Блок обработки изображения тепловизионной камеры

В сложной системе тепловидения камераблок обработки действует как искусный мастер, тщательно обрабатывая цифровые сигналы, выдаваемые блоком обработки сигналов, преобразуя их в интуитивно понятные, четкие и насыщенные температурой тепловые изображения, что является решающим фактором для эффективного применения технологии тепловидения в различных областях.

Хотя цифровые сигналы от блока обработки сигналов были предварительно очищены от шумов, усилены и прошли аналого-цифровое преобразование, изображения все еще могут иметь такие проблемы, как низкий контраст и размытые детали. Блок обработки изображений использует методы улучшения изображения для улучшения качества изображения. С помощью выравнивания гистограммы динамический диапазон уровней серого изображения расширяется, что позволяет более четко представить детали ярких и темных участков изображения. Например, при инспекции промышленного оборудования с помощью тепловизионной съемки тонкие различия в температуре поверхности оборудования, которые изначально трудно обнаружить, могут быть четко представлены с различными температурными областями после обработки выравнивания гистограммы, что позволяет персоналу быстро находить потенциальные точки неисправности. Существуют также алгоритмы фильтрации обнаружения краев, такие как оператор Лапласа и фильтр Гаусса, которые также могут выделять контуры и детали объектов, улучшая читаемость изображения.

Реакция каждого пикселя инфракрасного датчика на инфракрасное излучение не полностью последовательна, что может привести к таким проблемам, как неравномерная яркость и шумовые артефакты на изображениях. Блок обработки изображений выполнит коррекцию неоднородности, чтобы устранить эти ошибки. На основе метода двухточечной коррекции, в случае известных высоко-низкотемпературных эталонных источников, реакция датчика на эталонный источник измеряется для установления модели коррекции, а выходной сигнал каждого пикселя корректируется, чтобы гарантировать, что та же температурная область на изображении представляет постоянную яркость и цвет, что повышает точность измерения температуры.

Для более наглядного отображения распределения объектов блок обработки изображений сопоставляет значения температуры, соответствующие цифровым сигналам каждого пикселя, и преобразует их в визуализированные значения цвета или уровня серого. При обработке в цвете, согласно предустановленной таблице сопоставления температуры и цвета, различные диапазоны температур соответствуют различным цветам, например, синий цвет используется для представления областей с низкой температурой, а красный — для областей с высокой температурой, что делает распределение температур понятным с первого взгляда. В медицинской тепловизионной диагностике врачи могут быстро судить об аномальных температурных областях человеческого тела с помощью псевдоцветных тепловых изображений, что помогает в диагностике заболеваний.

В некоторых высокопроизводительных тепловизионных приложениях блок обработки изображений имеет функции слияния изображений и распознавания объектов. Слияние изображений — это слияние тепловизионных изображений с изображениями в видимом свете, объединяющее преимущества обоих для получения как температурных информационных объектов, так и четкого представления внешнего вида объектов и окружающей среды. В мониторинге безопасности это позволяет сотрудникам службы безопасности иметь более полное представление о сцене мониторинга. Распознавание использует алгоритмы машинного обучения, такие как сверточные нейронные сети (CNN), для идентификации и классификации целевых объектов на тепловых изображениях. В мониторинге лесных пожаров он может автоматически определять источники возгорания и дыма, а также своевременно подавать сигналы тревоги.