一种红外望远镜全画幅成像输出方法及系统与流程

1.本发明涉及一种全画幅成像输出方法及系统，尤其涉及一种红外望远镜全画幅成像输出方法及系统。


背景技术：

2.红外望远镜一种利用景物本身发出或反射的红外光线，对景物成像和显示的设备。由于有温度的物体都能够向外辐射红外光线，因此，红外望远镜不仅能在白天使用，在漆黑的夜晚也能够通过景物发出的红外光线，获得清晰的图像。便携式红外望远镜是将红外望远镜及其供电设备集成在一个小体积的空间里，方便用户携带，并能够在不依靠外部支架的条件下，灵活地选择观测目标，常用于户外郊游、野外打猎、警用侦察等领域。现有红外望远镜不能对望远镜视野中的全幅面图像进行目标分析和理解，不能进行目标的实时分析及标注。同时，现有红外望远镜设备的续航能力也是影响用户体验的关键因素，如何能使产品降低功耗，增加设备的使用续航能力也是便携式红外望远镜的设计难点。


技术实现要素：

3.本发明解决的技术问题是：构建一种红外望远镜全画幅成像输出方法及系统，克服现有技术的红外望远镜不能进行目标的实时分析及标注，实现对目标分析和理解的技术问题。
4.本发明的技术方案是：构建一种红外望远镜全画幅成像输出方法，不同曲率以及不同折射率的红外玻璃镜片在红外望远镜中的同一轴线上排列形成红外成像镜头，红外感光单元设置成非制冷红外焦平面阵列形成红外望远镜中的红外探测器，包括以下步骤：
5.获取红外光线：所述红外成像镜头将一个光谱区域中的红外光线汇聚到红外探测器的非制冷红外焦平面阵列上；
6.生成数字信号：红外感光单元吸收汇聚到非制冷红外焦平面阵列上的光线从而产生变化的电压信号，所述红外探测器中的信号电路将非制冷红外焦平面阵列的阵列电压信号转换成数字信号；
7.非均匀校正：采用arm处理器模块对所述红外探测器的阵列数字信号进行非均匀校正以校正所述红外探测器感光单元的温度响应率；
8.识别目标类别：对于一个光谱区域内场景进行全画幅分析，识别出场景里成像目标的目标类别；
9.目标测距：根据场景中目标类别所占像素的大小，计算出成像目标当前和观察者之间的距离；
10.图像标识：将获取的当前成像目标的目标距离形成目标距离标识；
11.图像融合：将目标距离标识与红外图像中的成像目标进行融合，融合过程中，成像目标和目标距离标识对应融合形成融合红外视频图像。
12.本发明的进一步技术方案是：在识别目标类别步骤中，在识别目标类别步骤中，通
过对红外图像标签样本的监督学习建立全卷积神经网络的深度学习模型，应用深度学习模型实现对全幅面红外图像中目标的类别进行识别。
13.本发明的进一步技术方案是：通过采集多样目标对象的红外图像，对红外图像中目标的类别和回归框进行人工标注，以此作为监督学习的标签样本，从而构建红外图像目标的深度学习模型，通过红外图像目标的深度学习模型在全幅面图像中区分出目标区域及目标类别。
14.本发明的进一步技术方案是：还包括对目标类别进行标注。
15.本发明的进一步技术方案是：还包括对非均匀校正后的图像信号进行γ校正、动态直方图拉伸、滤波等处理方式中的一种或多种进行红外图像增强处理。
16.本发明的进一步技术方案是：所述非均匀校正采用单点校正、两点校正、多点校正中的一种或多种算法对于所述红外探测器的阵列数字信号进行非均匀校正。
17.本发明的技术方案是：构建一种红外望远镜全画幅成像输出系统，包括红外成像镜头、红外探测器、arm处理器单元，所述arm处理器单元包括非均匀校正模块、目标类别识别模块、目标测距模块、图像标识模块、图像融合模块，所述红外成像镜头由不同曲率以及不同折射率的红外玻璃镜片在红外望远镜中的同一轴线上排列形成，所述红外探测器由红外感光单元设置成非制冷红外焦平面阵列在红外望远镜中形成，所述红外成像镜头将一个光谱区域中的红外光线汇聚到红外探测器的非制冷红外焦平面阵列上；所述红外探测器的红外感光单元吸收汇聚到非制冷红外焦平面阵列上的光线从而产生变化的电压信号，所述红外探测器中的信号电路将非制冷红外焦平面阵列的阵列电压信号转换成数字信号；所述非均匀校正模块采用arm处理器单元对所述红外探测器的阵列数字信号进行非均匀校正以校正所述红外探测器感光单元的温度响应率；所述目标类别识别模块对于一个光谱区域内场景进行全画幅分析，识别出场景里成像目标的目标类别；所述目标测距模块根据场景中目标类别所占像素的大小，计算出成像目标当前和观察者之间的距离；所述图像标识模块将获取的当前成像目标的目标距离形成目标距离标识；所述图像融合模块将目标距离标识与红外图像中的成像目标进行融合，融合过程中，成像目标和目标距离标识对应融合形成融合红外视频图像。
18.本发明的进一步技术方案是：还包括，所述显示输出单元用于输出红外视频图像。
19.本发明的进一步技术方案是：还包括接口管理单元，所述接口管理单元管理红外探测器信号的接收、按键模块i/o信号的接收和向显示输出单元的数据输出。
20.本发明的进一步技术方案是：所述目标类别识别模块对采集的全幅面红外图像通过全卷积神经网络的深度学习模型进行监督学习，对图像中目标的类别进行标注。
21.本发明的进一步技术方案是：还包括近场通讯模块，所述近场通讯模块与移动终端实现近场无线通信。
22.本发明的进一步技术方案是：还包括gps定位模块、北斗定位模块中的一种或多种。
23.本发明的技术效果是：构建一种红外望远镜全画幅成像输出方法及系统，不同曲率以及不同折射率的红外玻璃镜片在红外望远镜中的同一轴线上排列形成红外成像镜头，红外感光单元设置成非制冷红外焦平面阵列形成红外望远镜中的红外探测器，包括以下步骤：获取红外光线：所述红外成像镜头将一个光谱区域中的红外光线汇聚到红外探测器的
非制冷红外焦平面阵列上；生成数字信号：红外感光单元吸收汇聚到非制冷红外焦平面阵列上的光线从而产生变化的电压信号，所述红外探测器中的信号电路将非制冷红外焦平面阵列的阵列电压信号转换成数字信号；非均匀校正：采用arm处理器模块对所述红外探测器的阵列数字信号进行非均匀校正以校正所述红外探测器感光单元的温度响应率；识别目标类别：对于一个光谱区域内场景进行全画幅分析，识别出场景里成像目标的目标类别；目标测距：根据场景中目标类别所占像素的大小，计算出成像目标当前和观察者之间的距离；图像标识：将获取的当前成像目标的目标距离形成目标距离标识；图像融合：将目标距离标识与红外图像中的成像目标进行融合，融合过程中，成像目标和目标距离标识对应融合形成融合红外视频图像。本发明一种红外望远镜全画幅成像输出方法及系统，通过将红外望远镜采集的红外图像进行非均匀校正、识别目标类别、进行目标测距、图像标识再进行图像融合，完成红外图像的实时分析及标注，实现了对红外图像中目标的分析和理解。
附图说明
24.图1为本发明的结构示意图。
具体实施方式
25.下面结合具体实施例，对本发明技术方案进一步说明。
26.本发明的具体实施方式是：构建一种红外望远镜全画幅成像输出方法，红外望远镜包括红外成像镜头、红外探测器、arm处理器单元、显示输出单元、按键模块、电池模块。所述红外成像镜头是利用不同曲率、不同折射率的红外玻璃镜片，在同一轴线上的排列，采用独立或胶合装配的方式，将一个光谱区域中的红外光线同时汇聚到焦平面上。所述的红外探测器的感光单元是一个非制冷红外焦平面阵列，非制冷红外焦平面阵列上分布着由热敏材料构成的微桥结构，能够吸收汇聚到非制冷红外焦平面上的光线引起自身阻值的变化，从而产生变化的电压信号，通过红外探测器内置的积分放大电路和读出电路，把阵列信号转换成8至16位深的数字信号。arm处理器单元包括低功耗arm处理器模块，低功耗arm处理器模块是一个基于低功耗arm处理器开发的硬件电路模块，具有与红外探测器相连的电气接口，能够接收红外探测器的数字信号，并通过图像处理软件，获得高画质的红外视频图像，输出至与显示输出模块的电气接口上。
27.一种红外望远镜全画幅成像输出方法包括以下步骤：
28.获取红外光线：所述红外成像镜头将一个光谱区域中的红外光线汇聚到红外探测器的非制冷红外焦平面阵列上。
29.具体实施过程是：所述红外成像镜头通过其中不同曲率、不同折射率的红外玻璃镜片将一个光谱区域中的红外光线汇聚到红外探测器的非制冷红外焦平面阵列上。
30.生成数字信号：红外感光单元吸收汇聚到非制冷红外焦平面阵列上的光线从而产生变化的电压信号，所述红外探测器中的信号电路将非制冷红外焦平面阵列的阵列电压信号转换成数字信号。
31.具体实施过程是：非制冷红外焦平面阵列上分布着由热敏材料构成的微桥结构，红外感光单元吸收汇聚到非制冷红外焦平面上的光线引起自身阻值的变化，从而产生变化的电压信号，通过红外探测器内置的积分放大电路和读出电路，把阵列信号转换成8至16位
深的数字信号。
32.非均匀校正：采用arm处理器模块对所述红外探测器的阵列数字信号进行非均匀校正以校正所述红外探测器感光单元的温度响应率。
33.具体实施过程是：采用arm处理器模块对所述红外探测器的阵列数字信号进行非均匀校正以校正所述红外探测器感光单元的温度响应率，具体所述非均匀校正采用单点校正、两点校正、多点校正中的一种或多种算法对于所述红外探测器的阵列数字信号进行非均匀校正。
34.识别目标类别：对于一个光谱区域内场景进行全画幅分析，识别出场景里成像目标的目标类别。
35.具体实施过程是：通过采集多样目标对象的红外图像，对红外图像中目标的类别和回归框进行人工标注，以此作为监督学习的标签样本，从而构建红外图像目标的深度学习模型，采用深度学习模型对红外图像进行检测分析，深度学习模型是一个全卷积神经网络，通过监督学习、半监督学习或无监督学习，确定深度学习模型参数；优选的，在采用监督学习的过程中，对目标对象进行丰富的多种类型的红外图像采集，对红外图像中目标的类别和回归框进行人工标注，以此作为监督学习的标签样本。完成训练的深度学习模型，能够对图片中的前景目标区域和背景区域得到不同的响应，从而区分出目标区域，能够对图片中的不同的目标类别得到不同的响应，从而区分出目标类别。本发明中，对全幅面红外图像中目标的类别进行标注，对采集的红外图像通过全卷积神经网络的深度学习模型进行监督学习，通过红外图像目标的深度学习模型在全幅面图像中区分出目标区域及目标类别。
36.目标测距：根据场景中目标类别所占像素的大小，计算出成像目标当前和观察者之间的距离。
37.具体实施过程是：首先预设每一个目标类别的高度尺寸h，以人为例，预设高度h0为1.7米；其次，当深度学习模型判定目标类别为人时，计算出目标人物在画面中的像素高度q，即q为目标人物在高度方向上的像素数量；已知红外望远镜的镜头焦距f和探测器像元尺寸d，可通过以下公式计算出目标人物当前和观察者之间的距离l：
[0038][0039]
图像标识：将获取的当前成像目标的目标距离形成目标距离标识。
[0040]
具体实施过程是：获取到成像目标当前和观察者之间的距离后，将该距离与当前成像目标对应，并将成像目标当前和观察者之间的距离形成目标距离标识，标识在对应的成像目标上。
[0041]
图像融合：将目标距离标识与红外图像中的成像目标进行融合，融合过程中，成像目标和目标距离标识对应融合形成融合红外视频图像。
[0042]
具体实施过程是：在已经生成的全画幅红外图像中，将目标距离标识与红外图像中的成像目标进行融合，融合过程中，成像目标和目标距离标识对应融合形成融合红外视频图像。
[0043]
本发明的优选实施方案是：还包括对目标类别进行标注，标注可以采用文字说明目标的类别，比如“人”、“熊”等，也可以通过图案进行标注，比如，人的图案，熊的图案。
[0044]
本发明的优选实施方案是：本发明中选择的目标类别识别对象主要包括但不限于
对于人、动物以有车辆的识别。比如，对于成像场景中的目标为人的，通过深度学习模块识别出的类别为人，对于成像场景中的目标为车辆的，通过深度学习模块识别出的类别为车辆。
[0045]
本发明的优选实施方案是：还包括对非均匀校正后的图像信号进行γ校正、动态直方图拉伸、滤波等处理方式中的一种或多种进行红外图像增强处理。γ校正和动态直方图拉伸是两种对红外图像像素值进行非线性映射的方式达到像素灰度重排的效果，能够让低对比度的目标更加清晰；滤波算法是一种常用的数值处理算法，通过设置不同大小的卷积核，对图像进行卷积运算，从而实现噪点消除、边缘增强等效果。
[0046]
如图1所示，本发明的具体实施方式是：构建一种红外望远镜全画幅成像输出系统，包括红外成像镜头1、红外探测器2、arm处理器单元3，所述arm处理器单元3包括非均匀校正模块31、目标类别识别模块32、目标测距模块33、图像标识模块34、图像融合模块35，所述红外成像镜头1由不同曲率以及不同折射率的红外玻璃镜片在红外望远镜中的同一轴线上排列形成，所述红外探测器2由红外感光单元设置成非制冷红外焦平面阵列在红外望远镜中形成，所述红外成像镜头将一个光谱区域中的红外光线汇聚到红外探测器的非制冷红外焦平面阵列上；所述红外探测器2的红外感光单元吸收汇聚到非制冷红外焦平面阵列上的光线从而产生变化的电压信号，所述红外探测器中的信号电路将非制冷红外焦平面阵列的阵列电压信号转换成数字信号；所述非均匀校正模块31采用arm处理器单元对所述红外探测器的阵列数字信号进行非均匀校正以校正所述红外探测器感光单元的温度响应率；所述目标类别识别模块32对于一个光谱区域内场景进行全画幅分析，识别出场景里人或者动物或者车辆成像目标的目标类别；所述目标测距模块33根据场景中目标类别所占像素的大小，计算出成像目标当前和观察者之间的距离；所述图像标识模块34将获取的当前成像目标的目标距离形成目标距离标识；所述图像融合模块35将目标距离标识与红外图像中的成像目标进行融合，融合过程中，成像目标和目标距离标识对应融合形成融合红外视频图像。
[0047]
具体实施过程如下：所述红外成像镜头1通过其中不同曲率、不同折射率的红外玻璃镜片将一个光谱区域中的红外光线汇聚到红外探测器2的非制冷红外焦平面阵列上。非制冷红外焦平面阵列上分布着由热敏材料构成的微桥结构，红外感光单元吸收汇聚到非制冷红外焦平面上的光线引起自身阻值的变化，从而产生变化的电压信号，通过红外探测器2内置的积分放大电路和读出电路，把阵列信号转换成8至16位深的数字信号。采用非均匀校正模块31对所述红外探测器的阵列数字信号进行非均匀校正以校正所述红外探测器2感光单元的温度响应率，具体所述非均匀校正采用单点校正、两点校正、多点校正中的一种或多种算法对于所述红外探测器2的阵列数字信号进行非均匀校正。
[0048]
目标类别识别模块32对于一个光谱区域内场景进行全画幅分析，识别出场景里成像目标的目标类别。具体实施过程是：通过采集多样目标对象的红外图像，对红外图像中目标的类别和回归框进行人工标注，以此作为监督学习的标签样本，从而构建红外图像目标的深度学习模型，采用深度学习模型对红外图像进行检测分析，深度学习模型是一个全卷积神经网络，通过监督学习、半监督学习或无监督学习，确定深度学习模型参数；优选的，在采用监督学习的过程中，对目标对象进行丰富的多种类型的红外图像采集，对红外图像中目标的类别和回归框进行人工标注，以此作为监督学习的标签样本。完成训练的深度学习模型，能够对图片中的前景目标区域和背景区域得到不同的响应，从而区分出目标区域，能
够对图片中的不同的目标类别得到不同的响应，从而区分出目标类别。本发明中，对全幅面红外图像中目标的类别进行标注，对采集的红外图像通过全卷积神经网络的深度学习模型进行监督学习，通过红外图像目标的深度学习模型在全幅面图像中区分出目标区域及目标类别。目标测距模块33根据场景中目标类别所占像素的大小，计算出成像目标当前和观察者之间的距离。
[0049]
具体实施过程是：首先预设每一个目标类别的高度尺寸h，以人为例，预设高度h0为1.7米；其次，当深度学习模型判定目标类别为人时，计算出目标人物在画面中的像素高度q，即q为目标人物在高度方向上的像素数量；已知红外望远镜的镜头焦距f和探测器像元尺寸d，可通过以下公式计算出目标人物当前和观察者之间的距离l：
[0050][0051]
获取到成像目标当前和观察者之间的距离后，将该距离与当前成像目标对应，图像标识模块34将成像目标当前和观察者之间的距离形成目标距离标识，标识在对应的成像目标上。图像融合模块35在已经生成的全画幅红外图像中，将目标距离标识与红外图像中的成像目标进行融合，融合过程中，成像目标和目标距离标识对应融合形成融合红外视频图像。
[0052]
本发明的优选实施方式是：还包括显示输出单元，所述显示输出单元用于输出红外视频图像，也包括输出融合后的红外视频图像。所述的显示输出单元包括液晶显示阵列和液晶驱动电路，将由低功耗arm处理器模块输出的数字信号解析成对应时序的电压控制信号，通过不同的控制电压调整液晶分子的排列方向，改变红、绿、蓝三基色的显示比列，从而将视频内容真实地呈现出来。
[0053]
本发明的优选实施方式是：还包括接口管理单元，所述接口管理单元管理红外探测器信号的接收、按键模块i/o信号的接收和向显示输出单元的数据输出。
[0054]
本发明的优选实施方式是：还包括近场通讯模块，所述近场通讯模块与移动终端实现近场无线通信。所述近场通讯模块包括wifi通讯模块、蓝牙通讯模块、2.4g通讯模块中的一种或多种，通过近场通讯模块可以建立与移动终端或者电脑等的网络连接，从而实现与外部设备进行通信。
[0055]
本发明的优选实施方式是：还包括gps模块或北斗模块，通过gps模块或北斗模块可以获得观测点的经度和纬度以及时间信息。
[0056]
本发明的技术效果是：构建一种红外望远镜全画幅成像输出方法及系统，不同曲率以及不同折射率的红外玻璃镜片在红外望远镜中的同一轴线上排列形成红外成像镜头，红外感光单元设置成非制冷红外焦平面阵列形成红外望远镜中的红外探测器，包括以下步骤：获取红外光线：所述红外成像镜头将一个光谱区域中的红外光线汇聚到红外探测器的非制冷红外焦平面阵列上；生成数字信号：红外感光单元吸收汇聚到非制冷红外焦平面阵列上的光线引起自身阻值的变化，从而产生变化的电压信号，所述红外探测器中的信号电路将非制冷红外焦平面阵列的阵列电压信号转换成数字信号；非均匀校正：采用arm处理器模块对所述红外探测器的阵列数字信号进行非均匀校正以校正所述红外探测器感光单元的温度响应率；识别目标类别：对于一个光谱区域内场景进行全画幅分析，识别出场景里成像目标的目标类别；目标测距：根据场景中目标类别所占像素的大小，计算出成像目标当前
和观察者之间的距离；图像标识：将获取的当前成像目标的目标距离形成目标距离标识；图像融合：将目标距离标识与红外图像中的成像目标进行融合，融合过程中，成像目标和目标距离标识对应融合形成融合红外视频图像。本发明一种红外望远镜全画幅成像输出方法及系统，通过将红外望远镜采集的红外图像进行非均匀校正、识别目标类别、进行目标测距、图像标识再进行图像融合，完成红外图像的实时分析及标注，实现了对红外图像中目标的分析和理解。
[0057]
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。