分割模型的粗分割是指：对0°、60°、120°偏振方位角热红外图像进行分割，利用物体的三幅偏振方位角图像的冗余性和互补性，建立三通道热红外偏振方位角图像Tsallis熵阈值分割误差函数，最终得到三幅偏振角热红外图像的粗分割图像；
(4)对三幅粗分割后的图像进行连通域检测去除部分误分割区域；
(5)通过区域生长方法将三幅分割后的图像进行融合得到最终的分割结果。
步骤(1)使用PolarCamera-IR-640型红外偏振相机拍摄物体的红外偏振热像，PolarCamera-IR-640型红外偏振相机由三通道镜头构成，分别为0°偏振方位角镜头、60°偏振方位角镜头和120°偏振方位角镜头。
步骤(2)偏振信息的获取需要基于三幅偏振方位角图像中同一位置像素点像素值计算得到，由于PolarCamera-IR-640型红外偏振相机三通道镜头处在不同位置，会造成物体在三幅偏振方位角图像中出现位置的偏移，因此采用图像配准的KAZE算法对获取三幅偏振方位角图像进行配准，使三幅偏振方位角图像中物体均处于相同位置。
步骤(3)针对传统红外图像Tsallis熵法参数q一般选取范围为(0,1)，q是Tsallis熵中描述系统非广延性的参数，基于此针对单幅0°偏振方位角热红外图像参数q选取范围为(0,1)，在此范围内针对不同q∈(0,1)进行系列分割，在(0,1)范围内对q进行10等分，选取qi,qi为q的具体取值，i为下标，其中q1＝0.1，q2＝0.2，...，q9＝0.9，得到不同qi下的分割图像；同理，针对60°偏振方位角热红外图像、120°偏振方位角热红外图像采取相同方式进行分割；利用物体的三幅偏振方位角图像的冗余性和互补性，建立三通道热红外偏振方位角图像Tsallis熵阈值分割误差函数：
Figure GDA0003124097560000091
其中：
Figure GDA0003124097560000092
Figure GDA0003124097560000093
Figure GDA0003124097560000094
为0°偏振方位角图像在参数为qi的Tsallis熵法分割后的二值化图像，h、w为图像的高、宽；同理，
Figure GDA0003124097560000095
为60°偏振方位角图像在参数为qj的Tsallis熵法分割后的二值化图像，
Figure GDA0003124097560000096
为120°偏振方位角图像在参数为qk的Tsallis熵法分割后的二值化图像；intersection为三幅经Tsallis熵法分割后的二值化图像间的交集部分，是共同检测出的区域；union为三幅经Tsallis熵法分割后的二值化图像间的并集部分，是三幅图像整体检测出的区域；
Figure GDA0003124097560000101
Figure GDA0003124097560000102
分别为0°、60°、120°偏振方位角热红外图像Tsallis熵阈值分割误差函数最小时对应的参数q(
Figure GDA0003124097560000103
中下标i,j,k用于区分0°、60°、120°不同偏振方位角热红外图像)；使用参数
Figure GDA0003124097560000104
对0°、60°、120°偏振方位角热红外图像进行Tsallis熵阈值分割，得到三幅偏振角热红外图像的粗分割图像。
步骤(4)由于三幅粗分割结果图中仍存在部分误分割区域，对粗分割结果图进行连通域检测，计算粗分割结果图中每一块分割区域面积，保存图像中的面积最大的两块区域，如果最大区域与次最大区域面积百分比相差小于0.005取两区域，否则取最大区域，去除粗分割中的部分误分割区域得到二次分割图。
步骤(5)将三幅二次分割图的交集区域作为种子区域，并集区域作为边界，以描述偏振信息的斯托克斯矢量参数I构成的图像的灰度值均匀性为准则进行区域生长，融合三幅二次分割图像得到最终分割图；斯托克斯矢量参数I构成的图像是三幅方位角图像光强的叠加，具有较好的灰度均匀性，计算斯托克斯矢量参数I构成的图像中种子区域灰度均值以及灰度标准差σ，将生长区域灰度值与种子区域灰度均值之差小于标准差的像素点并入种子区域，得到最终分割图像。
为验证本发明有效性，实施例中选取三组场景图像，以及与其他两种分割方法(最大类间方差阈值分割法、模糊聚类分割法)进行分割比较。图2、图6、图10分别为三组场景原始图像疲劳试件图像、单块金属试件图像、两块金属试件图像。图14、图16、图18是作为比较的最大类间方差法针对三组场景图像分割的结果。图15、图17、图19是作为比较的模糊聚类法针对三组场景图像分割的结果。图5、图9、图13是本发明所提出方法针对三组场景图像分割的结果。通过分割结果的比较能显著看出在实施例中本发明方法的较优效果。
图2(a)是配准后的0°偏振方位角疲劳试件热红外光强图。
图2(b)是配准后的60°偏振方位角疲劳试件热红外光强图。
图2(c)是配准后的120°偏振方位角疲劳试件热红外光强图。
图3(a)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的0°偏振方位角疲劳试件图像。
图3(b)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的60°偏振方位角疲劳试件图像。
图3(c)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的120°偏振方位角疲劳试件图像。
图4(a)是经连通域检测去除部分误分割区域的0°偏振方位角疲劳试件图像。
图4(b)是经连通域检测去除部分误分割区域的60°偏振方位角疲劳试件图像。
图4(c)是经连通域检测去除部分误分割区域的120°偏振方位角疲劳试件图像。
图5是经区域生长法融合三幅分割图像后的最终分割结果。
图6(a)是配准后的0°偏振方位角单块试件热红外光强图。
图6(b)是配准后的60°偏振方位角单块试件热红外光强图。
图6(c)是配准后的120°偏振方位角单块试件热红外光强图。
图7(a)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的0°偏振方位角单块试件图像。
图7(b)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的60°偏振方位角单块试件图像。
图7(c)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的120°偏振方位角单块试件图像。
图8(a)是经连通域检测去除部分误分割区域的0°偏振方位角单块试件图像。
图8(b)是经连通域检测去除部分误分割区域的60°偏振方位角单块试件图像。
图8(c)是经连通域检测去除部分误分割区域的120°偏振方位角单块试件图像。
图9是经区域生长法融合三幅分割图像后的最终分割结果。
图10(a)是配准后的0°偏振方位角两块试件热红外光强图。
图10(b)是配准后的60°偏振方位角两块试件热红外光强图。
图10(c)是配准后的120°偏振方位角两块试件热红外光强图。
图11(a)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的0°偏振方位角两块试件图像。
图11(b)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的60°偏振方位角两块试件图像。
图11(c)是基于三通道红外偏振热像Tsallis熵阈值分割模型分割后的120°偏振方位角两块试件图像。
图12(a)是经连通域检测去除部分误分割区域的0°偏振方位角两块试件图像。
图12(b)是经连通域检测去除部分误分割区域的60°偏振方位角两块试件图像。
图12(c)是经连通域检测去除部分误分割区域的120°偏振方位角两块试件图像。
图13是经区域生长法融合三幅分割图像后的最终分割结果。
图14是已有技术与本发明技术对比，疲劳试件经最大类间方差法分割结果，(a)0°偏振方位角，(b)60°偏振方位角，(c)120°偏振方位角。
图15是已有技术与本发明技术对比，疲劳试件经模糊聚类法分割结果，(a)0°偏振方位角，(b)60°偏振方位角，(c)120°偏振方位角。
图16是已有技术与本发明技术对比，单块金属试件经最大类间方差法分割结果，(a)0°偏振方位角，(b)60°偏振方位角，(c)120°偏振方位角。
图17是已有技术与本发明技术对比，单块金属试件经模糊聚类法分割结果，(a)0°偏振方位角，(b)60°偏振方位角，(c)120°偏振方位角。
图18是已有技术与本发明技术对比，两块金属试件经最大类间方差法分割结果，(a)0°偏振方位角，(b)60°偏振方位角，(c)120°偏振方位角。
图19是已有技术与本发明技术对比，两块金属试件经模糊聚类法分割结果，(a)0°偏振方位角，(b)60°偏振方位角，(c)120°偏振方位角。
工业无损检测中利用金属试件的热红外偏振特性可检测试件的损伤状态，针对这一背景，将复杂背景环境下的疲劳试件分割出来，以便进行后续的目标状态检测。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种红外偏振热像阈值分割方法，其特征在于包括以下步骤：
(1)三通道红外偏振相机获取偏振方位角为0°、60°、120°的热红外光强图像；
(2)对偏振方位角为0°、60°、120°的热红外光强图像进行配准，使三幅图像相同目标位于相同位置；
(3)对三幅配准后的热红外光强图像进行基于三通道红外偏振热像Tsallis熵阈值分割模型的粗分割；其中三通道红外偏振热像Tsallis熵阈值分割模型的粗分割是指：先采用传统的Tsallis熵阈值分割模型对0°、60°、120°偏振方位角热红外图像进行分割，利用物体的三幅偏振方位角图像的冗余性和互补性，建立三通道热红外偏振方位角图像Tsallis熵阈值分割误差函数，基于热红外图像Tsallis熵阈值分割误差函数最小时对应的参数，对0°、60°、120°偏振方位角热红外图像进行分割，最终得到三幅偏振角热红外图像的粗分割图像；
(4)对三幅粗分割后的图像进行连通域检测去除部分误分割区域；
(5)通过区域生长方法将三幅分割后的图像进行融合得到最终的分割结果；
步骤(4)由于三幅粗分割结果图中仍存在部分误分割区域，对粗分割结果图进行连通域检测，计算粗分割结果图中每一块分割区域面积，保存图像中的面积最大的两块区域，如果最大区域与次最大区域面积百分比相差小于0.005取两区域，否则取最大区域，去除粗分割中的部分误分割区域得到二次分割图；
步骤(5)将三幅二次分割图的交集区域作为种子区域，并集区域作为边界，以描述偏振信息的斯托克斯矢量参数I构成的图像的灰度值均匀性为准则进行区域生长，融合三幅二次分割图像得到最终分割图；斯托克斯矢量参数I构成的图像是三幅方位角图像光强的叠加，具有较好的灰度均匀性，计算斯托克斯矢量参数I构成的图像中种子区域灰度均值以及灰度标准差σ，将生长区域灰度值与种子区域灰度均值之差小于标准差的像素点并入种子区域，得到最终分割图像。
2.根据权利要求1所述的一种红外偏振热像阈值分割方法，其特征在于：步骤(1)使用PolarCamera-IR-640型红外偏振相机拍摄物体的红外偏振热像，PolarCamera-IR-640型红外偏振相机由三通道镜头构成，分别为0°偏振方位角镜头、60°偏振方位角镜头和120°偏振方位角镜头。
3.根据权利要求2所述的一种红外偏振热像阈值分割方法，其特征在于：步骤(2)偏振信息的获取需要基于三幅偏振方位角图像中同一位置像素点像素值计算得到，由于PolarCamera-IR-640型红外偏振相机三通道镜头处在不同位置，会造成物体在三幅偏振方位角图像中出现位置的偏移，因此采用图像配准的KAZE算法对获取三幅偏振方位角图像进行配准，使三幅偏振方位角图像中物体均处于相同位置。
4.根据权利要求1所述的一种红外偏振热像阈值分割方法，其特征在于：步骤(3)针对传统红外图像Tsallis熵法参数q选取范围为(0，1)，q是Tsallis熵中描述系统非广延性的参数，基于此针对单幅0°偏振方位角热红外图像参数q选取范围为(0，1)，在此范围内针对不同q∈(0，1)进行系列分割，在(0，1)范围内对q进行10等分，选取qi，qi为q的具体取值，i为下标，其中q1＝0.1，q2＝0.2，...，q9＝0.9，得到不同qi下的分割图像；同理，针对60°偏振方位角热红外图像、120°偏振方位角热红外图像采取相同方式进行分割；利用物体的三幅偏振方位角图像的冗余性和互补性，建立三通道热红外偏振方位角图像Tsallis熵阈值分割误差函数：
Figure FDA0003177472010000021
其中：
Figure FDA0003177472010000022
Figure FDA0003177472010000023
Figure FDA0003177472010000024
为0°偏振方位角图像在参数为qi的Tsallis熵法分割后的二值化图像，h、w为图像的高、宽；同理，
Figure FDA0003177472010000025
为60°偏振方位角图像在参数为qj的Tsallis熵法分割后的二值化图像，
Figure FDA0003177472010000026
为120°偏振方位角图像在参数为qk的Tsallis熵法分割后的二值化图像；intersection为三幅经Tsallis熵法分割后的二值化图像间的交集部分，是共同检测出的区域；union为三幅经Tsallis熵法分割后的二值化图像间的并集部分，是三幅图像整体检测出的区域；
Figure FDA0003177472010000031
Figure FDA0003177472010000032
分别为0°、60°、120°偏振方位角热红外图像Tsallis熵阈值分割误差函数最小时对应的参数，其中下标i，j，k用于区分0°、60°、120°不同偏振方位角热红外图像；使用参数
Figure FDA0003177472010000033
对0°、60°、120°偏振方位角热红外图像进行Tsallis熵阈值分割，得到三幅偏振角热红外图像的粗分割图像。
CN201910508084.2A 2019-06-12 2019-06-12 一种红外偏振热像阈值分割方法 Active CN110232694B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910508084.2A CN110232694B (zh) 2019-06-12 2019-06-12 一种红外偏振热像阈值分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910508084.2A CN110232694B (zh) 2019-06-12 2019-06-12 一种红外偏振热像阈值分割方法

Publications (2)

Publication Number Publication Date
CN110232694A CN110232694A (zh) 2019-09-13
CN110232694B true CN110232694B (zh) 2021-09-07

Family

ID=67859791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910508084.2A Active CN110232694B (zh) 2019-06-12 2019-06-12 一种红外偏振热像阈值分割方法

Country Status (1)

Country Link
CN (1) CN110232694B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110763728A (zh) * 2019-11-06 2020-02-07 安徽建筑大学 一种基于金属表面红外偏振热像特征的疲劳损伤评估方法
CN111462144B (zh) * 2020-03-30 2023-07-21 南昌工程学院 一种基于粗糙集的快速抑制图像模糊边界的图像分割方法
CN116563571B (zh) * 2023-05-16 2023-11-21 北京师范大学 基于玻尔兹曼熵相似性的高光谱图像波段选择方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101033961A (zh) * 2007-02-06 2007-09-12 浙江大学 基于偏振信息检测野外水体障碍物的方法
CN104103073A (zh) * 2014-07-14 2014-10-15 中国人民解放军国防科学技术大学 一种红外偏振图像边缘检测方法
CN105959514A (zh) * 2016-04-20 2016-09-21 河海大学 一种弱目标成像检测装置及方法
CN106408586A (zh) * 2016-08-30 2017-02-15 湖南文理学院 基于非广延高斯熵测度的灰度图像分割方法
CN106682631A (zh) * 2016-12-30 2017-05-17 广东华中科技大学工业技术研究院 一种基于偏振特性的水面目标检测方法
CN106846289A (zh) * 2017-01-17 2017-06-13 中北大学 一种基于显著性迁移与细节分类的红外光强与偏振图像融合方法
CN106991695A (zh) * 2017-03-27 2017-07-28 苏州希格玛科技有限公司 一种图像配准方法及装置
CN107392948A (zh) * 2017-07-10 2017-11-24 大连理工大学 一种分振幅实时偏振成像系统的图像配准方法
CN108090490A (zh) * 2016-11-21 2018-05-29 南京理工大学 一种基于多光谱偏振成像的隐身目标检测系统及方法
CN108492274A (zh) * 2018-04-03 2018-09-04 中国人民解放军国防科技大学 一种长波红外偏振特征提取与融合的图像增强方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170154246A1 (en) * 2015-11-30 2017-06-01 Seematics Systems Ltd Apparatus and method for inferring information using a computer network
CN107424146A (zh) * 2017-06-28 2017-12-01 北京理工大学 一种红外偏振图像质量客观评价方法和系统
JP7043191B2 (ja) * 2017-06-30 2022-03-29 キヤノン株式会社 画像認識装置、学習装置、画像認識方法、学習方法及びプログラム

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101033961A (zh) * 2007-02-06 2007-09-12 浙江大学 基于偏振信息检测野外水体障碍物的方法
CN104103073A (zh) * 2014-07-14 2014-10-15 中国人民解放军国防科学技术大学 一种红外偏振图像边缘检测方法
CN105959514A (zh) * 2016-04-20 2016-09-21 河海大学 一种弱目标成像检测装置及方法
CN106408586A (zh) * 2016-08-30 2017-02-15 湖南文理学院 基于非广延高斯熵测度的灰度图像分割方法
CN108090490A (zh) * 2016-11-21 2018-05-29 南京理工大学 一种基于多光谱偏振成像的隐身目标检测系统及方法
CN106682631A (zh) * 2016-12-30 2017-05-17 广东华中科技大学工业技术研究院 一种基于偏振特性的水面目标检测方法
CN106846289A (zh) * 2017-01-17 2017-06-13 中北大学 一种基于显著性迁移与细节分类的红外光强与偏振图像融合方法
CN106991695A (zh) * 2017-03-27 2017-07-28 苏州希格玛科技有限公司 一种图像配准方法及装置
CN107392948A (zh) * 2017-07-10 2017-11-24 大连理工大学 一种分振幅实时偏振成像系统的图像配准方法
CN108492274A (zh) * 2018-04-03 2018-09-04 中国人民解放军国防科技大学 一种长波红外偏振特征提取与融合的图像增强方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Image Segmentation Based on Modified Tsallis Entropy;V. Vaithiyanathan等;《Contemporary Engineering Sciences》;20141231;第7卷;第523-529页 *
Image thresholding using Tsallis entropy;M. Portes de Albuquerque等;《Pattern Recognition Letters》;20041231;第25卷;第1059-1065页 *
Tsallis entropy and the long-range correlation in image thresholding;Qianqian Lin等;《Signal Processing》;20121231;第92卷;第2931-2939页 *
三通道同步偏振成像及观测目标检测方法;徐梦溪等;《仪器仪表学报》;20131130;第34卷(第11期);第2408-2417页 *
基于KAZE特征匹配的偏振图像配准算法研究;汪方斌等;《安徽建筑大学学报》;20171031;第25卷(第5期);第40-47页 *
基于红外偏振的特征提取与小目标检测方法;邱跳文等;《激光与红外》;20141031;第44卷(第10期);第1154-1158页 *
基于视觉显著性和区域生长的红外目标提取方法;杨爽等;《沈阳航空航天大学学报》;20180831;第35卷(第4期);第85-89页 *

Also Published As

Publication number Publication date
CN110232694A (zh) 2019-09-13

Similar Documents

Publication Publication Date Title
CN109272489B (zh) 基于背景抑制与多尺度局部熵的红外弱小目标检测方法
CN110232694B (zh) 一种红外偏振热像阈值分割方法
CN111145228B (zh) 基于局部轮廓点与形状特征融合的异源图像配准方法
CN110097093A (zh) 一种异源图像精确匹配方法
CN111126412B (zh) 基于特征金字塔网络的图像关键点检测方法
Zhu et al. SAR image registration based on multifeature detection and arborescence network matching
CN107862708A (zh) 一种sar与可见光图像配准方法
CN108564092A (zh) 基于sift特征提取算法的向日葵病害识别方法
Xiong et al. A threshold selection method using two SAR change detection measures based on the Markov random field model
CN105184804B (zh) 基于机载红外相机航拍图像的海面小目标检测方法
CN109978848A (zh) 基于多光源颜色恒常模型检测眼底图像中硬性渗出的方法
CN107292900A (zh) 一种基于Canny算法的图像边缘检测方法和装置
CN104732534B (zh) 一种图像中显著目标的抠取方法及系统
CN112734816B (zh) 基于CSS-Delaunay的异源图像配准方法
CN109255792B (zh) 一种视频图像的分割方法、装置、终端设备及存储介质
CN116168028B (zh) 低可见度下基于边缘滤波的高铁原始图像处理方法和系统
CN107808165B (zh) 一种基于susan角点检测的红外图像匹配方法
CN112907580A (zh) 一种应用于弱纹理场景下的综合点线特征的图像特征提取和匹配算法
CN107292920B (zh) 一种联合分类的多时相全极化sar影像变化检测方法
KR101769741B1 (ko) 동공 탐지를 통한 홍채 인식 방법 및 홍채 인식 장치
Liu et al. Keypoint matching by outlier pruning with consensus constraint
CN110929598A (zh) 基于轮廓特征的无人机载sar图像匹配方法
CN104881670B (zh) 一种用于sar方位角估计的快速目标提取方法
Sun et al. Small target detection using center-surround difference with locally adaptive threshold
CN106204596B (zh) 一种基于高斯拟合函数与模糊混合估计的全色波段遥感影像云检测方法

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