CN115601263B - 一种非制冷红外图像的非均匀校正方法和系统 - Google Patents
一种非制冷红外图像的非均匀校正方法和系统 Download PDFInfo
- Publication number
- CN115601263B CN115601263B CN202211283878.1A CN202211283878A CN115601263B CN 115601263 B CN115601263 B CN 115601263B CN 202211283878 A CN202211283878 A CN 202211283878A CN 115601263 B CN115601263 B CN 115601263B
- Authority
- CN
- China
- Prior art keywords
- data information
- depth data
- image
- infrared image
- infrared
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005057 refrigeration Methods 0.000 title claims description 3
- 238000001514 detection method Methods 0.000 claims abstract description 39
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 9
- 238000009877 rendering Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 3
- 230000001788 irregular Effects 0.000 abstract description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000523 sample Substances 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
- G06T5/80—Geometric correction
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
Abstract
一种非制冷红外图像的非均匀校正方法和系统，应用于包含电力设备的固定场景，第一频率获取三维探测摄像头到场景对象的第二深度数据信息；利用红外探测摄像头获取包含固定电力设备的第一红外图像，并根据第一红外图像实现三维重建，获得第一红外图像中所有场景对象的第一深度数据信息；将具有第一深度数据信息和第二深度数据信息进行比对，将第一红外图像中和第二深度数据信息不一致的像素对应的图像进行过滤，得到校正后的第二红外图像输出显示。本发明过滤出红外焦平面阵列非均匀性产生的红外图像中的不规则条纹等非场景对象的噪声图像，能够有效去除图像的非均匀性，改善图像质量。
Description
技术领域
本发明涉及红外图像的成像技术领域，更具体的说，特别涉及非制冷红外图像的非均匀校正方法和系统。
背景技术
非制冷红外探测器由于制造材料和工艺等限制，同一焦平面上的不同探测单元存在差异，导致红外图像普遍具有非均匀性，此外，红外图像的非均匀性还受到焦平面温度的影响，严重降低了红外系统的成像质量。
红外图像中的不规则条纹是红外焦平面阵列非均匀性的体现，如图1所示，非均匀性产生的原因十分复杂，在生产时完全消除其非均匀性是不现实的，只有通过非均匀性校正来尽可能消除外部因素对图像质量的影响，提高其性能。红外焦平面成像产品在出厂前一般都会对其进行定标校正，但产品交付后，由于探测器的时间漂移特性和使用环境的变化，图像中的非均匀性会逐渐增强，甚至严重到影响产品的使用。如果重新对产品进行定标校正，需要大量外部条件的支持，有时甚至是不现实的。
现有技术下，对红外图像进行非均匀性校正的方法，基于定标非均匀校正，通常需要事先获得校正所需要的定标系数，然后在校正实现过程中读取这些数据作相应的处理，精度高，算法相对简单，但不能自适应跟踪探测元响应特性的漂移，当漂移很大时，需要重新定标来更新校正系数。
因此，现有技术存在的问题，有待于进一步改进和发展。
发明内容
(一)发明目的：为解决上述现有技术中存在的问题，本发明的目的是提供一种对非制冷红外图像的非均匀校正效果更好的图像处理方法和系统。
(二)技术方案：为了解决上述技术问题，本技术方案提供一种非制冷红外图像的非均匀校正方法，应用于包含电力设备的固定场景，其中，包括以下步骤，
步骤一，以第一频率获取三维探测摄像头到场景对象的第二深度数据信息，所述场景对象包括固定电力设备和/或背景图像；
步骤二，根据设置的第一频率，利用红外探测摄像头获取包含固定电力设备的第一红外图像，识别标注出红外图像中的场景对象，所述场景对象包括固定电力设备和/或背景图像，并根据第一红外图像实现三维重建，获得第一红外图像中所有场景对象，包括固定电力设备和/或背景图像三维图像的第一深度数据信息；
步骤三，将具有第一深度数据信息的第一红外图像，和之前相差固定周期确定的三维图像的第二深度数据信息进行比对，将第一红外图像中和第二深度数据信息不一致的像素对应的图像进行过滤，得到校正后的第二红外图像输出显示。
所述的非制冷红外图像的非均匀校正方法，其中，所述三维探测摄像头和红外探测摄像头的位置不同，同一像素的第一深度数据信息和第二深度数据信息会有阈值内的差距；如果第一深度数据信息和第二深度数据信息在阈值内，认定第一深度数据信息和第二深度数据信息一致。
所述的非制冷红外图像的非均匀校正方法，其中，所述固定周期是半个周期。
所述的非制冷红外图像的非均匀校正方法，其中，中央处理器控制三维探测摄像头探测到场景对象，并根据探测数据获取到场景对象的第二深度数据信息，并将所述像素的第二深度数据信息发送到图形处理器的显存存储。
所述的非制冷红外图像的非均匀校正方法，其中，所述中央处理器将红外摄像头获取的第一三维图像的像素数据发送到图形处理器的渲染管线；所述渲染管线包括三维表达模块、深度信息提取模块、过滤模块和图形显示模块。
所述的非制冷红外图像的非均匀校正方法，其中，所述三维表达模块包括全卷积网络算法，对输入的第一三维图像的像素进行三维重建，得到像素对应得RGB和第一深度数据信息；所述深度信息提取模块提取三维表达模块中的第一深度数据信息。
所述的非制冷红外图像的非均匀校正方法，其中，所述过滤模块读取显存中像素的第二深度数据信息和深度信息提取模块中的第一深度数据信息，同一像素对应第一深度数据信息和第二深度数据信息；所述过滤模块将第一深度数据信息和第二深度数据信息不一致的像素进行定位标注，并发送到图形显示模块。
所述的非制冷红外图像的非均匀校正方法，其中，所述图形显示模块将定位标注的像素用九宫格混色后的颜色数值代替，用定位标注像素周围相邻8个格子的像素颜色平均值进行混色，作为定位标注像素的颜色。
所述的非制冷红外图像的非均匀校正方法，其中，所述图形显示模块将定位标注像素的颜色数值，和红外摄像头获取的第一三维图像的和定位标注像素之外其他像素数据叠加，得到第二红外图像像素对应的颜色数值，将第二红外图像像素在渲染后发送到显示屏显示。
一种针对非制冷红外图像的非均匀校正系统，应用于包含电力设备的固定场景，包括红外探测摄像头，其中，还包括三维探测摄像头、三维重建单元、校正单元；
所述三维探测摄像头以第一频率获取到场景对象的第二深度数据信息，所述场景对象包括固定电力设备和/或背景图像；
所述红外探测摄像头根据设置的第一频率，获取包含固定电力设备的第一红外图像，识别标注出红外图像中的场景对象，所述场景对象包括固定电力设备和/或背景图像；
所述三维重建单元根据第一红外图像实现三维重建，获得第一红外图像中所有场景对象，包括固定电力设备和/或背景图像三维图像的第一深度数据信息；
所述校正单元将具有第一深度数据信息的第一红外图像，和之前相差固定周期确定的三维图像的第二深度数据信息进行比对，将第一红外图像中和第二深度数据信息不一致的像素对应的图像进行过滤，得到校正后的第二红外图像输出显示。
(三)有益效果：本发明提供的一种针对非制冷红外图像的非均匀校正方法，通过三维探测摄像头直接获取固定场景中的场景对象的第二深度数据信息，通过红外图像的三维重建，获取红外图像中第一深度数据信息，通过第一深度数据信息和第二深度数据信息的比对，过滤出红外焦平面阵列非均匀性产生的红外图像中的不规则条纹等非场景对象的噪声图像，能够有效去除图像的非均匀性，改善图像质量。
附图说明
图1是现有技术下具有不规则条纹红外图像的示意图；
图2是本发明针对非制冷红外图像的非均匀校正方法的流程示意图；
图3是本发明将定位标注的像素用九宫格混色后的颜色数值代替的示意图；
图4是本发明针对非制冷红外图像的非均匀校正系统的结构示意图。
具体实施方式
下面结合优选的实施例对本发明做进一步详细说明，在以下的描述中阐述了更多的细节以便于充分理解本发明，但是，本发明显然能够以多种不同于此描述的其他方式来实施，本领域技术人员可以在不违背本发明内涵的情况下根据实际应用情况作类似推广、演绎，因此不应以此具体实施例的内容限制本发明的保护范围。
附图是本发明的实施例的示意图，需要注意的是，此附图仅作为示例，并非是按照等比例的条件绘制的，并且不应该以此作为对本发明的实际要求保护范围构成限制。
本发明提供的一种针对非制冷红外图像的非均匀校正方法，应用于包含电力设备的固定场景，如图2所示，具体包括以下步骤：
步骤一，通过三维探测摄像头以第一频率，获取三维探测摄像头到场景对象的第二深度数据信息，所述场景对象包括固定电力设备和/或背景图像。所述第二深度数据信息包括三维探测摄像头到固定电力设备和/或背景图像的深度数据信息。所述三维探测摄像头包括激光探测单元或者结构光探测单元，这里不做限制。
步骤二、根据设置的第一频率，利用红外探测摄像头获取包含固定电力设备的第一红外图像，识别标注出红外图像中的场景对象，所述场景对象包括固定电力设备和/或背景图像，并根据第一红外图像实现三维重建，获得第一红外图像中所有场景对象，包括固定电力设备和/或背景图像三维图像的第一深度数据信息；所述背景图像是指内包含固定电力设备，在大于第一时间段内连续存在背景场景，例如树木，或者车辆等等，这里不做限制，所述第一时间段优选的为1分钟。本发明所述第一深度数据信息和第二深度数据信息的采集相差固定周期，所述固定周期优先的是半个周期，优先的可以先采集第二深度数据信息。
步骤三、将具有第一深度数据信息的第一红外图像，和之前相差固定周期确定的图像的第二深度数据信息进行比对，将第一红外图像中和第二深度数据信息不一致的图像进行过滤，得到校正后的第二红外图像输出。所述固定周期优选的为1/2个周期。
本发明由于三维探测摄像头和红外探测摄像头的位置不同，同一像素的第一深度数据信息和第二深度数据信息会有阈值内的差距，如果第一深度数据信息和第二深度数据信息在阈值内，会认定第一深度数据信息和第二深度数据信息一致。
本发明一种针对非制冷红外图像的非均匀校正方法，通过三维探测摄像头直接获取固定场景中的场景对象的第二深度数据信息，通过红外图像的三维重建，获取红外图像中第一深度数据信息，通过第一深度数据信息和第二深度数据信息的比对，过滤出红外焦平面阵列非均匀性产生的红外图像中的不规则条纹等非场景对象的噪声图像，能够有效去除图像的非均匀性，改善图像质量。
本发明的非制冷红外图像的非均匀校正方法，所述第二深度数据信息和第一深度数据信息的获取相差固定周期，本发明优选的可以是半个周期。由于第一深度数据信息的获取需要经过第一红外图像的三维重建，单张图像的三维重建计算量大。为了能提高速度，使红外图像的非均匀校正更加精准，本发明采用了图形处理器(英语：graphicsprocessing unit，缩写：GPU)和中央处理器(CPU,Central Processing Unit)共同计算的方式，实现非制冷红外图像的非均匀校正。
本发明所述中央处理器控制三维探测摄像头探测到场景对象，并根据探测数据获取到场景对象的第二深度数据信息，并将所述像素的第二深度数据信息发送到图形处理器的显存存储。
所述中央处理器将红外摄像头获取的第一三维图像的像素数据发送到图形处理器的渲染管线，所述渲染管线包括三维表达模块、深度信息提取模块、过滤模块和图形显示模块。所述三维表达模块可以包括全卷积网络算法，对输入的第一三维图像的像素进行三维重建，得到像素对应的RGB和第一深度数据信息，所述深度信息提取模块提取三维表达模块中的第一深度数据信息。所述过滤模块读取显存的像素的第二深度数据信息和深度信息提取模块中的第一深度数据信息，同一像素对应第一深度数据信息和第二深度数据信息，所述过滤模块将第一深度数据信息和第二深度数据信息不一致的像素进行定位标注，并发送过图形显示模块。所述图形显示模块将定位标注的像素用九宫格混色后的颜色数值代替。也就是用定位标注像素周围相邻8个格子的像素颜色平均值进行混色，如图3所示，作为定位标注像素的颜色。所述图形显示模块将定位标注像素的颜色数值，和红外摄像头获取的，和定位标注像素之外其他第一三维图像的像素数据叠加，得到第二红外图像像素对应的颜色数值，将第二红外图像像素在渲染后发送到显示屏显示。
本发明图形处理器能够快速识别出第一红外图像中的早上数据，如红外焦平面阵列非均匀性产生的，红外图像中的不规则条纹等噪声图像的像素。噪声图像对应的像素不具备第二深度数据信息，而有相同微小数值的第一深度数据信息，因此能对第一红外图形，利用场景信息进行非均匀校正。
本发明所述全卷积网络算法包括encoder-decoder算法，具体不做限制。
本发明的第二个优选实施例，所述红外图像的非均匀性主要是由于温度的变化导致的漂移，因此，在对通过场景对象深度信息数据校正之前，还可以增加一种温度校正算法，在这个算法中，引入温度始图像与本底图像进行差分，就能得到校正后的目标图像。
步骤201、分别采集温度T1时的焦平面本底原始图像矩阵d1和温度T2时的焦平面本底原始图像矩阵d2。
步骤202、对焦平面本底原始图像矩阵进行归一化，得到归一化后的图像矩阵g1、g2
其中，M、N分别表示图像矩阵的行数和列数。
步骤203、采集温度T3的焦平面原始图像d3，利用温度T1和T2的图像本底矩阵g1和g2，逐个像素预测温度T3的本底矩阵g3
步骤204对焦平面原始图像数据d3进行归一化后，与本底矩阵g3进行差分，获得目标数据
步骤205、当采集温度T4的焦平面原始图像d4，则利用与其温度相邻最近的两个图像本底矩阵进行预测，不断迭代更新得到第一红外图像。
经过实验测试，该方法对于温度变化导致的非均匀漂移具有非常好的适应能力，而且计算简单，实时性强，非常适合应用在对计算资源和实时性要求很高的嵌入式系统中。
本发明提供的一种针对非制冷红外图像的非均匀校正系统，如图4所示，用于包含电力设备的固定场景，包括三维探测摄像头、红外探测摄像头；
三维探测摄像头以第一频率获取到场景对象的第二深度数据信息，所述场景对象包括固定电力设备和/或背景图像；
红外探测摄像头根据设置的第一频率，获取包含固定电力设备的第一红外图像，识别标注出红外图像中的场景对象，所述场景对象包括固定电力设备和/或背景图像；所述系统包括三维重建单元，所述三维重建单元根据第一红外图像实现三维重建，获得第一红外图像中所有场景对象，包括固定电力设备和/或背景图像三维图像的第一深度数据信息；
所述系统还包括校正单元，所述校正单元将具有第一深度数据信息的第一红外图像，和之前相差固定周期确定的三维图像的第二深度数据信息进行比对，将第一红外图像中和第二深度数据信息不一致的像素对应的图像进行过滤，得到校正后的第二红外图像输出显示。
以上内容是对本发明创造的优选的实施例的说明，可以帮助本领域技术人员更充分地理解本发明创造的技术方案。但是，这些实施例仅仅是举例说明，不能认定本发明创造的具体实施方式仅限于这些实施例的说明。对本发明创造所属技术领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干简单推演和变换，都应当视为属于本发明创造的保护范围。
Claims (10)
1.一种非制冷红外图像的非均匀校正方法，应用于包含电力设备的固定场景，其特征在于，包括以下步骤，
步骤一，以第一频率获取三维探测摄像头到场景对象的第二深度数据信息，所述场景对象包括固定电力设备和/或背景图像；
步骤二，根据设置的第一频率，利用红外探测摄像头获取包含固定电力设备的第一红外图像，识别标注出红外图像中的场景对象，所述场景对象包括固定电力设备和/或背景图像，并根据第一红外图像实现三维重建，获得第一红外图像中所有场景对象，包括固定电力设备和/或背景图像三维图像的第一深度数据信息；
步骤三，将具有第一深度数据信息的第一红外图像，和之前相差固定周期确定的三维图像的第二深度数据信息进行比对，将第一红外图像中和第二深度数据信息不一致的像素对应的图像进行过滤，得到校正后的第二红外图像输出显示。
2.根据权利要求1所述的非制冷红外图像的非均匀校正方法，其特征在于，所述三维探测摄像头和红外探测摄像头的位置不同，同一像素的第一深度数据信息和第二深度数据信息会有阈值内的差距；如果第一深度数据信息和第二深度数据信息在阈值内，认定第一深度数据信息和第二深度数据信息一致。
3.根据权利要求2所述的非制冷红外图像的非均匀校正方法，其特征在于，所述固定周期是半个周期。
4.根据权利要求2所述的非制冷红外图像的非均匀校正方法，其特征在于，中央处理器控制三维探测摄像头探测到场景对象，并根据探测数据获取到场景对象的第二深度数据信息，并将所述像素的第二深度数据信息发送到图形处理器的显存存储。
5.根据权利要求4所述的非制冷红外图像的非均匀校正方法，其特征在于，所述中央处理器将红外摄像头获取的第一三维图像的像素数据发送到图形处理器的渲染管线；所述渲染管线包括三维表达模块、深度信息提取模块、过滤模块和图形显示模块。
6.根据权利要求5所述的非制冷红外图像的非均匀校正方法，其特征在于，所述三维表达模块包括全卷积网络算法，对输入的第一三维图像的像素进行三维重建，得到像素对应得RGB和第一深度数据信息；所述深度信息提取模块提取三维表达模块中的第一深度数据信息。
7.根据权利要求6所述的非制冷红外图像的非均匀校正方法，其特征在于，所述过滤模块读取显存中像素的第二深度数据信息和深度信息提取模块中的第一深度数据信息，同一像素对应第一深度数据信息和第二深度数据信息；所述过滤模块将第一深度数据信息和第二深度数据信息不一致的像素进行定位标注，并发送到图形显示模块。
8.根据权利要求7所述的非制冷红外图像的非均匀校正方法，其特征在于，所述图形显示模块将定位标注的像素用九宫格混色后的颜色数值代替，用定位标注像素周围相邻8个格子的像素颜色平均值进行混色，作为定位标注像素的颜色。
9.根据权利要求7所述的非制冷红外图像的非均匀校正方法，其特征在于，所述图形显示模块将定位标注像素的颜色数值，和红外摄像头获取的第一三维图像的和定位标注像素之外其他像素数据叠加，得到第二红外图像像素对应的颜色数值，将第二红外图像像素在渲染后发送到显示屏显示。
10.一种针对非制冷红外图像的非均匀校正系统，应用于包含电力设备的固定场景，包括红外探测摄像头，其特征在于，还包括三维探测摄像头、三维重建单元、校正单元；
所述三维探测摄像头以第一频率获取到场景对象的第二深度数据信息，所述场景对象包括固定电力设备和/或背景图像；
所述红外探测摄像头根据设置的第一频率，获取包含固定电力设备的第一红外图像，识别标注出红外图像中的场景对象，所述场景对象包括固定电力设备和/或背景图像；
所述三维重建单元根据第一红外图像实现三维重建，获得第一红外图像中所有场景对象，包括固定电力设备和/或背景图像三维图像的第一深度数据信息；
所述校正单元将具有第一深度数据信息的第一红外图像，和之前相差固定周期确定的三维图像的第二深度数据信息进行比对，将第一红外图像中和第二深度数据信息不一致的像素对应的图像进行过滤，得到校正后的第二红外图像输出显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211283878.1A CN115601263B (zh) | 2022-10-20 | 2022-10-20 | 一种非制冷红外图像的非均匀校正方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211283878.1A CN115601263B (zh) | 2022-10-20 | 2022-10-20 | 一种非制冷红外图像的非均匀校正方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115601263A CN115601263A (zh) | 2023-01-13 |
| CN115601263B true CN115601263B (zh) | 2023-05-05 |
Family
ID=84849057
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211283878.1A Active CN115601263B (zh) | 2022-10-20 | 2022-10-20 | 一种非制冷红外图像的非均匀校正方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115601263B (zh) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| IL173418A (en) * | 2006-01-29 | 2013-10-31 | Rafael Advanced Defense Sys | Correction of unevenness of characters produced by staring detectors |
| CN109274939A (zh) * | 2018-09-29 | 2019-01-25 | 成都臻识科技发展有限公司 | 一种基于三摄像头模组的停车场出入口监控方法及系统 |
| US10621702B1 (en) * | 2019-03-20 | 2020-04-14 | Bae Systems Information And Electronic Systems Integration Inc. | Edge rejecting scene based non-uniformity correction for uncooled infrared |
| CN111340717A (zh) * | 2020-01-22 | 2020-06-26 | 哈尔滨新光光电科技股份有限公司 | 一种用于非制冷红外热像仪的图像预处理装置 |
| CN114663284A (zh) * | 2022-04-01 | 2022-06-24 | 优利德科技(中国)股份有限公司 | 红外热成像全景图像处理方法、系统及存储介质 |
-
2022
- 2022-10-20 CN CN202211283878.1A patent/CN115601263B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115601263A (zh) | 2023-01-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abdelhamed et al. | A high-quality denoising dataset for smartphone cameras | |
| US9466130B2 (en) | Systems and methods for enhancing displayed images | |
| US10477128B2 (en) | Neighborhood haze density estimation for single-image dehaze | |
| CN111598913B (zh) | 一种基于机器人视觉的图像分割方法和系统 | |
| US9760999B2 (en) | Image processing apparatus, imaging apparatus, and image processing method | |
| JP2005331929A5 (zh) | ||
| Rindfleisch et al. | Digital processing of the Mariner 6 and 7 pictures | |
| US20060067569A1 (en) | Image inspection device, image inspection method, and image inspection program | |
| US11062525B1 (en) | Method for generating an augmented set of images | |
| CN105869129B (zh) | 针对非均匀校正后的热红外图像剩余非均匀噪声去除方法 | |
| Agisoft | Metashape python reference | |
| CN114878595A (zh) | 一种书本印刷质量检测方法 | |
| Cao et al. | Vignetting correction based on a two-dimensional Gaussian filter with harmony for area array sensors | |
| CN115601263B (zh) | 一种非制冷红外图像的非均匀校正方法和系统 | |
| US20110279715A1 (en) | Blemish detection sytem and method | |
| Wang et al. | A bilateral filtering based ringing elimination approach for motion-blurred restoration image | |
| CN116740501A (zh) | 一种图像模糊区域修复补偿模型的训练方法及应用 | |
| JP5210571B2 (ja) | 画像処理装置、画像処理プログラムおよび画像処理方法 | |
| CN115346464A (zh) | 显示补偿数据设置方法、显示补偿方法、驱动芯片 | |
| van Zwanenberg et al. | A tool for deriving camera spatial frequency response from natural scenes (NS-SFR) | |
| CN115002360A (zh) | 一种基于稳健估计的红外视频非均匀性校正方法 | |
| CN103985089A (zh) | 结合权重边缘分析与帧内迭代的图像条纹校正方法 | |
| Huang et al. | Single image dehazing via color balancing and quad-decomposition atmospheric light estimation | |
| CN111076815B (zh) | 一种高光谱图像非均匀性校正方法 | |
| US7626632B2 (en) | Method and apparatus for correcting digital images |
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 |