CN116309058B - 一种人体红外图像的放大处理方法 - Google Patents

一种人体红外图像的放大处理方法 Download PDF

Info

Publication number
CN116309058B
CN116309058B CN202310250839.XA CN202310250839A CN116309058B CN 116309058 B CN116309058 B CN 116309058B CN 202310250839 A CN202310250839 A CN 202310250839A CN 116309058 B CN116309058 B CN 116309058B
Authority
CN
China
Prior art keywords
pixel
acupoint
pixel point
infrared image
image
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
Application number
CN202310250839.XA
Other languages
English (en)
Other versions
CN116309058A (zh
Inventor
王岩
崔德琪
杨银
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changsha Guanpu Infrared Technology Co ltd
Original Assignee
Changsha Guanpu Infrared Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changsha Guanpu Infrared Technology Co ltd filed Critical Changsha Guanpu Infrared Technology Co ltd
Priority to CN202310250839.XA priority Critical patent/CN116309058B/zh
Publication of CN116309058A publication Critical patent/CN116309058A/zh
Application granted granted Critical
Publication of CN116309058B publication Critical patent/CN116309058B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
    • 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
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • 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)
  • Image Processing (AREA)

Abstract

本申请涉及一般的图像数据处理或产生技术领域，特别是涉及一种人体红外图像的放大处理方法。所述方法包括以下步骤：S100，获取待放大的人体红外图像P；S200，获取P对应的超分辨率人体红外图像P’；S300，遍历P’，获取P’中的穴位像素点集合P”；S400，遍历P”，获取第一映射关系集合JP；S500，遍历JP，如果JPt中存在jpt,r∈P1，则将第二像素值V”t＝∑Z z＝1(wz*Vz)赋予p”t；如果JPt中不存在jpt,r∈P1，则将第一像素值V’t＝∑R r＝1(wr*Vr)赋予p”t。本发明能够避免对人体红外图像进行放大处理的过程中造成的穴位像素点的像素值的失真问题。

Description

一种人体红外图像的放大处理方法
技术领域
本发明涉及一般的图像数据处理或产生技术领域，特别是涉及一种人体红外图像的放大处理方法。
背景技术
医用红外热像仪能够获取人体红外图像，人体红外图像中的像素点的像素值能够反映人体对应位置的温度信息，能够应用于对人体的早期疾病诊断；特别是人体红外图像中对应于人体穴位的穴位像素点的像素值具有重要的参考价值。如何避免对人体红外图像进行放大处理的过程中造成的穴位像素点的像素值的失真问题，是亟待解决的技术问题。
发明内容
本发明目的在于，提供一种人体红外图像的放大处理方法，能够避免对人体红外图像进行放大处理的过程中造成的穴位像素点的像素值的失真问题。
根据本发明，提供了一种人体红外图像的放大处理方法，包括以下步骤：
S100，获取待放大的人体红外图像P＝{P1，P2}，P1为待放大的人体红外图像中的穴位像素点，P1＝{p1,1，p1,2，…，p1,M}，p1,m为待放大的人体红外图像中的第m个穴位像素点，m的取值范围为1到M，M为待放大的人体红外图像中穴位像素点的数量；P2为待放大的人体红外图像中的非穴位像素点，P2＝{p2,1，p2,2，…，p2,N}，p2,n为待放大的人体红外图像中的第n个非穴位像素点，n的取值范围为1到N，N为待放大的人体红外图像中非穴位像素点的数量。
S200，获取P对应的超分辨率人体红外图像P’，所述超分辨率人体红外图像的分辨率大于所述待放大的人体红外图像的分辨率；P’＝{p’1，p’2，…，p’Q}，p’q为超分辨率人体红外图像中的第q个像素点，q的取值范围为1到Q，Q为超分辨率人体红外图像中像素点的数量，Q>(M+N)。
S300，遍历P’，获取P’中的穴位像素点集合P”＝{p”1，p”2，…，p”T}，其中p”t为P”中的第t个穴位像素点，t的取值范围为1到T，T为P’中穴位像素点的数量，
S400，遍历P”，获取第一映射关系集合JP＝{JP1,JP2,…,JPt,…,JPT}，JPt为P中与p”t存在映射关系的像素点集，JPt＝(jpt,1，jpt,2，…，jpt,R)，jpt,r为P中第r个与p”t存在映射关系的像素点，r的取值范围为1到R，R为P中与p”t存在映射关系的像素点的数量。
S500，遍历集合JP，如果JPt中存在jpt,r∈P1，则将第二像素值V”t＝∑Z z＝1(wz*Vz)赋予p”t，Z为JPt中穴位像素点的数量，wz为JPt中第z个穴位像素点对应的权重，Vz为JPt中第z个穴位像素点对应的像素值，∑Z z＝1wz＝1，wz>0；如果JPt中不存在jpt,r∈P1，则将第一像素值V’t＝∑R r＝1(wr*Vr)赋予p”t，wr为jpt,r对应的权重，Vr为jpt,r对应的像素值，∑R r＝1wr＝1，wr>0。
本发明与现有技术相比具有明显的有益效果，借由上述技术方案，本发明提供的人体红外图像的放大处理方法可达到相当的技术进步性及实用性，并具有产业上的广泛利用价值，其至少具有以下有益效果：
本发明获取了超分辨率人体红外图像P’(即放大后的人体红外图像)中各穴位像素点与待放大的人体红外图像P中像素点的映射关系，P’中任一穴位像素点与P中至少一个像素点存在映射关系，只要P中与P’中穴位像素点p”t存在映射关系的像素点中存在穴位像素点，则仅根据P中穴位像素点的像素值获取像素点p”t的像素值，而忽略P中与p”t存在映射关系的非穴位像素点的像素值，以此保证P’中穴位像素点的像素值仅与P中对应穴位像素点的像素值相关，由此，本发明可以避免对人体红外图像进行放大处理的过程中造成的穴位像素点的像素值的失真问题；如果P中与P’中穴位像素点p”t存在映射关系的像素点中不存在穴位像素点，那么将根据P中与P’中穴位像素点p”t存在映射关系的所有非穴位像素点的像素值确定穴位像素点p”t的像素值，以提高对待放大的人体红外图像P进行放大处理后得到的超分辨率人体红外图像P’的平滑性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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为本发明实施例提供的人体红外图像的放大处理方法的流程图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域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。
根据本发明，提供了一种人体红外图像的放大处理方法，如图1所示，包括以下步骤：
S100，获取待放大的人体红外图像P＝{P1，P2}，P1为待放大的人体红外图像中的穴位像素点，P1＝{p1,1，p1,2，…，p1,M}，p1,m为待放大的人体红外图像中的第m个穴位像素点，m的取值范围为1到M，M为待放大的人体红外图像中穴位像素点的数量；P2为待放大的人体红外图像中的非穴位像素点，P2＝{p2,1，p2,2，…，p2,N}，p2,n为待放大的人体红外图像中的第n个非穴位像素点，n的取值范围为1到N，N为待放大的人体红外图像中非穴位像素点的数量。
根据本发明，待放大的人体红外图像中的像素点包括两类，一类是穴位像素点，另一类是非穴位像素点；穴位像素点指的是对应位置为人体穴位点的像素点，非穴位像素点指的是对应位置不是人体穴位点的像素点。可选的，一个人体穴位点仅与待放大的人体红外图像中的一个像素点对应。
可选的，通过人工的方式识别人体红外图像中全部的穴位像素点，将红外图像中剩余的像素点判定为非穴位像素点。
作为一种实施例，人体红外图像为人体全部区域对应的红外图像。作为另一种实施例，人体红外图像为人体局部区域对应的红外图像，比如，人体红外图像为人体右臂对应的红外图像。
本领域技术人员知悉，现有技术中利用任何的红外图像获取设备获取人体红外图像的方法均落入本发明的保护范围。
S200，获取P对应的超分辨率人体红外图像P’，所述超分辨率人体红外图像的分辨率大于所述待放大的人体红外图像的分辨率；P’＝{p’1，p’2，…，p’Q}，p’q为超分辨率人体红外图像中的第q个像素点，q的取值范围为1到Q，Q为超分辨率人体红外图像中像素点的数量，Q>(M+N)。
根据本发明，对待放大的人体红外图像P进行分辨率放大处理，得到P对应的超分辨率人体红外图像P’。本领域技术人员知悉，现有技术中任何的分辨率放大处理方法均落入本发明的保护范围，例如，使用现有的插值方法获取超分辨率人体红外图像P’，或基于经训练的神经网络模型的方法获取超分辨率人体红外图像P’，可选的，插值方法为最近邻插值法、双线性插值法或双三次插值法；神经网络模型为生成对抗网络(gan)、超分辨率生成对抗网络(srgan)或增强型超分辨率生成对抗网络(esrgan)。
作为一种实施例，待放大的人体红外图像的分辨率为256*256，M＝200，即存在200个穴位像素点，则N＝256*256-200，即存在65336个非穴位像素点；超分辨率人体红外图像的分辨率为512*512，Q＝262144。作为一种实施例待放大的人体红外图像的分辨率为256*256，M＝400，即存在400个穴位像素点，则N＝256*256-400，即存在65136个非穴位像素点；超分辨率人体红外图像的分辨率为384*384，Q＝147456。
S300，遍历P’，获取P’中的穴位像素点集合P”＝{p”1，p”2，…，p”T}，其中p”t为P”中的第t个穴位像素点，t的取值范围为1到T，T为P’中穴位像素点的数量，
可选的，获取P’中的穴位像素点集合P”包括：
S310，遍历P’，获取P中的像素点(x1 q,y1 q)，x1 q是对x0 q进行取整操作后的横轴坐标值，y1 q是对y0 q进行取整操作后的纵轴坐标值，x0 q＝x’q/α，y0 q＝y’q/β，x’q为p’q的横轴坐标，y’q为p’q的纵轴坐标，α为超分辨图像P’相较于待放大图像P宽度放大的系数，β为超分辨图像P’相较于待放大图像P高度放大的系数。
S320，如果P中的像素点(x1 q,y1 q)为P中的穴位像素点，则判定p’q为P’中的穴位像素点，并将p’q追加至P”，P”的初始化为Null。
S400，遍历P”，获取第一映射关系集合JP＝{JP1,JP2,…,JPt,…,JPT}，JPt为P中与p”t存在映射关系的像素点集，JPt＝(jpt,1，jpt,2，…，jpt,R)，jpt,r为P中第r个与p”t存在映射关系的像素点，r的取值范围为1到R，R为P中与p”t存在映射关系的像素点的数量。
本领域技术人员知悉，现有技术中任何的获取待放大的图像中哪些像素点与放大后的图像中某一像素点存在映射关系的方法均落入本发明的保护范围。
作为一种实施例，本发明提出的JPt的获取方法包括：
S410，获取P中与p”t对应的点(x0 t,y0 t)，x0 t＝x’t/α，y0 t＝y’t/β，x’t为p”t的横轴坐标，y’t为p”t的纵轴坐标，α为超分辨图像P’相较于待放大图像P宽度放大的系数，β为超分辨图像P’相较于待放大图像P高度放大的系数。
应当理解的是，α和β满足以下条件：α×β＝Q/(M+N)。
S420，获取P中与(x0 t,y0 t)距离最近的像素点记为jpt,1。
根据本发明，P中某像素点与(x0 t,y0 t)的距离即P中该像素点的中心与(x0 t,y0 t)的距离；可选的，该距离为欧氏距离。
S430，获取JPt＝{jpt,1,jpt,2,jpt,3,jpt,4,jpt,5,jpt,6,jpt,7,jpt,8,jpt,9}或JPt＝{jpt,1,jpt,2,jpt,3,jpt,4,jpt,5}，jpt,2
为P中第(it-1)行第jt列的像素点，jpt,3为P中第it行第(jt-1)列的像素点，jpt,4为P中第it行第(jt+1)列的像素点，jpt,5为P中(it+1)行第jt列的像素点，jpt,6为P中第(it-1)行第(jt-1)列的像素点，jpt,7为P中第(it-1)行第(jt+1)列的像素点，jpt,8为P中第(it+1)行第(jt-1)列的像素点，jpt,9为P中(it+1)行第(jt+1)列的像素点，jt为jpt,1对应的列数，it为jpt,1对应的行数。
根据本发明，作为一种实施例，获取JPt＝{jpt,1,jpt,2,jpt,3,jpt,4,jpt,5,jpt,6,jpt,7,jpt,8,jpt,9}，jpt,2、jpt,3、jpt,4、jpt,5、jpt,6、jpt,7、jpt,8和jpt,9为jpt,1的八邻域像素点。作为另一种实施例，JPt＝{jpt,1,jpt,2,jpt,3,jpt,4,jpt,5}，jpt,2、jpt,3、jpt,4和jpt,5为jpt,1的四邻域像素点。
作为另一种实施例，本发明提出的获取JPt的方法，包括：
S411，获取目标坐标系中由((i’1-1)/W1，(j’1-1)/H1)、((i’1+1)/W1，(j’1+1)/H1)、((i’1-1)/W1，(j’1+1)/H1)和((i’1+1)/W1，(j’1-1)/H1)作为顶点构成的目标矩形区域，i’1为p”t在P’中对应的像素行数，j’1为p”t在P’中对应的像素列数，W1为P’包括的像素行数，H1为P’包括的像素列数。
根据本发明，P’中像素点p”t与目标坐标系中由((i’1-1)/W1，(j’1-1)/H1)、((i’1+1)/W1，(j’1+1)/H1)、((i’1-1)/W1，(j’1+1)/H1)和((i’1+1)/W1，(j’1-1)/H1)作为顶点构成的目标矩形区域具有对应关系。P’中任一像素点在目标坐标系中有且只有一个矩形区域与其对应。
本发明中目标坐标系为平面直角坐标系，目标矩形区域对应的4个顶点分别为((i’1-1)/W1，(j’1-1)/H1)、((i’1+1)/W1，(j’1+1)/H1)、((i’1-1)/W1，(j’1+1)/H1)和((i’1+1)/W1，(j’1-1)/H1)，((i’1-1)/W1，(j’1-1)/H1)为目标坐标系中横轴坐标为(i’1-1)/W1且纵轴坐标为(j’1-1)/H1的点，((i’1+1)/W1，(j’1+1)/H1)为目标坐标系中横轴坐标为(i’1+1)/W1且纵轴坐标为(j’1+1)/H1的点，((i’1-1)/W1，(j’1+1)/H1)为目标坐标系中横轴坐标为(i’1-1)/W1且纵轴坐标为(j’1+1)/H1的点，((i’1+1)/W1，(j’1-1)/H1)为目标坐标系中横轴坐标为(i’1+1)/W1且纵轴坐标为(j’1-1)/H1的点。
S421，获取S＝{s1，s2，…，sA}，sa为第a个待判别矩形区域，sa由目标坐标系中的((i’2-1)/W2，(j’2-1)/H2)、((i’2+1)/W2，(j’2+1)/H2)、((i’2-1)/W2，(j’2+1)/H2)和((i’2+1)/W2，(j’2-1)/H2)作为顶点构成，i’2为sa在P中对应的像素行数，j’2为sa在P中对应的像素列数，a的取值范围为1到A，A为P包括的像素点数量，A＝W2*H2，W2为P包括的像素行数，H2为P包括的像素列数。
根据本发明，P中第i’2行且第j’2列的像素点与目标坐标系中由((i’2-1)/W2，(j’2-1)/H2)、((i’2+1)/W2，(j’2+1)/H2)、((i’2-1)/W2，(j’2+1)/H2)和((i’2+1)/W2，(j’2-1)/H2)作为顶点构成的矩形区域具有对应关系。P中任一像素点在目标坐标系中有且只有一个矩形区域与其对应。
S431，遍历S，如果sa与所述目标矩形区域存在重叠区域，则判定P中像素行数为i’2且像素列数为j’2的像素点与p”t存在映射关系，并将P中像素行数为i’2且像素列数为j’2的像素点追加至JPt，JPt的初始化为Null。
根据本发明，如果sa与所述目标矩形区域不存在重叠区域，则判定P中像素行数为i’2且像素列数为j’2的像素点与p”t不存在映射关系，无需将P中像素行数为i’2且像素列数为j’2的像素点追加至p”t。由此，遍历S后得到的JPt即包括P中与p”t存在映射关系的所有像素点。
S500，遍历集合JP，如果JPt中存在jpt,r∈P1，则将第二像素值V”t＝∑Z z＝1(wz*Vz)赋予p”t，Z为JPt中穴位像素点的数量，wz为JPt中第z个穴位像素点对应的权重，Vz为JPt中第z个穴位像素点对应的像素值，∑Z z＝1wz＝1，wz>0；如果JPt中不存在jpt,r∈P1，则将第一像素值V’t＝∑R r＝1(wr*Vr)赋予p”t，wr为jpt,r对应的权重，Vr为jpt,r对应的像素值，∑R r＝1wr＝1，wr>0。
作为一种优选的实施例，wr与dr负相关，dr为jpt,r与(x0 t,y0 t)的距离。经小规模实验表明，设置wr与dr负相关可以提高得到的超分辨率人体红外图像P’的视觉效果，锯齿现象有所改善，图像较为平滑。
作为一种可选的实施例，σ为预设的P’的像素值权重的方差。根据本发明，如果σ较小，那么对超分辨率人体红外图像P’的平滑效果就不是很明显；反之，σ较大，则对超分辨率人体红外图像P’的平滑效果比较明显。可选的，σ＝1.1、1.3或1.5。
优选的，wz与d”z负相关，d”z为JPt中第z个穴位像素点与(x0 t,y0 t)的距离。可选的，
本发明获取了超分辨率人体红外图像P’(即放大后的人体红外图像)中各穴位像素点与待放大的人体红外图像P中像素点的映射关系，P’中任一穴位像素点与P中至少一个像素点存在映射关系，只要P中与P’中穴位像素点p”t存在映射关系的像素点中存在穴位像素点，则仅根据P中穴位像素点的像素值获取像素点p”t的像素值，而忽略P中与p”t存在映射关系的非穴位像素点的像素值，以此保证P’中穴位像素点的像素值仅与P中对应穴位像素点的像素值相关，由此，本发明可以避免对人体红外图像进行放大处理的过程中造成的穴位像素点的像素值的失真问题；如果P中与P’中穴位像素点p”t存在映射关系的像素点中不存在穴位像素点，那么将根据P中与P’中穴位像素点p”t存在映射关系的所有非穴位像素点的像素值确定穴位像素点p”t的像素值，以提高对待放大的人体红外图像P进行放大处理后得到的超分辨率人体红外图像P’的平滑性。
作为一种优选的实施例，本发明的人体红外图像的放大处理方法还包括：
S600，遍历P’，获取P’中位于经络上的非穴位像素点集合P1＝{p1 1，p1 2，…，p1 L}，其中p1 l为P1中第l个位于经络上的非穴位像素点，l的取值范围为1到L，L为P’中位于经络上的非穴位像素点的数量，
可选的，获取P’中位于经络上的非穴位像素点集合P1包括：
S610，遍历P’，获取P中的像素点(x1 q,y1 q)，x1 q是对x0 q进行取整操作后的横轴坐标值，y1 q是对y0 q进行取整操作后的纵轴坐标值，x0 q＝x’q/α，y0 q＝y’q/β，x’q为p’q的横轴坐标，y’q为p’q的纵轴坐标，α为超分辨图像P’相较于待放大图像P宽度放大的系数，β为超分辨图像P’相较于待放大图像P高度放大的系数。
S620，如果P中的像素点(x1 q,y1 q)为P2中位于经络上的非穴位像素点，则判定p’q为P’中位于经络上的非穴位像素点，并将p’q追加至P1，P1的初始化为Null。
S700，遍历P1，获取第二映射关系集合JP1＝{JP1 1,JP1 2,…,JP1 l,…,JP1 L}，JP1 l为P中与p1 l存在映射关系的像素点集，JP1 l＝(jp1 l,1，jp1 l,2，…，jp1 l,E)，jp1 l,e为P中第e个与p1 l存在映射关系的像素点，e的取值范围为1到E，E为P中与p1 l存在映射关系的像素点的数量。
本发明获取P中与p1 l存在映射关系的像素点集的方法与JPt的方法类似，此处不赘述。
S800，遍历集合JP1，如果JP1 l中存在jp1 l,e∈nP，则将第三像素值V”’l＝∑B b＝1(wb*Vb)赋予p1 l，B为JP1 l中位于经络上的非穴位像素点的数量，wb为JP1 l中第b个位于经络上的非穴位像素点对应的权重，Vb为JP1 l中第b个位于经络上的非穴位像素点对应的像素值，∑B b＝ 1wb＝1，wb>0，nP为P2中位于经络上的非穴位像素点的集合。
可选的，如果JP1 l中不存在jp1 l,e∈nP，则根据上述获取第一像素值V’t类似的方法获取像素值赋予p1 l。
可选的，通过人工或智能化的方式获取P2中位于经络上的非穴位像素点。
优选的，wb与d’b负相关，d’b为JP1 l中第b个位于经络上的非穴位像素点与(x3 l,y3 l)的距离，x3 l＝x2 l/α，y3 l＝y2 l/β，x2 l为p1 l的横轴坐标，y2 l为p1 l的纵轴坐标，α为超分辨图像P’相较于待放大图像P宽度放大的系数，β为超分辨图像P’相较于待放大图像P高度放大的系数。可选的，
根据本发明，人体红外图像中对应于人体经络上的像素点的像素值也具有一定的参考价值，本发明在JP1 l中存在jp1 l,e∈nP的情况下，根据位于经络上的非穴位像素点的像素值获取p1 l的像素值，由此可以保证p1 l的像素值仅与P中位于经络上的非穴位像素点的像素值相关，避免对人体红外图像进行放大处理的过程中造成的经络上的像素点的像素值的失真问题。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员还应理解，可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明的范围由所附权利要求来限定。

Claims (9)

1.一种人体红外图像的放大处理方法，其特征在于，包括以下步骤：
S100，获取待放大的人体红外图像P＝{P1，P2}，P1为待放大的人体红外图像中的穴位像素点，P1＝{p1,1，p1,2，…，p1,M}，p1,m为待放大的人体红外图像中的第m个穴位像素点，m的取值范围为1到M，M为待放大的人体红外图像中穴位像素点的数量；P2为待放大的人体红外图像中的非穴位像素点，P2＝{p2,1，p2,2，…，p2,N}，p2,n为待放大的人体红外图像中的第n个非穴位像素点，n的取值范围为1到N，N为待放大的人体红外图像中非穴位像素点的数量；
S200，获取P对应的超分辨率人体红外图像P’，所述超分辨率人体红外图像的分辨率大于所述待放大的人体红外图像的分辨率；P’＝{p’1，p’2，…，p’Q}，p’q为超分辨率人体红外图像中的第q个像素点，q的取值范围为1到Q，Q为超分辨率人体红外图像中像素点的数量，Q>(M+N)；
S300，遍历P’，获取P’中的穴位像素点集合P”＝{p”1，p”2，…，p”T}，其中p”t为P”中的第t个穴位像素点，t的取值范围为1到T，T为P’中穴位像素点的数量，
S400，遍历P”，获取第一映射关系集合JP＝{JP1,JP2,…,JPt,…,JPT}，JPt为P中与p”t存在映射关系的像素点集，JPt＝(jpt,1，jpt,2，…，jpt,R)，jpt,r为P中第r个与p”t存在映射关系的像素点，r的取值范围为1到R，R为P中与p”t存在映射关系的像素点的数量；
S500，遍历集合JP，如果JPt中存在jpt,r∈P1，则将第二像素值V”t＝∑Z z＝1(wz*Vz)赋予p”t，Z为JPt中穴位像素点的数量，wz为JPt中第z个穴位像素点对应的权重，Vz为JPt中第z个穴位像素点对应的像素值，∑Z z＝1wz＝1，wz>0；如果JPt中不存在jpt,r∈P1，则将第一像素值V’t＝∑R r＝1(wr*Vr)赋予p”t，wr为jpt,r对应的权重，Vr为jpt,r对应的像素值，∑R r＝1wr＝1，wr>0；
S300中，获取P’中的穴位像素点集合P”包括：
S310，遍历P’，获取P中的像素点(x1 q,y1 q)，x1 q是对x0 q进行取整操作后的横轴坐标值，y1 q是对y0 q进行取整操作后的纵轴坐标值，x0 q＝x’q/α，y0 q＝y’q/β，x’q为p’q的横轴坐标，y’q为p’q的纵轴坐标，α为超分辨图像P’相较于待放大图像P宽度放大的系数，β为超分辨图像P’相较于待放大图像P高度放大的系数；
S320，如果P中的像素点(x1 q,y1 q)为P中的穴位像素点，则判定p’q为P’中的穴位像素点，并将p’q追加至P”，P”的初始化为Null。
2.根据权利要求1所述的人体红外图像的放大处理方法，其特征在于，S400中，JPt的获取方法包括：
S410，获取P中与p”t对应的点(x0 t,y0 t)，x0 t＝x’t/α，y0 t＝y’t/β，x’t为p”t的横轴坐标，y’t为p”t的纵轴坐标，α为超分辨图像P’相较于待放大图像P宽度放大的系数，β为超分辨图像P’相较于待放大图像P高度放大的系数；
S420，获取P中与(x0 t,y0 t)距离最近的像素点记为jpt,1；
S430，获取JPt＝{jpt,1,jpt,2,jpt,3,jpt,4,jpt,5,jpt,6,jpt,7,jpt,8,jpt,9}或JPt＝{jpt,1,jpt,2,jpt,3,jpt,4,jpt,5}，jpt,2
为P中第(it-1)行第jt列的像素点，jpt,3为P中第it行第(jt-1)列的像素点，jpt,4为P中第it行第(jt+1)列的像素点，jpt,5为P中(it+1)行第jt列的像素点，jpt,6为P中第(it-1)行第(jt-1)列的像素点，jpt,7为P中第(it-1)行第(jt+1)列的像素点，jpt,8为P中第(it+1)行第(jt-1)列的像素点，jpt,9为P中(it+1)行第(jt+1)列的像素点，jt为jpt,1对应的列数，it为jpt,1对应的行数。
3.根据权利要求2所述的人体红外图像的放大处理方法，其特征在于，S500中，wr与dr负相关，dr为jpt,r与(x0 t,y0 t)的距离。
4.根据权利要求3所述的人体红外图像的放大处理方法，其特征在于，σ为预设的P’的像素值权重的方差。
5.根据权利要求1所述的人体红外图像的放大处理方法，其特征在于，所述方法还包括：
S600，遍历P’，获取P’中位于经络上的非穴位像素点集合P1＝{p1 1，p1 2，…，p1 L}，其中p1 l为P1中第l个位于经络上的非穴位像素点，l的取值范围为1到L，L为P’中位于经络上的非穴位像素点的数量，
S700，遍历P1，获取第二映射关系集合JP1＝{JP1 1,JP1 2,…,JP1 l,…,JP1 L}，JP1 l为P中与p1 l存在映射关系的像素点集，JP1 l＝(jp1 l,1，jp1 l,2，…，jp1 l,E)，jp1 l,e为P中第e个与p1 l存在映射关系的像素点，e的取值范围为1到E，E为P中与p1 l存在映射关系的像素点的数量；
S800，遍历集合JP1，如果JP1 l中存在jp1 l,e∈nP，则将第三像素值V”’l＝∑B b＝1(wb*Vb)赋予p1 l，B为JP1 l中位于经络上的非穴位像素点的数量，wb为JP1 l中第b个位于经络上的非穴位像素点对应的权重，Vb为JP1 l中第b个位于经络上的非穴位像素点对应的像素值，∑B b＝1wb＝1，wb>0，nP为P2中位于经络上的非穴位像素点的集合。
6.根据权利要求5所述的人体红外图像的放大处理方法，其特征在于，S600中，获取P’中位于经络上的非穴位像素点集合P1包括：
S610，遍历P’，获取P中的像素点(x1 q,y1 q)，x1 q是对x0 q进行取整操作后的横轴坐标值，y1 q是对y0 q进行取整操作后的纵轴坐标值，x0 q＝x’q/α，y0 q＝y’q/β，x’q为p’q的横轴坐标，y’q为p’q的纵轴坐标，α为超分辨图像P’相较于待放大图像P宽度放大的系数，β为超分辨图像P’相较于待放大图像P高度放大的系数；
S620，如果P中的像素点(x1 q,y1 q)为P2中位于经络上的非穴位像素点，则判定p’q为P’中位于经络上的非穴位像素点，并将p’q追加至P1，P1的初始化为Null。
7.根据权利要求5所述的人体红外图像的放大处理方法，其特征在于，wb与d’b负相关，d’b为JP1 l中第b个位于经络上的非穴位像素点与(x3 l,y3 l)的距离，x3 l＝x2 l/α，y3 l＝y2 l/β，x2 l为p1 l的横轴坐标，y2 l为p1 l的纵轴坐标，α为超分辨图像P’相较于待放大图像P宽度放大的系数，β为超分辨图像P’相较于待放大图像P高度放大的系数。
8.根据权利要求1所述的人体红外图像的放大处理方法，其特征在于，S200中，使用经训练的神经网络模型或插值方法获取P对应的超分辨率人体红外图像P’。
9.根据权利要求8所述的人体红外图像的放大处理方法，其特征在于，所述神经网络模型为gan、srgan或esrgan，所述插值方法为最近邻插值法、双线性插值法或双三次插值法。
CN202310250839.XA 2023-03-15 2023-03-15 一种人体红外图像的放大处理方法 Active CN116309058B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310250839.XA CN116309058B (zh) 2023-03-15 2023-03-15 一种人体红外图像的放大处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310250839.XA CN116309058B (zh) 2023-03-15 2023-03-15 一种人体红外图像的放大处理方法

Publications (2)

Publication Number Publication Date
CN116309058A CN116309058A (zh) 2023-06-23
CN116309058B true CN116309058B (zh) 2024-04-19

Family

ID=86783012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310250839.XA Active CN116309058B (zh) 2023-03-15 2023-03-15 一种人体红外图像的放大处理方法

Country Status (1)

Country Link
CN (1) CN116309058B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011081477A (ja) * 2009-10-05 2011-04-21 Nippon Hoso Kyokai <Nhk> 画像復元装置、そのプログラム、及び、多次元画像復元装置
CN102930534A (zh) * 2012-10-15 2013-02-13 北京工业大学 人体背部穴位自动定位方法
CN103034973A (zh) * 2012-12-05 2013-04-10 焦点科技股份有限公司 基于双三次插值的自适应图像缩放方法
CN104361555A (zh) * 2014-11-24 2015-02-18 中国航空工业集团公司洛阳电光设备研究所 一种基于fpga的红外图像缩放方法
JP2017103756A (ja) * 2015-11-24 2017-06-08 キヤノン株式会社 画像データ処理装置及び方法
CN110827229A (zh) * 2019-11-01 2020-02-21 中国科学院长春光学精密机械与物理研究所 一种基于纹理加权直方图均衡化的红外图像增强方法
CN115661370A (zh) * 2022-12-14 2023-01-31 长沙观谱红外科技有限公司 一种红外3d人体模型构建方法及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5787637B2 (ja) * 2011-06-21 2015-09-30 キヤノン株式会社 画像処理装置、画像処理方法
US20220031565A1 (en) * 2017-03-21 2022-02-03 Yun Kyoung YIM Device and method for three-dimensionally mapping acupuncture points
CN108986023A (zh) * 2018-08-03 2018-12-11 北京字节跳动网络技术有限公司 用于处理图像的方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011081477A (ja) * 2009-10-05 2011-04-21 Nippon Hoso Kyokai <Nhk> 画像復元装置、そのプログラム、及び、多次元画像復元装置
CN102930534A (zh) * 2012-10-15 2013-02-13 北京工业大学 人体背部穴位自动定位方法
CN103034973A (zh) * 2012-12-05 2013-04-10 焦点科技股份有限公司 基于双三次插值的自适应图像缩放方法
CN104361555A (zh) * 2014-11-24 2015-02-18 中国航空工业集团公司洛阳电光设备研究所 一种基于fpga的红外图像缩放方法
JP2017103756A (ja) * 2015-11-24 2017-06-08 キヤノン株式会社 画像データ処理装置及び方法
CN110827229A (zh) * 2019-11-01 2020-02-21 中国科学院长春光学精密机械与物理研究所 一种基于纹理加权直方图均衡化的红外图像增强方法
CN115661370A (zh) * 2022-12-14 2023-01-31 长沙观谱红外科技有限公司 一种红外3d人体模型构建方法及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
New Proposals for Application of Terahertz Imaging Technique in Chinese Medicine;BAI Shan-shan等;Chinese Journal of Integrative Medicine;20220113;366-373 *
基于深度学习的红外图像仿真和红外图像超分辨率重建;瞿鑫;中国优秀硕士学位论文全文数据库 信息科技辑;20220515;I135-124 *
红外图像质量提升关键技术研究;荣生辉;中国博士学位论文全文数据库 信息科技辑;20190215;I138-61 *

Also Published As

Publication number Publication date
CN116309058A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN110992411B (zh) 图像配准模型的训练方法和装置
CN108682025B (zh) 一种图像配准方法及装置
CN110400278A (zh) 一种图像颜色和几何畸变的全自动校正方法、装置及设备
CN109859137B (zh) 一种广角相机非规则畸变全域校正方法
CN111179173B (zh) 一种基于离散小波变换和坡度融合算法的图像拼接方法
CN116309058B (zh) 一种人体红外图像的放大处理方法
CN115670508B (zh) 一种基于大数据的超声三维模型的数据处理系统及方法
CN109215061B (zh) 一种人脸毛孔跟踪方法及系统
CN112215878A (zh) 一种基于surf特征点的x光图像配准方法
CN111476175A (zh) 适用于老年人脸比对的自适应拓扑图匹配方法及系统
CN104156952B (zh) 一种抵抗形变的图像匹配方法
CN112766338B (zh) 一种计算距离图像的方法、系统及计算机可读存储介质
US6529642B1 (en) Method for enlarging/reducing digital images
JP3612257B2 (ja) 画像データ編集装置
WO2001045046A1 (en) Method for registering separation patterns
CN113034405B (zh) 一种遥感图像精细化几何纠正方法
CN109993691B (zh) 基于分段式线性转换的非均匀图像转换方法及系统
CN118397058B (zh) 一种基于深度学习的影像配准方法
CN113936015B (zh) 一种图像有效区域的提取方法及装置
CN117253060B (zh) 图像匹配方法、图像匹配装置、存储介质和计算机设备
JP2930599B2 (ja) 図形ベクトル化処理方法及び装置
CN117994487A (zh) 一种滚动指纹拼接方法、系统、电子设备和介质
JP3060922B2 (ja) 特徴生成装置
CN106023127A (zh) 一种基于多帧的鱼眼视频校正方法
CN114363534A (zh) 一种图像亮度补偿方法、装置及计算机存储介质

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