CN111464762A - 一种基于红外融合技术的夜间成像仪及成像方法 - Google Patents
一种基于红外融合技术的夜间成像仪及成像方法 Download PDFInfo
- Publication number
- CN111464762A CN111464762A CN202010240299.3A CN202010240299A CN111464762A CN 111464762 A CN111464762 A CN 111464762A CN 202010240299 A CN202010240299 A CN 202010240299A CN 111464762 A CN111464762 A CN 111464762A
- Authority
- CN
- China
- Prior art keywords
- image
- infrared
- module
- data line
- night
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 41
- 238000003384 imaging method Methods 0.000 title claims abstract description 29
- 238000005516 engineering process Methods 0.000 title claims abstract description 22
- 230000000007 visual effect Effects 0.000 claims abstract description 38
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 15
- 239000000284 extract Substances 0.000 claims abstract description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000003786 synthesis reaction Methods 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/95—Computational photography systems, e.g. light-field imaging systems
- H04N23/951—Computational photography systems, e.g. light-field imaging systems by using two or more images to influence resolution, frame rate or aspect ratio
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于红外融合技术的夜间成像仪及成像方法。包括图像显示模块和图像采集模块,还包括图像处理模块、第一数据线和第二数据线,所述图像采集模块包括透红外滤波片、红外传感器、可见光相机,所述红外传感器的镜头处固定红外滤波片,所述红外传感器与所述可见光相机对景物进行图像信息采集。方法包括:搭建成像系统;局部窗口视觉显著性提取模块对输出数据进行提取;对局部窗口视觉显著性提取的数据进行融合;将融合后的数据在图像显示模块进行显示观看。本发明的成像仪对硬件模块进行部分改进,能够减低噪声,算法模块利用局部窗口视觉显著性提取法能够有效提高视觉效果,最后应用融合算法,能有效提高图像的清晰度。
Description
技术领域
本发明涉及计算机和光电领域,具体涉及一种基于红外融合技术的夜间成像仪及成像方法。
背景技术
夜间成像仪可分为可见光成像仪和红外线成像仪。可见光成像仪可以获取对象的大量细节信息,但往往受到光照强度的影响,在弱光环境下,不能发挥良好的作用;红外线成像仪对特定目标有追踪的作用,并且可以工作在弱光环境下,但是不能反映真实的场景信息。所以基于红外融合技术的夜间成像仪能有效改善夜间成像的效果。
现如今基于红外融合技术的夜间成像仪主要应用在军事方面,该仪器可以帮助士兵在发现目标,获得目标的具体位置信息并且在追踪目标方面有着极大的帮助。同时它的体积小巧,灵活性高,常常与其他设备联合使用,在军事方面有着广泛的应用。
但是在人们的日常生活中,可见光夜间成像仪或红外线夜间成像仪应用较多,很少应用基于红外融合技术的夜间成像仪。即使应用,也依赖硬件较多,不能很好地发挥该仪器的作用。
目前,基于红外融合技术的夜间成像仪探测,主要通过可见光相机和红外传感器分别获得可见光图像和红外图像,利用简单算法处理后在显示器上显示。所需步骤虽然简单,但是最终获得的图像清晰度不高,并且伴有大量的噪声,往往需要进一步处理。
发明内容
为解决现有技术中存在的上述问题,本发明提供了一种基于红外融合技术的夜间成像仪及成像方法,对硬件模块进行简单的升级并且应用本发明所提出的处理算法,在不增加过多步骤的情况下,能有效减少噪音并且提高图像的清晰度。
一种基于红外融合技术的夜间成像仪,包括图像显示模块和图像采集模块,还包括图像处理模块、第一数据线和第二数据线,所述图像采集模块包括透红外滤波片、红外传感器、可见光相机,所述红外传感器的镜头处固定红外滤波片,所述红外传感器与所述可见光相机对景物进行图像信息采集,所述第一数据线的一端与红外传感器相连接,第一数据线另一端与图像处理模块相连接,所述第二数据线的一端与可见光相机相连接,第二数据线另一端与图像处理模块相连接,所述光图像处理模块与图像显示模块相连接;所述第一数据线与第二数据线分别接收到的图像信息传输给图像处理模块。
进一步的,所述红外传感器与可见光相机放置在同一水平面上并对景物进行图像信息采集,逐渐调整红外传感器和可见光相机的镜头使两台仪器获取到的图像没有叠影。
进一步的,所述图像处理模块(7)包括局部窗口视觉显著性提取模块、图像融合模块。
进一步的,所述局部窗口视觉显著性提取模块显著性提取的具体方法为:V表示人眼视觉特征所关注原始图像f的权重分布,V∈[0,1],V中的值越大,人眼视觉特征越关注该区域,在任意像素(i,j)处,图像f的对应显著性值V(i,j)定义为:
其中Ω表示尺寸为W×W的局部窗口,其中心位于像素(i,j)处,并且(x,y)表示以Ω为单位的任意像素,fxy和fij分别是(x,y)和(i,j)的灰度值,在等式(1)中,Dg(·)是灰度距离函数,用于测量两个像素之间的灰度距离:
Dg(fij,fxy)=|fij-fxy| (2)
Γ(·)表示空间权重,Γ(·)由以下公式定义:
Ds(·)表示使用像素数的两个像素之间的空间距离;σ2是膨胀系数;
使用等式(1)(2)(3)计算显着性图V,可以获得随着W的变化而变化的显着区域,在{Wk}的不同级别下,可以获得对应的显着性图{Vk},并且k=1,2...N,这可以帮助将不同的特征提取到融合图像中;
因此可以将V的函数重新写为g(·):
V=g(W,f,σ2) (4)
进一步的,所述的图像融合模块在{Wk}的不同级别下,可以获得对应的显着性图{Vk},并且k=1,2...N,N是选择的尺寸数,Wk-1<Wk,将式(4)变换成第k个多重显著图,分别针对红外图像和可见图像fIR和fVI进行创建:
IR为红外图像,VI为可见图像,为了分别增强IR和VI的细节,对第k个局部窗口的融合规则计算如下:
最终的图像合成操作如下:
一种基于红外融合技术的夜间成像仪成像方法,包括以下步骤:
步骤一:搭建成像系统,采集红外图像和可见光图像,图像数据传输到图像处理模块进行处理,图像处理模块包括局部窗口视觉显著性提取模块、图像融合模块;
步骤二:局部窗口视觉显著性提取模块对输出数据进行提取;
步骤三:对局部窗口视觉显著性提取的数据进行融合;
步骤四:将融合后的数据在图像显示模块进行显示观看。
进一步的,所述的成像系统的搭建方法为:
S11)所述成像系统包括景物、透红外滤波片、红外传感器、可见光相机、第一数据线、第二数据线、图像处理模块和图像显示模块;
S12)所述红外滤波片固定到红外传感器的镜头上;
S13)调节镜头,所述红外传感器与可见光相机放置在同一水平面上并对景物进行图像信息采集,逐渐调整红外传感器和可见光相机的镜头使两台仪器获取到的图像没有叠影;
S14)所述第一数据线与第二数据线分别接收到的图像信息传输给图像处理模块。
进一步的,所述步骤二局部窗口视觉显著性提取模块对输出数据进行提取具体方法为:
V表示人眼视觉特征所关注原始图像f的权重分布,V∈[0,1],V中的值越大,人眼视觉特征越关注该区域,在任意像素(i,j)处,图像f的对应显著性值V(i,j)定义为:
其中Ω表示尺寸为W×W的局部窗口,其中心位于像素(i,j)处,并且(x,y)表示以Ω为单位的任意像素,fxy和fij分别是(x,y)和(i,j)的灰度值,在等式(1)中,Dg(·)是灰度距离函数,用于测量两个像素之间的灰度距离:
Dg(fij,fxy)=|fij-fxy| (2)
Γ(·)表示空间权重,Γ(·)由以下公式定义:
Ds(·)表示使用像素数的两个像素之间的空间距离;σ2是膨胀系数;
使用等式(1)(2)(3)计算显着性图V,可以获得随着W的变化而变化的显着区域,在{Wk}的不同级别下,可以获得对应的显着性图{Vk},并且k=1,2...N,这可以帮助将不同的特征提取到融合图像中;
因此可以将V的函数重新写为g(·):
V=g(W,f,σ2) (4)
进一步的,所述的步骤三对局部窗口视觉显著性提取的数据进行融合的具体方法为:
图像融合模块在{Wk}的不同级别下,可以获得对应的显着性图{Vk},并且k=1,2...N。N是选择的尺寸数。Wk-1<Wk。将式(4)变换成第k个多重显著图,分别针对红外图像和可见图像fIR和fVI进行创建:
IR为红外图像,VI为可见图像,为了分别增强IR和VI的细节,对第k个局部窗口的融合规则计算如下:
最终的图像合成操作如下:
进一步的,整个成像过程在夜间或者弱光环境下进行。
本发明的有益效果:
增添透红外滤波片可以有效降低红外传感器获取数据的噪声。
融合过程中先分别对两幅图像进行局部视觉显著性提取在融合,可有效提高人眼视觉效果。
应用了本发明的融合算法,能有效提高图像的清晰度。
附图说明
图1是本发明的流程图;
图2是本发明的结构示意图;
图中:1-景物,2-透红外滤波片,3-红外传感器,4-可见光相机,5-第一数据线,6-第二数据线,7-图像处理模块,8-图像显示模块。
具体实施方式
以下结合附图对本发明的技术方案作进一步说明:
如图1和图2所示,一种基于红外融合技术的夜间成像仪,包括透红外滤波片2、红外传感器3、可见光相机4、第一数据线5、第二数据线6、图像处理模7、图像显示模块8。所述红外传感器3的镜头处固定红外滤波片2,所述红外传感器3与所述可见光相机4对景物1进行信息采集,红外传感器3与可见光相机4放置在同一水平面上并对景物1进行图像信息采集,逐渐调整红外传感器3和可见光相机4的镜头使两台仪器获取到的图像没有叠影。所述第一数据线5的一端与红外传感器3相连接,第一数据线5另一端与图像处理模块7相连接,所述第二数据线6的一端与可见光相机4相连接,第二数据线6另一端与图像处理模块7相连接。所述光图像处理模块7与图像显示模块8相连接。所述图像处理模块7包括局部窗口视觉显著性提取模块、图像融合模块。
局部窗口视觉显著性提取模块的实现方法如下:
V表示人眼视觉特征所关注原始图像f的权重分布。V∈[0,1],V中的值越大,人眼视觉特征越关注该区域。
在任意像素(i,j)处,图像f的对应显著性值V(i,j)定义为:
其中Ω表示尺寸为W×W的局部窗口,其中心位于像素(i,j)处。并且(x,y)表示以Ω为单位的任意像素。fxy和fij分别是(x,y)和(i,j)的灰度值。在等式(1)中,Dg(·)是灰度距离函数,用于测量两个像素之间的灰度距离:
Dg(fij,fxy)=|fij-fxy| (2)
Γ(·)表示空间权重,在这里设计此权重是因为希望在空间距离变化时显示出视觉差异。Γ(·)由以下公式定义:
Ds(·)表示使用像素数的两个像素之间的空间距离;σ2是膨胀系数;较大σ2的使远处的像素(x,y)对当前像素(i,j)产生较大影响。从等式中,可以发现(x,y)与(i,j)之间的距离越近,影响fxy的影响就越大。
使用等式(1)(2)(3)计算显着性图V。通过这种设计,可以获得随着W的变化而变化的显着区域。在{Wk}的不同级别下,可以获得对应的显着性图{Vk},并且k=1,2...N。这可以帮助将不同的特征提取到融合图像中。
因此可以将V的函数重新写为g(·):
V=g(W,f,σ2) (4)
图像融合模块的实现方法如下:
在{Wk}的不同级别下,可以获得对应的显着性图{Vk},并且k=1,2...N。N是选择的尺寸数。Wk-1<Wk。将式(4)变换成第k个多重显著图,分别针对红外(Infrared,IR)图像和可见(Visible,VI)图像fIR和fVI进行创建:
为了分别增强IR和VI的细节,对第k个局部窗口的融合规则计算如下:
最终的图像合成操作如下:
一种基于红外融合技术的夜间成像仪成像方法,包括以下步骤:
步骤一:搭建成像系统,
S11)所述成像系统包括景物1、透红外滤波片2、红外传感器3、可见光相机4、第一数据线5、第二数据线6、图像处理模7、图像显示模块8。
S12)所述红外滤波片2固定到红外传感器3的镜头上。
S13)调节镜头,所述红外传感器3与可见光相机4放置在同一水平面上并对景物1进行图像信息采集,逐渐调整红外传感器3和可见光相机4的镜头使两台仪器获取到的图像没有叠影。
S14)所述第一数据线5与第二数据线6分别接收到的图像信息传输给图像处理模块7。
步骤二:局部窗口视觉显著性提取模块对输出数据进行提取:
V表示人眼视觉特征所关注原始图像f的权重分布。V∈[0,1],V中的值越大,人眼视觉特征越关注该区域。
在任意像素(i,j)处,图像f的对应显著性值V(i,j)定义为:
其中Ω表示尺寸为W×W的局部窗口,其中心位于像素(i,j)处。并且(x,y)表示以Ω为单位的任意像素。fxy和fij分别是(x,y)和(i,j)的灰度值。在等式(1)中,Dg(·)是灰度距离函数,用于测量两个像素之间的灰度距离:
Dg(fij,fxy)=|fij-fxy| (2)
Γ(·)表示空间权重,在这里设计此权重是因为希望在空间距离变化时显示出视觉差异。Γ(·)由以下公式定义:
Ds(·)表示使用像素数的两个像素之间的空间距离;σ2是膨胀系数;较大σ2的使远处的像素(x,y)对当前像素(i,j)产生较大影响。从等式中,可以发现(x,y)与(i,j)之间的距离越近,影响fxy的影响就越大。
使用等式(1)(2)(3)计算显着性图V。通过这种设计,可以获得随着W的变化而变化的显着区域。在{Wk}的不同级别下,可以获得对应的显着性图{Vk},并且k=1,2...N。这可以帮助将不同的特征提取到融合图像中。
因此可以将V的函数重新写为g(·):
V=g(W,f,σ2) (4)
步骤三:将局部窗口视觉显著性提取的数据进行融合。
在{Wk}的不同级别下,可以获得对应的显着性图{Vk},并且k=1,2...N。N是选择的尺寸数。Wk-1<Wk。将式(4)变换成第k个多重显著图,分别针对红外(Infrared,IR)图像和可见(Visible,VI)图像fIR和fVI进行创建:
为了分别增强IR和VI的细节,对第k个局部窗口的融合规则计算如下:
最终的图像合成操作如下:
步骤四:将融合后的数据在图像显示模块(8)进行显示观看。
Claims (10)
1.一种基于红外融合技术的夜间成像仪,包括图像显示模块(8)和图像采集模块,其特征在于:还包括图像处理模块(7)、第一数据线(5)和第二数据线(6),所述图像采集模块包括透红外滤波片(2)、红外传感器(3)、可见光相机(4),所述红外传感器(3)的镜头处固定红外滤波片(2),所述红外传感器(3)与所述可见光相机(4)对景物(1)进行图像信息采集,所述第一数据线(5)的一端与红外传感器(3)相连接,第一数据线(5)另一端与图像处理模块(7)相连接,所述第二数据线(6)的一端与可见光相机(4)相连接,第二数据线(6)另一端与图像处理模块(7)相连接,所述光图像处理模块(7)与图像显示模块(8)相连接;所述第一数据线(5)与第二数据线(6)分别接收到的图像信息传输给图像处理模块(7)。
2.根据权利要求1所述的一种基于红外融合技术的夜间成像仪,其特征在于:所述红外传感器(3)与可见光相机(4)放置在同一水平面上并对景物(1)进行图像信息采集,逐渐调整红外传感器(3)和可见光相机(4)的镜头使两台仪器获取到的图像没有叠影。
3.根据权利要求1所述的一种基于红外融合技术的夜间成像仪,其特征在于:所述图像处理模块(7)包括局部窗口视觉显著性提取模块、图像融合模块。
4.根据权利要求3所述的一种基于红外融合技术的夜间成像仪,其特征在于:所述局部窗口视觉显著性提取模块显著性提取的具体方法为:
V表示人眼视觉特征所关注原始图像f的权重分布,V∈[0,1],V中的值越大,人眼视觉特征越关注该区域,在任意像素(i,j)处,图像f的对应显著性值V(i,j)定义为:
其中Ω表示尺寸为W×W的局部窗口,其中心位于像素(i,j)处,并且(x,y)表示以Ω为单位的任意像素,fxy和fij分别是(x,y)和(i,j)的灰度值,在等式(1)中,Dg(·)是灰度距离函数,用于测量两个像素之间的灰度距离:
Dg(fij,fxy)=|fij-fxy| (2)
Γ(·)表示空间权重,Γ(·)由以下公式定义:
Γ(ij,xy)=eDs(ij,xy)/σ2 (3)
Ds(·)表示使用像素数的两个像素之间的空间距离;σ2是膨胀系数;
使用等式(1)(2)(3)计算显着性图V,可以获得随着W的变化而变化的显着区域,在{Wk}的不同级别下,可以获得对应的显着性图{Vk},并且k=1,2...N,这可以将不同的特征提取到融合图像中;
因此可以将V的函数重新写为g(·):
V=g(W,f,σ2) (4)
6.一种基于红外融合技术的夜间成像方法,其特征在于包括以下步骤:
步骤一:搭建成像系统,采集红外图像和可见光图像,图像数据传输到图像处理模块(7)进行处理,图像处理模块(7)包括局部窗口视觉显著性提取模块、图像融合模块;
步骤二:局部窗口视觉显著性提取模块对输出数据进行提取;
步骤三:对局部窗口视觉显著性提取的数据进行融合;
步骤四:将融合后的数据在图像显示模块(8)进行显示观看。
7.根据权利要求6所述的一种基于红外融合技术的夜间成像方法,其特征在于所述的成像系统的搭建方法为:
S11)所述成像系统包括景物(1)、透红外滤波片(2)、红外传感器(3)、可见光相机(4)、第一数据线(5)、第二数据线(6)、图像处理模块(7)和图像显示模块(8);
S12)所述红外滤波片(2)固定到红外传感器(3)的镜头上;
S13)调节镜头,所述红外传感器(3)与可见光相机(4)放置在同一水平面上并对景物(1)进行图像信息采集,逐渐调整红外传感器(3)和可见光相机(4)的镜头使两台仪器获取到的图像没有叠影;
S14)所述第一数据线(5)与第二数据线(6)分别接收到的图像信息传输给图像处理模块(7)。
8.根据权利要求6所述的一种基于红外融合技术的夜间成像方法,其特征在于所述步骤二局部窗口视觉显著性提取模块对输出数据进行提取具体方法为:
V表示人眼视觉特征所关注原始图像f的权重分布,V∈[0,1],V中的值越大,人眼视觉特征越关注该区域,在任意像素(i,j)处,图像f的对应显著性值V(i,j)定义为:
其中Ω表示尺寸为W×W的局部窗口,其中心位于像素(i,j)处,并且(x,y)表示以Ω为单位的任意像素,fxy和fij分别是(x,y)和(i,j)的灰度值,在等式(1)中,Dg(·)是灰度距离函数,用于测量两个像素之间的灰度距离:
Dg(fij,fxy)=|fij-fxy| (2)
Γ(·)表示空间权重,Γ(·)由以下公式定义:
Γ(ij,xy)=eDs(ij,xy)/σ2 (3)
Ds(·)表示使用像素数的两个像素之间的空间距离;σ2是膨胀系数;
使用等式(1)(2)(3)计算显着性图V,可以获得随着W的变化而变化的显着区域,在{Wk}的不同级别下,可以获得对应的显着性图{Vk},并且k=1,2...N,这可以帮助将不同的特征提取到融合图像中;
因此可以将V的函数重新写为g(·):
V=g(W,f,σ2) (4)
10.根据权利要求6所述的一种基于红外融合技术的夜间成像方法,其特征在于:整个成像过程在夜间或者弱光环境下进行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010240299.3A CN111464762A (zh) | 2020-03-30 | 2020-03-30 | 一种基于红外融合技术的夜间成像仪及成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010240299.3A CN111464762A (zh) | 2020-03-30 | 2020-03-30 | 一种基于红外融合技术的夜间成像仪及成像方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111464762A true CN111464762A (zh) | 2020-07-28 |
Family
ID=71680216
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010240299.3A Pending CN111464762A (zh) | 2020-03-30 | 2020-03-30 | 一种基于红外融合技术的夜间成像仪及成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111464762A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510007A (zh) * | 2009-03-20 | 2009-08-19 | 北京科技大学 | 一种红外光图像与可见光图像实时摄取与自适应融合装置 |
CN104835129A (zh) * | 2015-04-07 | 2015-08-12 | 杭州电子科技大学 | 一种使用局部窗口视觉注意提取的双波段图像融合方法 |
CN108389158A (zh) * | 2018-02-12 | 2018-08-10 | 河北大学 | 一种红外和可见光的图像融合方法 |
CN109788170A (zh) * | 2018-12-25 | 2019-05-21 | 合肥芯福传感器技术有限公司 | 一种基于红外与可见光的视频图像处理系统及方法 |
CN110072035A (zh) * | 2018-01-22 | 2019-07-30 | 中国科学院上海微系统与信息技术研究所 | 双成像系统 |
CN110097617A (zh) * | 2019-04-25 | 2019-08-06 | 北京理工大学 | 基于卷积神经网络与显著性权重的图像融合方法 |
CN110490914A (zh) * | 2019-07-29 | 2019-11-22 | 广东工业大学 | 一种基于亮度自适应和显著性检测的图像融合方法 |
-
2020
- 2020-03-30 CN CN202010240299.3A patent/CN111464762A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510007A (zh) * | 2009-03-20 | 2009-08-19 | 北京科技大学 | 一种红外光图像与可见光图像实时摄取与自适应融合装置 |
CN104835129A (zh) * | 2015-04-07 | 2015-08-12 | 杭州电子科技大学 | 一种使用局部窗口视觉注意提取的双波段图像融合方法 |
CN110072035A (zh) * | 2018-01-22 | 2019-07-30 | 中国科学院上海微系统与信息技术研究所 | 双成像系统 |
CN108389158A (zh) * | 2018-02-12 | 2018-08-10 | 河北大学 | 一种红外和可见光的图像融合方法 |
CN109788170A (zh) * | 2018-12-25 | 2019-05-21 | 合肥芯福传感器技术有限公司 | 一种基于红外与可见光的视频图像处理系统及方法 |
CN110097617A (zh) * | 2019-04-25 | 2019-08-06 | 北京理工大学 | 基于卷积神经网络与显著性权重的图像融合方法 |
CN110490914A (zh) * | 2019-07-29 | 2019-11-22 | 广东工业大学 | 一种基于亮度自适应和显著性检测的图像融合方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111209810B (zh) | 向可见光与红外图像准确实时行人检测的边界框分割监督深度神经网络架构 | |
CN110956661B (zh) | 基于双向单应矩阵的可见光与红外相机动态位姿计算方法 | |
CN112288663A (zh) | 一种红外与可见光图像融合方法及系统 | |
CN108269238B (zh) | 深度图像采集装置和深度图像采集系统及其图像处理方法 | |
CN109035307B (zh) | 基于自然光双目视觉的设定区域目标追踪方法及系统 | |
CN115439424A (zh) | 一种无人机航拍视频图像智能检测方法 | |
CN102982518A (zh) | 红外与可见光动态图像的融合方法及装置 | |
CN109758756B (zh) | 基于3d相机的体操视频分析方法及系统 | |
CN115226406A (zh) | 图像生成装置、图像生成方法、记录介质生成方法、学习模型生成装置、学习模型生成方法、学习模型、数据处理装置、数据处理方法、推断方法、电子装置、生成方法、程序和非暂时性计算机可读介质 | |
WO2001035208A1 (en) | Method for acquisition of motion capture data | |
Asmare et al. | Image Enhancement by Fusion in Contourlet Transform. | |
CN111899345B (zh) | 一种基于2d视觉图像的三维重建方法 | |
KR20110129158A (ko) | 영상 처리 시스템에서의 객체 후보 영역 검출 방법 및 시스템 | |
CN114170537A (zh) | 一种多模态三维视觉注意力预测方法及其应用 | |
CN107704851A (zh) | 人物识别方法、公共传媒展示装置、服务器和系统 | |
CN108257090B (zh) | 一种面向机载行扫相机的高动态图像拼接方法 | |
CN113945921A (zh) | 一种多模态数据采集系统及同步采集方法 | |
CN104980727A (zh) | 基于虚拟现实技术的图像合成方法和头戴式显示设备 | |
CN112288876A (zh) | 远距离ar识别服务器及系统 | |
CN111464762A (zh) | 一种基于红外融合技术的夜间成像仪及成像方法 | |
CN109495694B (zh) | 一种基于rgb-d的环境感知方法及装置 | |
CN115100556B (zh) | 基于图像分割与融合的增强现实的方法、装置及电子设备 | |
CN116433822A (zh) | 一种神经辐射场训练方法、装置、设备及介质 | |
KR20160039447A (ko) | 스테레오 카메라를 이용한 공간분석시스템 | |
CN114677654A (zh) | 一种基于混合数据学习的交通现场风险识别方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200728 |