CN111161198A - 成像设备的控制方法、装置、存储介质以及处理器 - Google Patents

Abstract

本发明公开了一种成像设备的控制方法、装置、存储介质以及处理器。其中，该方法包括：采用成像设备采集目标对象在同一视角下的微光图像和红外图像；基于预定像素点将微光图像和红外图像进行融合处理，得到融合图像；根据图像质量评价模型，识别得到与微光图像、红外图像以及融合图像对应的评价结果；根据评价结果，确定成像设备的工作模式，工作模式至少包括以下之一：微光、热成像、融合黑白、融合彩色。本发明解决了相关技术中采用单一的成像方式导致成像效果差的技术问题。

Description

成像设备的控制方法、装置、存储介质以及处理器

技术领域

本发明涉及成像设备控制技术领域，具体而言，涉及一种成像设备的控制方法、装置、存储介质以及处理器。

背景技术

随着城市的建设和发展，输、配电线路设施地下化在改善城市环境和强化城市防灾安全显得尤为重要。目前，电力线路多采用地下输、配电线路，采用开槽、顶管、浅埋暗挖以及盾构等方法铺设。现阶段电力隧道工程所建设的工作范围，主要是地下区域。在进行一些重大的施工作业时，夜间作业是必不可少的。由于夜间作业与平常的作业有着明显的不同，主要体现在夜间作业所面临的工作环境多为黑夜，对于光的需求就超出了普通作业。

对于夜间作业，现有技术中大多采用微光夜视装备或者红外探测设备，这样使得成像方式比较单一，且容易受到环境因素的影响，成像效果差，并不能实现对目标对象的高质量成像。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种成像设备的控制方法、装置、存储介质以及处理器，以至少解决相关技术中采用单一的成像方式导致成像效果差的技术问题。

根据本发明实施例的一个方面，提供了一种成像设备的控制方法，包括：采用成像设备采集目标对象在同一视角下的微光图像和红外图像；基于预定像素点将所述微光图像和红外图像进行融合处理，得到融合图像；根据图像质量评价模型，识别得到与所述微光图像、所述红外图像以及所述融合图像对应的评价结果；根据所述评价结果，确定所述成像设备的工作模式，所述工作模式至少包括以下之一：微光、热成像、融合黑白、融合彩色。

可选地，采用成像设备采集目标对象在同一视角下的微光图像和红外图像包括：获取所述目标对象的环境参数，其中，所述环境参数至少包括以下之一：温度、湿度、亮度；基于所述环境参数对应的拍摄模式，得到所述微光图像和所述红外图像，其中，所述拍摄模式是根据所述环境参数与预设的拍摄模板中的预定环境参数匹配得到的。

可选地，基于所述环境参数对应的拍摄模式，得到所述微光图像和所述红外图像之后，采用成像设备采集目标对象在同一视角下的微光图像和红外图像还包括：对所述微光图像和所述红外图像进行预处理，其中，所述预处理至少包括以下之一：图像变换、图像增强和复原、图像分割、图像去噪。

可选地，所述预定像素点为所述目标对象在图像中的特征点，基于预定像素点将所述微光图像和红外图像进行融合处理，得到融合图像包括：利用归一化相关算法将所述微光图像和所述红外图像对应的所述预定像素点进行关联，得到关联结果；根据所述关联结果，确定所述融合图像。

可选地，在根据图像质量评价模型，识别得到与所述微光图像、所述红外图像以及所述融合图像对应的评价结果之前，所述方法还包括：构建所述图像质量评价模型，其中，所述图像质量评价模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：不同类型的所述微光图像、所述红外图像、所述融合图像及其对应的评价结果。

可选地，根据所述评价结果，确定成像设备的工作模式包括：按照预定规则对所述评价结果进行排序，得到排序结果；根据所述排序结果，确定所述工作模式。

可选地，按照预定规则对所述评价结果进行排序，得到排序结果包括：获取所述微光图像、所述红外图像以及所述融合图像对应的权重；根据所述评价结果和所述权重，确定所述排序结果。

根据本发明实施例的另一方面，还提供了一种成像设备的控制装置，包括：采集模块，用于采用成像设备采集目标对象在同一视角下的微光图像和红外图像；融合模块，用于基于预定像素点将所述微光图像和红外图像进行融合处理，得到融合图像；识别模块，用于根据图像质量评价模型，识别得到与所述微光图像、所述红外图像以及所述融合图像对应的评价结果；确定模块，用于根据所述评价结果，确定所述成像设备的工作模式，所述工作模式至少包括以下之一：微光、热成像、融合黑白、融合彩色。

根据本发明实施例的另一方面，还提供了一种存储介质，所述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存储介质所在设备执行上述中任意一项所述的成像设备的控制方法。

根据本发明实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述中任意一项所述的成像设备的控制方法。

在本发明实施例中，采用成像设备采集目标对象在同一视角下的微光图像和红外图像；基于预定像素点将所述微光图像和红外图像进行融合处理，得到融合图像；根据图像质量评价模型，识别得到与所述微光图像、所述红外图像以及所述融合图像对应的评价结果；根据所述评价结果，确定所述成像设备的工作模式，所述工作模式至少包括以下之一：微光、热成像、融合黑白、融合彩色的方式，通过利用图像质量评价模型的到微光图像、红外图像以及融合图像对应的评价结果，从而确定成像设备的工作模式，达到了根据图像质量的选择成像设备的工作模式进行成像的目的，从而实现了高质量成像的技术效果，进而解决了相关技术中采用单一的成像方式导致成像效果差技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的成像设备的控制方法的流程图；

图2是根据本发明实施例的成像设备的控制装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种成像设备的控制方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的成像设备的控制方法的流程图，如图1所示，该成像设备的控制方法包括如下步骤：

步骤S102，采用成像设备采集目标对象在同一视角下的微光图像和红外图像；

上述成像设备为融合望远镜、具有红外热像仪的微光夜视装备等；目标对象可以是光线较暗的工作空间，例如，电力隧道、矿井以及其他夜间工作场合等；视角为镜头中心点到成像平面对角线两端所形成的夹角，其中，在同一视角下，采集目标对象的微光图像和红外图像具有很强的关联性，可以得到目标对象的不同成像效果。

步骤S104，基于预定像素点将微光图像和红外图像进行融合处理，得到融合图像；

由于微光图像和红外图像为同一视角下的图像，因此，微光图像的像素点与红外图像的像素点更加容易融合，上述预定像素点为目标对象在图像中的特征点，进而将目标对象在图像中的特征点进行融合处理，这样就可以实现得到高效率、高质量的融合图像，同样地，避免了现有图像融合的复杂程度高的缺陷。

步骤S106，根据图像质量评价模型，识别得到与微光图像、红外图像以及融合图像对应的评价结果；

上述图像质量评价模型是基于机器学习进行训练得到的，其中，采用大量的场景中的图像信息及其对应的评价结果进行训练。在具体实施过程中，将微光图像、红外图像以及融合图像中的任意一个输入该图像质量评价模型，就能够输出与之对应的评价结果。

需要说明的是，上述评价结果用于反馈图像质量指标，其中，图像质量指标为图像分辨率、色彩深度以及图像失真的评分。

上述融合图像至少包括融合黑白、融合彩色。

步骤S108，根据评价结果，确定成像设备的工作模式，工作模式至少包括以下之一：微光、热成像、融合黑白、融合彩色。

在实施过程中，可以根据评价结果选择成像设备的工作模式，具体地，可以是微光、热成像、融合黑白、融合彩色中的任意一种。因此，通过上述方法，可以根据图像质量选取高质量成像的工作模式，使得成像设备在该工作模式下进行成像，避免了成像方式单一引起的成像效果差的问题。

通过上述步骤，可以实现采用成像设备采集目标对象在同一视角下的微光图像和红外图像；基于预定像素点将微光图像和红外图像进行融合处理，得到融合图像；根据图像质量评价模型，识别得到与微光图像、红外图像以及融合图像对应的评价结果；根据评价结果，确定成像设备的工作模式，工作模式至少包括以下之一：微光、热成像、融合黑白、融合彩色的方式，通过利用图像质量评价模型的到微光图像、红外图像以及融合图像对应的评价结果，从而确定成像设备的工作模式，达到了根据图像质量的选择成像设备的工作模式进行成像的目的，从而实现了高质量成像的技术效果，进而解决了相关技术中采用单一的成像方式导致成像效果差技术问题。

可选地，采用成像设备采集目标对象在同一视角下的微光图像和红外图像包括：获取目标对象的环境参数，其中，环境参数至少包括以下之一：温度、湿度、亮度；基于环境参数对应的拍摄模式，得到微光图像和红外图像，其中，拍摄模式是根据环境参数与预设的拍摄模板中的预定环境参数匹配得到的。

上述环境参数对目标对象的成像效果产生影响，可以根据不同的环境参数自动选择最佳的拍摄模式，以降低环境参数对成像的不利影响，提高成像效果。

上述的拍摄模式可以是多种类型的，可以根据环境参数与预设的拍摄模板中的预定环境参数匹配得到的不同的拍摄模式。

可选地，基于环境参数对应的拍摄模式，得到微光图像和红外图像之后，采用成像设备采集目标对象在同一视角下的微光图像和红外图像还包括：对微光图像和红外图像进行预处理，其中，预处理至少包括以下之一：图像变换、图像增强和复原、图像分割、图像去噪。

为了进一步地提高图像质量，可以对采集的微光图像和红外图像进行预处理，在具体实施过程中，上述预处理包括但不限于图像变换、图像增强和复原、图像分割、图像去噪。

可选地，预定像素点为目标对象在图像中的特征点，基于预定像素点将微光图像和红外图像进行融合处理，得到融合图像包括：利用归一化相关算法将微光图像和红外图像对应的预定像素点进行关联，得到关联结果；根据关联结果，确定融合图像。

需要说明的是，预定像素点既可以为目标对象在图像中的特征点，也可以是根据需要选择的特征点，在实施过程中，并不作任何限定。

在融合图像的过程中，可以利用归一化相关算法将微光图像对应的预定像素点和红外图像对应的预定像素点进行关联，从而快速、准确的得到融合图像。

可选地，在根据图像质量评价模型，识别得到与微光图像、红外图像以及融合图像对应的评价结果之前，上述方法还包括：构建图像质量评价模型，其中，图像质量评价模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：不同类型的微光图像、红外图像、融合图像及其对应的评价结果。

为了更高效的反馈图像质量，采用机器学习的方式训练大量的数据，得到图像质量评价模型。这样得到的图像质量评价模型能够更加准确的得到与输入的图像对应的评价结果。

需要说明的是，多组数据中的每组数据均包括：不同类型的微光图像、红外图像、融合图像及其对应的评价结果，这些数据均来自于不同的应用场景，进而使得上述图像质量评价模型能够应用于多种场景，提高识别范围。

可选地，根据评价结果，确定成像设备的工作模式包括：按照预定规则对评价结果进行排序，得到排序结果；根据排序结果，确定工作模式。

上述预定规则为用于确定工作模式的优先级规则。根据预定规则，可以得到评价结果的排序，进而可以确定对应的工作模式。需要说明的是，不同的预定规则可以得到与该预定规则对应的排序结果。在具体实施过程中，可以根据排序结果，选择最佳的工作模式，在最佳的工作模式下，成像设备可以取得高质量的成像效果。

可选地，按照预定规则对评价结果进行排序，得到排序结果包括：获取微光图像、红外图像以及融合图像对应的权重；根据评价结果和权重，确定排序结果。

在实施过程中，可以根据微光图像、红外图像以及融合图像对应的权重和评价结果，进行排序。例如，上述评价结果可以反映微光图像、红外图像以及融合图像对应的图像质量，但是还可以针对不同的应用场景的需求，确定微光图像、红外图像以及融合图像在具体的应用场景中对应的权重，从而得到满足需求的排序结果。

可选地，根据评价结果，确定成像设备的工作模式还包括：利用输入装置接收输入信号，其中，该输入信号用于触发对应的评价结果；根据该输入信号选择成像设备的工作模式。其中，输入装置可以是成像设备的自身包含的装置，也可以是成像设备外接的装置。通过上述方式，可以灵活选择成像设备的工作模式。

可选地，在根据评价结果，确定成像设备的工作模式之后，上述方法还包括：利用显示设备在上述工作模式下进行成像。其中，可以根据不同的工作模式进行微光、热成像、融合黑白、融合彩色等成像。

实施例2

根据本发明实施例的另外一个方面，还提供了一种用于执行上述实施例1中的成像设备的控制方法的装置实施例，图2是根据本发明实施例的成像设备的控制装置的示意图，如图2所示，该成像设备的控制装置包括：采集模块22，融合模块24，识别模块26以及确定模块28。下面对该成像设备的控制装置进行详细说明。

采集模块22，用于采用成像设备采集目标对象在同一视角下的微光图像和红外图像；

融合模块24，连接至上述采集模块22，用于基于预定像素点将微光图像和红外图像进行融合处理，得到融合图像；

识别模块26，连接至上述融合模块24，用于根据图像质量评价模型，识别得到与微光图像、红外图像以及融合图像对应的评价结果；

确定模块28，连接至上述识别模块26，用于根据评价结果，确定成像设备的工作模式，工作模式至少包括以下之一：微光、热成像、融合黑白、融合彩色。

此处需要说明的是，上述采集模块22，融合模块24，识别模块26以及确定模块28对应于实施例1中的步骤S102至S108，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机***中执行。

可选地，上述采集模块包括：获取单元，用于获取目标对象的环境参数，其中，环境参数至少包括以下之一：温度、湿度、亮度；拍摄单元，用于基于环境参数对应的拍摄模式，得到微光图像和红外图像，其中，拍摄模式是根据环境参数与预设的拍摄模板中的预定环境参数匹配得到的。

可选地，基于环境参数对应的拍摄模式，得到微光图像和红外图像之后，采集模块还包括：处理单元，用于对微光图像和红外图像进行预处理，其中，预处理至少包括以下之一：图像变换、图像增强和复原、图像分割、图像去噪。

可选地，预定像素点为目标对象在图像中的特征点，上述融合模块包括：关联单元，用于利用归一化相关算法将微光图像和红外图像对应的预定像素点进行关联，得到关联结果；第一确定单元，用于根据关联结果，确定融合图像。

可选地，在根据图像质量评价模型，识别得到与微光图像、红外图像以及融合图像对应的评价结果之前，装置还包括：构建模块，用于构建图像质量评价模型，其中，图像质量评价模型为使用多组数据通过机器学习训练得出的，多组数据中的每组数据均包括：不同类型的微光图像、红外图像、融合图像及其对应的评价结果。

可选地，上述确定模块包括：排序单元，用于按照预定规则对评价结果进行排序，得到排序结果；第二确定单元，用于根据排序结果，确定工作模式。

可选地，上述排序单元包括：获取子单元，用于获取微光图像、红外图像以及融合图像对应的权重；确定子单元，用于根据评价结果和权重，确定排序结果。

实施例3

根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述中任意一项的成像设备的控制方法。

实施例4

根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述中任意一项的成像设备的控制方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种成像设备的控制方法，其特征在于，包括：

采用成像设备采集目标对象在同一视角下的微光图像和红外图像；

基于预定像素点将所述微光图像和红外图像进行融合处理，得到融合图像；

根据图像质量评价模型，识别得到与所述微光图像、所述红外图像以及所述融合图像对应的评价结果；

根据所述评价结果，确定所述成像设备的工作模式，所述工作模式至少包括以下之一：微光、热成像、融合黑白、融合彩色。

2.根据权利要求1所述的方法，其特征在于，采用成像设备采集目标对象在同一视角下的微光图像和红外图像包括：

获取所述目标对象的环境参数，其中，所述环境参数至少包括以下之一：温度、湿度、亮度；

基于所述环境参数对应的拍摄模式，得到所述微光图像和所述红外图像，其中，所述拍摄模式是根据所述环境参数与预设的拍摄模板中的预定环境参数匹配得到的。

3.根据权利要求2所述的方法，其特征在于，基于所述环境参数对应的拍摄模式，得到所述微光图像和所述红外图像之后，采用成像设备采集目标对象在同一视角下的微光图像和红外图像还包括：

对所述微光图像和所述红外图像进行预处理，其中，所述预处理至少包括以下之一：图像变换、图像增强和复原、图像分割、图像去噪。

4.根据权利要求1所述的方法，其特征在于，所述预定像素点为所述目标对象在图像中的特征点，基于预定像素点将所述微光图像和红外图像进行融合处理，得到融合图像包括：

利用归一化相关算法将所述微光图像和所述红外图像对应的所述预定像素点进行关联，得到关联结果；

根据所述关联结果，确定所述融合图像。

5.根据权利要求1所述的方法，其特征在于，在根据图像质量评价模型，识别得到与所述微光图像、所述红外图像以及所述融合图像对应的评价结果之前，所述方法还包括：

构建所述图像质量评价模型，其中，所述图像质量评价模型为使用多组数据通过机器学习训练得出的，所述多组数据中的每组数据均包括：不同类型的所述微光图像、所述红外图像、所述融合图像及其对应的评价结果。

6.根据权利要求1所述的方法，其特征在于，根据所述评价结果，确定成像设备的工作模式包括：

按照预定规则对所述评价结果进行排序，得到排序结果；

根据所述排序结果，确定所述工作模式。

7.根据权利要求6所述的方法，其特征在于，按照预定规则对所述评价结果进行排序，得到排序结果包括：

获取所述微光图像、所述红外图像以及所述融合图像对应的权重；

根据所述评价结果和所述权重，确定所述排序结果。

8.一种成像设备的控制装置，其特征在于，包括：

采集模块，用于采用成像设备采集目标对象在同一视角下的微光图像和红外图像；

融合模块，用于基于预定像素点将所述微光图像和红外图像进行融合处理，得到融合图像；

识别模块，用于根据图像质量评价模型，识别得到与所述微光图像、所述红外图像以及所述融合图像对应的评价结果；

确定模块，用于根据所述评价结果，确定所述成像设备的工作模式，所述工作模式至少包括以下之一：微光、热成像、融合黑白、融合彩色。

9.一种存储介质，其特征在于，所述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存储介质所在设备执行权利要求1至7中任意一项所述的成像设备的控制方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的成像设备的控制方法。

Images