KR20170030049A - 열 이미지에서 로컬 콘트라스트를 향상시키는 방법 및 장치 - Google Patents

열 이미지에서 로컬 콘트라스트를 향상시키는 방법 및 장치 Download PDF

Info

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
Application number
KR1020160113908A
Other languages
English (en)
Other versions
KR101849740B1 (ko
Inventor
토마스 윈젤
엠마뉴엘 요한손
마츠 바이랜더
제스퍼 벵트손
Original Assignee
엑시스 에이비
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 엑시스 에이비 filed Critical 엑시스 에이비
Publication of KR20170030049A publication Critical patent/KR20170030049A/ko
Application granted granted Critical
Publication of KR101849740B1 publication Critical patent/KR101849740B1/ko

Links

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

열 이미지에서 로컬 콘트라스트를 향상시키는 방법 및 장치{METHOD AND APPARATUS FOR ENHANCING LOCAL CONTRAST IN A THERMAL IMAGE}
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.
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)

  1. 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.
  2. 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.
  3. 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.
  4. 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.
  5. 제1항에 있어서,
    상기 열 특성은 열 범위 또는 열 값인 것을 특징으로 하는
    로컬 콘트라스트를 개선하는 방법.
  6. 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.
  7. 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.
  8. 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.
  9. 제1항에 있어서,
    상기 열 이미지 데이터(102)는 히스토그램(104, 116)으로 표시되는 것을 특징으로 하는
    로컬 콘트라스트를 개선하는 방법.
  10. 제1항에 있어서,
    상기 절대 교정은 온도 대 세기 교정(temperature versus intensity calibration)인 것을 특징으로 하는
    로컬 콘트라스트를 개선하는 방법.
  11. 제1항에 있어서,
    상기 재분배 함수는 히스토그램 균등화 함수(histogram equalization function)인 것을 특징으로 하는
    로컬 콘트라스트를 개선하는 방법.
  12. 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.
  13. 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.
  14. 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.
  15. 제13항에 있어서,
    상기 재분배 함수는 히스토그램 균등화 함수인 것을 특징으로 하는
    로컬 콘트라스트를 개선하는 장치.
KR1020160113908A 2015-09-08 2016-09-05 열 이미지에서 로컬 콘트라스트를 향상시키는 방법 및 장치 KR101849740B1 (ko)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Cited By (2)

* Cited by examiner, † Cited by third party
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