CN111462254B - 一种多光谱监测方法与系统 - Google Patents
一种多光谱监测方法与系统 Download PDFInfo
- Publication number
- CN111462254B CN111462254B CN202010366139.3A CN202010366139A CN111462254B CN 111462254 B CN111462254 B CN 111462254B CN 202010366139 A CN202010366139 A CN 202010366139A CN 111462254 B CN111462254 B CN 111462254B
- Authority
- CN
- China
- Prior art keywords
- image
- video data
- monitored object
- video
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 134
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000003595 spectral effect Effects 0.000 claims abstract description 134
- 230000005855 radiation Effects 0.000 claims abstract description 78
- 238000001228 spectrum Methods 0.000 claims abstract description 66
- 238000003384 imaging method Methods 0.000 claims abstract description 59
- 238000007781 pre-processing Methods 0.000 claims abstract description 40
- 230000004044 response Effects 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims description 58
- 238000003331 infrared imaging Methods 0.000 claims description 35
- 230000003287 optical effect Effects 0.000 claims description 32
- 238000010521 absorption reaction Methods 0.000 claims description 28
- 238000002834 transmittance Methods 0.000 claims description 26
- 238000009792 diffusion process Methods 0.000 claims description 23
- 230000009467 reduction Effects 0.000 claims description 15
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 239000012855 volatile organic compound Substances 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 10
- 238000002329 infrared spectrum Methods 0.000 claims description 8
- 238000009529 body temperature measurement Methods 0.000 claims description 7
- 238000007499 fusion processing Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 6
- SLXKOJJOQWFEFD-UHFFFAOYSA-N 6-aminohexanoic acid Chemical compound NCCCCCC(O)=O SLXKOJJOQWFEFD-UHFFFAOYSA-N 0.000 claims description 5
- 230000008901 benefit Effects 0.000 abstract description 4
- 239000007789 gas Substances 0.000 description 50
- 238000010586 diagram Methods 0.000 description 12
- 238000001914 filtration Methods 0.000 description 11
- 230000003993 interaction Effects 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 description 4
- 239000005977 Ethylene Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 150000001335 aliphatic alkanes Chemical class 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000001429 visible spectrum Methods 0.000 description 2
- 150000001298 alcohols Chemical class 0.000 description 1
- 150000001336 alkenes Chemical class 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012824 chemical production Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral 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
- G06T2207/10—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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请提供了一种多光谱监测方法，包括：对被监测区域的光谱辐射信息进行多路成像，形成多路光谱图像/视频信号；采集多路所述光谱图像/视频信号，形成多路光谱图像/视频数据；对多路所述光谱图像/视频数据进行预处理；对预处理结果进行计算，以生成被监测区域的监测数据；根据该监测数据对被监测对象进行监测。本申请根据多路光谱图像/视频数据来生成被监测区域的监测数据，实现了视频级实时监测，具有覆盖范围广的特点、监测效率高、响应速度快的优势。
Description
技术领域
本申请涉及监测技术领域，尤其涉及一种多光谱监测方法与系统。
背景技术
近年来，工业安全监测技术需求日趋迫切，例如化工生产领域的介质泄漏事件频发，引发爆炸、火灾等后果，严重危害生命财产安全。
现有的视频监控手段大多仅对可见光波段成像，难以发现例如无色气体/透明液体等危险介质泄漏。化工等行业广泛使用的电化学类传感器存在检测距离小、易受环境影响、维护流程复杂等缺点。而线式红外激光类传感器进行检测是目前较为先进的方法，但仍存在覆盖范围小、无法准确定位泄漏位置、识别扩散方向等缺点。
如何能够实现覆盖范围广、监测效率高、监测种类多样化的泄漏监测，是本申请有待解决的技术问题。
发明内容
有鉴于此，本申请的主要目的在于提供一种多光谱监测方法与系统，以实现监测覆盖范围广、监测效率高及监测对象种类多样化。
本发明一方面提供了一种多光谱监测方法，所述方法包括：
对被监测区域的光谱辐射信息进行多路成像，形成多路光谱图像/视频信号；
采集多路所述光谱图像/视频信号，形成多路光谱图像/视频数据；
对多路所述光谱图像/视频数据进行预处理；
对预处理结果进行计算，以生成被监测区域的监测数据；
根据该监测数据对被监测对象进行监测。
由上，该方法可实现不同的多路光谱图像/视频数据来生成被监测区域的监测数据，实现了视频级的实时监测，具有覆盖范围广、监测效率高及监测对象多样化的优点。例如，应用于气体监测时，可以通过监测数据的分析准确定位气体泄漏位置、预测气体扩散方向。又如，由于视频级监测覆盖范围广，因此可同时对多个对象进行监测，从而具有监测效率高的优势。
在一种可能的实现方式中，所述监测数据至少包括被监测对象的形态、被监测对象的区域、被监测对象的浓度、被监测对象的扩散方向以及场景温度之一。
由上，本发明可以针对被监测对象的多种数据进行监测，从而实现监测内容多样化的特点。
在一种可能的实现方式中，所述预处理包括：对多路光谱图像/视频数据进行空间配准处理。
由上，通过空间配准处理便于将多路光谱图像/视频数据进行信息融合。
在一种可能的实现方式中，所述预处理还包括：在对多路光谱图像/视频数据进行空间配准处理之后将信号图像/视频数据与各背景图像/视频数据进行融合处理；其中，将多路光谱图像/视频数据中与被监测对象的吸收波段相匹配的光谱图像/视频数据作为信号图像/视频数据，其余路光谱图像/视频数据作为背景图像/视频数据。
由上，通过信号图像/视频数据与各背景图像/视频数据进行融合处理，可以强化被监测对象的图像特征，也可以使融合处理后的图像更具有直观性，既便于对被监测对象的多样性内容进行监测，也便于用户对被监测对象的图像进行观测。
在一种可能的实现方式中，所述将信号图像/视频数据与各背景图像/视频数据进行融合处理具体包括：
将信号图像/视频数据与各背景图像/视频数据进行差分计算。
在一种可能的实现方式中，所述对不同的所述多路光谱图像数据进行预处理还包括：
对多路光谱图像/视频数据进行降噪处理。
在一种可能的实现方式中，对所述预处理数据进行计算，以生成对应的监测数据包括：
根据预处理结果识别被监测对象的形态，并定位被监测对象的区域。
在一种可能的实现方式中，对所述预处理数据进行计算，以生成对应的监测数据包括：
根据定位出的被监测对象的区域的辐射与背景辐射的差异计算被监测对象的浓度；所述背景辐射由被监测对象的区域在不同时间的辐射、不同光谱波段的辐射或除被监测对象的区域之外的辐射计算得到。
在一种可能的实现方式中，对所述预处理数据进行计算，以生成对应的监测数据包括：
根据被监测对象的光谱图像/视频数据的像素梯度预测被监测对象的扩散方向。
在一种可能的实现方式中，对所述预处理数据进行计算，以生成对应的监测数据包括：
根据至少一路光谱图像/视频数据计算场景温度。
由上，通过上述预处理结果可以计算出被监测对象的形态、被监测对象的区域、被监测对象的浓度、被监测对象的扩散方向、场景温度，实现了监测内容的多样化，也提高了监测效率。
在一种可能的实现方式中，多路所述光谱图像/视频数据包括多路宽带光谱图像/视频数据时，所述对不同的所述多路光谱图像/视频数据进行预处理还包括：
对宽带光谱图像/视频数据进行解耦重建，获得不同波段的光谱图像/视频数据作为不同的多路光谱图像/视频数据。
由上，当采用多路宽带光谱图像/视频数据时，可以提升信号采集的信噪比，从而可以提高后续数据进行融合处理时的准确性。
本发明另一方面提供了一种多光谱监测系统，包括：
前端成像单元，用于对被监测区域的光谱辐射信息进行多路成像，形成多路光谱图像/视频信号；
数据采集单元，用于采集多路所述光谱图像/视频信号，形成多路光谱图像/视频数据；
图像/视频处理单元，用于对多路所述光谱图像/视频数据进行预处理；以及用于对预处理结果进行计算，以生成被监测区域的监测数据；
监测单元，用于根据该监测数据对被监测对象进行监测。
在一种可能的实现方式中，所述监测数据至少包括被监测对象的形态、被监测对象的区域、被监测对象的浓度、被监测对象的扩散方向以及场景温度之一。
在一种可能的实现方式中，所述图像/视频处理单元包括：配准模块，用于对多路光谱图像/视频数据进行空间配准处理。
在一种可能的实现方式中，所述图像/视频处理单元还包括：融合模块，用于在对多路光谱图像/视频数据进行空间配准处理之后将信号图像/视频数据与各背景图像/视频数据进行融合处理；其中，将多路光谱图像/视频数据中与被监测对象的吸收波段相匹配的光谱图像/视频数据作为信号图像/视频数据，其余路光谱图像/视频数据作为背景图像/视频数据。
在一种可能的实现方式中，所述融合模块具体用于将信号图像/视频数据与各背景/视频图像数据进行差分计算。
在一种可能的实现方式中，所述图像/视频处理单元还包括：降噪模块，用于对多路光谱图像/视频数据进行降噪处理。
在一种可能的实现方式中，所述图像/视频处理单元还包括：
识别模块，用于根据预处理结果识别被监测对象的形态，并定位被监测对象所处区域。
在一种可能的实现方式中，所述图像/视频处理单元还包括：
浓度计算模块，用于根据识别出的被监测对象的区域的辐射与背景辐射的差异计算被监测对象的浓度；所述背景辐射由被监测对象的区域在不同时间的辐射、被监测对象的区域在不同光谱波段的辐射或除被监测对象的区域之外的辐射计算得到。
在一种可能的实现方式中，所述图像/视频处理单元还包括：
扩散方向预测模块，用于根据被监测对象的光谱图像/视频数据的像素梯度预测被监测对象的扩散方向。
在一种可能的实现方式中，所述图像/视频处理单元还包括：
场景测温模块，用于根据至少一路光谱图像/视频数据计算被监测区域的场景温度。
在一种可能的实现方式中，所述图像/视频处理单元还包括：解耦模块，用于对宽带光谱图像/视频数据进行解耦重建，获得不同波段的光谱图像/视频数据作为不同的多路光谱图像/视频数据。
在一种可能的实现方式中，所述前端成像单元包括：至少一个红外成像系统；
红外成像系统用于对被监测区域的红外光谱辐射信息进行成像，以形成红外光谱图像/视频信号。
在一种可能的实现方式中，所述图像/视频处理单元还包括标记模块，用于标记监测数据以形成可视化图像/视频结果。
在一种可能的实现方式中，当被监测对象包括甲烷气体时，至少一个红外成像系统的响应波段包含6.5μm-8.5μm。
综上，本申请可实现多光谱视频级实时监控，具有覆盖范围广、监测效率高、监测气体多样化、响应速度快等特点，适用于工业安全生产监测等重要领域。
附图说明
图1为多光谱监测系统的示意图；
图2为前端成像单元的示意图；
图3为数据采集单元示意图；
图4为图像/视频处理单元示意图；
图5为监测单元示意图；
图6为甲烷气体吸收特性曲线的示意图；
图7为乙烯气体吸收特性曲线的示意图；
图8为多光谱监测方法的流程图；
图9为配准模块进行配置的流程图；
图10为前端成像单元预标定流程图；
图11为图像/视频处理单元处理的流程图。
具体实施方式
基于现有技术所存在的缺陷，本申请提供了一种多光谱监测方法与系统，具有覆盖范围广、响应速度快、稳定性好等优点。应用于现有化工园区气体泄露监测时，可实现实时大面积监测烷烃类、烯烃类、醇类、苯类等气体或温度异常，监测效率高，监测气体多样化，满足化工园区大面积气体监测要求，有效保障了生命安全和财产安全。本申请多光谱监测方法与系统同样可应用于对液体泄露的监测。
【多光谱监测系统的实施例】
图1为本发明一种多光谱监测系统的结构图。如图1所示，一种多光谱监测系统，包括依次信号连接的前端成像单元110、数据采集单元120、图像/视频处理单元130和监测单元140。其中：
所述前端成像单元110用于对被监测对象的光谱辐射信息进行成像，形成多光谱图像/视频信号。具体的，所述前端成像单元110包括至少一个红外成像系统111；红外成像系统111用于对被监测区域的红外光谱辐射信息进行成像，以形成红外光谱图像/视频信号。
需要说明的是，本发明所述前端成像单元110是用于对不同波段的光谱辐射信息进行成像，包括但不限于红外光波段和可见光波段，实际使用时根据需要选择，对此不作限定。
优选的，所述前端成像单元110包括：至少一个红外成像系统111 和至少一个可见光成像系统112；所述可见光成像系统112用于成像被监测对象的可见光辐射信息，以形成至少一路可见光图像/视频信号；红外成像系统111用于成像被监测对象的红外光谱辐射信息，以形成至少一路红外光谱图像/视频信号。
具体的，本实施例中以被监测对象吸收较为强烈的波段为红外波段为例(比如甲烷气体)，且本实施例中还对被监测对象所在可见光波段进行成像，如此设计一是为了便于将获取的可见光图像/视频数据和被监测对象在红外波段的光谱图像/视频数据进行融合，以使用户更加直观地观测到监测结果，二是在对被监测对象在红外波段的光谱图像/视频数据进行预处理和计算时，结合所述可见光图像/视频数据进行去噪计算，能够提高精确度。
为此，本实施例的前端成像单元110可以包括多个红外成像系统 111以及一个可见光成像系统112，所述可见光成像系统112用于对被监测对象的可见光谱辐射信息进行成像，以形成一路可见光图像/视频信号；红外成像系统111用于对被监测对象的红外光谱辐射信息进行成像，以形成多路红外光谱图像/视频信号。
具体的，图2为本发明的所述前端成像单元110的组成示意图，如图2所示，所述红外成像系统111为L个，用于成像L路红外光谱辐射信息，每个红外成像系统111分别包括依次耦合的红外镜头1111、光学滤波片1112、快门1113(也可不包括)和红外探测器1114；所述可见光成像系统112为1个，用于对被监测区域的可见光谱辐射信息进行成像，形成1路可见光图像/视频信号，具体包括成像镜头1121 和可见光探测器1122。其中，具体实施时，该前端成像单元110朝向被监测区域，并且，可将前端成像单元110安装于云台上，通过控制云台转动实现对不同区域的监测。
优选的，所述红外探测器1114可以为非制冷型探测器。非制冷型探测器相比于现有制冷型探测器，不需要冷却器，能够将阵列的各个探测器可以相对靠近地隔开，部分地实现小型紧凑系统，且成本比制冷型探测器低。通过后期对采集到的预处理数据进行预处理，能够使得使用多路非制冷型探测器最终获得的数据达到与制冷型探测器同样的效果。
所述数据采集单元120用于采集前端成像单元110所形成的不同的所述多路光谱图像/视频信号，形成多路光谱图像/视频数据。
如图3所示，所述数据采集单元120用于对前端成像单元110进行参数配置，以及获取时域同步的多路光谱图像/视频数据并传输至图像/视频处理单元130，其包括参数配置模块121和读取传输模块122。其中参数配置模块121用于前端成像单元110参数配置，读取传输模块122用于红外探测器1114和可见光探测器1122的图像/视频信号读取和传输。
所述图像/视频处理单元130用于对不同的所述多路光谱图像/视频数据进行预处理，以及用于对预处理结果进行计算，以生成对应的被监测对象的监测数据。其中所述预处理包括对数据采集单元120采集到的多路光谱图像/视频数据进行解耦、配准、融合、降噪以及标记处理。对所述预处理数据进行计算包括形态识别、区域定位、浓度计算、扩散方向预测及场景测温。
图4所示为图像/视频处理单元130具体模块图。具体的，图像/ 视频处理单元包括配准模块131、融合模块132、降噪模块133、识别模块134、浓度计算模块135、扩散方向预测模块136、场景测温模块 137。
所述配准模块131用于对多路光谱图像/视频数据进行空间配准处理。其具体实现可参见后述步骤S240，此处不再赘述。
融合模块132，用于在对多路光谱图像/视频数据进行空间配准处理之后将信号图像/视频数据与各背景图像/视频数据进行融合处理；其中，将多路光谱图像/视频数据中与被监测对象的吸收波段相匹配的光谱图像/视频数据作为信号图像/视频数据，其余路光谱图像/视频数据作为背景图像/视频数据。
具体的，所述融合模块132具体用于将信号图像/视频数据与各背景图像/视频数据进行差分计算，将各路的各相应波段的光谱图像/视频数据进行差分运算以强化被监测对象的图像特征，弱化背景。其具体实现可参见后述步骤S2502，此处不再赘述。
所述降噪模块133用于对多路光谱图像/视频数据进行降噪处理，其可使用通用的空域、时域滤波方法对光谱图像/视频数据进行降噪。该模块具体实现可参见后述步骤S2503，此处不再赘述。
所述识别模块134用于根据预处理结果识别被监测对象的形态，并定位被监测对象的区域。具体的，通过使用像素阈值化、聚类分析等方法进行被监测对象的形态识别，识别被监测对象的形态，并定位被监测对象的区域。
所述浓度计算模块135用于根据识别出的被监测对象的区域的辐射与背景辐射的差异计算被监测对象的浓度；所述背景辐射由被监测对象的区域在不同时间的辐射、被监测对象的区域在不同光谱波段的辐射或除被监测对象的区域之外的辐射计算得到。其具体实现可参见后述步骤S2505，此处不再赘述。
所述扩散方向预测模块136用于根据被监测对象的光谱图像/视频数据的像素梯度预测被监测对象的扩散方向。其具体实现可参见后述步骤S2506，此处不再赘述。
所述场景测温模块137用于场景测温计算，其可根据热辐射-温度模型，根据至少一路光谱图像/视频数据计算场景温度。其具体实现可参见后述步骤S2507，此处不再赘述。
优选的，还包括解耦模块138；所述解耦模块138用于对宽带光谱图像/视频数据进行解耦重建，获得不同波段的光谱图像/视频数据作为不同的多路光谱图像/视频数据。其具体实现可参见后述步骤 S2501，此处不再赘述。
优选的，还包括标记模块139，用于标记监测数据以形成可视化图像/视频结果。
图5为本发明所述监测单元的具体模块图，如图5所示，所述监测单元140用于根据该监测数据对被监测对象进行监测。其中，被监测对象的所述监测数据至少包括被监测对象的形态、被监测对象的区域、被监测对象的浓度、被监测对象的扩散方向以及场景温度之一。
所述监测单元140具体包括显示模块141和交互模块142，用于将监测结果分发至用户终端进行显示与交互。其中显示模块141用于提供显示功能，例如可用于从图像/视频处理单元130接收处理结果分发显示至各个用户系统。交互模块142用于提供人机交互功能，据此终端用户可通过用户系统与交互模块142交互，实现系统参数设置、实时图像预览、监测信息查询等交互操作。
下面以本发明应用于挥发性有机物(VOCs)气体的监测为例，对本申请进行详细介绍。
参照图2，对前端成像单元110中的红外成像系统111进一步进行说明。如图2所示，每路红外成像系统111采用的红外镜头1111、光学滤波片1112和红外探测器1114的参数配置有所不同，所述参数配置具体包括：红外镜头1111参数，如焦距、F数、光谱透过率等；光学滤波片1112参数，如光谱透过率等；红外探测器1114参数，如光谱响应曲线、空间分辨率、像元尺寸等。其中，配置时，依据不同的光学滤波片1112实现多路光谱辐射信息的采集，且根据气体特性来匹配相应的红外镜头1111、光学滤波片1112和红外探测器1114。本例中配置如下：
红外镜头1111用于收集气体的红外光谱辐射信息，每路红外成像系统111的红外镜头1111可采用但不限于以下配置：
1)采用的中长波红外镜头：其工作波段6μm-14μm，焦距35mm， F(光圈)数小于等于1.1，镜片表面镀制增透膜，透过率大于88％；
2)采用的长波红外镜头：其工作波段8μm-14μm，焦距35mm， F数小于等于1.1，镜片表面镀制增透膜，透过率大于88％。
光学滤波片1112用于进行滤波，允许气体的红外吸收波段的光信号通过。每路红外成像系统111的光学滤波片1112可采用但不限于以下配置：
1)波峰为7.661μm，半高全宽为小于等于180nm，平均透过率大于80％，在0.4μm-11μm其余波段平均透过率小于1％；
2)波峰为7.5μm，半高全宽大于等于1.5μm，小于等于2.5μm，平均透过率大于90％，在0.4μm-11μm其余波段平均透过率小于1％；
3)波峰为10.6μm，半高全宽为小于等于1.5μm，平均透过率大于 90％，在0.4μm-13.6μm其余波段平均透过率小于1％；
4)波峰为9.5μm，半高全宽为小于等于500nm，平均透过率大于70％，在0.4μm-11μm其余波段平均透过率小于1％。
红外探测器1114用于将接收到的红外光谱图像/视频信号转换为红外光谱图像/视频数据，每路红外成像系统111中的红外探测器可采用但不限于以下配置：
1)中长波红外探测器：其红外探测器分辨率640*512，像元尺寸 17μm，响应波段3μm-14μm，噪声等效温差≤60mk@25℃，F#1.0；
2)长波红外探测器：其红外探测器分辨率640*512，像元尺寸 17μm，响应波段8μm-14μm，噪声等效温差≤60mk@25℃，F#1.0。
通过上述不同的红外镜头1111、不同的光学滤波片1112、不同红外探测器1114的搭配选择，使各路红外成像系统111配置不同，以便于各路红外成像系统111生成有所区别的红外光谱图像/视频信号。
监测挥发性有机物(VOCs)气体时，由于气体与正常大气气体传播损耗不一致，位于气体吸收峰处的波段对于该波段的传播损耗较大。由红外镜头收集红外光谱辐射信息成像时观测挥发性有机物气体损耗，经过特定波段的光学滤波片，通过各路红外探测器将红外光谱辐射信息转换为电信号，即转换为红外光谱图像/视频数据，以进行数据传输。
对被监测对象进行监测之前，需要先获得被监测对象的吸收特性曲线。以监测甲烷气体为例，如图6为甲烷气体吸收特性曲线示意图，其对于7.8μm波段附近吸收较为强烈，而对于9.5μm和10.6μm波段几乎无吸收或吸收量较微弱。
以监测乙烯气体为例，如图7为乙烯气体吸收特性曲线示意图，其对于10.6μm波段附近吸收较为强烈，而对于9.5μm和7.8μm波段几乎无吸收或吸收量较微弱。
对于乙烯气体，其在装有10.6μm光学滤波片1112的红外成像系统111中能获取到明显的气体图像，而在装有7.6μm光学滤波片1112 和装有9.5μm光学滤波片1112的红外成像系统111中无法获取到气体的图像或获取到的气体图像较弱。
其中，选取光学滤波片方式包含但不限于如下方法：
假设Rsensor(λ)为红外探测器响应曲线，Rlen(λ)为红外镜头透过率曲线，Rfilter(λ)为光学滤光片透过率曲线，τVOCs(λ)为VOCs气体吸收率曲线。则对于特定的VOCs气体，表示波长，(λfilter_1,λfilter_2)∈S表示光学滤波片响应波段的上下限值，即(λfilter_1,λfilter_2)∈S构成光学滤波片的通带区域，采用如下方式选取滤光片：
且
λfilter_2-λfilter_1≤2.5μm
其中(λfilter_1,λfilter_2)∈S
在考虑整体系统参数配置时，应根据气体的光谱吸收特性进行设计，一般设计为窄带光谱采集系统，也可设计为宽带光谱采集系统以提升信号采集信噪比。其中，窄带和宽带是相对于被监测目标气体而言的。窄带光谱采集系统的光谱透过率范围一般要求能且仅能覆盖一种目标气体的光谱吸收波长范围；宽带光谱采集系统的光谱透过率范围一般至少两倍于目标气体的光谱吸收波长范围。
对于某些同时在多个波段范围内均具有吸收特性的气体(如烷烃类气体)，为提升信号采集信噪比，可综合考虑背景辐射、红外镜头和光学滤光片透过率、红外探测器响应效率等因素，选择信噪比高的波段进行探测。特别地，对于甲烷气体，选取6.5μm-8.5μm内波段进行成像。
【多光谱监测方法的实施例】
本发明方法部分与上述系统部分基于相同的技术构思，适用于上述系统。具体的，一种多光谱监测方法，包括步骤：对被监测区域的光谱辐射信息进行多路成像，形成多路光谱图像/视频信号；采集多路所述光谱图像/视频信号，形成多路光谱图像/视频数据；对多路所述光谱图像/视频数据进行预处理；对预处理结果进行计算，以生成被监测区域的监测数据；根据该监测数据对被监测区域进行监测。
具体的，所述监测数据至少包括被监测对象的形态、被监测对象的区域、被监测对象的浓度、被监测对象的扩散方向以及场景温度之一。
具体的，所述预处理包括：对多路光谱图像/视频数据进行空间配准处理。
所述预处理还包括：在对多路光谱图像/视频数据进行空间配准处理之后将信号图像/视频数据与各背景图像/视频数据进行融合处理；其中，将多路光谱图像/视频数据中与被监测对象的吸收波段相匹配的光谱图像/视频数据作为信号图像/视频数据，其余路光谱图像/视频数据作为背景图像/视频数据。
优选的，所述步骤“将信号图像/视频数据与各背景图像/视频数据进行融合处理”具体包括：将信号图像/视频数据与各背景图像/视频数据进行差分计算。
所述步骤“对多路所述光谱图像/视频数据进行预处理”还包括：对多路光谱图像/视频数据进行降噪处理。
所述步骤“对预处理结果进行计算，以生成对应的监测数据”包括：
根据预处理结果识别被监测对象的形态，并定位被监测对象的区域；
所述步骤“对预处理结果进行计算，以生成对应的监测数据”包括：
根据识别出的被监测对象的区域的辐射与背景辐射的差异计算被监测对象的浓度；所述背景辐射由被监测对象的区域在不同时间的辐射、不同光谱波段的辐射或除被监测对象的区域之外的辐射计算得到。
所述步骤“对预处理结果进行计算，以生成对应的监测数据”包括：根据被监测对象的光谱图像/视频数据的像素梯度预测被监测对象的扩散方向。
所述步骤“对预处理结果进行计算，以生成对应的监测数据”包括：根据至少一路光谱图像/视频数据计算场景温度。
优选的，多路所述光谱图像/视频数据包括多路宽带光谱图像/视频数据时，所述对不同的所述多路光谱图像/视频数据进行预处理还包括：对宽带光谱图像/视频数据进行解耦重建，获得不同波段的光谱图像/视频数据作为不同的多路光谱图像/视频数据。
下面以前端成像单元包括多个红外成像系统和一个可见光成像系统为例，详细解释本发明所述方法的具体流程。
参见图8示出的本申请多光谱监测方法应用于气体监测的实施例，并结合图1至图5，对本申请监测方法进行详细说明。如图8示出的流程图，多光谱监测方法包括以下步骤：
S210：利用数据采集单元120，对红外成像系统111和可见光成像系统112分别进行初始化参数设置。
具体的，包括初始化红外成像系统111中的红外探测器1114，如：通过数据采集单元120中的参数配置模块121去初始化红外成像系统 111中的红外探测器1114，该初始化包括但不限于：设置曝光时间、增益、设置获取数据的分辨率大小为640*512、自动校正模式、数字视频输出开启模式、视频源设置DRC(动态范围校正，Dynamic Range Correction)模式，gamma校正系数设置为1。
以及通过数据采集单元120的控制，设置同步信号对前端成像单元110进行同步采集，确保各路成像图像时间上的一致性。
以及通过图像/视频处理单元130的控制，将各路红外成像系统 111进行RBFO参数标定，从而可以准确地通过测量到的被监测区域的绝对辐射量换算得到测量到的温度值T，即场景温度。R：代表响应，与镜头、滤光片、探测器响应曲线相关；B：代表温度特征参数，可根据维恩定律确定波长λ0，后根据普朗克方程求得近似其中h是普朗克常数，c是光速，K是常数；F：为系统特征参数，一般情况下为1；O：为偏移修正。
S220：由前端成像单元110的红外成像系统111和可见光成像系统112对被监测区域的光谱辐射信息进行成像，形成红外光谱图像/ 视频信号和可见光图像/视频信号，由数据采集单元120进行多光谱时域同步数据采集，形成红外光谱图像/视频数据和可见光图像/视频数据。
S230：由数据采集单元120从前端成像单元110获取多路红外光谱图像/视频数据和可见光图像/视频数据传输至图像/视频处理单元 130。
S240：由图像/视频处理单元130中的配准模块131对采集的多路红外光谱图像/视频数据和可见光图像/视频数据进行空间配准，包括图像的位移、比例缩放与旋转。
本例中，光谱图像/视频数据包括红外光谱图像/视频数据和可见光图像/视频数据。通过投影变换对采集到的不同波段下的光谱图像/ 视频数据进行配准。利用投影变换矩阵Ri对前端成像单元110所采集的原始未配准的光谱图像/视频数据(i＝1,2,3,……,N)进行配准时，得到配准后光谱图像/视频数据/>表示为：
其中，投影变换矩阵Ri为预标定的配准参数，x,y分别表示光谱图像/视频数据中像素的横纵坐标，i对应第i路前端成像单元采集到的光谱图像数据。
参见图9示出的流程图，本步骤可包括下述子步骤：
S2401：获取配准参数Ri(i＝1,2,3,……,N)，其为3×3的投影变换矩阵，分别对应于N路前端成像单元，表示为；
其中，该配准参数一般通过前端成像单元预标定过程获取，并以参数文件的形式保存于存储器，在程序初始化时加载以使用。该获取配准参数过程，即前端成像单元预标定过程，参见图10示出的流程图，包括下述子步骤：
S24011：选定参考光谱图像/视频数据(本发明以可见光图像/视频数据为参考)中的M个特征点Pj ref(j＝1，2，3，……，M)；
S24012：依次确认目标光谱图像/视频数据(本发明中指各路红外光谱图像/视频数据)中对应的M个特征点/>
S24013：求解特征点对的变换方程组即可得到配准参数Ri(i＝ 1,2,3,……,N)，该方程组可以表示为：
其中si为归一化常数。
S24014：保存配准参数Ri(i＝1,2,3,……,N)至存储器。
S2402：利用投影变换矩阵Ri对前端成像单元所采集的原始未配准光谱图像/视频数据进行配准，得到配准后光谱图像/视频数据/>表示为：
其中，x,y分别表示光谱图像/视频数据中像素的横纵坐标，i对应第i路红外成像系统采集到的红外光谱图像/视频数据，或可见光成像系统采集到的可见光图像/视频数据。
S2403：对S2402配准后光谱图像数据进行线性插值优化，以填补图像中的空洞。
S250：由图像/视频处理单元130根据配准后的多路光谱图像/视频数据进行宽带光谱数据解耦(该解耦操作仅针对宽带光谱数据)、融合和降噪处理，并进行气体形态识别、气体区域定位、浓度计算、扩散方向预测和场景测温等操作。
参见图11示出的流程图，本步骤包括下述子步骤：
S2501：由解耦模块138对宽带光谱数据进行解耦重建，以获得不同波段的光谱图像/视频数据作为不同的多路光谱图像/视频数据。如果获取光谱图像/视频数据为窄带光谱数据，由于已经是各相应波段的光谱图像/视频数据，则不进行本步骤的操作。本步骤的解耦重建过程包括但不限于如下方式：
其中s＝[s1,s2,…sN]T为所要求的被监测区域的各波段的光谱图像/ 视频数据，P＝[p1,p2,…pN]T为实际获取到的各波段的光谱图像/视频数据，其中的p1、p2…pN指宽带光谱图像中各波段的光谱图像/视频数据，表示结合红外探测器响应曲线和光学滤波片透过率曲线的光谱响应传感矩阵，其中的每一行都是通过系统响应参数计算得到，N对应各波段的数量，M是代表红外成像系统和可见光成像系统的个数和，▽是求导符号，η表示平滑约束权重。
S2502：由融合模块132将各相应波段的光谱图像/视频数据进行差分运算以强化被监测对象的图像特征，弱化背景。具体步骤包括但不限于以下方式：
将多路光谱图像/视频数据中与被监测对象的吸收波段相匹配的光谱图像/视频数据作为信号图像/视频数据，记为image_1，其余路光谱图像/视频数据作为背景图像/视频数据，记为image_2, image_3，……，image_n。将所有成像的信号图像/视频数据和背景图像/视频数据归一化处理，可采用但不限于如下方式进行归一化：
image_i＝image_i/max(image_i)其中i＝1,2……n。
将信号图像/视频数据与各背景图像/视频数据的均值通过差分计算从而强化被监测对象的信号图像/视频数据，弱化背景图像/视频数据。
其中，当所述信号图像/视频数据为多个时，则将多个信号图像/视频数据分别与各背景图像/视频数据进行上述处理，最后将各分别处理的各结果叠加。
S2503：由降噪模块133，对多路光谱图像/视频数据使用通用的空域、时域滤波方法进行降噪。所述空域滤波方法可采用但不限于：均值滤波、中值滤波、高斯滤波、双线性滤波、非局部均值去噪NLM、三维块匹配算法BM3D等；所述时域滤波方法包括但不限于：平均值滤波、限幅滤波、一阶滞后滤波等。
S2504：由识别模块134根据预处理结果识别被监测对象即气体的形态，并定位被监测对象的区域。具体的，识别模块134对降噪后的信号图像/视频数据采用像素阈值化、聚类分析等方法进行气体形态识别。
S2505：浓度计算模块135根据识别出的被监测对象的区域的辐射与背景辐射的差异计算被监测对象的浓度；所述背景辐射由被监测对象的区域在不同时间的辐射、被监测对象的区域在不同光谱波段的辐射或除被监测对象的区域之外的辐射计算得到。
具体的，以所述背景辐射由被监测对象的区域在不同光谱波段的辐射计算得到为例，由浓度计算模块135利用被监测对象的区域的辐射与背景辐射的差异，根据辐射衰减模型，计算气体积分浓度。
其中根据由普朗克方程和朗伯-比尔定律推导的辐射衰减模型，被监测对象的区域的辐射对应的像素值：
S1＝f1(λ1,λ2,R(λ),CL,F,σ(λ))
被监测对象的区域在不同光谱波段的辐射对应的像素值为：
S2＝f2(λ3,λ4,R(λ),F)
可计算气体积分浓度得：
CL≈G(S1,S2,λ1,λ2,λ3,λ4,σ(λ),R(λ))
其中S1为被监测对象的区域的辐射对应的像素值大小，S2为被监测对象的区域在不同光谱波段的辐射对应的像素值大小，λ1、λ2为被监测对象的吸收波段相匹配的红外成像系统所确定的通带区域。λ3、λ4为被监测对象的区域在不同光谱波段的红外成像系统所确定的通带区域。F为被监测区域背景(被监测对象在实际监测场景中所在的区域)绝对辐射量大小。σ(λ)为被监测对象的吸收特性。R(λ)由红外镜头透过率、光学滤波片透过率、红外探测器响应曲线所决定。 R(λ)＝Rsensor(λ)×Rlen(λ)×Rfilter(λ)，其中Rsensor(λ)为红外探测器响应曲线，Rlen(λ)为红外镜头透过率曲线，Rfilter(λ)为光学滤波片透过率曲线。 CL为气体积分浓度。公式里的G表示CL与各参数映射关系。
S2506：由扩散方向预测模块136用于根据被监测对象的光谱图像/视频数据的像素梯度预测被监测对象的扩散方向，具体的，运用光流法根据计算像素值的梯度，或者根据S2505计算得到的积分浓度计算浓度梯度等方法，获取气体运动方向。
S2507：由场景测温模块137根据热辐射-温度模型，运用一路或多路红外光谱图像/视频数据进行场景温度计算。
由普朗克公式的曲线拟合表达式可推导出像素与温度的换算公式为：/>其中T是开尔文温度，B是温度特征参数，R是系统响应参数，S是绝对辐射量，O是偏置，F是系统特征参数。
利用S210中对各路红外成像系统111设置的RBFO参数，通过温度换算公式计算各个成像区域中某个特定对象的温度Temp_1,Temp_2……Temp_n，然后将其取均值输出。以公式表示为：
Temp＝mean{Temp_1,Temp_2……Temp_n}。Temp即为所监测的气体所在被监测区域的特定对象(例如气体运输管道)的温度，mean 表示取平均值运算，通过求取均值可以减小输出误差。
S260：由图像/视频处理单元130中的标记模块139标记监测数据以形成可视化图像/视频结果，具体的，将监测数据通过伪彩色渲染等方法进行标记，并和配准后的可见光图像/视频数据进行融合，融合后的图像更具有直观性。
S270：由监测单元140中的显示模块141向终端用户进行相应内容的显示，各终端用户可以通过具有该显示模块141的服务器或客户端从图像/视频处理单元130接收处理结果并监测。
S280：由监测单元140中的交互模块142向终端用户提供系统参数设置、实时图像预览、监测信息查询等交互操作。
上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，均属于本申请保护范畴。
Claims (21)
1.一种多光谱监测方法，其特征在于，所述方法包括：
对被监测区域的光谱辐射信息进行多路成像，形成多路光谱图像/视频信号，其中，所述多路成像通过选取不同的光学滤波片实现，所述光学滤波片的选取方式为：
且λfilter_2-λfilter_1≤2.5μm，
其中Rsensor(λ)为红外探测器响应曲线，Rlen(λ)为红外镜头透过率曲线，Rfilter(λ)为光学滤波片透过率曲线，τVOCs(λ)为VOCs气体吸收率曲线，λ)表示波长，(λfilter_1,λfilter_2)∈S表示光学滤波片响应波段的上下限值，即构成光学滤波片的通带区域；
采集多路所述光谱图像/视频信号，形成多路光谱图像/视频数据；
对多路所述光谱图像/视频数据进行预处理，其中所述预处理包括对多路光谱图像/视频数据进行空间配准处理；
对预处理结果进行计算，以生成被监测区域的监测数据，其中包括根据预处理结果识别被监测对象的形态，并定位被监测对象所处区域；
根据该监测数据对被监测对象进行监测。
2.根据权利要求1所述的多光谱监测方法，其特征在于，所述监测数据至少包括被监测对象的形态、被监测对象的区域、被监测对象的浓度、被监测对象的扩散方向以及场景温度之一。
3.根据权利要求1所述的多光谱监测方法，其特征在于，所述预处理还包括：
在对多路光谱图像/视频数据进行空间配准处理之后将信号图像/视频数据与各背景图像/视频数据进行融合处理；其中，将多路光谱图像/视频数据中与被监测对象的吸收波段相匹配的光谱图像/视频数据作为信号图像/视频数据，其余路光谱图像/视频数据作为背景图像/视频数据。
4.根据权利要求3所述的多光谱监测方法，其特征在于，所述步骤“将信号图像/视频数据与各背景图像/视频数据进行融合处理”具体包括：
将信号图像/视频数据与各背景图像/视频数据进行差分计算。
5.根据权利要求1所述的多光谱监测方法，其特征在于，所述步骤“对多路所述光谱图像/视频数据进行预处理”还包括：
对多路光谱图像/视频数据进行降噪处理。
6.根据权利要求1所述的多光谱监测方法，其特征在于，所述步骤“对预处理结果进行计算，以生成被监测区域的监测数据”包括：
根据定位出的被监测对象的区域的辐射与背景辐射的差异计算被监测对象的浓度；所述背景辐射由被监测对象的区域在不同时间的辐射、不同光谱波段的辐射或除被监测对象的区域之外的辐射计算得到。
7.根据权利要求1所述的多光谱监测方法，其特征在于，所述步骤“对预处理结果进行计算，以生成被监测区域的监测数据”包括：
根据被监测对象的光谱图像/视频数据的像素梯度预测被监测对象的扩散方向。
8.根据权利要求3所述的多光谱监测方法，其特征在于，所述步骤“对预处理结果进行计算，以生成被监测区域的监测数据”包括：
根据至少一路光谱图像/视频数据计算场景温度。
9.根据权利要求1所述的多光谱监测方法，其特征在于，多路所述光谱图像/视频数据包括多路宽带光谱图像/视频数据时，所述对所述多路光谱图像/视频数据进行预处理还包括：
对宽带光谱图像/视频数据进行解耦重建，获得不同波段的光谱图像/视频数据作为不同的多路光谱图像/视频数据。
10.一种多光谱监测系统，其特征在于，包括：
前端成像单元，用于对被监测区域的光谱辐射信息进行多路成像，形成多路光谱图像/视频信号，其中，所述多路成像通过选取不同的光学滤波片实现，所述光学滤波片的选取方式为：
且λfilter_2-λfilter_1≤2.5μm，
其中Rsensor(λ)为红外探测器响应曲线，Rlen(λ)为红外镜头透过率曲线，Rfilter(λ)为光学滤波片透过率曲线，τVOCs(λ)为VOCs气体吸收率曲线，λ表示波长，(λfilter_1,λfilter_2)∈S表示光学滤波片响应波段的上下限值，即构成光学滤波片的通带区域；
数据采集单元，用于采集多路所述光谱图像/视频信号，形成多路光谱图像/视频数据；
图像/视频处理单元，用于对多路所述光谱图像/视频数据进行预处理，其中所述预处理包括配准模块，用于对多路光谱图像/视频数据进行空间配准处理；
监测单元，用于根据监测数据对被监测对象进行监测。
11.根据权利要求10所述的多光谱监测系统，其特征在于，所述监测数据至少包括被监测对象的形态、被监测对象的区域、被监测对象的浓度、被监测对象的扩散方向以及场景温度之一。
12.根据权利要求10所述的多光谱监测系统，其特征在于，所述图像/视频处理单元还包括：
融合模块，用于在对多路光谱图像/视频数据进行空间配准处理之后将信号图像/视频数据与各背景图像/视频数据进行融合处理；其中，将多路光谱图像/视频数据中与被监测对象的吸收波段相匹配的光谱图像/视频数据作为信号图像/视频数据，其余路光谱图像/视频数据作为背景图像/视频数据。
13.根据权利要求12所述的多光谱监测系统，其特征在于，所述融合模块具体用于将信号图像/视频数据与各背景图像/视频数据进行差分计算。
14.根据权利要求10所述的多光谱监测系统，其特征在于，所述图像/视频处理单元还包括：
降噪模块，用于对多路光谱图像/视频数据进行降噪处理。
15.根据权利要求10所述的多光谱监测系统，其特征在于，所述图像/视频处理单元还包括：
浓度计算模块，用于根据识别出的被监测对象的区域的辐射与背景辐射的差异计算被监测对象的浓度；所述背景辐射由被监测对象的区域在不同时间的辐射、被监测对象的区域在不同光谱波段的辐射或除被监测对象的区域之外的辐射计算得到。
16.根据权利要求10所述的多光谱监测系统，其特征在于，所述图像/视频处理单元还包括：
扩散方向预测模块，用于根据被监测对象的光谱图像/视频数据的像素梯度预测被监测对象的扩散方向。
17.根据权利要求12所述的多光谱监测系统，其特征在于，所述图像/视频处理单元还包括：
场景测温模块，用于根据至少一路光谱图像/视频数据计算场景温度。
18.根据权利要求10所述的多光谱监测系统，其特征在于，所述图像/视频处理单元还包括：
解耦模块，用于对宽带光谱图像/视频数据进行解耦重建，获得不同波段的光谱图像/视频数据作为不同的多路光谱图像/视频数据。
19.根据权利要求10所述的多光谱监测系统，其特征在于，所述图像/视频处理单元还包括：
标记模块，用于标记监测数据以形成可视化图像/视频结果。
20.根据权利要求10所述的多光谱监测系统，其特征在于，所述前端成像单元包括至少一个红外成像系统；
红外成像系统用于对被监测区域的红外光谱辐射信息进行成像，以形成红外光谱图像/视频信号。
21.根据权利要求20所述的多光谱监测系统，其特征在于，当被监测对象包括甲烷气体时，至少一个红外成像系统的响应波段包含6.5μm-8.5μm。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010366139.3A CN111462254B (zh) | 2020-04-30 | 2020-04-30 | 一种多光谱监测方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010366139.3A CN111462254B (zh) | 2020-04-30 | 2020-04-30 | 一种多光谱监测方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111462254A CN111462254A (zh) | 2020-07-28 |
| CN111462254B true CN111462254B (zh) | 2024-05-03 |
Family
ID=71682614
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010366139.3A Active CN111462254B (zh) | 2020-04-30 | 2020-04-30 | 一种多光谱监测方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111462254B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113447410B (zh) * | 2021-06-24 | 2022-12-23 | 桂林理工大学 | 低空无人机探测地面火灾的方法及系统 |
| CN115541123B (zh) * | 2022-11-21 | 2023-03-03 | 昆明北方红外技术股份有限公司 | 气体检漏仪necl参数测试系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106840398A (zh) * | 2017-01-12 | 2017-06-13 | 南京大学 | 一种多光谱光场成像方法 |
| CN107703555A (zh) * | 2016-06-20 | 2018-02-16 | 北京英特威视科技有限公司 | 一种危险源探测方法及系统 |
| CN108844628A (zh) * | 2018-04-04 | 2018-11-20 | 湖北三江航天万峰科技发展有限公司 | 一种多光谱成像探测系统 |
| CN109164057A (zh) * | 2018-10-12 | 2019-01-08 | 北京环境特性研究所 | 化学气体红外多谱段成像遥感监测系统、设备及方法 |
| CN110186566A (zh) * | 2019-05-30 | 2019-08-30 | 上海交通大学 | 基于光场相机多谱测温的二维真实温度场成像方法及系统 |
| CN212207082U (zh) * | 2020-04-30 | 2020-12-22 | 南京智谱科技有限公司 | 一种前端成像单元及多光谱监测系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8274565B2 (en) * | 2008-12-31 | 2012-09-25 | Iscon Video Imaging, Inc. | Systems and methods for concealed object detection |
-
2020
- 2020-04-30 CN CN202010366139.3A patent/CN111462254B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107703555A (zh) * | 2016-06-20 | 2018-02-16 | 北京英特威视科技有限公司 | 一种危险源探测方法及系统 |
| CN106840398A (zh) * | 2017-01-12 | 2017-06-13 | 南京大学 | 一种多光谱光场成像方法 |
| CN108844628A (zh) * | 2018-04-04 | 2018-11-20 | 湖北三江航天万峰科技发展有限公司 | 一种多光谱成像探测系统 |
| CN109164057A (zh) * | 2018-10-12 | 2019-01-08 | 北京环境特性研究所 | 化学气体红外多谱段成像遥感监测系统、设备及方法 |
| CN110186566A (zh) * | 2019-05-30 | 2019-08-30 | 上海交通大学 | 基于光场相机多谱测温的二维真实温度场成像方法及系统 |
| CN212207082U (zh) * | 2020-04-30 | 2020-12-22 | 南京智谱科技有限公司 | 一种前端成像单元及多光谱监测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111462254A (zh) | 2020-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230003640A1 (en) | Gas leak emission quantification with a gas cloud imager | |
| US20220120616A1 (en) | Equipment and method for three-dimensional radiance and gas species field estimation in an open combustion environment | |
| US6819798B2 (en) | Spectral drift and correction technique for hyperspectral imaging systems | |
| US10084975B2 (en) | Mobile gas and chemical imaging camera | |
| CN107407634B (zh) | 在无源光学气体成像中定量气体 | |
| US9513166B2 (en) | Split field spectral imager | |
| CN111462254B (zh) | 一种多光谱监测方法与系统 | |
| JP6677431B2 (ja) | 大気微量ガスのファブリ・ペロー干渉計に基づく衛星検出 | |
| Cook et al. | IKONOS technical performance assessment | |
| CN109799199B (zh) | 一种叶绿素a浓度的协同反演方法 | |
| WO2021083163A1 (zh) | 一种用于火焰拍摄的高速高精度光谱视频系统及方法 | |
| CN113970376B (zh) | 一种基于海洋区域再分析资料的卫星红外载荷定标方法 | |
| EP2269037A1 (en) | Method and apparatus for gas detection based on spectral spatial misregistration | |
| CN106644089A (zh) | 铸坯表面温度场测量传感器及方法 | |
| CN212207082U (zh) | 一种前端成像单元及多光谱监测系统 | |
| JP5807111B2 (ja) | 画像生成システム及び画像生成方法 | |
| Nieke et al. | Uniformity of imaging spectrometry data products | |
| IL266863A (en) | Spectral imaging systems, devices and methods | |
| JP2015055547A (ja) | 多波長放射温度計および多波長放射温度計測方法 | |
| Takahashi | Algorithm theoretical basis document (ATBD) for GSICS infrared inter-calibration of imagers on MTSAT-1R/-2 and himawari-8/-9 using AIRS and IASI hyperspectral observations | |
| Reulke et al. | Image quality and image resolution | |
| Eismann et al. | Focal plane array nonlinearity and nonuniformity impacts to target detection with thermal infrared imaging spectrometers | |
| FR2832799A1 (fr) | Procedure de detection optique de gaz a distance | |
| Khalesi et al. | Uncertainty Model for NDVI Estimation from Multispectral Camera Measurements | |
| WO2020159648A1 (en) | System and method for detecting daytime solar glint using multi-band mid-wave infrared imagery |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231219 Address after: Room 1056, Heying building, No. 99, Tuanjie Road, Jiangbei new district, Nanjing, Jiangsu Province, 210008 Applicant after: Nanjing Zhipu Technology Co.,Ltd. Applicant after: NANJING University Address before: Room 1056, Heying building, No. 99, Tuanjie Road, Jiangbei new district, Nanjing, Jiangsu Province, 210008 Applicant before: Nanjing Zhipu Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |