CN114663284A - 红外热成像全景图像处理方法、系统及存储介质 - Google Patents
红外热成像全景图像处理方法、系统及存储介质 Download PDFInfo
- Publication number
- CN114663284A CN114663284A CN202210336954.4A CN202210336954A CN114663284A CN 114663284 A CN114663284 A CN 114663284A CN 202210336954 A CN202210336954 A CN 202210336954A CN 114663284 A CN114663284 A CN 114663284A
- Authority
- CN
- China
- Prior art keywords
- infrared
- visible light
- image data
- data
- thermal imaging
- 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
Links
- 238000001931 thermography Methods 0.000 title claims abstract description 34
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims description 29
- 238000012937 correction Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 7
- 206010020843 Hyperthermia Diseases 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000036031 hyperthermia Effects 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 230000000873 masking effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
一种红外热成像全景图像处理方法、系统及存储介质,涉及热成像技术领域,包括:可见光摄像头,用于采集可见光图像数据;红外摄像头,用于采集红外图像数据;储存模块,用于储存可见光图像数据及红外图像数据;数据处理模块,用于使用OpenCV对相邻两帧的可见光图像帧数据进行SURF算法提取特征点以及对红外图像数据进行拼接。本发明在可见光图像拼接的基础上,将与之对应配准后的红外图像拼接,使红外热成像全景图像还原性高。
Description
技术领域
本发明涉及热成像技术领域,特别涉及一种红外热成像全景图像处理方法、系统及存储介质。
背景技术
图像采集是利用摄像头进行实时图像信息获取的手段,在日常生活以及各领域中都有广泛的应用。
在一些领域中,需要采用红外热像仪对目标进行拍照及测温,但是由于红外器件尺寸的限制,红外热像仪视角一般较小。当要对大型目标进行拍照时,则难以通过单次拍照获取目标的全貌。
发明内容
基于此,有必要针对上述技术问题,提供一种红外热成像全景图像处理方法、系统及存储介质。
为实现上述目的,本发明提供的一种红外热成像全景图像处理方法,应用于红外热成像仪上,所述处理方法包括:
步骤S1、预先将可见光摄像头与红外摄像头完成配准;
步骤S2、采用可见光摄像头采集可见光图像数据,采用红外摄像头采集红外图像数据;
步骤S3、同步储存可见光图像数据及红外图像数据,并对可见光图像数据及红外图像数据进行预处理;
步骤S4、将完成预处理后的可见光图像数据及红外图像数据对应地生成可见光图像帧数据及红外图像帧数据,并储存;
步骤S5、使用OpenCV对相邻两帧的可见光图像帧数据进行SURF算法提取特征点;
步骤S6、若相邻两帧的可见光图像帧数据上特征点的数量大于设定匹配阈值,则该两帧可见光图像帧数据存在重叠画面;
步骤S7、使用转换矩阵对存在重叠画面的两帧可见光图像帧数据进行转换,得到两帧透视图像,两帧透视图像进行像素加权处理后进行拼接;
步骤S8、使用转换矩阵对步骤S7中的两帧可见光图像帧数据对应的红外图像帧数据进行转换拼接;
步骤S9、重复步骤S6至S8,直至完成所有红外图像帧数据拼接。
优选的,在步骤S5中,所述SURF算法包括:
步骤S51、构建Hessian矩阵生成兴趣点;
步骤S52、构建尺度空间,改变高斯滤波器的窗口大小获得不同尺度的图像;图像经过不同尺寸盒子滤波器的滤波处理,生成多幅Hessian行列式图像,构成高斯金字塔尺度空间;
步骤S53、将经过Hessian矩阵处理过的每个像素点在其3*3*3的三维领域内进行非极大值抑制,记录特征点位置;
步骤S54、采用三维线性插值法得到亚像素级的特征点;
步骤S55、选取特征点主方向,以尺度值为s的特征点为圆心,在半径为6s的圆内使用尺寸为4s的Harr小波模板来计算梯度,选取小波特征总和最大的方向为主方向;
步骤S56、以特征点为圆心,取20s*20s的正方形窗口,将窗口划分为16个大小为4s*4s的子窗口;统计子区域内25个像素的水平和垂直方向的Harr小波特征,得到一个四维向量,每个特征点形成4*16个特征描述子用以描述该特征点。
优选的,在步骤S6中,根据欧式距离公式判断相邻两帧的可见光图像帧数据上特征点的数量是否大于设定匹配阈值,所述欧式距离公式为:
其中,xi为第一点的坐标,yi为第二点的坐标,n为正整数。
优选的,在步骤S7中,所述像素加权处理包括:
其中,alpha为权重,从拼接位置的像素点开始,越靠近拼接位置,权重越大;processWidth为重合部分的像素数,start为拼接位置在待拼接图像中列坐标;拼接位置起始像素坐标相对于转换图像的总列数用j标量迭代:
d[j]=p[j]*alpha+t[j]*(1-alpha)
其中,p为待拼接图像像素值,t为转换后图像像素值,d为拼接后像素值。
优选的,在步骤3中,对红外图像数据进行预处理,包括:将红外图像数据转换成灰度图。
优选的,在步骤1中,预先将可见光摄像头与红外摄像头完成配准,包括:
可见光摄像头与红外摄像头对着标定板,进而获取相应的内参矩阵和畸表系数,然后对可见光摄像头与红外摄像头进行极线校正和畸变校正。
优选的,在步骤3中,所述预处理包括:
坏点坏列校正、非均匀矫正、亮度调节、动态范围压缩、噪声控制、对比度调节、边缘增强、增益控制、色彩空间转换及去锅盖处理;
并对可见光图像数据及红外图像数据进行直方图统计、方差统计、高热统计及AF统计。
优选的,所述坏点坏列校正包括屏蔽坏点,用好点的数据代替使数据保证完整。
一种红外热成像全景图像处理系统,包括:
可见光摄像头,用于采集可见光图像数据;
红外摄像头,用于采集红外图像数据;
储存模块,用于储存可见光图像数据及红外图像数据;
数据处理模块,用于使用OpenCV对相邻两帧的可见光图像帧数据进行SURF算法提取特征点以及对红外图像数据进行拼接。
一种存储有红外热成像全景图像处理方法的存储介质。
本发明具有如下技术效果:本发明在可见光图像拼接的基础上,将与之对应配准后的红外图像拼接,使红外热成像全景图像还原性高。
下面结合附图与实施例,对本发明进一步说明。
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是本发明实施例中的红外热成像全景图像处理系统的结构示意图;
图2是本发明实施例中的红外热成像全景图像处理方法的原理框图;
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施例的限制。
本发明公开一种红外热成像全景图像处理方法、系统及存储介质,具体为将多张单帧的红外图像拼成一张全景照片。本发明的基本原理是搜索两帧可见光图像的边缘部分,并将两帧边缘部分重叠度高的可见光图像加以重合,在使用OpenCV等技术将图像拼接,然后将与之同步储存的红外图像进行拼接,从而实现红外热成像全景图像拼接。为了解决红外图像由于目标区域的温度分布、发射率以及表面辐射变化导致每一帧图像上的灰度分布变化较大,难以实现直接拼接的问题,本发明基于可见光图像的拼接,从而对对应的红外图像进行拼接,以解决上述红外图像难以直接拼接的问题。
图1是本发明实施例中的红外热成像全景图像处理系统的结构示意图,参见图1所示,本发明实施例提供一种红外热成像全景图像处理系统,包括:
可见光摄像头100,用于采集可见光图像数据;
红外摄像头200,用于采集红外图像数据;
储存模块300,用于储存可见光图像数据及红外图像数据;
数据处理模块400,用于使用OpenCV对相邻两帧的可见光图像帧数据进行SURF算法提取特征点以及对红外图像数据进行拼接。
图2是本发明实施例中的红外热成像全景图像处理方法的原理框图,参见图2所示,本发明实施例提供一种红外热成像全景图像处理方法,应用于红外热成像仪上,所述处理方法包括:
步骤S1、预先将可见光摄像头100与红外摄像头200完成配准。在本实施例中,可见光摄像头100、红外摄像头200集成在红外热成像仪上。手持红外热成像仪对可见光摄像头100与红外摄像头200进行配准操作,从而使可见光摄像头100、红外摄像头200能同步采集目标场景。
步骤S2、采用可见光摄像头100采集可见光图像数据,采用红外摄像头200采集红外图像数据;在本实施例中,手持红外热成像仪,调整至红外热成像全景拍摄模式,此时,可见光摄像头100、红外摄像头200均打开。将红外热成像仪对准目标场景,按下拍摄按钮,可见光摄像头100、红外摄像头200将同时对目标场景进行拍摄,并生成可见光图像数据及红外数据,在可见光图像数据及红外图像数据上同步生成一致的时间戳,进而实现可见光图像数据与红外图像数据映射同步。
步骤S3、同步储存可见光图像数据及红外图像数据,并对可见光图像数据及红外图像数据进行预处理;在本实施例中,将可见光图像数据、红外图像数据通过各自的数字接口发送至数据处理模块400中,并进行预处理操作,并对可见光图像数据、红外图像数据形成RAW数据和Y数据。
步骤S4、将完成预处理后的可见光图像数据及红外图像数据对应地生成可见光图像帧数据及红外图像帧数据,并储存。在本实施例中,将可见光图像数据及红外图像数据且具有RAW数据和Y数据的图像数据进行缩放、叠加OSD、附加信息添加处理,还原成可见光图像帧数据及红外图像帧数据。
步骤S5、使用OpenCV对相邻两帧的可见光图像帧数据进行SURF算法提取特征点。在本实施例中,OpenCV是一个基于Apache2.0许可(开源)发行的跨平台计算机视觉和机器学习软件库,可以运行在Linux、Windows、Android和MacOS操作系统上。它轻量级而且高效——由一系列C函数和少量C++类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。OpenCV用C++语言编写,它具有C++,Python,Java和MATLAB接口,并支持Windows,Linux,Android和MacOS,OpenCV主要倾向于实时视觉应用,并在可用时利用MMX和SSE指令,如今也提供对于C#、Ch、Ruby,GO的支持。
此外,采用SURF算法在满足一定精度的同时,做到了运算速度是SIFT算法的三倍。
步骤S6、若相邻两帧的可见光图像帧数据上特征点的数量大于设定匹配阈值,则该两帧可见光图像帧数据存在重叠画面;
步骤S7、使用转换矩阵对存在重叠画面的两帧可见光图像帧数据进行转换,得到两帧透视图像,两帧透视图像进行像素加权处理后进行拼接;
步骤S8、使用转换矩阵对步骤S7中的两帧可见光图像帧数据对应的红外图像帧数据进行转换拼接;
步骤S9、重复步骤S6至S8,直至完成所有红外图像帧数据拼接。
本发明在可见光图像拼接的基础上,将与之对应配准后的红外图像拼接,使红外热成像全景图像还原性高。
在另一实施例中,在步骤S5中,所述SURF算法包括:
步骤S51、构建Hessian矩阵生成兴趣点;
步骤S52、构建尺度空间,改变高斯滤波器的窗口大小获得不同尺度的图像;图像经过不同尺寸盒子滤波器的滤波处理,生成多幅Hessian行列式图像,构成高斯金字塔尺度空间;
步骤S53、将经过Hessian矩阵处理过的每个像素点在其3*3*3的三维领域内进行非极大值抑制,记录特征点位置;
步骤S54、采用三维线性插值法得到亚像素级的特征点;
步骤S55、选取特征点主方向,以尺度值为s的特征点为圆心,在半径为6s的圆内使用尺寸为4s的Harr小波模板来计算梯度,选取小波特征总和最大的方向为主方向;
步骤S56、以特征点为圆心,取20s*20s的正方形窗口,将窗口划分为16个大小为4s*4s的子窗口;统计子区域内25个像素的水平和垂直方向的Harr小波特征,得到一个四维向量,每个特征点形成4*16个特征描述子用以描述该特征点。
在另一实施例中,在步骤S6中,根据欧式距离公式判断相邻两帧的可见光图像帧数据上特征点的数量是否大于设定匹配阈值,所述欧式距离公式为:
其中,xi为第一点的坐标,yi为第二点的坐标,n为正整数。
在另一实施例中,步骤S7中,所述像素加权处理包括:
其中,alpha为权重,从拼接位置的像素点开始,越靠近拼接位置,权重越大;processWidth为重合部分的像素数,start为拼接位置在待拼接图像中列坐标;拼接位置起始像素坐标相对于转换图像的总列数用j标量迭代:
d[j]=p[j]*alpha+t[j]*(1-alpha)
其中,p为待拼接图像像素值,t为转换后图像像素值,d为拼接后像素值。
此外,由于拍摄角度的原因造成相邻两帧图像的主体颜色不同,拼接的边缘可能存在颜色分层,从而产生割裂感。对于这一情况,可在拼接的边缘使用像素加权处理,使颜色过渡以达到去除拼接裂缝的目的。
在另一实施例中,在步骤3中,对红外图像数据进行预处理,包括:将红外图像数据转换成灰度图。
在本实施例中,当红外摄像头200在不同角度下拍摄图像时,其受到温度影响,目标场景在第一帧中的温度高,所呈现较亮的颜色,在下一帧中的温度低,亮度就会变低。因此,为了拼接更为之平滑自然,在对红外图像数据进行预处理时,要将红外图像数据转换成灰度图,方能保证红外图像数据在拼接时颜色差异不大,使拼接能顺利进行。
在另一实施例中,在步骤1中,预先将可见光摄像头100与红外摄像头200完成配准,包括:
可见光摄像头100与红外摄像头200对着标定板,进而获取相应的内参矩阵和畸表系数,然后对可见光摄像头100与红外摄像头200进行极线校正和畸变校正。
在另一实施例中,在步骤3中,所述预处理包括:
坏点坏列校正、非均匀矫正、亮度调节、动态范围压缩、噪声控制、对比度调节、边缘增强、增益控制、色彩空间转换及去锅盖处理;
并对可见光图像数据及红外图像数据进行直方图统计、方差统计、高热统计及AF统计。
在另一实施例中,所述坏点坏列校正包括屏蔽坏点,用好点的数据代替使数据保证完整。
本发明实施例还提供一种存储有红外热成像全景图像处理方法的存储介质,其存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
内存可能包括计算机可读介质中的非永久性存储器,随机存储存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
应理解,在本发明的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
还应理解,在本发明实施例中,术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系。例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以意识到,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发明的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制。任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。故凡是未脱离本发明技术方案的内容,依据本发明之形状、构造及原理所作的等效变化,均应涵盖于本发明的保护范围内。
Claims (10)
1.一种红外热成像全景图像处理方法,应用于红外热成像仪上,其特征在于,所述处理方法包括:
步骤S1、预先将可见光摄像头与红外摄像头完成配准;
步骤S2、采用可见光摄像头采集可见光图像数据,采用红外摄像头采集红外图像数据;
步骤S3、同步储存可见光图像数据及红外图像数据,并对可见光图像数据及红外图像数据进行预处理;
步骤S4、将完成预处理后的可见光图像数据及红外图像数据对应地生成可见光图像帧数据及红外图像帧数据,并储存;
步骤S5、使用OpenCV对相邻两帧的可见光图像帧数据进行SURF算法提取特征点;
步骤S6、若相邻两帧的可见光图像帧数据上特征点的数量大于设定匹配阈值,则该两帧可见光图像帧数据存在重叠画面;
步骤S7、使用转换矩阵对存在重叠画面的两帧可见光图像帧数据进行转换,得到两帧透视图像,两帧透视图像进行像素加权处理后进行拼接;
步骤S8、使用转换矩阵对步骤S7中的两帧可见光图像帧数据对应的红外图像帧数据进行转换拼接;
步骤S9、重复步骤S6至S8,直至完成所有红外图像帧数据拼接。
2.根据权利要求1所述的红外热成像全景图像处理方法,其特征在于,在步骤S5中,所述SURF算法包括:
步骤S51、构建Hessian矩阵生成兴趣点;
步骤S52、构建尺度空间,改变高斯滤波器的窗口大小获得不同尺度的图像;图像经过不同尺寸盒子滤波器的滤波处理,生成多幅Hessian行列式图像,构成高斯金字塔尺度空间;
步骤S53、将经过Hessian矩阵处理过的每个像素点在其3*3*3的三维领域内进行非极大值抑制,记录特征点位置;
步骤S54、采用三维线性插值法得到亚像素级的特征点;
步骤S55、选取特征点主方向,以尺度值为s的特征点为圆心,在半径为6s的圆内使用尺寸为4s的Harr小波模板来计算梯度,选取小波特征总和最大的方向为主方向;
步骤S56、以特征点为圆心,取20s*20s的正方形窗口,将窗口划分为16个大小为4s*4s的子窗口;统计子区域内25个像素的水平和垂直方向的Harr小波特征,得到一个四维向量,每个特征点形成4*16个特征描述子用以描述该特征点。
5.根据权利要求1所述的红外热成像全景图像处理方法,其特征在于,在步骤3中,对红外图像数据进行预处理,包括:将红外图像数据转换成灰度图。
6.根据权利要求1所述的红外热成像全景图像处理方法,其特征在于,在步骤1中,预先将可见光摄像头与红外摄像头完成配准,包括:
可见光摄像头与红外摄像头对着标定板,进而获取相应的内参矩阵和畸表系数,然后对可见光摄像头与红外摄像头进行极线校正和畸变校正。
7.根据权利要求1所述的红外热成像全景图像处理方法,其特征在于,在步骤3中,所述预处理包括:
坏点坏列校正、非均匀矫正、亮度调节、动态范围压缩、噪声控制、对比度调节、边缘增强、增益控制、色彩空间转换及去锅盖处理;
并对可见光图像数据及红外图像数据进行直方图统计、方差统计、高热统计及AF统计。
8.根据权利要求7所述的红外热成像全景图像处理方法,其特征在于,所述坏点坏列校正包括屏蔽坏点,用好点的数据代替使数据保证完整。
9.一种红外热成像全景图像处理系统,其特征在于,包括:
可见光摄像头,用于采集可见光图像数据;
红外摄像头,用于采集红外图像数据;
储存模块,用于储存可见光图像数据及红外图像数据;
数据处理模块,用于使用OpenCV对相邻两帧的可见光图像帧数据进行SURF算法提取特征点以及对红外图像数据进行拼接。
10.一种存储有如权利要求1至8任一所述的红外热成像全景图像处理方法的存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210336954.4A CN114663284A (zh) | 2022-04-01 | 2022-04-01 | 红外热成像全景图像处理方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210336954.4A CN114663284A (zh) | 2022-04-01 | 2022-04-01 | 红外热成像全景图像处理方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114663284A true CN114663284A (zh) | 2022-06-24 |
Family
ID=82033698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210336954.4A Pending CN114663284A (zh) | 2022-04-01 | 2022-04-01 | 红外热成像全景图像处理方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114663284A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115601263A (zh) * | 2022-10-20 | 2023-01-13 | 国科天成科技股份有限公司(Cn) | 一种非制冷红外图像的非均匀校正方法和系统 |
-
2022
- 2022-04-01 CN CN202210336954.4A patent/CN114663284A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115601263A (zh) * | 2022-10-20 | 2023-01-13 | 国科天成科技股份有限公司(Cn) | 一种非制冷红外图像的非均匀校正方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109509226B (zh) | 三维点云数据配准方法、装置、设备及可读存储介质 | |
CN110827200B (zh) | 一种图像超分重建方法、图像超分重建装置及移动终端 | |
CN110717942B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
JP5830546B2 (ja) | 対象物のモデル変換に基づくモデルパラメータの決定 | |
CN110428366A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN109118544B (zh) | 基于透视变换的合成孔径成像方法 | |
CN113992861A (zh) | 一种图像处理方法及图像处理装置 | |
CN110276831B (zh) | 三维模型的建构方法和装置、设备、计算机可读存储介质 | |
CN112801870B (zh) | 一种基于网格优化的图像拼接方法,拼接系统及可读存储介质 | |
CN110349163A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN108446596A (zh) | 基于可见光相机矩阵的虹膜3d四维数据采集系统及方法 | |
CN112037129A (zh) | 图像超分辨率重建方法、装置、设备及存储介质 | |
US20220398698A1 (en) | Image processing model generation method, processing method, storage medium, and terminal | |
CN112435223B (zh) | 目标检测方法、装置及存储介质 | |
CN114283079A (zh) | 一种基于图卡拍摄校正的方法及设备 | |
CN110392211A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN114663284A (zh) | 红外热成像全景图像处理方法、系统及存储介质 | |
CN108289176B (zh) | 一种拍照搜题方法、搜题装置及终端设备 | |
CN111932462B (zh) | 图像降质模型的训练方法、装置和电子设备、存储介质 | |
Zhang et al. | Toward real-world panoramic image enhancement | |
Xian et al. | Neural Lens Modeling | |
CN116543014A (zh) | 一种融合全景的教师自动跟踪方法及系统 | |
CN113409375B (zh) | 图像处理方法、装置以及非易失性存储介质 | |
CN113160082B (zh) | 一种基于参考图像的晕影校正方法、系统、装置及介质 | |
CN111028290B (zh) | 一种用于绘本阅读机器人的图形处理方法及装置 |
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 |