CN115861088B - 红外摄像头的非均匀性漂移实时校正方法和系统 - Google Patents
红外摄像头的非均匀性漂移实时校正方法和系统 Download PDFInfo
- Publication number
- CN115861088B CN115861088B CN202211283894.0A CN202211283894A CN115861088B CN 115861088 B CN115861088 B CN 115861088B CN 202211283894 A CN202211283894 A CN 202211283894A CN 115861088 B CN115861088 B CN 115861088B
- Authority
- CN
- China
- Prior art keywords
- scene object
- visible light
- 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
Images
Classifications
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry
Landscapes
- Radiation Pyrometers (AREA)
Abstract
本发明红外摄像头的非均匀性漂移实时校正方法和系统,利用具有深度传感器的可见光摄像头获取可见光视频,同步利用具有非制冷氧化钒探测器的红外摄像头获取红外图像视频;识别出每帧可见光图像中的第一场景对象第一场景对象组合得到可见每帧光图像,同时获取到第一场景对象的第一深度数据信息;识别出每帧红外图像中的第二场景对象,对红外图像中的第二场景对象进行三维重建,得到红外图像中第二场景对象的第二深度数据信息;将相同时刻的可见光图像中第一场景对象的第一深度数据信息,和红外图像中第二场景对象的第二深度数据信息进行比对,得到红外图像中非均匀校正图案,将非均匀校正图案对应的可见光图像中的像素数值进行替换并融合。
Description
技术领域
本发明涉及红外图像成像领域,更具体的说,特别涉及一种红外摄像头的非均匀性漂移实时校正方法和系统。
背景技术
目前国产氧化钒非制冷红外探测器由于材料漂移特性,通常采用快门校正方式进行非均匀性校正,在日常使用过程中,由于非均匀性会随着时间和温度的持续漂移,需要频繁的使用快门校正,这种方式会导致图像频繁的中断和功耗增加,从而影响探测器的正常使用。
而氧化钒非制冷红外探测器由于图像中的非均匀性增强,甚至严重到影响产品的使用,例如产生带“鬼影”的红外图像。“鬼影”指红外图像中出现的不随目标变化的局部模糊图像,它是由于红外探测器的探测元对红外辐射的响应率不均匀造成的。
现有技术可以通过现场作两点校正来解决,一般现场校正时,分别对准一个低温目标如干净无云的天空,按指定的补偿键;再对准一个相对高温的目标,可以选择关闭的镜头盖,按一个补偿键;补偿完毕后,红外探测器会自动根据补偿采集的本底计算校正系数K值进行两点校正来消除“鬼影”。
但是,对于氧化钒非制冷红外探测器安装的场景,有的情况下不方便进行现场校正的操作。
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能够将非均匀校正图案,例如“鬼影”消除的方法和系统,以提高红外图像成像的精准度。
(二)技术方案:为了解决上述技术问题,本技术方案提供的红外摄像头的非均匀性漂移实时校正方法,应用于牲畜的体温监控,具体包括以下步骤:
步骤一、针对包括牲畜对象在内的场景,利用具有深度传感器的可见光摄像头获取可见光视频,同步利用具有非制冷氧化钒探测器的红外摄像头获取红外图像视频;
步骤二、识别出每帧可见光图像中的第一场景对象,包括第一牲畜对象和第一背景对象,第一场景对象组合得到可见每帧光图像,同时获取到第一场景对象的第一深度数据信息;识别出每帧红外图像中的第二场景对象,包括第二牲畜对象和第二背景对象,对红外图像中的第二场景对象进行三维重建,得到红外图像中第二场景对象的第二深度数据信息;
步骤三,将相同时刻的可见光图像中第一场景对象的第一深度数据信息,和红外图像中第二场景对象的第二深度数据信息进行比对,得到红外图像中非均匀校正图案,将非均匀校正图案对应的可见光图像中的像素数值进行替换并融合。
所述的红外摄像头的非均匀性漂移实时校正方法,其中,所述第一场景对象的第一深度数据信息和第二场景对象的第二深度数据信息在阈值内,认定第一场景对象和第二场景对象为同一个对象。
所述的红外摄像头的非均匀性漂移实时校正方法,其中,监控显示的图像为上层和下层相互嵌套部分重叠的可见光图像和红外图像;通过对可见光图像和红外图像的点击,或者按钮的点击进行上层或者下层的切换。
所述的红外摄像头的非均匀性漂移实时校正方法,其中,中央处理器设置可见光图像处理线程、红外图像处理线程、体温探测线程三个独立的线程。
所述的红外摄像头的非均匀性漂移实时校正方法,其中,所述可见光图像处理线程用于识别出每帧可见光图像中的第一场景对象,同时获取到第一场景对象的第一深度数据信息,并将所述第一场景对象的第一深度数据信息存储到图形处理器的显存;
所述红外图像处理线程,识别出每帧红外图像中的第二场景对象,得到红外图像中第二场景对象的像素数据,并将所述第二场景对象的像素数据存储到图形处理器的显存;
所述体温探测线程,识别出红外图像中温度高于温度阈值的第二牲畜对象,并定位第二牲畜对象对应的像素位置,并将所述第二牲畜对象对应的像素位置存储到图形处理器的显存。
所述的红外摄像头的非均匀性漂移实时校正方法,其中,所述图形处理器包括红外图像校正管线和图像渲染管线,所述红外图像校正管线包括三维建模模块,深度信息比对模块、和非均匀校正模块。
所述的红外摄像头的非均匀性漂移实时校正方法,其中,所述三维建模模块包括全卷积网络算法,对根据显存存储的红外图像和第二场景对象,对第二场景对象进行三维重建,得到第二场景对象对应的RGB和第二深度信息数据;所述深度信息比对模块从显存读取第一场景对象和对应的第一深度数据信息,以及从三维建模模块获取的第二场景对象和对应的第二深度数据信息进行比对,得到红外图像中非均匀校正图案。
所述的红外摄像头的非均匀性漂移实时校正方法,其中,所述非均匀校正模块根据显存中的所述第二牲畜对象对应的像素位置和非均匀校图案的像素位置进行比对,以所述第二牲畜对象对应的像素位置重叠的位置和/或距离位置近的像素点开始进行可见光图像中像素的替换并融合。
所述的红外摄像头的非均匀性漂移实时校正方法,其中,所述渲染管线根据中央处理器的可见光图像数据和红外图像校正管线的红外图像数据,以及设置的上下层顺序进行渲染并显示。
红外摄像头的非均匀性漂移实时校正系统,应用于牲畜的体温监控,其中,
包括具有深度传感器的可见光摄像头,针对包括牲畜对象在内的场景,利用获取可见光视频,同步利用具有非制冷氧化钒探测器的红外摄像头获取红外图像视频;
包括第一场景对象和深度信息识别单元,用于识别出每帧可见光图像中的第一场景对象,包括第一牲畜对象和第一背景对象,第一场景对象组合得到可见每帧光图像,同时获取到第一场景对象的第一深度数据信息;
包括第二场景对象和深度信息识别单元,用于识别出每帧红外图像中的第二场景对象,包括第二牲畜对象和第二背景对象,对红外图像中的第二场景对象进行三维重建,得到红外图像中第二场景对象的第二深度数据信息;
还包括校正单元,用于将相同时刻的可见光图像中第一场景对象的第一深度数据信息,和红外图像中第二场景对象的第二深度数据信息进行比对,得到红外图像中非均匀校正图案,将非均匀校正图案对应的可见光图像中的像素数值进行替换并融合。
(三)有益效果:本发明提供的红外图像的非均匀校正方法和系统,通过具有深度传感器的可见光摄像头直接获取场景对象的第一深度数据信息,通过红外图像的三维重建,获取红外图像中第二深度数据信息;通过同一场景对象第一深度数据信息和第二深度数据信息的比对,得到红外图像中的非均匀校正图案,比如“鬼影”,也就是红外图像中由于红外焦平面阵列非均匀性产生的噪声图像,非均匀校正图案本身不是场景对象因此不存在对应的可见图案,也不具备第一深度数据信息,因此本发明能够有效去除红外图像的非均匀性,改善图像质量。
附图说明
图1是本发明红外摄像头的非均匀性漂移实时校正方法的流程示意图;
图2是本发明中央处理器和图形处理器的校正流程示意图。
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。
本发明提供的红外摄像头的非均匀性漂移实时校正方法,应用于牲畜的体温监控,所述红外摄像头优选的可以是非制冷氧化钒探测器,这里不做限制,具体包括以下步骤,如图1所示:
步骤一、针对包括牲畜对象在内的场景,利用具有深度传感器的可见光摄像头获取可见光视频,同步利用具有非制冷氧化钒探测器的红外摄像头获取红外图像视频;
步骤二、识别出每帧可见光图像中的第一场景对象,包括第一牲畜对象和第一背景对象,第一场景对象组合得到可见每帧光图像,同时获取到第一场景对象的第一深度数据信息;识别出每帧红外图像中的第二场景对象,包括第二牲畜对象和第二背景对象,对红外图像中的第二场景对象进行三维重建,得到红外图像中第二场景对象的第二深度数据信息;
步骤三,将相同时刻的可见光图像中第一场景对象的第一深度数据信息,和红外图像中第二场景对象的第二深度数据信息进行比对,得到红外图像中非均匀校正图案,将非均匀校正图案对应的可见光图像中的像素数值进行替换并融合,以实现对红外图像中非均匀校正。
本发明由于可见光摄像头和红外摄像头的位置不同,相同场景对象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,如果第一场景对象的第一深度数据信息和第二场景对象的第二深度数据信息在阈值内,会认定第一场景对象和第二场景对象为同一个对象。
本发明红外图像的非均匀校正方法,通过具有深度传感器的可见光摄像头直接获取场景对象的第一深度数据信息,通过红外图像的三维重建,获取红外图像中第二深度数据信息;通过同一场景对象第一深度数据信息和第二深度数据信息的比对,得到红外图像中的非均匀校正图案,比如“鬼影”,也就是红外图像中由于红外焦平面阵列非均匀性产生的噪声图像,非均匀校正图案本身不是场景对象因此不存在对应的可见图案,也不具备第一深度数据信息,因此本发明能够有效去除红外图像的非均匀性,改善图像质量。
本发明的红外摄像头的非均匀性漂移实时校正方法,应用的场景是牲畜对象体温监控,图像显示要求同时具有可见光图像和红外图像,一对相同场景对象的体温进行监控,因此监控显示的图像为监控显示的图像为上层和下层相互嵌套部分重叠的可见光图像和红外图像;通过对可见光图像和红外图像的点击,或者按钮的点击进行上层或者下层的切换。
本发明对牲畜对象养殖体温监控的图像校正和显示方法,其优选的包括以下实施例:
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:graphics processing unit,缩写:GPU)和中央处理器(CPU,Central ProcessingUnit)共同计算的方式,实现红外摄像头的非均匀性漂移实时校正,又称红外图像的非均匀校正。
本发明所述中央处理器设置可见光图像处理线程、红外图像处理线程、体温探测线程三个独立的线程,如图2所示;
所述可见光图像处理线程用于识别出每帧可见光图像中的第一场景对象,同时获取到第一场景对象的第一深度数据信息,并将所述第一场景对象的第一深度数据信息存储到图形处理器的显存。
所述红外图像处理线程,识别出每帧红外图像中的第二场景对象,得到红外图像中第二场景对象的像素数据,并将所述第二场景对象的像素数据存储到图形处理器的显存。
所述体温探测线程,识别出红外图像中温度高于温度阈值的第二牲畜对象,并定位第二牲畜对象对应的像素位置,并将所述第二牲畜对象对应的像素位置存储到图形处理器的显存。
所述图形处理器包括红外图像校正管线和图像渲染管线,如图2所示,所述红外图像校正管线包括三维建模模块,深度信息比对模块、和非均匀校正模块。所述三维建模模块包括全卷积网络算法,对根据显存存储的红外图像和第二场景对象,对第二场景对象进行三维重建,得到第二场景对象对应的RGB和第二深度信息数据;所述深度信息比对模块从显存读取第一场景对象和对应的第一深度数据信息,以及从三维建模模块获取的第二场景对象和对应的第二深度数据信息进行比对,得到红外图像中非均匀校正图案。所述非均匀校正模块根据显存中的所述第二牲畜对象对应的像素位置和非均匀校图案的像素位置进行比对,以所述第二牲畜对象对应的像素位置重叠的位置和/或距离位置近的像素点开始进行可见光图像中像素的替换并融合。
本发明所述渲染管线根据可见光图像和红外图像的上下叠加位置,分层渲染,先渲染上层数据,再通过遮挡剔除算法显示下层数据,所述上层数据是红外图像还是可见光图像根据中央处理器发送的用户点击信号数据进行判定。所述渲染管线根据中央处理器的可见光图像数据和红外图像校正管线的红外图像数据,以及设置的上下层顺序进行渲染并显示。
所述非均匀校正图案可以是“鬼影”等非均匀校正图案,会影响第二牲畜对象的显示,而在牲畜体温监控的场景下,为了减少“鬼影”等非均匀校正图案对红外图像中第二牲畜的显示,本发明采用了优先校正的方案。就是所述非均匀校正模块根据显存中的所述“第二牲畜对象对应的像素位置和非均匀校图案的像素位置进行比对,以所述第二牲畜对象对应的像素位置重叠的位置和/或距离位置近的像素点开始进行可见光图像中像素的替换并融合。
牲畜养殖一般是16小时以上的光照时间,因此,将红外图像中非均匀校正图案用可见光图像中像素的替换并融合,可以低成本有效的去除红外图像的非均匀图案。
所述非均匀校正模块,将“鬼影”等非均匀校正图案对应的可见光中的像素替换为非均匀校正图案的像素,并对替换后的可见光像素进行融合计算得到校正的后红外图像像素。
所述像素融合包括像素级别的基于变换域或者高通滤波法,这里不做限制。所述变换域图像融合是计算可见光图像像素的关系数矩阵,求出图像的RGB特征值和特征向量,通过RGB特征值对应的特征向量和对应的红外图像的加权系数,通过变化矩阵得到红外图像对应的非均匀校正图案的像素数值。
所述高通滤波法,是采用高通滤波器对可见光图像的场景对象进行滤波,滤波后的图像保存了与空间相关的高频分量信息,包括细节和纹理信息,然后将得到的高频分量信息进行逐像素叠加得到红外图像的对应的非均匀校正图案的像素数值。
牲畜的体温变化能反应他们的健康状态。当体温异常升高的时候,就代表可能突发了某种疾病,本发明的红外摄像头利用所述体温探测线程快速红外图像中定位体温异常的第二牲畜,并对红外图像中体温异常的第二牲畜的场景对象进行优先的非均匀校正,去除非均匀校正图案,例如“鬼影”。
本发明还可以对红外摄像头进行时域线性回归非均匀性漂移校正,传统的线性模型的两个前提假设:一是焦平面中每个探测单元的响应在时间上是稳定的,不会因为工作时间长短而变化;二是每个探测单元的工作区域是线性的。在忽略探测单元在辐射范围较小和去除饱和时存在误差情况下,近似地认为焦平面响应是线性的。在均匀的辐射度条件下,焦平面的非均匀性线性模型可以用下式来表示:
Y(i,j)=a(i,j)*X(i,j)+b(i,j)
式中,Y(i,j)是经过开机快门校正后的值,X(i,j)表示坐标为(i,j)的探测元所接收到的真实响应值,a(i,j)和b(i,j)分别为探测单元的乘性噪声变量和加性噪声变量,a(i,j)和b(i,j)的值同时也随时间和环境温度变化而改变。
根据大量实验,焦平面中相邻像元之间的差别在一定帧数中几乎为0,这意味着单个像素邻域像素在一定的组帧序列中是近似相等。根据这个实验结果,我们把探测器像素单元的真实响应值X(i,j)近似等同于邻域像素均值G(i,j),从而作为线性回归的估计值。
n代表像素邻域大小,然后利用焦平面的非均匀性线性模型做线性回归,也就是对下式求解最小值
公式中m代表组帧序列的帧数,通过最小二乘法,本发明可以得到
求出a(i,j)和b(i,j)后可以求出校正后的真实像素值X(i,j),上述算法实际应用,邻域均值窗口n通常为5,m一般设置成16,在开机经过一次快门校正后,该算法可以持续跟踪校正非均匀漂移,并且随着探测器使用时间增加和环境温度变化没有图像降质问题。该方法减少使用中的图像中断,降低了系统功耗,增加了系统的可靠性和环境适应性。
本发明提供的红外摄像头的非均匀性漂移实时校正系统,应用于牲畜的体温监控,所述红外摄像头优选的可以是非制冷氧化钒探测器,
包括具有深度传感器的可见光摄像头,针对包括牲畜对象在内的场景,利用获取可见光视频,同步利用具有非制冷氧化钒探测器的红外摄像头获取红外图像视频;
还包括第一场景对象和深度信息识别单元,用于识别出每帧可见光图像中的第一场景对象,包括第一牲畜对象和第一背景对象,第一场景对象组合得到可见每帧光图像,同时获取到第一场景对象的第一深度数据信息;
第二场景对象和深度信息识别单元,用于识别出每帧红外图像中的第二场景对象,包括第二牲畜对象和第二背景对象,对红外图像中的第二场景对象进行三维重建,得到红外图像中第二场景对象的第二深度数据信息;
还包括校正单元,用于将相同时刻的可见光图像中第一场景对象的第一深度数据信息,和红外图像中第二场景对象的第二深度数据信息进行比对,得到红外图像中非均匀校正图案,将非均匀校正图案对应的可见光图像中的像素数值进行替换并融合,以实现对红外图像中非均匀校正。
本文提出了一种红外摄像头的非均匀性漂移实时跟踪校正方法和系统,实时采集图像帧组,统计图像帧中每个像素点灰度变化,通过线性回归计算出每个像素的非均匀性漂移,利用计算结果实时修正图像,消除因环境温度和探测器材料随时间漂移及其他因素带来的图像非均匀性,从而得到清晰的图像。本发明的红外摄像头还针对牲畜体温监控场景下出现的非均匀校正图案,例如“鬼影”,根据深度值对非均匀校正图案进行去除,使牲畜体温监控的红外图像显示更加精确。
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 (9)
1.红外摄像头的非均匀性漂移实时校正方法,应用于牲畜的体温监控,具体包括以下步骤:
步骤一、针对包括牲畜对象在内的场景,利用具有深度传感器的可见光摄像头获取可见光视频,同步利用具有非制冷氧化钒探测器的红外摄像头获取红外图像视频;
步骤二、识别出每帧可见光图像中的第一场景对象,包括第一牲畜对象和第一背景对象,第一场景对象组合得到可见每帧光图像,同时获取到第一场景对象的第一深度数据信息;识别出每帧红外图像中的第二场景对象,包括第二牲畜对象和第二背景对象,对红外图像中的第二场景对象进行三维重建,得到红外图像中第二场景对象的第二深度数据信息;识别出红外图像中温度高于温度阈值的第二牲畜对象,并定位第二牲畜对象对应的像素位置;
步骤三,将相同时刻的可见光图像中第一场景对象的第一深度数据信息,和红外图像中第二场景对象的第二深度数据信息进行比对,得到红外图像中非均匀校正图案,将非均匀校正图案对应的可见光图像中的像素数值进行替换并融合:根据所述第二牲畜对象对应的像素位置和非均匀校正图案的像素位置进行比对,以所述第二牲畜对象对应的像素位置重叠的位置和/或距离位置近的像素点开始进行可见光图像中像素的替换并融合。
2.根据权利要求1所述的红外摄像头的非均匀性漂移实时校正方法,其特征在于,所述第一场景对象的第一深度数据信息和第二场景对象的第二深度数据信息在阈值内,认定第一场景对象和第二场景对象为同一个对象。
3.根据权利要求1所述的红外摄像头的非均匀性漂移实时校正方法,其特征在于,监控显示的图像为上层和下层相互嵌套部分重叠的可见光图像和红外图像;通过对可见光图像和红外图像的点击,或者按钮的点击进行上层或者下层的切换。
4.根据权利要求3所述的红外摄像头的非均匀性漂移实时校正方法,其特征在于,中央处理器设置可见光图像处理线程、红外图像处理线程、体温探测线程三个独立的线程。
5.根据权利要求4所述的红外摄像头的非均匀性漂移实时校正方法,其特征在于,所述可见光图像处理线程用于识别出每帧可见光图像中的第一场景对象,同时获取到第一场景对象的第一深度数据信息,并将所述第一场景对象的第一深度数据信息存储到图形处理器的显存;
所述红外图像处理线程,识别出每帧红外图像中的第二场景对象,得到红外图像中第二场景对象的像素数据,并将所述第二场景对象的像素数据存储到图形处理器的显存;
所述体温探测线程,并将所述第二牲畜对象对应的像素位置存储到图形处理器的显存。
6.根据权利要求5所述的红外摄像头的非均匀性漂移实时校正方法,其特征在于,所述图形处理器包括红外图像校正管线和图像渲染管线,所述红外图像校正管线包括三维建模模块,深度信息比对模块、和非均匀校正模块。
7.根据权利要求6所述的红外摄像头的非均匀性漂移实时校正方法,其特征在于,所述三维建模模块包括全卷积网络算法,对根据显存存储的红外图像和第二场景对象,对第二场景对象进行三维重建,得到第二场景对象对应的RGB和第二深度信息数据;所述深度信息比对模块从显存读取第一场景对象和对应的第一深度数据信息,以及从三维建模模块获取的第二场景对象和对应的第二深度数据信息进行比对,得到红外图像中非均匀校正图案。
8.根据权利要求7所述的红外摄像头的非均匀性漂移实时校正方法,其特征在于,所述渲染管线根据中央处理器的可见光图像数据和红外图像校正管线的红外图像数据,以及设置的上下层顺序进行渲染并显示。
9.红外摄像头的非均匀性漂移实时校正系统,应用于牲畜的体温监控,其特征在于,
包括具有深度传感器的可见光摄像头,针对包括牲畜对象在内的场景,利用获取可见光视频,同步利用具有非制冷氧化钒探测器的红外摄像头获取红外图像视频;
包括第一场景对象和深度信息识别单元,用于识别出每帧可见光图像中的第一场景对象,包括第一牲畜对象和第一背景对象,第一场景对象组合得到可见每帧光图像,同时获取到第一场景对象的第一深度数据信息;
包括第二场景对象和深度信息识别单元,用于识别出每帧红外图像中的第二场景对象,包括第二牲畜对象和第二背景对象,对红外图像中的第二场景对象进行三维重建,得到红外图像中第二场景对象的第二深度数据信息;识别出红外图像中温度高于温度阈值的第二牲畜对象,并定位第二牲畜对象对应的像素位置;
还包括校正单元,用于将相同时刻的可见光图像中第一场景对象的第一深度数据信息,和红外图像中第二场景对象的第二深度数据信息进行比对,得到红外图像中非均匀校正图案,将非均匀校正图案对应的可见光图像中的像素数值进行替换并融合:根据所述第二牲畜对象对应的像素位置和非均匀校正图案的像素位置进行比对,以所述第二牲畜对象对应的像素位置重叠的位置和/或距离位置近的像素点开始进行可见光图像中像素的替换并融合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211283894.0A CN115861088B (zh) | 2022-10-20 | 2022-10-20 | 红外摄像头的非均匀性漂移实时校正方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211283894.0A CN115861088B (zh) | 2022-10-20 | 2022-10-20 | 红外摄像头的非均匀性漂移实时校正方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115861088A CN115861088A (zh) | 2023-03-28 |
CN115861088B true CN115861088B (zh) | 2023-06-20 |
Family
ID=85661659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211283894.0A Active CN115861088B (zh) | 2022-10-20 | 2022-10-20 | 红外摄像头的非均匀性漂移实时校正方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115861088B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107424187B (zh) * | 2017-04-17 | 2023-10-24 | 奥比中光科技集团股份有限公司 | 深度计算处理器、数据处理方法以及3d图像设备 |
CN106989824B (zh) * | 2017-04-26 | 2019-01-29 | 华中科技大学 | 一种红外测温成像装置及检测方法 |
CN107255521B (zh) * | 2017-06-28 | 2019-03-26 | 华中科技大学鄂州工业技术研究院 | 一种红外图像非均匀性校正方法及系统 |
CN107917701A (zh) * | 2017-12-28 | 2018-04-17 | 人加智能机器人技术(北京)有限公司 | 基于主动式双目立体视觉的测量方法及rgbd相机系统 |
CN112150528A (zh) * | 2019-06-27 | 2020-12-29 | Oppo广东移动通信有限公司 | 一种深度图像获取方法及终端、计算机可读存储介质 |
CN111998961B (zh) * | 2020-09-23 | 2021-07-27 | 国科天成科技股份有限公司 | 基于像素点温漂估计的红外焦平面非均匀性校正方法 |
CN114693760A (zh) * | 2020-12-25 | 2022-07-01 | 虹软科技股份有限公司 | 图像校正方法、装置及系统、电子设备 |
-
2022
- 2022-10-20 CN CN202211283894.0A patent/CN115861088B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115861088A (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7003238B2 (ja) | 画像処理方法、装置、及び、デバイス | |
CN108055452B (zh) | 图像处理方法、装置及设备 | |
Cao et al. | Effective strip noise removal for low-textured infrared images based on 1-D guided filtering | |
CN110717942B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN108024054B (zh) | 图像处理方法、装置、设备及存储介质 | |
US10931901B2 (en) | Method and apparatus for selectively correcting fixed pattern noise based on pixel difference values of infrared images | |
CN109712192B (zh) | 摄像模组标定方法、装置、电子设备及计算机可读存储介质 | |
US9501828B2 (en) | Image capturing device, image capturing device control method, and program | |
US9338352B2 (en) | Image stabilization systems and methods | |
US9578211B2 (en) | Image de-noising methods and apparatuses using the same | |
US20090040364A1 (en) | Adaptive Exposure Control | |
CN110536057A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
US20110169960A1 (en) | Video enhancement system | |
JP2015011717A (ja) | 複数スケールの規格化された相互相関を用いた、hdr画像処理におけるゴーストアーティファクトの検出および除去方法 | |
US20090245677A1 (en) | Focus assist system and method | |
EP1723781A1 (en) | Imaging system with adjusted dark floor correction | |
CN108053438B (zh) | 景深获取方法、装置及设备 | |
CN107635099B (zh) | 一种人体感应双光网络摄像机及安防监控系统 | |
CN109559353B (zh) | 摄像模组标定方法、装置、电子设备及计算机可读存储介质 | |
CN112087571A (zh) | 图像采集方法和装置、电子设备、计算机可读存储介质 | |
JP7297406B2 (ja) | 制御装置、撮像装置、制御方法およびプログラム | |
CN112801891B (zh) | 显示屏画面检测方法、显示屏画面检测系统 | |
CN110392211A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN115861088B (zh) | 红外摄像头的非均匀性漂移实时校正方法和系统 | |
CN108012133B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
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 |