CN113643219B - 一种基于三光融合的图像成像方法及装置 - Google Patents
一种基于三光融合的图像成像方法及装置 Download PDFInfo
- Publication number
- CN113643219B CN113643219B CN202110888197.7A CN202110888197A CN113643219B CN 113643219 B CN113643219 B CN 113643219B CN 202110888197 A CN202110888197 A CN 202110888197A CN 113643219 B CN113643219 B CN 113643219B
- Authority
- CN
- China
- Prior art keywords
- image
- enhanced
- spectrum image
- spectrum
- membership function
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 61
- 238000003384 imaging method Methods 0.000 title claims abstract description 50
- 238000001228 spectrum Methods 0.000 claims abstract description 175
- 230000003595 spectral effect Effects 0.000 claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 67
- 238000013507 mapping Methods 0.000 claims description 10
- 238000000701 chemical imaging Methods 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- 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
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明提出了一种基于三光融合的图像成像方法及装置。包括:获取实时光谱图像数据,对该实时光谱图像数据进行金字塔分层,并对分层后的光谱图像通过金字塔逆运算,获取运算后的光谱图像作为待处理光谱图像;根据红外图像特点对待处理光谱图像进行处理,获取对应的图像隶属度函数,通过模糊特征平面对该图像隶属度函数进行处理,获取处理后的待增强光谱图像;对该待增强光谱图像进行灰度标记,根据标记结果对该待增强光谱图像进行筛选,将保留的待增强光谱图像展示成像。本发明通过金字塔对光谱图像进行分层,然后利用红外图像对分层后的光谱图像进行处理,能够适应多种光谱,并且极大程度提高了光谱成像的精确度,提升了用户体验。
Description
技术领域
本发明涉及计算机软件技术领域,尤其涉及一种基于三光融合的图像成像方法及装置。
背景技术
随着电子监控领域的发展,各种各样的电子摄像设备设计方向都向着感知低照度发展,由于大多数摄像设备成像光谱单一,所以在观察场景以及目标的过程中,这些设备往往只能获取单一光谱下有限的信息,对场景中的多维目标信息无法实现广泛覆盖,而要实现对多种场景的不同光谱特征同时检测必须携带多种光谱设备,不仅操作繁琐,也不便于携带,更提高了使用成本,最主要的是成像精确度不够高,带来了诸多不便。所以亟需一种基于三光融合的图像成像方法及装置,能够提高成像精确度。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
有鉴于此,本发明提出了一种基于三光融合的图像成像方法及装置,旨在解决现有技术无法提高摄像设备最后成像的精确度的技术问题。
本发明的技术方案是这样实现的:
一方面,本发明提供了一种基于三光融合的图像成像方法,所述基于三光融合的图像成像方法包括以下步骤:
S1,获取实时光谱图像数据,对该实时光谱图像数据进行金字塔分层,并对分层后的光谱图像通过金字塔逆运算,获取运算后的光谱图像作为待处理光谱图像;
S2,根据红外图像特点对待处理光谱图像进行处理,获取对应的图像隶属度函数,通过模糊特征平面对该图像隶属度函数进行处理,获取处理后的待增强光谱图像;
S3,对该待增强光谱图像进行灰度标记,根据标记结果对该待增强光谱图像进行筛选,将保留的待增强光谱图像展示成像。
在以上技术方案的基础上,优选的,步骤S1中,获取实时光谱图像数据,对该实时光谱图像数据进行金字塔分层,并对分层后的光谱图像通过金字塔逆运算,获取运算后的光谱图像作为待处理光谱图像,还包括以下步骤,获取实时光谱图像数据,所述光谱图像数据包括:光谱种类、光谱名称以及对应的图像数据,通过光谱种类对该光谱图像数据进行金字塔分层,将每层的光谱图像数据通过对齐融合后,将对齐融合后的光谱图像数据通过加权融合,获取最终融合的光谱图像数据,通过拉普拉斯金字塔对该最终融合的光谱图像数据进行逆运算,获取运算后的光谱图像作为待处理光谱图像。
在以上技术方案的基础上,优选的,还包括以下步骤,所述拉普拉斯金字塔为:
Li代表运算结果,Gi代表第i层的光谱图像数据,UP代表映射操作,代表卷积操作,/>代表4x4的高斯内核。
在以上技术方案的基础上,优选的,步骤S2中,根据红外图像特点对待处理光谱图像进行处理,获取对应的图像隶属度函数,通过模糊特征平面对该图像隶属度函数进行处理,获取处理后的待增强光谱图像,还包括以下步骤,根据红外图像特点对待处理光谱图像进行处理,获取待处理光谱图像的图像强度,根据该待处理光谱图像的图像强度建立该待处理光谱图像对应的图像隶属度函数,所述图像隶属度函数包括:弱边缘隶属度函数、强边缘隶属度函数以及噪声隶属度函数,通过模糊特征平面对该图像隶属度函数进行处理,获取处理后的待增强光谱图像。
在以上技术方案的基础上,优选的,还包括以下步骤,通过模糊特征平面对该图像隶属度函数进行处理,获取处理后的待增强光谱图像,还包括以下步骤,通过模糊特征平面分别计算该图像隶属度函数的加权系数,获取加权系数标准值,将该图像隶属度函数的加权系数与该加权系数标准值进行比较,当该图像隶属度函数的加权系数大于加权系数标准值时,根据该加权系数标准值对该图像隶属度函数的加权系数进行处理,并获取处理后的待增强光谱图像;当该图像隶属度函数的加权系数小于加权系数标准值时,重新获取光谱图像。
在以上技术方案的基础上,优选的,步骤S3中,对该待增强光谱图像进行灰度标记,根据标记结果对该待增强光谱图像进行筛选,将保留的待增强光谱图像展示成像,还包括以下步骤,对该待增强光谱图像进行灰度标记,根据标记结果对该待增强光谱图像进行筛选,获取保留的该待增强光谱图像,根据保留的该待增强光谱图像对应的灰度标记计算该待增强光谱图像对应的映射函数,将该映射函数等间距排列,根据排列结果将保留的待增强光谱图像展示成像。
在以上技术方案的基础上,优选的,对该待增强光谱图像进行灰度标记,根据标记结果对该待增强光谱图像进行筛选,还包括以下步骤,获取该待增强光谱图像灰度级的像素个数,获取像素个数阈值,将该待增强光谱图像灰度级的像素个数与像素个数阈值进行比较,当待增强光谱图像灰度级的像素个数大于像素个数阈值时,对该待增强光谱图像进行有效灰度标记,当待增强光谱图像灰度级的像素个数小于像素个数阈值时,对该待增强光谱图像进行无效灰度标记,并保留有效灰度标记对应的待增强光谱图像。
更进一步优选的,所述基于三光融合的图像成像装置包括:
分层模块,用于获取实时光谱图像数据,对该实时光谱图像数据进行金字塔分层,并对分层后的光谱图像通过金字塔逆运算,获取运算后的光谱图像作为待处理光谱图像;
处理模块,用于根据红外图像特点对待处理光谱图像进行处理,获取对应的图像隶属度函数,通过模糊特征平面对该图像隶属度函数进行处理,获取处理后的待增强光谱图像;
成像模块,用于对该待增强光谱图像进行灰度标记,根据标记结果对该待增强光谱图像进行筛选,将保留的待增强光谱图像展示成像。
第二方面,所述基于三光融合的图像成像方法还包括一种设备,所述设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于三光融合的图像成像方法程序,所述基于三光融合的图像成像方法程序配置为实现如上文所述的基于三光融合的图像成像方法的步骤。
第三方面,所述基于三光融合的图像成像方法还包括一种介质,所述介质为计算机介质,所述计算机介质上存储有基于三光融合的图像成像方法程序,所述基于三光融合的图像成像方法程序被处理器执行时实现如上文所述的基于三光融合的图像成像方法的步骤。
本发明的一种基于三光融合的图像成像方法相对于现有技术具有以下有益效果:
(1)通过金字塔对实时光谱图像数据进行分层的方式,能够同时处理多种光谱图像数据,并且金字塔分层也有利于后续对光谱进行处理,提高了光谱图像数据最后成像的精确度。
(2)通过红外图像特点以及灰度标记的方式,对分层后的光谱图像数据进行先处理后标记,能够极大程度提高光谱图像数据最后成像的精确度。
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,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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是本发明实施例方案涉及的硬件运行环境的设备的结构示意图;
图2为本发明基于三光融合的图像成像方法第一实施例的流程示意图;
图3为本发明基于三光融合的图像成像方法第一实施例的功能模块示意图。
具体实施方式
下面将结合本发明实施方式,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,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方式,都属于本发明保护的范围。
如图1所示,该设备可以包括:处理器1001,例如中央处理器(Central ProcessingUnit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对设备的限定,在实际应用中设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于三光融合的图像成像方法程序。
在图1所示的设备中,网络接口1004主要用于建立设备与存储基于三光融合的图像成像方法系统中所需的所有数据的服务器的通信连接;用户接口1003主要用于与用户进行数据交互;本发明基于三光融合的图像成像方法设备中的处理器1001、存储器1005可以设置在基于三光融合的图像成像方法设备中,所述基于三光融合的图像成像方法设备通过处理器1001调用存储器1005中存储的基于三光融合的图像成像方法程序,并执行本发明实施提供的基于三光融合的图像成像方法。
结合图2,图2为本发明基于三光融合的图像成像方法第一实施例的流程示意图。
本实施例中,所述基于三光融合的图像成像方法包括以下步骤:
S1:获取实时光谱图像数据,对该实时光谱图像数据进行金字塔分层,并对分层后的光谱图像通过金字塔逆运算,获取运算后的光谱图像作为待处理光谱图像。
应当理解的是,本实施系统首先会获取实时光谱图像数据,所述光谱图像数据包括:光谱种类、光谱名称以及对应的图像数据,通过光谱种类对该光谱图像数据进行金字塔分层,将每层的光谱图像数据通过对齐融合后,将对齐融合后的光谱图像数据通过加权融合,获取最终融合的光谱图像数据,通过拉普拉斯金字塔对该最终融合的光谱图像数据进行逆运算,获取运算后的光谱图像作为待处理光谱图像。
应当理解的是,上述拉普拉斯金字塔为:
Li代表运算结果,Gi代表第i层的光谱图像数据,UP代表映射操作,代表卷积操作,/>代表4x4的高斯内核。
应当理解的是,通过金字塔分层的方式,可以将多种实时光谱图像数据按照光谱种类进行不同分层,通过这种分层方式能够提高系统对于多种实时光谱图像数据的处理效率,并且不同的分层并不会互相干扰,反而可以提高整个成像过程的效率。
S2:根据红外图像特点对待处理光谱图像进行处理,获取对应的图像隶属度函数,通过模糊特征平面对该图像隶属度函数进行处理,获取处理后的待增强光谱图像。
应当理解的是,之后系统会根据红外图像特点对待处理光谱图像进行处理,获取待处理光谱图像的图像强度,根据该待处理光谱图像的图像强度建立该待处理光谱图像对应的图像隶属度函数,所述图像隶属度函数包括:弱边缘隶属度函数、强边缘隶属度函数以及噪声隶属度函数,通过模糊特征平面对该图像隶属度函数进行处理,获取处理后的待增强光谱图像。
应当理解的是,系统通过模糊特征平面分别计算该图像隶属度函数的加权系数,获取加权系数标准值,将该图像隶属度函数的加权系数与该加权系数标准值进行比较,当该图像隶属度函数的加权系数大于加权系数标准值时,根据该加权系数标准值对该图像隶属度函数的加权系数进行处理,并获取处理后的待增强光谱图像;当该图像隶属度函数的加权系数小于加权系数标准值时,重新获取光谱图像。
S3:对该待增强光谱图像进行灰度标记,根据标记结果对该待增强光谱图像进行筛选,将保留的待增强光谱图像展示成像。
应当理解的是,系统最后会对该待增强光谱图像进行灰度标记,根据标记结果对该待增强光谱图像进行筛选,获取保留的该待增强光谱图像,根据保留的该待增强光谱图像对应的灰度标记计算该待增强光谱图像对应的映射函数,将该映射函数等间距排列,根据排列结果将保留的待增强光谱图像展示成像。
应当理解的是,系统还会获取该待增强光谱图像灰度级的像素个数,获取像素个数阈值,将该待增强光谱图像灰度级的像素个数与像素个数阈值进行比较,当待增强光谱图像灰度级的像素个数大于像素个数阈值时,对该待增强光谱图像进行有效灰度标记,当待增强光谱图像灰度级的像素个数小于像素个数阈值时,对该待增强光谱图像进行无效灰度标记,并保留有效灰度标记对应的待增强光谱图像。
需要说明的是,以上仅为举例说明,并不对本申请的技术方案构成任何限定。
通过上述描述不难发现,本实施例通过获取实时光谱图像数据,对该实时光谱图像数据进行金字塔分层,并对分层后的光谱图像通过金字塔逆运算,获取运算后的光谱图像作为待处理光谱图像;根据红外图像特点对待处理光谱图像进行处理,获取对应的图像隶属度函数,通过模糊特征平面对该图像隶属度函数进行处理,获取处理后的待增强光谱图像;对该待增强光谱图像进行灰度标记,根据标记结果对该待增强光谱图像进行筛选,将保留的待增强光谱图像展示成像。本实施例通过金字塔对光谱图像进行分层,然后利用红外图像对分层后的光谱图像进行处理,能够适应多种光谱,并且极大程度提高了光谱成像的精确度,提升了用户体验。
此外,本发明实施例还提出一种基于三光融合的图像成像装置。如图3所示,该基于三光融合的图像成像装置包括:分层模块10、处理模块20以及成像模块30。
分层模块10,用于获取实时光谱图像数据,对该实时光谱图像数据进行金字塔分层,并对分层后的光谱图像通过金字塔逆运算,获取运算后的光谱图像作为待处理光谱图像;
处理模块20,用于根据红外图像特点对待处理光谱图像进行处理,获取对应的图像隶属度函数,通过模糊特征平面对该图像隶属度函数进行处理,获取处理后的待增强光谱图像;
成像模块30,用于对该待增强光谱图像进行灰度标记,根据标记结果对该待增强光谱图像进行筛选,将保留的待增强光谱图像展示成像。
此外,需要说明的是,以上所描述的装置实施例仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的基于三光融合的图像成像方法,此处不再赘述。
此外,本发明实施例还提出一种介质,所述介质为计算机介质,所述计算机介质上存储有基于三光融合的图像成像方法程序,所述基于三光融合的图像成像方法程序被处理器执行时实现如下操作:
S1,获取实时光谱图像数据,对该实时光谱图像数据进行金字塔分层,并对分层后的光谱图像通过金字塔逆运算,获取运算后的光谱图像作为待处理光谱图像;
S2,根据红外图像特点对待处理光谱图像进行处理,获取对应的图像隶属度函数,通过模糊特征平面对该图像隶属度函数进行处理,获取处理后的待增强光谱图像;
S3,对该待增强光谱图像进行灰度标记,根据标记结果对该待增强光谱图像进行筛选,将保留的待增强光谱图像展示成像。
进一步地,所述基于三光融合的图像成像方法程序被处理器执行时还实现如下操作:
获取实时光谱图像数据,所述光谱图像数据包括:光谱种类、光谱名称以及对应的图像数据,通过光谱种类对该光谱图像数据进行金字塔分层,将每层的光谱图像数据通过对齐融合后,将对齐融合后的光谱图像数据通过加权融合,获取最终融合的光谱图像数据,通过拉普拉斯金字塔对该最终融合的光谱图像数据进行逆运算,获取运算后的光谱图像作为待处理光谱图像。
进一步地,所述基于三光融合的图像成像方法程序被处理器执行时还实现如下操作:
所述拉普拉斯金字塔为:
Li代表运算结果,Gi代表第i层的光谱图像数据,UP代表映射操作,代表卷积操作,/>代表4x4的高斯内核。
进一步地,所述基于三光融合的图像成像方法程序被处理器执行时还实现如下操作:
根据红外图像特点对待处理光谱图像进行处理,获取待处理光谱图像的图像强度,根据该待处理光谱图像的图像强度建立该待处理光谱图像对应的图像隶属度函数,所述图像隶属度函数包括:弱边缘隶属度函数、强边缘隶属度函数以及噪声隶属度函数,通过模糊特征平面对该图像隶属度函数进行处理,获取处理后的待增强光谱图像。
进一步地,所述基于三光融合的图像成像方法程序被处理器执行时还实现如下操作:
通过模糊特征平面分别计算该图像隶属度函数的加权系数,获取加权系数标准值,将该图像隶属度函数的加权系数与该加权系数标准值进行比较,当该图像隶属度函数的加权系数大于加权系数标准值时,根据该加权系数标准值对该图像隶属度函数的加权系数进行处理,并获取处理后的待增强光谱图像;当该图像隶属度函数的加权系数小于加权系数标准值时,重新获取光谱图像。
进一步地,所述基于三光融合的图像成像方法程序被处理器执行时还实现如下操作:
对该待增强光谱图像进行灰度标记,根据标记结果对该待增强光谱图像进行筛选,获取保留的该待增强光谱图像,根据保留的该待增强光谱图像对应的灰度标记计算该待增强光谱图像对应的映射函数,将该映射函数等间距排列,根据排列结果将保留的待增强光谱图像展示成像。
进一步地,所述基于三光融合的图像成像方法程序被处理器执行时还实现如下操作:
获取该待增强光谱图像灰度级的像素个数,获取像素个数阈值,将该待增强光谱图像灰度级的像素个数与像素个数阈值进行比较,当待增强光谱图像灰度级的像素个数大于像素个数阈值时,对该待增强光谱图像进行有效灰度标记,当待增强光谱图像灰度级的像素个数小于像素个数阈值时,对该待增强光谱图像进行无效灰度标记,并保留有效灰度标记对应的待增强光谱图像。
以上所述仅为本发明的较佳实施方式而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于三光融合的图像成像方法,其特征在于:包括以下步骤;
S1,获取实时光谱图像数据,所述光谱图像数据包括:光谱种类、光谱名称以及对应的图像数据,通过光谱种类对该光谱图像数据进行金字塔分层,将每层的光谱图像数据通过对齐融合后,将对齐融合后的光谱图像数据通过加权融合,获取最终融合的光谱图像数据,通过拉普拉斯金字塔对该最终融合的光谱图像数据进行逆运算,获取运算后的光谱图像作为待处理光谱图像;
S2,根据红外图像特点对待处理光谱图像进行处理,获取待处理光谱图像的图像强度,根据该待处理光谱图像的图像强度建立该待处理光谱图像对应的图像隶属度函数,所述图像隶属度函数包括:弱边缘隶属度函数、强边缘隶属度函数以及噪声隶属度函数,通过模糊特征平面对该图像隶属度函数进行处理,获取处理后的待增强光谱图像;其中,通过模糊特征平面对该图像隶属度函数进行处理,获取处理后的待增强光谱图像,还包括以下步骤,通过模糊特征平面分别计算该图像隶属度函数的加权系数,获取加权系数标准值,将该图像隶属度函数的加权系数与该加权系数标准值进行比较,当该图像隶属度函数的加权系数大于加权系数标准值时,根据该加权系数标准值对该图像隶属度函数的加权系数进行处理,并获取处理后的待增强光谱图像;当该图像隶属度函数的加权系数小于加权系数标准值时,重新获取光谱图像;
S3,对该待增强光谱图像进行灰度标记,根据标记结果对该待增强光谱图像进行筛选,将保留的待增强光谱图像展示成像。
2.如权利要求1所述的基于三光融合的图像成像方法,其特征在于:还包括以下步骤,所述拉普拉斯金字塔为:
Li代表运算结果,Gi代表第i层的光谱图像数据,UP代表映射操作,代表卷积操作,/>代表4x4的高斯内核。
3.如权利要求1所述的基于三光融合的图像成像方法,其特征在于:步骤S3中,对该待增强光谱图像进行灰度标记,根据标记结果对该待增强光谱图像进行筛选,将保留的待增强光谱图像展示成像,还包括以下步骤,对该待增强光谱图像进行灰度标记,根据标记结果对该待增强光谱图像进行筛选,获取保留的该待增强光谱图像,根据保留的该待增强光谱图像对应的灰度标记计算该待增强光谱图像对应的映射函数,将该映射函数等间距排列,根据排列结果将保留的待增强光谱图像展示成像。
4.如权利要求3所述的基于三光融合的图像成像方法,其特征在于:对该待增强光谱图像进行灰度标记,根据标记结果对该待增强光谱图像进行筛选,还包括以下步骤,获取该待增强光谱图像灰度级的像素个数,获取像素个数阈值,将该待增强光谱图像灰度级的像素个数与像素个数阈值进行比较,当待增强光谱图像灰度级的像素个数大于像素个数阈值时,对该待增强光谱图像进行有效灰度标记,当待增强光谱图像灰度级的像素个数小于像素个数阈值时,对该待增强光谱图像进行无效灰度标记,并保留有效灰度标记对应的待增强光谱图像。
5.一种基于三光融合的图像成像装置,其特征在于,所述基于三光融合的图像成像装置包括:
分层模块,用于获取实时光谱图像数据,所述光谱图像数据包括:光谱种类、光谱名称以及对应的图像数据,通过光谱种类对该光谱图像数据进行金字塔分层,将每层的光谱图像数据通过对齐融合后,将对齐融合后的光谱图像数据通过加权融合,获取最终融合的光谱图像数据,通过拉普拉斯金字塔对该最终融合的光谱图像数据进行逆运算,获取运算后的光谱图像作为待处理光谱图像;
处理模块,用于根据红外图像特点对待处理光谱图像进行处理,获取待处理光谱图像的图像强度,根据该待处理光谱图像的图像强度建立该待处理光谱图像对应的图像隶属度函数,所述图像隶属度函数包括:弱边缘隶属度函数、强边缘隶属度函数以及噪声隶属度函数,通过模糊特征平面对该图像隶属度函数进行处理,获取处理后的待增强光谱图像;其中,通过模糊特征平面对该图像隶属度函数进行处理,获取处理后的待增强光谱图像,还包括以下步骤,通过模糊特征平面分别计算该图像隶属度函数的加权系数,获取加权系数标准值,将该图像隶属度函数的加权系数与该加权系数标准值进行比较,当该图像隶属度函数的加权系数大于加权系数标准值时,根据该加权系数标准值对该图像隶属度函数的加权系数进行处理,并获取处理后的待增强光谱图像;当该图像隶属度函数的加权系数小于加权系数标准值时,重新获取光谱图像;
成像模块,用于对该待增强光谱图像进行灰度标记,根据标记结果对该待增强光谱图像进行筛选,将保留的待增强光谱图像展示成像。
6.一种设备,其特征在于,所述设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于三光融合的图像成像方法程序,所述基于三光融合的图像成像方法程序配置为实现如权利要求1至4任一项所述的基于三光融合的图像成像方法的步骤。
7.一种介质,其特征在于,所述介质为计算机介质,所述计算机介质上存储有基于三光融合的图像成像方法程序,所述基于三光融合的图像成像方法程序被处理器执行时实现如权利要求1至4任一项所述的基于三光融合的图像成像方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110888197.7A CN113643219B (zh) | 2021-08-03 | 2021-08-03 | 一种基于三光融合的图像成像方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110888197.7A CN113643219B (zh) | 2021-08-03 | 2021-08-03 | 一种基于三光融合的图像成像方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113643219A CN113643219A (zh) | 2021-11-12 |
CN113643219B true CN113643219B (zh) | 2023-11-24 |
Family
ID=78419546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110888197.7A Active CN113643219B (zh) | 2021-08-03 | 2021-08-03 | 一种基于三光融合的图像成像方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113643219B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100248013B1 (ko) * | 1997-12-31 | 2000-03-15 | 윤종용 | 퍼지기법을 사용한 에지 검출 방법 |
KR20110116777A (ko) * | 2010-04-20 | 2011-10-26 | 국방과학연구소 | 가시광선 및 적외선 영상신호 융합장치 및 그 방법 |
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 |
CN107886485A (zh) * | 2017-12-01 | 2018-04-06 | 国网山东省电力公司菏泽供电公司 | 基于Logistic隶属度函数的图像模糊增强方法及系统 |
CN108399612A (zh) * | 2018-02-06 | 2018-08-14 | 江苏宇特光电科技股份有限公司 | 基于双边滤波金字塔的三光图像智能融合方法 |
JP2019138799A (ja) * | 2018-02-13 | 2019-08-22 | 株式会社ニコン | 画像生成装置、撮像システム、プログラム、画像生成方法、情報管理システムおよび端末 |
CN111681198A (zh) * | 2020-08-11 | 2020-09-18 | 湖南大学 | 一种形态学属性滤波多模融合成像方法、系统及介质 |
CN112184606A (zh) * | 2020-09-24 | 2021-01-05 | 南京晓庄学院 | 一种基于拉普拉斯金字塔的可见光图像与红外图像融合方法 |
-
2021
- 2021-08-03 CN CN202110888197.7A patent/CN113643219B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100248013B1 (ko) * | 1997-12-31 | 2000-03-15 | 윤종용 | 퍼지기법을 사용한 에지 검출 방법 |
KR20110116777A (ko) * | 2010-04-20 | 2011-10-26 | 국방과학연구소 | 가시광선 및 적외선 영상신호 융합장치 및 그 방법 |
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 |
CN107886485A (zh) * | 2017-12-01 | 2018-04-06 | 国网山东省电力公司菏泽供电公司 | 基于Logistic隶属度函数的图像模糊增强方法及系统 |
CN108399612A (zh) * | 2018-02-06 | 2018-08-14 | 江苏宇特光电科技股份有限公司 | 基于双边滤波金字塔的三光图像智能融合方法 |
JP2019138799A (ja) * | 2018-02-13 | 2019-08-22 | 株式会社ニコン | 画像生成装置、撮像システム、プログラム、画像生成方法、情報管理システムおよび端末 |
CN111681198A (zh) * | 2020-08-11 | 2020-09-18 | 湖南大学 | 一种形态学属性滤波多模融合成像方法、系统及介质 |
CN112184606A (zh) * | 2020-09-24 | 2021-01-05 | 南京晓庄学院 | 一种基于拉普拉斯金字塔的可见光图像与红外图像融合方法 |
Non-Patent Citations (1)
Title |
---|
基于模糊集的自适应红外图像边缘锐化算法;管志强;陈钱;王忠林;钱惟贤;胡永生;;光子学报(06);第1281-1284页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113643219A (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Agrawal et al. | A novel joint histogram equalization based image contrast enhancement | |
Choi et al. | Referenceless prediction of perceptual fog density and perceptual image defogging | |
Hu et al. | Hyperspectral image super-resolution by spectral difference learning and spatial error correction | |
US8908989B2 (en) | Recursive conditional means image denoising | |
CN111862044B (zh) | 超声图像处理方法、装置、计算机设备和存储介质 | |
WO2022134971A1 (zh) | 一种降噪模型的训练方法及相关装置 | |
CN110136055B (zh) | 图像的超分辨率方法和装置、存储介质、电子装置 | |
CN109871845B (zh) | 证件图像提取方法及终端设备 | |
CN111524137A (zh) | 基于图像识别的细胞识别计数方法、装置和计算机设备 | |
US20130156320A1 (en) | Method, apparatus and system for determining a saliency map for an input image | |
CN113674191B (zh) | 一种基于条件对抗网络的弱光图像增强方法和装置 | |
CN113822830B (zh) | 基于深度感知增强的多曝光图像融合方法 | |
CN111160114B (zh) | 手势识别方法、装置、设备及计算机可读存储介质 | |
Pan et al. | No-reference assessment on haze for remote-sensing images | |
CN111882565B (zh) | 一种图像二值化方法、装置、设备及存储介质 | |
US11232561B2 (en) | Capture and storage of magnified images | |
Yang et al. | Multi-scale exposure fusion based on multi-visual feature measurement and detail enhancement representation | |
Li et al. | A novel detail weighted histogram equalization method for brightness preserving image enhancement based on partial statistic and global mapping model | |
CN113159229A (zh) | 图像融合方法、电子设备及相关产品 | |
CN112330671A (zh) | 细胞分布状态的分析方法、装置、计算机设备和存储介质 | |
CN111222446B (zh) | 人脸识别方法、人脸识别装置及移动终端 | |
CN113643219B (zh) | 一种基于三光融合的图像成像方法及装置 | |
CN116843589A (zh) | 遥感图像的融合方法、装置、设备及存储介质 | |
Shi et al. | Dual-quality map based no reference image quality assessment using deformable convolution | |
CN111784637B (zh) | 一种预后特征可视化方法、系统、设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |