基于硅传感器相机的短波红外图像处理方法、装置及设备制造方法及图纸

本申请提供一种基于硅传感器相机的短波红外图像处理方法、装置及设备，该方法包括：获取待处理的原始图像，其中，所述原始图像为包括至少两个波段的红外图像；采用预先训练好的分解网络模型，对所述原始图像进行分解，获得各波段对应的分解子图像；采用预先训练好的转换网络模型，对各波段对应的所述分解子图像进行转换，获得各分解子图像对应的转换子图像；采用预先训练好的重构网络模型，将各所述转换子图像进行合成，获得红外短波图像可以提高成像分辨率，还可以节省成本。

【技术实现步骤摘要】
基于硅传感器相机的短波红外图像处理方法、装置及设备
本申请涉及计算机视觉和图像处理
，尤其涉及一种基于硅传感器相机的短波红外图像处理方法、装置及设备。
技术介绍
人眼只能感知位于400-700nm的波长范围内的可见光，对于超过可见光范围的，人眼却无法感知，但是现实生活中存在很多情况是人眼无法感知的，例如。表面看起来完好无损的机器，但是其内部的缺陷人眼无法进行感知；再例如，人眼无法感知隐藏在大雾中的物体。对于上述的问题，现有的数据相机无法识别，可以采用短波红外成像进行识别，捕获短波红外图像需要特殊的传感器，例如InGaAs传感器最常用，因为它可以在室温下稳定工作，并且还具有功率相对较低，体积小，灵敏度高等优点。尽管如此，与传统传感器相比，InGaAs传感器还存在各种缺点，例如低空间分辨率，高价格和高像素缺陷率，这严重限制了InGaAs传感器的广泛使用。
技术实现思路
本申请提供一种基于硅传感器相机的短波红外图像处理方法、装置及设备，以解决现有技术短波红外成像设备成本高等缺陷。本申请第一个方面提供一种基于硅传感器相机的短波红外图像处理方法，包括：获取待处理的原始图像，其中，所述原始图像为包括至少两个波段的红外图像；采用预先训练好的分解网络模型，对所述原始图像进行分解，获得各波段对应的分解子图像；采用预先训练好的转换网络模型，对各波段对应的所述分解子图像进行转换，获得各分解子图像对应的转换子图像；采用预先训练好的重构网络模型，将各所述转换子图像进行合成，获得红外短波图像。本申请第二个方面提供一种基于硅传感器相机的短波红外图像处理装置，包括：获取模块，用于获取待处理的原始图像，其中，所述原始图像为包括至少两个波段的红外图像；分解模块，用于采用预先训练好的分解网络模型，对所述原始图像进行分解，获得各波段对应的分解子图像；转换模块，用于采用预先训练好的转换网络模型，对各波段对应的所述分解子图像进行转换，获得各分解子图像对应的转换子图像；重构模块，用于采用预先训练好的重构网络模型，将各所述转换子图像进行合成，获得红外短波图像。本申请第三个方面提供一种基于硅传感器相机的短波红外图像处理设备，包括：至少一个处理器和存储器；所述存储器存储计算机程序；所述至少一个处理器执行所述存储器存储的计算机程序，以实现第一个方面提供的方法。本申请第四个方面提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现第一个方面提供的方法。本申请提供的基于硅传感器相机的短波红外图像处理方法、装置及设备，通过对采集的原始图像进行分解网络模型、转换网络模型和重构网络模型的计算，获得短波红外图像，可以提高成像分辨率，还可以节省成本。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请一实施例提供的基于硅传感器相机的短波红外图像处理方法的流程示意图；图2为本申请一实施例提供的成像系统的结构示意图；图3为本申请一实施例提供的多通道成像系统的结构示意图；图4为本申请又一实施例提供的基于硅传感器相机的短波红外图像处理方法的流程示意图；图5a为本申请一实施例提供的原始图像对应的波长的示意图；图5b为本申请一实施例提供的分解子图像对应的波长的示意图；图5c为本申请一实施例提供的转换子图像对应的波长的示意图；图5d为本申请一实施例提供的红外短波图像对应的波长的示意图；图6为本申请再一实施例提供的基于硅传感器相机的短波红外图像处理方法的流程示意图；图7为本申请又一实施例提供的基于硅传感器相机的短波红外图像处理方法的流程示意图；图8为本申请一实施例提供的基于硅传感器相机的短波红外图像处理装置的结构示意图；图9为本申请一实施例提供的基于硅传感器相机的短波红外图像处理设备的结构示意图。通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本专利技术的实施例进行描述。本申请一实施例提供一种图像的处理方法，用于在保留硅传感器相机价格低廉、分辨率高等优势的基础上进行短波红外成像。本实施例的执行主体为基于硅传感器相机的短波红外图像处理装置，可以设置在基于硅传感器相机的短波红外图像处理设备上，其中，基于硅传感器相机的短波红外图像处理设备可以是任意的计算机设备，比如PC电脑、笔记本电脑、平板电脑等等。图1为本实施例提供的基于硅传感器相机的短波红外图像处理方法的流程示意图，如图1所示，该方法包括：S101、获取待处理的原始图像，其中，所述原始图像为包括至少两个波段的红外图像；S102、采用预先训练好的分解网络模型，对所述原始图像进行分解，获得各波段对应的分解子图像；S103、采用预先训练好的转换网络模型，对各波段对应的所述分解子图像进行转换，获得各分解子图像对应的转换子图像；S104、采用预先训练好的重构网络模型，将各所述转换子图像进行合成，获得红外短波图像。具体地，S101步骤中，获取的原始图像为包含至少两个波段的红外图像，并且获得的原始图像的质量较低，例如，红外波长一般是大于950nm，在本申请实施例中可以根据需要任意选择合适的波段，如选择1000nm-1800nm的红外短波，获取的原始图像至少包括1000nm-1800nm的红外图像。S102步骤中，在获取原始的红外图像后，采用预先训练好的分解网络模型，对所述原始的红外图像进行分解，获得不同波段对应的分解子图像，例如，获取的原始图像中的波段为1000nm-1800nm，在这个波段中，可以选择至少两个较窄波段，例如，选择5个较窄波段，如1000nm、1050nm、1100nm、1150nm和1200nm，也就是说原始的红外图像是上述这五个波段成像的结果，在申请实施例中，采用预先训练好的分解网络模型，将原始的红外图像分解成与所述五个波段相对应的分解子图像。需要说明的是，上述较窄波段1000nm是以1000nm为中心本文档来自技高网...

【技术保护点】
1.一种基于硅传感器相机的短波红外图像处理方法，其特征在于，包括：/n获取待处理的原始图像，其中，所述原始图像为包括至少两个波段的红外图像；/n采用预先训练好的分解网络模型，对所述原始图像进行分解，获得各波段对应的分解子图像；/n采用预先训练好的转换网络模型，对各波段对应的所述分解子图像进行转换，获得各分解子图像对应的转换子图像；/n采用预先训练好的重构网络模型，将各所述转换子图像进行合成，获得红外短波图像。/n

【技术特征摘要】
1.一种基于硅传感器相机的短波红外图像处理方法，其特征在于，包括：
获取待处理的原始图像，其中，所述原始图像为包括至少两个波段的红外图像；
采用预先训练好的分解网络模型，对所述原始图像进行分解，获得各波段对应的分解子图像；
采用预先训练好的转换网络模型，对各波段对应的所述分解子图像进行转换，获得各分解子图像对应的转换子图像；
采用预先训练好的重构网络模型，将各所述转换子图像进行合成，获得红外短波图像。


2.根据权利要求1所述的方法，其特征在于，所述原始图像通过增加长通滤光片去除红外滤光片的硅传感器相机获得。


3.根据权利要求1所述的方法，其特征在于，所述分解网络模型、所述转换网络模型和所述重构网络模型采用深度学习神经网络计算获得。


4.根据权利要求1所述的方法，其特征在于，所述转换网络模型包括n个转换子网络模型，其中，n为大于1的整数；
采用预先训练好的转换网络模型，对各波段对应的所述分解子图像进行转换，获得各分解子图像对应的转换子图像，包括：
采用预先训练好的n个转换子网络模型，对n个不同波段对应的所述分解子图像进行转换，获得n个不同波段下各分解子图像对应的转换子图像。


5.根据权利要求1所述的方法，其特征在于，所述转换网络模型包括n个转换子网络模型和n个残差子网络模型，其中，转换子网络模型和残差子网络模型一一对应，n为大于1的整数。


6.根据权利要求5所述的方法，其特征在于，所述...

【专利技术属性】
技术研发人员：陆峰，吕飞帆，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11