CN110763342A - 一种红外偏振超像元辐射光强图像分辨率还原方法 - Google Patents
一种红外偏振超像元辐射光强图像分辨率还原方法 Download PDFInfo
- Publication number
- CN110763342A CN110763342A CN201910940283.0A CN201910940283A CN110763342A CN 110763342 A CN110763342 A CN 110763342A CN 201910940283 A CN201910940283 A CN 201910940283A CN 110763342 A CN110763342 A CN 110763342A
- Authority
- CN
- China
- Prior art keywords
- matrix
- polarization
- gradient
- data
- image
- 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.)
- Granted
Links
- 230000010287 polarization Effects 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000005855 radiation Effects 0.000 title claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 164
- 230000009467 reduction Effects 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000012937 correction Methods 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003702 image correction Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003331 infrared imaging Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/59—Radiation pyrometry, e.g. infrared or optical thermometry using polarisation; Details thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种红外偏振超像元辐射光强图像分辨率还原方法,涉及红外图像处理领域,步骤为:1.获取探测器采集到的相互正交的任意两组偏振角度的像元数据,并对其进行预处理,得到M×N阶偏振数据矩阵,通过对偏振数据矩阵进行分割,得到四个偏振强度数据;2.对偏振数据矩阵进行卷积处理,得到四个相关梯度矩阵,利用四个相关梯度矩阵求取偏振数据矩阵对应的相关梯度因子矩阵;3.对四个偏振强度数据分别进行双线性插值,得到四个偏振光强矩阵,利用相关梯度因子矩阵对四个偏振光强矩阵进行梯度修正,得到四个偏振角度的还原矩阵;4.利用四个还原矩阵计算出探测器的辐射光强图像。本方法解决了现有方法对偏振光图像分辨率还原度差的问题。
Description
技术领域
本发明涉及红外图像处理领域,具体涉及一种红外偏振超像元辐射光强图像分辨率还原方法。
背景技术
红外偏振成像技术是利用物体在发射、散射、反射以及透射电磁波的过程中产生的偏振信息进行成像,不同物体或同一物体的不同状态(如粗糙度、含水量、材料理化特性特征等)在热红外波段往往具有不同的偏振状态。该技术能很好地区分热辐射相同但偏振特性不同的目标和背景,能有效地揭示目标表面的形状结构、纹理、粗糙度等特点。
红外偏振探测常用的技术手段包括分时偏振成像系统、分束偏振成像系统和集成微偏振片阵列红外成像系统。其中,分时偏振成像系统通过在同一场景下旋转红外探测器前的偏振片,从而获取不同角度的偏振光输入,该系统可以获得和红外探测器相同分辨率的四幅偏振强度图像,但其缺陷在于实时性很差,多用于实验室,很难适应实际应用需求。分束偏振成像系统通过分波前或分振幅等手段将输入光分为多束,通过多个偏振片和红外探测器获得不同角度的偏振光输入,该系统可以实现实时解析,获得的辐射光强图像分辨率也和探测器分辨率一致,但其缺陷在于使用成本非常高,设备体积大,同样很难适应实际应用需要。
集成微偏振片阵列红外成像系统是目前市场应用的主流方法,该方法通过在红外探测阵列的阵列元前周期性集成不同角度的微偏振片,从而实现实时获取不同角度的偏振光输入。该方法的缺陷在于获取的每个角度的偏振光图像分辨率只有探测器分辨率的四分之一,通过传统的双线性插值将其分辨率还原得到的图像边缘较为模糊,不连续且锯齿感强烈,原因是双线性插值是取相邻像元灰度的均值作为插值结果,没有考虑灰度的变化趋势,在梯度变化较大的区域容易出现不连续或锯齿状,使图像边缘界限不清晰,观感模糊且锯齿感强烈。目前还没有一种理想的插值算法可以很好的对偏振光图像进行分辨率还原。
发明内容
本发明的目的在于:为解决现有的集成微偏振片阵列红外成像系统利用传统的双线性插值法对偏振光图像分辨率还原度差的问题,提供了一种红外偏振超像元辐射光强图像分辨率还原方法。本方法利用超像元中不同角度偏振信息的梯度相关性,还原出了高质量的辐射光强图像。且后续偏振度偏振角图像的计算是基于插值后的四个角度的图像,插值结果更准确可以提升偏振度偏振角图像的质量。
本发明采用的技术方案如下:
一种红外偏振超像元辐射光强图像分辨率还原方法,包括以下步骤:
步骤1:获取探测器采集到的相互正交的任意两组偏振角度的像元数据,并对其进行预处理,得到M×N阶偏振数据矩阵O(M,N),通过对偏振数据矩阵O(M,N)进行分割,得到偏振强度数据其中,偏振强度数据中标注的上标表示超像元中偏振光栅角度对应的位置、下标表示读取或计算出的偏振角度;
步骤2:对偏振数据矩阵O(M,N)进行卷积处理,得到相关梯度矩阵,利用相关梯度矩阵求取偏振数据矩阵O(M,N)对应的相关梯度因子矩阵;
步骤4:利用还原矩阵I_a1、I_a2、I_a3、I_a4计算出探测器的辐射光强图像S0。
进一步地,步骤1的具体方法如下:
步骤1-1:读取探测器采集的四个不同偏振角度的图像大小为M×N的像元数据,并对其进行图像两点校正、去坏点和滤波处理,得到M×N阶偏振数据矩阵O(M,N);其中,M表示图像的宽度,N表示图像的高度;
进一步地,探测器中相邻四个像元构成一个超像元,即偏振强度数据中对应位置的元素组合构成一个超像元灰度矩阵s0,超像元灰度矩阵s0的计算公式如下:
其中,下标i、j均表示矩阵中的元素位置坐标。
进一步地,步骤2中,得到四个相关梯度矩阵的方法具体为:
利用水平梯度算子[-1 0 1]对偏振数据矩阵O(M,N)进行卷积操作,得到水平相关梯度矩阵TCP;利用竖直梯度算子[-1 0 1]T对偏振数据矩阵O(M,N)进行卷积操作,得到竖直相关梯度矩阵TCZ;利用左对角梯度算子[1 0 0;0 0 0;0 0 -1]对偏振数据矩阵O(M,N)进行卷积操作,得到左对角相关梯度矩阵TZX;利用右对角梯度算子[0 0 1;0 0 0;1 0 0]对偏振数据矩阵O(M,N)进行卷积操作,得到右对角相关梯度矩阵TYX。
进一步地,步骤2中,相关梯度因子矩阵包括水平梯度因子矩阵TSP、竖直梯度因子矩阵TSZ、对角梯度因子矩阵TDZ;
利用水平相关梯度矩阵TCP、竖直相关梯度矩阵TCZ、左对角相关梯度矩阵TZX、右对角相关梯度矩阵TYX计算水平梯度因子矩阵TSP、竖直梯度因子矩阵TSZ、对角梯度因子矩阵TDZ,计算方法如下:
TSPi,j=TCPi,j-1-TCPi,j+1
TSZi,j=TCZi-1,j-TCZi+1,j
TDZi,j=TZXi+1,j+1-TZXi-1,j-1+TYXi+1,j-1-TYXi-1,j+1
其中,下标i、j均表示矩阵中的元素位置坐标。
进一步地,步骤3中,对偏振强度数据分别进行双线性插值,得到对应大小为M×N的偏振光强矩阵其计算方法如下:
其中,下标i、j均表示矩阵中的元素位置坐标。
其中,1≤i≤0.5×M-1,1≤j≤0.5×N-1。
进一步地,步骤4的具体方法为:对还原矩阵I_a1、I_a2、I_a3、I_a4进行矩阵边缘处理,得到变换矩阵I_a1′、I_a2′、I_a3′、I_a4′,利用变换矩阵I_a1′、I_a2′、I_a3′、I_a4′计算探测器的辐射光强图像S0。
进一步地,对各还原矩阵进行矩阵边缘处理的方法为:将还原矩阵的第1行和第(M-1)行分别替换其第2行和第M行,第1列和第(N-1)列分别替换其第2列和第N行。
进一步地,辐射光强图像S0的计算方法如下:
其中,下标i、j均表示矩阵中的元素位置坐标。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明中,首先对四个偏振角度的偏振光分别进行八个方向的梯度计算,根据同一超像元不同角度像元梯度变化趋势一致的原理,在进行分辨率插值还原时,引入超像元偏振光图像的相关梯度因子进行修正,得到四个不同偏振角度下和探测器分辨率一致的灰度图像,并可以进一步计算出和探测器分辨率一致的辐射光强图像。通过本方法还原后的辐射光强图像边界清晰连续,细节特征更为明显,有效地解决了传统方法边缘模糊断裂、锯齿感强烈的问题。
2、本发明中,巧妙地引入具体位置相邻其他角度像元的灰度梯度,作为该位置灰度的变化趋势对插值结果进行补偿,使插值结果更为准确。利用相邻超像元中不同角度偏振信息的梯度相关性,对超像元中每个位置不同角度的偏振光强度进行合理的预测,将超像元中一组偏振光强度还原成四组。本方法可以有效地对探测器超像元的偏振信息进行预测补充,适用于偏振探测器的偏振超像元辐射光强图像的分辨率还原。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明的流程图;
图2为本发明的超像元示意图;
图3为本发明实施例一得到的0°方向的偏振光强图像;
图4为基于传统双线性差值法得到的0°方向的偏振光强图像;
图5为本发明实施例一得到的辐射光强图像S0;
图6为基于传统双线性差值法得到的辐射光强图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明,即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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合实施例对本发明的特征和性能作进一步的详细描述。
实施例一
本发明的较佳实施例,提供了一种红外偏振超像元辐射光强图像分辨率还原方法,如图1所示,包括如下步骤:
步骤1:获取相互正交的任意两组偏振角度的像元数据,并对其进行预处理,得到M×N阶偏振数据矩阵O(M,N),通过对偏振数据矩阵O(M,N)进行分割,得到偏振强度数据 本实施例中,相互正交的任意两组偏振角度的值具体为0、45、90、135。本步骤的具体方法如下:
步骤1-1:读取非制冷红外焦平面微偏振阵列探测器采集的四个不同偏振角度的像元数据,该数据即为焦平面像元获得的图像大小为M×N的原始红外强度数据,并对其进行图像两点校正、去坏点和滤波处理,得到M×N阶偏振数据矩阵O(M,N)。本实施例中,M的取值为512,N的取值为640。
步骤1-2:因非制冷红外焦平面微偏振阵列探测器集成的偏振光栅角度为行和列交错排列,因此使用矩阵分片方法分别读取0°、45°、90°、135°四个不同偏振角度的像元数据(即:将读取的像元数据按照焦平面像元刻蚀的不同偏振角度进行分割),得到四个不同偏振角度的图像大小为m×n的偏振强度数据即得到四个偏振数据子矩阵。
其中,下标i、j均表示矩阵中的元素位置坐标,偏振强度数据中标注的上标表示超像元中偏振光栅角度对应的位置、下标表示读取或计算出的偏振角度。M=2×m,N=2×n,即像元数据经矩阵分片方法分割后的偏振强度数据的图像大小为256×320。
步骤2:利用四个相关方向梯度算子对偏振数据矩阵O(M,N)进行卷积操作,得到四个相关梯度矩阵,并利用四个相关梯度矩阵求取偏振数据矩阵O(M,N)对应的相关梯度因子矩阵。具体方法如下:
步骤2-1:
偏振数据矩阵O(M,N)的相关梯度定义为:偏振数据矩阵O(M,N)中任一元素Oi,j,和该点偏振光栅角度相同的最邻近点有8个,其中,与Oi,j同一列的2个点与Oi,j的灰度差,分别称为Oi,j-1、Oi,j+1的竖直相关梯度;与Oi,j同一行的2个点与Oi,j的灰度差,分别称为Oi-1,j、Oi+1,j的水平相关梯度,Oi-1,j-1、Oi+1,j+1两个点与Oi,j的灰度差,分别称为Oi-1,j-1、Oi+1,j+1的左对角相关梯度,Oi+1,j-1、Oi-1,j+1两个点与Oi,j的灰度差,分别称为Oi+1,j-1、Oi-1,j+1的右对角相关梯度。
通过差分求取偏振数据矩阵O(M,N)在上、下、左、右、左上、右上、左下、右下八个方向的梯度,即利用水平梯度算子[-1 0 1]对偏振数据矩阵O(M,N)进行卷积操作,得到水平相关梯度矩阵TCP;利用竖直梯度算子[-1 0 1]T对偏振数据矩阵O(M,N)进行卷积操作,得到竖直相关梯度矩阵TCZ;利用左对角梯度算子[1 0 0;0 0 0;0 0 -1]对偏振数据矩阵O(M,N)进行卷积操作,得到左对角相关梯度矩阵TZX;利用右对角梯度算子[0 0 1;0 0 0;10 0]对偏振数据矩阵O(M,N)进行卷积操作,得到右对角相关梯度矩阵TYX。
步骤2-2:
偏振数据矩阵O(M,N)的相关梯度因子定义为:偏振数据矩阵O(M,N)中任一元素Oi,j,和该点偏振光栅角度相同且在同一直线上的最邻近点的梯度之和。特别的,两条对角线视为同一直线。每个元素Oi,j对应三个相关梯度因子,具体为相关梯度因子矩阵包含的水平梯度因子矩阵TSP、竖直梯度因子矩阵TSZ、对角梯度因子矩阵TDZ。
利用水平相关梯度矩阵TCP、竖直相关梯度矩阵TCZ、左对角相关梯度矩阵TZX、右对角相关梯度矩阵TYX计算水平梯度因子矩阵TSP、竖直梯度因子矩阵TSZ、对角梯度因子矩阵TDZ的方法如下:
TSPi,j=TCPi,j-1-TCPi,j+1
TSZi,j=TCZi-1,j-TCZi+1,j
TDZi,j=TZXi+1,j+1-TZXi-1,j-1+TYXi+1,j-1-TYXi-1,j+1。
步骤3-2:利用水平梯度因子矩阵TSP、竖直梯度因子矩阵TSZ和对角梯度因子矩阵TDZ对偏振光强矩阵进行梯度修正,得到四个偏振角度的还原矩阵I_0、I_45、I_90、I_135,修正原则具体如下:
将偏振光强矩阵中第一个元素平移至偏振数据矩阵O(M,N)中第一个超像元中对应角度元素所在位置,将四个偏振数据子矩阵中每个水平方向插值得到的元素加上偏振数据矩阵O(M,N)中对应位置的水平相关梯度因子、竖直方向插值得到的元素加上偏振数据矩阵O(M,N)中对应位置的竖直相关梯度因子、对角方向插值得到的元素加上偏振数据矩阵O(M,N)中对应位置的对角相关梯度因子。
修正后得到的四个偏振角度的输出矩阵记为还原矩阵I_0、I_45、I_90、I_135,还原矩阵I_0、I_45、I_90、I_135的计算公式如下:
其中,1≤i≤0.5×M-1,1≤j≤0.5×N-1。
步骤4:利用还原矩阵I_0、I_45、I_90、I_135计算非制冷红外焦平面微偏振阵列探测器的辐射光强图像S0。具体方法如下:
步骤4-1:对还原矩阵I_0、I_45、I_90、I_135分别进行矩阵边缘处理,具体方法为:将还原矩阵I_0的第1行和第(M-1)行分别替换其第2行和第M行,第1列和第(N-1)列分别替换其第2列和第N行;将还原矩阵I_45的第1行和第(M-1)行分别替换其第2行和第M行,第1列和第(N-1)列分别替换其第2列和第N行;将还原矩阵I_90的第1行和第(M-1)行分别替换其第2行和第M行,第1列和第(N-1)列分别替换其第2列和第N行;将还原矩阵I_135的第1行和第(M-1)行分别替换其第2行和第M行,第1列和第(N-1)列分别替换其第2列和第N行,得到变换矩阵I_0′、I_45′、I_90′、I_135′。
步骤4-2:利用变换矩阵I_0′、I_45′、I_90′、I_135′计算非制冷红外焦平面微偏振阵列探测器的辐射光强图像S0,计算方法如下:
S0i,j=0.5×(I_0i,j+I_45i,j+I_90i,j+I_135i,j)。
如图5和图6所示,将本发明获得的辐射光强图像与传统的先计算低分辨率辐射光强图像、再进行双线性插值的方法相比,本发明边缘清晰连续,细节纹理完整,图像质量得到了大大提高。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种红外偏振超像元辐射光强图像分辨率还原方法,其特征在于,包括如下步骤:
步骤1:获取探测器采集到的相互正交的任意两组偏振角度的像元数据,并对其进行预处理,得到M×N阶偏振数据矩阵O(M,N),通过对偏振数据矩阵O(M,N)进行分割,得到偏振强度数据其中,偏振强度数据中标注的上标表示超像元中偏振光栅角度对应的位置、下标表示读取或计算出的偏振角度;
步骤2:对偏振数据矩阵O(M,N)进行卷积处理,得到相关梯度矩阵,利用相关梯度矩阵求取偏振数据矩阵O(M,N)对应的相关梯度因子矩阵;
步骤4:利用还原矩阵I_a1、I_a2、I_a3、I_a4计算出探测器的辐射光强图像S0。
4.根据权利要求1所述的一种红外偏振超像元辐射光强图像分辨率还原方法,其特征在于,步骤2中,得到四个相关梯度矩阵的方法具体为:
利用水平梯度算子[-1 0 1]对偏振数据矩阵O(M,N)进行卷积操作,得到水平相关梯度矩阵TCP;利用竖直梯度算子[-1 0 1]T对偏振数据矩阵O(M,N)进行卷积操作,得到竖直相关梯度矩阵TCZ;利用左对角梯度算子[1 0 0;0 0 0;0 0 -1]对偏振数据矩阵O(M,N)进行卷积操作,得到左对角相关梯度矩阵TZX;利用右对角梯度算子[0 0 1;0 0 0;1 0 0]对偏振数据矩阵O(M,N)进行卷积操作,得到右对角相关梯度矩阵TYX。
5.根据权利要求4所述的一种红外偏振超像元辐射光强图像分辨率还原方法,其特征在于,步骤2中,相关梯度因子矩阵包括水平梯度因子矩阵TSP、竖直梯度因子矩阵TSZ、对角梯度因子矩阵TDZ;
利用水平相关梯度矩阵TCP、竖直相关梯度矩阵TCZ、左对角相关梯度矩阵TZX、右对角相关梯度矩阵TYX计算水平梯度因子矩阵TSP、竖直梯度因子矩阵TSZ、对角梯度因子矩阵TDZ,计算方法如下:
TSPi,j=TCPi,j-1-TCPi,j+1
TSZi,j=TCZi-1,j-TCZi+1,j
TDZi,j=TZXi+1,j+1-TZXi-1,j-1+TYXi+1,j-1-TYXi-1,j+1
其中,下标i、j均表示矩阵中的元素位置坐标。
8.根据权利要求1所述的一种红外偏振超像元辐射光强图像分辨率还原方法,其特征在于,步骤4的具体方法为:对还原矩阵I_a1、I_a2、I_a3、I_a4进行矩阵边缘处理,得到变换矩阵I_a1′、I_a2′、I_a3′、I_a4′,利用变换矩阵I_a1′、I_a2′、I_a3′、I_a4′计算探测器的辐射光强图像S0。
9.根据权利要求8所述的一种红外偏振超像元辐射光强图像分辨率还原方法,其特征在于,对各还原矩阵进行矩阵边缘处理的方法为:将还原矩阵的第1行和第(M-1)行分别替换其第2行和第M行,第1列和第(N-1)列分别替换其第2列和第N行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910940283.0A CN110763342B (zh) | 2019-09-30 | 2019-09-30 | 一种红外偏振超像元辐射光强图像分辨率还原方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910940283.0A CN110763342B (zh) | 2019-09-30 | 2019-09-30 | 一种红外偏振超像元辐射光强图像分辨率还原方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110763342A true CN110763342A (zh) | 2020-02-07 |
CN110763342B CN110763342B (zh) | 2020-12-22 |
Family
ID=69329159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910940283.0A Active CN110763342B (zh) | 2019-09-30 | 2019-09-30 | 一种红外偏振超像元辐射光强图像分辨率还原方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110763342B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113847992A (zh) * | 2021-09-17 | 2021-12-28 | 成都鼎屹信息技术有限公司 | 提高对远小目标测温精度的方法、装置、设备和存储介质 |
CN114841884A (zh) * | 2022-05-06 | 2022-08-02 | 电子科技大学 | 增强红外偏振图像与局部细节的算法、设备及储存介质 |
CN115265786A (zh) * | 2022-09-30 | 2022-11-01 | 长春理工大学 | 一种自动调节曝光值的强光偏振探测装置及其探测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136727A (zh) * | 2012-12-14 | 2013-06-05 | 西安电子科技大学 | 基于梯度一致性与各向异性正则化的超分辨图像重建方法 |
CN104835113A (zh) * | 2015-04-30 | 2015-08-12 | 北京环境特性研究所 | 一种基于超分辨率图像重建的偏振图像融合方法 |
CN106169174A (zh) * | 2016-06-30 | 2016-11-30 | 北京大学 | 一种图像放大方法 |
CN107680156A (zh) * | 2017-09-08 | 2018-02-09 | 西安电子科技大学 | 基于偏振信息的三维重建方法 |
CN107977930A (zh) * | 2017-12-09 | 2018-05-01 | 北京花开影视制作有限公司 | 一种图像超分辨方法及其系统 |
CN108090872A (zh) * | 2017-12-18 | 2018-05-29 | 武汉大学 | 基于梯度提取的单帧多光谱影像超分辨率重建方法及系统 |
US20180204322A1 (en) * | 2017-01-13 | 2018-07-19 | Toshiba Medical Systems Corporation | Efficient variance-reduced method and apparatus for model-based iterative ct image reconstruction |
US20190139179A1 (en) * | 2017-11-03 | 2019-05-09 | Baidu Usa Llc | Systems and methods for unsupervised learning of geometry from images using depth-normal consistency |
CN110490797A (zh) * | 2019-07-05 | 2019-11-22 | 苏州江奥光电科技有限公司 | 一种基于双流深层卷积网络的深度图像超分辨率重建方法 |
-
2019
- 2019-09-30 CN CN201910940283.0A patent/CN110763342B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136727A (zh) * | 2012-12-14 | 2013-06-05 | 西安电子科技大学 | 基于梯度一致性与各向异性正则化的超分辨图像重建方法 |
CN104835113A (zh) * | 2015-04-30 | 2015-08-12 | 北京环境特性研究所 | 一种基于超分辨率图像重建的偏振图像融合方法 |
CN106169174A (zh) * | 2016-06-30 | 2016-11-30 | 北京大学 | 一种图像放大方法 |
US20180204322A1 (en) * | 2017-01-13 | 2018-07-19 | Toshiba Medical Systems Corporation | Efficient variance-reduced method and apparatus for model-based iterative ct image reconstruction |
CN107680156A (zh) * | 2017-09-08 | 2018-02-09 | 西安电子科技大学 | 基于偏振信息的三维重建方法 |
US20190139179A1 (en) * | 2017-11-03 | 2019-05-09 | Baidu Usa Llc | Systems and methods for unsupervised learning of geometry from images using depth-normal consistency |
CN107977930A (zh) * | 2017-12-09 | 2018-05-01 | 北京花开影视制作有限公司 | 一种图像超分辨方法及其系统 |
CN108090872A (zh) * | 2017-12-18 | 2018-05-29 | 武汉大学 | 基于梯度提取的单帧多光谱影像超分辨率重建方法及系统 |
CN110490797A (zh) * | 2019-07-05 | 2019-11-22 | 苏州江奥光电科技有限公司 | 一种基于双流深层卷积网络的深度图像超分辨率重建方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113847992A (zh) * | 2021-09-17 | 2021-12-28 | 成都鼎屹信息技术有限公司 | 提高对远小目标测温精度的方法、装置、设备和存储介质 |
CN113847992B (zh) * | 2021-09-17 | 2023-12-19 | 成都鼎屹信息技术有限公司 | 提高对远小目标测温精度的方法、装置、设备和存储介质 |
CN114841884A (zh) * | 2022-05-06 | 2022-08-02 | 电子科技大学 | 增强红外偏振图像与局部细节的算法、设备及储存介质 |
CN114841884B (zh) * | 2022-05-06 | 2023-06-06 | 电子科技大学 | 增强红外偏振图像与局部细节的方法、设备及储存介质 |
CN115265786A (zh) * | 2022-09-30 | 2022-11-01 | 长春理工大学 | 一种自动调节曝光值的强光偏振探测装置及其探测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110763342B (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110763342B (zh) | 一种红外偏振超像元辐射光强图像分辨率还原方法 | |
CN104599258B (zh) | 一种基于各向异性特征描述符的图像拼接方法 | |
US20110115886A1 (en) | System for executing 3d propagation for depth image-based rendering | |
JP2009020879A (ja) | データ品位を向上する方法及びシステム | |
CN110136114B (zh) | 一种波面高度测量方法、终端设备及存储介质 | |
Rajagopalan et al. | A variational approach to recovering depth from defocused images | |
CN104794692A (zh) | 一种图像去锯齿的系统 | |
JP2000287956A (ja) | X線画像での輪郭検出方法 | |
CN113705675B (zh) | 一种基于多尺度特征交互网络的多聚焦图像融合方法 | |
CN109584368A (zh) | 生物样品三维结构的构建方法及装置 | |
CN105608674B (zh) | 一种基于图像配准、插值和去噪的图像增强方法 | |
CN112784747B (zh) | 高光谱遥感图像多尺度本征分解方法 | |
CN112215876B (zh) | 一种双光谱图像配准融合方法、装置、设备及存储介质 | |
CN112102169A (zh) | 一种红外图像拼接方法、装置和存储介质 | |
CN111507903B (zh) | 基于五曲面片加权平均拟合的图像放大方法和装置 | |
Kwon et al. | All-in-focus imaging using average filter-based relative focus measure | |
Inzerillo | Super-resolution images on mobile smartphone aimed at 3D modeling | |
JP2006208340A (ja) | 欠陥検査装置 | |
Chen et al. | Super-resolution reconstruction for underwater imaging | |
Li et al. | Multi-frame super resolution using frame selection and multiple fusion for 250 million pixel images | |
CN114841884B (zh) | 增强红外偏振图像与局部细节的方法、设备及储存介质 | |
Macwan et al. | A survey on various techniques of super resolution imaging | |
Sugathan et al. | Adaptive digital scan variable pixels | |
CN114926659B (zh) | 一种基于sift和cm的变形目标定位算法 | |
Chen et al. | Generalized Multilevel B-Spline Approximation for Scattered Data Interpolation in Image Processing |
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 |