本申请实施例公开了一种红外图像的处理方法、装置、介质及电子设备。其中，该方法包括：获取待处理的红外图像和可见光图像；其中，所述红外图像和可见光图像是在相同场景拍摄的；将所述待处理的红外图像和可见光图像作为配准对，输入至预先训练的卷积神经网络模型；根据所述卷积神经网络模型的输出结果，确定所述待处理的红外图像和可见光图像的融合参数；根据所述融合参数进行待处理的红外图像和可见光图像的融合处理。本技术方案，可以提高红外图像的信噪比和对比度，增强红外图像的视觉显示效果。示效果。示效果。
【技术实现步骤摘要】
一种红外图像的处理方法、装置、介质及电子设备
[0001]本申请实施例涉及互联网
，尤其涉及一种红外图像的处理方法、装置、介质及电子设备。
技术介绍
[0002]随着科技水平的迅速发展，红外图像处理的方法技术也在逐步完善，在军事以及日常生活中有着越来越广泛的应用。红外图像处理技术是基于红外热像仪接收温度在绝对零度以上物体的热辐射后形成的红外图像并对其作进一步处理、分析和融合的技术。
[0003]然而，由于目标及其周围环境存在着热交换，加之空气对热辐射的散射和吸收作用，目标信号受背景的干扰较大，导致在红外图像中目标和背景的对比度较差，且目标边缘模糊。因此，如何能够增强红外图像的显示效果，成为本领域技术人员亟需解决的技术难题。
技术实现思路
[0004]本申请实施例提供一种红外图像的处理方法、装置、介质及电子设备，可以通过建立一种卷积神经网络模型对红外图像做进一步分析和融合，从而实现增强红外图像显示效果的目的。
[0005]第一方面，本申请实施例提供了一种红外图像的处理方法，所述方法包括：
[0006]获取待处理的红外图像和可见光图像；其中，所述红外图像和可见光图像是在相同场景拍摄的；
[0007]将所述待处理的红外图像和可见光图像作为配准对，输入至预先训练的卷积神经网络模型，卷积神经网络模型包括主干网络、传输网络和输出网络；所述主干网络的输入包括三个可见光图像通道和一个红外图像通道，所述主干网络的第一层卷积采用分组卷积，所述第一层卷积后的卷积层进行至少两次下采样，得到至少两个水平的特征；所述传输网络用于对得到的至少两个水平的特征进行特征融合；所述输出网络用于得到输出结果；
[0008]根据所述卷积神经网络模型的输出结果，确定所述待处理的红外图像和可见光图像的融合参数；
[0009]根据所述融合参数进行待处理的红外图像和可见光图像的融合处理。
[0010]第二方面，本申请实施例提供了一种红外图像的处理装置，该装置包括：
[0011]图像获取模块，用于获取待处理的红外图像和可见光图像；其中，所述红外图像和可见光图像是在相同场景拍摄的；
[0012]图像预处理模块，用于将所述待处理的红外图像和可见光图像作为配准对，输入至预先训练的卷积神经网络模型，卷积神经网络模型包括主干网络、传输网络和输出网络；所述主干网络的输入包括三个可见光图像通道和一个红外图像通道，所述主干网络的第一层卷积采用分组卷积，所述第一层卷积后的卷积层进行至少两次下采样，得到至少两个水平的特征；所述传输网络用于对得到的至少两个水平的特征进行特征融合；所述输出网络
用于得到输出结果；
[0013]图像融合参数确定模块，用于根据所述卷积神经网络模型的输出结果，确定所述待处理的红外图像和可见光图像的融合参数；
[0014]图像融合处理模块，用于根据所述融合参数进行待处理的红外图像和可见光图像的融合处理。
[0015]第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的红外图像的处理方法。
[0016]第四方面，本申请实施例提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的红外图像的处理方法。
[0017]本专利技术实施例所提供的技术方案，获取待处理的红外图像和可见光图像；其中，所述红外图像和可见光图像是在相同场景拍摄的；将所述待处理的红外图像和可见光图像作为配准对，输入至预先训练的卷积神经网络模型，卷积神经网络模型包括主干网络、传输网络和输出网络；所述主干网络的输入包括三个可见光图像通道和一个红外图像通道，所述主干网络的第一层卷积采用分组卷积，所述第一层卷积后的卷积层进行至少两次下采样，得到至少两个水平的特征；所述传输网络用于对得到的至少两个水平的特征进行特征融合；所述输出网络用于得到输出结果；根据所述卷积神经网络模型的输出结果，确定所述待处理的红外图像和可见光图像的融合参数；根据所述融合参数进行待处理的红外图像和可见光图像的融合处理。通过建立基于深度学习的卷积神经网络模型，对红外图像和可见光图像进行分组卷积，避免信息交叉影响卷积神经网络的收敛速度，使得能够对红外图像和可见光图像进行融合处理，从而实现增强红外图像显示效果的目的。
附图说明
[0018]图1是本专利技术实施例一提供的红外图像的处理方法的流程图；
[0019]图2是本专利技术实施例一提供的卷积神经网络模型的示意图；
[0020]图3是本专利技术实施例一提供的卷积神经网络模型组成的示意图；
[0021]图4是本专利技术实施例二提供的卷积神经网络模型训练方法的流程图；
[0022]图5是本专利技术实施例二提供的卷积神经网络模型训练中损失函数确定方法的流程图；
[0023]图6是本专利技术实施例三提供的一种红外图像的处理装置的结构框图；
[0024]图7是本专利技术实施例五提供的一种电子设备的结构示意图；
具体实施方式
[0025]下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
[0026]在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作
完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
[0027]实施例一
[0028]图1是本申请实施例一提供的红外图像的处理方法的流程图，本实施例可适用于对可见光图像和红外图像进行融合的情况，该方法可以由本申请实施例所提供的红外图像的处理装置执行，该装置可以由软件和/或硬件的方式来实现，并可集成于电子设备中。如图1所示，所述红外图像的处理方法包括：
[0029]S110、获取待处理的红外图像和可见光图像。
[0030]其中，所述红外图像是指由红外热像仪接收到波长为0.78
‑
1000μm波长的电磁波后形成的图像，不会受到光照和天气环境的影响，但是红外图像的目标边缘模糊，且目标和背景的对比度低。所述可见光图像是指由普通相机接收到波长为0.38
‑
0.78μm波长的电磁波后形成的图像，会受到光照和天气环境的影响，但是图像中的纹理和细节信息比红外图像强，空间分辨率比红外图像高。可以理解的是，获取待处理的红外图像和可见光图像的方式有很多种，比如，可以通过图像采集装置实时采集待处理的红外图像和可见光图像，该图像采集装置可以是热像仪、摄像机、照相机、手机以及监控摄像头等；也可以从图像数据库中直本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种红外图像的处理方法，其特征在于，所述方法包括：获取待处理的红外图像和可见光图像；其中，所述红外图像和可见光图像是在相同场景拍摄的；将所述待处理的红外图像和可见光图像作为配准对，输入至预先训练的卷积神经网络模型；卷积神经网络模型包括主干网络、传输网络和输出网络；所述主干网络的输入包括三个可见光图像通道和一个红外图像通道，所述主干网络的第一层卷积采用分组卷积，所述第一层卷积后的卷积层进行至少两次下采样，得到至少两个水平的特征；所述传输网络用于对得到的至少两个水平的特征进行特征融合；所述输出网络用于得到输出结果；根据所述卷积神经网络模型的输出结果，确定所述待处理的红外图像和可见光图像的融合参数；根据所述融合参数进行待处理的红外图像和可见光图像的融合处理。2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络模型的训练过程包括：获取预设数量的训练图像；其中，所述训练图像包括由红外图像和可见光图像组成的配准对；将所述训练图像拆分为训练样本集和测试样本集；采用所述训练样本集对初始卷积神经网络模型进行训练，其中，所述初始卷积神经网络模型的输入为训练样本集中的配准对，输出为所述配准对的形变参数；基于所述形变参数对测试样本集进行测试，若测试结果符合预设标准，则确定卷积神经网络模型训练完成。3.根据权利要求2所述的方法，其特征在于，所述形变参数用于对配准对中的红外图像进行形变调节，以作为融合基础图像。4.根据权利要求3所述的方法，其特征在于，基于所述形变参数对测试样本集进行测试，包括：基于所述形变参数对测试样本集中配准对的红外图像进行形变处理，得到形变处理结果；将所述形变处理结果与所述配准对的红外图像进行子区域相似性比较，并根据子区域相似性比较结果确定测试结果。5.根据权利要求4所述的方法，其特征在于，将所述形变处理结果与所述配准对的红外图像进行子区域相似性比较，并根据子区域相似性比较结果确定测试结果，包括：将所述形变处理结果与所述配准对的红外图像分别切分成第一数量的子区域；对应计算形变处理结果的子区域与所述配准对的红外图像的子区域的相似度；从所有的相似度中选...
【专利技术属性】
技术研发人员：丁顺意，赵纪民，
申请(专利权)人：飞础科智慧科技上海有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。