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】
本专利技术涉及图像处理的,特别是指一种基于可见光图像生成紫外光图像的方法、系统及应用。
技术介绍
1、紫外光成像技术是一种通过使用紫外光进行成像的技术,紫外光是波长在100到400纳米之间的电磁辐射。这种成像技术常用于科学研究、医学、天文学、工业检测等领域。紫外光成像在医学和科研等领域具有重要应用,在医学中,紫外光成像技术可以用于诊断和治疗某些疾病,例如,皮肤色素沉着与皮肤损伤和皮肤癌有关,而紫外光成像被视为一种对色素沉着进行微创评估的手段。
2、虽然紫外光成像可以用于人体皮肤检查,但是其过度使用也会对人体造成一些损伤。例如,过多的紫外线照射可能会导致皮肤晒伤、晒黑,增加皮肤癌的风险,尤其是恶性黑色素瘤。紫外线还可以加速皮肤老化,导致皮肤松弛、皱纹增多。紫外线对眼睛也有害,过多的紫外线暴露可以导致一些眼部问题,如白内障和黄斑部退化等,因此具有潜在危害。
3、由于人类的视觉系统无法直接感知紫外线,因此在大多数情况下,我们对于紫外线图像的需求和应用相对较少。大多数常用的图像传感器(如手机和相机中的传感器)并未设计用来捕捉紫外线,导致紫外光成像在现实应用中受到很多局限。虽然有些专业设备可以捕捉到紫外线,但这些设备的成本通常较高,且不易获取。因此,目前在图像生成领域,极少有紫外光图像生成的相关技术研究。现有的从可见光转为紫外光的方法多为基础的图像处理技术,缺乏对复杂生物特征和环境因素的综合考虑。
4、有鉴于此,本专利技术人针对现有技术存在的诸多缺失及不便而深入构思,且积极研究改良试做而开发出本专利技术
技术实现思路
1、本专利技术的主要目的在于克服现有技术的不足,提供一种成本低,提高可接受性和可行性,降低紫外光成像潜在危害的基于可见光图像生成紫外光图像的方法、系统及应用
2、为了达成上述目的,本专利技术的解决方案是:
3、一种基于可见光图像生成紫外光图像的方法,其包括以下步骤:
4、s1:设计可见光和紫外光数据采集双目模组:该数据采集双目模组的两摄像头具有一定基线,两摄像头采用的传感器尺寸一致,两摄像头的焦距相同,输出的图片尺寸一致,使数据采集双目模组采集对齐后的帧同步可见光图像数据和紫外光图像数据,采集的图像数据集按照9:1的人脸id比例分为训练数据集和测试数据集,用于后续模型的训练和测试;
5、s2:进行可见光人脸图像和紫外光人脸图像采集:利用步骤s1设计好的可见光和紫外光数据采集双目模组采集对齐且帧同步的人脸图像数据;
6、s3:对可见光人脸图像进行人脸检测,进而利用分割模型得到人脸区域掩码:将步骤s2采集的可见光人脸图像进行人脸检测,利用人脸检测算法输出人脸框坐标x,y,w,h,将可见光人脸图像和对应的人脸框坐标x,y,w,h外扩1.5倍大小作为输入给到图像分割模型sam(segment anything model),得到分割后的人脸区域掩码;
7、s4:设计利用可见光人脸图像生成紫外光人脸图像的生成器模型;生成器模型用于将输入的可见光图像转换为紫外光图像,生成器模型输入为可见光图像原图直接输入,生成器模型输出的结果标签就是采集的对应同步的紫外光人脸图像;
8、s5:利用采集的可见光和紫外光人脸图像来训练生成器模型;生成器模型的训练数据集包括可见光人脸图像以及对应的紫外光人脸图像,生成器模型学习到从可见光图像到紫外光图像的映射关系,利用人脸检测算法,对可见光成像的人脸图片进行人脸检测。
9、s6:利用步骤s3所生成的人脸区域掩码,设计softed fid loss来监督模型训练效果;
10、s7:挑选效果最好的模型进行算法部署:将步骤s6的softed fid loss损失函数用在测试数据集上,若算法模型损失函数下降到最低,则表明生成图像的分布与真实图像的分布最接近,生成器模型效果相对最好;将该生成器模型进行接口封装;使用可见光镜头拍摄的原始人脸图片直接做等比例缩放到对应生成器模型的输出尺寸后即可给到生成器模型生成紫外光人脸图片
11、使用可见光人脸图像即可生成紫外光人脸图像。
12、进一步,步骤s1中,数据采集双目模组的两摄像头基线为8mm,传感器均采用1/1.5英寸传感器,出高1600、宽1200像素的图片,摄像头的焦距为1.9mm,人脸在距离镜头0.5米距离两颗摄像头采集到的成年人脸图像宽高均大于512pixel,数据采集双目模组的分辨率为4:3。
13、进一步,步骤s2的具体做法是:将数据采集双目模组固定到1.7米的高度水平放置,人脸距离数据采集双目模组在0.3米到0.7米的距离进行可见光人脸图像和紫外光人脸图像的采集。
14、进一步,所述步骤s4中,生成器模型输入的高度为1600像素,宽度为1200像素, 通道数为3,输出预测的紫外光成像效果图,生成器模型输出的高度为1600,宽度为1200像素,通道数为1。
15、进一步,步骤s6的具体做法是:基于步骤s3预测出来的人脸框外扩1.5倍作为sam模型的输入,得到人脸区域掩码,对该掩码信息应用sigmoid算法,实现对数据进行0和1的软化限制效果,结合模型预测的紫外图像,采用fid损失函数以优化生成器,用于衡量两个图像分布间差异的度量。
16、一种基于可见光图像生成紫外光图像的系统,其包括:
17、数据采集双目模组,用以采集可见光和紫外光的图像数据,该数据采集双目模组的两摄像头具有一定基线,两摄像头采用的传感器尺寸一致,两摄像头的焦距相同,输出的图片尺寸一致,该数据采集双目模组采集对齐且帧同步的可见光图像数据和紫外光图像数据,采集的图像数据集按照9:1的人脸id比例分为训练数据集和测试数据集,用于后续模型的训练和测试;
18、数据预处理模块,对数据采集双目模组采集的可见光人脸图像进行人脸检测,利用人脸检测算法输出人脸框坐标x,y,w,h,将可见光人脸图像和对应的人脸框坐标x,y,w,h外扩1.5倍大小作为输入给到图像分割模型sam,得到分割后的人脸区域掩码;
19、生成器模型,用于将输入的可见光图像转换为紫外光图像,生成器模型输入为可见光图像原图直接输入,生成器模型输出的结果标签就是采集的对应同步的紫外光人脸图像;生成器模型的训练数据集包括可见光人脸图像以及对应的紫外光人脸图像,生成器模型学习到从可见光图像到紫外光图像的映射关系;接收可见光镜头拍摄的原始可见光人脸图片,该原始可见光人脸图片的尺寸与生成器模型的输出尺寸相对应,生成器模型将原始可见光人脸图片生成紫外光人脸图片;
20、监督模块,利用数据预处理模块所生成的人脸区域掩码,设计softed fid loss来监督模型训练效果;
21、算法模型选择及部署模块,将softed fid loss损失函数用在测试数据集上,若算法模型损失函数下降到最低,则表明生成图像的分布与真实图像的分布最接近,生成器模型效果相对最好,并将效果相对最好的生成器模型进本文档来自技高网...
【技术保护点】
1.一种基于可见光图像生成紫外光图像的方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于可见光图像生成紫外光图像的方法,其特征在于:步骤S1中,数据采集双目模组的两摄像头基线为8mm,传感器均采用1/1.5英寸传感器,出高1600、宽1200像素的图片,摄像头的焦距为1.9mm,人脸在距离镜头0.5米距离两颗摄像头采集到的成年人脸图像宽高均大于512pixel,数据采集双目模组的分辨率为4:3。
3.如权利要求1所述的基于可见光图像生成紫外光图像的方法,其特征在于:步骤S2的具体做法是:将数据采集双目模组固定到1.7米的高度水平放置,人脸距离数据采集双目模组在0.3米到0.7米的距离进行可见光人脸图像和紫外光人脸图像的采集。
4.如权利要求1所述的基于可见光图像生成紫外光图像的方法,其特征在于:步骤S4中,生成器模型输入的高度为1600像素,宽度为1200像素, 通道数为3,输出预测的紫外光成像效果图,生成器模型输出的高度为1600,宽度为1200像素,通道数为1。
5.如权利要求1所述的基于可见光图像生成紫外光图像的方法
6.一种基于可见光图像生成紫外光图像的系统,其特征在于,包括:
7.如权利要求1至5中任意一项所述的基于可见光图像生成紫外光图像的方法在生物识别、健康诊断、艺术创作和数字娱乐任意一领域中的应用。
...【技术特征摘要】
1.一种基于可见光图像生成紫外光图像的方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于可见光图像生成紫外光图像的方法,其特征在于:步骤s1中,数据采集双目模组的两摄像头基线为8mm,传感器均采用1/1.5英寸传感器,出高1600、宽1200像素的图片,摄像头的焦距为1.9mm,人脸在距离镜头0.5米距离两颗摄像头采集到的成年人脸图像宽高均大于512pixel,数据采集双目模组的分辨率为4:3。
3.如权利要求1所述的基于可见光图像生成紫外光图像的方法,其特征在于:步骤s2的具体做法是:将数据采集双目模组固定到1.7米的高度水平放置,人脸距离数据采集双目模组在0.3米到0.7米的距离进行可见光人脸图像和紫外光人脸图像的采集。
4.如权利要求1所述的基于可见光图像生成紫外光图像的方法,其特征在...
【专利技术属性】
技术研发人员:张帅,王汉超,贾宝芝,何一凡,
申请(专利权)人:厦门瑞为信息技术有限公司,
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。