CN117765013A - 一种基于偏振成像的红外热辐射干扰抑制方法和系统 - Google Patents
一种基于偏振成像的红外热辐射干扰抑制方法和系统 Download PDFInfo
- Publication number
- CN117765013A CN117765013A CN202311511436.2A CN202311511436A CN117765013A CN 117765013 A CN117765013 A CN 117765013A CN 202311511436 A CN202311511436 A CN 202311511436A CN 117765013 A CN117765013 A CN 117765013A
- Authority
- CN
- China
- Prior art keywords
- image
- polarization
- radiation
- heat radiation
- intensity
- 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
- 230000005855 radiation Effects 0.000 title claims abstract description 403
- 230000010287 polarization Effects 0.000 title claims abstract description 343
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000003384 imaging method Methods 0.000 title claims abstract description 38
- 230000001629 suppression Effects 0.000 title claims description 44
- 230000002269 spontaneous effect Effects 0.000 claims abstract description 122
- 238000000926 separation method Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 17
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 230000005457 Black-body radiation Effects 0.000 claims abstract description 6
- 238000010438 heat treatment Methods 0.000 claims description 87
- 239000013076 target substance Substances 0.000 claims description 82
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000000605 extraction Methods 0.000 claims description 25
- 230000008878 coupling Effects 0.000 claims description 16
- 238000010168 coupling process Methods 0.000 claims description 16
- 238000005859 coupling reaction Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000003709 image segmentation Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 8
- 230000002146 bilateral effect Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000002310 reflectometry Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 16
- 238000001931 thermography Methods 0.000 abstract description 13
- 239000012212 insulator Substances 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 230000005764 inhibitory process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005065 mining 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
- 230000008447 perception Effects 0.000 description 1
- 238000001028 reflection method Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 229920002379 silicone rubber Polymers 0.000 description 1
- 239000004945 silicone rubber Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Radiation Pyrometers (AREA)
Abstract
本发明涉及一种基于偏振成像的红外热辐射干扰抑制方法和系统,方法包括背景辐射分割和反射辐射分离:计算偏振特征参量图像,基于非偏振强度图像阈值分割和偏振图像统计特征量实现背景辐射分割;建立自发辐射和反射辐射解耦分离模型,基于菲涅尔反射定律、基尔霍夫热辐射定律和普朗克黑体辐射定律,解析目标区域观测角实现反射辐射分离;系统则是基于该方法。通过本发明能够克服红外热成像检测过程中存在的背景辐射和反射辐射干扰难题。
Description
技术领域
本发明涉及偏振光成像及图像处理的混合领域,具体而言,涉及一种基于偏振成像的红外热辐射干扰抑制方法和系统。
背景技术
偏振成像技术是一种新型的光电探测技术,通过在相机端集成偏振滤光芯片、光路中设置旋转偏振片等方式,可以对不同偏振态的场景反射或辐射光波进行成像,从而采集场景的偏振信息。
场景反射或辐射光波的偏振信息与场景物体偏振相关表面特征及固有属性密切相关,其中,物体偏振相关表面特征包含表面轮廓、纹理、粗糙度等,物体固有属性包含折射率、辐射率、消光系数等。由于人造物体和自然物体的偏振相关表面特征和固有属性具有较大的差异,因此根据采集偏振图像的处理分析与特征挖掘可以实现人造物体和自然背景的有效分割。
在红外波段,探测器采集的辐射信号同时包含场景自发热辐射和对环境的反射热辐射,根据菲涅尔反射定律和基尔霍夫热辐射定律推导可得,自发热辐射和反射热辐射具有不同的偏振特性,因此利用光波的偏振信息可以实现两种辐射分量的解耦分离。
综上所述,偏振成像技术可以克服红外热成像检测领域中的背景辐射和反射辐射干扰难题,从而使红外热成像检测技术适应于复杂光源环境下存在辐射干扰的场景,可以极大提升国网输电线路及电力设备的运维修检效率,为相关产业缺陷检测的高效化、数字化和智能化转型升级提供技术助力。
在现有技术公开了一种基于图论的偏振图像分割方法,该方法根据偏振特征参量图像的联合灰度距离衡量两点之间的相似性,并将其作为图顶点间的边权重,根据边权重之和最小的原理连接所有顶点生成最小生成树,对类间差异小于类内差异的区域进行合并得到最终图像分割结果。然而,基于图论的图像分割方法涉及到图中所有节点之间的距离计算,计算复杂度高,且最小生成树方法倾向于将图像切分成较小的区域,导致过度分割。
此外,现有技术还公开了一种红外偏振消反射方法,该方法使用正交偏振分量并结合偏振方位角一致性假设定位反射区域,使用背景参考图像去除反射。然而,该方法主要针对室内场景光滑地板的红外反射消除,目标自发热辐射和反射热辐射不存在耦合关系,因此不适用于红外热成像检测的复杂光源环境辐射干扰场景。
发明内容
本发明充分考虑具有不同表面特征和固有属性的物质其反射或辐射光波的偏振特性差异,以及目标自发热辐射和反射热辐射之间的正交偏振反射率差异,旨在提出一种基于偏振成像的红外热辐射干扰抑制方法和系统,克服背景技术中所指出的现有技术中存在的技术问题。
本发明提供的一种基于偏振成像的红外热辐射干扰抑制方法,其技术方案如下:
一种基于偏振成像的红外热辐射干扰抑制方法,包括如下步骤:
S1:使用偏振相机采集目标场景多通道偏振图像,并通过计算获得偏振特征参量图像,其中,所述偏振特征参量图像包括偏振度图像、偏振方位角图像、非偏振强度图像、最大偏振强度图像和最小偏振强度图像;
S2:通过算法程序对所述非偏振强度图像进行边缘保留式的噪声消除,而后对该图像进行背景区域和目标区域的自适应阈值分割处理,通过逻辑非运算的灰度变换方式,获得初背景区域图像,并将所述初背景区域图像中逻辑值为1的区域作为初背景区域;
S3:基于所述初背景区域,在所述偏振度图像中提取初背景区域像素偏振度数值序列,并得到该序列的序列统计特征参量,根据该序列的序列统计特征参量对所述偏振度图像进行二值化处理,而后通过与所述初背景图像做逻辑运算的方式得到终背景图像;
S4:建立目标物质的自发热辐射和反射热辐射耦合的偏振度按观测角的分布模型,并结合所述偏振度图像解算出目标区域观测角图像;
S5:基于所述目标区域观测角图像,分别得到目标自发热辐射偏振度图像和反射热辐射偏振度图像;
S6:建立目标物质的自发热辐射和反射热辐射解耦分离模型,并利用所述步骤S1得到的最大偏振强度图像和最小偏振强度图像的信息,以及所述步骤S5得到的目标自发热辐射偏振度图像和反射热辐射偏振度图像的信息,获得自发热辐射图像和反射热辐射图像,实现目标自发热辐射和反射热辐射的解耦分离;
S7:对所述目标物质的自发热辐射和反射热辐射解耦分离模型的自洽性进行评估。
采用上述技术方案,与现有技术相比,本发明所提供的技术方案至少可以带来的有益效果有:首先基于步骤S1获得偏振特征参量图像,偏振特征参量图像包括偏振度图像、偏振方位角图像、非偏振强度图像、最大偏振强度图像和最小偏振强度图像,通过对非偏振图像采用自适应阈值分割方法得到初背景区域,基于初背景区域得到终背景区域,从而克服复杂光源环境下的背景辐射干扰。与此同时,执行步骤S4-S7的过程实质为执行一种基于偏振信息的反射热辐射抑制方法的流程,通过建立目标物质的自发热辐射和反射热辐射耦合的偏振度按观测角的分布模型,建立自发热辐射和反射热辐射解耦分离模型,最终从耦合热辐射强度中提取得到自发热辐射分量,从而克服复杂光源环境下的反射热辐射干扰。而且,对目标物质的自发热辐射和反射热辐射解耦分离模型的自洽性进行评估,能够确定相关模型在他特定场景图像处理的适应程度。本方法基于偏振成像技术有效地实现了图像分割及反射热辐射抑制,从而克服红外热成像检测过程中存在的背景辐射和反射辐射干扰难题。
与此同时,本申请的基于偏振成像的红外热辐射干扰抑制方法,使用在电力设备的红外热成像检测领域,能够克服由于复杂光源环境下背景辐射和反射热辐射干扰导致的缺陷检测难题,提升红外热成像检测技术在电力设备应用的适用性,提高国网输电线路及电力设备的运维修检效率。
作为优选,所述步骤S1包括如下步骤:
S11:利用所述偏振相机采集3幅以上不同偏振角度的偏振强度图像,得的多通道偏振图像;
S12:根据所述步骤S11所得的多通道偏振图像,通过求解线性方程组获得斯托克斯参量图像,其中,所述线性方程组包括:
代表偏振角度为θj的偏振图像在像素点(u,v)处的强度值,S0(u,v)、S1(u,v)和S2(u,v)为像素点(u,v)对应的斯托克斯参量,为此线性方程组的未知量;
S13:利用所述步骤S12所得的斯托克斯参量图像,求解得到所述偏振特征参量图像;
其中,
获取所述偏振度图像的计算公式包括:
ρ(u,v)为像素点(u,v)对应的偏振度;
获取所述偏振方位角图像的计算公式包括:
为像素点(u,v)对应的偏振方位角;
获取所述非偏振强度图像的计算公式包括:
Iun(u,v)为像素点(u,v)对应的非偏振强度;
获取所述最大偏振强度图像的计算公式包括:
Imax(u,v)为像素点(u,v)对应的最大偏振强度;
获取所述最小偏振强度图像的计算公式包括:
Imin(u,v)为像素点(u,v)对应的最小偏振强度;
进而获得偏振特征参量图像,为后续的图像处理提供依据。
作为优选,所述步骤S2包括如下步骤:
S21:采用双边滤波算法消除所述步骤S13所得的非偏振强度图像的噪声并保留图像边缘,得到双边滤波后的非偏振强度图像;
S22:使用Ostu最大类间方差法对所述步骤S21所得的双边滤波后的非偏振强度图像实现背景区域和目标区域的自适应阈值分割,得到双边滤波后的非偏振强度图像的二值化图像;
S23:去除所述步骤S22所得的双边滤波后的非偏振强度图像的二值化图像中连通面积小于阈值Tn的连通区域,得到去除小连通域后的非偏振强度图像的二值化图像;
S24:采用逻辑非运算的方式,对所述步骤S23所得的去除小连通域后的非偏振强度图像的二值化图像进行灰度变换,进而获得所述初背景区域图像,同时将所述初背景区域图像中逻辑值为1的区域作为初背景区域;
这样,通过双边滤波算法消除非偏振强度图像的噪声并保留图像边缘,使用Ostu最大类间方差法实现背景区域和目标区域的自适应阈值分割,剔除面积小于Tn的连通域后,将逻辑值为1的区域为初背景区域,顺理成章的得到了初背景区域图像,为执行步骤S3提供了依据。
作为优选,所述步骤S3包括如下步骤:
S31:获取所述步骤S24所得的初背景区域图像中逻辑值为1的所有像素点的位置索引,由该位置索引提取所述步骤S13所得的偏振度图像中对应的像素点的偏振度,将这些像素点的偏振度通过排列构成初背景区域像素偏振度数值序列;
S32:去除所述步骤S31所得的初背景区域像素偏振度数值序列中偏振度数值大小位于前K%的所有偏振度数值,以保证计算序列统计特征参量的稳定性,得到新的初背景区域像素偏振度数值序列;
S33:计算所述步骤S32所得的新的初背景区域像素偏振度数值序列的序列统计特征参量,其中,所述序列统计特征参量包括平均值和标准差σ;
S34:对所述步骤S13所得的偏振度图像进行二值化处理,提取偏振度数值不属于区间的像素点,得到偏振度图像的二值化图像;
S35:使用泛洪算法对所述步骤S34所得的偏振度图像的二值化图像进行孔洞填充,得到填充的偏振度图像的二值化图像;
S36:将所述步骤S23所得的去除小连通域后的非偏振强度图像的二值化图像与所述步骤S35所得的填充的偏振度图像的二值化图像的逻辑与运算结果作为终前景图像,将所述终前景图像的逻辑非运算结果作为终背景图像;
由于非偏振强度图像的目标和背景对比度较弱,因此非偏振强度图像的二值化图像划分的目标区域中仍包含着部分背景区域,填充的偏振度图像的二值化图像由于泛洪算法难以实现目标区域中的封闭小区域填充,其部分主体区域被归为背景区域,而基于非偏振强度图像的二值化图像和填充的偏振度图像的二值化图像逻辑运算得到的终前景图像继承了两者的优点,规避了它们的缺点,较好实现目标区域和背景区域的分割。
作为优选,所述步骤S4包括如下步骤:
S41:根据菲涅尔反射定律和基尔霍夫热辐射定律,建立目标物质的自发热辐射偏振度按观测角的分布模型和目标物质的反射热辐射偏振度按观测角的分布模型;
其中,所述目标物质的自发热辐射偏振度按观测角的分布模型表述如下:
对于复折射率为n=n0+ik0的目标物质,其偏振发射率为:
zp、zs为过程参量,而且
a=Re(n2)=n0 2+k0 2,
b=Im(n2)=2n0k0,
目标物质的自发热辐射偏振度按观测角的分布表述为:
所述目标物质的反射热辐射偏振度按观测角的分布模型表述如下:
对于复折射率为n=n0+ik0的目标物质,其偏振反射率为:
Rp(θ,n)=1-εp(θ,n),
Rs(θ,n)=1-εs(θ,n),
式中εp(θ,n)、εs(θ,n)为所述偏振发射率,目标物质的反射热辐射偏振度按观测角的分布为:
S42:基于探测器中像元的信号接收特点,建立目标物质的自发热辐射强度和反射热辐射强度之比按观测角的分布模型;
其中,所述目标物质的自发热辐射强度和反射热辐射强度之比按观测角的分布模型表述如下:
所述目标物质的自发热辐射强度和反射热辐射强度之比按观测角的分布为:
式中的IE(θ,n)为目标物质的自发热辐射强度,IR(θ,n)为目标物质的反射热辐射强度;ε为发射率,ρ为反射率,下标target代表目标,source代表环境热源;Eb(T)为温度为T时的黑体辐射强度,其计算公式如下;
式中的λ1为积分波段的下限,λ2为积分波段的上限,λ1~λ2为所用探测器响应波段的范围;c1为第一辐射常数,c2为第二辐射常数;
S43:将所述目标物质的自发热辐射偏振度按观测角的分布模型、所述目标物质的反射热辐射偏振度按观测角的分布模型,以及所述目标物质的自发热辐射强度和反射热辐射强度之比按观测角的分布模型进行联立,获得所述目标物质的自发热辐射和反射热辐射耦合的偏振度按观测角的分布模型:
其中,所述目标物质的自发热辐射和反射热辐射耦合的偏振度按观测角的分布模型表述如下:
S44;根据所述目标物质的自发热辐射和反射热辐射耦合的偏振度按观测角的分布模型,结合所述步骤S13所得的偏振度图像,获得目标区域观测角图像;
从而,由步骤S1计算得到的偏振度图像,可以解算出每一个像素点的观测角,获得目标区域观测角图像。
作为优选,所述步骤S6包括如下步骤:
S61:建立所述目标物质的自发热辐射和反射热辐射解耦分离模型,其中,所述目标物质的自发热辐射和反射热辐射解耦分离模型表述如下:
式中,IE(u,v)代表像素点(u,v)所对应的自发热辐射,IR(u,v)代表像素点(u,v)所对应的反射热辐射,和/>分别代表像素点(u,v)所对应的自发热辐射的最大偏振强度和最小偏振强度,/>和/>分别代表像素点(u,v)所对应的反射热辐射的最大偏振强度和最小偏振强度;
S62:将所述步骤1.3所得的最大偏振强度图像中每一个像素点的最大偏振强度Imax和最小偏振强度Imin,以及所述步骤S5所得的目标自发热辐射偏振度图像中每一个像素点的自发热辐射偏振度ρE和反射热辐射偏振度图像中每一个像素点的反射热辐射偏振度ρR代入所述目标物质的自发热辐射和反射热辐射解耦分离模型,从而分别求解得到每一个像素点所对应的自发热辐射IE和反射热辐射IR,获得自发热辐射图像和反射热辐射图像,实现对反射热辐射的抑制。
作为优选,所述步骤S7包括如下步骤:
S71:基于所述步骤S44获得的目标区域观测角图像,通过计算该图像中每一个像素点所对应的自发热辐射偏振方位角获得自发热辐射偏振方位角图像,通过计算该图像中每一个像素点所对应的反射热辐射偏振方位角获得反射热辐射偏振方位角图像;
其中,计算自发热辐射偏振方位角所采用的公式包括:
式中,代表自发热辐射偏振方位角;
计算反射热辐射偏振方位角所采用的公式包括:
式中,代表反射热辐射偏振方位角;
S72:采用图像相似性指标评价所述自发热辐射偏振方位角图像和所述反射热辐射偏振方位角图像的相似性,以判断所述自发热辐射偏振方位角图像和所述反射热辐射偏振方位角图像的接近程度,进而获得所述目标物质的自发热辐射和反射热辐射解耦分离模型的自洽性评估结果;
这样实现了模型对于特定图像处理的拟合程度的评估。
本发明提供的一种基于偏振成像的红外热辐射干扰抑制系统,其技术方案如下:
一种基于偏振成像的红外热辐射干扰抑制系统,基于本发明技术方案所述的基于偏振成像的红外热辐射干扰抑制方法,包括建立通信关系的:
偏振相机,用于采集目标场景多通道偏振图像;
偏振特征参量图像提取模块,用于获取偏振特征参量图像;
图像分割模块,用于得到标记背景区域的终背景图像;
反射热辐射抑制模块,用于获得自发热辐射图像和反射热辐射图像,实现自发热辐射和反射热辐射的解耦分离;
模型评估模块,用于评估所述反射热辐射抑制模块对于图像处理的自洽性;
其中,
所述偏振特征参量图像包括偏振度图像、偏振方位角图像、非偏振强度图像、最大偏振强度图像和最小偏振强度图像。
采用上述技术方案,与现有技术相比,本发明所提供的技术方案至少可以带来的有益效果有:基于上述方法,通过图像分割模块实现剔除离群像素点得到终背景区域,从而克服复杂光源环境下的背景辐射干扰;通过反射热辐射抑制模块实现从耦合热辐射强度中提取得到自发热辐射分量,从而克服复杂光源环境下的反射热辐射干扰,此外还提供了模型评估模块,以评估所述反射热辐射抑制模块对于图像处理的自洽性。本系统基于偏振成像技术有效地实现了图像分割及反射热辐射抑制,从而克服红外热成像检测过程中存在的背景辐射和反射辐射干扰难题。
作为优选,所述图像分割模块包括:
初背景区域提取单元,用于提取初背景区域,获取初背景区域图像;
终背景图像形成单元,用于得到所述终背景图像;
其中,
所述偏振特征参量图像提取模块与所述初背景区域提取单元通信,所述初背景区域提取单元与所述终背景图像形成单元通信;
进而,通过初背景区域提取单元提取初背景区域,以此为依据,通过终背景图像形成单元最终得到所述终背景图像。
作为优选,所述反射热辐射抑制模块包括建立通信关系的:
观测角信息提取单元,用于获取目标区域观测角图像;
目标自发热辐射偏振度信息提取单元,用于获取目标自发热辐射偏振度图像;
反射热辐射偏振度信息提取单元,用于获取反射热辐射偏振度图像;
模型构建与存储单元,用于构建目标物质的自发热辐射和反射热辐射解耦分离模型,且对该模型进行存储;
计算单元,用于获取获得自发热辐射图像和反射热辐射图像;
其中,
所述终背景图像形成单元与所述观测角信息提取单元通信,所述计算单元与所述模型评估模块通信;
从而实现目标自发热辐射和反射热辐射的解耦分离,实现反射热辐射的抑制。
附图说明
图1是本发明的基于偏振成像的红外热辐射干扰抑制方法的算法流程图;
图2是本发明的基于偏振信息的图像分割方法的算法流程图;
图3是本发明的基于偏振信息的反射热辐射抑制方法的算法流程图;
图4是本发明实施例一的面向架空输电线路绝缘子的实验场景图;
图5是本发明实施例一的原始偏振图像、非偏振强度图像、偏振度图像和偏振方位角图像;
图6是本发明实施例一的目标场景的非偏振强度图像的二值化图像、填充的偏振度图像的二值化图像和终前景图像;
图7是本发明实施例一的反射和发射偏振特性按观测角的分布模型;
图8是本发明实施例一的自发热辐射和反射热辐射强度之比按观测角的分布模型;
图9是本发明实施例一的目标区域观测角图像、自发热辐射偏振度图像和反射热辐射偏振度图像;
图10是本发明实施例一的非偏振强度图像、偏振差分图像和自发热辐射强度图像;
图11是本发明实施例一的自发热辐射偏振方位角图像和反射热辐射偏振方位角图像;
图12为本发明实施例二的一种基于偏振成像的红外热辐射干扰抑制系统结构示意图。
具体实施方式
下面将结合本发明中的附图,采用三个发明实施例,对本发明的技术方案进行清楚、完整地描述。
发明实施例一
本发明实施例提供的一种基于偏振成像的红外热辐射干扰抑制方法,包括如下步骤:
S1:使用偏振相机采集目标场景多通道偏振图像,并通过计算获得偏振特征参量图像,其中,偏振特征参量图像包括偏振度图像、偏振方位角图像、非偏振强度图像、最大偏振强度图像和最小偏振强度图像。
具体的,步骤S1包括如下步骤:
S11:利用偏振相机采集3幅以上不同偏振角度的偏振强度图像,得的多通道偏振图像;
S12:根据步骤S11所得的多通道偏振图像,通过求解线性方程组获得斯托克斯参量图像,其中,线性方程组包括:
代表偏振角度为θj的偏振图像在像素点(u,v)处的强度值,S0(u,v)、S1(u,v)和S2(u,v)为像素点(u,v)对应的斯托克斯参量,为此线性方程组的未知量;
S13:利用步骤S12所得的斯托克斯参量图像,求解得到偏振特征参量图像;
其中,
获取偏振度图像的计算公式包括:
ρ(u,v)为像素点(u,v)对应的偏振度;
获取偏振方位角图像的计算公式包括:
为像素点(u,v)对应的偏振方位角;
获取非偏振强度图像的计算公式包括:
Iun(u,v)为像素点(u,v)对应的非偏振强度;
获取最大偏振强度图像的计算公式包括:
Imax(u,v)为像素点(u,v)对应的最大偏振强度;
获取最小偏振强度图像的计算公式包括:
Imin(u,v)为像素点(u,v)对应的最小偏振强度。
本发明实施例的红外热成像的检测对象为架空输电线路复合绝缘子,其绝缘件由高温硫化硅橡胶伞裙和玻璃纤维树脂芯棒组成;采用的传感器为北方广微GWPL0318X2A偏振探测器,具有0°、45°、90°、135°共4个偏振成像通道,噪声等效温差(NETK)小于等于40mK,分辨率为640×512;实验天气状况为晴天多云;绝缘子红外热成像主要受地面辐射和大气辐射影响;实施例实验场景如图4所示。
本发明实施例的原始偏振图像、非偏振强度图像、偏振度图像和偏振方位角图像如图5所示,可以看出:非偏振强度图像和偏振度图像由于受背景辐射和反射辐射干扰,绝缘子目标区域与背景区域的图像对比度较低,不易观测到异常热点;而偏振度图像和偏振方位角图像中绝缘子边缘轮廓清晰,目标区域和背景区域划分明显,为基于偏振信息的场景图像分割奠定基础。
S2:通过算法程序对非偏振强度图像进行边缘保留式的噪声消除,而后对该图像进行背景区域和目标区域的自适应阈值分割处理,通过逻辑非运算的灰度变换方式,获得初背景区域图像,并将初背景区域图像中逻辑值为1的区域作为初背景区域。
具体的,步骤S2包括如下步骤:
S21:采用双边滤波算法消除步骤S13所得的非偏振强度图像的噪声并保留图像边缘,得到双边滤波后的非偏振强度图像;
S22:使用Ostu最大类间方差法对步骤S21所得的双边滤波后的非偏振强度图像实现背景区域和目标区域的自适应阈值分割,得到双边滤波后的非偏振强度图像的二值化图像;
S23:去除步骤S22所得的双边滤波后的非偏振强度图像的二值化图像中连通面积小于阈值Tn的连通区域,得到去除小连通域后的非偏振强度图像的二值化图像;
S24:采用逻辑非运算的方式,对步骤S23所得的去除小连通域后的非偏振强度图像的二值化图像进行灰度变换,进而获得初背景区域图像,同时将该初背景区域图像中逻辑值为1的区域作为初背景区域。
本实施例中,阈值Tn设置为1000。
S3:基于初背景区域,在偏振度图像中提取初背景区域像素偏振度数值序列,并得到该序列的序列统计特征参量,根据该序列的序列统计特征参量对偏振度图像进行二值化处理,而后通过与初背景图像做逻辑运算的方式得到终背景图像。
具体的,步骤S3包括如下步骤:
S31:获取步骤S24所得的初背景区域图像中逻辑值为1的所有像素点的位置索引,由该位置索引提取步骤S13所得的偏振度图像中对应的像素点的偏振度,将这些像素点的偏振度通过排列构成初背景区域像素偏振度数值序列;
S32:去除步骤S31所得的初背景区域像素偏振度数值序列中偏振度数值大小位于前K%的所有偏振度数值,以保证计算序列统计特征参量的稳定性,得到新的初背景区域像素偏振度数值序列;
S33:计算步骤S32所得的新的初背景区域像素偏振度数值序列的序列统计特征参量,其中,序列统计特征参量包括平均值和标准差σ;
S34:对步骤S13所得的偏振度图像进行二值化处理,提取偏振度数值不属于区间的像素点,得到偏振度图像的二值化图像;
S35:使用泛洪算法对步骤S34所得的偏振度图像的二值化图像进行孔洞填充,得到填充的偏振度图像的二值化图像;
S36:将步骤S23所得的去除小连通域后的非偏振强度图像的二值化图像与步骤S35所得的填充的偏振度图像的二值化图像的逻辑与运算结果作为终前景图像,将终前景图像的逻辑非运算结果作为终背景图像。
本实施例中的K%取值为20%。本发明实施例的目标场景的非偏振强度图像的二值化图像、填充的偏振度图像的二值化图像和终前景图像如图6所示,由于非偏振强度图像的目标和背景对比度较弱,因此非偏振强度图像的二值化图像划分的目标区域中仍包含着部分背景区域,填充的偏振度图像的二值化图像由于泛洪算法难以实现目标区域中的封闭小区域填充,其部分主体区域被归为背景区域,而基于非偏振强度图像的二值化图像和填充的偏振度图像的二值化图像逻辑运算得到的终前景图像继承了两者的优点,规避了它们的缺点,较好实现目标区域和背景区域的分割。
S4:建立目标物质的自发热辐射和反射热辐射耦合的偏振度按观测角的分布模型,并结合所述偏振度图像解算出目标区域观测角图像。
具体的,步骤S4包括如下步骤:
S41:根据菲涅尔反射定律和基尔霍夫热辐射定律,建立目标物质的自发热辐射偏振度按观测角的分布模型和目标物质的反射热辐射偏振度按观测角的分布模型;
考虑平行和垂直于入射面的辐射分量,根据菲涅尔反射定律和基尔霍夫热辐射定律可得(参阅Optical Engineering and Remote Sensing.SPIE,1993,1971:68-77),对于复折射率为n=n0+ik0的目标物质,其偏振发射率为:
zp、zs为过程参量,而且
a=Re(n2)=n0 2+k0 2,
b=Im(n2)=2n0k0,
目标物质的自发热辐射偏振度按观测角的分布表述为:
与此同时,对于复折射率为n=n0+ik0的目标物质,其偏振反射率为:
Rp(θ,n)=1-εp(θ,n),
Rs(θ,n)=1-εs(θ,n),
式中εp(θ,n)、εs(θ,n)为所述偏振发射率,而目标物质的反射热辐射偏振度按观测角的分布为:
S42:基于探测器中像元的信号接收特点,建立目标物质的自发热辐射强度和反射热辐射强度之比按观测角的分布模型;
探测器某像元接收到的目标物质的自发热辐射信号正比于目标物质的发射率及其黑体辐射强度之积,反射热辐射强度正比于环境热源发射率、其黑体辐射强度及目标反射率之积。因而,目标物质的自发热辐射强度和反射热辐射强度之比按观测角的分布为:
式中的IE(θ,n)为目标物质的自发热辐射强度,IR(θ,n)为目标物质的反射热辐射强度;ε为发射率,ρ为反射率,下标target代表目标,source代表环境热源;Eb(T)为温度为T时的黑体辐射强度,其计算公式如下;
式中的λ1为积分波段的下限,λ2为积分波段的上限,λ1~λ2为所用探测器响应波段的范围;c1为第一辐射常数,等于3.742×10-16W·m2;c2为第二辐射常数,等于1.439×10- 16W·K;
S43:将目标物质的自发热辐射偏振度按观测角的分布模型、目标物质的反射热辐射偏振度按观测角的分布模型,以及目标物质的自发热辐射强度和反射热辐射强度之比按观测角的分布模型进行联立,获得目标物质的自发热辐射和反射热辐射耦合的偏振度按观测角的分布模型:
其中,目标物质的自发热辐射和反射热辐射耦合的偏振度按观测角的分布模型表述如下:
S44;根据目标物质的自发热辐射和反射热辐射耦合的偏振度按观测角的分布模型,结合步骤S13所得的偏振度图像,获得目标区域观测角图像;
具体的,对于偏振度图像中像素点(u,v),令
ρ(θ,n)=ρ(u,v),
取复合绝缘子在8~14μm的平均复折射率n为1.4+0.32i,进而可反解出相应像素点对应的观测角。
根据平均复折射率n的数值,按步骤S41可得实施例的反射和发射偏振特性按观测角的分布模型,如图7所示,可见反射热辐射分量主要以垂直偏振为主,因此利用偏振片消除垂直偏振分量即可有效削弱反射热辐射分量;此外,反射热辐射具有较高的偏振度,自发热辐射偏振度较低,为从偏振维度实现两者的解耦分离提供了依据。
在本发明实施例中,取探测器响应波段为8~14μm,绝缘子表面温度为60℃,地表温度为40℃,认为多云天气下地面热辐射是绝缘子表面反射热辐射的主要部分,根据《DL/T664-2016带电设备红外诊断应用规范》,混凝土地面辐射率近似值为0.94,按步骤4.2可得实施例的自发热辐射和反射热辐射强度之比按观测角的分布模型,如图8所示,可见在0~70°的观测角范围内,自发热辐射强度是反射热辐射强度的至少10倍以上。
S5:基于目标区域观测角图像,分别得到目标自发热辐射偏振度图像和反射热辐射偏振度图像;
具体的,根据步骤S44所得的目标区域观测角图像,根据不收S41建立的目标物质的自发热辐射偏振度按观测角的分布模型,可得目标区域观测角图像中每一个像素点对应的自发热辐射偏振度,进而得到目标自发热辐射偏振度图像。与此同时,根据目标物质的反射热辐射偏振度按观测角的分布模型,可得目标区域观测角图像中每一个像素点对应的反射热辐射偏振度,进而得到反射热辐射偏振度图像。
S6:建立目标物质的自发热辐射和反射热辐射解耦分离模型,并利用步骤S1得到的最大偏振强度图像和最小偏振强度图像的信息,以及步骤S5得到的目标自发热辐射偏振度图像和反射热辐射偏振度图像的信息,获得自发热辐射图像和反射热辐射图像,实现目标自发热辐射和反射热辐射的解耦分离;
具体的,步骤S6包括如下步骤:
S61:建立目标物质的自发热辐射和反射热辐射解耦分离模型;
具体的,在构建模型时,假设目标物质的自发热辐射和反射热辐射具有一致的偏振方向,则有:
根据偏振度的定义,有:
进而得到,目标物质的自发热辐射和反射热辐射解耦分离模型表述如下:
上述各式中,IE(u,v)代表像素点(u,v)所对应的自发热辐射,IR(u,v)代表像素点(u,v)所对应的反射热辐射,和/>分别代表像素点(u,v)所对应的自发热辐射的最大偏振强度和最小偏振强度,/>和/>分别代表像素点(u,v)所对应的反射热辐射的最大偏振强度和最小偏振强度;
S62:将所述步骤1.3所得的最大偏振强度图像中每一个像素点的最大偏振强度Imax和最小偏振强度Imin,以及所述步骤S5所得的目标自发热辐射偏振度图像中每一个像素点的自发热辐射偏振度ρE和反射热辐射偏振度图像中每一个像素点的反射热辐射偏振度ρR代入所述目标物质的自发热辐射和反射热辐射解耦分离模型,从而分别求解得到每一个像素点所对应的自发热辐射IE和反射热辐射IR,获得自发热辐射图像和反射热辐射图像,实现对反射热辐射的抑制。
本发明实施例的非偏振强度图像、偏振差分图像和自发热辐射图像如图10所示,可见非偏振强度图像由于较强的背景辐射,难以对目标区域的发热状况进行有效观测,而偏振差分图像虽然增强了绝缘子轮廓表征,但仍难以判断绝缘子的主体区域发热情况,只有经本发明实施例所提出的算法流程处理后的自发热辐射强度图像,既实现目标区域和背景区域的划分,又较好地保留了绝缘子主体区域的真实发热情况。
S7:对目标物质的自发热辐射和反射热辐射解耦分离模型的自洽性进行评估。
具体为验证步骤S61中所假设的目标物质的自发热辐射和反射热辐射具有一致的偏振方向,步骤S7包括如下步骤:
S71:基于步骤S44获得的目标区域观测角图像,通过计算该图像中每一个像素点所对应的自发热辐射偏振方位角获得自发热辐射偏振方位角图像,通过计算该图像中每一个像素点所对应的反射热辐射偏振方位角获得反射热辐射偏振方位角图像;
其中,计算自发热辐射偏振方位角所采用的公式包括:
式中,代表自发热辐射偏振方位角;
计算反射热辐射偏振方位角所采用的公式包括:
式中,代表反射热辐射偏振方位角;
S72:采用图像相似性指标评价自发热辐射偏振方位角图像和反射热辐射偏振方位角图像的相似性,以判断自发热辐射偏振方位角图像和反射热辐射偏振方位角图像的接近程度,进而获得目标物质的自发热辐射和反射热辐射解耦分离模型的自洽性评估结果。
图像相似性指标评价可通过图像均方误差MSE、结构相似性指数SSIM、峰值信噪比PSNR、图像互信息MI、感知哈希pHash等进行,本发明实施例的自发热辐射偏振方位角图像和反射热辐射偏振方位角图像如图11所示,可见自发热辐射偏振方位角在整幅图像中具有较好的一致性,与绝缘子表面轮廓特征关系不大,而反射热辐射偏振方位角在绝缘子主体区域一致性也较好,但在边缘轮廓处会产生较大的偏振方位角数值,从而偏离模型假设。
为了定量评价自发热辐射偏振方位角图像和反射热辐射偏振方位角图像的相似性,采用图像均方误差MSE、结构相似性指数SSIM、峰值信噪比PSNR、图像互信息MI进行评价,评价结果如表1所示,其中计算值是以自发热辐射偏振方位角图像作为代比较图像,反射热辐射偏振方位角图像作为参考图像计算得到,理想值是以自发热辐射偏振方位角图像作为待比较图像,自发热辐射偏振方位角图像作为参考图像计算得到,评价结果表明自发热辐射偏振方位角图像和反射热辐射偏振方位角图像具有较好的相似性。
表1自发热辐射和反射热辐射偏振方位角图像相似性评价
MSE | SSIM | PSNR | MI | |
计算值 | 0.0418 | 0.9290 | 19.3101 | 1.0475 |
理想值 | 0 | 1 | inf | 1.0582 |
偏差 | nan | 7.1% | nan | 1.0% |
综上所述,本发明提出的方法基于偏振成像技术有效地实现了图像分割及反射热辐射抑制,从而克服红外热成像检测过程中存在的背景辐射和反射辐射干扰难题。
发明实施例二
为了满足偏振成像的红外热辐射干扰抑制项目的自动化需求,本发明实施例进一步提供一种基于偏振成像的红外热辐射干扰抑制系统,该系统基于本发明实施例一所提供的基于偏振成像的红外热辐射干扰抑制方法,包括依次建立通信关系的:
偏振相机,用于采集目标场景多通道偏振图像;
偏振特征参量图像提取模块,用于获取偏振特征参量图像;
图像分割模块,用于得到标记背景区域的终背景图像;
反射热辐射抑制模块,用于获得自发热辐射图像和反射热辐射图像,实现自发热辐射和反射热辐射的解耦分离;
模型评估模块,用于评估反射热辐射抑制模块对于图像处理的自洽性;
其中,
偏振特征参量图像包括偏振度图像、偏振方位角图像、非偏振强度图像、最大偏振强度图像和最小偏振强度图像。
本发明实施例中的图像分割模块包括:
初背景区域提取单元,用于提取初背景区域,获取初背景区域图像;
终背景图像形成单元,用于得到所述终背景图像;
其中,
偏振特征参量图像提取模块与初背景区域提取单元通信,初背景区域提取单元与终背景图像形成单元通信。
本发明实施例的反射热辐射抑制模块包括依次建立通信关系的:
观测角信息提取单元,用于获取目标区域观测角图像;
目标自发热辐射偏振度信息提取单元,用于获取目标自发热辐射偏振度图像;
反射热辐射偏振度信息提取单元,用于获取反射热辐射偏振度图像;
模型构建与存储单元,用于构建目标物质的自发热辐射和反射热辐射解耦分离模型,且对该模型进行存储;
计算单元,用于获取获得自发热辐射图像和反射热辐射图像;
其中,
终背景图像形成单元与观测角信息提取单元通信,计算单元与模型评估模块通信。
本发明实施例的一种基于偏振成像的红外热辐射干扰抑制系统,其内部构建与实施例中的方法相对应,基于偏振成像技术有效地实现了图像分割及反射热辐射抑制,从而克服红外热成像检测过程中存在的背景辐射和反射辐射干扰难题。
发明实施例三
本发明实施例进一步提供一种电子设备,该设备包括处理器和存储器,存储器存储有可执行指令,处理器执行存储器存储的可执行指令,使得该电子设备执行本发明实施例一所提供的一种基于偏振成像的红外热辐射干扰抑制方法。
与此同时,本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被计算机执行时使得计算机实现本发明实施例一所提供的一种基于偏振成像的红外热辐射干扰抑制方法。
尽管已经示出和描述了本发明的三个实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对本实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种基于偏振成像的红外热辐射干扰抑制方法,其特征在于:包括如下步骤:
S1:使用偏振相机采集目标场景多通道偏振图像,并通过计算获得偏振特征参量图像,其中,所述偏振特征参量图像包括偏振度图像、偏振方位角图像、非偏振强度图像、最大偏振强度图像和最小偏振强度图像;
S2:通过算法程序对所述非偏振强度图像进行边缘保留式的噪声消除,而后对该图像进行背景区域和目标区域的自适应阈值分割处理,通过逻辑非运算的灰度变换方式,获得初背景区域图像,并将所述初背景区域图像中逻辑值为1的区域作为初背景区域;
S3:基于所述初背景区域,在所述偏振度图像中提取初背景区域像素偏振度数值序列,并得到该序列的序列统计特征参量,根据该序列的序列统计特征参量对所述偏振度图像进行二值化处理,而后通过与所述初背景图像做逻辑运算的方式得到终背景图像;
S4:建立目标物质的自发热辐射和反射热辐射耦合的偏振度按观测角的分布模型,并结合所述偏振度图像解算出目标区域观测角图像;
S5:基于所述目标区域观测角图像,分别得到目标自发热辐射偏振度图像和反射热辐射偏振度图像;
S6:建立目标物质的自发热辐射和反射热辐射解耦分离模型,并利用所述步骤S1得到的最大偏振强度图像和最小偏振强度图像的信息,以及所述步骤S5得到的目标自发热辐射偏振度图像和反射热辐射偏振度图像的信息,获得自发热辐射图像和反射热辐射图像,实现目标自发热辐射和反射热辐射的解耦分离;
S7:对所述目标物质的自发热辐射和反射热辐射解耦分离模型的自洽性进行评估。
2.根据权利要求1所述的基于偏振成像的红外热辐射干扰抑制方法,其特征在于:所述步骤S1包括如下步骤:
S11:利用所述偏振相机采集3幅以上不同偏振角度的偏振强度图像,得的多通道偏振图像;
S12:根据所述步骤S11所得的多通道偏振图像,通过求解线性方程组获得斯托克斯参量图像,其中,所述线性方程组包括:
代表偏振角度为θj的偏振图像在像素点(u,v)处的强度值,S0(u,v)、S1(u,v)和S2(u,v)为像素点(u,v)对应的斯托克斯参量,为此线性方程组的未知量;
S13:利用所述步骤S12所得的斯托克斯参量图像,求解得到所述偏振特征参量图像;
其中,
获取所述偏振度图像的计算公式包括:
ρ(u,v)为像素点(u,v)对应的偏振度;
获取所述偏振方位角图像的计算公式包括:
为像素点(u,v)对应的偏振方位角;
获取所述非偏振强度图像的计算公式包括:
Iun(u,v)为像素点(u,v)对应的非偏振强度;
获取所述最大偏振强度图像的计算公式包括:
Imax(u,v)为像素点(u,v)对应的最大偏振强度;
获取所述最小偏振强度图像的计算公式包括:
Imin(u,v)为像素点(u,v)对应的最小偏振强度。
3.根据权利要求2所述的基于偏振成像的红外热辐射干扰抑制方法,其特征在于:所述步骤S2包括如下步骤:
S21:采用双边滤波算法消除所述步骤S13所得的非偏振强度图像的噪声并保留图像边缘,得到双边滤波后的非偏振强度图像;
S22:使用Ostu最大类间方差法对所述步骤S21所得的双边滤波后的非偏振强度图像实现背景区域和目标区域的自适应阈值分割,得到双边滤波后的非偏振强度图像的二值化图像;
S23:去除所述步骤S22所得的双边滤波后的非偏振强度图像的二值化图像中连通面积小于阈值Tn的连通区域,得到去除小连通域后的非偏振强度图像的二值化图像;
S24:采用逻辑非运算的方式,对所述步骤S23所得的去除小连通域后的非偏振强度图像的二值化图像进行灰度变换,进而获得所述初背景区域图像,同时将所述初背景区域图像中逻辑值为1的区域作为初背景区域。
4.根据权利要求3所述的基于偏振成像的红外热辐射干扰抑制方法,其特征在于:所述步骤S3包括如下步骤:
S31:获取所述步骤S24所得的初背景区域图像中逻辑值为1的所有像素点的位置索引,由该位置索引提取所述步骤S13所得的偏振度图像中对应的像素点的偏振度,将这些像素点的偏振度通过排列构成初背景区域像素偏振度数值序列;
S32:去除所述步骤S31所得的初背景区域像素偏振度数值序列中偏振度数值大小位于前K%的所有偏振度数值,以保证计算序列统计特征参量的稳定性,得到新的初背景区域像素偏振度数值序列;
S33:计算所述步骤S32所得的新的初背景区域像素偏振度数值序列的序列统计特征参量,其中,所述序列统计特征参量包括平均值和标准差σ;
S34:对所述步骤S13所得的偏振度图像进行二值化处理,提取偏振度数值不属于区间的像素点,得到偏振度图像的二值化图像;
S35:使用泛洪算法对所述步骤S34所得的偏振度图像的二值化图像进行孔洞填充,得到填充的偏振度图像的二值化图像;
S36:将所述步骤S23所得的去除小连通域后的非偏振强度图像的二值化图像与所述步骤S35所得的填充的偏振度图像的二值化图像的逻辑与运算结果作为终前景图像,将所述终前景图像的逻辑非运算结果作为终背景图像。
5.根据权利要求4所述的基于偏振成像的红外热辐射干扰抑制方法,其特征在于:所述步骤S4包括如下步骤:
S41:根据菲涅尔反射定律和基尔霍夫热辐射定律,建立目标物质的自发热辐射偏振度按观测角的分布模型和目标物质的反射热辐射偏振度按观测角的分布模型;
其中,所述目标物质的自发热辐射偏振度按观测角的分布模型表述如下:
对于复折射率为n=n0+ik0的目标物质,其偏振发射率为:
zp、zs为过程参量,而且
a=Re(n2)=n0 2+k0 2,
b=Im(n2)=2n0k0,
目标物质的自发热辐射偏振度按观测角的分布表述为:
所述目标物质的反射热辐射偏振度按观测角的分布模型表述如下:
对于复折射率为n=n0+ik0的目标物质,其偏振反射率为:
Rp(θ,n)=1-εp(θ,n),
Rs(θ,n)=1-εs(θ,n),
式中εp(θ,n)、εs(θ,n)为所述偏振发射率,目标物质的反射热辐射偏振度按观测角的分布为:
S42:基于探测器中像元的信号接收特点,建立目标物质的自发热辐射强度和反射热辐射强度之比按观测角的分布模型;
其中,所述目标物质的自发热辐射强度和反射热辐射强度之比按观测角的分布模型表述如下:
所述目标物质的自发热辐射强度和反射热辐射强度之比按观测角的分布为:
式中的IE(θ,n)为目标物质的自发热辐射强度,IR(θ,n)为目标物质的反射热辐射强度;ε为发射率,ρ为反射率,下标target代表目标,source代表环境热源;Eb(T)为温度为T时的黑体辐射强度,其计算公式如下;
式中的λ1为积分波段的下限,λ2为积分波段的上限,λ1~λ2为所用探测器响应波段的范围;c1为第一辐射常数,c2为第二辐射常数;
S43:将所述目标物质的自发热辐射偏振度按观测角的分布模型、所述目标物质的反射热辐射偏振度按观测角的分布模型,以及所述目标物质的自发热辐射强度和反射热辐射强度之比按观测角的分布模型进行联立,获得所述目标物质的自发热辐射和反射热辐射耦合的偏振度按观测角的分布模型:
其中,所述目标物质的自发热辐射和反射热辐射耦合的偏振度按观测角的分布模型表述如下:
S44;根据所述目标物质的自发热辐射和反射热辐射耦合的偏振度按观测角的分布模型,结合所述步骤S13所得的偏振度图像,获得目标区域观测角图像。
6.根据权利要求5所述的基于偏振成像的红外热辐射干扰抑制方法,其特征在于:所述步骤S6包括如下步骤:
S61:建立所述目标物质的自发热辐射和反射热辐射解耦分离模型,其中,所述目标物质的自发热辐射和反射热辐射解耦分离模型表述如下:
式中,IE(u,v)代表像素点(u,v)所对应的自发热辐射,IR(u,v)代表像素点(u,v)所对应的反射热辐射,和/>分别代表像素点(u,v)所对应的自发热辐射的最大偏振强度和最小偏振强度,/>和/>分别代表像素点(u,v)所对应的反射热辐射的最大偏振强度和最小偏振强度;
S62:将所述步骤1.3所得的最大偏振强度图像中每一个像素点的最大偏振强度Imax和最小偏振强度Imin,以及所述步骤S5所得的目标自发热辐射偏振度图像中每一个像素点的自发热辐射偏振度ρE和反射热辐射偏振度图像中每一个像素点的反射热辐射偏振度ρR代入所述目标物质的自发热辐射和反射热辐射解耦分离模型,从而分别求解得到每一个像素点所对应的自发热辐射IE和反射热辐射IR,获得自发热辐射图像和反射热辐射图像,实现对反射热辐射的抑制。
7.根据权利要求6所述的基于偏振成像的红外热辐射干扰抑制方法,其特征在于:所述步骤S7包括如下步骤:
S71:基于所述步骤S44获得的目标区域观测角图像,通过计算该图像中每一个像素点所对应的自发热辐射偏振方位角获得自发热辐射偏振方位角图像,通过计算该图像中每一个像素点所对应的反射热辐射偏振方位角获得反射热辐射偏振方位角图像;
其中,计算自发热辐射偏振方位角所采用的公式包括:
式中,代表自发热辐射偏振方位角;
计算反射热辐射偏振方位角所采用的公式包括:
式中,代表反射热辐射偏振方位角;
S72:采用图像相似性指标评价所述自发热辐射偏振方位角图像和所述反射热辐射偏振方位角图像的相似性,以判断所述自发热辐射偏振方位角图像和所述反射热辐射偏振方位角图像的接近程度,进而获得所述目标物质的自发热辐射和反射热辐射解耦分离模型的自洽性评估结果。
8.一种基于偏振成像的红外热辐射干扰抑制系统,其特征在于:基于权利要求1-7中任意一项所述的基于偏振成像的红外热辐射干扰抑制方法,包括建立通信关系的:
偏振相机,用于采集目标场景多通道偏振图像;
偏振特征参量图像提取模块,用于获取偏振特征参量图像;
图像分割模块,用于得到标记背景区域的终背景图像;
反射热辐射抑制模块,用于获得自发热辐射图像和反射热辐射图像,实现自发热辐射和反射热辐射的解耦分离;
模型评估模块,用于评估所述反射热辐射抑制模块对于图像处理的自洽性;
其中,
所述偏振特征参量图像包括偏振度图像、偏振方位角图像、非偏振强度图像、最大偏振强度图像和最小偏振强度图像。
9.根据权利要求8所述的基于偏振成像的红外热辐射干扰抑制系统,其特征在于:所述图像分割模块包括:
初背景区域提取单元,用于提取初背景区域,获取初背景区域图像;
终背景图像形成单元,用于得到所述终背景图像;
其中,
所述偏振特征参量图像提取模块与所述初背景区域提取单元通信,所述初背景区域提取单元与所述终背景图像形成单元通信。
10.根据权利要求9所述的基于偏振成像的红外热辐射干扰抑制系统,其特征在于:所述反射热辐射抑制模块包括建立通信关系的:
观测角信息提取单元,用于获取目标区域观测角图像;
目标自发热辐射偏振度信息提取单元,用于获取目标自发热辐射偏振度图像;
反射热辐射偏振度信息提取单元,用于获取反射热辐射偏振度图像;
模型构建与存储单元,用于构建目标物质的自发热辐射和反射热辐射解耦分离模型,且对该模型进行存储;
计算单元,用于获取获得自发热辐射图像和反射热辐射图像;
其中,
所述终背景图像形成单元与所述观测角信息提取单元通信,所述计算单元与所述模型评估模块通信。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311511436.2A CN117765013A (zh) | 2023-11-14 | 2023-11-14 | 一种基于偏振成像的红外热辐射干扰抑制方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311511436.2A CN117765013A (zh) | 2023-11-14 | 2023-11-14 | 一种基于偏振成像的红外热辐射干扰抑制方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117765013A true CN117765013A (zh) | 2024-03-26 |
Family
ID=90311151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311511436.2A Pending CN117765013A (zh) | 2023-11-14 | 2023-11-14 | 一种基于偏振成像的红外热辐射干扰抑制方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117765013A (zh) |
-
2023
- 2023-11-14 CN CN202311511436.2A patent/CN117765013A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11810272B2 (en) | Image dehazing and restoration | |
CN101114023A (zh) | 一种基于模型的湖泊湿地泛洪遥感监测方法 | |
CN104331978A (zh) | 纸币褶皱的识别装置和方法 | |
CN110111290B (zh) | 一种基于nsct和结构张量的红外与可见光图像融合方法 | |
CN108230375A (zh) | 基于结构相似性快速鲁棒的可见光图像与sar图像配准方法 | |
Bandyopadhyay et al. | Classification and extraction of trees and buildings from urban scenes using discrete return LiDAR and aerial color imagery | |
CN111339948A (zh) | 一种高分辨率遥感影像新增建筑自动识别方法 | |
CN113591628A (zh) | 一种基于红外偏振的无人机检测方法及系统 | |
CN107743201A (zh) | 一种电力线廊道消费级数码相机快速拼图方法及装置 | |
CN113139730B (zh) | 一种基于数字孪生模型的电力设备状态评估方法及系统 | |
CN107977968B (zh) | 基于建筑物阴影信息挖掘的建筑物分层检测方法 | |
Erener et al. | A methodology for land use change detection of high resolution pan images based on texture analysis | |
CN112541478A (zh) | 一种基于双目摄像头的绝缘子串污损检测方法及系统 | |
CN117765013A (zh) | 一种基于偏振成像的红外热辐射干扰抑制方法和系统 | |
Ouattara et al. | A new image inpainting approach based on Criminisi algorithm | |
Bandyopadhyay et al. | On the fusion of lidar and aerial color imagery to detect urban vegetation and buildings | |
CN114858301A (zh) | 物体表面温度测量系统、测量方法、智能终端及存储介质 | |
Xiong et al. | Color rank and census transforms using perceptual color contrast | |
Li | Stereo matching using normalized cross-correlation in LogRGB space | |
Jöchl et al. | Device (in) dependence of deep learning-based image age approximation | |
CN113160104A (zh) | 一种基于密集连接网络的图像融合方法 | |
Li et al. | Haze density estimation and dark channel prior based image defogging | |
Luo et al. | The Infrared and Visible Light Image Fusion Based on the Non-subsample Shearlet Transform and Heat Source Concentration Ratio | |
Kedzierski et al. | Integration of point clouds and images acquired from a low-cost NIR camera sensor for cultural heritage purposes | |
Liu et al. | Local stereo matching based on the improved matching cost function and the adaptive window |
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 |