CN115115653A - 一种冷热冲击试验箱精细化温度校准方法 - Google Patents
一种冷热冲击试验箱精细化温度校准方法 Download PDFInfo
- Publication number
- CN115115653A CN115115653A CN202210662960.9A CN202210662960A CN115115653A CN 115115653 A CN115115653 A CN 115115653A CN 202210662960 A CN202210662960 A CN 202210662960A CN 115115653 A CN115115653 A CN 115115653A
- Authority
- CN
- China
- Prior art keywords
- image
- cold
- processing
- impact test
- temperature
- 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
- 238000009863 impact test Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 79
- 238000012360 testing method Methods 0.000 claims abstract description 42
- 230000035939 shock Effects 0.000 claims abstract description 34
- 238000001914 filtration Methods 0.000 claims abstract description 27
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000001931 thermography Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 32
- 238000012937 correction Methods 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000000354 decomposition reaction Methods 0.000 claims description 11
- 238000003709 image segmentation Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 5
- 238000003062 neural network model Methods 0.000 claims description 5
- 230000005855 radiation Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000005057 refrigeration Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000005060 rubber Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明提供了一种冷热冲击试验箱精细化温度校准方法,涉及加工设备技术领域,包括获取第一图像和第二图像,所述第一图像表示T时刻由红外成像仪获取到的待检测冷热冲击试验箱中第一场景的目标热成像,所述第二图像表示T时刻由可见光相机获取到的第一场景的可见光图像;基于高斯滤波处理,对所述第二图像进行预处理;对所述第一图像进行局部图像处理后再根据深度图像帧差法进行处理;输入至大气逆散射模型中;通过所述大气逆散射模型对所述第二图像进行精细化温度校准。本发明的有益效果为:对冷热冲击试验箱进行精细化的温度校准,可以提高冷热冲击试验箱的快速冷热效果,能够精准快速对冷热试验箱内部进行快速散热制冷。
Description
技术领域
本发明涉及加工设备技术领域,具体而言,涉及一种冷热冲击试验箱精细化温度校准方法。
背景技术
冷热冲击试验箱是金属、塑料、橡胶、电子等材料行业必备的测试设备,用于测试材料结构或复合材料,在瞬间下经极高温及极低温的连续环境下忍受的程度,得以在短时间内检测试样因热胀冷缩所引起的化学变化或物理伤害。但是目前的冷热冲击试验箱对零件进行冷热冲击处理后,有时会导致冷热冲击试验箱的温度不准确,需要校准温度后才能重新进行检测,校准温度可以提高冷热冲击模拟测试箱的对零件的测试效率。
发明内容
本发明的目的在于提供一种冷热冲击试验箱精细化温度校准方法,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
本申请提供了一种冷热冲击试验箱精细化温度校准方法,包括:
获取第一图像和第二图像,所述第一图像表示T时刻由红外成像仪获取到的待检测冷热冲击试验箱中第一场景的目标热成像,所述第二图像表示T时刻由可见光相机获取到的第一场景的可见光图像;
基于高斯滤波处理,对所述第二图像进行预处理;
对所述第一图像进行局部图像处理后再根据深度图像帧差法进行处理,得到处理后的第一图像;
将所述第一图像和所述第二图像输入至大气逆散射模型中;其中,所述大气逆散射模型为预先对深度与温度修正值的关系进行拟合得到的神经网络模型;
基于所述第一图像,通过所述大气逆散射模型对所述第二图像进行精细化温度校准。
优选地,所述获取第一图像,其中包括:
利用红外成像仪拍摄所述待检测冷热冲击试验箱表面的红外图像,对所拍摄的红外图像进行滤波和平滑处理;
基于图像分割算法,区分所述红外图像中发射率不同的区域;
对所述待检测冷热冲击试验箱表面的所述区域进行划分,利用发射率测定仪测得各个所述区域的发射率,并建立发射率分布矩阵;
对所述发射率分布矩阵进行修正,建立修正之后的红外图像灰度矩阵;
将所述红外图像灰度矩阵乘以预设的红外成像仪的光电响应系数,并根据维恩辐射定律,计算得到所述待检测冷热冲击试验箱表面温度场的二维分布;
根据所述二维分布,利用伪彩色处理函数,计算得到所述待检测冷热冲击试验箱表面温度场的伪彩色图像,记作所述第一图像。
优选地,所述对所述第一图像进行局部图像处理后,其中包括:
提取所述第一图像的暗部区域和亮部区域,生成第一亮度单通道图像;
根据预先设置的参数提取所述第一亮度单通道图像的暗部区域和亮部区域;
根据双曲线变换算法调整所述第一亮度单通道图像的暗部区域和亮部区域的每个像素的RGB值,得到所述第一图像的局部细节增强的图像;
根据预设阈值和图像强度均值,对所述第一图像的局部细节增强的图像进行亮度和饱和度的调整,得到经过调整后的亮度和饱和度的所述第一图像。
优选地,对所述第二图像进行预处理,其中包括:
对所述第二图像进行中值滤波处理;
对处理后的所述第二图像进行小波分解,得到高频子带和低频子带;
对处理后的所述高频子带进行阈值化函数处理得到所述第二图像的高频系数,并对所述低频子带进行中值滤波处理得到所述第二图像的低频系数;
将所述高频系数和所述低频系数进行融合,得到重构后的所述第二图像;
利用Gabor滤波器对重构后的所述第二图像进行第一次处理,得到增强图像,所述Gabor滤波器的窗口函数为高斯函数;
基于点乘算法,对所述增强图像进行第二次处理,得到处理后的所述第二图像。
优选地,将所述第一图像和所述第二图像输入至大气逆散射模型中,其中包括:
根据所述大气逆散射模型,提取所述第一图像的像素深度值和所述第二图像的像素温度值;
根据预设的深度和温度校准值的关系,确定所述第一图像的像素深度值对应的温度校准值;
根据所述温度校准值对所述第二图像的像素温度值进行校准,得到所述待检测冷热冲击试验箱的目标温度。
优选地,所述基于所述第一图像,之前包括:
获取第一信息,所述第一信息包括对所述待检测冷热冲击试验箱进行温度测量的信息;
获取第二信息,所述第二信息包括在所述待检测冷热冲击试验箱内设置两个激光跟踪装置,两个所述激光跟踪装置所处的位置分别记作两个校准点;
利用温度场函数,基于所述第一信息和两个所述校准点之间的坐标偏移所产生的映射关系,求解最优热胀系数;
基于所述最优热胀系数,采用比例缩放法修正所述校准点的坐标;
根据修正后的所述校准点的坐标,以最小二乘法建立测量坐标系,并基于预设坐标系之间的转换关系,求解校准修正前后的转换误差;
根据所述转换误差和所述第一图像,对所述第二图像进行校准。
本发明的有益效果为:对冷热冲击试验箱进行精细化的温度校准,可以提高冷热冲击试验箱的快速冷热效果,以及对冷热冲击试验箱检测零件的效率,能够精准快速对冷热试验箱内部进行快速散热制冷;与现有技术相比,本发明直接基于目标热成像和可见光图像,通过大逆散射模型进行温度修正的方式来迅速校准温度,提高冷热冲击试验的检测准确性。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例中所述的冷热冲击试验箱精细化温度校准方法流程示意图;
图2为本发明实施例中所述的冷热冲击试验箱精细化温度校准装置结构示意图;
图3为本发明实施例中所述的冷热冲击试验箱精细化温度校准设备结构示意图。
图中:701、获取模块;7011、处理单元;7012、区分单元;7013、建立单元;7014、修正单元;7015、第一计算单元;7016、第二计算单元;702、预处理模块;7021、第二处理单元;7022、分解单元;7023、第三处理单元;7024、融合单元;7025、第四处理单元;7026、第五处理单元;703、处理模块;7031、第一提取单元;7032、第二提取单元;7033、第一调整单元;7034、第二调整单元;704、输入模块;7041、第三提取单元;7042、确定单元;7043、校准单元;705、校准模块;7051、获取信息单元;7052、记作单元;7053、求解单元;7054、第二修正单元;7055、测量单元;7056、第二校准单元;800、冷热冲击试验箱精细化温度校准设备;801、处理器;802、存储器;803、多媒体组件;804、I/O接口;805、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示暗示相对重要性。
实施例1:
本实施例提供了一种冷热冲击试验箱精细化温度校准方法。
参见图1,图中示出了本方法包括步骤S100、步骤S200、步骤S300、步骤S400和步骤S500。
S100、获取第一图像和第二图像,所述第一图像表示T时刻由红外成像仪获取到的待检测冷热冲击试验箱中第一场景的目标热成像,所述第二图像表示T时刻由可见光相机获取到的第一场景的可见光图像。
可以理解的是,在S100步骤中包括:
利用红外成像仪拍摄所述待检测冷热冲击试验箱表面的红外图像,对所拍摄的红外图像进行滤波和平滑处理;
需要说明的是,根据对测量精度以及红外图像分辨率的要求,选择合对待检测冷热冲击试验箱的合适距离,保证所拍摄目标热成像能够覆盖目标对象的大部分区域,调节红外成像仪的焦距、光圈,从而得到目标对象的清晰的目标热成像,即红外图像;
由于红外图像具有对比度低、信噪比低等特点,为了降低后续图像分割的难度,提高图像分割的效率,因此,首先对获取的红外图像进行平滑滤波、图像增强、图像缩放、直方图均衡化等预处理。
基于图像分割算法,区分所述红外图像中发射率不同的区域;
具体地,将上述步骤获取的预处理后的红外图像进行区域分割;针对待检测冷热冲击试验箱的物面结构和所拍摄红外图像的特点,选择合适的图像区域分割方法,根据图像像素灰度值的相关性把图像分割成若干区域,同一区域内像素点的灰度值接近,相关性较大,可以反映待检测冷热冲击试验箱的表面发射率参数的区域一致性;对图像进行区域分割时借助matlab自带的图像处理函数,可以采用边缘检测、阈值分割、区域增长、分水岭等图像分割算法,再结合具体测量精度的要求确定图像特征区域分割的精细程度及相应图像分割算法;通过对图像特征的区域分割,完成图像及目标对象表面不同发射率区域的区分,下一步根据分割结果进行发射率修正。
对所述待检测冷热冲击试验箱表面的所述区域进行划分,利用发射率测定仪测得各个所述区域的发射率,并建立发射率分布矩阵。
需要说明的是,根据上述步骤中待检测冷热冲击试验箱的红外图像区域分割的比例和相对位置,利用发射率测定仪测量各部分的红外波段发射率,所用发射率测量仪的测量波段为所用红外热像仪的工作波段;根据发射率测量结果建立图像的发射率分布矩阵,矩阵大小与红外图像的灰度矩阵相同,矩阵中的元素值为对应图像中相应区域的发射率;然后,对发射率分布矩阵进行划分,划分方式与上述步骤中图像区域的分割方式相同。
对所述发射率分布矩阵进行修正,建立修正之后的红外图像灰度矩阵;
将所述红外图像灰度矩阵乘以预设的红外成像仪的光电响应系数,并根据维恩辐射定律,计算得到所述待检测冷热冲击试验箱表面温度场的二维分布;
根据所述二维分布,利用伪彩色处理函数,计算得到所述待检测冷热冲击试验箱表面温度场的伪彩色图像,记作所述第一图像。
采用本方法根据红外成像仪进行热成像,测温精确度高,对设备的要求简单,且易于实现,将热成像转变为图像,能够针对待检测冷热冲击试验箱表面发射率的真实情况得到表面的温度场分布,能够克服以往红外测温中由于目标对象表面发射率估计不准确而造成的误差,有广阔的应用前景。
S200、基于高斯滤波处理,对所述第二图像进行预处理。
可以理解的是,在S200步骤中包括:
对所述第二图像进行中值滤波处理;
需要说明的是,构建n×n的滤波核并利用所构造的滤波核再所获取的第二图像上滑动,并将所构建的滤波核的中点与待滤波的像素点对齐;获取滤波核所覆盖的像素点的灰度值;将通过上述步骤中获取的像素点的灰度值按顺序分布,并计算顺序分布的中值;利用所计算的终止替换滤波核的中点所覆盖的像素点。当干扰较小时应当选尺寸较小的滤波窗口,以至于去除噪声后不会破坏图像的细节信息;当干扰较大时应当选取尺寸较大的滤波窗口,才能达到更好的去噪效果,在保证不破坏图像细节的同时,很好的保留边缘细节信息。
对处理后的所述第二图像进行小波分解,得到高频子带和低频子带,剔除高频信号中尖峰毛刺信息,保留低频边缘特征;
对处理后的所述高频子带进行阈值化函数处理得到所述第二图像的高频系数,并对所述低频子带进行中值滤波处理得到所述第二图像的低频系数;
需要解释的是,小波变换在图像去噪过程主要完成对图像的小波分解、小波系数的阈值化处理和小波系数的重构等几个重要环节。图像小波分解就是选定合适的小波基且确定分解层次N,而后对图像进行N层小波分解。不同小波基函数对不同的信号分析有着明显差异。
将所述高频系数和所述低频系数进行融合,得到重构后的所述第二图像;
利用Gabor滤波器对重构后的所述第二图像进行第一次处理,得到增强图像,所述Gabor滤波器的窗口函数为高斯函数;
基于点乘算法,对所述增强图像进行第二次处理,得到处理后的所述第二图像。
需要说明的是,Gabor函数在图像处理中,是一个用于边缘提取的线形滤波器,并且它的滤波器的频率和方向表达同人类视觉系统类似,对所述第二图像进行一次处理,用Gabor的实部进行滤波后图像会平滑,虚部滤波后用来检测边缘,Gabor滤波器的脉冲响应的傅立叶变换是其调和函数的傅立叶变换和高斯函数傅立叶变换的卷积;再根据点乘算法,对增强后的图像进行再次处理,得到处理后的第二图像。
S300、对所述第一图像进行局部图像处理后再根据深度图像帧差法进行处理,得到处理后的第一图像。
可以理解的是,在本S300步骤中,其中包括:
提取所述第一图像的暗部区域和亮部区域,生成第一亮度单通道图像;
可以理解为生成亮度单通道图像即提取第一图像像素点的亮度分量形成的图像,提取亮度分量是因为人眼对亮度信息很敏感,亮度分量是描述图像内容的关键参数。由第一图像生成亮度单通道图像的目的是为了提取图像的暗部和亮部区域。
根据预先设置的参数提取所述第一亮度单通道图像的暗部区域和亮部区域;
其中,预先设置的参数可以包括两个参数(k1、k2),k1、k2可以分别表示暗部区域和亮部区域的像素所占的百分比。举例说明,若k1设定为70%,而k2设定为30%,则表示图像的暗部区域和亮部区域分别占整个图像的70%和30%。也可以预先设定一亮度参考值,若图像的某一区域的像素的亮度大于参考值,则可以认为此区域为图像的亮部区域,若图像的某一区域的像素的亮度小于参考值,则可以认为此区域为图像的暗部区域。
根据双曲线变换算法调整所述第一亮度单通道图像的暗部区域和亮部区域的每个像素的RGB值,得到所述第一图像的局部细节增强的图像;
具体地,利用双曲线变换方法调整每个像素的RGB值如下:
对暗部区域的每个像素,可以利用下述非线性变化(即双曲线变换)公式进行亮度调整:L(p)'=L(p)*(1+1/s)/(L(p)/m+1/s),其中,L(p)、L(p)'分别为暗部区域的每个像素的亮度调整前和调整后的亮度值,m为每个暗部区域的亮度最大值,s为预设参数,s的取值范围为s>0。s取值越大,则暗部区域增强的效果越强,例如可以取值为0.5,当然,s也可以为根据实际需要而设定的其他数值,此处不再一一列举。
对亮部区域的每个像素,可以利用下述非线性变化(即双曲线变换)公式进行亮度调整:
L(p)'=1-(1-L(p))*(1+1/h)/((1-L(p))/(1-n)+1/s)
其中,L(p)'、L(p)分别为亮部区域的每个像素的亮度调整前和调整后的亮度值,n为每个亮部区域的亮度最大值,h为预设参数,h的取值范围为h>0。其中,h取值越大,则亮部区域减弱的效果越明显,s也为预设参数,s的取值范围为s>0。对于图像中不属于暗部区域和亮部区域的像素则L(p)'=L(p)(即不进行亮度的调整),最后,对于每个像素,计算L(p)'(调整后的亮度)与L(p)(调整前的亮度)的比值T(p)=L(p)'/L(p),将原始图像每个像素的RGB值分别乘以相应的比值T(p),并将乘积超过255的结果截断为255,从而实现调整每个像素的RGB值。
根据预设阈值和图像强度均值,对所述第一图像的局部细节增强的图像进行亮度和饱和度的调整,得到经过调整后的亮度和饱和度的所述第一图像。
需要说明的是,本步骤中,虽然在之前的步骤中增强了图像亮部和暗部区域的局部细节,但是图像整体仍然会偏亮或者偏暗,通过调整图像的整体亮度,可以使得图像更接近人的视觉感受。
可以采用下述方法的3个步骤(1)、(2)和(3)调整图像的整体亮度:(1)计算所得到的局部细节增强的图像的强度均值;(2)计算预设阈值与强度均值(mean_value)的比值;(3)利用计算的比值(ratio_value),对所得到的局部细节增强的图像进行整体亮度调整。
S400、将所述第一图像和所述第二图像输入至大气逆散射模型中;其中,所述大气逆散射模型为预先对深度与温度修正值的关系进行拟合得到的神经网络模型。
可以理解的是,在本步骤中,包括:
根据所述大气逆散射模型,提取所述第一图像的像素深度值和所述第二图像的像素温度值;
根据预设的深度和温度校准值的关系,确定所述第一图像的像素深度值对应的温度校准值;
根据所述温度校准值对所述第二图像的像素温度值进行校准,得到所述待检测冷热冲击试验箱的目标温度。
需要说明的是,在本实施例中,大气逆散射模型可以提取出第一图像的像素深度值和所述第二图像的像素温度值,根据深度与温度修正值的关系对温度校准值进行修正,并输出待检测冷热冲击试验箱的目标温度。深度与温度修正值的关系可以通过曲线或者函数表示,每一个深度都对应有匹配的温度修正值,该温度修正值可能为正可能为负,基于此确定像素深度值对应的温度修正值。本实施例可以根据深度与温度修正值的关系确定各个像素深度值对应的温度修正值;该像素深度值代表诸如为多个像素深度值中的平均数、众数或中位数等,然后再根据深度与温度修正值的关系确定像素深度值代表对应的温度修正值。
本实施例提供的温度修正方法,将所述第一图像和所述第二图像输入至大气逆散射模型中;其中,所述大气逆散射模型为预先对深度与温度修正值的关系进行拟合得到的神经网络模型,相比于现有技术中,通过大气逆散射模型进行温度修正的方式,在能够保证较高温度检测效率的同时,还有效利用了深度与温度修正值的关系来修正待检测冷热冲击试验箱的温度,有效提高人员温度检测的准确性。
S500、基于所述第一图像,通过所述大气逆散射模型对所述第二图像进行精细化温度校准。
可以理解的是,在本步骤之前包括:
获取第一信息,所述第一信息包括对所述待检测冷热冲击试验箱进行温度测量的信息;
获取第二信息,所述第二信息包括在所述待检测冷热冲击试验箱内设置两个激光跟踪装置,两个所述激光跟踪装置所处的位置分别记作两个校准点;
利用温度场函数,基于所述第一信息和两个所述校准点之间的坐标偏移所产生的映射关系,求解最优热胀系数;
基于所述最优热胀系数,采用比例缩放法修正所述校准点的坐标;
根据修正后的所述校准点的坐标,以最小二乘法建立测量坐标系,并基于预设坐标系之间的转换关系,求解校准修正前后的转换误差;
根据所述转换误差和所述第一图像,对所述第二图像进行校准。
需要说明的是,激光跟踪装置所处的位置分别记作两个校准点,根据最小二乘方程,对温度数据进行拟合,重建此时刻的温度场函数;根据温度场函数,计算在温度场作用下第二基准点相对于第一基准点的偏移量,并根据热胀系数,求解参数;计算N各温度场函数与当前时刻温度场函数差的积分,建立线性回归模型以求解最优热胀系数。本步骤采用热胀系数实际值与理论值的差异,可实现对热胀系数的现场标定,进而精确计算待检测冷热冲击试验箱的热变形偏差;基于此,提出的基于比例缩放法的基准点修正方法,可适用于非均匀温度环境。
实施例2:
如图2所示,本实施例提供了一种冷热冲击试验箱精细化温度校准装置,参见图2所述装置包括获取模块701、预处理模块702、处理模块703、输入模块704和校准模块705,其中:
获取模块701:用于获取第一图像和第二图像,所述第一图像表示T时刻由红外成像仪获取到的待检测冷热冲击试验箱中第一场景的目标热成像,所述第二图像表示T时刻由可见光相机获取到的第一场景的可见光图像;
预处理模块702:用于基于高斯滤波处理,对所述第二图像进行预处理;
处理模块703:用于对所述第一图像进行局部图像处理后再根据深度图像帧差法进行处理,得到处理后的第一图像;
输入模块704:用于将所述第一图像和所述第二图像输入至大气逆散射模型中;其中,所述大气逆散射模型为预先对深度与温度修正值的关系进行拟合得到的神经网络模型;
校准模块705:用于基于所述第一图像,通过所述大气逆散射模型对所述第二图像进行精细化温度校准。
具体地,所述获取模块701,其中包括处理单元7011、区分单元7012、建立单元7013、修正单元7014、第一计算单元7015和第二计算单元7016,其中:
第一处理单元7011:用于利用红外成像仪拍摄所述待检测冷热冲击试验箱表面的红外图像,对所拍摄的红外图像进行滤波和平滑处理;
区分单元7012:用于基于图像分割算法,区分所述红外图像中发射率不同的区域;
建立单元7013:用于对所述待检测冷热冲击试验箱表面的所述区域进行划分,利用发射率测定仪测得各个所述区域的发射率,并建立发射率分布矩阵;
第一修正单元7014:用于对所述发射率分布矩阵进行修正,建立修正之后的红外图像灰度矩阵;
第一计算单元7015:用于将所述红外图像灰度矩阵乘以预设的红外成像仪的光电响应系数,并根据维恩辐射定律,计算得到所述待检测冷热冲击试验箱表面温度场的二维分布;
第二计算单元7016:用于根据所述二维分布,利用伪彩色处理函数,计算得到所述待检测冷热冲击试验箱表面温度场的伪彩色图像,记作所述第一图像。
具体地,所述处理模块703,其中包括第一提取单元7031、第二提取单元7032、第一调整单元7033和第二调整单元7034,其中:
第一提取单元7031:用于提取所述第一图像的暗部区域和亮部区域,生成第一亮度单通道图像;
第二提取单元7032:用于根据预先设置的参数提取所述第一亮度单通道图像的暗部区域和亮部区域;
第一调整单元7033:用于根据双曲线变换算法调整所述第一亮度单通道图像的暗部区域和亮部区域的每个像素的RGB值,得到所述第一图像的局部细节增强的图像;
第二调整单元7034:用于根据预设阈值和图像强度均值,对所述第一图像的局部细节增强的图像进行亮度和饱和度的调整,得到经过调整后的亮度和饱和度的所述第一图像。
具体地,对预处理模块702,其中包括第二处理单元7021、分解单元7022、第三处理单元7023、融合单元7024、第四处理单元7025和第五处理单元7026,其中:
第二处理单元7021:用于对所述第二图像进行中值滤波处理;
分解单元7022:用于对处理后的所述第二图像进行小波分解,得到高频子带和低频子带;
第三处理单元7023:用于对处理后的所述高频子带进行阈值化函数处理得到所述第二图像的高频系数,并对所述低频子带进行中值滤波处理得到所述第二图像的低频系数;
融合单元7024:用于将所述高频系数和所述低频系数进行融合,得到重构后的所述第二图像;
第四处理单元7025:用于利用Gabor滤波器对重构后的所述第二图像进行第一次处理,得到增强图像,所述Gabor滤波器的窗口函数为高斯函数;
第五处理单元7026:用于基于点乘算法,对所述增强图像进行第二次处理,得到处理后的所述第二图像。
具体地,将所述输入模块704,其中包括第三提取单元7041、确定单元7042和校准单元7043,其中:
第三提取单元7041:用于根据所述大气逆散射模型,提取所述第一图像的像素深度值和所述第二图像的像素温度值;
确定单元7042:用于根据预设的深度和温度校准值的关系,确定所述第一图像的像素深度值对应的温度校准值;
第一校准单元7043:用于根据所述温度校准值对所述第二图像的像素温度值进行校准,得到所述待检测冷热冲击试验箱的目标温度。
具体地,校准模块705,之前包括获取信息单元7051、记作单元7052、求解单元7053、第二修正单元7054、测量单元7055和第二校准单元7056,其中:
获取信息单元7051:用于获取第一信息,所述第一信息包括对所述待检测冷热冲击试验箱进行温度测量的信息;
记作单元7052:用于获取第二信息,所述第二信息包括在所述待检测冷热冲击试验箱内设置两个激光跟踪装置,两个所述激光跟踪装置所处的位置分别记作两个校准点;
求解单元7053:用于利用温度场函数,基于所述第一信息和两个所述校准点之间的坐标偏移所产生的映射关系,求解最优热胀系数;
第二修正单元7054:用于基于所述最优热胀系数,采用比例缩放法修正所述校准点的坐标;
测量单元7055:用于根据修正后的所述校准点的坐标,以最小二乘法建立测量坐标系,并基于预设坐标系之间的转换关系,求解校准修正前后的转换误差;
第二校准单元7056:用于根据所述转换误差和所述第一图像,对所述第二图像进行校准。
需要说明的是,关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3:
相应于上面的方法实施例,本实施例中还提供了一种冷热冲击试验箱精细化温度校准设备,下文描述的一种冷热冲击试验箱精细化温度校准设备与上文描述的一种冷热冲击试验箱精细化温度校准方法可相互对应参照。
图3是根据示例性实施例示出的一种冷热冲击试验箱精细化温度校准设备800的框图。如图3所示,该冷热冲击试验箱精细化温度校准设备800可以包括:处理器801,存储器802。该冷热冲击试验箱精细化温度校准设备800还可以包括多媒体组件803,I/O接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该冷热冲击试验箱精细化温度校准设备800的整体操作,以完成上述的冷热冲击试验箱精细化温度校准方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该冷热冲击试验箱精细化温度校准设备800的操作,这些数据例如可以包括用于在该冷热冲击试验箱精细化温度校准设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该冷热冲击试验箱精细化温度校准设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,冷热冲击试验箱精细化温度校准设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital SignalProcessing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的冷热冲击试验箱精细化温度校准方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的冷热冲击试验箱精细化温度校准方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由冷热冲击试验箱精细化温度校准设备800的处理器801执行以完成上述的冷热冲击试验箱精细化温度校准方法。
实施例4:
相应于上面的方法实施例,本实施例中还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种冷热冲击试验箱精细化温度校准方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的冷热冲击试验箱精细化温度校准方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种冷热冲击试验箱精细化温度校准方法,其特征在于,包括:
获取第一图像和第二图像,所述第一图像表示T时刻由红外成像仪获取到的待检测冷热冲击试验箱中第一场景的目标热成像,所述第二图像表示T时刻由可见光相机获取到的第一场景的可见光图像;
基于高斯滤波处理,对所述第二图像进行预处理;
对所述第一图像进行局部图像处理后再根据深度图像帧差法进行处理,得到处理后的第一图像;
将所述第一图像和所述第二图像输入至大气逆散射模型中;其中,所述大气逆散射模型为预先对深度与温度修正值的关系进行拟合得到的神经网络模型;
基于所述第一图像,通过所述大气逆散射模型对所述第二图像进行精细化温度校准。
2.根据权利要求1所述的冷热冲击试验箱精细化温度校准方法,其特征在于,所述获取第一图像,其中包括:
利用红外成像仪拍摄所述待检测冷热冲击试验箱表面的红外图像,对所拍摄的红外图像进行滤波和平滑处理;
基于图像分割算法,区分所述红外图像中发射率不同的区域;
对所述待检测冷热冲击试验箱表面的所述区域进行划分,利用发射率测定仪测得各个所述区域的发射率,并建立发射率分布矩阵;
对所述发射率分布矩阵进行修正,建立修正之后的红外图像灰度矩阵;
将所述红外图像灰度矩阵乘以预设的红外成像仪的光电响应系数,并根据维恩辐射定律,计算得到所述待检测冷热冲击试验箱表面温度场的二维分布;
根据所述二维分布,利用伪彩色处理函数,计算得到所述待检测冷热冲击试验箱表面温度场的伪彩色图像,记作所述第一图像。
3.根据权利要求1所述的冷热冲击试验箱精细化温度校准方法,其特征在于,所述对所述第一图像进行局部图像处理后,其中包括:
提取所述第一图像的暗部区域和亮部区域,生成第一亮度单通道图像;
根据预先设置的参数提取所述第一亮度单通道图像的暗部区域和亮部区域;
根据双曲线变换算法调整所述第一亮度单通道图像的暗部区域和亮部区域的每个像素的RGB值,得到所述第一图像的局部细节增强的图像;
根据预设阈值和图像强度均值,对所述第一图像的局部细节增强的图像进行亮度和饱和度的调整,得到经过调整后的亮度和饱和度的所述第一图像。
4.根据权利要求1所述的冷热冲击试验箱精细化温度校准方法,其特征在于,对所述第二图像进行预处理,其中包括:
对所述第二图像进行中值滤波处理;
对处理后的所述第二图像进行小波分解,得到高频子带和低频子带;
对处理后的所述高频子带进行阈值化函数处理得到所述第二图像的高频系数,并对所述低频子带进行中值滤波处理得到所述第二图像的低频系数;
将所述高频系数和所述低频系数进行融合,得到重构后的所述第二图像;
利用Gabor滤波器对重构后的所述第二图像进行第一次处理,得到增强图像,所述Gabor滤波器的窗口函数为高斯函数;
基于点乘算法,对所述增强图像进行第二次处理,得到处理后的所述第二图像。
5.根据权利要求1所述的冷热冲击试验箱精细化温度校准方法,其特征在于,所述将所述第一图像和所述第二图像输入至大气逆散射模型中,其中包括:
根据所述大气逆散射模型,提取所述第一图像的像素深度值和所述第二图像的像素温度值;
根据预设的深度和温度校准值的关系,确定所述第一图像的像素深度值对应的温度校准值;
根据所述温度校准值对所述第二图像的像素温度值进行校准,得到所述待检测冷热冲击试验箱的目标温度。
6.根据权利要求1所述的冷热冲击试验箱精细化温度校准方法,其特征在于,所述基于所述第一图像,之前包括:
获取第一信息,所述第一信息包括对所述待检测冷热冲击试验箱进行温度测量的信息;
获取第二信息,所述第二信息包括在所述待检测冷热冲击试验箱内设置两个激光跟踪装置,两个所述激光跟踪装置所处的位置分别记作两个校准点;
利用温度场函数,基于所述第一信息和两个所述校准点之间的坐标偏移所产生的映射关系,求解最优热胀系数;
基于所述最优热胀系数,采用比例缩放法修正所述校准点的坐标;
根据修正后的所述校准点的坐标,以最小二乘法建立测量坐标系,并基于预设坐标系之间的转换关系,求解校准修正前后的转换误差;
根据所述转换误差和所述第一图像,对所述第二图像进行校准。
7.一种冷热冲击试验箱精细化温度校准装置,其特征在于,包括:
获取模块:用于获取第一图像和第二图像,所述第一图像表示T时刻由红外成像仪获取到的待检测冷热冲击试验箱中第一场景的目标热成像,所述第二图像表示T时刻由可见光相机获取到的第一场景的可见光图像;
预处理模块:用于基于高斯滤波处理,对所述第二图像进行预处理;
处理模块:用于对所述第一图像进行局部图像处理后再根据深度图像帧差法进行处理,得到处理后的第一图像;
输入模块:用于将所述第一图像和所述第二图像输入至大气逆散射模型中;其中,所述大气逆散射模型为预先对深度与温度修正值的关系进行拟合得到的神经网络模型;
校准模块:用于基于所述第一图像,通过所述大气逆散射模型对所述第二图像进行精细化温度校准。
8.根据权利要求7所述的冷热冲击试验箱精细化温度校准装置,其特征在于,所述获取模块,其中包括:
处理单元:用于利用红外成像仪拍摄所述待检测冷热冲击试验箱表面的红外图像,对所拍摄的红外图像进行滤波和平滑处理;
区分单元:用于基于图像分割算法,区分所述红外图像中发射率不同的区域;
建立单元:用于对所述待检测冷热冲击试验箱表面的所述区域进行划分,利用发射率测定仪测得各个所述区域的发射率,并建立发射率分布矩阵;
修正单元:用于对所述发射率分布矩阵进行修正,建立修正之后的红外图像灰度矩阵;
第一计算单元:用于将所述红外图像灰度矩阵乘以预设的红外成像仪的光电响应系数,并根据维恩辐射定律,计算得到所述待检测冷热冲击试验箱表面温度场的二维分布;
第二计算单元:用于根据所述二维分布,利用伪彩色处理函数,计算得到所述待检测冷热冲击试验箱表面温度场的伪彩色图像,记作所述第一图像。
9.根据权利要求7所述的冷热冲击试验箱精细化温度校准装置,其特征在于,所述处理模块,其中包括:
第一提取单元:用于提取所述第一图像的暗部区域和亮部区域,生成第一亮度单通道图像;
第二提取单元:用于根据预先设置的参数提取所述第一亮度单通道图像的暗部区域和亮部区域;
第一调整单元:用于根据双曲线变换算法调整所述第一亮度单通道图像的暗部区域和亮部区域的每个像素的RGB值,得到所述第一图像的局部细节增强的图像;
第二调整单元:用于根据预设阈值和图像强度均值,对所述第一图像的局部细节增强的图像进行亮度和饱和度的调整,得到经过调整后的亮度和饱和度的所述第一图像。
10.一种冷热冲击试验箱精细化温度校准设备,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6任一项所述冷热冲击试验箱精细化温度校准方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210662960.9A CN115115653A (zh) | 2022-06-13 | 2022-06-13 | 一种冷热冲击试验箱精细化温度校准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210662960.9A CN115115653A (zh) | 2022-06-13 | 2022-06-13 | 一种冷热冲击试验箱精细化温度校准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115115653A true CN115115653A (zh) | 2022-09-27 |
Family
ID=83329421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210662960.9A Pending CN115115653A (zh) | 2022-06-13 | 2022-06-13 | 一种冷热冲击试验箱精细化温度校准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115115653A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057432A (zh) * | 2023-08-31 | 2023-11-14 | 广州计测检测技术股份有限公司 | 一种应用于工件温度冲击试验的方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103196564A (zh) * | 2013-03-25 | 2013-07-10 | 北京航空航天大学 | 一种通过图像分割修正表面发射率的红外热成像测温方法 |
CN105046651A (zh) * | 2015-08-04 | 2015-11-11 | 深圳信息职业技术学院 | 一种图像的超分辨率重构方法和装置 |
CN105931201A (zh) * | 2016-04-20 | 2016-09-07 | 北京航空航天大学 | 一种基于小波变换的图像主观视觉效果增强方法 |
CN111426393A (zh) * | 2020-04-07 | 2020-07-17 | 北京迈格威科技有限公司 | 温度修正方法、装置及系统 |
CN113487505A (zh) * | 2021-07-06 | 2021-10-08 | 成都瀚海拾诠科技有限公司 | 一种基于噪声识别的红外图像混合降噪方法 |
CN114255193A (zh) * | 2021-12-28 | 2022-03-29 | 湖南云箭智能科技有限公司 | 一种板卡图像增强方法、装置、设备及可读存储介质 |
CN114370826A (zh) * | 2021-12-21 | 2022-04-19 | 大连理工大学 | 基于热胀系数反求的测量基准偏差修正方法 |
-
2022
- 2022-06-13 CN CN202210662960.9A patent/CN115115653A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103196564A (zh) * | 2013-03-25 | 2013-07-10 | 北京航空航天大学 | 一种通过图像分割修正表面发射率的红外热成像测温方法 |
CN105046651A (zh) * | 2015-08-04 | 2015-11-11 | 深圳信息职业技术学院 | 一种图像的超分辨率重构方法和装置 |
CN105931201A (zh) * | 2016-04-20 | 2016-09-07 | 北京航空航天大学 | 一种基于小波变换的图像主观视觉效果增强方法 |
CN111426393A (zh) * | 2020-04-07 | 2020-07-17 | 北京迈格威科技有限公司 | 温度修正方法、装置及系统 |
CN113487505A (zh) * | 2021-07-06 | 2021-10-08 | 成都瀚海拾诠科技有限公司 | 一种基于噪声识别的红外图像混合降噪方法 |
CN114370826A (zh) * | 2021-12-21 | 2022-04-19 | 大连理工大学 | 基于热胀系数反求的测量基准偏差修正方法 |
CN114255193A (zh) * | 2021-12-28 | 2022-03-29 | 湖南云箭智能科技有限公司 | 一种板卡图像增强方法、装置、设备及可读存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057432A (zh) * | 2023-08-31 | 2023-11-14 | 广州计测检测技术股份有限公司 | 一种应用于工件温度冲击试验的方法及系统 |
CN117057432B (zh) * | 2023-08-31 | 2024-04-19 | 广州计测检测技术股份有限公司 | 一种应用于工件温度冲击试验的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Haze removal based on multiple scattering model with superpixel algorithm | |
Wang et al. | Biologically inspired image enhancement based on Retinex | |
Dey | Uneven illumination correction of digital images: A survey of the state-of-the-art | |
KR101051459B1 (ko) | 영상의 에지를 추출하는 장치 및 방법 | |
CN113705788B (zh) | 基于全卷积神经网络的红外图像温度估计方法及系统 | |
CN109903272B (zh) | 目标检测方法、装置、设备、计算机设备和存储介质 | |
Young et al. | Signal processing and performance analysis for imaging systems | |
Pan et al. | No-reference assessment on haze for remote-sensing images | |
Singh et al. | A comparative analysis of illumination estimation based Image Enhancement techniques | |
CN117132510B (zh) | 一种基于图像处理的监控图像增强方法及系统 | |
JP2016032289A (ja) | 画像合成システム、画像合成方法、画像合成プログラム | |
CN112200848B (zh) | 低光照弱对比复杂环境下的深度相机视觉增强方法及系统 | |
Veiga et al. | Quality evaluation of digital fundus images through combined measures | |
CN109657717A (zh) | 一种基于多尺度密集结构特征提取的异源图像匹配方法 | |
Liu et al. | Enhancement of low illumination images based on an optimal hyperbolic tangent profile | |
Kundu et al. | Visual attention guided quality assessment of tone-mapped images using scene statistics | |
CN103065320A (zh) | 基于恒虚警阈值的sar图像变化检测方法 | |
CN115115653A (zh) | 一种冷热冲击试验箱精细化温度校准方法 | |
Khan et al. | High-density single shot 3D sensing using adaptable speckle projection system with varying preprocessing | |
US20230146924A1 (en) | Neural network analysis of lfa test strips | |
CN107316318A (zh) | 基于多子区域背景拟合的空中目标自动检测方法 | |
Zulkeflee et al. | Detection of a new crescent moon using the Maximally Stable Extremal Regions (MSER) technique | |
Purohit et al. | Enhancing the surveillance detection range of image sensors using HDR techniques | |
CN108830804B (zh) | 基于线扩展函数标准差的虚实融合模糊一致性处理方法 | |
Rossi et al. | Dynamic range reduction and contrast adjustment of infrared images in surveillance scenarios |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220927 |
|
RJ01 | Rejection of invention patent application after publication |