气体成像的遥测识别方法、系统、设备、装置及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115082796A(43)申请公布日2022.09.20(21)申请号202210789712.0G01M3/04(2006.01)(22)申请日2022.07.06G01N21/3504(2014.01)(71)申请人中国科学院合肥物质科学研究院地址230031安徽省合肥市蜀山区蜀山湖路350号(72)发明人崔方晓李大成吴军李扬裕王安静曹志成吕青青(74)专利代理机构上海光华专利事务所(普通合伙)31219专利代理师王积毅(51)Int.Cl.G06V20/10(2022.01)G06V10/82(2022.01)G01J5/00(2022.01)G01J5/48(2006.01)权利要求书2页说明书8页附图4页(54)发明名称气体成像的遥测识别方法、系统、设备、装置及存储介质(57)摘要本发明提供气体成像的遥测识别方法、系统、设备、装置及存储介质，属于气体监测技术领域。多光谱气体成像的遥测识别方法包括：获取目标区域的多光谱图像，多光谱图像包括目标区域的多个参考波段图像和目标波段图像；通过卷积神经网络获取多光谱图像的特征图，特征图包括多光谱图像中对应多个参考波段和目标波段的辐射温度分布信息；基于多光谱图像的辐射温度分布信息，通过空间差分算法计算获得目标区域的多光谱特征；基于多光谱特征匹配目标特征，获得目标区域中目标气体的识别结果。本发明采用空间差分的滤波算法扣除采集图像中背景辐射，提取目标光谱信号，并利用神经网络算法识别目标区域气体成分，实时绘制气体空间分布。CN115082796ACN115082796A权利要求书1/2页1.一种多光谱气体成像的遥测识别方法，其特征在于，包括：获取目标区域的多光谱图像，所述多光谱图像包括所述目标区域的多个参考波段图像和目标波段图像；通过卷积神经网络获取所述多光谱图像的特征图，所述特征图包括所述多光谱图像中对应多个参考波段和目标波段的辐射温度分布信息；基于所述多光谱图像的辐射温度分布信息，通过空间差分算法计算获得所述目标区域的多光谱特征；基于目标特征对所述多光谱特征进行匹配识别，获得所述目标区域中目标气体的识别结果，所述识别结果包括所述目标气体在所述目标区域中的定位信息、分类信息和浓度信息。2.根据权利要求1所述多光谱气体成像的遥测识别方法，其特征在于，所述通过卷积神经网络获取所述多光谱图像的特征图，包括：对所述目标区域的多光谱图像进行预处理，获取所述多光谱图像的辐射亮度分布信息；基于所述多光谱图像的辐射亮度分布信息和对应目标波段和参考波段的黑体辐射亮度公式，通过卷积神经网络提取所述多光谱图像的特征图，所述特征图包括所述多光谱图像中对应多个参考波段和目标波段的辐射温度分布信息。3.根据权利要求2所述多光谱气体成像的遥测识别方法，其特征在于，所述基于所述多光谱图像辐射亮度分布信息和对应目标波段和参考波段的黑体辐射亮度公式，通过卷积神经网络提取所述多光谱图像的特征图，包括：基于所述多光谱图像对应目标波段和参考波段的黑体辐射亮度公式，获取分别与多个参考波段和目标波段对应的滤波器；在卷积神经网络中，基于所述多光谱图像的辐射亮度分布信息，通过所述滤波器滑动遍历所述多光谱图像，获取所述多光谱图像的特征图。4.根据权利要求1所述多光谱气体成像的遥测识别方法，其特征在于，所述基于所述多光谱图像的辐射温度分布信息，通过空间差分算法计算获得所述目标区域的多光谱特征，包括：获取所述多光谱图像的辐射温度分布信息，所述辐射温度分布信息包括所述目标波段图像的目标温度分布信息和所述参考波段图像的背景温度分布信息；通过比对所述目标温度分布信息和背景温度分布信息，确定所述目标波段图像中目标气体辐射温度相同且背景辐射温度不同的目标气体位置；通过空间差分算法计算所述目标波段图像中对应所述目标气体位置处的目标气体辐射亮度差和背景辐射亮度差；根据所述目标气体辐射亮度差和背景辐射亮度差，计算获得对应所述目标波段图像的光谱特征；汇总所述多光谱图像中多个目标波段图像的光谱特征，获得所述目标区域的多光谱特征。5.根据权利要求4所述多光谱气体成像的遥测识别方法，其特征在于，所述多光谱特征2CN115082796A权利要求书2/2页为其中，ΔLact,n为第n个所述目标波段图像的目标气体辐射亮度差，所述ΔLref,m为对应第n个所述目标波段图像的第m个所述参考波段图像中的背景辐射亮度差。6.根据权利要求1所述多光谱气体成像的遥测识别方法，其特征在于，所述目标气体的浓度信息为所述目标气体的浓度程长值，所述浓度程长值根据所述目标气体的光谱特征，通过最小二乘回归法计算获得。7.一种多光谱气体成像的遥测识别系统，其特征在于，包括：图像获取单元，用于获取目标区域的多光谱图像，所述多光谱图像