红外图像型测温中距离与像素间定量关系的研究

摘   要: 在研究了红外测温理论的基础上，通过黑体实验得到“温度-像素”和“像素-距离”曲线，对实验数据进行挖掘和处理后，建立了一种与距离无关的红外图像型测温方法,并给出了系统的实际应用模型。实验证明，该模型能够满足实际的测温精度要求。
关键词: 红外图像; 像素值; 距离; 测温; 模型建立
       红外测温技术在国防、航天航空和火灾监控等领域都有重要的应用。与接触式测温方法相比，红外测温具有非接触式测量、测温范围广、响应速度快和灵敏度高等优点[1]。
1 红外测温机理
     物体处于绝对零度以上时, 由于其内部带电粒子的运动, 因此物体会以不同波长的电磁波形式向外辐射能量, 波长涉及紫外、可见和红外光区, 但主要处于红外光区内。
     红外光是电磁波谱中波长为0.76 μm~1 000 μm的电磁辐射，位于可见光与无线电波之间。红外光具有与可见光相同的反射、折射、干涉、衍射和偏振等特性，同时具有粒子性。人的眼睛对红外光不敏感，需要借助于对红外光敏感的探测器才能接收到红外光。红外辐射的本质是热辐射, 热辐射包括紫外光和可见光辐射，但是波长在0.76 μm~40 μm的红外辐射热效应最大。
     物体的红外辐射能量大小按其波长的分布, 与其表面温度有着十分密切的关系。因此, 通过对物体自身辐射的红外能量的测量, 便能准确地测定其表面温度, 这就是红外测温的客观依据。

   2.2 测温摄像头的选取
     在红外图像测温系统中，摄像机的选用十分关键，它直接决定了整个系统的图像效果。摄像机主要依据摄像机使用环境（应用场合）和摄像机的相关主要参数两个要素进行选用。
　 红外图像测温系统的摄像头主要安装在工厂、变电站和仓库等地点，要求监控范围大、视野开阔。本文采用黑白工业监控摄像头，如图2所示。
   
   3.2 部分源代码
     cvSmooth(image1, image1, CV_MEDIAN, 3, 0, 0, 0);
//中值滤波
      cvCvtColor(image1,gray,CV_RGB2GRAY);          //灰度化
        cvSmooth(image2, image2, CV_MEDIAN, 3, 0, 0, 0);
     cvCvtColor(image2,gray1,CV_RGB2GRAY);
     cvMinMaxLoc(gray,&MinValue,&MaxValue,&MinLocation,
             &MaxLocation);　//得到图像最大、最小像素值
         average=cvAvg(gray);  //得到图像平均像素值
           s1.Format("%f",MinValue);
             s2.Format("%f",MaxValue);
             s3.Format("%f",average.val[0]);
             s4.Format("%f",T); //T为阈值
             m_Edit18.SetSel(0,-1);
             m_Edit18.ReplaceSel(s4);
　　　    SetDlgItemText(IDC_EDIT17,s5);
             cvGetMat(gray,gray_mat,0,0);
     F_Gray2Color(gray_mat, color_mat);
                                 //将灰度图转化为伪彩色图
     cvGetImage(color_mat,color_img);
     DrawPicToHDC(color_img,IDC_STATIC_PIC);   //显示图像
4 红外图像测温模型建立
4.1  温度与像素值的关系
     本文用黑体做实验来标定温度与像素的关系[3]。所谓黑体[4]是指入射的电磁波全部被吸收，既没有反射，也没有透射(当然黑体仍然要向外辐射)。黑体辐射情况只与其温度有关,与组成材料无关。
　    实验设备如图4所示，由黑体、装有滤光片的红外摄像头和PC组成。
   
   


       线性拟合模型为：
       f(x)=p1×x+p2 Coefficients(with 95% confidence bounds):
         p1=0.8113(0.776 7, 0.846)
         p2=453.1(448.1, 458.2)
     Goodness of fit:
       SSE: 84.65                    R-square: 0.990 7
　    Adjusted R-square: 0.990 3    RMSE: 1.962
　    其中，R-square表示确定系数,正常取值范围为[0,1]，越接近1，表明方程的变量对y的解释能力越强。该模型对数据拟合较好，此处R-square为0.990 7，说明拟合良好。由此得到温度和像素值的函数关系为：
     T=0.811 3p+453.1             (2)
4.2 像素值与距离关系
     像素值会随着距离的增大而呈现一定规律的衰减，为找出这一规律，在同一温度下,记录了不同距离下的像素值。实验采集到的数据如表2所示。
   
       线性拟合模型为：
      f(x)=p1×x+p2 Coefficients(with 95% confidence bounds):
         p1=-0.445 8 (-0.470 1, -0.421 5)
        p2=212.1     (207.1, 217.1)
     Goodness of fit:
       SSE: 241.4                    R-square: 0.986 5
　    Adjusted R-square: 0.985 9         RMSE: 3.474
     此处R-square为0.986 5，说明拟合良好。
     对每隔10 cm像素改变值取平均值为：
     （5+4+4+5+5+5+5+7+3+5+6+4+5+4+3+3+4+0+3+3+13）/21=4.57
     结果表明，距离每增加10 cm，像素值减小约4.57。
4.3 综合模型设计
     要测量物体的温度，首先要测得物体红外图像的像素值，但实验测得的像素值并非真实像素值，是随着距离衰减的。要根据像素值与距离线性关系得到真实像素值，然后才能根据温度与像素值的线性关系得到实际温度值。测得的像素值、真实像素值以及实际温度三者的关系如图7所示。
   
   
     物体的温度可通过其红外温度图像的像素值来获得，但红外像素值会随着距离增大而线性衰减。本文应用了红外测温理论，通过黑体做实验来标定温度与像素值的关系以及像素值与距离的关系，得到了红外图像测温系统的模型,最后把该模型应用到实际测温过程中。实验证明，该模型能够满足实际的测温精度要求。
参考文献
[1] 张钦. 红外测温仪的工作原理及检定数据处理方法探讨[J].计量与测试技术，2008,35(8):46-47
[2] 陆峰.基于红外图像识别的火灾探测系统[D].上海：东华大学， 2009.
[3] 刘强.红外热成像伪彩色测温系统设计[D]. 南京：南京理工大学，2006.
[4] 李冰,李响,魏臻.实时定标红外测温法测量海水表面温度[J].天津理工大学学报，2010,26(2):66-69.