CN111612773B - 一种红外热像仪及实时自动盲元检测处理方法 - Google Patents
一种红外热像仪及实时自动盲元检测处理方法 Download PDFInfo
- Publication number
- CN111612773B CN111612773B CN202010443164.7A CN202010443164A CN111612773B CN 111612773 B CN111612773 B CN 111612773B CN 202010443164 A CN202010443164 A CN 202010443164A CN 111612773 B CN111612773 B CN 111612773B
- Authority
- CN
- China
- Prior art keywords
- pixel
- blind
- suspected
- pixels
- value
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 230000003044 adaptive effect Effects 0.000 claims abstract description 26
- 238000012790 confirmation Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 abstract description 10
- 238000004364 calculation method Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
Abstract
本发明涉及一种红外热像仪及实时自动盲元检测处理方法,对红外热像仪的图像,确定自适应阈值,计算中心像元与窗口内各像素灰度的均值的偏差;判断如果偏差的绝对值大于自适应阈值则判定为疑似盲元,若是疑似盲元则标记疑似盲元位置;完成像元处理后,将标记的疑似盲元进行二次确认,并对确定的盲元进行补偿处理,对排除的盲元取消标记。本发明采用了先粗检测筛选出疑似盲元,再根据盲元的特性,针对每个疑似盲元进行二次确认,在保证盲元识别的准确率的前提下,减少了计算量提高了硬件处理速度,保证处理的实时性。本发明的补偿值中剔除了盲元的灰度值,使得补偿值更加准确,获得了更好的图像效果。
Description
技术领域
本发明涉及红外图像处理技术领域,尤其涉及一种红外热像仪及实时自动盲元检测处理方法。
背景技术
由于受到制作红外探测器的半导体材料的不均匀性、缺陷、工艺等因素的影响,红外探测器存在不稳定像元、失效像元、过热像元,导致红外热像仪的输出图像出现大量暗点或亮点即盲元,严重影响系统性能。
目前常用的是手动盲元检测处理,即靠人主观判断标记,效率很低。也有一些自动盲元检测的算法,识别率或者实时性都不是很高。
现有的盲元处理方式并没有连续或较为接近的盲元进行有效的处理,导致一旦出现连续或较为接近的盲元,滤波后盲元仍然存在。
发明内容
为提高红外热像仪盲元处理的效率和效果,本发明提供一种红外热像仪及实时自动盲元检测处理方法,提高了红外热像仪中盲元的识别率,提高对于连续或较为接近的盲元的处理能力,极大地提高了盲元处理的效率和效果。
为达到上述目的,本发明提供了一种实时自动盲元检测处理方法,包括:
(1)获取红外热像仪的图像,进行时域滤波处理;
(2)以某一像元为中心取一个(2n+1)x(2n+1)窗口,计算窗口内各像素灰度的均值或标准差,取k倍的所述均值或标准差作为自适应阈值,n为自然数,k为实数,2≤k<3;
(3)计算中心像元与窗口内各像素灰度的均值的偏差;
(4)判断如果所述偏差的绝对值大于自适应阈值则判定为疑似盲元,若是疑似盲元则标记疑似盲元位置;判断是否为最后一个像元,如果是则进入步骤(5),如果不是,则返回步骤(2)处理下一个像元;
(5)将标记的疑似盲元进行二次确认,并对确定的盲元进行补偿处理,对排除的盲元取消标记。
进一步地,某一疑似盲元的二次确认具体包括:
5.1以某一疑似盲元为中心取一个(2m+1)x(2m+1)窗口;m的取值小于n;
5.2计算(2m+1)x(2m+1)窗口内每个像素点与疑似盲元的灰度值的差值绝对值,如果均大于设定阈值d,则确认该点为盲元,进入步骤5.3;否则,将与疑似盲元的差值绝对值小于设定阈值d的像素点作为相关像素点,进入步骤5.4;
5.4如果存在至少两个相关像素点,则认为该疑似盲元为非盲元,取消标记;否则以该相关像素点为中心,计算该相关像素点8邻域内除疑似盲元以外其它像素点与该相关像素点的差值绝对值|e|′,如果存在|e|′小于阈值d的点,则取消该疑似盲元标记,如果不存在|e|′小于阈值d的点,则将疑似盲元和相关像素点均认定为盲元,记录位置,并采用(2m+1)x(2m+1)窗口内剔除了两个盲元以外其他像素的灰度均值代替盲元灰度值。
进一步地,n为3、5或7;m为1或2。
进一步地,标准差的计算为:
进一步地,阈值d为(2m+1)x(2m+1)窗口内每个像素点与疑似盲元的标准差之和的3倍。
本发明另一方面提供一种基于自动盲元检测处理的红外热像仪,包括采集模块、滤波模块和处理器;
所述采集模块采集红外热像仪的图像;
所述滤波模块对采集的采集红外热像仪进行时域滤波处理;
所述处理器包括第一窗口单元,自适应阈值生成单元、疑似盲元判断单元、盲元确认单元以及盲元补偿单元;
第一窗口单元,依次以滤波后图像中的某一像元为中心,取一个(2n+1)x(2n+1)窗口;
所述自适应阈值生成单元计算所述(2n+1)x(2n+1)窗口内各像素灰度的均值或标准差,取k倍的所述均值或标准差作为自适应阈值并输出给所述疑似盲元判断单元,n为自然数,k为实数,2≤k<3;
所述疑似盲元判断单元计算中心像元与窗口内各像素灰度的均值的偏差;如果所述偏差的绝对值大于自适应阈值则判定为疑似盲元,若是疑似盲元则标记疑似盲元位置;
所述盲元确认单元对标记的疑似盲元进行二次确认,如果判断为盲元则由所述盲元补偿单元进行补偿处理,若判断为非盲元则取消标记。
进一步地,还包括第二窗口单元,依次以各个所述疑似盲元为中心取一个(2m+1)x(2m+1)窗口;m的取值小于n;
所述盲元确认单元二次确认包括:计算所述(2m+1)x(2m+1)窗口内每个像素点与疑似盲元的灰度值的差值绝对值,如果均大于设定阈值d,则确认该点为盲元;否则,将与疑似盲元的差值绝对值小于设定阈值d的像素点作为相关像素点;如果存在至少两个相关像素点,则取消标记;否则仅有一个相关像素点,则以该相关像素点为中心,计算该相关像素点8邻域内除疑似盲元以外其它像素点与该相关像素点的差值绝对值|e|′,如果存在|e|′小于阈值d的点,则取消该疑似盲元标记,如果不存在|e|′小于阈值d的点,则将疑似盲元和相关像素点均认定为盲元。
进一步地,所述盲元补偿单元对于单一盲元,计算窗口内的除疑该盲元以外其他像素的灰度均值代替盲元灰度值;对于两个盲元,采用(2m+1)x(2m+1)窗口内剔除了两个盲元以外其他像素的灰度均值代替两个盲元的灰度值。
进一步地,所述处理器还包括阈值d生成单元,计算(2m+1)x(2m+1)窗口内每个像素点与疑似盲元的标准差,标准差的3倍作为阈值d输出。
进一步地,n为3、5或7;m为1或2。
本发明的上述技术方案具有如下有益的技术效果:
(1)本发明采用了先粗检测筛选出疑似盲元,再根据盲元的特性,针对每个疑似盲元进行二次确认,在保证盲元识别的准确率的前提下,减少了计算量提高了硬件处理速度,保证处理的实时性。
(2)本发明通过一个更小的窗口对疑似盲元进行二次确认,减少了计算量,避免了对连续盲元的误判。
(3)本发明的补偿值中剔除了盲元的灰度值,使得补偿值更加准确,获得了更好的图像效果;对于存在连续盲元的情况,本发明进行了进一步的确认,剔除了连续盲元,使得存在连续盲元的情况下,仍然能够获得准确的补偿值。
附图说明
图1是自动盲元检测处理流程图;
图2为疑似盲元的二次确认流程图;
图3为盲元处理前后对比示意图;其中图3(a)为处理前的图像,图3(b)为处理后的图像。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
本发明一方面提供一种实时自动盲元检测处理方法,结合图1,包括以下步骤:
(1)获取红外热像仪的图像,进行时域滤波处理。
(2)以某一像元为中心取一个(2n+1)x(2n+1)窗口,计算自适应阈值。
为了获得好的效果,n的取值很重要,然而本发明为了快速定位盲元,采取首先进行粗检测的方式,不必设置过大的n值。n的取值例如可以为3、5、7等,以提高执行计算的硬件电路的处理速度。
本发明采用自适应阈值,在一个实施例中采用k.σ准则。然而为了保证盲元均能够识别出来,并弥补窗口设置偏小的缺陷,本发明的阈值设置低于常用的3σ准则。2≤k<3,k的取值例如为2,以保证所有可能的盲点都能被识别出来。σ为采用窗口内以(i,j)为中心点的窗口内像元h(k,l)的标准差:
在另一个实施例中,自适应阈值采用2倍的窗口均值。
设置固定的阈值经常会导致识别率过低或过高,影响图像效果。本发明中,该步骤阈值采用自适应阈值,并且阈值的设置优先满足所有的盲元都被识别出来,后续对于误识别的盲元进行进一步处理。
(3)计算中心像元与窗口均值的偏差e。窗口均值在步骤(2)中已经计算得出,即f(i,j)。
(4)判断步骤(3)中计算的偏差|e|和自适应阈值k.σ的大小,如果|e|>k.σ则判定为疑似盲元,若是疑似盲元则标记疑似盲元位置;判断是否为最后一个像元,如果是则进入步骤(5),如果不是,则返回步骤(2)处理下一个像元。
当完成所有像元的疑似盲元判定后,再进行疑似盲元进行二次确认。
(5)将标记的疑似盲元进行二次确认,并对确定的盲元进行补偿处理。对某一疑似盲元的二次确认,具体流程参见图2,包括如下步骤:
5.1以某一疑似盲元为中心取一个(2m+1)x(2m+1)窗口;m的取值小于n,m的取值例如为1、2。
本发明首先采取较大的窗口搜索盲元,进行盲元的快速定位,然后减小窗口的尺寸进行进一步的判断,和准确的补偿计算。一方面保证了计算的效率,另一方面提高了补偿的准确性。
5.2计算疑似盲元的窗口内,每个像素点与疑似盲元的灰度值的差值绝对值|ej|,如果均大于设定阈值d,则确认该点为盲元,进入步骤5.3;否则表明相邻域可能存在与疑似盲元为同一目标的像元,需要进一步判断,均为盲点还是同一目标,进入步骤5.4。阈值d可以采用3σ准则设置,计算窗口内像元的标准差σ′,d的值取3σ′。
5.4如果疑似盲元的8邻域内存在至少两个像素与疑似盲元的差值绝对值|ej|小于设定阈值d,则认为该疑似盲元为非盲元,取消标记;否则8邻域内仅有一个与以疑似盲元的差值绝对值|ej|小于设定阈值的相关像素点,则以该相关像素点为中心,计算该像素点8邻域内除疑似盲元以外,每个像素点与该像素点的差值绝对值,如果存在小于阈值d的点,则认为同一目标的像元,取消标记,如果不存在小于阈值d的点,则将疑似盲元和相关像素点均认定为盲元,记录位置,并采用剔除了两个盲元以外其他像素的灰度均值代替盲元灰度值,进行下一疑似盲元的处理。该步骤对盲元的补偿过程中,提出了两个盲元的值后进行均值计算,作为补偿值,保证了补偿值的准确性,剔除了连续盲元带来的干扰。
完成所有疑似盲元的二次确认和补偿处理,则完成了获取的红外热像仪图像的实时自动盲元检测处理;获取下一幅红外热像仪的图像继续进行实时检测和处理。
本发明对疑似盲元进行进一步确认,如果存在灰度值接近的点,则对相关像素点再次确认是否为同一目标,如果为统一目标则不作为盲元,取消标记;如果确认不是统一目标,则将相关像素点和疑似盲元均认定为盲元,均进行补偿,加快盲元的处理。
现有技术中,常用的盲元补偿方法为采用窗口内各像素灰度的平均值替换盲元,然而该方法中一旦出现连续盲元,则补偿后不能获得预期效果。本发明对盲元进行进一步的确认,剔除盲元后计算均值,保证了补偿效果。
本发明另一方面提供一种基于自动盲元检测处理的红外热像仪,采用所述的红外热像仪的实时自动盲元检测处理方法,进行盲元检测处理。包括采集模块、滤波模块和处理器;处理器的流程在红外在热像仪的FPGA里实现,盲元检测处理实时性很高。
所述采集模块采集红外热像仪的图像。
所述滤波模块对采集的采集红外热像仪进行时域滤波处理。
所述处理器包括第一窗口单元,自适应阈值生成单元、疑似盲元判断单元、盲元确认单元、盲元补偿单元、第二窗口单元以及阈值d生成单元。
第一窗口单元,依次以滤波后图像中的某一像元为中心,取一个(2n+1)x(2n+1)窗口。
所述自适应阈值生成单元计算所述(2n+1)x(2n+1)窗口内各像素灰度的均值或标准差,取k倍的所述均值或标准差作为自适应阈值并输出给所述疑似盲元判断单元,n为自然数,k为实数,2≤k<3。
所述疑似盲元判断单元计算中心像元与窗口内各像素灰度的均值的偏差;如果所述偏差的绝对值大于自适应阈值则判定为疑似盲元,若是疑似盲元则标记疑似盲元位置。
所述盲元确认单元对标记的疑似盲元进行二次确认,如果判断为盲元则由所述盲元补偿单元进行补偿处理,若判断为非盲元则取消标记。
第二窗口单元,依次以各个所述疑似盲元为中心取一个(2m+1)x(2m+1)窗口;m的取值小于n。
所述盲元确认单元二次确认包括:计算所述(2m+1)x(2m+1)窗口内每个像素点与疑似盲元的灰度值的差值绝对值,如果均大于设定阈值d,则确认该点为盲元;否则,将与疑似盲元的差值绝对值小于设定阈值d的像素点作为相关像素点;如果存在至少两个相关像素点,则取消标记;否则仅有一个相关像素点,则以该相关像素点为中心,计算该相关像素点8邻域内除疑似盲元以外其它像素点与该相关像素点的差值绝对值|e|′,如果存在|e|′小于阈值d的点,则取消该疑似盲元标记,如果不存在|e|′小于阈值d的点,则将疑似盲元和相关像素点均认定为盲元。优选的,还包括阈值d生成单元,计算(2m+1)x(2m+1)窗口内每个像素点与疑似盲元的标准差,标准差的3倍作为阈值d输出。
盲元处理前后对比示意图;其中图3(a)为处理前的图像,图3(b)为处理后的图像。可以看出本发明的识别率高,处理效果好。
综上所述,本发明涉及一种红外热像仪及实时自动盲元检测处理方法,对红外热像仪的图像,确定自适应阈值,计算中心像元与窗口内各像素灰度的均值的偏差;判断如果偏差的绝对值大于自适应阈值则判定为疑似盲元,若是疑似盲元则标记疑似盲元位置;完成像元处理后,将标记的疑似盲元进行二次确认,并对确定的盲元进行补偿处理,对排除的盲元取消标记。本发明采用了先粗检测筛选出疑似盲元,再根据盲元的特性,针对每个疑似盲元进行二次确认,在保证盲元识别的准确率的前提下,减少了计算量提高了硬件处理速度,保证处理的实时性。本发明的补偿值中剔除了盲元的灰度值,使得补偿值更加准确,获得了更好的图像效果。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (8)
1.一种实时自动盲元检测处理方法,其特征在于,包括:
(1)获取红外热像仪的图像,进行时域滤波处理;
(2)以某一像元为中心取一个(2n+1)x(2n+1)窗口,计算窗口内各像素灰度的均值或标准差,取k倍的所述均值或标准差作为自适应阈值,n为自然数,k为实数,2≤k<3;
(3)计算中心像元与窗口内各像素灰度的均值的偏差;
(4)判断如果所述偏差的绝对值大于自适应阈值则判定为疑似盲元,若是疑似盲元则标记疑似盲元位置;判断是否为最后一个像元,如果是则进入步骤(5),如果不是,则返回步骤(2)处理下一个像元;
(5)将标记的疑似盲元进行二次确认,并对确定的盲元进行补偿处理,对排除的盲元取消标记,对于任一疑似盲元的二次确认具体包括:
(5.1)以所述疑似盲元为中心取一个(2m+1)x(2m+1)窗口;m的取值小于n;
(5.2)计算(2m+1)x(2m+1)窗口内每个像素点与疑似盲元的灰度值的差值绝对值,如果均大于设定阈值d,则确认该像素点为盲元,进入步骤5.3;否则,将与疑似盲元的差值绝对值小于设定阈值d的像素点作为相关像素点,进入步骤5.4;
2.根据权利要求1所述的实时自动盲元检测处理方法,其特征在于,n为3、5或7;m为1或2。
4.根据权利要求1所述的实时自动盲元检测处理方法,其特征在于,阈值d为(2m+1)x(2m+1)窗口内每个像素点与疑似盲元的标准差的3倍。
5.一种基于自动盲元检测处理的红外热像仪,其特征在于,包括采集模块、滤波模块和处理器;
所述采集模块采集红外热像仪的图像;
所述滤波模块对采集的采集红外热像仪进行时域滤波处理;
所述处理器包括第一窗口单元,自适应阈值生成单元、疑似盲元判断单元、盲元确认单元以及盲元补偿单元;
第一窗口单元,依次以滤波后图像中的某一像元为中心,取一个(2n+1)x(2n+1)窗口;
所述自适应阈值生成单元计算所述(2n+1)x(2n+1)窗口内各像素灰度的均值或标准差,取k倍的所述均值或标准差作为自适应阈值并输出给所述疑似盲元判断单元,n为自然数,k为实数,2≤k<3;
所述疑似盲元判断单元计算中心像元与窗口内各像素灰度的均值的偏差;如果所述偏差的绝对值大于自适应阈值则判定为疑似盲元,若是疑似盲元则标记疑似盲元位置;
所述盲元确认单元对标记的疑似盲元进行二次确认,如果判断为盲元则由所述盲元补偿单元进行补偿处理,若判断为非盲元则取消标记;
还包括第二窗口单元,依次以各个所述疑似盲元为中心取一个(2m+1)x(2m+1)窗口;m的取值小于n;
所述盲元确认单元二次确认包括:计算所述(2m+1)x(2m+1)窗口内每个像素点与疑似盲元的灰度值的差值绝对值,如果均大于设定阈值d,则确认该像素点为盲元;否则,将与疑似盲元的差值绝对值小于设定阈值d的像素点作为相关像素点;如果存在至少两个相关像素点,则取消标记;否则仅有一个相关像素点,则以该相关像素点为中心,计算该相关像素点8邻域内除疑似盲元以外其它像素点与该相关像素点的差值绝对值|e|,如果存在|e|小于阈值d的点,则取消该疑似盲元标记,如果不存在|e|小于阈值d的点,则将疑似盲元和相关像素点均认定为盲元。
7.根据权利要求5或6所述的基于自动盲元检测处理的红外热像仪,其特征在于,所述处理器还包括阈值d生成单元,计算(2m+1)x(2m+1)窗口内每个像素点与疑似盲元的标准差,标准差的3倍作为阈值d输出。
8.根据权利要求5或6所述的基于自动盲元检测处理的红外热像仪,其特征在于,n为3、5或7;m为1或2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010443164.7A CN111612773B (zh) | 2020-05-22 | 2020-05-22 | 一种红外热像仪及实时自动盲元检测处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010443164.7A CN111612773B (zh) | 2020-05-22 | 2020-05-22 | 一种红外热像仪及实时自动盲元检测处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111612773A CN111612773A (zh) | 2020-09-01 |
CN111612773B true CN111612773B (zh) | 2021-02-02 |
Family
ID=72198710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010443164.7A Active CN111612773B (zh) | 2020-05-22 | 2020-05-22 | 一种红外热像仪及实时自动盲元检测处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111612773B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113160158B (zh) * | 2021-04-13 | 2022-06-07 | 浙江大华技术股份有限公司 | 一种不稳定像元确定方法、装置、设备和介质 |
CN113240664B (zh) * | 2021-06-03 | 2023-06-09 | 郑州航空工业管理学院 | 基于场景时空显著性的红外探测虚警检测方法及其应用 |
CN116183037B (zh) * | 2023-03-01 | 2024-01-23 | 北京波谱华光科技有限公司 | 一种随机出现型盲元的扫描方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102346910A (zh) * | 2010-07-30 | 2012-02-08 | 中国科学院空间科学与应用研究中心 | 一种基于单帧红外图像的点目标的实时检测方法 |
CN104330164A (zh) * | 2014-08-05 | 2015-02-04 | 凯迈(洛阳)测控有限公司 | 红外焦平面阵列的盲元检测方法与装置 |
CN104515599A (zh) * | 2013-09-29 | 2015-04-15 | 南京理工大学 | 基于fpga的红外焦平面阵列盲元检测系统及方法 |
CN105338342A (zh) * | 2014-08-12 | 2016-02-17 | 炬力集成电路设计有限公司 | 一种图像坏点的检测方法及装置 |
CN105928622A (zh) * | 2016-04-26 | 2016-09-07 | 成都市晶林科技有限公司 | 一种红外焦平面探测器盲元校正方法 |
CN106327474A (zh) * | 2016-08-25 | 2017-01-11 | 上海航天控制技术研究所 | 一种自动在线盲元检测方法 |
CN106373094A (zh) * | 2016-08-25 | 2017-02-01 | 中国科学院长春光学精密机械与物理研究所 | 一种红外图像的非均匀性校正方法及装置 |
CN106525245A (zh) * | 2016-11-03 | 2017-03-22 | 浙江大学 | 一种基于三梯度阈值的快速时序盲元检测与校正方法 |
CN108805853A (zh) * | 2017-04-28 | 2018-11-13 | 武汉多谱多勒科技有限公司 | 一种红外图像盲元检测方法 |
CN109767441A (zh) * | 2019-01-15 | 2019-05-17 | 电子科技大学 | 一种自动检测盲元标记方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584205A (zh) * | 2018-10-19 | 2019-04-05 | 中国人民解放军海军工程大学 | 盲元检测方法及装置 |
-
2020
- 2020-05-22 CN CN202010443164.7A patent/CN111612773B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102346910A (zh) * | 2010-07-30 | 2012-02-08 | 中国科学院空间科学与应用研究中心 | 一种基于单帧红外图像的点目标的实时检测方法 |
CN104515599A (zh) * | 2013-09-29 | 2015-04-15 | 南京理工大学 | 基于fpga的红外焦平面阵列盲元检测系统及方法 |
CN104330164A (zh) * | 2014-08-05 | 2015-02-04 | 凯迈(洛阳)测控有限公司 | 红外焦平面阵列的盲元检测方法与装置 |
CN105338342A (zh) * | 2014-08-12 | 2016-02-17 | 炬力集成电路设计有限公司 | 一种图像坏点的检测方法及装置 |
CN105928622A (zh) * | 2016-04-26 | 2016-09-07 | 成都市晶林科技有限公司 | 一种红外焦平面探测器盲元校正方法 |
CN106327474A (zh) * | 2016-08-25 | 2017-01-11 | 上海航天控制技术研究所 | 一种自动在线盲元检测方法 |
CN106373094A (zh) * | 2016-08-25 | 2017-02-01 | 中国科学院长春光学精密机械与物理研究所 | 一种红外图像的非均匀性校正方法及装置 |
CN106525245A (zh) * | 2016-11-03 | 2017-03-22 | 浙江大学 | 一种基于三梯度阈值的快速时序盲元检测与校正方法 |
CN108805853A (zh) * | 2017-04-28 | 2018-11-13 | 武汉多谱多勒科技有限公司 | 一种红外图像盲元检测方法 |
CN109767441A (zh) * | 2019-01-15 | 2019-05-17 | 电子科技大学 | 一种自动检测盲元标记方法 |
Non-Patent Citations (3)
Title |
---|
A Novel De-noise Method Based on the Grey Relational Analysis;Dongzhu Feng,等;《Proceedings of the 2006 IEEE》;20060823;第1385-1389页 * |
电力设备红外诊断背景下焦平面盲元簇问题研究;琚天公;《中国优秀硕士学位论文全文数据库 信息科技辑》;20200115;正文第7-42页 * |
结合Harris与SIFT算子的图像快速配准算法;许佳佳 等;《中国光学》;20150831;第574-582页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111612773A (zh) | 2020-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111612773B (zh) | 一种红外热像仪及实时自动盲元检测处理方法 | |
CN109870461B (zh) | 一种电子元器件质量检测系统 | |
WO2017047494A1 (ja) | 画像処理装置 | |
CN115841434B (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
JP2003092707A (ja) | 不良ピクセルを検出し補正するセンサ装置 | |
CN117058147B (zh) | 基于计算机视觉的环保塑料制品缺陷检测方法 | |
CN116433666B (zh) | 板卡线路缺陷在线识别方法、系统、电子设备及存储介质 | |
US20120075506A1 (en) | Noise reduction for machine vision systems | |
CN101282419A (zh) | 一种自动坏点检测方法与设备 | |
JP4740755B2 (ja) | 画像を用いた監視装置 | |
KR101559724B1 (ko) | 센서 어레이의 불량 픽셀 검출과 에러 은폐를 위한 방법 및 장치 | |
CN113705672B (zh) | 图像目标检测的阈值选取方法、系统、装置及存储介质 | |
JP2000003436A (ja) | Isar画像識別装置およびisar画像識別方法 | |
CN115063302A (zh) | 针对指纹图像椒盐噪声的有效去除方法 | |
CN110798680B (zh) | 一种单帧无参考自适应的视频雪花噪声检测方法 | |
CN114283170A (zh) | 一种光斑提取方法 | |
CN111435080B (zh) | 一种水位测量方法、装置及系统 | |
Fan et al. | Double-threshold image segmentation method based on gray gradient | |
CN106898020B (zh) | 基于视频处理的监控图像对比度异常识别方法及系统 | |
CN112804467B (zh) | 一种基于多cmos传感器的图像编码方法及装置 | |
CN112419190B (zh) | 一种基于局部统计信息和几何距离的脉冲噪声滤波方法、系统 | |
CN117056148B (zh) | 一种检测屏幕显示异常的方法 | |
JP2006047252A (ja) | 画像処理装置 | |
CN115909220B (zh) | 一种实现船舶大气污染智能管控的方法及系统 | |
CN114066965A (zh) | 一种基于prnu的深度多尺度融合图像取证方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 101300, No. two, 1 road, Shunyi Park, Zhongguancun science and Technology Park, Beijing, Shunyi District Applicant after: Beijing fujirui Optoelectronic Technology Co.,Ltd. Address before: 101300, No. two, 1 road, Shunyi Park, Zhongguancun science and Technology Park, Beijing, Shunyi District Applicant before: BEIJING FJR OPTOELECTRONIC TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |