System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及红外图像分析,尤其涉及一种红外热图序列性的分析方法及相关设备。
技术介绍
1、由于人体生理结构的特性和器官使用情况的不同,人体不同部位的温度分布特征是不一样的,且具有一定的规律,通常表现为人体四肢远端皮肤温度最低,越靠近躯干中心皮肤温度越高,这些不同的分布特征体现了人体温度分布的序列性。在一些情况下,人身体的温度分布会发生紊乱,从而导致人体温度分布的序列性被破坏。目前对人体温度分布序列性的研究主要集中在红外热成像的序列性分析上,多数研究是依靠肉眼观察红外热图,通过主观分析红外热图的有序或无序状况辅助分析。随着计算机技术的发展,研究人员开始使用图像处理技术对红外热成像进行可视化处理。在此基础上,构建新的人形可视化结构图,并根据元素的温度特性采用五色法填充各区域,最后通过人眼观察可视化图像的人体温度分布情况辅助分析,从而实现对人体红外热成像序列性特征的可视化和分析。由于现有的序列性分析方法大多是对可视化图像进行肉眼分析,存在一定的主观性,导致最终结果的准确程度较为低下。
技术实现思路
1、有鉴于此,本申请的目的在于提出一种红外热图序列性的分析方法及相关设备。
2、基于上述目的,本申请提供了一种红外热图序列性的分析方法,包括:
3、对获取的红外热图样本集中每个样本进行均值滤波,得到滤波后温度值;所述红外热图样本集包括正常人红外热图样本集和非正常人红外热图样本集;
4、基于所述滤波后温度值,构建所述样本集中每个样本的序列性特征向量;
6、对所述样本点集进行密度聚类,并基于密度聚类后的样本点构建最小领域圆函数,得到所述最小领域圆函数的圆心和半径;
7、基于所述圆心和半径,对新获取的红外热图进行分析。
8、在一种可能的实现方式中,通过下式计算所述滤波后温度值:
9、
10、其中,t′i,j表示滤波后第i行第j列的温度值,ti+m,j+n表示滤波前第i+m行第j+n列的温度值,窗口大小为a×b。
11、在一种可能的实现方式中,所述基于所述滤波后温度值,构建所述样本集中每个样本的序列性特征向量,包括:
12、基于所述滤波后温度值,构建所述样本集中每个样本的横向序列性特征向量,和
13、基于所述滤波后温度值,构建所述样本集中每个样本的纵向序列性特征向量。
14、在一种可能的实现方式中,所述基于所述滤波后温度值,构建所述样本集中每个样本的横向序列性特征向量,包括:
15、计算所述样本集中每个样本的每列温度的均值;
16、基于所述每列温度的均值构建所述样本集中每个样本的所述横向序列性特征向量。
17、在一种可能的实现方式中,所述基于所述滤波后温度值,构建所述样本集中每个样本的纵向序列性特征向量,包括:
18、计算所述样本集中每个样本的每行温度的均值;
19、基于所述每行温度的均值构建所述样本集中每个样本的所述纵向序列性特征向量。
20、在一种可能的实现方式中,所述序列性特征向量包括横向序列性特征向量和纵向序列性特征向量;
21、所述对所述序列性特征向量进行降维处理,得到样本点集,包括:
22、计算所述横向序列性特征向量的模值;
23、计算所述纵向序列性特征向量的模值;
24、基于所述横向序列性特征向量的模值和所述纵向序列性特征向量的模值,得到所述样本点集。
25、在一种可能的实现方式中,所述对所述样本点集进行密度聚类,并基于密度聚类后的样本点构建最小领域圆函数,得到所述最小领域圆函数的圆心和半径,包括:
26、设置邻域参数;
27、基于所述邻域参数和所述样本点集,得到核心对象;
28、遍历所有的所述核心对象,得到类别簇集合;
29、从所述类别簇集合中选取最大的类别簇,得到正常人样本类别簇;
30、构建包含所述正常人样本类别簇中所有样本点的最小领域圆函数;
31、基于所述最小领域圆函数,得到所述最小领域圆函数的圆心和半径。
32、在一种可能的实现方式中,所述基于所述圆心和半径,对新获取的红外热图进行分析,包括:
33、对所述新获取的红外热图进行处理,得到新样本点;
34、响应于所述新样本点到所述最小领域圆函数圆心的欧氏距离大于所述半径,所述新获取的红外热图为非正常人红外热图;
35、响应于所述新样本点到所述最小领域圆函数圆心的欧氏距离小于等于所述半径,所述新获取的红外热图为正常人红外热图。
36、基于同一专利技术构思,本申请实施例还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上运行的计算机程序,所述处理器执行所述程序时实现如上述任意一项所述的红外热图序列性的分析方法。
37、基于同一专利技术构思,本申请实施例还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行上述任一所述的红外热图序列性的分析方法。
38、从上面所述可以看出,本申请提供的红外热图序列性的分析方法及相关设备,通过对获取的红外热图样本集中每个样本进行均值滤波,得到滤波后温度值;所述红外热图样本集包括正常人红外热图样本集和非正常人红外热图样本集;基于所述滤波后温度值,构建所述样本集中每个样本的序列性特征向量;对所述序列性特征向量进行降维处理,得到样本点集;对所述样本点集进行密度聚类,并基于密度聚类后的样本点构建最小领域圆函数,得到所述最小领域圆函数的圆心和半径;基于所述圆心和半径,对新获取的红外热图进行分析。本申请实施例通过利用预先设置的样本集来进行密度聚类,得到正常人红外热图样本的最小领域圆函数的圆心和半径。本申请实施例通过将红外热图的分析过程客观化,有效的消除了不同人之间存在的主观因素的影响,有效提升了红外热图分析的准确率。
本文档来自技高网...【技术保护点】
1.一种红外热图序列性的分析方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,通过下式计算所述滤波后温度值:
3.根据权利要求1所述的方法,其特征在于,所述基于所述滤波后温度值,构建所述样本集中每个样本的序列性特征向量,包括:
4.根据权利要求3所述的方法,其特征在于,所述基于所述滤波后温度值,构建所述样本集中每个样本的横向序列性特征向量,包括:
5.根据权利要求3所述的方法,其特征在于,所述基于所述滤波后温度值,构建所述样本集中每个样本的纵向序列性特征向量,包括:
6.根据权利要求1所述的方法,其特征在于,所述序列性特征向量包括横向序列性特征向量和纵向序列性特征向量;
7.根据权利要求1所述的方法,其特征在于,所述对所述样本点集进行密度聚类,并基于密度聚类后的样本点构建最小领域圆函数,得到所述最小领域圆函数的圆心和半径,包括:
8.根据权利要求1所述的方法,其特征在于,所述基于所述圆心和半径,对新获取的红外热图进行分析,包括:
9.一种电子设备,包括存储器、处理器及
10.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,其特征在于,所述计算机指令用于使计算机执行权利要求1至8任一所述方法。
...【技术特征摘要】
1.一种红外热图序列性的分析方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,通过下式计算所述滤波后温度值:
3.根据权利要求1所述的方法,其特征在于,所述基于所述滤波后温度值,构建所述样本集中每个样本的序列性特征向量,包括:
4.根据权利要求3所述的方法,其特征在于,所述基于所述滤波后温度值,构建所述样本集中每个样本的横向序列性特征向量,包括:
5.根据权利要求3所述的方法,其特征在于,所述基于所述滤波后温度值,构建所述样本集中每个样本的纵向序列性特征向量,包括:
6.根据权利要求1所述的方法,其特征在于,所述序列性特征向量包括横向序列性特征向量和纵向序...
【专利技术属性】
技术研发人员:罗涛,刘佳雪,张文静,许昌,李剑峰,
申请(专利权)人:北京邮电大学,
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。