红外图像处理方法、装置及可读存储介质与流程
本技术涉及图像处理,具体而言,涉及一种红外图像处理方法、装置及可读存储介质。
背景技术:
1、低分辨率的红外阵列传感器因其成本优势,在智能家居、安防监控等领域有广泛应用前景。然而,其在实际应用中面临以下固有技术瓶颈:
2、其一,传感器因像元差异、读出电路非均匀性及外部电磁干扰等因素,会引入严重的条纹噪声,破坏温度场分布的均匀性与准确性,导致测温精度无法满足应用需求。
3、其二,红外传感器成像帧率较低,对运动目标会产生拖影和残影,使得该部分温度数据不可靠,无法用于高精度测温。
4、其三,传感器物理分辨率有限,难以获取高精度的细节温度信息,限制了其在睡眠质量监测、姿态识别等高级应用中的效果。
5、针对上述问题,现有技术通常仅从算法端进行优化,这种方式在应对复杂动态场景时效果有限且稳定性不足。
技术实现思路
1、本技术的主要目的在于提供一种红外图像处理方法、红外图像处理装置及计算机可读存储介质,以至少解决现有技术中低分辨率红外传感器测温精度低、运动目标成像不可靠以及物理分辨率受限的问题。
2、为了实现上述目的,根据本技术的第一方面,提供了一种红外图像处理方法,包括:
3、获取红外传感器采集的连续多帧第一红外图像;
4、对所述连续多帧第一红外图像进行噪声校正,得到噪声校正后的连续多帧第二红外图像;
5、对所述连续多帧第二红外图像进行逐帧目标检测,得到目标的位置信息;
6、计算所述连续多帧第二红外图像之间的帧间差异图像,根据所述帧间差异图像确定所述目标的候选运动区域;
7、根据所述候选运动区域和所述位置信息,确定所述目标是否处于静止状态;
8、若所述目标处于静止状态,获取所述红外传感器在发生亚像素位移后采集的连续多帧第三红外图像;
9、根据所述连续多帧第三红外图像和所述连续多帧第二红外图像,重建目标红外图像。
10、可选地,对所述连续多帧第一红外图像进行噪声校正,包括:
11、利用预先构建的校正模型对所述第一红外图像序列中的所述第一红外图像进行逐帧噪声校正;所述校正模型是利用均匀黑体标定图像构建的列增益校正函数。
12、可选地,对所述连续多帧第二红外图像进行逐帧目标检测,得到目标的位置信息,包括:
13、利用目标检测模型对所述连续多帧第二红外图像进行逐帧目标检测,得到每一帧所述第二红外图像的目标检测框,根据所述目标检测框确定所述目标的位置信息。
14、可选地,计算所述连续多帧第二红外图像之间的帧间差异图像,根据所述帧间差异图像确定所述目标的候选运动区域,包括:
15、根据所述帧间差异图像的像素位置信息,构建空间权重矩阵,所述空间权重矩阵用于使位于所述帧间差异图像中心区域的像素具备更高权重,位于所述帧间差异图像边缘区域的像素具备更低权重;
16、据所述帧间差异图像中的温差变化率,构建温度权重矩阵,所述温度权重矩阵用于使所述帧间差异图像的低温差区域具有较高的增益敏感度,并使所述帧间差异图像的高温差区域具有较低的增益敏感度;
17、将所述空间权重矩阵与所述温度权重矩阵按照像素相乘,得到总权重矩阵;
18、利用所述总权重矩阵对所述帧间差异图像进行加权处理,得到加权差异图像;
19、对所述加权差异图像进行二值化处理,得到所述目标的候选运动区域。
20、可选地,所述空间权重矩阵的表达式为:
21、
22、其中,表示所述空间权重矩阵中位置坐标为的元素值,表示最小空间权重阈值,表示最大空间权重阈值,表示常数系数,表示所述帧间差异图像中位置坐标为的像素相对于所述帧间差异图像边界的曼哈顿距离;
23、所述温度权重矩阵的表达式为:
24、
25、其中,表示最小温度权重阈值,表示最大温度权重阈值,表示所述帧间差异图像的像素值,表示最大像素值,表示最小像素值,,表示对数函数的自变量的最小值,,表示对数函数的自变量的最大值,表示归一化函数。
26、可选地,计算所述连续多帧第二红外图像之间的帧间差异图像,包括:
27、遍历所述连续多帧第二红外图像,每次选择连续三帧第二红外图像;
28、计算所述连续三帧第二红外图像中第一帧第二红外图像与第二帧第二红外图像之间的第一帧间差异图像和所述第一帧第二红外图像与第三帧第二红外图像之间的第二帧间差异图像。
29、可选地,所述位置信息包括目标检测框,根据所述候选运动区域和所述位置信息,确定所述目标是否处于静止状态,包括:
30、计算所述连续三帧第二红外图像对应的目标检测框的并集,得到合并区域;
31、计算所述合并区域与所述候选运动区域的交集,得到交集区域;
32、对所述交集区域进行连通域分析,若存在大于预设阈值的连通区域,则确定所述目标处于运动状态,否则,确定所述目标处于静止状态。
33、可选地,根据所述连续多帧第三红外图像和所述连续多帧第二红外图像,重建目标红外图像,包括:
34、对所述连续多帧第二红外图像进行均值计算,得到第二均值图像;
35、对所述连续多帧第三红外图像进行均值计算,得到第三均值图像;
36、建立所述第二均值图像、所述第三均值图像和所述目标红外图像的线性关系,得到超定方程组;
37、求解所述超定方程组,得到所述目标红外图像。
38、根据本技术的第二方面,提供了一种红外图像处理装置,包括:
39、数据获取模块,用于获取红外传感器采集的连续多帧第一红外图像;
40、噪声校正模块,用于对所述连续多帧第一红外图像进行噪声校正,得到噪声校正后的连续多帧第二红外图像;
41、目标检测模块,用于对所述连续多帧第二红外图像进行逐帧目标检测,得到目标的位置信息;
42、静止检测模块,用于计算所述连续多帧第二红外图像之间的帧间差异图像,根据所述帧间差异图像确定所述目标的候选运动区域;根据所述候选运动区域和所述位置信息,确定所述目标是否处于静止状态;
43、所述数据获取模块还用于在所述目标处于静止状态的情况下,获取所述红外传感器在发生亚像素位移后采集的连续多帧第三红外图像;
44、重建模块,用于根据所述连续多帧第三红外图像和所述连续多帧第二红外图像,重建目标红外图像。
45、根据本技术的第三方面,提供了一种可读存储介质,,所述可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一项所述的红外图像处理方法。
46、应用本技术的技术方案,通过对连续多帧红外图像进行噪声校正,消除了传感器固有的非均匀性噪声,显著提升了原始图像的质量,为目标检测和后续处理提供了可靠的数据基础。在此基础上,结合逐帧目标检测获取的目标位置信息与帧间差异图像提取的候选运动区域,通过空间约束机制进行双重校验——即只有当像素级运动区域落入目标检测框覆盖范围内时,才视为有效运动——从而有效滤除背景杂波、热气流扰动等非目标因素引起的虚警,实现对目标静止状态的高精度判别。
47、进一步地,本技术将静止检测与超分辨率重建有机联动,仅在确认目标静止后才触发亚像素位移采集与重建流程,既确保了重建所需的多帧图像之间满足严格的亚像素平移关系,又避免了因场景运动导致的图像融合模糊。通过利用亚像素位移引入的互补空间信息并结合超定方程组求解,突破了传感器物理分辨率的限制,重建出细节丰富的高分辨率红外图像。整个方案形成“质量提升—智能筛选—精准增强”的闭环处理框架,兼顾了系统算力效率与输出图像质量,尤其适用于睡眠监测、姿态分析等需要长时间连续观测且对图像细节要求较高的应用场景。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com