CN116503248A - 一种针对原油储罐的红外图像校正方法及校正*** - Google Patents
一种针对原油储罐的红外图像校正方法及校正*** Download PDFInfo
- Publication number
- CN116503248A CN116503248A CN202310390400.7A CN202310390400A CN116503248A CN 116503248 A CN116503248 A CN 116503248A CN 202310390400 A CN202310390400 A CN 202310390400A CN 116503248 A CN116503248 A CN 116503248A
- Authority
- CN
- China
- Prior art keywords
- image
- infrared image
- resolution
- correction
- crude oil
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 239000010779 crude oil Substances 0.000 title claims abstract description 44
- 238000003702 image correction Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 81
- 230000009466 transformation Effects 0.000 claims abstract description 81
- 238000012937 correction Methods 0.000 claims abstract description 42
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 42
- 238000004590 computer program Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000001629 suppression Effects 0.000 claims description 5
- 230000001965 increasing effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 17
- 239000003921 oil Substances 0.000 abstract description 10
- 239000010802 sludge Substances 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 19
- 238000013519 translation Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 4
- 238000005111 flow chemistry technique Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 241000935974 Paralichthys dentatus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000701 coagulant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000001757 thermogravimetry curve Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/08—Projecting images onto non-planar surfaces, e.g. geodetic screens
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Radiation Pyrometers (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
Abstract
本发明涉及一种针对原油储罐的红外图像校正方法及校正***，属于原油储罐油泥检测领域。包括：获取低分辨率的红外图像，对低分辨率的红外图像进行图像增强，得到增强后的红外图像；将增强后的红外图像输入到ESPCN网络中，对增强后的红外图像进行像素递归超分辨率处理，得到高分辨率的红外图像；对高分辨率的红外图像进行透视变换，将其映射到一个新的二维平面上；采用MATLAB对变换后得到的图像进行桶形矫正，以消除畸变和失真，得到最终的正常显示图像。本发明解决了当前红外图像中边缘变形、畸变、显示不准确的问题，大大提升了后续油泥检测的准确率。
Description
技术领域
本发明涉及一种针对原油储罐的红外图像校正方法及校正***，属于原油储罐油泥检测领域。
背景技术
近年来，随着红外热像技术的不断发展和成熟，红外图像在工业、军事、医学等领域得到了广泛应用。红外图像是指采用红外热像仪器对物体所发出的红外辐射能进行感测、探测、转化和成像的一种技术。由于红外辐射能具有与物体表面温度成正比的特性，并能够穿透霾、雾、烟等复杂环境，因此广泛应用于原油储罐的油泥检测、人体健康状况监测、建筑体检、火灾检测、夜视等领域。
原油储罐是石油工业中常用的存储设备，可以用来储存、运输和加工原油等化工产品。而原油储罐中的油泥问题是一个较为普遍的问题，在油料存储过程中容易形成污垢和凝固物，会使得油料的质量发生变化，甚至会损害储罐本身。因此，对于原油储罐中的油泥问题，需要进行及时和准确的检测和处理。
目前，红外图像技术已经被广泛应用在原油储罐的油泥检测中。然而，由于原油储罐的气氛水平和污垢等原因，红外图像往往存在边缘失真现象，这会导致红外图像中的边缘处出现亮度饱和度过高或过低的现象，从而影响了油泥检测的准确性和可靠性。
还有一种因素，储罐的红外图像拍摄可能会用到红外相机的广角镜头亦或是全景模式，他们的一个共同特点就是视角非常广，在透视关系上呈现出近大远小的特点，在靠近画面边缘的地方都会横向拉伸而变形，此种现象就叫做透视变形也称畸变。畸变产生的原因是镜头光学素质不达标，使画面产生横向拉伸。这种情况会导致油泥检测中的误差增大，检测结果的准确性和可靠性降低，甚至出现漏检和误判等情况。
发明内容
本发明提出了一种针对原油储罐的红外图像校正方法及校正***，基于图像增强、像素递归超分辨率处理、透视变换和桶形矫正，解决了当前红外图像中边缘变形、畸变、显示不准确的问题。
一种针对原油储罐的红外图像校正方法，针对原油储罐的红外图像校正方法包括：
S100、获取低分辨率的红外图像，对低分辨率的红外图像进行图像增强，得到增强后的红外图像；
S200、将增强后的红外图像输入到ESPCN网络中，对增强后的红外图像进行像素递归超分辨率处理，得到高分辨率的红外图像；
S300、对高分辨率的红外图像进行透视变换，将其映射到一个新的二维平面上；
S400、采用MATLAB对变换后得到的图像进行桶形矫正，以消除畸变和失真，得到最终的正常显示图像。
进一步的，在S100中，图像增强包括灰度等级直方图处理、干扰抑制、边缘锐化和伪彩色处理。
进一步的，在S200中，在ESPCN网络中，像素递归超分辨率处理通过三个卷积层处理后，得到通道数为r2的与输入图像大小一样的特征图像，再将特征图像中每个像素的r2个通道重新排列成一个r×r的区域，对应高分辨率图像中一个r×r大小的子块，从而提升有效像素点数，得到高分辨率的红外图像。
进一步的，在S300中，包括以下步骤：
S310、将高分辨率的红外图像的二维坐标系转换为三维坐标系；
S320、将三维坐标系中的点投影到新的二维坐标系上，从而将三维场景的信息转化为二维图像信息，得到经过透视变换处理过的图像。
进一步的，在S400中，包括以下步骤：
S410、读取经过透视变换处理过的图像，将其存储在矩阵中，使用最邻近插值法对图像进行采样和重构；
S420、调整畸变因子，对图像中的畸变进行校正和纠正，以消除图像中可能存在的形变和失真问题；
S430、对图像的矩阵元素进行处理，对图像进行加工和缩放；
S440、找寻校正图像点的坐标，通过图像中已知的点，根据其位置和坐标信息，计算出其它点的坐标和位置，以实现更准确的校正和矫正；
S450、填充图像像素点，使用补偿算法对图像中可能存在的空缺或未填充区域进行填充；
S460、显示处理后的图像，将处理后的图像输出到显示器或存储设备中，以供后续处理和分析使用。
一种针对原油储罐的红外图像校正***，基于上述的一种针对原油储罐的红外图像校正方法，针对原油储罐的红外图像校正***包括图像增强模块、像素递归超分辨率处理模块、透视变换模块和桶形矫正模块，图像增强模块、像素递归超分辨率处理模块、透视变换模块和桶形矫正模块依次连接。
进一步的，图像增强模块，用于获取低分辨率的红外图像，对低分辨率的红外图像进行图像增强，得到增强后的红外图像，并将增强后的红外图像导入像素递归超分辨率处理模块中；
像素递归超分辨率处理模块，用于将增强后的红外图像输入到ESPCN网络中，对增强后的红外图像进行像素递归超分辨率处理，得到高分辨率的红外图像；
透视变换模块，用于对高分辨率的红外图像进行透视变换，将其映射到一个新的二维平面上；
桶形矫正模块，用于采用MATLAB对变换后得到的图像进行桶形矫正，以消除畸变和失真，得到最终的正常显示图像。
一种存储介质，该存储介质上储存有计算机程序，计算机程序被处理器执行时实现上述的一种针对原油储罐的红外图像校正方法。
一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序，以实现上述的一种针对原油储罐的红外图像校正方法。
本发明的有益效果：本发明申请的一种针对原油储罐的红外图像校正方法及校正***，能够将低分辨率图像转化为高分辨率图像，处理效率高。且通过透视变换和桶形矫正，解决了当前红外图像中边缘变形、显示不准确的问题，从而提高了后续油泥检测的准确性。
附图说明
图1为高效亚像素卷积神经网络ESPCN结构图；
图2为红外图像的部分十六进制裸数据；
图3为经过像素递归超分辨率处理后的热像图；
图4为利用红外超分辨率技术获得的精度10μm(10-5m)的热像图；
图5为桶型畸变矫正前后对比图像，其中，图5(a)为矫正前图像；图5(b)为桶型畸变矫正后图像；
图6为本发明的一种针对原油储罐的红外图像校正方法的方法流程图。
具体实施方式
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，所描述的实施例仅是本发明一部分实施例，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，都属于本发明保护的范围。
参照图6所示，一种针对原油储罐的红外图像校正方法，针对原油储罐的红外图像校正方法包括：
S100、获取低分辨率的红外图像，对低分辨率的红外图像进行图像增强，得到增强后的红外图像；
S200、将增强后的红外图像输入到ESPCN网络中，对增强后的红外图像进行像素递归超分辨率处理，得到高分辨率的红外图像；
S300、对高分辨率的红外图像进行透视变换，将其映射到一个新的二维平面上；
S400、采用MATLAB对变换后得到的图像进行桶形矫正，以消除畸变和失真，得到最终的正常显示图像。
具体的，本发明是一种针对原油储罐红外图像校正的技术方法，其设计原理涵盖了从获取低分辨率红外图像到处理、变换、矫正等多个步骤，通过组合处理，得到最终高质量的红外图像。
该方法的技术出发点是提高红外图像的分辨率并实现红外图像正常显示，解决一些原油储罐检测过程中图像低分辨率和畸变失真等不足的问题。通过增强低分辨率的红外图像，再经过ESPCN网络对增强后的红外图像进行像素递归超分辨率处理，得到高分辨率的红外图像。接着，对高分辨率的红外图像进行透视变换，将其映射到一个新的二维平面上，最后采用MATLAB对变换后的图像进行桶形矫正，以消除畸变和失真，得到最终的正常显示图像。
本发明提高了红外图像的分辨率和清晰度，准确性得到了提高，使得可以更加准确、全面地检测油罐的问题。同时，校正后的红外图像具有更好的可视性，提升了检测过程的效率和准确度。
进一步的，在S100中，图像增强包括灰度等级直方图处理、干扰抑制、边缘锐化和伪彩色处理。
具体的，使图像清晰或将其转换为更适合人或机器分析的形式。与图像复原不同，图像增强并不要求忠实地反映原始图像。相反，含有某种失真(例如突出轮廓线)的图像可能比无失真的原始图像更为清晰。本发明的图像增强方式包括：
灰度等级直方图处理：可以提高图像的对比度和亮度，使得图像更加清晰。通过对图像的灰度值进行调整，使得图像的亮度范围更广泛，可以更好地反映图像中的细节和特征。
干扰抑制：可以减少图像中的噪声和干扰，使得图像更加清晰。在图像采集和传输过程中，可能会受到外界环境的影响，导致图像产生噪声和干扰。通过干扰抑制处理，可以去除这种噪声和干扰，提高图像的质量。
边缘锐化：可以突出图像中的边缘和轮廓，使得图像更加清晰，可以提高图像的辨识度和识别率。
伪彩色处理：这种处理方式可以改变图像的色彩，使得图像更加直观、清晰、易于观察和分析。伪彩色处理不同于传统的彩色图像处理，它将不同的灰度值映射到不同的颜色，从而改变图像的表现形式，使得人眼更容易区分和理解图像中的信息。
进一步的，在S200中，参照图1所示，在ESPCN网络中，像素递归超分辨率处理通过三个卷积层处理后，得到通道数为r2的与输入图像大小一样的特征图像，再将特征图像中每个像素的r2个通道重新排列成一个r×r的区域，对应高分辨率图像中一个r×r大小的子块，从而提升有效像素点数，得到高分辨率的红外图像。
具体的，参照图2-图4所示，受制于当前红外传感器和专用处理芯片的能力，红外图像无法达到很高的像素。为了满足“大目标+高分辨”的检测要求，本发明从红外图像的裸数据出发，研发了红外图像专用的像素递归超分辨率技术。在S200中的ESPCN网络中，采用了像素递归超分辨率处理技术，这种技术可以通过对低分辨率图像进行处理，从而得到高分辨率的图像。在ESPCN网络中，其核心概念是亚像素卷积层，像素递归超分辨率处理技术是通过三个卷积层处理低分辨率图像，得到通道数为r2的与输入图像大小一样的特征图像。
这个特征图像中，每个像素的r2个通道会被重新排列成一个r×r的区域，每个区域对应高分辨率图像中一个r×r大小的子块，从而提升有效像素点数。然后，通过反卷积进行上采样操作，将得到的区域通过融合操作组合在一起，得到高分辨率的红外图像。
在这个过程中，使用了卷积和反卷积操作，卷积可以对输入图像进行特征提取，反卷积可以将特征图像进行上采样操作。同时，对于每个区域的r2个通道，也可以引入一些权重来进行加权平均值操作，从而使得高分辨率图像更加准确。
通过本发明红外图像超分辨率算法处理，使目标红外热像呈现超像素效果，可使原本512×384像素的热像仪获得640×480的效果，有效像素点数达到原图像的2.25倍。本发明应用在直径100余米的储油罐测量上，可比常规技术获得更加清晰的红外热像。将本技术应用于微小目标的红外检测上，可获得如图所示精度10μm(10-5m)的热像图(美国Fluke最高分辨率为12μm)。
进一步的，在S300中，包括以下步骤：
S310、将高分辨率的红外图像的二维坐标系转换为三维坐标系；
S320、将三维坐标系中的点投影到新的二维坐标系上，从而将三维场景的信息转化为二维图像信息，得到经过透视变换处理过的图像。
具体的，在S300中，主要包括了将高分辨率红外图像进行透视变换的过程，通过透视变换处理，可以将三维场景的信息转换为二维图像信息，从而得到经过透视变换处理过的图像。该过程具体包括以下两个步骤：
将高分辨率的红外图像的二维坐标系转换为三维坐标系。在透视变换之前，需要将图像的坐标系转换为三维坐标系。这个过程可以通过知道摄像机和场景的几何关系来实现。通过摄像机的位置和姿态，以及场景中的物体的位置和姿态，就可以将图像中的每一点在三维空间中的位置确定下来。
将三维坐标系中的点投影到新的二维坐标系上。这一步是将三维场景的信息转换为二维图像信息的关键步骤。将三维坐标系中的每个点，通过将其投影到二维平面上，得到相应的二维坐标点。这个投影过程是通过透视变换矩阵来实现的，透视变换矩阵可以根据场景和相机的参数计算出来。
这里给出S310和S320更具体的实现过程：
S310、具体来说，透视变换可以通过变换矩阵进行实现。这个变换矩阵是一个3*3的矩阵，它可以拆分为四个部分。
第一部分是(a11,a12,a21,a22)，这是一个线性变换矩阵，用于实现在二维图像平面上进行旋转、缩放等基本变换。该线性变换矩阵不包括平移变换，因此它等价于仿射变换的变换矩阵。
第二部分是(a31,a32)，这是一个平移矩阵，用于实现在二维图像平面上进行平移变换。通过该平移矩阵，可以将图像平移至不同的位置，从而实现目标物体在图像平面上的移动。
第三部分是(a13，a23)，这是一个透视变换矩阵，用于实现图像的透视变换。通过该透视变换矩阵，可以将原始图像中的物体映射到新的目标图像平面上，得到新的经过透视变换的图像。
在透视变换的实现过程中，变换矩阵的不同部分可以通过不同的变换参数进行调整，以实现不同的图像变换效果。例如，在线性变换矩阵中，可以通过改变缩放系数和旋转角度，实现图像的缩放和旋转；在平移矩阵中，可以通过改变平移向量，实现图像的平移和移动；在透视变换矩阵中，可以通过调整视点、视角和距离等参数，实现图像的透视变换和投影映射等。
因此，通过上述解释，可以更好地理解透视变换的原理和实现方式，有助于进一步优化和完善透视变换算法，提高图像处理效率和准确度。
S320、透视变换使用矩阵变换公式对一系列点的数据值进行处理。其中，定点为XYZ，透视变换矩阵为3*3的矩阵，要移动的点即源目标点为xy1。在从二维向三维空间的转换中，将XYZ的数据数以Z分别乘以权重值，使得在透视变换中位置的变化能够更加准确和充分。同时，令a33等于1，即Z的值等于1进行展开，并依次求得透视变换矩阵A。
特别地，透视变换中的变换矩阵M包含了线性变换矩阵和平移矩阵，经过透视变换后的图像通常不是平行四边形。在求取转换矩阵时，需要至少四个点的坐标，同时要保证至少三个点不在同一直线上，这样才可以确保透视变换的准确性和稳定性。通过已知4个点的坐标和想要变换成的矩阵坐标，即可将它们代入透视变换公式中并求解，得到3*3的变换矩阵。
最终，通过这个过程，可以实现油罐红外图像的透视校正，使得图像更加直观、清晰。
透视变换这一步，可以消除图像畸变：在储罐红外图像采集、传输和显示的过程中，可能由于物***置、相机视角等因素导致图像产生畸变，比如因为投影距离不同，造成储罐的圆形变成椭圆形等。透视变换处理可以消除这些畸变，使得图像在视觉上保持比例和准确性。
透视变换还可以提升图像可用性：经过透视变换后，原本在三维环境中的场景信息转换为了二维图像信息，可以更好地反映出场景的局部特征和细节。透视变换可以将不同方位的储罐对准同一方向进行后期处理，使得图像的可用性得到提升。通过透视变换，也便于后续的图像处理工作，如桶形矫正等。这样，能够更好地处理原油储罐的图像信息，达到更好的检测效果。
进一步的，在S400中，包括以下步骤：
S410、读取经过透视变换处理过的图像，将其存储在矩阵中，使用最邻近插值法对图像进行采样和重构；
S420、调整畸变因子，对图像中的畸变进行校正和纠正，以消除图像中可能存在的形变和失真问题；
S430、对图像的矩阵元素进行处理，对图像进行加工和缩放；
S440、找寻校正图像点的坐标，通过图像中已知的点，根据其位置和坐标信息，计算出其它点的坐标和位置，以实现更准确的校正和矫正；
S450、填充图像像素点，使用补偿算法对图像中可能存在的空缺或未填充区域进行填充；
S460、显示处理后的图像，将处理后的图像输出到显示器或存储设备中，以供后续处理和分析使用。
具体的，参照图5所示，图5(a)和图5(b)分别展示了桶形畸变矫正前和矫正后的图像，可以看到图5(a)的线条走势明显存在问题，但经过桶形畸变矫正后，图5(b)的线条走势无疑更加准确。
图像采样和重构：读取经过透视变换处理过的图像，将其存储在矩阵中，并使用最邻近插值法对图像进行采样和重构。采样和重构是为了调整图像的分辨率、大小和格式，使得后续的处理更加顺利和准确。
畸变校正：调整畸变因子，对图像中的畸变进行校正和纠正，以消除图像中可能存在的形变和失真问题。畸变校正可以提高图像的质量，使其更加真实和准确。
图像处理：对图像的矩阵元素进行处理，对图像进行加工和缩放。这些处理包括灰度化、滤波、增强、特征提取等。通过这些处理，可以提取出图像中的信息和特征，对图像进行优化和增强。其中，关于矩阵元素，在Matlab中，图像可以看作是由一个矩阵组成的二维数据。矩阵的每个元素代表图像中的一个像素的灰度值或者RGB颜色值，灰度值表示该像素的亮度等级，RGB颜色值则表示该像素的红、绿、蓝三种颜色的亮度值。在图像处理中，对于一个图像的处理，实际上就是对对应矩阵中的每个元素进行处理，将其转化成另一个矩阵(即处理后的图像矩阵)中对应的元素。举个例子，如果我们需要对一张灰度图像进行均值滤波处理，我们需要定义一个滤波器，然后对该图像的每个像素进行卷积操作，即将该像素周围的若干个像素的灰度值进行加权平均，然后将平均值赋给该像素的位置上的元素，最后生成一个处理后的图像的矩阵。在这个过程中，对于原始图像中的矩阵元素，按照特定的方法进行操作和处理，最终生成一个处理后的矩阵元素，这个处理后的矩阵元素放在了处理后的图像矩阵的相应位置上。
校正点的坐标寻找：在校正和矫正图像中，需要找到一些已知的点的坐标，然后根据其位置和坐标信息，计算出其它点的坐标和位置，以实现更准确的校正和矫正。通过校准点的坐标，可以更加精确地校正图像中的畸变和失真问题。
空洞填充：使用补偿算法对图像中可能存在的空缺或未填充区域进行填充。空洞填充可以提高图像的连续性和完整性，使其更加具有实用性和观赏性。
其中，补偿算法可以采用：
邻域插值：在图像中出现空缺或未填充区域时，可以使用邻域插值法来进行补偿。邻域插值是一种基于平均值或最近邻的填充技术，在空缺点的周围取若干点的平均值或最近邻点的值作为插值点的值，从而填充图像中的空缺或未填充区域。
线性插值：线性插值是指用两端已知值的直线来逼近未知点的一种方法。在图像处理中，线性插值通常用来处理图像尺寸放大缩小后的空缺点，其计算原理是根据空缺点周围已知的点的灰度值和位置信息，通过计算距离和相对位置，利用线性函数来估算空缺点的灰度值。
二次插值：二次插值法是一种根据给定点邻近若干点的灰度值，通过二次函数的拟合来估算当前点灰度值的方法。
图像输出：将处理后的图像输出到显示器或存储设备中，以供后续处理和分析使用。通过输出处理后的图像，可以实现对图像信息的保存、共享和应用，为红外图像处理提供更多的可能性和选择。
一种针对原油储罐的红外图像校正***，基于上述的一种针对原油储罐的红外图像校正方法，针对原油储罐的红外图像校正***包括图像增强模块、像素递归超分辨率处理模块、透视变换模块和桶形矫正模块，图像增强模块、像素递归超分辨率处理模块、透视变换模块和桶形矫正模块依次连接。
进一步的，图像增强模块，用于获取低分辨率的红外图像，对低分辨率的红外图像进行图像增强，得到增强后的红外图像，并将增强后的红外图像导入像素递归超分辨率处理模块中；
像素递归超分辨率处理模块，用于将增强后的红外图像输入到ESPCN网络中，对增强后的红外图像进行像素递归超分辨率处理，得到高分辨率的红外图像；
透视变换模块，用于对高分辨率的红外图像进行透视变换，将其映射到一个新的二维平面上；
桶形矫正模块，用于采用MATLAB对变换后得到的图像进行桶形矫正，以消除畸变和失真，得到最终的正常显示图像。
具体的，通过上述的四个模块的连接，针对原油储罐的红外图像校正***能够实现全流程处理。首先，使用图像增强模块对低分辨率的红外图像进行增强处理，使得图像更加清晰和具有更好的对比度。然后，将增强后的红外图像输入到像素递归超分辨率处理模块中，使用ESPCN网络进行像素递归超分辨率处理，实现转化为高分辨率的红外图像。接着，对高分辨率的红外图像进行透视变换，将其映射到一个新的二维平面上，消除了图像中可能存在的畸变和失真。最后，在桶形矫正模块中，进一步调整和校正图像，使之更具有实用价值。
综上，这种针对原油储罐的红外图像校正***，基于针对原油储罐的红外图像校正方法，通过连接不同的模块，能够实现对红外图像的全流程处理，包括图像增强、超分辨率处理、透视变换和桶形矫正等步骤，提高图像的质量和效果，同时为后续处理和应用提供了更好的基础。
一种存储介质，该存储介质上储存有计算机程序，计算机程序被处理器执行时实现上述的一种针对原油储罐的红外图像校正方法。
具体的，这种存储介质是一种用于存储计算机程序的媒介，可以是各种形式的数字存储介质，如光盘、U盘、硬盘、云存储等。在该存储介质上，储存有计算机程序，该计算机程序实现了上述的一种针对原油储罐的红外图像校正方法。处理器在执行该计算机程序时，可以根据程序，自动完成图像处理的全流程，包括图像增强、超分辨率处理、透视变换和桶形矫正等步骤，从而得到更高质量和更准确的红外图像结果。
通过将该计算机程序存储在该存储介质上，可以使得该计算机程序在不同的设备上、不同的环境中都得到有效地应用。同时，该存储介质也可以被多台计算机共享，从而使得红外图像校正方法的效果更加显著和广泛应用。在实际应用中，可以将该存储介质***到需要进行红外图像处理的计算机中，然后运行其中的计算机程序，即可获得对应的红外图像处理结果。该存储介质的使用，可以极大地提高图像处理的效率和精度，为红外图像处理提供更好的解决方案。
一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序，以实现上述的一种针对原油储罐的红外图像校正方法。
具体的，这种计算机设备包括三个主要的组件：存储器、处理器和计算机程序。存储器用于存储数据和程序，包括随机存储器(RAM)和只读存储器(ROM)等。处理器用于执行存储在存储器中的计算机程序，包括中央处理器(CPU)和图形处理器(GPU)等。计算机程序是一段为了实现目标而编写的计算机代码，可以用于控制计算机的各种硬件设备，包括输入/输出设备、外存储器、网络设备等。
在这种计算机设备中，存储了一种针对原油储罐的红外图像校正方法的计算机程序，该程序可以存储在计算机的ROM、硬盘、U盘等存储器中。当处理器执行该计算机程序时，可以按照上述红外图像校正方法的流程进行处理，例如图像增强、像素递归超分辨率处理、透视变换、桶形矫正等步骤，以实现对原油储罐的红外图像的校正和优化处理。
通过这种计算机设备，可以实现对红外图像的全流程处理，包括从采集到校正的所有步骤。相比于传统的图像处理方法，这种计算机设备极大地提高了处理效率和精准度，并能够在更快的时间内得到更好的处理结果。此外，这种计算机设备还可以快速运行多种不同的图像处理应用程序，因此在实际应用中具有广泛的适用性。
Claims (9)
1.一种针对原油储罐的红外图像校正方法，其特征在于，所述针对原油储罐的红外图像校正方法包括：
S100、获取低分辨率的红外图像，对所述低分辨率的红外图像进行图像增强，得到增强后的红外图像；
S200、将所述增强后的红外图像输入到ESPCN网络中，对增强后的红外图像进行像素递归超分辨率处理，得到高分辨率的红外图像；
S300、对所述高分辨率的红外图像进行透视变换，将其映射到一个新的二维平面上；
S400、采用MATLAB对变换后得到的图像进行桶形矫正，以消除畸变和失真，得到最终的正常显示图像。
2.根据权利要求1所述的一种针对原油储罐的红外图像校正方法，其特征在于，在S100中，所述图像增强包括灰度等级直方图处理、干扰抑制、边缘锐化和伪彩色处理。
3.根据权利要求2所述的一种针对原油储罐的红外图像校正方法，其特征在于，在S200中，在ESPCN网络中，像素递归超分辨率处理通过三个卷积层处理后，得到通道数为r2的与输入图像大小一样的特征图像，再将特征图像中每个像素的r2个通道重新排列成一个r×r的区域，对应高分辨率图像中一个r×r大小的子块，从而提升有效像素点数，得到高分辨率的红外图像。
4.根据权利要求3所述的一种针对原油储罐的红外图像校正方法，其特征在于，在S300中，包括以下步骤：
S310、将所述高分辨率的红外图像的二维坐标系转换为三维坐标系；
S320、将三维坐标系中的点投影到新的二维坐标系上，从而将三维场景的信息转化为二维图像信息，得到经过透视变换处理过的图像。
5.根据权利要求4所述的一种针对原油储罐的红外图像校正方法，其特征在于，在S400中，包括以下步骤：
S410、读取经过透视变换处理过的图像，将其存储在矩阵中，使用最邻近插值法对图像进行采样和重构；
S420、调整畸变因子，对图像中的畸变进行校正和纠正，以消除图像中可能存在的形变和失真问题；
S430、对图像的矩阵元素进行处理，对图像进行加工和缩放；
S440、找寻校正图像点的坐标，通过图像中已知的点，根据其位置和坐标信息，计算出其它点的坐标和位置，以实现更准确的校正和矫正；
S450、填充图像像素点，使用补偿算法对图像中可能存在的空缺或未填充区域进行填充；
S460、显示处理后的图像，将处理后的图像输出到显示器或存储设备中，以供后续处理和分析使用。
6.一种针对原油储罐的红外图像校正***，基于上述的权利要求1-5任一项所述的一种针对原油储罐的红外图像校正方法，其特征在于，所述针对原油储罐的红外图像校正***包括图像增强模块、像素递归超分辨率处理模块、透视变换模块和桶形矫正模块，所述图像增强模块、像素递归超分辨率处理模块、透视变换模块和桶形矫正模块依次连接。
7.根据权利要求6所述的一种针对原油储罐的红外图像校正***，其特征在于，
所述图像增强模块，用于获取低分辨率的红外图像，对所述低分辨率的红外图像进行图像增强，得到增强后的红外图像，并将所述增强后的红外图像导入所述像素递归超分辨率处理模块中；
所述像素递归超分辨率处理模块，用于将所述增强后的红外图像输入到ESPCN网络中，对增强后的红外图像进行像素递归超分辨率处理，得到高分辨率的红外图像；
所述透视变换模块，用于对所述高分辨率的红外图像进行透视变换，将其映射到一个新的二维平面上；
所述桶形矫正模块，用于采用MATLAB对变换后得到的图像进行桶形矫正，以消除畸变和失真，得到最终的正常显示图像。
8.一种存储介质，该存储介质上储存有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-5任一项所述的一种针对原油储罐的红外图像校正方法。
9.一种计算机设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现权利要求1-5任一项所述的一种针对原油储罐的红外图像校正方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310390400.7A CN116503248A (zh) | 2023-04-13 | 2023-04-13 | 一种针对原油储罐的红外图像校正方法及校正*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310390400.7A CN116503248A (zh) | 2023-04-13 | 2023-04-13 | 一种针对原油储罐的红外图像校正方法及校正*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116503248A true CN116503248A (zh) | 2023-07-28 |
Family
ID=87317575
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310390400.7A Pending CN116503248A (zh) | 2023-04-13 | 2023-04-13 | 一种针对原油储罐的红外图像校正方法及校正*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116503248A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117459773A (zh) * | 2023-12-25 | 2024-01-26 | 深圳康荣电子有限公司 | 一种跨设备内容同步的智能电视图像显示方法及相关装置 |
-
2023
- 2023-04-13 CN CN202310390400.7A patent/CN116503248A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117459773A (zh) * | 2023-12-25 | 2024-01-26 | 深圳康荣电子有限公司 | 一种跨设备内容同步的智能电视图像显示方法及相关装置 |
| CN117459773B (zh) * | 2023-12-25 | 2024-03-01 | 深圳康荣电子有限公司 | 一种跨设备内容同步的智能电视图像显示方法及相关装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106408524B (zh) | 基于二维图像辅助的深度图像增强方法 | |
| CN111080724A (zh) | 一种红外和可见光的融合方法 | |
| CN109360148B (zh) | 基于混合随机降采样的遥感影像超分辨率重构方法和装置 | |
| CN107680140B (zh) | 一种基于Kinect相机的深度图像高分辨率重构方法 | |
| Lindner et al. | Sub-pixel data fusion and edge-enhanced distance refinement for 2d/3d images | |
| WO2010095460A1 (ja) | 画像処理システム、画像処理方法および画像処理プログラム | |
| CN110276791B (zh) | 一种参数可配置的深度相机仿真方法 | |
| WO2023226218A1 (zh) | 轴对称光学成像并行仿真方法及装置 | |
| CN112381847A (zh) | 管路端头空间位姿测量方法及*** | |
| CN116503248A (zh) | 一种针对原油储罐的红外图像校正方法及校正*** | |
| CN111105452A (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 | |
| CN108961325A (zh) | 多/高光谱遥感图像波段间配准方法 | |
| CN114549669B (zh) | 一种基于图像融合技术的彩色三维点云获取方法 | |
| CN115908554A (zh) | 一种高精度亚像素模拟星图以及亚像素提取方法 | |
| US8472756B2 (en) | Method for producing high resolution image | |
| CN115830064B (zh) | 一种基于红外脉冲信号的弱小目标跟踪方法及装置 | |
| KR20210096925A (ko) | 대용량 항공정사영상의 효율적인 색상보정 방법 | |
| CN116801115A (zh) | 一种稀疏阵列相机部署方法 | |
| CN115239559A (zh) | 一种融合视图合成的深度图超分辨率方法及*** | |
| CN115272067A (zh) | 一种基于神经网络的激光雷达三维距离像超分辨率重建方法 | |
| CN112270693B (zh) | 一种飞行时间深度相机运动伪差检测方法和装置 | |
| Meißner | Determination and improvement of spatial resolution obtained by optical remote sensing systems | |
| CN111630569B (zh) | 双目匹配的方法、视觉成像装置及具有存储功能的装置 | |
| Shinozaki et al. | Correction of color information of a 3D model using a range intensity image | |
| CN112365400A (zh) | 一种快速光场角度超分辨重建方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |