CN113160095B - 红外探测信号伪彩处理方法、装置、系统及存储介质 - Google Patents
红外探测信号伪彩处理方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN113160095B CN113160095B CN202110572872.5A CN202110572872A CN113160095B CN 113160095 B CN113160095 B CN 113160095B CN 202110572872 A CN202110572872 A CN 202110572872A CN 113160095 B CN113160095 B CN 113160095B
- Authority
- CN
- China
- Prior art keywords
- infrared
- gray
- infrared detection
- gray value
- color
- 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 132
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000013507 mapping Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000006243 chemical reaction Methods 0.000 claims abstract description 16
- 230000005855 radiation Effects 0.000 claims abstract description 16
- 238000007906 compression Methods 0.000 claims abstract description 10
- 230000006835 compression Effects 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims description 45
- 230000003287 optical effect Effects 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 79
- 239000007789 gas Substances 0.000 description 26
- 238000005516 engineering process Methods 0.000 description 10
- 239000003086 colorant Substances 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000007888 film coating Substances 0.000 description 1
- 238000009501 film coating Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000002834 transmittance Methods 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4046—Scaling of whole images or parts thereof, e.g. expanding or contracting using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Spectrometry And Color Measurement (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种红外探测信号伪彩处理方法,包括采集红外探测器检测待测环境的红外辐射生成的红外探测信号;将红外探测信号进行信号转换获得对应的无损灰度值;其中,无损灰度值为红外探测信号未进行信号压缩处理而转换获得的灰度值;根据无损灰度值和对应关系,确定无损灰度值对应的彩色信息;其中,对应关系为预先确定的每个灰度值和对应的彩色信息之间的映射关系;根据彩色信息输出显示红外探测信号对应的伪彩红外图像。本申请中直接将红外探测信号转换为对应的无损灰度值,提高了红外探测信号对应的伪彩红外图像表征探测结果的准确性。本申请还提供了一种红外探测信号伪彩处理装置、设备以及计算机可读存储介质,具有上述有益效果。
Description
技术领域
本发明涉及红外探测技术领域,特别是涉及一种红外探测信号伪彩处理方法、装置、系统以及计算机可读存储介质。
背景技术
红外探测技术以其特有的非接触、实时快速、形象直观、准确度稿、适用面广等一系列优点备受国内外工业企业用户的青睐。
例如,在环保监测、石油化工和电力、油气输送等领域防止气体泄露和快速检测泄露气体的领域中,利用红外探测器接收经过不同气体吸收后的红外辐射,对应的能量不同进行非接触气体检测,对避免和减轻事故造成的危害损失具有十分重要的意义。相对于传统的气体传感器,具有响应速度快、高效率、远距离和动态直观的特点,逐渐成为气体泄露检测的有效手段之一。
还例如,利用物体辐射的红外线和温度成正相关这一原理,通过接收物体辐射的红外线,准确监测物体表面的温度分布状态,对准确反应设备内、外部的发热状况,以及早发现设备早期缺陷隐患非常有效。
综上所述,红外探测技术在实际应用过程中,一般是通过红外探测器探测红外辐射获得红外探测信号,并基于该红外探测信号生成能够反映检测结果的红外辐射图像,而若是对探测获得的红外探测信号处理形成红外感应图像的方式不合理,则直接影响红外感应图像显示检测结果的准确性。
发明内容
本发明的目的是提供一种红外探测信号伪彩处理方法、装置、系统以及计算机可读存储介质,有利于提高红外探测技术中红外感应图像的准确性。
为解决上述技术问题,本发明提供一种红外探测信号伪彩处理方法,包括:
采集红外探测器检测待测环境的红外辐射生成的红外探测信号;
将所述红外探测信号进行信号转换获得对应的无损灰度值;其中,所述无损灰度值为所述红外探测信号未进行信号压缩处理而转换获得的灰度值;
根据所述无损灰度值和对应关系,确定所述无损灰度值对应的彩色信息;其中,所述对应关系为预先确定的每个灰度值和对应的彩色信息之间的映射关系;
根据所述彩色信息输出显示所述红外探测信号对应的伪彩红外图像。
在本申请的一种可选的实施例中,预先确定每个灰度值和对应的彩色信息之间的映射关系的过程,包括:
在灰度值范围内等间距的采集多个灰度采样点;
赋予每个所述灰度采样点对应的彩色信息样本;
基于每个所述灰度采样点和对应的所述彩色信息样本,采用插值算法或神经网络训练,确定灰度值范围内每个灰度值和对应的彩色信息之间的映射关系。
在本申请的一种可选的实施例中,采用神经网络训练,确定灰度值范围内每个灰度值和对应的彩色信息之间的映射关系的过程,包括:
以每个所述灰度采样点和对应的所述彩色信息样本为输入样本进行神经网络训练,确定灰度值范围内每个灰度值和对应的彩色信息之间的映射关系。
在本申请的一种可选的实施例中,赋予每个所述灰度采样点对应的彩色信息样本,包括:
根据用户对每个所述灰度采样点定义的彩色信息数据,赋予每个所述灰度采样点对应的彩色信息样本。
在本申请的一种可选的实施例中,在根据所述彩色信息输出显示所述红外探测信号对应的伪彩红外图像之后,还包括:
在所述伪彩红外图像中灰度值大于灰度阈值的风险提示区域进行突出显示。
一种红外探测信号伪彩处理装置,包括:
信号采集模块,用于采集红外探测器检测待测环境的红外辐射生成的红外探测信号;
信号转换模块,用于将所述红外探测信号进行信号转换获得对应的无损灰度值;其中,所述无损灰度值为所述红外探测信号未进行信号压缩处理而转换获得的灰度值;
彩色信息模块,用于根据所述无损灰度值和对应关系,确定所述无损灰度值对应的彩色信息;其中,所述对应关系为预先确定的每个灰度值和对应的彩色信息之间的映射关系;
图像显示模块,用于根据所述彩色信息输出显示所述红外探测信号对应的伪彩红外图像。
在本申请的一种可选的实施例中,还包括映射关系模块,在灰度值范围内等间距的采集多个灰度采样点;赋予每个所述灰度采样点对应的彩色信息样本;基于每个所述灰度采样点和对应的所述彩色信息样本,采用插值算法或神经网络训练,确定灰度值范围内每个灰度值和对应的彩色信息之间的映射关系。
一种红外探测信号伪彩处理系统,包括:红外光学镜头,设置在所述红外光学镜头的输出光路上的红外探测器、和所述红外探测器相连接的信号处理器;
所述红外探测器用于通过所述红外光学镜头检测待测环境的红外辐射生成的红外探测信号;
所述信号处理器用于根据所述红外探测信号执行如上任一项所述的红外探测信号伪彩处理方法的步骤。
在本申请的一种可选的实施例中,还包括和所述红外探测器相连接的控温装置,用于控制所述红外探测器和所述红外光学镜头之间的温度差不大于预设温度差。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述的红外探测信号伪彩处理方法的步骤。
本发明所提供的一种红外探测信号伪彩处理方法,包括采集红外探测器检测待测环境的红外辐射生成的红外探测信号;将红外探测信号进行信号转换获得对应的无损灰度值;其中,无损灰度值为红外探测信号未进行信号压缩处理而转换获得的灰度值;根据无损灰度值和对应关系,确定无损灰度值对应的彩色信息;其中,对应关系为预先确定的每个灰度值和对应的彩色信息之间的映射关系;根据彩色信息输出显示红外探测信号对应的伪彩红外图像。
本申请中在根据采集红外探测器在待测环境中探测生成的红外探测信号形成对应的彩色红外图像过程中,并不对红外探测信号进行压缩,而直接将红外探测信号转换为对应的无损灰度值,在很大程度上避免了红外探测信号在压缩过程中存在信息丢失的问题,直接根据无损灰度值生成带色彩的伪彩红外图像,以便更直观准确的通过该伪彩红外图像表征探测结果,提高了红外探测信号对应的伪彩红外图像表征探测结果的准确性。
本申请还提供了一种红外探测信号伪彩处理装置、设备以及计算机可读存储介质,具有上述有益效果。
附图说明
为了更清楚的说明本发明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为本申请实施例提供的种红外探测信号伪彩处理方法的流程示意图;
图2为本发明实施例提供的红外探测信号伪彩处理装置的结构框图。
具体实施方式
红外探测技术所形成的红外图像和RGB成像技术所形成的彩色图像不同,RGB成像技术本身就是基于感应检测多种不同颜色的光波生成对应光波颜色的图像,而在红外探测技术中红外探测器仅仅只对红外一种光波进行探测。因此,基于红外探测信号获得的红外探测的原始图像仅仅只是不带色彩的灰度图像,而并非彩色图像,不同像素点之间也仅仅只存在灰度级的差别,而人眼对灰度级的分辨能力相对较弱,仅仅能区分出二十几个灰度级,人眼视觉反而对彩色的分辨能力相当强,可以分辨出几千种色度。为此,为了更直观的通过红外探测图像表征红外探测的结果,往往会基于不同像素点的灰度值大小为各个像素点赋予对应的色彩,从而形成能够更明显的显示探测结果的伪彩图像。
但是在基于红外探测信号获得的各个像素点的灰度值时,往往需要对红外探测信号进行压缩处理后才转换成对应灰度值,并进一步地对不同灰度值赋予对应色彩,从而基于不同灰度值对应的色彩形成彩色的伪彩红外图像。但是在对红外探测信号进行压缩过程中,不可避免的会丢失掉一部分采集探测到的信息,最终使得获得的伪彩图像表征的探测结果的精度降低。
为此,本申请提出了一种能够生成更精准表征探测结果的伪彩红外图像的技术方案。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。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。
如图1所示,图1为本申请实施例提供的种红外探测信号伪彩处理方法的流程示意图,该方法可以包括:
S11:采集红外探测器检测待测环境的红外辐射生成的红外探测信号。
本申请中所指的待测环境是基于红外探测器需要探测的目标而定。例如该待测环境可以是需要进行红外温度检测的环境,还可以是需要进行气体泄漏检测的环境。
S12:将红外探测信号进行信号转换获得对应的无损灰度值。
其中,无损灰度值为红外探测信号未进行信号压缩处理而转换获得的灰度值。
红外探测器输出的红外探测信号一般为14bit或16bit,通常的伪彩处理是将原始的红外探测信号压缩到8bit后,根据选定色板的映射关系转换成伪彩色图像。显然,进行压缩后的伪彩色处理会在一定程度上损失数据位数,损失数据位数也就损失了探测获得的信息。
而本实施例中在基于红外探测信号转换成灰度值的过程中,不对红外探测信号进行压缩,而是直接以原始的红外探测信号进行信号转换,从而获得无信息损失的无损灰度值,那么后续基于该无损灰度值获得的伪彩红外图像也就能够更为准确的显示出探测结果。
S13:根据无损灰度值和对应关系,确定无损灰度值对应的彩色信息。
其中,对应关系为预先确定的每个灰度值和对应的彩色信息之间的映射关系。
如前所述,在对红外探测信号不进行压缩的条件下,转换获得的无损灰度值的灰度级会相对较大,可能多达2000级,要实现对每个灰度级赋予一种色彩显然是较为庞大的工作量。
为此,在本申请的一种可选的实施例中,预先确定每个灰度值和对应的彩色信息的映射关系的过程可以包括:
在灰度值范围内等间距的采集多个灰度采样点;
赋予每个灰度采样点对应的彩色信息样本;
基于每个灰度采样点和对应的彩色信息样本,采用插值算法或神经网络训练,确定灰度值范围内每个灰度值和对应的彩色信息之间的映射关系。
对于上述的灰度值范围,可以基于红外探测器需要进行的不同的探测目的进行设定,例如进行环境温度进行探测时,可以基于该环境温度波动对应的灰度值最大区间,并基于该灰度值最大区间设定一个包含该灰度值最大区间的灰度值范围作为采集灰度采样点的灰度值范围;同理,对应气体泄漏、体温监测等等均可以采用类似的方式合理设定灰度值范围。
对于每个灰度采样点其对应的彩色信息可以采用表征其色彩的R值、G值、B值来表示。赋予每个灰度采样点的彩色信息样本,也即是对每个灰度采样点赋予对应的R值、G值、B值。
在2000级灰度级的灰度值范围内,包含有2000个灰度值,为此可以等灰度间距的选取多个灰度采样点,例如选取灰度值为0、10、20......等等依次类推作为灰度采样点。并对每个灰度采样点赋予彩色信息作为灰度采样点的彩色信息样本。
该赋予彩色信息的过程可以是计算机按照默认颜色赋值,也可以是用户根据自身喜好自定义的对每个灰度采样点进行赋值,例如,在计算机显示屏上显示各种不同颜色的色板,用户通过点击色板上不同的颜色,计算机即可自动生成关于用户选中的颜色的彩色信息并赋予给对应的灰度采样点。例如,在监测气体泄漏时,用户可以选用红色表征存在气体泄露的位置,还例如在温度监测中用户可以用黄色表征温度过高的区域等等,对此,本申请中并不做具体限定。
在对多个灰度采样点进行赋值之后,可以采用插值法将任意相邻两个灰度采样点之间的灰度级进行赋值。例如灰度值为5的灰度级其R值、G值、B值分别可以是灰度值为0和10的灰度采样点的R值、G值、B值的平均值,以此类推,即可确定所有灰度值对应的彩色信息。
当然,除了可以用插值法获得各个灰度值对应的彩色信息,还可以将各个灰度采样点和对应的彩色信息样本作为神经网络训练样本,训练获得灰度值范围内的各个灰度值和对应的彩色信息之间的映射关系,也同样能够实现本申请的技术方案。
无论是采用插值法还是基于神经网络训练,本实施例中确定各个灰度值对应的彩色信息的基本原则均是选取若干个灰度采样点进行赋值之后,自动根据已赋值的灰度采样点的彩色信息所呈现的规律确定其他未赋值的所有灰度级对应的彩色信息。
当然,本申请中也并不排除由计算机自动对每个灰度值逐一赋予彩色信息,且将该每个灰度值和对应的彩色信息之间的对应关系直接作为通用的赋予色彩的模板应用至所有领域,也能实现本申请的技术方案。
S14:根据彩色信息输出显示红外探测信号对应的伪彩红外图像。
在确定各个灰度值对应的彩色信息之后,即可根据每个像素点对应的灰度值进行颜色赋值,最终形成伪彩红外图像。
进一步地,在红外探测过程中,主要是为了确定监测环境中是否存在温度过高、泄漏气体等目标区域,为了进一步增强目标区域的显著性,可以进一步地在在伪彩红外图像中灰度值大于灰度阈值的风险提示区域进行突出显示,以便显示结果更为直观显眼。
在对灰度值大于灰度阈值的风险提示区域进行突出显示时,可以采用圈定的方式将该风险提示区域圈出,或者其他突出显示的方式,对此本申请中不做具体限制。
综上所述,本申请中在利用红外探测技术进行温度检测、气体泄漏监测等应用过程中,在红外探测器检测到红外探测信号之后,并不对原始的红外探测信号进行压缩,并基于未进行压缩的红外探测信号对应的灰度值生成伪彩红外图像;避免了红外探测信号压缩带来的信号损失,使得伪彩红外图像的生成处理过程更为合理,有利于提高红外图像显示红外探测结果的直观性和准确性。
下面对本发明实施例提供的红外探测信号伪彩处理装置进行介绍,下文描述的红外探测信号伪彩处理装置与上文描述的红外探测信号伪彩处理方法可相互对应参照。
图2为本发明实施例提供的红外探测信号伪彩处理装置的结构框图,参照图2中红外探测信号伪彩处理装置可以包括:
信号采集模块100,用于采集红外探测器检测待测环境的红外辐射生成的红外探测信号;
信号转换模块200,用于将所述红外探测信号进行信号转换获得对应的无损灰度值;其中,所述无损灰度值为所述红外探测信号未进行信号压缩处理而转换获得的灰度值;
彩色信息模块300,用于根据所述无损灰度值和对应关系,确定所述无损灰度值对应的彩色信息;其中,所述对应关系为预先确定的每个灰度值和对应的彩色信息之间的映射关系;
图像显示模块400,用于根据所述彩色信息输出显示所述红外探测信号对应的伪彩红外图像。
在本申请的一种可选地实施例中,还包括映射关系模块,在灰度值范围内等间距的采集多个灰度采样点;赋予每个所述灰度采样点对应的彩色信息样本;基于每个所述灰度采样点和对应的所述彩色信息样本,采用插值算法或神经网络训练,确定灰度值范围内每个灰度值和对应的彩色信息之间的映射关系。
在本申请的一种可选地实施例中,映射关系模块用于以每个所述灰度采样点和对应的所述彩色信息样本为输入样本进行神经网络训练,确定灰度值范围内每个灰度值和对应的彩色信息之间的映射关系。
在本申请的一种可选地实施例中,映射关系模块用于根据用户对每个所述灰度采样点定义的彩色信息数据,赋予每个所述灰度采样点对应的彩色信息样本。
在本申请的一种可选地实施例中,图像显示模块400用于在所述伪彩红外图像中灰度值大于灰度阈值的风险提示区域进行突出显示。
本实施例的红外探测信号伪彩处理装置用于实现前述的红外探测信号伪彩处理方法,因此红外探测信号伪彩处理装置中的具体实施方式可见前文中的红外探测信号伪彩处理方法的实施例部分,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。
本申请还提供了一种红外探测信号伪彩处理系统的实施例,该系统可以包括:
红外光学镜头,设置在红外光学镜头的输出光路上的红外探测器、和红外探测器相连接的信号处理器;
红外探测器用于通过红外光学镜头检测待测环境的红外辐射生成的红外探测信号;
信号处理器用于根据红外探测信号执行如上任一项所述的红外探测信号伪彩处理方法的步骤。
本实施例中的红外光学镜头包括镜头和滤光片。红外光学镜头要求输出给红外焦平面的辐射能量损失尽量减少,可以考虑采用减小F数的镜头、增加镜头镀膜透过率等。还可以利用风扇等外部设备减小红外光学镜头与红外探测器之间的温差,利于分辨泄露气体与背景间的差异,实现快速检测。
在气体泄漏检测中,通常为已知单一气体,所以当需要更高灵敏度时,可根据待检测泄露的气体红外特征吸收峰选择合适的滤光片,针对单一气体进行光学设计可以适当缓解光学设计和加工工艺的压力。红外探测器是核心器件之一,将接收到的红外辐射信号转换为电信号,由于需要较高的探测灵敏度,通常采用制冷型红外焦平面探测器,红外探测器工作的工作波段需包含探测气体的红外特征吸收峰,以SF6为例,其能最大程度地吸收红外光谱中波长为10.6μm的红外光,探测器工作波段可选10.2~10.7μm,SF6对红外线的吸收能力比空气强很多,所以其温度会高于周围的空气。
可选地,还可以进一步包括控温装置,用于控制红外探测器的温度稳定且处于最佳工作环境温度,助力提高红外探测器的灵敏度,一般中波和长波的红外探测器均需要在低温环境下工作,通常非制冷红外探测器控温采用热电温控器,制冷型红外探测器控温可采用节流制冷器和斯特林制冷机两种。由于斯特林制冷机工作时不需要高压气瓶或高压供气系统,逐渐成为红外探测器组件应用的主流制冷方式。
红外探测器包括探测器驱动模块,关键是提供满足红外探测器正常工作的偏置电压和时序脉冲,保证红外探测器正常工作;还包括ADC转换模块将模拟信号转换为数字信号,输出给信号处理及成像模块便于后续的数据处理。
信号处理及成像模块对探测器信号进行非均匀性校正、抑制条纹噪声、时域滤波、空域滤波、无压缩伪彩处理、可见光与红外图像融合和检测气体。气体检测包括气体轮廓凸显、着色凸显、泄露点预判和气体浓度预测等功能。
本申请还提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述的红外探测信号伪彩处理方法的步骤。
该计算机可读存储介质可以包括随机存储器(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。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外,本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
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。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (8)
1.一种红外探测信号伪彩处理方法,其特征在于,包括:
采集红外探测器检测待测环境的红外辐射生成的红外探测信号;
将所述红外探测信号进行信号转换获得对应的无损灰度值;其中,所述无损灰度值为所述红外探测信号未进行信号压缩处理而转换获得的灰度值;
根据所述无损灰度值和对应关系,确定所述无损灰度值对应的彩色信息;其中,所述对应关系为预先确定的每个灰度值和对应的彩色信息之间的映射关系;
根据所述彩色信息输出显示所述红外探测信号对应的伪彩红外图像;
预先确定每个灰度值和对应的彩色信息之间的映射关系的过程,包括:
在灰度值范围内等间距的采集多个灰度采样点;
赋予每个所述灰度采样点对应的彩色信息样本;
基于每个所述灰度采样点和对应的所述彩色信息样本,采用插值算法或神经网络训练,确定灰度值范围内每个灰度值和对应的彩色信息之间的映射关系。
2.如权利要求1所述的红外探测信号伪彩处理方法,其特征在于,采用神经网络训练,确定灰度值范围内每个灰度值和对应的彩色信息之间的映射关系的过程,包括:
以每个所述灰度采样点和对应的所述彩色信息样本为输入样本进行神经网络训练,确定灰度值范围内每个灰度值和对应的彩色信息之间的映射关系。
3.如权利要求1所述的红外探测信号伪彩处理方法,其特征在于,赋予每个所述灰度采样点对应的彩色信息样本,包括:
根据用户对每个所述灰度采样点定义的彩色信息数据,赋予每个所述灰度采样点对应的彩色信息样本。
4.如权利要求1所述的红外探测信号伪彩处理方法,其特征在于,在根据所述彩色信息输出显示所述红外探测信号对应的伪彩红外图像之后,还包括:
在所述伪彩红外图像中灰度值大于灰度阈值的风险提示区域进行突出显
示。
5.一种红外探测信号伪彩处理装置,其特征在于,包括:
信号采集模块,用于采集红外探测器检测待测环境的红外辐射生成的红外探测信号;
信号转换模块,用于将所述红外探测信号进行信号转换获得对应的无损灰度值;其中,所述无损灰度值为所述红外探测信号未进行信号压缩处理而转换获得的灰度值;
彩色信息模块,用于根据所述无损灰度值和对应关系,确定所述无损灰度值对应的彩色信息;其中,所述对应关系为预先确定的每个灰度值和对应的彩色信息之间的映射关系;
图像显示模块,用于根据所述彩色信息输出显示所述红外探测信号对应的伪彩红外图像;
还包括映射关系模块,在灰度值范围内等间距的采集多个灰度采样点;赋予每个所述灰度采样点对应的彩色信息样本;基于每个所述灰度采样点和对应的所述彩色信息样本,采用插值算法或神经网络训练,确定灰度值范围内每个灰度值和对应的彩色信息之间的映射关系。
6.一种红外探测信号伪彩处理系统,其特征在于,包括:红外光学镜头,设置在所述红外光学镜头的输出光路上的红外探测器、和所述红外探测器相连接的信号处理器;
所述红外探测器用于通过所述红外光学镜头检测待测环境的红外辐射生成的红外探测信号;
所述信号处理器用于根据所述红外探测信号执行如权利要求1至4任一项所述的红外探测信号伪彩处理方法的步骤。
7.如权利要求6所述的红外探测信号伪彩处理系统,其特征在于,还包括和所述红外探测器相连接的控温装置,用于控制所述红外探测器和所述红外光学镜头之间的温度差不大于预设温度差。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的红外探测信号伪彩处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110572872.5A CN113160095B (zh) | 2021-05-25 | 2021-05-25 | 红外探测信号伪彩处理方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110572872.5A CN113160095B (zh) | 2021-05-25 | 2021-05-25 | 红外探测信号伪彩处理方法、装置、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113160095A CN113160095A (zh) | 2021-07-23 |
CN113160095B true CN113160095B (zh) | 2023-05-19 |
Family
ID=76877334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110572872.5A Active CN113160095B (zh) | 2021-05-25 | 2021-05-25 | 红外探测信号伪彩处理方法、装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113160095B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113870146B (zh) * | 2021-10-15 | 2024-06-25 | 中国大恒(集团)有限公司北京图像视觉技术分公司 | 一种彩色相机图像边缘伪彩的校正方法 |
TWI818606B (zh) * | 2022-06-29 | 2023-10-11 | 中國鋼鐵股份有限公司 | 高爐碳磚溫度警示系統與方法 |
CN116309013B (zh) * | 2023-02-08 | 2024-09-03 | 无锡英菲感知技术有限公司 | 一种图像映射方法、装置、设备及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103489168A (zh) * | 2013-09-25 | 2014-01-01 | 海视英科光电(苏州)有限公司 | 一种红外图像自适应转伪彩增强方法及系统 |
CN104217407A (zh) * | 2014-09-30 | 2014-12-17 | 成都市晶林科技有限公司 | 非制冷红外焦平面探测器伪彩变换方法 |
CN210256167U (zh) * | 2019-02-21 | 2020-04-07 | 广东智吉科技有限公司 | 智能避障系统及机器人 |
CN111510691A (zh) * | 2020-04-17 | 2020-08-07 | Oppo广东移动通信有限公司 | 颜色插值方法及装置、设备、存储介质 |
CN112419258A (zh) * | 2020-11-18 | 2021-02-26 | 西北工业大学 | 基于时频分割及卷积神经网络的鲁棒环境声音识别方法 |
CN112532958A (zh) * | 2020-11-24 | 2021-03-19 | 海宁奕斯伟集成电路设计有限公司 | 图像处理方法、装置、电子设备以及可读存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6544193B2 (en) * | 1996-09-04 | 2003-04-08 | Marcio Marc Abreu | Noninvasive measurement of chemical substances |
CA2443098A1 (en) * | 2001-04-13 | 2002-10-24 | Cargill, Incorporated | Processes for evaluating agricultural and/or food materials; applications; and, products |
EP2359745A1 (en) * | 2010-02-12 | 2011-08-24 | Helmholtz Zentrum München Deutsches Forschungszentrum für Gesundheit und Umwelt (GmbH) | Method and device for multi-spectral photonic imaging |
CN103279938B (zh) * | 2013-04-03 | 2016-12-28 | 昆明物理研究所 | 红外/微光图像融合夜视系统 |
CN103439342B (zh) * | 2013-09-17 | 2015-09-30 | 华东交通大学 | 基于热图时序特征的红外无损检测方法 |
CN106412686A (zh) * | 2016-09-26 | 2017-02-15 | 龙迅半导体(合肥)股份有限公司 | 一种数据传输方法、hdmi信号的单网线延长器 |
CN110675462B (zh) * | 2019-09-17 | 2023-06-16 | 天津大学 | 一种基于卷积神经网络的灰度图像彩色化方法 |
CN112465077B (zh) * | 2021-02-02 | 2021-04-16 | 中国人民解放军国防科技大学 | 水果糖度无损检测方法、装置、计算机设备和存储介质 |
-
2021
- 2021-05-25 CN CN202110572872.5A patent/CN113160095B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103489168A (zh) * | 2013-09-25 | 2014-01-01 | 海视英科光电(苏州)有限公司 | 一种红外图像自适应转伪彩增强方法及系统 |
CN104217407A (zh) * | 2014-09-30 | 2014-12-17 | 成都市晶林科技有限公司 | 非制冷红外焦平面探测器伪彩变换方法 |
CN210256167U (zh) * | 2019-02-21 | 2020-04-07 | 广东智吉科技有限公司 | 智能避障系统及机器人 |
CN111510691A (zh) * | 2020-04-17 | 2020-08-07 | Oppo广东移动通信有限公司 | 颜色插值方法及装置、设备、存储介质 |
CN112419258A (zh) * | 2020-11-18 | 2021-02-26 | 西北工业大学 | 基于时频分割及卷积神经网络的鲁棒环境声音识别方法 |
CN112532958A (zh) * | 2020-11-24 | 2021-03-19 | 海宁奕斯伟集成电路设计有限公司 | 图像处理方法、装置、电子设备以及可读存储介质 |
Non-Patent Citations (3)
Title |
---|
Tianlin Wang等.Near-infrared fluorescent probe for imaging nitroxyl in living cells and zebrafish model.《Dyes and Pigments》.2019,全文. * |
Tuanjie Du等. 2.01–2.42 μm All-Fiber Femtosecond Raman Soliton Generation in a Heavily Germanium Doped Fiber.《IEEE Journal of Selected Topics in Quantum Electronics》.2019,全文. * |
赵正辉.基于ARM+FPGA的红外热像仪的研究.《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》.2011,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN113160095A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113160095B (zh) | 红外探测信号伪彩处理方法、装置、系统及存储介质 | |
US9613410B2 (en) | Gas visualization arrangements, devices, and methods | |
EP3392635B1 (en) | Image processing device for gas detection, image processing method for gas detection, image processing program for gas detection, computer-readable recording medium having image processing program for gas detection recorded thereon, and gas detection system | |
CN107532999B (zh) | 基于波长带的无源红外气体成像 | |
US10298859B2 (en) | Enhanced visual representation of infrared data values | |
CN101163364B (zh) | 监控系统及应用该监控系统监控电气元件运行的方法 | |
CN101832950B (zh) | 一种pcb板质量检测方法、系统及装置 | |
CN102230952B (zh) | 一种基于紫外光子电晕检测方法 | |
CN103018640A (zh) | 高压绝缘子表面电晕放电强度测试方法 | |
CN103744005A (zh) | 一种基于紫外成像法下放电强度换算方法 | |
CN110470406B (zh) | 一种热红外光谱仪杂散辐射的测量方法 | |
CN106979822A (zh) | 一种红外成像过耗故障探测仪 | |
CN117309263A (zh) | 气体泄漏定量检测方法及装置、设备及存储介质 | |
CN105044110A (zh) | 一种二氧化硫气体成像遥测方法与装置 | |
CN212082732U (zh) | 用于实现非制冷型探测器的气体泄漏监测系统的硬件装置 | |
Vincens et al. | HERMeS: A second generation approach to the automatic analysis of two‐dimensional electrophoresis gels Part I: Data acquisition | |
KR101479111B1 (ko) | 열영상 화재 오검출 감소를 위한 적응 문턱치 제어 장치 및 그 방법 | |
JP2018063588A (ja) | 色判定装置、制御方法、及びプログラム | |
CN114526823A (zh) | 红外测温仪温度精准测量方法、系统和存储介质 | |
CN210839734U (zh) | 窑炉火焰温度监测相机 | |
CN209802517U (zh) | 基于多光谱的温度测量系统 | |
Hagen | Spectra, images, simple functions, and density functions | |
JPH08220184A (ja) | 絶縁電線の絶縁被覆亀裂検知方法及び装置 | |
CN220399274U (zh) | 一种基于滤光差分原理的红外成像气体检测仪 | |
CN112837495B (zh) | 火焰检测方法 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210723 Assignee: INFIRAY TECHNOLOGIES CO.,LTD. Assignor: Yantai Airui Photo-Electric Technology Co.,Ltd. Contract record no.: X2024980006380 Denomination of invention: Infrared detection signal pseudo color processing method, device, system, and storage medium Granted publication date: 20230519 License type: Common License Record date: 20240530 |