CN111968066A - 红外图像的校正方法、装置、设备及制冷红外成像系统 - Google Patents
红外图像的校正方法、装置、设备及制冷红外成像系统 Download PDFInfo
- Publication number
- CN111968066A CN111968066A CN202010879910.7A CN202010879910A CN111968066A CN 111968066 A CN111968066 A CN 111968066A CN 202010879910 A CN202010879910 A CN 202010879910A CN 111968066 A CN111968066 A CN 111968066A
- Authority
- CN
- China
- Prior art keywords
- image
- corrected
- cold
- determining
- correcting
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003331 infrared imaging Methods 0.000 title claims abstract description 42
- 238000005057 refrigeration Methods 0.000 title claims abstract description 38
- 238000003702 image correction Methods 0.000 title claims description 25
- 230000003068 static effect Effects 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 52
- 230000001629 suppression Effects 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 abstract description 10
- 238000013461 design Methods 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000005855 radiation Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种红外图像的校正方法,包括获取制冷红外成像系统采集的具有冷反射现象的多帧图像;获取制冷红外成像系统采集的待校正图像;判断待校正图像的画面状态;画面状态包括静止状态和运动状态;根据画面状态,利用多帧图像对待校正图像进行校正,得到校正后图像。本申请中通过获得具有冷反射现象的多帧图像和待校正的图像,确定待校正图像的画面状态是处于静止状态还是运动状态,进而根据不同的画面状态,利用具有冷反射现象的多帧图像对待校正图像进行校正,消除待校正图像中的冷反射现象,提升图像质量,并且无需改进制冷红外成像系统的光学设计,非常简单易行。本申请还提供一种具有上述优点的装置、设备及制冷红外成像系统。
Description
技术领域
本申请涉及红外成像技术领域,特别是涉及一种红外图像的校正方法、装置、设备及制冷红外成像系统。
背景技术
自然界中任何温度高于绝对零度的物体都不停地发射红外热辐射,红外成像技术就是利用物体发射的红外辐射,将其转变为视觉可分辨的图像,并可以进一步计算出温度值。制冷红外成像系统由于具有探测距离远、灵敏度高、探测能力强等优点,广泛应用在安防、农业、工业等领域。
制冷红外探测器在工作时处于低温腔内,低温腔内的温度一般在90K~110K之间,而整个红外成像系统的工作环境温度通常在300K左右,所以制冷红外探测器接收到的红外辐射不仅包括观测目标,还包括红外成像系统内部器件,如镜筒、镜头等,呈现在图像上表现为亮环和冷斑,即冷反射效应。冷反射效应在制冷红外成像系统中普遍存在,严重影响红外成像系统的探测、识别能力和用户的观感体验。为了抑制冷反射效应,目前一般从光学方面抑制或者采用非均匀性校正算法,光学抑制需要在光学设计、镀膜上做大量工作,难度大、成本高,工程化困难;而非均匀校正算法并不能对冷反射进行完全修正,图像中仍会出现斑点。
因此,如何解决上述技术问题应是本领域技术人员重点关注的。
发明内容
本申请的目的是提供一种红外图像的校正方法、装置、设备及制冷红外成像系统,以提升红外图像的质量,且简单易行。
为解决上述技术问题,本申请提供一种红外图像的校正方法,包括:
获取制冷红外成像系统采集的具有冷反射现象的多帧图像;
获取所述制冷红外成像系统采集的待校正图像;
判断所述待校正图像的画面状态;所述画面状态包括静止状态和运动状态;
根据所述画面状态,利用所述多帧图像对所述待校正图像进行校正,得到校正后图像。
可选的,所述根据所述画面状态,利用所述多帧图像对所述待校正图像进行校正,得到校正后图像包括:
当所述画面状态为所述静止状态时,从所述多帧图像中选取与所述待校正图像的采集环境信息最接近的所述多帧图像,作为补偿矩阵图像;
当所述画面状态为所述运动状态时,对所述多帧图像进行加权处理,得到模板冷像;对所述待校正图像进行场景抑制处理,得到估计冷像;根据所述模板冷像和所述估计冷像,确定所述补偿矩阵图像;
根据所述补偿矩阵图像对所述待校正图像进行校正,得到所述校正后图像。
可选的,所述对所述待校正图像进行场景抑制处理,得到估计冷像包括:
根据所述待校正图像,确定背景像素值;
计算所述待校正图像中每个像素点的像素值与所述背景像素值的差值绝对值,得到绝对值矩阵;
确定所述绝对值矩阵中每个所述差值绝对值的置信度,得到整体场景信息抑制的置信度矩阵;
确定所述待校正图像的低频信息和所述待校正图像中每个像素点的梯度信息;
根据所述低频信息和所述梯度信息确定局部场景信息抑制的低频分量;
根据所述置信度矩阵和所述低频分量确定场景抑制低频信息;
将所述场景抑制低频信息输入时域低通滤波算法公式,得到所述估计冷像。
可选的,所述确定所述绝对值矩阵中每个所述差值绝对值的置信度,包括:
判断所述差值绝对值是否小于第一预设阈值;
若所述差值绝对值小于第一预设阈值,则确定所述差值绝对值的所述置信度为第一置信度;
若所述差值绝对值不小于第一预设阈值,则判断所述差值绝对值是否大于第二预设阈值;所述第二预设阈值大于所述第一预设阈值;
若所述差值绝对值大于所述第二预设阈值,则确定所述差值绝对值的所述置信度为第二置信度;所述第一置信度大于所述第二置信度;
若所述差值绝对值不大于所述第二预设阈值,则根据预设函数确定所述差值绝对值的所述置信度。
可选的,所述根据所述模板冷像和所述估计冷像,确定所述补偿矩阵图像包括:
确定所述模板冷像和所述估计冷像在预设滑动窗口内中心像素点的相关系数,并得到相关系数矩阵;
判断每个所述相关系数是否大于系数阈值;
若所述相关系数大于所述系数阈值,则在所述估计冷像中取对应像素点的像素值作为补偿值;
若所述相关系数不大于所述系数阈值,则在所述估计冷像中确定对应的对应像素点,并取所述对应像素点的预设邻域内的所有像素点的像素均值作为所述补偿值;
所述补偿值构成所述补偿矩阵图像。
可选的,所述对所述多帧图像进行加权处理,得到模板冷像包括:
对所述多帧图像进行平均加权处理,得到所述模板冷像。
可选的,所述判断所述待校正图像的画面状态包括:
利用帧差法或者定位法判断所述待校正图像的所述画面状态。
本申请还提供一种红外图像的校正装置,包括:
第一获取模块,用于获取制冷红外成像系统在预设影响因素下采集的多帧图像,所述多帧图像中具有冷反射现象;
第二获取模块,用于获取所述制冷红外成像系统采集的待校正图像;
判断模块,用于判断所述待校正图像的画面状态,所述画面状态包括静止状态和运动状态;
校正模块,用于根据所述画面状态,利用所述多帧图像对所述待校正图像进行校正,得到校正后图像。
本申请还提供一种红外图像校正设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述任一种所述红外图像的校正方法的步骤。
本申请还提供一种制冷红外成像系统,所述制冷红外成像系统包括上述所述的红外图像校正设备。
本申请所提供的一种红外图像的校正方法,包括获取制冷红外成像系统采集的具有冷反射现象的多帧图像;获取所述制冷红外成像系统采集的待校正图像;判断所述待校正图像的画面状态;所述画面状态包括静止状态和运动状态;根据所述画面状态,利用所述多帧图像对所述待校正图像进行校正,得到校正后图像。
可见,本申请中的红外图像校正方法,通过获得具有冷反射现象的多帧图像和待校正的图像,确定待校正图像的画面状态是处于静止状态还是运动状态,进而根据不同的画面状态,利用具有冷反射现象的多帧图像对待校正图像进行校正,消除待校正图像中的冷反射现象,提升图像质量,并且无需改进制冷红外成像系统的光学设计,非常简单易行。
此外,本申请还提供一种具有上述优点的校正装置、设备及制冷红外成像系统。
附图说明
为了更清楚的说明本申请实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1为本申请实施例所提供的一种红外图像的校正方法的流程图;
图2为模拟目标物体的辐射温度采集多帧图像时的示意图;
图3为本申请实施例所提供的得到估计冷像的流程图;
图4为本申请实施例所提供的确定补偿矩阵图像的流程图;
图5为本申请实施例提供的红外图像的校正装置的结构框图;
图6为本申请实施例提供的制冷红外成像系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
正如背景技术部分所述,目前,一般从光学方面抑制或者采用非均匀性校正算法,光学抑制需要在光学设计、镀膜上做大量工作,难度大、成本高,工程化困难;而非均匀校正算法并不能对冷反射进行完全修正,图像中仍会出现斑点。
有鉴于此,本申请提供一种红外图像的校正方法,请参考图1,图1为本申请实施例所提供的一种红外图像的校正方法的流程图,该方法包括:
步骤S101:获取制冷红外成像系统采集的具有冷反射现象的多帧图像。
当制冷红外成像系统搭建完成后,影响冷反射强度的部分因素已经确定,如工作的红外波段范围、光学元件的有效通光孔径、红外镜筒折射面的反射率等,因此,在采集具有冷反射现象的多帧图像的过程中可只考虑环境温度、目标物体的辐射温度和焦距这三个影响因素,对于这三个影响因素采用单一变量原则,采集多帧图像。环境温度范围、温度间隔和目标物体的辐射温度范围和温度间隔可按实际情况设置,例如温度范围可均取-25℃~35℃,温度间隔均取ΔT=5℃,其中,当需改变目标物体的辐射温度时,目标物体的辐射温度通过黑体温度进行模拟,具体请参见图2。
需要说明的是,具有冷反射现象的多帧图像可以是预先采集保存的,也可以是实时采集的,本申请中不做具体限定。
步骤S102:获取所述制冷红外成像系统采集的待校正图像。
需要指出的是,待校正图像为连续帧图像。
步骤S103:判断所述待校正图像的画面状态;所述画面状态包括静止状态和运动状态。
可选的,所述判断所述待校正图像的画面状态包括:
利用帧差法或者定位法判断所述待校正图像的所述画面状态。
具体的,采用帧差法时,对相邻两帧待校正图像进行差分运算,不同帧对应的像素点相减,得到灰度差的绝对值,当绝对值的和超过预设阈值时,即可判断待校正图像的画面状态为运动状态,否则为静止状态。在吊舱和周扫的应用场景下,还可以利用定位法,例如飞机定位系统GPS判断位置是否发生移动,若发生移动,则为运动状态,否则为静止状态。需要指出的是,还可以采用运动传感器,例如陀螺仪,判断位置是否发生移动,进而判定画面状态是静止状态还是运动状态。
步骤S104:根据所述画面状态,利用所述多帧图像对所述待校正图像进行校正,得到校正后图像。
可选的,所述根据所述画面状态,利用所述多帧图像对所述待校正图像进行校正,得到校正后图像包括:
步骤S1041:当所述画面状态为所述静止状态时,从所述多帧图像中选取与所述待校正图像的采集环境信息最接近的所述多帧图像,作为补偿矩阵图像。
采集环境信息即指采集具有冷反射现象的多帧图像的过程中的影响因素,即环境温度、目标物体的辐射温度和焦距。
步骤S1042:当所述画面状态为所述运动状态时,对所述多帧图像进行加权处理,得到模板冷像;对所述待校正图像进行场景抑制处理,得到估计冷像;根据所述模板冷像和所述估计冷像,确定所述补偿矩阵图像。
可选的,所述对所述多帧图像进行加权处理,得到模板冷像包括:
对所述多帧图像进行平均加权处理,得到所述模板冷像。
具体的,模板冷像的计算公式如式(1),
式中,F0为模板冷像,Fa为多帧图像中第a帧图像,ka为第a帧图像的权重系数。
步骤S1043:根据所述补偿矩阵图像对所述待校正图像进行校正,得到所述校正后图像。
具体的,利用待校正图像的像素值减去补偿矩阵图像对应的像素值,得到校正后图像。
本申请中的红外图像校正方法,通过获得具有冷反射现象的多帧图像和待校正的图像,确定待校正图像的画面状态是处于静止状态还是运动状态,进而根据不同的画面状态,利用具有冷反射现象的多帧图像对待校正图像进行校正,消除待校正图像中的冷反射现象,提升图像质量,并且无需改进制冷红外成像系统的光学设计,非常简单易行。
在上述实施例的基础上,在本申请的一个实施例中,请参考图3,所述对所述待校正图像进行场景抑制处理,得到估计冷像包括:
步骤S201:根据所述待校正图像,确定背景像素值。
具体的,利用统计直方图对待校正图像的所有像素值进行统计,在直方图中找到统计数目最多的对应的像素响应值作为整体场景信息抑制的背景像素值Ib,统计数目可以为像素值在待校正图像中出现的次数,统计直方图示意图如图4所示。
步骤S202:计算所述待校正图像中每个像素点的像素值与所述背景像素值的差值绝对值,得到绝对值矩阵。
具体的,计算到绝对值矩阵的公式如式(2),
D(n)=abs(I-Ib) (2)
式中,Ib为背景像素值,I为待校正图像中每个像素点的像素值,D(n)为绝对值矩阵。
步骤S203:确定所述绝对值矩阵中每个所述差值绝对值的置信度,得到整体场景信息抑制的置信度矩阵。
可选的,所述确定所述绝对值矩阵中每个所述差值绝对值的置信度,包括:
步骤S2031:判断所述差值绝对值是否小于第一预设阈值。
本申请中对第一预设阈值不做具体限定,视情况而定,例如,第一预设阈值可以为100,或者120等等。
步骤S2032:若所述差值绝对值小于第一预设阈值,则确定所述差值绝对值的所述置信度为第一置信度。
本申请中对第一置信度不做具体限定,可自行设置,例如,第一置信度可以为0.9,或者0.85等等。
步骤S2033:若所述差值绝对值不小于第一预设阈值,则判断所述差值绝对值是否大于第二预设阈值;所述第二预设阈值大于所述第一预设阈值。
本申请中对第二预设阈值也不做具体限定,保证第二预设阈值大于第一预设阈值即可,例如,第二预设阈值可以为600,或者700等等。
步骤S2034:若所述差值绝对值大于所述第二预设阈值,则确定所述差值绝对值的所述置信度为第二置信度;所述第一置信度大于所述第二置信度。
本申请中对第二置信度也不做具体限定,保证第二置信度小于第一置信度即可,例如,第二置信度可以为0.2,或者0.15等等。
步骤S2035:若所述差值绝对值不大于所述第二预设阈值,则根据预设函数确定所述差值绝对值的所述置信度。
具体的,预设函数请参见式(3),
式中,p(i,j)为绝对值矩阵中坐标为(i,j)的差值绝对值的置信度,pmax为第一置信度,pmin为第二置信度,Thrmax为第二预设阈值,Thrmin为第一预设阈值,D(i,j)为绝对值矩阵中坐标为(i,j)的差值绝对值。
置信度实际上是分段映射函数,如式(4),分段映射函数关系图如图5所示,
绝对值矩阵中差值绝对值越大的点,表示该点为过暗或过亮目标的概率越大,该点对估计冷像的干扰越大,置信度也就越低。为避免过亮、过暗目标干扰,将差值绝对值超过第二预设阈值的点设置为较小的第二置信度,一般场景信息的灰度具有一定的波动,因此将差值绝对值小于较小的第一预设阈值的点设置为较大的第一置信度。
步骤S204:确定所述待校正图像的低频信息和所述待校正图像中每个像素点的梯度信息。
可选的,低频信息Ilow的计算方法可以采用但不限于K*K均值滤波方法,其中,K可以取3。
具体的,梯度信息计算公式如式(5),
式中,G(i,j)为(i,j)像素点的梯度信息,I(i,j)为(i,j)像素点的像素值,I(i+1,j)为(i+1,j)像素点的像素值,I(i,j+1)为(i,j+1)像素点的像素值。
由于一些边缘类的场景信息和邻域信息差异很大,因此边缘处的信息与邻域差异仍然较大,计算梯度信息的目的是避免局部边缘信息对估计冷像的干扰。
步骤S205:根据所述低频信息和所述梯度信息确定局部场景信息抑制的低频分量。
具体的,低频分量计算公式如式(6),
式中,Low为低频分量,Ilow为低频信息,G为梯度信息。
低频分量的作用是对待校正图像的局部边缘和纹理信息进行加强抑制。
步骤S206:根据所述置信度矩阵和所述低频分量确定场景抑制低频信息。
具体的,场景抑制低频信息计算公式如式(7),
X=Low×p (7)
式中,X为场景抑制低频信息,Low为低频分量,p为置信度矩阵。
步骤S207:将所述场景抑制低频信息输入时域低通滤波算法公式,得到所述估计冷像。
具体的,时域低通滤波算法公式如式(8),
式中,n为具有冷反射现象的多帧图像的数量,X(n)为第n帧多帧图像的场景抑制低频信息,Y(n)为估计冷像,M为滤波器的时间常数,M值较大则表明滤波结果受到初始帧的影响较大,收敛速度慢,M值较小则表明滤波结果受到当前帧的影响较大,收敛速度快。在校正初期优先考虑收敛速度,校正后期优先考虑校正的精度和稳定性,因处M初始值设置较小,每校正一次更新一次M值,M值的更新公式为式(9):
M=M0+ΔM (9)
式中,M为更新后数值,M0为初始值,ΔM为每次更新的增量,其中,M0可以为4,ΔM可以为1。
需要指出的是,除了采用时域低通滤波算法得到估计冷像,还可以采用帧间配准法得到估计冷像。
本实施例中利用统计直方图对待校正图像进行全局场景信息抑制,利用梯度信息、低频分量、场景抑制低频信息、差值绝对值矩阵进行局部场景信息抑制,可以保证时域低通的输入尽量少的引入场景信息和目标物体热残留,从而使估计冷像与真实冷像更加接近,校正后图像更加清晰。
在上述实施例的基础上,在本申请的一个实施例中,请参考图4,所述根据所述模板冷像和所述估计冷像,确定所述补偿矩阵图像包括:
步骤S301:确定所述模板冷像和所述估计冷像在预设滑动窗口内中心像素点的相关系数,并得到相关系数矩阵。。
相关系数可以采用归一化互相关计算公式得到,归一化互相关计算公式如式(10),
需要指出的是,本申请中对预设滑动窗口的尺寸不做具体限定,可自行设置。例如,预设滑动窗口的尺寸W可以为3×3,或者5×5等。随着预设滑动窗口的滑动,每次均可以得到一个相关系数,进而得到整帧模板冷像和估计冷像对应的相关系数矩阵。
步骤S302:判断每个所述相关系数是否大于系数阈值。
需要说明的是,本申请中对系数阈值不做具体限定,视情况而定,例如,系数阈值可以为0.7,或者0.75等等。
步骤S303:若所述相关系数大于所述系数阈值,则在所述估计冷像中取对应像素点的像素值作为补偿值。
当相关系数大于系数阈值时,表明估计冷像准确,所以补偿值直接取估计冷像中对应的像素值。
步骤S304:若所述相关系数不大于所述系数阈值,则在所述估计冷像中确定对应的对应像素点,并取所述对应像素点的预设邻域内的所有像素点的像素均值作为所述补偿值。
当相关系数不大于系数阈值时,补偿值取以对应像素点为中心的预设邻域内所有像素点的像素均值。其中
步骤S305:所述补偿值构成所述补偿矩阵图像。
下面对本申请实施例提供的红外图像的校正装置进行介绍,下文描述的红外图像的校正装置与上文描述的红外图像的校正方法可相互对应参照。
图5为本申请实施例提供的红外图像的校正装置的结构框图,参照图5红外图像的校正装置可以包括:
第一获取模块100,用于获取制冷红外成像系统在预设影响因素下采集的多帧图像,所述多帧图像中具有冷反射现象;
第二获取模块200,用于获取所述制冷红外成像系统采集的待校正图像;
判断模块300,用于判断所述待校正图像的画面状态,所述画面状态包括静止状态和运动状态;
校正模块400,用于根据所述画面状态,利用所述多帧图像对所述待校正图像进行校正,得到校正后图像。
本实施例的红外图像的校正装置用于实现前述的红外图像的校正方法,因此红外图像的校正装置中的具体实施方式可见前文中的红外图像的校正方法的实施例部分,例如,第一获取模块100,第二获取模块200,判断模块300,校正模块400,分别用于实现上述红外图像的校正方法中步骤S101,S102,S103和S104,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
本申请中的红外图像校正装置,通过获得具有冷反射现象的多帧图像和待校正的图像,确定待校正图像的画面状态是处于静止状态还是运动状态,进而根据不同的画面状态,利用具有冷反射现象的多帧图像对待校正图像进行校正,消除待校正图像中的冷反射现象,提升图像质量,并且无需改进制冷红外成像系统的光学设计,非常简单易行。
可选的,校正模块400包括:
第一确定子模块,用于当所述画面状态为所述静止状态时,从所述多帧图像中选取与所述待校正图像的采集环境信息最接近的所述多帧图像,作为补偿矩阵图像;
第二确定子模块,用于当所述画面状态为所述运动状态时,对所述多帧图像进行加权处理,得到模板冷像;对所述待校正图像进行场景抑制处理,得到估计冷像;根据所述模板冷像和所述估计冷像,确定所述补偿矩阵图像;
校正子模块,用于根据所述补偿矩阵图像对所述待校正图像进行校正,得到所述校正后图像。
可选的,第二确定子模块包括:
第一确定单元,用于根据所述待校正图像,确定背景像素值;
第一计算单元,用于计算所述待校正图像中每个像素点的像素值与所述背景像素值的差值绝对值,得到绝对值矩阵;
第二确定单元,用于确定所述绝对值矩阵中每个所述差值绝对值的置信度,得到整体场景信息抑制的置信度矩阵;
第三确定单元,用于确定所述待校正图像的低频信息和所述待校正图像中每个像素点的梯度信息;
第四确定单元,用于根据所述低频信息和所述梯度信息确定局部场景信息抑制的低频分量;
第五确定单元,用于根据所述置信度矩阵和所述低频分量确定场景抑制低频信息;
第二计算单元,用于将所述场景抑制低频信息输入时域低通滤波算法公式,得到所述估计冷像。
可选的,第二确定单元包括:
第一判断子单元,用于判断所述差值绝对值是否小于第一预设阈值;
第一确定子单元,用于若所述差值绝对值小于第一预设阈值,则确定所述差值绝对值的所述置信度为第一置信度;
第二判断子单元,用于若所述差值绝对值不小于第一预设阈值,则判断所述差值绝对值是否大于第二预设阈值;所述第二预设阈值大于所述第一预设阈值;
第二确定子单元,用于若所述差值绝对值大于所述第二预设阈值,则确定所述差值绝对值的所述置信度为第二置信度;所述第一置信度大于所述第二置信度;
第三确定子单元,用于若所述差值绝对值不大于所述第二预设阈值,则根据预设函数确定所述差值绝对值的所述置信度。
可选的,第二确定子模块包括:
第六确定单元,用于确定所述模板冷像和所述估计冷像在预设滑动窗口内中心像素点的相关系数,并得到相关系数矩阵;
判断单元,用于判断每个所述相关系数是否大于系数阈值;
第七确定单元,用于若所述相关系数大于所述系数阈值,则在所述估计冷像中取对应像素点的像素值作为补偿值;
第八确定单元,用于若所述相关系数不大于所述系数阈值,则在所述估计冷像中确定对应的对应像素点,并取所述对应像素点的预设邻域内的所有像素点的像素均值作为所述补偿值;
构成单元,用于所述补偿值构成所述补偿矩阵图像。
可选的,第二确定子模块包括处理单元,所述处理单元具体用于对所述多帧图像进行平均加权处理,得到所述模板冷像。
可选的,判断模块300具体用于利用帧差法或者定位法判断所述待校正图像的所述画面状态。
下面对本申请实施例提供的红外图像校正设备进行介绍,下文描述的红外图像校正设备与上文描述的红外图像的校正方法可相互对应参照。
一种红外图像校正设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述任一种所述红外图像的校正方法的步骤。
下面对本申请实施例提供的红外图像的校正系统进行介绍,下文描述的红外图像的校正系统与上文描述的红外图像的校正方法可相互对应参照。
请见图6,图6为本申请实施例所提供的一种制冷红外成像系统的结构示意图。
一种制冷红外成像系统,所述制冷红外成像系统包括上述所述的红外图像校正设备。
制冷红外成像系统还包括光学设备、制冷探测器、供电设备、控温设备、显示器、图像处理控制器,其中,红外图像校正设备与图像处理控制器相连。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的红外图像的校正方法、装置、设备及制冷红外成像系统进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
Claims (10)
1.一种红外图像的校正方法,其特征在于,包括:
获取制冷红外成像系统采集的具有冷反射现象的多帧图像;
获取所述制冷红外成像系统采集的待校正图像;
判断所述待校正图像的画面状态;所述画面状态包括静止状态和运动状态;
根据所述画面状态,利用所述多帧图像对所述待校正图像进行校正,得到校正后图像。
2.如权利要求1所述的红外图像的校正方法,其特征在于,所述根据所述画面状态,利用所述多帧图像对所述待校正图像进行校正,得到校正后图像包括:
当所述画面状态为所述静止状态时,从所述多帧图像中选取与所述待校正图像的采集环境信息最接近的所述多帧图像,作为补偿矩阵图像;
当所述画面状态为所述运动状态时,对所述多帧图像进行加权处理,得到模板冷像;对所述待校正图像进行场景抑制处理,得到估计冷像;根据所述模板冷像和所述估计冷像,确定所述补偿矩阵图像;
根据所述补偿矩阵图像对所述待校正图像进行校正,得到所述校正后图像。
3.如权利要求2所述的红外图像的校正方法,其特征在于,所述对所述待校正图像进行场景抑制处理,得到估计冷像包括:
根据所述待校正图像,确定背景像素值;
计算所述待校正图像中每个像素点的像素值与所述背景像素值的差值绝对值,得到绝对值矩阵;
确定所述绝对值矩阵中每个所述差值绝对值的置信度,得到整体场景信息抑制的置信度矩阵;
确定所述待校正图像的低频信息和所述待校正图像中每个像素点的梯度信息;
根据所述低频信息和所述梯度信息确定局部场景信息抑制的低频分量;
根据所述置信度矩阵和所述低频分量确定场景抑制低频信息;
将所述场景抑制低频信息输入时域低通滤波算法公式,得到所述估计冷像。
4.如权利要求3所述的红外图像的校正方法,其特征在于,所述确定所述绝对值矩阵中每个所述差值绝对值的置信度,包括:
判断所述差值绝对值是否小于第一预设阈值;
若所述差值绝对值小于第一预设阈值,则确定所述差值绝对值的所述置信度为第一置信度;
若所述差值绝对值不小于第一预设阈值,则判断所述差值绝对值是否大于第二预设阈值;所述第二预设阈值大于所述第一预设阈值;
若所述差值绝对值大于所述第二预设阈值,则确定所述差值绝对值的所述置信度为第二置信度;所述第一置信度大于所述第二置信度;
若所述差值绝对值不大于所述第二预设阈值,则根据预设函数确定所述差值绝对值的所述置信度。
5.如权利要求2至4任一项所述的红外图像的校正方法,其特征在于,所述根据所述模板冷像和所述估计冷像,确定所述补偿矩阵图像包括:
确定所述模板冷像和所述估计冷像在预设滑动窗口内中心像素点的相关系数,并得到相关系数矩阵;
判断每个所述相关系数是否大于系数阈值;
若所述相关系数大于所述系数阈值,则在所述估计冷像中取对应像素点的像素值作为补偿值;
若所述相关系数不大于所述系数阈值,则在所述估计冷像中确定对应的对应像素点,并取所述对应像素点的预设邻域内的所有像素点的像素均值作为所述补偿值;
所述补偿值构成所述补偿矩阵图像。
6.如权利要求5所述的红外图像的校正方法,其特征在于,所述对所述多帧图像进行加权处理,得到模板冷像包括:
对所述多帧图像进行平均加权处理,得到所述模板冷像。
7.如权利要求6所述的红外图像的校正方法,其特征在于,所述判断所述待校正图像的画面状态包括:
利用帧差法或者定位法判断所述待校正图像的所述画面状态。
8.一种红外图像的校正装置,其特征在于,包括:
第一获取模块,用于获取制冷红外成像系统在预设影响因素下采集的多帧图像,所述多帧图像中具有冷反射现象;
第二获取模块,用于获取所述制冷红外成像系统采集的待校正图像;
判断模块,用于判断所述待校正图像的画面状态,所述画面状态包括静止状态和运动状态;
校正模块,用于根据所述画面状态,利用所述多帧图像对所述待校正图像进行校正,得到校正后图像。
9.一种红外图像校正设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述红外图像的校正方法的步骤。
10.一种制冷红外成像系统,其特征在于,所述制冷红外成像系统包括如权利要求9所述的红外图像校正设备。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010879910.7A CN111968066B (zh) | 2020-08-27 | 2020-08-27 | 红外图像的校正方法、装置、设备及制冷红外成像系统 |
PCT/CN2020/116451 WO2022041356A1 (zh) | 2020-08-27 | 2020-09-21 | 红外图像的校正方法、装置、设备及制冷红外成像系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010879910.7A CN111968066B (zh) | 2020-08-27 | 2020-08-27 | 红外图像的校正方法、装置、设备及制冷红外成像系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111968066A true CN111968066A (zh) | 2020-11-20 |
CN111968066B CN111968066B (zh) | 2023-01-10 |
Family
ID=73400865
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010879910.7A Active CN111968066B (zh) | 2020-08-27 | 2020-08-27 | 红外图像的校正方法、装置、设备及制冷红外成像系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111968066B (zh) |
WO (1) | WO2022041356A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112509010A (zh) * | 2020-12-30 | 2021-03-16 | 东莞市鑫泰仪器仪表有限公司 | 红外成像仪多目标追踪方法及系统 |
CN114140345A (zh) * | 2021-11-05 | 2022-03-04 | 中国安全生产科学研究院 | 一种基于红外图像的非均匀矫正方法、装置 |
CN114140362A (zh) * | 2022-01-29 | 2022-03-04 | 杭州微影软件有限公司 | 一种热成像图像校正方法和装置 |
CN117314774A (zh) * | 2023-09-26 | 2023-12-29 | 广州市星飞达电子科技有限公司 | 一种基于探测器温度的红外图像校正系统 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115060377B (zh) * | 2022-06-10 | 2024-03-22 | 中国科学院长春光学精密机械与物理研究所 | 一种机载自适应非均匀性校正方法及其系统 |
CN115375545B (zh) * | 2022-08-22 | 2023-08-18 | 杭州微影软件有限公司 | 一种图像校正方法及装置 |
CN116046169B (zh) * | 2023-03-31 | 2023-07-21 | 中国科学院光电技术研究所 | 点目标多通道红外光谱辐射自动定标方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101666682A (zh) * | 2009-08-06 | 2010-03-10 | 重庆邮电大学 | 基于场景统计的神经网络非均匀性校正方法 |
CN106874949A (zh) * | 2017-02-10 | 2017-06-20 | 华中科技大学 | 一种基于红外图像的动平台运动目标检测方法及系统 |
CN109272520A (zh) * | 2018-09-18 | 2019-01-25 | 浙江大学 | 一种联合运动指导与边缘检测的自适应红外焦平面非均匀校正方法 |
CN109360167A (zh) * | 2018-10-10 | 2019-02-19 | 华中科技大学鄂州工业技术研究院 | 一种红外图像校正方法、装置及存储介质 |
CN111080561A (zh) * | 2019-11-08 | 2020-04-28 | 上海航天控制技术研究所 | 一种时域高通滤波方法 |
CN111340712A (zh) * | 2018-12-18 | 2020-06-26 | 北京长峰科威光电技术有限公司 | 一种环境温度自适应式红外成像系统冷反射修复方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2828315B1 (fr) * | 2001-07-31 | 2005-08-05 | Sagem | Stabilisation des images d'une scene, correction des offsets de niveaux de gris, detection d'objets mobiles et harmonisation de deux appareils de prise de vues fondes sur la stabilisation des images |
US10542193B1 (en) * | 2014-11-05 | 2020-01-21 | Drs Network & Imaging Systems, Llc | Error smoothing through global source non-uniformity correction |
CN110476416B (zh) * | 2017-01-26 | 2021-08-17 | 菲力尔系统公司 | 多个成像模式下红外成像的系统和方法 |
CN109932061B (zh) * | 2019-04-02 | 2020-04-03 | 北京环境特性研究所 | 一种基于冷反射的面阵红外热像仪实时校正方法 |
-
2020
- 2020-08-27 CN CN202010879910.7A patent/CN111968066B/zh active Active
- 2020-09-21 WO PCT/CN2020/116451 patent/WO2022041356A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101666682A (zh) * | 2009-08-06 | 2010-03-10 | 重庆邮电大学 | 基于场景统计的神经网络非均匀性校正方法 |
CN106874949A (zh) * | 2017-02-10 | 2017-06-20 | 华中科技大学 | 一种基于红外图像的动平台运动目标检测方法及系统 |
CN109272520A (zh) * | 2018-09-18 | 2019-01-25 | 浙江大学 | 一种联合运动指导与边缘检测的自适应红外焦平面非均匀校正方法 |
CN109360167A (zh) * | 2018-10-10 | 2019-02-19 | 华中科技大学鄂州工业技术研究院 | 一种红外图像校正方法、装置及存储介质 |
CN111340712A (zh) * | 2018-12-18 | 2020-06-26 | 北京长峰科威光电技术有限公司 | 一种环境温度自适应式红外成像系统冷反射修复方法 |
CN111080561A (zh) * | 2019-11-08 | 2020-04-28 | 上海航天控制技术研究所 | 一种时域高通滤波方法 |
Non-Patent Citations (1)
Title |
---|
贾国伟 等: ""一种红外偏振成像中的冷反射去化方法"", 《光学与光电技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112509010A (zh) * | 2020-12-30 | 2021-03-16 | 东莞市鑫泰仪器仪表有限公司 | 红外成像仪多目标追踪方法及系统 |
CN114140345A (zh) * | 2021-11-05 | 2022-03-04 | 中国安全生产科学研究院 | 一种基于红外图像的非均匀矫正方法、装置 |
CN114140362A (zh) * | 2022-01-29 | 2022-03-04 | 杭州微影软件有限公司 | 一种热成像图像校正方法和装置 |
CN114140362B (zh) * | 2022-01-29 | 2022-07-05 | 杭州微影软件有限公司 | 一种热成像图像校正方法和装置 |
CN117314774A (zh) * | 2023-09-26 | 2023-12-29 | 广州市星飞达电子科技有限公司 | 一种基于探测器温度的红外图像校正系统 |
CN117314774B (zh) * | 2023-09-26 | 2024-04-09 | 广州市星飞达电子科技有限公司 | 一种基于探测器温度的红外图像校正系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2022041356A1 (zh) | 2022-03-03 |
CN111968066B (zh) | 2023-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111968066B (zh) | 红外图像的校正方法、装置、设备及制冷红外成像系统 | |
US8175336B2 (en) | Target tracker | |
US9454805B2 (en) | Method and apparatus for reducing noise of image | |
CN101776486A (zh) | 一种基于红外焦平面非均匀性指纹模式的校正方法 | |
CN108240891B (zh) | 气体泄漏检测方法 | |
KR20080021646A (ko) | 연속 확장 범위의 이미지 프로세싱 | |
CN102542552B (zh) | 视频图像的顺逆光判断和拍摄时间检测方法 | |
CN110400294B (zh) | 一种红外目标探测系统及探测方法 | |
JP5885384B2 (ja) | 画像処理装置 | |
WO2014051801A1 (en) | Video-assisted target location | |
CN105374049B (zh) | 一种基于稀疏光流法的多角点跟踪方法及装置 | |
CN108334885A (zh) | 一种视频卫星图像空间目标检测方法 | |
CN103813056A (zh) | 一种稳像方法及装置 | |
JP2010034955A (ja) | ホワイトバランス補正装置及び信号処理プログラム | |
US8948446B2 (en) | Vision based zero velocity and zero attitude rate update | |
US20150187051A1 (en) | Method and apparatus for estimating image noise | |
CN110428466A (zh) | 一种非均匀性校正的方法和设备 | |
CN112444374A (zh) | 一种基于光学跟踪测量设备伺服系统的跟踪评估方法 | |
CN113438409B (zh) | 延迟校准方法、装置、计算机设备和存储介质 | |
CN113902694A (zh) | 一种基于动静结合的目标检测方法 | |
JP7263149B2 (ja) | 画像処理装置、画像処理方法、およびプログラム | |
CN113936036B (zh) | 基于无人机视频的目标跟踪方法、装置及计算机设备 | |
CN116703755A (zh) | 用于医疗废弃物冷库的遗漏风险监控系统 | |
CN113822812A (zh) | 图像降噪方法和电子设备 | |
JP3848918B2 (ja) | 移動体監視装置および移動体監視方法 |
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 |