CN113112440A - 一种基于fpga的紫外与可见光图像融合系统及方法 - Google Patents

一种基于fpga的紫外与可见光图像融合系统及方法 Download PDF

Info

Publication number
CN113112440A
CN113112440A CN202110441820.4A CN202110441820A CN113112440A CN 113112440 A CN113112440 A CN 113112440A CN 202110441820 A CN202110441820 A CN 202110441820A CN 113112440 A CN113112440 A CN 113112440A
Authority
CN
China
Prior art keywords
image
ultraviolet
visible light
fpga
circuit board
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
Application number
CN202110441820.4A
Other languages
English (en)
Inventor
刘云鹏
杨家骏
马子儒
刘嘉硕
来庭煜
裴少通
李泳霖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN202110441820.4A priority Critical patent/CN113112440A/zh
Publication of CN113112440A publication Critical patent/CN113112440A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/50Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/25Fusion techniques
    • G06F18/251Fusion techniques of input or preprocessed data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/20Image enhancement or restoration using local operators
    • G06T5/30Erosion or dilatation, e.g. thinning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20212Image combination
    • G06T2207/20221Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于FPGA的紫外与可见光图像融合系统及方法,所述系统包括:图像信号处理电路板和ARM处理器;图像信号处理电路板的输入端电性连接有可见光图像采集模块和紫外图像采集模块,输出端与ARM处理器的输入端电性连接,ARM处理器的输出端电性连接有图像显示模块;可见光图像采集模块包括可见光CCD镜头和可见光CCD探测器,紫外图像采集模块包括紫外镜头和紫外ICCD,图像信号处理电路板设置有FPGA主控芯片,图像显示模块电性连接有显示屏。本发明提供的基于FPGA的紫外与可见光图像融合系统及方法具有结构简单、实用性强、精准高效的特点。

Description

一种基于FPGA的紫外与可见光图像融合系统及方法
技术领域
本发明涉及紫外与可见光图像处理技术领域,特别是涉及一种基于FPGA的紫外与可见光图像融合系统及方法。
背景技术
紫外光和可见光的图像融合是基于紫外检测发展起来的,是紫外检测的一部分。20世纪60年代紫外检测起源于欧美国家的军事领域,并在80年代末得到较大发展,主要为满足发现军事目标的需求而兴起的一种成像技术。该阶段的紫外检测技术仅是单通道的紫外成像,并未同可见光进行融合。上世纪90年代末,紫外技术开始在警用市场得到应用,进入民用领域。紫外检测技术在电力领域,主要用以检测高压设备的早期故障,通过对电晕放电进行检测并结合可见光成像以达到故障定位的目的。
目前已知的应用于紫外检测中的图像融合算法相对简单,实时性相对较好,但是这些处理算法得到的图像的融合质量较低,经常会存在拼接、模糊等现象,对观察者感受和对紫外检测的目标判断及识别均产生了不利影响,甚至对故障识别、故障定位和故障等级判断以及整个故障检测系统产生重要影响,影响电力和铁路系统中电气设备的安全稳定运行,甚至造成安全事故。基于以上问题,迫切需要提出一种新的基于FPGA的紫外与可见光图像融合系统及方法。
发明内容
本发明的目的是提供一种基于FPGA的紫外与可见光图像融合系统及方法,能够得到高质量的紫外与可见光融合图像,具有结构简单、实用性强、精准高效的特点。
为实现上述目的,本发明提供了如下方案:
一种基于FPGA的紫外与可见光图像融合系统,包括:图像信号处理电路板和ARM处理器,所述图像信号处理电路板的输入端电性连接有可见光图像采集模块和紫外图像采集模块,所述图像信号处理电路板的输出端与所述ARM处理器的输入端电性连接,所述ARM处理器的输出端电性连接有图像显示模块;所述可见光图像采集模块包括可见光CCD镜头和可见光CCD探测器,所述紫外图像采集模块包括紫外镜头和紫外ICCD,所述图像信号处理电路板设置有FPGA主控芯片,所述图像显示模块电性连接有显示屏;所述可见光图像采集模块和紫外图像采集模块分别用于采集可见光和紫外图像,所述图像信号处理电路板中的所述FPGA主控芯片对图像信号进行处理并将处理后的图像信息发送至所述ARM处理器,所述ARM处理器控制所述显示屏显示出图像数据。
可选的,所述图像信号处理电路板设置有AD图像解码芯片和DA视频编码芯片,所述AD图像解码芯片的输入端分别与所述可见光图像采集模块及紫外图像采集模块电性连接,所述AD图像解码芯片的输出端与所述FPGA主控芯片电性连接;所述DA视频编码芯片的输入端与所FPGA主控芯片电性连接,所述DA视频编码芯片的输出端与所述ARM处理器电性连接。
可选的,所述图像信号处理电路板通过RS232串口与I2C总线两种方式与主机通信。
可选的,所述可见光CCD探测器型号采用索尼FCB-EX1020P型CCD探测器。
可选的,所述系统还包括电源模块,所述电源模块与所述图像信号处理电路板电性连接,所述电源模块用于给所述系统供电。
本发明还提供了一种基于FPGA的紫外与可见光图像融合方法,应用于上述基于FPGA的紫外与可见光图像融合系统,所述方法具体包括:
S1,利用基于FPGA的紫外与可见光图像融合系统提取所述紫外图像采集模块采集的紫外图像;
S2,对提取的紫外图像进行灰度化处理,并采用阈值分割算法将各放电区域图像从灰度化的紫外图像中分割出来,得到二值化后的图像;
S3,采用数学形态学的开闭运算对二值化后的图像进行滤波处理;
S4,采用二值图像的小区域面积消除算法去除滤波后图像中的干扰点;
S5,进行图像配准:采用仿射变换的逆变换,首先将步骤S1得到的原图进行存储,再根据步骤S4得到的新图中的像素点位置映射出原图对应位置的坐标,得到该坐标对应的灰度值;
S6,进行图像融合:所述FPGA主控芯片对可见光数据进行去交错处理,对紫外光数据进行光子计数计算,根据用户选择将相应的数据显示到所述显示屏上,可供选择的图像输出类型有单可见、单紫外和可见与紫外显示三种类型。
可选的,所述S2步骤中的所述灰度化处理的灰度变换的公式为:
Y=0.299R+0.587G+0.114B
式中Y为图像像素点的灰度值,R、G、B为红、绿、蓝三个颜色分量值,Y的范围为0-255,全白像素点的灰度值为255,全黑像素点的灰度值为0;
所述阈值分割算法的原理为将灰度图的各像素在某特定值范围内赋予其为白色或黑色,其数学模型为:
Figure BDA0003035380670000031
式中t为阈值,g(x,y)为二值化后的灰度值,f(x,y)为二值化前的灰度值。
可选的,所述S4步骤中采用二值图像的小区域面积消除算法去除图像中的干扰点,所述小区域面积消除算法的基本步骤包括:
S401,检测图像中每一个高亮区域,获取每一个高亮区域的边界信息;
S402,通过所述边界信息获取每个连通区域的面积大小,统计图中的连通区域以及像素点的个数;
S403,设定阈值,依次将每个区域面积与该阈值进行对比,大于该阈值的区域保留下来,小于该阈值的区域被消除。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供的基于FPGA的紫外与可见光图像融合系统及方法,通过图像预处理、图像配准以及图像融合等步骤实现紫外与可见光图像融合处理功能,消除了现有技术图像融合过程中存在的拼接、模糊等现象,提高了图像的融合质量;同时该系统结构组成简单,具有节能环保、轻快便捷的优点,具有很大的实用性,可适应复杂的现场环境,极大地减少了误检情况,为现场运维人员提供了便利,可以大大提高电力巡检效率。本发明提供的基于FPGA的紫外与可见光图像融合系统及方法具有结构简单、实用性强、精准高效的特点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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发明的一些实施例,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为本发明基于FPGA的紫外与可见光图像融合系统的模块示意图;
图2为本发明基于FPGA的紫外与可见光图像融合方法的流程图;
附图标记说明:1、可见光图像采集模块;2、紫外图像采集模块;3、图像信号处理电路板;4、ARM处理器;5、图像显示模块;6、电源模块;301、AD图像解码芯片;302、DA视频编码芯片;303、通信接口。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,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。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明的目的是提供一种基于FPGA的紫外与可见光图像融合系统及方法,能够得到高质量的紫外与可见光融合图像,具有结构简单、实用性强、精准高效的特点。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明提供的基于FPGA的紫外与可见光图像融合系统,如图1所示,包括:图像信号处理电路板3、ARM处理器4和电源模块6,所述图像信号处理电路板3的输入端电性连接有可见光图像采集模块1和紫外图像采集模块2,所述图像信号处理电路板3的输出端与所述ARM处理器4的输入端电性连接,所述ARM处理器4的输出端电性连接有图像显示模块5,所述图像信号处理电路板3设置有通信接口303,所述通信接口303包括RS232和I2C接口;所述图像信号处理电路板3设置有FPGA主控芯片、AD图像解码芯片301和DA视频编码芯片302,所述AD图像解码芯片301的输入端分别与所述可见光图像采集模块1及紫外图像采集模块2电性连接,所述AD图像解码芯片301的输出端与所述FPGA主控芯片电性连接;所述DA视频编码芯片302的输入端与所FPGA主控芯片电性连接,所述DA视频编码芯片302的输出端与所述ARM处理器4电性连接;
所述图像信号处理电路板3是所述系统的核心功能单元,所述紫外图像采集模块2及可见光图像采集模块1采集的紫外和可见光两路模拟图像信号进入所述图像信号处理电路板3后分别经过所述AD图像解码芯片301进行模数转换,得到数字图像信号,进入所述FPGA主控芯片,所述FPGA主控芯片对数字图像信号进行存储、预处理及融合等操作,融合后的数字图像信号经过所述DA视频编码芯片302进行数模转换得到最终的模拟图像信号并将模拟图像信号发送至所述ARM处理4;同时所述FPGA主控芯片还提供外部芯片的驱动,系统工作模式的控制等;其中的存储芯片SRAM用来对图像降噪增强时的缓存处理,FLASH用来存储压缩图像数据,EEPROM用来存储十字线,压缩图像张数等;所述系统与主机的通信是通过RS232串口与I2C总线两种方式进行,另外所述系统还预留一些接口为以后可能的扩展功能做准备;
所述系统还包括电源模块6,所述电源模块6与所述图像信号处理电路板3电性连接,所述电源模块6用于给所述系统供电;所述电源模块6由一块大容量的电池和一个电压转换模块构成,所述电压转换模块为所述可见光图像采集模块1和紫外图像采集模块2提供15V直流电压,所述电压转换模块为所述图像信号处理电路板3提供5V直流电压,电压之间相互无干扰,稳定可靠;
所述可见光图像采集模块1包括可见光CCD镜头和可见光CCD探测器,所述可见光CCD探测器型号采用索尼FCB-EX1020P型CCD探测器,所述可见光图像采集模块1的作用是采集可见光图像,并输出PAL制的模拟信号,再将其送给所述图像信号处理电路板3进行后续处理,所述紫外图像采集模块2包括紫外镜头和紫外ICCD;
所述图像显示模块5电性连接有显示屏,所述图像显示模块5采用了7英寸显示大屏,可实现自动识别;所述可见光图像采集模块1和紫外图像采集模块2分别用于采集可见光和紫外图像,所述图像信号处理电路板中的所述FPGA主控芯片对图像信号进行处理并将处理后的图像信息发送至所述ARM处理器4,所述ARM处理器4通过所述显示屏显示出图像数据;所述系统采用分体式设计,所述可见光图像采集模块1、紫外图像采集模块2、电源模块6、图像信号处理电路板3、ARM处理器4和图像显示模块5都是可拆解结构,方便所述系统的维护和更换;
本发明提供的基于FPGA的紫外与可见光图像融合方法如图2所示,具体包括:
S1,利用所述基于FPGA的紫外与可见光图像融合系统提取所述紫外图像采集模块采集的紫外图像;
S2,对提取的紫外图像进行灰度化处理,并采用阈值分割算法将各放电区域图像从灰度化的紫外图像中分割出来,得到二值化后的图像;
原始的所述紫外图像为RGB彩色数字图像,图像中的每一个像素由红、绿、蓝三个颜色分量表示,在计算机中以M×N×3的形式保存,M和N分别为图像矩阵的行数和列数,3表示其三个颜色分量,即一幅图像需要三个矩阵进行保存,因而占用的图像存储空间较大,直接对原始的所述紫外图像进行处理,其计算量也较大;由于放电区域的图像显示为白色,因而图像的颜色不影响后续参数的提取,为便于后续处理,本发明在图像分割之前将其转换为灰度图像,其灰度化处理的灰度变换的公式如下:
Y=0.299R+0.587G+0.114B
其中Y的物理意义为图像像素点的灰度值,R、G、B为红、绿、蓝三个颜色分量值,Y的范围为0-255,全白像素点的灰度值为“255”,全黑像素点的灰度值为“0”;
提取图像量化参数需将各放电区域图像从紫外图像中分割出来,鉴于放电区域灰度值明显高于背景图像的灰度值,根据此特性,本发明采用了阈值分割算法;阈值法的原理为将灰度图的各像素在某特定值范围内赋予其为白色(Y=255)或黑色(Y=0),其数学模型为:
Figure BDA0003035380670000061
式中t为阈值,g(x,y)为二值化后的灰度值,f(x,y)为二值化前的灰度值;
S3,采用数学形态学的开闭运算对二值化后的图像进行滤波处理;
图像经过二值化后虽然可以达到一定的去噪效果,对于一些灰度值接近于放电区域的点经过二值化后仍无法去除,为了更准确地提取放电区域,本发明采用数学形态学的开闭运算对二值图像进行了滤波处理;
S4,采用二值图像的小区域面积消除算法去除滤波后图像中的干扰点;具体步骤为:
S401,检测图像中每一个高亮区域,获取每一个高亮区域的边界信息;
S402,通过所述边界信息获取每个连通区域的面积大小,统计图中的连通区域以及像素点的个数;
S403,设定阈值,依次将每个区域面积与该阈值进行对比,大于该阈值的区域保留下来,小于该阈值的区域被消除;
S5,进行图像配准:采用仿射变换的逆变换,首先将步骤S1得到的原图进行存储,再根据步骤S4得到的新图中的像素点位置映射出原图对应位置的坐标,得到该坐标对应的灰度值;
S6,进行图像融合:所述FPGA主控芯片对可见光数据进行去交错处理,对紫外光数据进行光子计数计算,根据用户选择将相应的数据显示到所述显示屏上,可供选择的图像输出类型有单可见、单紫外和可见与紫外显示三种类型。
本发明提供的基于FPGA的紫外与可见光图像融合系统及方法,通过图像预处理、图像配准以及图像融合等步骤实现紫外与可见光图像融合处理功能,消除了现有技术图像融合过程中存在的拼接、模糊等现象,提高了图像的融合质量;同时该系统结构组成简单,具有节能环保、轻快便捷的优点,具有很大的实用性,可适应复杂的现场环境,极大地减少了误检情况,为现场运维人员提供了便利,可以大大提高电力巡检效率。本发明提供的基于FPGA的紫外与可见光图像融合系统及方法具有结构简单、实用性强、精准高效的特点。
本文中应用了具体个例对本发明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发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于FPGA的紫外与可见光图像融合系统,其特征在于,包括:图像信号处理电路板和ARM处理器,所述图像信号处理电路板的输入端电性连接有可见光图像采集模块和紫外图像采集模块,所述图像信号处理电路板的输出端与所述ARM处理器的输入端电性连接,所述ARM处理器的输出端电性连接有图像显示模块;所述可见光图像采集模块包括可见光CCD镜头和可见光CCD探测器,所述紫外图像采集模块包括紫外镜头和紫外ICCD,所述图像信号处理电路板设置有FPGA主控芯片,所述图像显示模块电性连接有显示屏;所述可见光图像采集模块和紫外图像采集模块分别用于采集可见光和紫外图像,所述图像信号处理电路板中的所述FPGA主控芯片对图像信号进行处理并将处理后的图像信息发送至所述ARM处理器,所述ARM处理器控制所述显示屏显示出图像数据。
2.根据权利要求1所述的基于FPGA的紫外与可见光图像融合系统,其特征在于,所述图像信号处理电路板设置有AD图像解码芯片和DA视频编码芯片,所述AD图像解码芯片的输入端分别与所述可见光图像采集模块及紫外图像采集模块电性连接,所述AD图像解码芯片的输出端与所述FPGA主控芯片电性连接;所述DA视频编码芯片的输入端与所FPGA主控芯片电性连接,所述DA视频编码芯片的输出端与所述ARM处理器电性连接。
3.根据权利要求2所述的基于FPGA的紫外与可见光图像融合系统,其特征在于,所述图像信号处理电路板通过RS232串口与I2C总线两种方式与主机通信。
4.根据权利要求1所述的基于FPGA的紫外与可见光图像融合系统,其特征在于,所述可见光CCD探测器型号采用索尼FCB-EX1020P型CCD探测器。
5.根据权利要求1所述的基于FPGA的紫外与可见光图像融合系统,其特征在于,所述系统还包括电源模块,所述电源模块与所述图像信号处理电路板电性连接,所述电源模块用于给所述系统供电。
6.一种基于FPGA的紫外与可见光图像融合方法,应用于权利要求1-5任一所述的基于FPGA的紫外与可见光图像融合系统,其特征在于,所述方法包括:
S1,利用基于FPGA的紫外与可见光图像融合系统提取所述紫外图像采集模块采集的紫外图像;
S2,对提取的紫外图像进行灰度化处理,并采用阈值分割算法将各放电区域图像从灰度化的紫外图像中分割出来,得到二值化后的图像;
S3,采用数学形态学的开闭运算对二值化后的图像进行滤波处理;
S4,采用二值图像的小区域面积消除算法去除滤波后图像中的干扰点;
S5,进行图像配准:采用仿射变换的逆变换,首先将步骤S1得到的原图进行存储,再根据步骤S4得到的新图中的像素点位置映射出原图对应位置的坐标,得到该坐标对应的灰度值;
S6,进行图像融合:所述FPGA主控芯片对可见光数据进行去交错处理,对紫外光数据进行光子计数计算,根据用户选择将相应的数据显示到所述显示屏上,可供选择的图像输出类型有单可见、单紫外和可见与紫外显示三种类型。
7.根据权利要求6所述的基于FPGA的紫外与可见光图像融合方法,其特征在于,所述S2步骤中的所述灰度化处理的灰度变换公式为:
Y=0.299R+0.587G+0.114B
式中Y为图像像素点的灰度值,R、G、B为红、绿、蓝三个颜色分量值,Y的范围为0-255,全白像素点的灰度值为255,全黑像素点的灰度值为0;
所述阈值分割算法的原理为将灰度图的各像素在某特定值范围内赋予其为白色或黑色,其数学模型为:
Figure FDA0003035380660000021
式中t为阈值,g(x,y)为二值化后的灰度值,f(x,y)为二值化前的灰度值。
8.根据权利要求6所述的基于FPGA的紫外与可见光图像融合方法,其特征在于,所述S4步骤中采用二值图像的小区域面积消除算法去除图像中的干扰点,所述小区域面积消除算法的基本步骤包括:
S401,检测图像中每一个高亮区域,获取每一个高亮区域的边界信息;
S402,通过所述边界信息获取每个连通区域的面积大小,统计图中的连通区域以及像素点的个数;
S403,设定阈值,依次将每个区域面积与该阈值进行对比,大于该阈值的区域保留下来,小于该阈值的区域被消除。
CN202110441820.4A 2021-04-23 2021-04-23 一种基于fpga的紫外与可见光图像融合系统及方法 Pending CN113112440A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110441820.4A CN113112440A (zh) 2021-04-23 2021-04-23 一种基于fpga的紫外与可见光图像融合系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110441820.4A CN113112440A (zh) 2021-04-23 2021-04-23 一种基于fpga的紫外与可见光图像融合系统及方法

Publications (1)

Publication Number Publication Date
CN113112440A true CN113112440A (zh) 2021-07-13

Family

ID=76719573

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110441820.4A Pending CN113112440A (zh) 2021-04-23 2021-04-23 一种基于fpga的紫外与可见光图像融合系统及方法

Country Status (1)

Country Link
CN (1) CN113112440A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113592849A (zh) * 2021-08-11 2021-11-02 国网江西省电力有限公司电力科学研究院 基于卷积神经网络和紫外图像的外绝缘设备故障诊断方法
CN115643476A (zh) * 2022-10-26 2023-01-24 贵州电网有限责任公司 一种基于高速图传的紫外无人机吊舱及其控制方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101551435A (zh) * 2009-05-15 2009-10-07 湖北省电力试验研究院 电晕放电检测方法及装置
CN102567979A (zh) * 2012-01-20 2012-07-11 南京航空航天大学 车载红外夜视系统及其多源图像融合方法
CN103634565A (zh) * 2013-09-24 2014-03-12 北京环境特性研究所 基于omap的紫外可见光双通道图像采集、处理与显示系统
CN105678727A (zh) * 2016-01-12 2016-06-15 四川大学 基于异构多核构架的红外光与可见光图像实时融合系统
CN106257535A (zh) * 2016-08-11 2016-12-28 河海大学常州校区 基于surf算子的电气设备红外与可见光图像配准方法
CN107505546A (zh) * 2017-08-25 2017-12-22 国家电网公司 一种利用紫外成像仪监测电晕放电的方法
CN108270968A (zh) * 2017-12-30 2018-07-10 广东金泽润技术有限公司 一种红外与可见光图像融合探测系统及方法
US20180227509A1 (en) * 2015-08-05 2018-08-09 Wuhan Guide Infrared Co., Ltd. Visible light image and infrared image fusion processing system and fusion method
CN109146001A (zh) * 2018-09-14 2019-01-04 西安电子科技大学 多视角isar图像融合方法
US20190251364A1 (en) * 2016-06-30 2019-08-15 Kt Corporation Image summarization system and method
CN110213545A (zh) * 2019-06-14 2019-09-06 利卓创新(北京)科技有限公司 一种智能网络测温型双光设备及工作方法
CN110610477A (zh) * 2019-07-09 2019-12-24 国网江苏省电力有限公司扬州供电分公司 输电设备紫外图像预处理及量化参数提取方法
CN110620885A (zh) * 2019-10-18 2019-12-27 中国科学院深圳先进技术研究院 一种红外微光图像融合系统、方法及电子设备
CN110942475A (zh) * 2019-11-13 2020-03-31 北方夜视技术股份有限公司 紫外与可见光图像融合系统及快速图像配准方法
CN111754504A (zh) * 2020-07-01 2020-10-09 华能国际电力股份有限公司大连电厂 一种基于机器视觉的化学混床分层检测方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101551435A (zh) * 2009-05-15 2009-10-07 湖北省电力试验研究院 电晕放电检测方法及装置
CN102567979A (zh) * 2012-01-20 2012-07-11 南京航空航天大学 车载红外夜视系统及其多源图像融合方法
CN103634565A (zh) * 2013-09-24 2014-03-12 北京环境特性研究所 基于omap的紫外可见光双通道图像采集、处理与显示系统
US20180227509A1 (en) * 2015-08-05 2018-08-09 Wuhan Guide Infrared Co., Ltd. Visible light image and infrared image fusion processing system and fusion method
CN105678727A (zh) * 2016-01-12 2016-06-15 四川大学 基于异构多核构架的红外光与可见光图像实时融合系统
US20190251364A1 (en) * 2016-06-30 2019-08-15 Kt Corporation Image summarization system and method
CN106257535A (zh) * 2016-08-11 2016-12-28 河海大学常州校区 基于surf算子的电气设备红外与可见光图像配准方法
CN107505546A (zh) * 2017-08-25 2017-12-22 国家电网公司 一种利用紫外成像仪监测电晕放电的方法
CN108270968A (zh) * 2017-12-30 2018-07-10 广东金泽润技术有限公司 一种红外与可见光图像融合探测系统及方法
CN109146001A (zh) * 2018-09-14 2019-01-04 西安电子科技大学 多视角isar图像融合方法
CN110213545A (zh) * 2019-06-14 2019-09-06 利卓创新(北京)科技有限公司 一种智能网络测温型双光设备及工作方法
CN110610477A (zh) * 2019-07-09 2019-12-24 国网江苏省电力有限公司扬州供电分公司 输电设备紫外图像预处理及量化参数提取方法
CN110620885A (zh) * 2019-10-18 2019-12-27 中国科学院深圳先进技术研究院 一种红外微光图像融合系统、方法及电子设备
CN110942475A (zh) * 2019-11-13 2020-03-31 北方夜视技术股份有限公司 紫外与可见光图像融合系统及快速图像配准方法
CN111754504A (zh) * 2020-07-01 2020-10-09 华能国际电力股份有限公司大连电厂 一种基于机器视觉的化学混床分层检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘克俭;霍宏涛;韩华;贾承丽;: "轮廓特征点几何约束关系的图像配准算法", 遥感信息, no. 03 *
陈学峰等,: ""基于仿射变换的植物切片图像配准及三维重建"", 《农机化研究》, no. 7, pages 82 - 85 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113592849A (zh) * 2021-08-11 2021-11-02 国网江西省电力有限公司电力科学研究院 基于卷积神经网络和紫外图像的外绝缘设备故障诊断方法
CN115643476A (zh) * 2022-10-26 2023-01-24 贵州电网有限责任公司 一种基于高速图传的紫外无人机吊舱及其控制方法

Similar Documents

Publication Publication Date Title
CN106780438B (zh) 基于图像处理的绝缘子缺陷检测方法及系统
CN111260616A (zh) 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法
CN108416784B (zh) 城市建成区边界快速提取方法、装置及终端设备
CN113112440A (zh) 一种基于fpga的紫外与可见光图像融合系统及方法
CN110232380A (zh) 基于Mask R-CNN神经网络的火灾夜间场景复原方法
CN106682665B (zh) 一种基于计算机视觉的七段式数显仪表数字识别方法
CN110321933B (zh) 一种基于深度学习的故障识别方法和装置
CN108109385A (zh) 一种输电线防外破的车辆识别与危险行为判别系统与方法
CN110146791A (zh) 一种基于图像处理的电晕检测方法
CN111402247A (zh) 一种基于机器视觉的输电线路上悬垂线夹缺陷检测方法
CN109544464A (zh) 一种基于轮廓提取的火灾视频图像分析方法
CN112887693B (zh) 图像紫边消除方法、设备及存储介质
JP2012176641A (ja) 駐車枠検出装置
CN111553194B (zh) 基于双光源的gis设备内部的异物的检测方法及系统
CN108665464A (zh) 一种基于形态学的高压电塔及高压电线的异物检测方法
CN112837313A (zh) 一种输电线路异物的图像分割的方法
CN111047598B (zh) 基于深度学习的输变电设备紫外放电光斑分割方法及装置
CN113132639B (zh) 一种图像处理方法、装置、电子设备及存储介质
CN112053322B (zh) 光伏电池板表面遮挡的分割与检测方法
CN114119425A (zh) 一种矿用低照度高粉尘环境下的影像取景方法
CN113592849A (zh) 基于卷积神经网络和紫外图像的外绝缘设备故障诊断方法
CN113592750A (zh) 一种基于梯度直方图的红外增强方法
CN116758423A (zh) 一种基于白点率法的输电线路异物检测方法
CN112528983B (zh) 一种暗光条件下gis隔离/接地开关视频图像采集系统
CN115619796A (zh) 获取光伏组件模板的方法及装置、非易失性存储介质

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