KR20170030049A - 열 이미지에서 로컬 콘트라스트를 향상시키는 방법 및 장치 - Google Patents
열 이미지에서 로컬 콘트라스트를 향상시키는 방법 및 장치 Download PDFInfo
- Publication number
- KR20170030049A KR20170030049A KR1020160113908A KR20160113908A KR20170030049A KR 20170030049 A KR20170030049 A KR 20170030049A KR 1020160113908 A KR1020160113908 A KR 1020160113908A KR 20160113908 A KR20160113908 A KR 20160113908A KR 20170030049 A KR20170030049 A KR 20170030049A
- Authority
- KR
- South Korea
- Prior art keywords
- thermal
- thermal image
- local contrast
- image data
- objects
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000002708 enhancing effect Effects 0.000 title abstract 3
- 238000009826 distribution Methods 0.000 claims abstract description 43
- 238000001931 thermography Methods 0.000 claims abstract description 38
- 230000006870 function Effects 0.000 claims description 58
- 230000005855 radiation Effects 0.000 description 21
- 238000001514 detection method Methods 0.000 description 9
- 230000036760 body temperature Effects 0.000 description 6
- 230000001965 increasing effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000003623 enhancer Substances 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
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- G06T5/80—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/007—Dynamic range modification
- G06T5/008—Local, e.g. shadow enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/001—Image restoration
- G06T5/003—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G06T5/73—
-
- G06T5/94—
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/741—Circuitry for compensating brightness variation in the scene by increasing the dynamic range of the image compared to the dynamic range of the electronic image sensors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
-
- 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
- G06T2207/10024—Color 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
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Abstract
열 특성(thermal characteristic)을 갖는 한 분류(class)의 객체(object)들에 대한 열 이미지(thermal image)에서의 로컬 콘트라스트(local contrast)를 개선하는 방법이 제공된다. 상기 방법은, 제1 열 이미지(100)를 나타내는 열 이미지 데이터(102)를 제공하는 단계(202) - 상기 제1 열 이미지(100)는 절대 교정된 열 이미징 시스템(absolute clibrated thermal imaging system)에 의해 획득되며 - 와;미리결정된 재분배 함수(redistribution function)를 사용하여 제1 세기 분포(intensity distribution)(103)를 갖는 상기 열 이미지 데이터(102)를 제2 세기 분포(118)로 재분배하는 단계(204) - 상기 미리결정된 재분배 함수는 상기 한 분류의 객체들의 열 특성에 기초하고, 상기 재분배 함수는, 상기 한 분류의 객체들(114)에 대한 상기 열 이미지의 한 부분 내에서 상기 로컬 콘트라스트를 개선시키며 - 와; 그리고 상기 재분배된 열 이미지 데이터(102)를 상기 열 이미지(300)로서 출력하는 단계(206)를 포함한다. 열 특성을 갖는 한 분류의 객체들에 대한 열 이미지에서의 로컬 콘트라스트를 개선하는 장치(400)가 또한 제공된다.
Description
본 발명은 열 이미지에서 로컬 콘트라스트의 개선에 관한 것이다.
절대 0도를 넘는 온도를 가진 모든 물체들은 열 에너지를 방출하고, 그리고 상기 방출의 세기는 상기 물체의 온도에 의존함을 알 수 있다. 원칙적으로, 물체의 온도가 높을수록, 물체로부터의 열 방사의 세기는 더 커진다.
열 이미징 시스템들은, 장면의 열 이미지 또는 열 비디오를 생성하도록 검출된 열 에너지를 전기 에너지로 변환함으로써 장면 내의 열 차이들을 가시화하기 위해, 마이크로볼로메터(microbolometer)들과 같은 열 센서들을 사용한다. 따라서, 열 이미징 시스템들은, 예를 들어, 사람과 같은 따듯한 객체가 더 차가운 배경에 비해 두드러지는 열 이미지들을 제공할 수 있다. 열 이미징 시스템들은, 더욱이, 가시광선을 이용하는 이미징 시스템과 비교하여 사용하기에 유리한바, 이는 장면에서의 객체들이 장면에서 광원을 가지던지 또는 가지지 않던지 검출될 수 있기 때문이다. 열 이미징 시스템들은 또한, 음영들 또는 백라이팅이 장면에서 존재할 때와 같이 복잡한 광 상태들과 관련된 문제들을 완화시킬 수 있다. 따라서, 열 이미징 시스템들은 밤 및 낮 동안 감시 애플리케이션들에서 빈번하게 사용된다.
하지만, 장면에서 사람과 같은 관심있는 객체의 검출 및/또는 식별을 달성하는데 문제점이 발생할 수 있다. 장면 내에서의 객체들에 대한 온도들에서의 광범위함은 콘트라스트를 감소시킬 수 있어, 예를 들어, 관심있는 객체가 배경과 유사한 온도를 가지면, 유사한 열 방사를 갖는 장면에서의 다른 객체들 사이에서 관심있는 객체를 구별하는 것은 어려워진다.
열 이미지를 디스플레이하기 전에 열 이미징 시스템들 내의 열 데이터의 동적 범위의 감소는, 관심있는 객체의 검출가능성을 추가로 감소시킬 수 있다. 따라서, 열 이미징 시스템들의 향상된 검출 능력에 대한 필요가 존재한다.
본 발명의 목적은, 한 분류의 객체들에 대한 열 이미지에서의 로컬 콘트라스트를 개선하는 것이다. 한 분류의 객체들의 열 특성을 이용하는 방법 및 장치는, 열 이미지에서의 상기 한 분류의 객체들에 대한 로컬 콘트라스트의 단순하고, 효율적이며, 그리고 신뢰가능한 개선을 제공한다.
본 발명의 제1 양상에 따라, 이러한 그리고 다른 목적들은, 열 특성(thermal characteristic)을 갖는 한 분류(class)의 객체(object)들에 대한 열 이미지(thermal image)에서의 로컬 콘트라스트(local contrast)를 개선하는 방법을 제공함으로써 달성되고, 상기 방법은: 절대 교정된 열 이미징 시스템(absolute clibrated thermal imaging system)에 의해 획득된 열 이미지 데이터(102)를 제공하는 단계와; 미리결정된 재분배 함수(redistribution function)를 사용하여 제1 세기 분포(intensity distribution)를 갖는 상기 열 이미지 데이터를 제2 세기 분포로 재분배하는 단계 - 상기 미리결정된 재분배 함수는 상기 열 특성에 기초하여, 상기 로컬 콘트라스트가 상기 한 분류의 객체들에 대해 개선되도록 하며 - 와; 그리고 상기 재분배된 열 이미지 데이터를 상기 열 이미지로서 출력하는 단계를 포함한다.
상기 로컬 콘트라스트가 상기 열 특성을 갖는 상기 분류의 객체들에 대해 개선되도록, 상기 열 이미지 데이터의 세기 분포는 상기 열 이미지 데이터를 재분배함으로써 수정될 수 있다. 그 결과, 상기 분류의 객체들의 열 특성에 대한 세기들을 강조하는 세기 분포가 제공되도록, 상기 열 이미지 데이터가 재분배될 수 있다. 즉, 특정 분류의 객체들에 대한 열 특성들을 사용함으로써, 상기 열 이미지내의 상기 분류의 객체들의 증가된 검출가능성이 획득될 수 있다.
열 이미지에서 로컬 콘트라스트를 개선하는 효율적인 방법은, 상기 분류의 객체들에 대한 열 특성에 기초하는 미리결정된 재분배 함수를 사용함으로써 제공된다. 실시간 사용될 수 있는 방법이 또한 제공된다. 상기 방법은, 예를 들어, 비디오 시퀀스의 일부를 형성할 수 있는 일련의 연속적인 열 이미지들에 대해 사용될 수 있다.
절대 고정된 열 이미징 시스템의 사용은, 장면 내의 객체의 특정 온도가 열 이미지 데이터 내의 특정 세기에 상호관련되는 것을 가능하게 한다. 즉, 객체에 대한 특정 온도는, 열 이미지 데이터의 동적 범위 내의 특정 값 또는 간격으로 변환된다. 그 결과, 열 이미지 데이터의 단순한 분포는 달성될 수 있다.
용어 "열 이미징 시스템(thermal imaging system)"은 열 이미지들을 획득하기 위해 구성된 시스템으로 이해되어야 한다. 상기 열 이미징 시스템은, 예를 들어, 열 이미지들을 획득하기 위한 장치를 포함할 수 있다. 상기 열 이미징 시스템은, 열 이미지들을 디스플레이하기 위해 구성된 디스플레이를 더 포함할 수 있다. 열 이미지들을 획득하는 장치는, 열 카메라 또는 적외선 카메라로서 언급될 수 있다.
용어 "콘트라스트(contrast)"는, 예를 들어, 그레이스케일과 같은 칼러의 음영들에서, 또는 열 이미지의 칼러 표현의 부분들 사이에서, 칼러의 차이로 이해되어야 한다. 용어 "로컬 콘트라스트(local contrast)"는, 이미지의 특정 영역 내에서 서로 다른 피처들 사이에서 세기 차이로서 또한 이해될 수 있다. 상기 영역은 전체 열 이미지 또는 상기 열 이미지의 하위 부분일 수 있다.
용어 "열 특성(thermal characteristic)"은, 한 분류의 객체들에 대한 열 방사의 특정 방출에 관하여 특성 또는 품질을 구별하는 것으로 해석되어야 한다. 즉, 상기 열 특성은, 열 이미지에서 사람들, 동물들 또는 다른 타입들의 객체들과 같은 한 분류의 객체들을 구별하는 것을 돕기 위해 피처 또는 신호로서 이해될 수 있다.
용어 "재분배 함수(redistribution function)"는, 여기에서, 열 이미지 데이터의 세기 분포를 수정하기 위해 열 이미지 데이터에 적용될 수 있는 함수로서 이해되어야 한다. 그 결과, 열 이미지 데이터는, 요구된 분포를 획득하기 위해 재분배될 수 있다. 즉, 상기 재분배 함수는, 상기 이미지가 요구된 분포를 획득하도록 세기 값들을 변경함으로써 이미지의 동적 범위 및/또는 콘트라스트를 수행하기 위한 기술로서 해석되어야 한다.
용어 "교정된(calibrated)"는 한 분류의 객체들의 온도에 열 방사의 검출된 세기를 접속하는 것으로 또한 이해되어야 한다. 열 이미징 시스템은 전체 온도 범위의 적어도 일부분에서 절대 교정될 수 있고, 그리고 상기 부분은 상기 분류의 객체들의 열 특성들을 포함할 수 있다. 상기 열 이미지 시스템의 전체 온도 범위는 대안적으로 절대 교정될 수 있다.
상기 재분배 함수는, 상기 로컬 콘트라스트가 상기 분류의 객체들에 대한 열 이미지의 부분 내에서 개선되도록 구성될 수 있다. 또한, 상기 분류의 객체들에 대한 피처들의 개선된 식별이 달성될 수 있도록, 상기 분류의 객체들에 대한 로컬 콘트라스트는 개선될 수 있다.
상기 제1 세기 분포는 제1 동적 범위를 갖고, 그리고 상기 재분배하는 단계는, 상기 제2 세기 분포가 상기 제1 동적 범위보다 작은 제2 동적 범위를 갖도록 상기 열 이미지 데이터를 변경하는 단계를 더 포함한다. 상기 열 이미지 데이터를 변경하는 단계는, 예를 들어, 상기 열 이미지 데이터를 변형시키는 것, 획득하는 것, 오프셋하는 것 및/또는 시프트하는 것을 포함할 수 있다.
용어 "동적 범위(dynamic range)"는 여기에서 가장 큰 그리고 가장 작은 가능한 값들 사이에서의 비(ratio)로 이해되어야 한다. 상기 값들은 열 이미지의 픽셀 메트릭스로 표현될 수 있다. 상기 값들은 그레이스케일과 같은 변화가능한 품질의 레벨들로 표현할 수 있다.
상기 열 이미지 데이터를 변경하는 단계는, 상기 열 이미지 데이터가 재분배된 후 수행될 수 있다. 그 결과, 상기 열 특성들을 갖는 상기 분류의 객체들에 대한 정보의 손실은, 상기 동적 범위가 감소될 때 완화될 수 있다. 따라서, 상기 한 분류의 객체들의 열 특성들에 대한 재분배된 열 이미지 데이터의 적어도 일부는, 상기 열 이미지에서 효율적으로 표현될 수 있다.
열 특성은 열 범위 또는 열 값일 수 있다. 즉, 관심있는 객체에 대한 온도 또는 온도 범위는 상기 재분배 함수에 대한 기초로서 사용될 수 있다. 따라서, 열 방사에 기초하여 한 분류의 객체들에 대한 열 이미지에서의 로컬 콘트라스트를 개선시킬 수 있는 단순하고 그리고 효율적인 방법이 제공될 수 있다.
상기 미리결정된 재분배 함수는, 상기 열 범위 또는 상기 열 값에서 중앙에 있거나 또는 상기 열 범위 또는 상기 열 값에 대한 미리결정된 오프셋에서 중앙에 있을 수 있다. 그 결과, 상기 열 이미지 데이터의 재분배는 상기 한 분류의 객체들에 대한 열 범위 또는 열 값에서 효율적으로 수행될 수 있다. 상기 열 범위 또는 상기 열 값에서 또는 그 주변에서의 로컬 콘트라스트는, 그 결과, 상기 분류의 객체들에 대해 개선될 수 있다.
대안으로, 상기 열 이미지 데이터의 재분배는, 상기 열 범위 또는 상기 열 값에 대한 미리결정된 오프셋으로 고려될 수 있다. 그 결과, 상기 분류의 객체들의 수용된 온도에 영향을 미칠 수 있는 날씨에서의 변화와 같이 환경에서의 변화가 고려될 수 있다. 따라서, 상기 장면에서의 환경이 변화될지라도 열 변화에서 또는 열 변화의 주변에서의 개선된 로컬 콘트라스트는 획득될 수 있다.
상기 미리결정된 재분배는, 상기 절대 교정된 열 이미징 시스템에 의해 상기 열 이미지 데이터를 획득하기 전에 미리결정될 수 있다. 따라서, 상기 열 이미지를 획득하기 전에 알려진 한 분류의 객체들에 대한 열 특성들에 대한 지식은, 상기 분류의 객체들에 대한 열 이미지에서의 로컬 콘트라스트를 개선시키기 위해 사용될 수 있다. 그 결과, 상기 열 이미지에서 상기 분류의 객체들에 대한 증가된 검출가능성을 제공하는 단순한 그리고 신뢰가능한 방법이 제공될 수 있다.
상기 미리결정된 재분배 함수는, 상기 열 범위 또는 상기 열 값에서 중앙에 있거나 또는 상기 열 범위 또는 상기 열 값에 대한 오프셋에서 중앙에 있으며, 상기 중앙 및 상기 오프셋은 상기 제1 세기 분포에 기초한다. 예를 들어, 상기 제1 열 이미지의 제1 세기 분포 내에서의 배경 또는 객체들로부터의 열 방사는 보상받을 수 있다.
상기 열 이미지 데이터는 히스토그램으로 표시될 수 있다.
상기 절대 교정은 온도 대 세기 교정(temperature versus intensity calibration)일 수 있다.
상기 재분배 함수는 히스토그램 균등화 함수(histogram equalization function)일 수 있다. 상기 히스토그램 균등화 함수는, 예를 들어, 합을 균등하게 사용함으로써 열 이미지 데이터, 즉, 픽셀 세기 값들을 재분배할 수 있고, 히스토그램은, 열 이미지 데이터 및 전달 함수를 형성하는 열 특성들에 대한 정보를 포함한다. 통상의 기술자는, 상기 히스토그램 균등화 함수가 서로 다른 형태들이 될 수 있음을 인식한다.
상기 방법은, 상기 절대 교정된 열 이미징 시스템에 의해 상기 제1 열 이미지에 대한 연속적인 열 이미지를 획득하기 전에 수행될 수 있다. 따라서, 상기 방법은, 비디오 스트림에서와 같이 실시간 이미징을 가능하게 한다.
본 발명의 제2 양상에 따른 장치가 제공된다. 상기 장치는, 절대 교정된 열 이미징 시스템에 의해 획득되는 열 이미지 데이터를 저장하고, 그리고 상기 미리결정된 재분배 함수를 저장하도록 되어 있는 메모리와; 그리고 상기 로컬 콘트라스트가 상기 한 분류의 객체들에 대해 개선되도록 상기 미리결정된 재분배 함수를 사용하여 제1 세기 분포를 갖는 상기 열 이미지 데이터를 제2 세기 분포로 재분배하도록 되어 있는 프로세서를 포함한다.
상기 프로세서는 열 이미지로서 상기 재분배된 열 이미지 데이터를 출력하도록 또한 구성될 수 있다.
상기 장치는 열 센서를 더 포함할 수 있다.
사기 장치의 기능 및 이점들은 방법에 관련하여 상기에서 서술된다. 상기에서 언급된 피처들이 적용가능할 때, 이러한 제2 양상도 또한 적용된다. 과도한 반복을 피하기 위해, 참조는 상기에서 행해진다.
본 발명은 청구범위들에서 기재된 피처들의 모든 가능한 조합들에 관한 것임을 알 수 있다.
본 발명의 이러한 그리고 다른 양상들은, 본 발명의 실시예들을 나타내는 첨부된 도면들을 참조하여 지금 더 상세하게 서술된다. 도면들에서 도시된 것처럼, 층들 및 영역들의 크기들은 예시의 목적으로 과장되고, 그 결과, 본 발명의 실시예들의 일반적인 구조들을 나타내기 위해 제공되다. 동일한 참조 번호들은 동일한 요소들을 나타낸다.
도 1은 장면의 열 이미지를 도시한다.
도 2는 히스토그램의 형식으로 도 1의 열 이미지를 형성하는 열 이미지 데이터를 도시한다.
도 3은 열 이미지 데이터를 재분배한 후에 제2 히스토그램의 형식으로 상기 열 이미지 데이터를 도시한다.
도 4는 상기 재분배된 열 이미지 데이터에 대한 상기 장면의 다른 열 이미지를 도시한다.
도 5는 열 특성을 갖는 객체들의 분류에 대한 열 이미지 내의 로컬 콘트라스트를 개선하는 방법을 도시한다.
도 6은 열 이미지 내의 로컬 콘트라스트를 개선하는 장치를 도시한다.
도 1은 장면의 열 이미지를 도시한다.
도 2는 히스토그램의 형식으로 도 1의 열 이미지를 형성하는 열 이미지 데이터를 도시한다.
도 3은 열 이미지 데이터를 재분배한 후에 제2 히스토그램의 형식으로 상기 열 이미지 데이터를 도시한다.
도 4는 상기 재분배된 열 이미지 데이터에 대한 상기 장면의 다른 열 이미지를 도시한다.
도 5는 열 특성을 갖는 객체들의 분류에 대한 열 이미지 내의 로컬 콘트라스트를 개선하는 방법을 도시한다.
도 6은 열 이미지 내의 로컬 콘트라스트를 개선하는 장치를 도시한다.
본 발명은, 현재의 바람직한 실시예들이 도시되는 첨부된 도면들을 참조하여 이후에 더 상세하게 서술될 것이다. 하지만, 본 발명은, 많은 서로 다른 형태들로 구현될 수 있고 여기에서 기재된 실시예들로 제한되도록 해석되지는 않는다; 오히려, 이러한 실시예들은, 완전함 및 완성도를 위해 그리고 통상의 기술자에게 본 발명의 범위를 충분하게 전달하기 위해 제공된다.
하기의 상세한 설명의 목적은, 도 5를 참조하여, 열 특성을 갖는 객체들의 분류에 대한 열 이미지 내의 로컬 콘트라스트를 개선하는 방법(200)을 나타내는 것이다. 특히, 방법(200)은, 도면 1 내지 4를 참조하여 도시된 것처럼, 예를 들어, 열 이미지(100) 내의 사람들의 개선된 검출 및 식별을 가능하게 한다.
열 이미징 시스템으로 획득된 장면의 열 이미지(100)는 도 1에서 도시된다. 열 이미지(100)는 디지털 이미지이다. 상기 열 이미지(100)는, 차고(110) 및 차량(112)에 의해 예시화되는 것처럼, 복수의 객체들(108)이 검출될 수 있는 장면을 도시한다. 이 예에서, 객체들(114)의 분류는 사람들이다. 이를 위해, 객체(114)는 또한 열 이미지(100)로 나타나지만, 상기 열 이미지(100)로부터 명확하게 식별가능하지 않을 수 있다. 하지만, 객체(114)는, 열 이미지의 관측자를 위해, 사람을 닮을 수 있고 그리고 표시를 위해, 객체(114)는 점선을 갖는 사람으로서 도시된다.
객체들의 분류는, 다른 실시예들에서, 동물들, 차량들, 건물들이거나 또는 사람의 얼굴 또는 차량의 일부분들과 같은 특정의 고유한 객체들일 수 있다. 이를 위해, 열 특성은, 이러한 예에서, 사람의 체온에 대한 열 방출의 세기로서 이해된다. 상기 열 특성들은 사람의 체온이 될 수 있다. 사람의 체온은, 예를 들어, 36.5 내지 37.5℃의 범위를 가질 수 있다. 하지만, 사람의 피부 온도는 더 낮고, 옷은, 방출되는 열 방출의 세기를 감소시킨다. 따라서, 사람으로부터의 열 방출은, 예를 들어, 날씨 상태들 및/또는 옷에 따라 30 내지 35℃의 범위에 있을 수 있다.
방법(200)은, 절대 교정된 열 이미징 시스템에 의해 획득된 열 이미지 데이터(102)를 제공하는 단계(202)를 포함한다. 도 2는, 열 이미지(100)가 형성되는 것으로부터의 열 이미지 데이터(102)를 나타낸다. 열 이미지 데이터는, 제1 세기 분포(103)를 갖는다. 열 이미지 데이터(102)는 히스토그램(104)으로서 도시되고, 상기 히스토그램(104)은, 상기 열 이미지 시스템의 검출 범위 내에서 특정 검출된 세기를 갖는 열 이미지 데이터(102)에서, 카운트들로 또한 언급되는 데이터 포인트들의 수를 디스플레이한다.
상기 데이터 포인트들의 수는, 예를 들어, 특정 세기로 검출된 세기를 갖는 열 이미지(100) 내에서 픽셀들의 수와 동일할 수 있다. 상기 복수의 픽셀들은, 다른 실시예들에서, 버려질 수 있다.
여기에서, 동적 범위는, 상기 열 이미지 시스템에 의해 검출되는 가능한 가장 큰 크기 값들과 가장 작은 크기 값들 사이의 비로서 이해된다. 상기 열 이미지 시스템의 동적 범위는, 상기 열 이미징 시스템에 의해 검출될 수 있는 세기들의 범위로 설정될 수 있다. 상기 동적 범위는, 또한, 복수의 레벨들(106)로 분할될 수 있다. 열 이미지(100)에서, 상기 레벨들(106)은 서로 다른 그레이스케일의 값들에 대응할 수 있다.
열 이미지(100) 및/또는 히스토그램은 전체 동적 범위 또는 상기 동적 범위의 일 부분을 포함할 수 있다. 복수의 세기 값들이 레벨(100) 내에 존재할 수 있도록 상기 레벨들(100)은 버려질 수 있다. 이를 위해, 최소 레벨, 예를 들어, 1은 검은색과 대응할 수 있고, 최대 레벨, 예를 들어, 16384는 흰색과 대응할 수 있고, 중간 레벨들은, 회색의 서로 다른 셰이드(shade)들에 대응할 수 있다. 상기 동적 범위는, 16384 레벨들(106)에 대응하는 다음의 14비트들 내에 존재한다. 상기 동적 범위는, 하지만, 다른 실시예들에서 서로 다를 수 있다. 상기 동적 범위는, 예를 들어, 각각, 4096 또는 256 레벨들에 대응하는 12 또는 8 비트들을 포함할 수 있다.
도 2를 다시 참조하면, 열 이미지 데이터(102)의 제1 세기 분포(103)는, 장면 내에서 복수의 소스들로부터의 열 방출에 대응하는 더 낮은 세기들에서 넓은 피크(105)를 포함한다. 좁은 피크(107)는, 상기 동적 범위 내의 더 높은 세기들에서 제1 세기 분포(103)로 보여질 수 있다. 따라서, 좁은 피크(107)는 다수의 소스들에서 더 높은 온도들을 갖는 장면 내에서 소스들로부터의 열 방출에 대응한다.
하기에서, 방법(200)은, 열 이미지(100)에 존재할 수 있는 사람들의 개선된 검출 및 식별을 달성하기 위해 상기 열 이미지 데이터(102)에 적용된다. 상기 방법(200)은, 열 이미지(100)에서의 관심있는 객체들이 특정 열 특성을 가질 수 있고, 그리고 상기 열 특성이 상기 열 이미지의 콘테츠들을 재분배하는 것에 기초하여 사용될 수 있어 그 결과 상기 로컬 콘트라스트가 상기 분류 객체들에 대해 개선될 수 있다는 관점에 의존한다. 이러한 관점에 기초하여, 상기 방법(200)은, 상기 열 특성에 기초하여, 도 3에서 예시화된 것처럼, 제1 세기 분포(103)를 갖는 열 이미지 데이터(102)를 제2 세기 분포(118)로 재분배하는 단계(204)를 포함한다. 특히, 상기 열 이미지 데이터(102)를 재분배하는 단계(204)는, 상기 열 특성에 기초하는 미리결정된 재분배 함수를 사용하여 달성된다. 따라서, 상기 열 특성에 대한 정보는 미리결정된 재분배 함수를 형성하기 위해 사용될 수 있다. 상기 재분배 함수는, 예를 들어, 아래에서 추가로 서술되는 것처럼, 히스토그램 균등화 함수일 수 있다.
상기 열 특성은, 객체들의 특정 분류에 대한 열 방사의 알려진 방출로서 이해될 수 있다. 사람에 대해, 상기 열 특성은, 사람의 체온에 대한 열 범위 또는 열 값일 수 있다. 상기 열 범위 및 상기 열 값은, 예를 들어, 각각, 30 내지 35℃ 또는 35℃일 수 있다.
상기 방법(200)은, 또한, 장면 내의 객체(108)의 특정 온도가 열 이미지 데이터(102) 내의 열 방사의 특정 세기와 관련될 수 있는 특성을 갖는 절대 교정된 열 이미징 시스템의 장점을 갖는다. 검출된 열 방사와 온도 사이의 단순한 관련성은, 열 이미지 시스템의 절대 교정을 사용함으로써 제공될 수 있다. 사람의 열 특성들과 같은 알려진 온도는, 열 이미지 데이터(102)의 동적 범위 내의 특정 값 또는 간격, 즉, 레벨 또는 레벨들의 범위로 변환된다.
사람의 열 범위에 대응하는 레벨들은, 사람에 대한 특성인 30 내지 35℃의 온도 범위에 대응하는, △객체에 의해 도 2에서 도시된다. 이러한 온도 범위는, 사용되는 열 이미징 시스템에 대한 특정 세트의 파라미터들에 대해 상기 레벨(14336)에서의 범위 △객체의 중심에서 발생한다. 상기 레벨(14336)은 14-비트 동적 범위의 상한 근처에서 발생한다.
도 3은, 제2 히스토그램(116)의 형식으로 열 이미지 데이터(102)를 도시하고, 상기 열 이미지 데이터(102)는 제2 세기 분포(118)를 갖는다. 특정 세기 레벨들에서 카운트들의 분포가 변하도록, 열 이미지 데이터(102)는, 열 이미지 데이터(102)에 미리결정된 재분배 함수를 적용함으로써 재분배된다. 그 결과, 제2 히스토그램(116)의 열 이미지 데이터(102)는 시프트되어, 30 내지 35℃의 열 범위에 대응하는, 제2 세기 분포(118)의 레벨들 △'객체의 범위가 지금 레벨(8192)에서 중앙에 오게된다. 따라서, 로컬 콘트라스트가 열 이미지 데이터(102)를 재분배함으로써 열 특정을 갖는 객체들의 분류에 대해 개선되도록 상기 열 이미지 데이터는 수정될 수 있다. 즉, 상기 객체들의 분류에 대한 열 이미지의 부분(107)은 열 이미지 시스템의 동적 범위의 중앙으로 이동된다. 그 결과, 관심있는 객체에 대한 향상된 검출이 달성될 수 있다.
상기 열 함수가 더 큰 수의 레벨들, △'객체, 즉, △'객체 > △객체에 대해 분배되도록 상기 미리결정된 재분배 함수는 열 이미지 데이터를 더 늘릴 수 있다. 그 결과, 객체들의 분류에 대해, 세기, 즉, 온도에서의 국부적인 변화들에 대응하는 피처들(120)은 해결될 수 있다. 따라서, 상기 로컬 콘트라스트는, 객체들의 분류에 대한 열 이미지의 부분 내에서 개선된다.
열 특성들, 예를 들어, 사람으로부터 열 방사에 기초하여 상기 열 이미지 데이터를 재분재함으로써, 관련된 온도 범위, 예를 들어, 30 내지 35℃은 재분배된 열 이미지들에 존재하는 반면에, 관심없을 수 있는 다른 온도 범위들, 예를 들어, 장면에서의 하늘 또는 필드의 온도는 제거될 수 있다. 따라서, 사람의 열 특성들에서의 세부 사항들 및 사람의 열 특성들에 가까운 세부 사항들의 개선은, 장면에서의 사람 및 사람의 행위를 검출하고 그리고 식별하는 확률들을 증가시킴으로써 획득될 것이다.
방법(200)은, 열 이미지(300)로서의 재분배된 열 이미지 데이터(102)를 출력하는 단계를 더 포함한다. 상기 열 이미지(300)는 도 4에 도시된다. 열 이미지(300)는 도 1의 장면과 동일한 장면을 도시한다. 복수의 객체들(108)은, 차고(110) 및 자동차(112)에 의해 예시화되는 것처럼, 계속 검출될 수 있다. 방법(200)의 결과로서, 객체(114)는, 사람(122)을 나타내는 전체 선들에 의해 도시되어, 사람으로서 열 이미지(300)로 표시된다. 사람(122)의 개별 피처들은 또한 실별될 수 있다. 열 이미지(100)와 열 이미지(300)를 비교함으로써, 그 결과, 방법(200)에 의해 제공되는 것처럼, 열 이미지 데이터(102)의 재분배는, 사람들에 대해, 즉, 요구된 분류의 객체들(114)에 대해 상기 로컬 콘트라스트를 개선한다. 개선된 로컬 콘트라스트는, 객체의 분류를 향상시킬 수 있는 객체의 개선된 검출 및/또는 식별을 가능하게 한다. 사람에 의해 이동되는 도구들, 무기들 및 다른 객체들은, 또한, 상기 로컬 콘트라스트를 향상시킴으로써 더 용이하게 식별될 수 있다. ℃
상기의 예에서, 방법(200)은, 도 1의 열 이미지(100)를 향상시킨 후 상기 열 이미지 데이터(102)에 적용된다. 하지만, 상기 방법(200)은, 열 이미지(100)를 제공하기 전에, 상기 열 이미지 데이터(102)에 적용될 수 있음을 알아야 한다. 그 결과, 객체들의 분류에 대한 로컬 콘트라스트가 어떤 사전(previous)의 열 이미지를 사전에 제공함 없이 개선되는 열 이미지(300)로서, 재분배된 열 이미지 데이터(102)는 출력될 수 있다.
상기 방법(200)은 열 이미지들에 관하여 추가로 개시된다. 상기 방법은, 다른 실시예들에서, 열 비디오에 적용될 수 있다. 따라서, 재분배(204)는, 상기 방법(200)이 실시간 수행될 수 있도록 자동화될 수 있다.
상기 미리결정된 재분배 함수는, 상기에서 논의된 것처럼, 열 범위 또는 열 값에서 중앙에 있을 수 있다.
상기 열 값은 사람의 체온 TH에 대응할 수 있다. TH는 30 또는 35℃일 수 있다. 상기 열 범위는, 예를 들어, TH - 1.8 △T ≤ TH ≤ TH + 0.5 △T 일 수 있고, △T = 2℃이다.
대안으로, 상기 미리결정된 재분배 함수는, 상기 열 범위 또는 상기 열 값에 대해 미리결정된 오프셋에서 중앙에 있을 수 있다. 날씨 상태들에서 변화와 같은 환경에서의 변화는, 열 방사가 검출되는 것의 세기에 영향을 미칠 수 있다. 따라서, 한 분류의 객체들의 감지되는 온도에서의 시프트가 고려될 수 있다. 그 결과, 상기 장면에서의 환경이 변화될 때라도, 상기 열 범위에서 또는 상기 열 범위의 부근에서의 개선된 로컬 콘트라스트는 획득될 수 있다. 온도에서의 시프트는, 예를 들어, ±2℃일 수 있다.
상기 분배 함수는, 또한, 열 범위 또는 열 함수의 중심에 있거나 열 범위 또는 열 함수에 대한 오프셋에 있을 수 있고, 상기 중앙 또는 상기 오프셋은 제1 세기 분포에 기초한다. 그 결과, 예를 들어, 상기 제1 열 이미지의 제1 세기 분포 내의 배경 또는 객체들로부터의 열 방사는, 그 결과, 상기 분류의 객체들에 대한 콘트라스트가 최적화되도록 고려될 수 있다.
일부 실시예들에 따라, 상기 열 이미징 시스템에 의해 검출되는 최대 및 최소 열 방출 값들은, 상기 동적 범위를 설정하기 위해 사용될 수 있다. 따라서, 상기 열 이미지 데이터는, 동적 범위에 걸쳐 분배될 수 있다. 또한, 상기 열 특성들에 대한 열 범위 또는 열 값이 상기 동적 범위의 중앙에 있을 수 있도록, 상기 열 이미지 데이터는 중앙에 있을 수 있다. 14 비트의 동적 범위에 대해, 상기 중심은 상기 동적 범위의 레벨(8192)에 있을 수 있다.
상기 열 이미지 데이터의 서로 다른 부분들, 즉, 레벨들의 범위들이 시프트되고 그리고/또는 서로 다른 정도들로 재분배되도록, 상기 재분배 함수는 멀티 피크 함수일 수 있다. 따라서, 상기 재분배 함수는, 상기 동적 범위 내의 서로 다른 범위들 또는 값들에 서로 다르게 영향을 미칠 수 있다. 일 예로서, 장면은, 18 내지 24℃의 온도들에 대응하는 지배적인 열 방사, 30 내지 38℃ 내의 온도들을 갖는 객체들로부터의 열 방사 및 18℃ 아래의 배경 열 방사를 포함한다고 가정하자. 상기 절대 교정 열 이미징 시스템의 동적 범위는 14 비트라고 가정된다.
장면에서 사람을 검출하고 식별할 대상으로 가정하여, 상기에서 서술되는 방법(200)이 사용될 수 있다. 이후, 상기 함수는, 사람의 얼굴로부터의 알려진 열 방사에 기초할 수 있다. 즉, 상기 열 특성들은, 상기에서 논의된 열 범위 30 내지 38℃ 내의 34℃의 온도일 수 있다. 또한, 상기 온도 범위 18 내지 24℃가 동적 범위의 레벨 1 내지 8192에 걸쳐 분배되도록 상기 함수가 구성될 수 있다. 상기 범위 30 내지 38℃는 또한 레벨 10,240 내지 레벨 14,336에 걸쳐 분포될 수 있고, 그리고 상기 범위 24 내지 30℃는 레벨 8192 내지 레벨 10,240에 걸쳐 분포될 수 있다. 18℃ 아래의 열 방사는 또한 폐기될 것이다. 즉, 18℃ 아래의 열 방사는 방법(200)에 의해 제공되는 열 이미지에서 표시되지 않을 것이다. 따라서, 상기 함수는, 범위 24 내지 30℃에서의 가중치는 감소되고, 반면에, 범위 30 내지 38℃에서의 가중치는 증가되는 열 이미지 데이터의 분포를 제공한다. 그 결과, 상기 범위 30 내지 38℃ 내의 객체들에 대한 개선된 로컬 콘트라스트는, 사람의 체온에 기초하여 사람들의 검출 및/또는 식별을 향상시키도록 개선된다. 그 결과, 열 이미지에서의 한 분류의 객체들에 대한 증가된 탐지가능성을 제공하는 단순하고 신뢰가능한 방법이 제공될 수 있다.
상기 재분배 함수는 히스토그램 균등화 함수일 수 있다. 통상의 기술자는, 히스토그램 균등화 함수가 서로 다른 형태일 수 있음을 인식한다. 히스토그램 균등화 함수는, 예를 들어, 제1 분포 함수를 갖는 열 이미지 데이터와 제2 분포 함수를 갖는 열 데이터를 맵핑하기 위해, 비선형 및 비단조 전달 함수들을 포함할 수 있다. 따라서, 상기 히스토그램 균등화 함수는, 열 이미지 데이터의 세기 분포, 예를 들어, 열 이미지에 대한 픽셀들의 세기 값들에 대응하는 세기를 재분배할 수 있어, 열 이미지로서 출력되는 열 이미지 데이터의 표시는, 픽셀 세기들의 더 균등한 분포를 포함한다. 즉, 한 분류의 객체들에 대한 히스토그램에서 세기 값들의 더 넓은 분포를 갖는다. 상기 더 넓은 세기 분포는, 예를 들어, 상기 분류의 객체들의 열 특성에 의해 제공되는 온도 간격에 대한 로컬 콘트라스트를 향상시켜, 실질적으로 평평한 히스토그램을 형성할 수 있다. 즉, 상기 히스토그램 균등화 함수는, 열 특성에 기초하여 한 분류의 객체들에 대한 세부적인 개선자(detail enhancer)로서 여겨질 수 있다.
상기의 기재에서, 제1 및 제2 세기 분포는 동일한 동적 범위를 갖도록 개시된다. 대안으로, 상기 제1 세기 분포는, 제1 동적 범위 및 상기 제1 동적 범위보다 작은 제2 동적 범위를 갖는 제2 세기 분포를 가질 수 있다. 따라서, 방법(200)의 재분배하는 단계(204)는 또한, 상기 제2 세기 분포가 달성되도록 상기 열 이미지 데이터를 변경하는 단계를 포함할 수 있다. 상기 열 이미징 시스템은, 예를 들어, 검출되고 그리고 디지털화되는 열 방사의 양자화의 14 비트(16384 레벨들)를 구비한 열 이미지들을 얻을 수 있다. 따라서, 16384 레벨들의 동적 범위를 갖는 그레이스케일 이미지가 제공될 수 있다. 상기 동적 범위는, 예를 들어, 8 비트 이미지 또는 비디오 포맷으로 허용되는 255 그레이 레벨들로 감소될 수 있다.
상기 열 이미지 데이터의 변경은, 열 이미지 데이터가 재분배된 후 수행될 수 있다. 그 결과, 열 특성들을 갖는 상기 분류의 객체들에 대한 정보의 손실은 완화될 수 있다.
아래에서, 열 특성을 갖는 한 분류의 객체들에 대한 열 이미지에서 로컬 콘트라스트를 개선하는 장치(400)는 개선된다. 상기 장치(400)는, 절대 교정 열 이미징 시스템에 의해 획득된 열 이미지 데이터를 저장하도록 구성된 메모리(402)를 포함한다. 상기 메모리(402)는, 상기 열 특성에 기초하여 미리결정된 재분배 함수를 저장하도록 또한 구성된다. 상기 장치(400)는, 상기 로컬 콘트라스트가 상기 분류의 객체들에 대해 개선되도록 상기 미리결정된 재분배 함수를 사용하여 제1 세기 분포를 갖는 상기 열 이미지를 제2 세기 분포로 재분배하도록 구성된 프로세서(404)를 더 포함한다. 상기 프로세서(404)는, 또한, 상기 재분배된 열 이미지 데이터를 상기 열 이미지로 출력하도록 구성된다.
열 방사는, 1 내지 10,000 ㎛이 파장들을 갖는 전자기파들의 방사이다. 따라서, 객체로부터의 상기 열 방사는, 전자기 스펙트럼의 일부인 적외선(IR) 내에 있을 수 있다. 상기 열 방사는, 또한, 약 0.7 내지 1.5 ㎛의 근거리 IR 범위, 약 3 내지 5 ㎛의 중간-파 IR(MWIR), 약 8 내지 14 ㎛의 긴 파장 IR(LWIR)에 있을 수 있다.
상기 장치는 또한 열 센서(406)를 더 포함할 수 있고, 상기 열 센서는, 열 방사를, 열 이미지 데이터가 제공될 수 있는 전기 신호들로 변환하도록 구성된다. 상기 열 센서는, 통상적으로 MWIR 범위에서 동작하는 냉각식 열 센서 또는 통상적으로 LWIR 범위에서 동작하는 비-냉각식 열 센서일 수 있다.
상기 열 센서(404)는 열 카메라의 일부를 형성할 수 있다. 상기 열 카메라는 또한 네트워크 열 카메라일 수 있다.
상기 장치(400)는 또한, ARTPEC 4와 같은 인코더(408)를 포함할 수 있다. 그 결과, 상기 장치는, 예시적인 열 이미지 데이터로 구성되는 데이터 스트림들의 압축을 제공할 수 있다. 상기 장치(400)는, 또한, H.264, MPEG-4 및 모션 JPEG로 비디오 스트림들을 제공하는 압축을 제공할 수 있다.
장치(400)의 기능 및 이점들은, 방법(200)에 관련하여 상기에서 서술된 것과 동일하다. 따라서, 상기에서 언급된 피처들이, 적용가능할 때, 장치(400)에 또한 적용한다.
통상의 기술자는, 본 발명이 상기에서 서술된 바람직한 실시예들에 제한되지 않음을 인식한 것이다. 반면에, 많은 수정들 및 변형들이 첨부된 청구범위 내에서 가능할 것이다. 예를 들어, 복수의 동적 비율의 레벨들은, 의사-칼러 스케일 또는 컬러 스케일의 서로 다른 값들에 대응할 수 있다. 각각의 칼러 또는 뉘앙스는, 서로 다른 온도를 나타낼 수 있는바, 일반적으로, 높은 온도들에서는 흰색 및 적색, 차가운 온도들에서는 녹색, 청색 및 보라색을 나타낼 수 있다.
추가적으로, 개시된 실시예들에 대한 변화들은, 도면들, 상세한 설명 및 첨부된 청구 범위의 연구로부터, 본 발명을 실생하는 통상의 기술자에 의해 이해되고 영향을 받을 수 있다. 단어 "포함하는"은, 다른 요소들 또는 단계들을 배제하지 않고 그리고 단수를 나타내는 단어는 복수를 배제하지 않는다. 특정 측정들이 서로 상이한 종속항들에서 기재되는 단순한 사실은, 이러한 측정들의 조합이 유리하게 사용될 수 없음을 표시하지는 않는다.
Claims (15)
- 열 특성(thermal characteristic)을 갖는 한 분류(class)의 객체(object)들에 대한 열 이미지(thermal image)에서의 로컬 콘트라스트(local contrast)를 개선하는 방법으로서,
제1 열 이미지(100)를 나타내는 열 이미지 데이터(102)를 제공하는 단계(202) - 상기 제1 열 이미지(100)는 절대 교정된 열 이미징 시스템(absolute clibrated thermal imaging system)에 의해 획득되며 - 와;
미리결정된 재분배 함수(redistribution function)를 사용하여 제1 세기 분포(intensity distribution)(103)를 갖는 상기 열 이미지 데이터(102)를 제2 세기 분포(118)로 재분배하는 단계(204) - 상기 미리결정된 재분배 함수는 상기 한 분류의 객체들의 열 특성에 기초하고, 상기 재분배 함수는, 상기 한 분류의 객체들(114)에 대한 상기 열 이미지의 한 부분 내에서 상기 로컬 콘트라스트를 개선시키며 - 와; 그리고
상기 재분배된 열 이미지 데이터(102)를 상기 열 이미지(300)로서 출력하는 단계(206)를 포함하는 것을 특징으로 하는
로컬 콘트라스트를 개선하는 방법. - 제1항에 있어서,
상기 절대 교정된 열 이미징 시스템은 동적 범위를 갖고, 상기 한 분류의 객체들의 열 특성들은, 상기 동적 범위 내에서 열 범위(thermal range)에 대응하는, 특정 레벨 또는 레벨들의 범위로 변환하며, 상기 미리결정된 재분배 함수는,
a) 상기 한 분류의 객체들에 대한 상기 열 이미지 데이터의 일 부분은 상기 열 이미지 시스템의 동적 범위의 중앙으로 이동되거나, 또는
b) 상기 로컬 콘트라스트가 상기 한 분류의 객체들(114)에 대한 상기 열 이미지의 일 부분에 대해 개선되도록, 관심있는 객체에 대한 상기 열 범위는 다수의 레벨들에 대해 분포되는 것을 특징으로 하는,
로컬 콘트라스트를 개선하는 방법. - 제1항에 있어서,
상기 제1 세기 분포(103)는 제1 동적 범위를 갖고, 그리고 상기 재분배하는 단계는, 상기 제2 세기 분포(118)가 상기 제1 동적 범위보다 작은 제2 동적 범위를 갖도록 상기 열 이미지 데이터(102)를 변경하는 단계를 포함하는 것을 특징으로 하는
로컬 콘트라스트를 개선하는 방법. - 제3항에 있어서,
상기 열 이미지 데이터(102)를 변경하는 단계는, 상기 열 이미지 데이터(102)가 재분배된 후 수행되는 것을 특징으로 하는
로컬 콘트라스트를 개선하는 방법. - 제1항에 있어서,
상기 열 특성은 열 범위 또는 열 값인 것을 특징으로 하는
로컬 콘트라스트를 개선하는 방법. - 제5항에 있어서,
상기 미리결정된 재분배 함수는, 상기 열 범위 또는 상기 열 값에서 중앙에 있거나 또는 상기 열 범위 또는 상기 열 값에 대한 미리결정된 오프셋에서 중앙에 있는 것을 특징으로 하는
로컬 콘트라스트를 개선하는 방법. - 제1항에 있어서,
상기 미리결정된 재분배는, 상기 절대 교정된 열 이미징 시스템에 의해 상기 열 이미지 데이터(102)를 획득하기 전에 미리결정되는 것을 특징으로 하는
로컬 콘트라스트를 개선하는 방법. - 제5항에 있어서,
상기 미리결정된 재분배 함수는, 상기 열 범위 또는 상기 열 값에서 중앙에 있거나 또는 상기 열 범위 또는 상기 열 값에 대한 오프셋에서 중앙에 있으며, 상기 중앙 및 상기 오프셋은 상기 제1 세기 분포(103)에 기초하는 것을 특징으로 하는
로컬 콘트라스트를 개선하는 방법. - 제1항에 있어서,
상기 열 이미지 데이터(102)는 히스토그램(104, 116)으로 표시되는 것을 특징으로 하는
로컬 콘트라스트를 개선하는 방법. - 제1항에 있어서,
상기 절대 교정은 온도 대 세기 교정(temperature versus intensity calibration)인 것을 특징으로 하는
로컬 콘트라스트를 개선하는 방법. - 제1항에 있어서,
상기 재분배 함수는 히스토그램 균등화 함수(histogram equalization function)인 것을 특징으로 하는
로컬 콘트라스트를 개선하는 방법. - 제1항에 있어서,
상기 방법은, 상기 절대 교정된 열 이미징 시스템에 의해, 상기 제1 열 이미지(100)에 대한 연속적인 열 이미지를 획득하기 전에 수행되는 것을 특징으로 하는
로컬 콘트라스트를 개선하는 방법. - 열 특성을 갖는 한 분류의 객체들에 대한 열 이미지에서의 로컬 콘트라스트를 개선하는 장치(400)로서,
절대 교정된 열 이미징 시스템에 의해 획득되는 열 이미지 데이터(102)를 저장하고 그리고 상기 한 분류의 객체들의 열 특성에 기초하여 미리결정된 재분배 함수를 저장하도록 되어 있는 메모리(402)와; 그리고
상기 미리결정된 재분배 함수를 사용하여 제1 세기 분포(103)를 갖는 상기 열 이미지 데이터(102)를 제2 세기 분포(118)로 재분배하도록 되어 있는 프로세서(404)를 포함하고,
상기 재분배 함수는, 상기 한 분류의 객체들(114)에 대한 상기 열 이미지의 한 부분 내에서 상기 로컬 콘트라스트를 개선시키는 것을 특징으로 하는
로컬 콘트라스트를 개선하는 장치. - 제13항에 있어서,
상기 프로세서(404)는, 또한, 상기 재분배된 열 이미지 데이터(102)를 상기 열 이미지(300)로서 출력(206)하도록 되어 있는 것을 특징으로 하는
로컬 콘트라스트를 개선하는 장치. - 제13항에 있어서,
상기 재분배 함수는 히스토그램 균등화 함수인 것을 특징으로 하는
로컬 콘트라스트를 개선하는 장치.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP15184252.3 | 2015-09-08 | ||
EP15184252.3A EP3142355B1 (en) | 2015-09-08 | 2015-09-08 | Method and apparatus for enhancing local contrast in a thermal image |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20170030049A true KR20170030049A (ko) | 2017-03-16 |
KR101849740B1 KR101849740B1 (ko) | 2018-05-31 |
Family
ID=54151079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020160113908A KR101849740B1 (ko) | 2015-09-08 | 2016-09-05 | 열 이미지에서 로컬 콘트라스트를 향상시키는 방법 및 장치 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10109042B2 (ko) |
EP (1) | EP3142355B1 (ko) |
JP (1) | JP6602731B2 (ko) |
KR (1) | KR101849740B1 (ko) |
CN (1) | CN106504197B (ko) |
TW (1) | TWI603291B (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200029345A (ko) * | 2018-09-10 | 2020-03-18 | 엑시스 에이비 | 열 이미지 데이터를 필터링하기 위한 방법 및 시스템 |
KR20200075734A (ko) * | 2018-12-18 | 2020-06-26 | 엑시스 에이비 | 열 카메라에 의해 캡처된 이미지에서의 변화를 향상시키기 위한 방법, 장치 및 시스템 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10007974B2 (en) | 2016-06-10 | 2018-06-26 | Sensors Unlimited, Inc. | Enhancing images |
KR102650341B1 (ko) * | 2016-11-25 | 2024-03-22 | 엘지전자 주식회사 | 반도체 발광 소자를 이용한 디스플레이 장치 및 이의 제조방법 |
EP3716239A1 (fr) * | 2019-03-26 | 2020-09-30 | Alcom Technologies | Dispositif de détection d'intrusion par vision infrarouge et procédé de sécurisation |
KR20220152869A (ko) | 2021-05-10 | 2022-11-17 | 한화테크윈 주식회사 | 열영상 카메라 및 그의 열영상 처리 방법 |
US11972613B1 (en) * | 2022-10-28 | 2024-04-30 | Zoox, Inc. | Apparatus and methods for atmospheric condition detection |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2223643B (en) * | 1988-10-05 | 1993-04-07 | Marconi Gec Ltd | Data processing apparatus |
JP2552728B2 (ja) * | 1989-05-31 | 1996-11-13 | 富士通株式会社 | 赤外線監視システム |
US5249241A (en) * | 1991-07-09 | 1993-09-28 | The United States Of America As Represented By The Secretary Of The Air Force | Real-time automated scene display for infrared cameras |
JPH06160507A (ja) * | 1992-09-24 | 1994-06-07 | Matsushita Electric Ind Co Ltd | 人存在状況判定装置 |
US5724456A (en) * | 1995-03-31 | 1998-03-03 | Polaroid Corporation | Brightness adjustment of images using digital scene analysis |
JP4686803B2 (ja) * | 1999-11-26 | 2011-05-25 | 富士通株式会社 | 赤外線画像表示装置 |
US20040183918A1 (en) * | 2003-03-20 | 2004-09-23 | Eastman Kodak Company | Producing enhanced photographic products from images captured at known picture sites |
US7860339B2 (en) * | 2003-09-11 | 2010-12-28 | Panasonic Corporation | Visual processing device, visual processing method, visual processing program, intergrated circuit, display device, image-capturing device, and portable information terminal |
US20070058862A1 (en) * | 2005-09-09 | 2007-03-15 | Meier Michael R | Histogram equalization method for a vision-based occupant sensing system |
US7738698B2 (en) * | 2006-01-26 | 2010-06-15 | Vestel Elektronik Sanayi Ve Ticaret A.S. | Method and apparatus for adjusting the contrast of an image |
US8384780B1 (en) | 2007-11-28 | 2013-02-26 | Flir Systems, Inc. | Infrared camera systems and methods for maritime applications |
US8285059B2 (en) * | 2008-05-20 | 2012-10-09 | Xerox Corporation | Method for automatic enhancement of images containing snow |
JP5218767B2 (ja) * | 2009-01-13 | 2013-06-26 | 株式会社リコー | 画像処理装置、画像処理方法、プログラムおよび記録媒体 |
US10244190B2 (en) * | 2009-03-02 | 2019-03-26 | Flir Systems, Inc. | Compact multi-spectrum imaging with fusion |
US9948872B2 (en) * | 2009-03-02 | 2018-04-17 | Flir Systems, Inc. | Monitor and control systems and methods for occupant safety and energy efficiency of structures |
US9674458B2 (en) | 2009-06-03 | 2017-06-06 | Flir Systems, Inc. | Smart surveillance camera systems and methods |
JP2013024671A (ja) | 2011-07-20 | 2013-02-04 | Renesas Electronics Corp | 半導体集積回路のテスト方法とシステムとプログラム |
JP2013024761A (ja) * | 2011-07-22 | 2013-02-04 | Hitachi Kokusai Electric Inc | 撮像方法および撮像装置 |
EP2764686B1 (en) * | 2011-10-07 | 2019-10-02 | Flir Systems, Inc. | Smart surveillance camera systems and methods |
CN102413283B (zh) * | 2011-10-25 | 2013-08-14 | 广州飒特红外股份有限公司 | 红外热图数字信号处理系统及方法 |
WO2014100784A1 (en) * | 2012-12-21 | 2014-06-26 | Flir Systems, Inc. | Infrared imaging enhancement with fusion |
US9704226B2 (en) * | 2013-03-14 | 2017-07-11 | Drs Network & Imaging Systems, Llc | System and method for fast digital signal dynamic range reduction using adaptive histogram compaction and stabilization |
CN103226731A (zh) * | 2013-03-20 | 2013-07-31 | 太原理工大学 | 一种热分布图像在线预测方法 |
TW201503678A (zh) * | 2013-07-05 | 2015-01-16 | Shao-Yang Wang | 顯示裝置醫療級校正系統及其方法 |
KR101339026B1 (ko) * | 2013-10-14 | 2013-12-09 | (주)유디피 | 열화상 카메라 가시성 개선 방법 및 장치 |
CN104896685B (zh) * | 2014-03-03 | 2019-06-28 | 松下电器(美国)知识产权公司 | 传感方法、传感系统及包含它们的空调设备 |
-
2015
- 2015-09-08 EP EP15184252.3A patent/EP3142355B1/en active Active
-
2016
- 2016-08-23 JP JP2016162447A patent/JP6602731B2/ja active Active
- 2016-09-02 TW TW105128509A patent/TWI603291B/zh active
- 2016-09-05 KR KR1020160113908A patent/KR101849740B1/ko active IP Right Grant
- 2016-09-05 CN CN201610802284.5A patent/CN106504197B/zh active Active
- 2016-09-08 US US15/259,403 patent/US10109042B2/en active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200029345A (ko) * | 2018-09-10 | 2020-03-18 | 엑시스 에이비 | 열 이미지 데이터를 필터링하기 위한 방법 및 시스템 |
KR20200075734A (ko) * | 2018-12-18 | 2020-06-26 | 엑시스 에이비 | 열 카메라에 의해 캡처된 이미지에서의 변화를 향상시키기 위한 방법, 장치 및 시스템 |
Also Published As
Publication number | Publication date |
---|---|
JP6602731B2 (ja) | 2019-11-06 |
EP3142355B1 (en) | 2017-10-25 |
KR101849740B1 (ko) | 2018-05-31 |
US20170069069A1 (en) | 2017-03-09 |
TW201737204A (zh) | 2017-10-16 |
TWI603291B (zh) | 2017-10-21 |
JP2017096915A (ja) | 2017-06-01 |
CN106504197B (zh) | 2018-06-19 |
US10109042B2 (en) | 2018-10-23 |
EP3142355A1 (en) | 2017-03-15 |
CN106504197A (zh) | 2017-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101849740B1 (ko) | 열 이미지에서 로컬 콘트라스트를 향상시키는 방법 및 장치 | |
US8755597B1 (en) | Smart fusion of visible and infrared image data | |
US8824828B1 (en) | Thermal V-curve for fusion image declutter | |
US9544562B2 (en) | Converting an image from a dual-band sensor to a visible color image | |
EP3087735A1 (en) | Measuring device, system and program | |
US20160125618A1 (en) | Method, device, and system for pre-processing a video stream for subsequent motion detection processing | |
CN104966108A (zh) | 一种基于梯度传递的可见光与红外图像融合方法 | |
CN110796628A (zh) | 图像融合方法、装置、拍摄装置及存储介质 | |
Qian et al. | Fast color contrast enhancement method for color night vision | |
KR101547929B1 (ko) | 열영상 변환 처리 방법 | |
Qian et al. | Effective contrast enhancement method for color night vision | |
US20140327796A1 (en) | Method for estimating camera response function | |
WO2017029784A1 (ja) | 画像位置合わせシステム、方法および記録媒体 | |
Christinal et al. | A novel color image fusion for multi sensor night vision images | |
CN113936017A (zh) | 图像处理方法及装置 | |
US11861847B2 (en) | Image processing device, thermal image generation system, and recording medium | |
Yuan et al. | Real-time infrared and visible image fusion system and fusion image evaluation | |
KR20200075734A (ko) | 열 카메라에 의해 캡처된 이미지에서의 변화를 향상시키기 위한 방법, 장치 및 시스템 | |
Nawaz et al. | Fusion of color and infrared images using gradient transfer and total variation minimization | |
KR102311435B1 (ko) | 3차원 열화상 카메라 | |
CN110887567B (zh) | 用于过滤热图像数据的方法和系统 | |
Yang et al. | Image-based colour temperature estimation for colour constancy | |
Taguchi | Enhancement of MPEG/JPEG images based on histogram equalization without gamut problem | |
CN116309209A (zh) | 一种基于ihs变换和小波变换的图像融合方法及系统 | |
CN117853863A (zh) | 一种训练目标检测模型的方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
A302 | Request for accelerated examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |