红外热成像技术在孔隙尺度下多孔介质相变过程表征中的应用与优化研究

王淑, 冷航, 陈彦伶, 王昌涛, 陈周林, 杨英英

王淑, 冷航, 陈彦伶, 王昌涛, 陈周林, 杨英英. 红外热成像技术在孔隙尺度下多孔介质相变过程表征中的应用与优化研究[J]. 红外技术, 2022, 44(3): 294-302.
引用本文: 王淑, 冷航, 陈彦伶, 王昌涛, 陈周林, 杨英英. 红外热成像技术在孔隙尺度下多孔介质相变过程表征中的应用与优化研究[J]. 红外技术, 2022, 44(3): 294-302.
WANG Shu, LENG Hang, CHEN Yanling, WANG Changtao, CHEN Zhoulin, YANG Yingying. Application of Infrared Thermography for Characterizing Phase Change Process of Porous Media at Pore Scale[J]. Infrared Technology , 2022, 44(3): 294-302.
Citation: WANG Shu, LENG Hang, CHEN Yanling, WANG Changtao, CHEN Zhoulin, YANG Yingying. Application of Infrared Thermography for Characterizing Phase Change Process of Porous Media at Pore Scale[J]. Infrared Technology , 2022, 44(3): 294-302.

红外热成像技术在孔隙尺度下多孔介质相变过程表征中的应用与优化研究

基金项目: 

国家自然科学基金青年基金 52006146

上海市青年科技英才扬帆计划 19YF1434700

上海高校青年东方学者岗位计划 

详细信息
    作者简介:

    王淑(1999-),女(白族),云南楚雄人,本科生,研究方向为无损检测、相变储能技术及应用,Email:wangshu990810@163.com

    通讯作者:

    杨英英(1988-),女,河北保定人,硕导,副教授,研究方向为无损检测、建筑节能、相变储能技术及应用,Email:yingyingyang@usst.com

  • 中图分类号: TN219

Application of Infrared Thermography for Characterizing Phase Change Process of Porous Media at Pore Scale

  • 摘要: 红外热成像技术是一种应用广泛、发展较快的新型数字化无损检测技术,但其目前仍存在测量精度较低、图像噪声影响较大、数据量巨大等缺点。本文利用红外热成像技术,在孔隙尺度下对多孔材料内石蜡和水的相变过程进行了表征,并对红外热成像测温精度和相界面的表征进行了优化。首先通过添加反射表面(褶皱的铝箔)获取测试过程中环境反射温度,以修正目标物体温度;同时通过引导滤波和主成分热像法(Principal component thermography, PCT)对红外热成像图片降噪,提高红外热像仪对温度场及相界面的检测精度。实验结果表明:环境反射温度修正法可以排除测试环境温度变化对红外测温结果的影响;引导滤波法选取合适的滤波半径和滤波参数后相界面轮廓更加清晰,并取得较好的降噪效果;主成分热像法除了降噪效果好,使相界面更清晰,并使处理数据量减少了4个量级。上述3种优化方法为红外热成像技术在孔隙尺度下多孔介质相变过程表征中的应用提供了技术支持。
    Abstract: Infrared thermography (IRT) is a new type of digital nondestructive testing technology that has developed rapidly and has found wide use. However, it still has some shortcomings, such as low accuracy, image noise, and requires a large amount of data. In this study, the phase change processes of paraffin and water in porous materials are characterized by IRT technology at pore scale, and the temperature measurement accuracy and phase interface characterization are optimized. First, the reflective surface (wrinkled aluminum foil) is added to obtain the environmental reflective temperature in the test process to correct the target object temperature; subsequently, guided filtering and principal component thermography (PCT) are used to reduce the noise of IRT images to improve the detection accuracy of the infrared thermal imager for temperature field and phase interface. The experimental results show that the temperature measured by the environmental reflection temperature correction method is closer to that measured by a thermocouple after eliminating the influence of changing environmental temperature; after selecting an appropriate filter radius and filter parameters, the contour of phase interface is clearer, and a better noise reduction effect is obtained. In addition to the good noise reduction effect, PCT makes the phase interface clearer and reduces the amount of processed data by four orders of magnitude. These three processing methods provide better optimization methods and theoretical support for infrared thermal imaging technology to characterize the phase transition process of porous media at the pore scale.
  • 太阳光中包含各种波段的光,但是地球大气层中的臭氧层会对220~280 nm波段的紫外光进行吸收,因此该波段的光很难到达地球表面,该波段又被称为“日盲”紫外波段[1]。我们通过220~280 nm紫外光的日盲特性对处于该波段的目标物进行检测成像,能够有效地排除掉阳光对其造成的影响。而高压输电线路由于其自身的故障会在大气中产生电晕,电晕放电会放射出波段为220~280 nm的紫外光[2-6]。传统的电晕探测技术有红外热探测和超声波探测,日盲紫外电晕探测相比于这两种技术有极大的改进:和红外技术相比,在早期就能检测到高压输电线上的电晕放电现象,并且不受周边环境干扰;和超声波技术相比,能够探测的距离长,并且能够检测出电晕放电产生的位置。如今,国内的紫外检测技术飞速发展,以国产碲铯阴极紫外像增强器为核心的紫外成像仪能够对电力设备故障进行实时的检测[7-9]

    在日盲紫外电晕成像探测过程中,一般是根据显示器上所显示的日盲紫外图像来主观判断电晕放电的程度,这样会带来很大的误差,所以需要通过具体的算法对日盲紫外电晕放电进行量化分析。考虑到日盲紫外电晕信号十分微弱,达到了单光子水平,普通的量化分析方法不能满足要求,因此需要设计合理的光子计数算法来对日盲紫外信号进行量化分析。

    图 1是单光子探测的原理图。首先,光信号通过光学镜头进行光学聚焦;然后,前端光电探测器将光信号转化成电信号;其次,将电信号输入至信号处理模块进行处理;最后,后端读出电路模块将处理之后的信号进行输出。其中,因为日盲紫外信号十分微弱,传统的固体探测器件难以达到要求,因此一般会采用真空器件对信号进行光电转换和电子倍增。与此同时,当需要对目标信号强弱进行分析并对其进行成像时,采用像增强器作为光电转换和成像器件[10]

    图  1  单光子探测原理框图
    Figure  1.  Block diagram of single photon detection

    当日盲紫外光子信号低于3×10-15 W/cm2时,光电转换器就会产生离散脉冲信号,合适的CMOS传感器就能探测到光子信号,所以能够统计日盲紫外信号光子的数量来实现对目标源信号的定量化分析。光子的能量公式为:

    $$ E = h\frac{c}{\lambda } $$ (1)

    式中:h为普朗克常数;c为真空中的光速;λ为光的波长。其中日盲紫外波段为200~280 nm[3],通过计算得出一个日盲紫外光子的能量为7.1×10-19~1×10-18 J。

    日盲紫外光光功率P表示为:

    $$ P=N×E $$ (2)

    式中:N表示光子数;E表示单光子能量,所以单位时间内通过的光能量表示光流强度。

    目标源信号的光功率可以通过统计一个截面上的光子数量来计算得到[4-7]。由于图像传感器靶面尺寸约为1.56 cm2,通过对单位时间内探测到的紫外图像上出现的光斑进行计数统计,就能计算得出一帧图像的光子数以及日盲紫外信号源的光功率。

    本文所设计的日盲紫外成像系统原理框图如图 2所示,成像系统主要由紫外ICMOS模组、可见光探测器、ARM+FPGA嵌入式处理系统组成。其中,紫外ICMOS模组用来采集日盲紫外微弱信号,并经过模数转换将数字图像信号输入嵌入式平台中;可见光探测器采集可见光图像为日盲紫外信号提供位置信息;ARM+FPGA嵌入式处理系统通过采集紫外数字图像信息,完成图像处理和光子计数算法,并将处理后的图像输出显示。

    图  2  日盲紫外成像系统整体设计框图
    Figure  2.  Block diagram of overall design of solar blind ultraviolet imaging system

    图 3是所设计的日盲紫外成像系统整机实物图,尺寸(长×宽×高)为244 mm×135 mm×96 mm。其中1为相机窗口,2为LCD液晶屏,3为按键控制面板,4为电源充电口和TF卡槽,5为腕带。

    图  3  日盲紫外成像系统整机实物图
    Figure  3.  The physical picture of the solar blind UV imaging system

    传统的光子计数算法通常为连通域标记光子计数算法,其算法主要思路为:假设单光子经过像增强器倍增以后,在荧光屏上所显示的每一个光斑都未重合。那么每一个光斑就对应了一个光电子,因此只需要对一帧图像中光斑出现的数量,就可以得出一帧图像中日盲紫外光子数。在连通域标记算法中,对经过图像预处理后的紫外图像进行二值化处理,得到一幅二值化图像。每个由灰度255组成的连通域表示为一个光子事件,图 4为连通域标记算法的示意图。

    图  4  连通域标记算法说明
    Figure  4.  Connected domain labeling algorithm description

    然后,对所采集到的一帧紫外图像进行连通域算法仿真分析,图 5为所采集到的日盲紫外图像和二值化后的图像。

    图  5  紫外图像二值化
    Figure  5.  UV image binary processing

    通过对图进行连通域标记光子计数算法仿真,可以得出共有12个光子。通过分析二值化后的图像可知,连通域标记算法将光斑较大和较小的区域都默认为一个光子事件进行统计,这样显然影响了光子计数的准确度,因此需要对此光子计数算法进行改进。

    弥散圆斑算法是一种从三维空间上统计光子数的方法,由于所设计的高帧频算法,可以使得光斑的变化在时间域上被捕获,因此本文在此基础上添加了时间因素,弥补光斑出现时间的随机性,找出四维空间中的最大点,约束条件如式(3):

    $$ \left\{ \begin{gathered} {f_x}'(x,y,z) \leqslant 0 \hfill \\ {f_y}'(x,y,z) \leqslant 0 \hfill \\ {f_t}'(x,y,z) \leqslant 0 \hfill \\ \end{gathered} \right. $$ (3)

    由于加入了时间的约束,所以只有找出一段时间内几帧图像同一位置光斑的极大值点才能准确计算光子数。本文采用的CMOS传感器图像输出频率为3 ms每帧,而荧光屏的余晖时间为6 ms,即光斑在荧光屏上的起伏时间为6 ms,因此我们通过连续采样得到3帧图像就能得到光斑的变化范围,如图 6所示,其中abc表示图像中光斑的灰度值。

    图  6  单个光斑脉冲连续采样图
    Figure  6.  Continuous sampling of single spot pulse

    图 6所示,中间一帧图像中b灰度值最大,可以将b记作一个光子数,因此只要中间帧图像中光斑的灰度值大于前后帧图像光斑的灰度值,就能将其记为一个光子数。

    这样就能统计出一帧图像的光子数[10]

    $$ n = \sum\limits_{k = 1}^f {\sum\limits_{i = 1}^m {\sum\limits_{j = 1}^n {Y(i,j,k)} } } $$ (4)

    式中:f为日盲紫外成像探测器的帧频;k为第k帧图像;(i, j)为二维空间坐标;Y(i, j, k)为四维空间中的极大值点。由于日盲紫外成像探测器能达到300帧/s的帧频,两帧之间的变化时间较小,因此Y(i, j, k)又能满足:

    $$ B(i,j,k)≥B(i±i′,j±j′,k±k′) $$ (5)

    式中:B(i, j, k)为第k帧(i, j)点的灰度值。由上式可见,极大值点Y(i, j, k)的约束条件为:B(i, j)在i′×j′矩阵像素中具有最大的灰度值,且在前后k′帧的同一位置的灰度值也是最大的。根据日盲紫外成像探测器的输出帧频,这里k′=1,同时i′×j′矩阵可设定为3×3矩阵或5×5矩阵。

    首先,本文用日盲紫外成像探测器采集图像,然后运用Matlab软件分别对两种算法进行仿真,比较仿真结果来判断时间相关的光子计数算法能否提高计数精度。

    首先选用260 nm波段的紫外光源,然后日盲紫外成像探测器的增益电压调节为2.5 V,调节紫外光源光功率密度,从3×10-19 W/cm2每次往上增加一个数量级,采集3组不同光强的实验图像,每组实验记录3幅图像,如图 7所示。

    图  7  日盲紫外三组实验图像
    Figure  7.  Three sets of experimental images of solar blind ultraviolet

    运用MATLAB软件对采集的图像仿真,得出的光子数如表 1所示。表 1中的两种算法为连通域计数算法和基于时间相关算法。

    表  1  两种算法光子计数统计表
    Table  1.  Photon counting statistic table of two algorithm
    Connected domain labeling algorithm Dispersion circular algorithm
    Group 1 7 6
    Group 2 78 78
    Group 3 88 291
    下载: 导出CSV 
    | 显示表格

    结果显示,当信号源很弱时,光子就会分散分布,因此两种算法的计数结果比较相近。在增强紫外光源的光功率后,光斑会重叠,并且连通域标记光子计数算法得出的光子数量没有太大变化,而本文所设计的算法随着信号的增强,计数值不断增加,由此可知,弥散圆斑算法相对于连通域计数算法更加精确,可对日盲紫外单光子进行准确统计。

    通过对两种算法的仿真分析可知,本文所设计的光子计数算法更具准确性,但由于所设计成像系统的资源和速度限制,我们将日盲紫外图像的14 bit数据压缩成8 bit数据进行处理,因此会使得计数精度上有所偏差,所以通过对紫外光源的实验来验证硬件实现的效果。

    实验采用氘灯作为日盲紫外目标源进行光子计数实验测试,紫外ICMOS模组的增益电压保持不变,进行了如下3组实验:

    第一组,关闭日盲紫外信号源,实验结果如图 8所示。

    图  8  第一组实验图像
    Figure  8.  The first set of experimental images

    通过采集3帧图像,所计算的光子数一直为0,说明所设计的成像系统暗计数良好。

    第二组,打开氘灯光源,并调节光源强度到最弱,采集到的图像如图 9所示。

    图  9  第二组实验图像
    Figure  9.  The second set of experimental images

    第三组,输出光源光功率密度加到1×10-18 W/cm2,采集到的图像如图 10所示。

    图  10  第三组实验图像
    Figure  10.  The third set of experimental images

    然后,我们利用Matlab对每组连续的3帧图像进行所设计的光子计数算法仿真,仿真结果与FPGA计算的结果如表 2所示。

    表  2  四组光子计数实验结果
    Table  2.  Results of four groups of photon counting experiments
    Group1 Group 2 Group 3
    FPGA output result 0 24 141
    Matlab simulation result 0 23 149
    下载: 导出CSV 
    | 显示表格

    通过表 2可知,硬件实验的光子计数算法与仿真结果相近,证明了所设计的基于时间域的弥散圆斑光子计数算法在成像系统中可以硬件实现,并且效果良好。

    日盲紫外电晕探测是近年来一种新型的电晕探测方式,但是紫外图像单靠人眼无法精确地判断电晕信号的强弱,因此本文研究了日盲紫外光子计数算法,通过对连通域标记算法和弥散圆斑算法进行分析提出了基于时间相关算法,然后使用Matlab对两种算法进行了实验仿真,结果显示基于时间相关算法对光子计数更加准确,最后,通过实验验证所设计的算法可以在成像系统中的FPGA硬件平台上实现,并且实现的效果良好,能够用于紫外成像仪中对信号进行量化分析。

  • 图  1   红外热像仪测温原理图[15]

    Figure  1.   Schematic of IR camera when measuring temperature[15]

    图  2   将三维矩阵重构为二维矩阵

    Figure  2.   The three-dimensional matrix is reconstructed into a two-dimensional matrix

    图  3   将二维矩阵重排为三维矩阵

    Figure  3.   The two-dimensional matrix is reconstructed into a three-dimensional matrix.

    图  4   石蜡融化与凝固过程中吸热和放热曲线

    Figure  4.   Endothermic and exothermic curves of paraffin wax during melting and solidification.

    图  5   复合相变材料(a)泡沫铜金属; (b)泡沫铜/石蜡复合式样

    Figure  5.   Phase transition material: (a) Copper foam metal; (b) Copper foam and paraffin composite pattern

    图  6   多孔树脂模型(a)三维模型(b)孔间距

    Figure  6.   Model of porous resin: (a) three-D model; (b) pitch of holes

    图  7   置于抽梯型亚克力板中的多孔树脂

    Figure  7.   Porous resin placed in ladder-type acrylic board.

    图  8   实验系统

    Figure  8.   Experimental system

    图  9   红外拍摄区域

    Figure  9.   Infrared imaging area

    图  10   修正后温度、未修正温度与热电偶所测温度的对比

    Figure  10.   Comparison of corrected temperature, uncorrected temperature and temperature measured by thermocouple

    图  11   泡沫铜/石蜡不同滤波窗口及参数下的对比

    Figure  11.   Comparison of copper foam/paraffin under different filtering windows and parameters

    图  12   引导滤波处理前后泡沫铜/石蜡相界面对比

    Figure  12.   Comparison of copper foam/paraffin phase interface before and after guided filtering treatment:.

    图  13   多孔树脂/水不同滤波窗口及参数下的对比

    Figure  13.   Comparison of porous resin/water under different filtering windows and parameters

    图  14   引导滤波处理前后多孔树脂/水相界面对比

    Figure  14.   Comparison of porous resin/water interface before and after filtering treatment

    图  15   泡沫铜/石蜡(a)奇异值(b)不同奇异值个数对应的Pj

    Figure  15.   Copper foam/paraffin: (a)singular value; (b) Pj values corresponding to different singular values

    图  16   多孔树脂/水(a)奇异值(b)不同奇异值个数对应的Pj

    Figure  16.   Porous resin/water: (a)singular value; (b) Pj values corresponding to different singular values.

    图  17   截断奇异值分解算法原理

    Figure  17.   Principle of TSVD

    图  18   泡沫铜/石蜡不同截断值j对比图

    Figure  18.   Comparison charts of copper foam/paraffin with different cut-off values j

    图  19   多孔树脂/水不同截断值j对比图

    Figure  19.   Comparison charst of porous resin/water with different cut-off values j

    表  1   石蜡融化实验不同截断值与原图数据量对比

    Table  1   Comparison between different cut-off values of paraffin melting experiment and data quantity of original image

    Original drawing 22500×22500+38+38×38=506, 251, 482
    j=1 22500×1+1+38×1=22, 539
    j=2 22500×2+2+38×2=45, 078
    j=3 22500×3+3+38×3=67, 617
    j=4 22500×4+4+38×4=90, 156
    下载: 导出CSV

    表  2   水结冰实验不同截断值与原图数据量对比

    Table  2   Comparison between different cut-off values of water icing experiment and data quantity of original image

    Original drawing 22500×22500+94+94×94=506, 258, 930
    j=1 22500×1+1+94×1=22, 595
    j=2 22500×2+2+94×2=45, 388
    j=3 22500×3+3+94×3=67, 785
    j=4 22500×4+4+94×4=90, 380
    下载: 导出CSV
  • [1] 袁仁续, 赵鸣. 红外热像技术在无损检测中的应用研究进展[J]. 福州大学学报: 自然科学版, 2005(S1): 203-207. https://www.cnki.com.cn/Article/CJFDTOTAL-FZDZ2005S1041.htm

    YUAN Renxu, ZHAO Ming. Advances in the application of infrared thermography in nondestructive testing[J]. Journal of Fuzhou University: Natural Science, 2005(S1): 203-207. https://www.cnki.com.cn/Article/CJFDTOTAL-FZDZ2005S1041.htm

    [2] 徐悦. 民机ISS系统中红外/可见光的跑道监视算法研究[D]. 上海: 上海交通大学, 2012.

    XU Yue. Research on Runway Monitoring Algorithm in Infrared/Visible Light in CIVIL Aircraft ISS System[D]. Shanghai: Shanghai Jiao Tong University, 2012.

    [3] 李鑫. 红外热成像技术在化工装置中的应用[J]. 科技创新与应用, 2017(13): 29-30. https://www.cnki.com.cn/Article/CJFDTOTAL-CXYY201713015.htm

    LI Xin. Application of infrared thermal imaging technology in chemical plant[J]. Technology Innovation and Application, 2017(13): 29-30. https://www.cnki.com.cn/Article/CJFDTOTAL-CXYY201713015.htm

    [4] 邵进, 胡武炎, 贾风鸣, 等. 红外热成像技术在电力设备状态检修中的应用[J]. 高压电器, 2013, 49(1): 126-129, 133. https://www.cnki.com.cn/Article/CJFDTOTAL-GYDQ201301028.htm

    SHAO Jin, HU Wu Yan, JIAO Feng Ming, et al. Application of infrared thermal imaging technology in state maintenance of power equipment[J]. High Voltage Apparatus, 2013, 49(1): 126-129, 133. https://www.cnki.com.cn/Article/CJFDTOTAL-GYDQ201301028.htm

    [5] 史宁昌, 王迅, 张存林. 红外热波成像技术在文物保护修复中的应用[J]. 中国国家博物馆馆刊, 2017(5): 149-157. https://www.cnki.com.cn/Article/CJFDTOTAL-ZLBK201705018.htm

    SHI Ningchang, WANG Xu, ZHANG Cunlin. Application of infrared thermal wave imaging technology in conservation and restoration of cultural relics[J]. Journal of National Museum of Chinese History, 2017(5): 149-157. https://www.cnki.com.cn/Article/CJFDTOTAL-ZLBK201705018.htm

    [6] 赵明媛, 曹向阳, 翟远坤, 等. 红外热成像技术在骨伤科中的应用进展[J]. 中国中医骨伤科杂志, 2015, 23(8): 78-80. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGZG201508030.htm

    ZHAO Minyuan, CAO Xiaoyang, ZHAI Yuankun, et al. Application of infrared thermal imaging in orthopedics[J]. Chinese Journal of Traditional Medical Traumatology, 2015, 23(8): 78-80. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGZG201508030.htm

    [7] 袁仁续, 赵鸣. 红外热像技术在无损检测中的应用研究进展[J]. 福州大学学报: 自然科学版, 2005, 33(z1): 203-207. DOI: 10.3969/j.issn.1000-2243.2005.z1.041

    YUAN Renxu, ZHAO Ming. Advances in the application of infrared thermography in nondestructive testing[J]. Journal of Fuzhou University: Natural Science, 2005, 33(z1): 203-207. DOI: 10.3969/j.issn.1000-2243.2005.z1.041

    [8] 闫洪远. 用于建筑节能的多孔基体相变储能材料的制备及应用实验[D]. 重庆: 重庆大学, 2011.

    YAN Hongyuan. Preparation and Application of Porous Matrix Phase Change Energy Storage Materials for Building Energy Conservation [D]. Chongqing: Chongqing University, 2011.

    [9] 金虹庆. 泡沫金属复合相变材料熔化传热过程可视化研究[D]. 杭州: 浙江大学, 2017.

    JIN Qinhong. Visualization of Melting And Heat Transfer of Metallic Foam Composite Phase Change Materials [D]. Hangzhou: Zhejiang University, 2017.

    [10] 晏旺, 唐中华, 靳俊杰. 冰蓄冷技术在空调系统中的应用及发展方向[J]. 节能, 2013, 32(5): 41-42. https://www.cnki.com.cn/Article/CJFDTOTAL-JNJN201305010.htm

    YAN Wang, TANG Zhonghua, JIN Junjie. Application and development trend of ice storage technology in air conditioning system [J]. Energy Conservation, 2013, 32(5): 41-42. https://www.cnki.com.cn/Article/CJFDTOTAL-JNJN201305010.htm

    [11] 张旋, 吴晓敏, 闵敬春. 冷壁上单个静止过冷液滴冻结过程的数值模拟[J]. 工程热物理学报, 2018, 39(1): 159-164. https://www.cnki.com.cn/Article/CJFDTOTAL-GCRB201801027.htm

    ZHANG Xuan, WU Xiaomin, MIN Jingchun. Numerical simulation of freezing process of single stationary subcooled liquid droplet on cold Wall [J]. Journal of Engineering Thermophysics, 2018, 39(1): 159-164. https://www.cnki.com.cn/Article/CJFDTOTAL-GCRB201801027.htm

    [12] 于萍, 黄传辉, 张红, 等. 组合式吸液芯内液汽相变过程的数值模拟[J]. 工程热物理学报, 2018, 39(12): 2732-2737. https://www.cnki.com.cn/Article/CJFDTOTAL-GCRB201812024.htm

    YU Pin, HUANG Chuanhui, ZHANG Hong, et al. Numerical simulation of liquid-vapor phase transition in a combined suction core[J]. Journal of Engineering Thermophysics, 2018, 39(12): 2732-2737. https://www.cnki.com.cn/Article/CJFDTOTAL-GCRB201812024.htm

    [13] 葛朋, 杨波, 韩庆林, 等. 一种基于引导滤波图像分层的红外图像细节增强算法[J]. 红外技术, 2018, 40(12): 1161-1169. http://hwjs.nvir.cn/article/id/hwjs201812008

    GE Peng, YANG Bo, HAN Qinglin, et al. Infrared image detail enhancement algorithm based on hierarchical processing by guided image filter[J]. Infrared Technology, 2018, 40(12): 1161-1169. http://hwjs.nvir.cn/article/id/hwjs201812008

    [14] 钱征文, 程礼, 李应红. 利用奇异值分解的信号降噪方法[J]. 振动、测试与诊断, 2011, 31(4): 459-463. DOI: 10.3969/j.issn.1004-6801.2011.04.012

    QIAN Zhengwen, CHENG Li, LI Yinghong. Signal denoising method using singular value decomposition[J]. Journal of Vibration, Measurement & Diagnosis, 2011, 31(4): 459-463. DOI: 10.3969/j.issn.1004-6801.2011.04.012

    [15] 杨立. 红外热像仪测温计算与误差分析[J]. 红外技术, 1999, 21(4): 20-24. https://www.cnki.com.cn/Article/CJFDTOTAL-HWJS199904005.htm

    YANG Li. Temperature calculation and error analysis of infrared thermal imager[J]. Infrared Technology, 1999, 21(4): 20-24. https://www.cnki.com.cn/Article/CJFDTOTAL-HWJS199904005.htm

    [16] 马宁, 刘莎, 李江勇. 红外热像仪的空间噪声和时间噪声分析[J]. 激光与红外, 2017, 47(6): 717-721. DOI: 10.3969/j.issn.1001-5078.2017.06.013

    MA Ning, LIU Sha, LI Jiangyong, Analysis of spatial and temporal noise of infrared thermal imager[J]. Laser & Infrared, 2017, 47(6): 717-721. DOI: 10.3969/j.issn.1001-5078.2017.06.013

    [17] 邹前进, 冯亮, 汪亚. 红外图像空间噪声分析和预处理方法改进[J]. 应用光学, 2007(4): 426-430. DOI: 10.3969/j.issn.1002-2082.2007.04.010

    ZOU Qianjin, FENG Liang, WANG Ya. Spatial noise analysis and preprocessing of infrared image [J]. Journal of Applied Optics, 2007(4): 426-430. DOI: 10.3969/j.issn.1002-2082.2007.04.010

  • 期刊类型引用(1)

    1. 杨晓超,郝慧良. 矿用电缆放电监测系统研究设计. 中国煤炭. 2024(S1): 406-410 . 百度学术

    其他类型引用(1)

图(19)  /  表(2)
计量
  • 文章访问数:  227
  • HTML全文浏览量:  50
  • PDF下载量:  35
  • 被引次数: 2
出版历程
  • 收稿日期:  2021-08-13
  • 修回日期:  2021-10-15
  • 刊出日期:  2022-03-19

目录

/

返回文章
返回