红外热像校正技术的仿真研究及其实时应用——双阈值分割算法结合伪彩色变换

近年来,红外热像可应用于变压器等电力设备的监测和过热点定位,受到现代电力行业的关注,但红外热像仪呈现的温度分布多为灰度图,不利于人眼观察和辨识,而且图像模糊,影响检测质量,因此,实现红外热图像彩色显示和校正是必要的。文章提出了一种图像增强的方法,即双阈值分割算法,经过算法的仿真实验后将其应用在红外热像仪采集的变压器灰度图的伪彩色变换中,并在DSP642+FPGA组成的处理系统运行了这些算法。结果表明:伪彩色算法结合图像校正算法可较为精确地实现色彩变换,获得较好的视觉效果,可比原图显示更多的图像细节,解决了红外图像处理中细节不清楚的问题。     

面向近眼式应用的快速瞳孔中心定位算法

针对Hough圆变换、最小二乘法椭圆拟合瞳孔中心定位算法中运算量大的问题,提出一种基于椭圆外切矩形的快速瞳孔中心定位算法。该算法从人眼图像中通过阈值分割得到瞳孔区域,对瞳孔区域进行边缘像素点的提取,然后利用椭圆外切矩形模型定位出瞳孔中心。通过Matlab对中国科学院自动化研究所公开的虹膜数据库中756张人眼图像进行遍历实验验证,所提算法定位准确率为98.3%,平均用时0.192 s。在同等条件下,与Hough圆变换、最小二乘法椭圆拟合算法进行对比,在保证定位准确率的同时,所提算法平均用时更少。实验结果表明,所提算法能够快速准确地完成瞳孔的中心定位。     

基于多模态特征图融合的红外热图像目标区域提取算法

红外热图像目标区域(Region of Interest,ROI)提取对故障检测、目标跟踪等有着重要意义.为解决红外热图像干扰多、需人工标记及准确率低等问题,提出一种基于多模态特征图融合的红外热图像ROI提取算法.通过对比度、熵及梯度特征构建多模态特征图并进行区域填充,实现ROI提取.将新算法应用于实际采集的光伏太阳能板图像中.结果表明,新算法具有平均查准率高(93. 0553%)、平均查全率高(90. 2841%)、F1指数和J指数均优于图割法,人工标记少等优点,可有效用于红外热图像ROI提取.     

一种快速人眼精确定位算法

文中提出了一种基于最小外接矩形算法的人眼精确定位方法,该算法将顶点链码与离散格林理论相结合用于快速提取目标图像的最小外接矩形、求出目标图像的面积、形心和主轴.本文首先采用肤色分割与灰度投影相结合的方法快速定位到人脸,然后根据人脸的水平灰度投影曲线确定出人眼的大致位置,最后利用本文提出的算法实现了人眼的精确定位.实验结果表明该算法能快速、有效地进行人眼精确定位.     

基于CNN的金属疲劳裂纹超声红外热像检测与识别方法研究

传统超声红外热像检测与识别金属疲劳裂纹主要是通过图像处理算法提取红外热图像的相关热特征,并与裂纹特征进行匹配,其过程过于繁琐,识别率较低且需要人工筛选有效特征。结合主动红外热成像技术以及卷积神经网络（Convolutional Neural Network,CNN）在金属结构无损检测与缺陷自动识别中的优势,提出了一种基于CNN的金属疲劳裂纹超声红外热像检测与识别方法。通过超声红外热成像装置对实验对象（文中为金属平板试件）进行检测,获取红外热图像并制作图像数据集。运用设计的卷积神经网络对不同尺寸裂纹的超声红外热图像进行特征提取与识别分类。此外,对所提出的方法与两种常见图像分类网络模型以及支持向量机的分类结果进行对比。实验结果表明,设计的卷积神经网络在该数据集上识别分类准确率为100%,优于其他网络模型和支持向量机的识别分类,可以有效检测与识别金属疲劳裂纹。     

基于红外注意力提升机制的热成像测温区域实例分割

AI+热成像人体温度监测系统被广泛用于人群密集的人体实时温度测量。此类系统检测人的头部区域进行温度测量,由于各类遮挡,温度测量区域可能太小而无法正确测量。为了解决这个问题,该文提出一种融合红外注意力提升机制的无锚点实例分割网络,用于实时红外热成像温度测量区域实例分割。该文所提出的实例分割网络在检测阶段和分割阶段融合红外空间注意力模块(ISAM),旨在准确分割红外图像中的头部裸露区域,以进行准确实时的温度测量。结合公共热成像面部数据集和采集的红外热成像数据集,制作了“热成像温度测量区域分割数据集”用于网络训练。实验结果表明:该方法对红外热成像图像中头部裸露测温区域的平均检测精度达到88.6%,平均分割精度达到86.5%,平均处理速度达到33.5 fps,在评价指标上优于大多数先进的实例分割方法。     

基于红外热图像处理技术的运动轨迹检测研究

为增强体育运动轨迹检测过程中的抗噪性能,提升运动轨迹检测精度,提出了基于红外热图像处理技术的运动轨迹检测方法.利用红外热像仪采集初始红外热图像,针对红外热图像内空间不均匀或重影问题,采用基于场景的线性校正算法校正初始红外热图像.采用运动检测优化帧间滤波算法清除校正后红外热图像内包含的噪声,并通过边缘增强处理令红外热图像...     

多传感器信息融合的前方车辆检测

为提升辅助驾驶系统对于道路环境中车辆的感知能力,通过机器视觉与毫米波雷达信息融合技术对前方车辆进行了检测。融合系统中对摄像头和毫米波雷达进行了联合标定,借助三坐标测量仪确定两者的数据转换的关系,优化了深度学习算法SSD的候选框,提高了车辆的检测速度,选用长焦和短焦两种摄像头进行前方图像采集,并将两者重合图像进行融合,提升了前方小目标图像的清晰度,同时对毫米波雷达数据进行了处理,借助雷达模拟器确定合适阈值参数实现对车辆目标的有效提取,根据雷达有效目标数据对摄像头采集的图像进行选择与建立感兴趣区域,通过改进的SSD车辆识别算法对区域中的车辆进行检测,经过测试,车辆的检测准确率最高达到95.3%,单帧图像平均处理总时间为32 ms,该算法提升系统前方车辆检测的实时性和环境适应性。     

深度图像的目标潜在区域提取算法

目标检测和识别算法通常使用复杂特征以多尺度滑动窗的方式进行分析,运算效率往往非常低。因此,目标性被引入进行目标潜在区域的快速预判断,减少复杂特征需要分析的窗数,从而达到加速算法效率的目的。针对逐步普及的Kinect深度像机,该文提出了一种基于深度图像的目标性分析算法,以提升深度图像的目标检测识别算法的效率。首先基于深度图像的法向量,提出能够有效描述深度图像边缘信息的特征,然后通过支撑向量机学习目标性的分类器,以得分的形式给出候选区域中存在目标的概率,最后基于人眼的视觉机理对不同尺度的目标进行加权。通过深度图公共数据库的实验对比,该算法给定1000个候选区域时达到94.1%的召回率,保证了准确率的同时大大减少了区域数量,能有效的提升目标检测识别算法的效率。      

基于HSV空间优化耦合参数PCNN的人眼定位方法

为解决人眼定位中受光照、人脸姿态、人眼开闭影响的问题,提出了一种HSV空间肤色模型与优化耦合参数的脉冲耦合神经网络(Pulse Coupled Neural Network PCNN)相结合的人眼定位算法。将RGB空间图像转化为HSV空间图像,根据肤色检测人脸图像,利用优化耦合参数PCNN模型良好的捕捉特性及衰减特性,对图像进行分割,提取出人眼范围,利用形态学运算对图像进行增强处理,去除背景干扰,精确定位人眼。实验结果表明,本算法在不同光照条件,不同人脸姿态,人眼闭合均能成功定位,且具有定位准确、速度快、不受人眼开闭程度影响的特点。     

一种红外和可见光双通道视频目标跟踪方法

室外场景下由于场景背景条件变化容易导致视频目标跟踪稳定性差。该文提出一种利用红外和可见光传感器的双通道视频目标跟踪方法。该算法利用可见光图像的目标颜色特征和红外图像的目标轮廓特征,结合均值漂移算法与水平集曲线演化实现目标定位,并给出了目标尺度和模板更新方法;对多目标跟踪的互相遮挡问题,通过判断目标合并与分离实现遮挡时多个目标的定位。实验结果表明,该文方法能够有效处理光照变化、阴影、遮挡等情况,实现目标的稳定跟踪。     

夜间复杂场景下红外图像行人检测算法研究

针对夜间红外图像中行人与背景灰度差异小且存在遮挡等问题,提出了一种夜间复杂场景下的红外行人检测算法。首先利用行人语义融合方法生成对目标全覆盖的显著图,与原图融合得到感兴趣区域,然后构造基于改进的方向梯度直方图特征的两分支分类器,同时提出一种遮挡判别算法,根据分类器模糊分数判断是否遮挡,设计一种头部模板实现最终的行人检测。在LSI远红外行人数据集和自主采集的冬、夏季节夜间行人数据上进行实验,结果表明:在不同环境下,所提出的方法均可快速鲁棒地检测出行人,可较显著地降低漏检率,检测率可达到94.20%。     

基于红外差分和积分投影的驾驶员眼睛定位

眼睛位置的快速准确定位是利用机器视觉方法对驾驶员的状态进行监测以及预警的前提。为了检测出眼睛的位置,采用一种基于红外差分和灰度积分投影的方法进行了驾驶员眼睛的定位。首先利用瞳孔在近轴和远轴红外光分别照射下的不同状态,采集到瞳孔亮暗程度不同的两幅图像,然后将采集到的奇偶帧图像进行差分等相关形态学处理,获得了只包含瞳孔的二值化图像,最后分别对左右眼进行垂直和水平投影,获得左右眼的精确横竖坐标。对该方法进行了理论分析和实验验证,取得了很好的效果。结果表明,该方法具有较高的准确率和实时性。这一结果对下一步驾驶员的疲劳检测是有很大帮助的。     

一种基于关键点的红外图像人体摔倒检测方法

针对已有人体摔倒检测方法在复杂环境场景下易受光照影响、适应性差、误检率高等问题,提出了一种基于关键点估计的红外图像人体摔倒检测方法。该方法采用红外图像,有效避免了光照等因素的影响,经过神经网络找到人体目标中心点,然后回归人体目标属性,如目标尺寸、标签等,从而得到检测结果。使用红外相机采集不同情况下的人体摔倒图像,建立红外图像人体摔倒数据集并使用提出的方法进行检测,识别率达到97%以上。实验结果表明提出的方法在红外图像人体摔倒检测中具有较高的精度与速度。     

基于超声红外热像的电缆终端局部放电缺陷检测方法

电缆终端局部放电缺陷特征短暂,缺陷范围与外部环境纠缠,很难准确定位,需要结合温度特征和模式识别特征共同检测,本文利用超声红外热成像的优势,提出基于超声红外热像的电缆终端局部放电缺陷检测方法,方法利用图像梯度化、灰度化处理采集到的电缆终端局部放电缺陷特征超声红外热成像图,并通过智能模式识别处理方法抑制采集图像的复杂背景,删除包含在电缆终端局部放电缺陷特征红外图像中的大面积地物及地面;根据K-means聚类算法,圈定疑似局部放电缺陷特征范围,构建局部放电缺陷范围模板,经匹配参考范围后,得出疑似局部放电缺陷范围的温度特性信息,诊断电缆终端是否存在局部放电缺陷。实验结果表明,该方法可有效获取电缆终端局部放电缺陷部位,检测不同类型的电缆终端局部放电缺陷的平均精准率高达98%,平均漏检率为1%。     

基于双阶段轻量YOLO的红外行人伪影检测算法北大核心CSCD

由于镜面回波效应,红外图像采集过程中行人不可避免出现反射倒影(本文简称“伪影”)区域,此时对后续行人检测会造成一定程度影响,对上述情况,本文提出一种基于轻量YOLO(You Only Look Once)的双阶段网络检测框架,先检测“行人-伪影”联合区域再精准定位伪影位置。首先,针对YOLOv5s轻量检测算法进行改进,使用LSM(Light Sample Module)双分支结构替换原下采样部分,并嵌入注意力机制来提高模型的特征整合能力,实现红外图像的背景过滤和联合区域提取。其次,对联合区域进行无失真矩形填充保持原始特征,设计轻量级行人伪影定位网络LS YOLO(Light Structur YOLO)检测联合区域获得最终的伪影位置坐标。实验结果表明,本文算法能够满足实时检测要求,在数据集中,相比其他算法获得更好的检测效果,行人伪影的检测正确率达到9545%。     

Optimized superpixel and AdaBoost classifier for human thermal face recognition

Infrared spectrum-based human recognition systems offer straightforward and robust solutions for achieving an excellent performance in uncontrolled illumination. In this paper, a human thermal face recognition model is proposed. The model consists of four main steps. Firstly, the grey wolf optimization algorithm is used to find optimal superpixel parameters of the quick-shift segmentation method. Then, segmentation-based fractal texture analysis algorithm is used for extracting features and the rough set-based methods are used to select the most discriminative features. Finally, the AdaBoost classifier is employed for the classification process. For evaluating our proposed approach, thermal images from the Terravic Facial infrared dataset were used. The experimental results showed that the proposed approach achieved (1) reasonable segmentation results for the indoor and outdoor thermal images, (2) accuracy of the segmented images better than the non-segmented ones, and (3) the entropy-based feature selection method obtained the best classification accuracy. Generally, the classification accuracy of the proposed model reached to 99% which is better than some of the related work with around 5%.     

驾驶员疲劳检测中的眼睛定位算法

人眼状态与疲劳程度有很好的相关性,眼睛定位在驾驶员疲劳检测中有十分重要的地位。目前眼睛定位算法都是针对睁开的眼睛,不能定位闭合的眼睛。为了能够定位任意状态下的眼睛,提出了Adaboosting算法与几何模板融合的眼睛定位算法。在眼睛粗定位区域中用Ada-boosting算法检测睁开的眼睛,修改几何模板。对于Adaboosting算法中不能检测到眼睛时则用几何模板法进行眼睛定位。实验表明该算法有较好的检测率和运算速度。