本发明涉及可见光相机测温，具体涉及一种基于深度学习的可见光相机测温图像降噪方法。
背景技术：
1、可见光相机通过采用cmos或者ccd传感器将物体发出的光信号转换为电信号进行处理，并最终转换成数字图像，因其分辨率高、响应速度快、成本低廉以及工作稳定等优点被广泛应用于各个场景，例如，在工业生产领域可以用于质量控制检测、自动化生产以及生产数据分析等；在医疗领域，可见光相机能够应用于医学影像和疾病诊断等场景；在日常生活中，其也能在安防布控、汽车交通、数码器材等细分领域发挥不可或缺的作用。除上述应用场景外，可见光相机还能够渗透进各个领域发挥至关重要的作用。
2、可见光相机在测温领域也同样拥有很大的应用空间，相比于常用的红外热像仪，可见光相机测温的优点也很明确。传统的红外热像仪一般对温度范围集中在500℃以下测温场景进行测温，但是由于红外热像仪接收的是中波红外辐射，在温度过高时(500℃以上)，测温的效果并不佳。因为随着温度的进一步升高，物体所发出的辐射将大大增加并集中在近红外波段以及可见光波段，使得物体此时肉眼看上去变得通红，这样一来物体的辐射与红外热像仪主要接收的辐射范围并不相匹配，测温的效果也随之下降。因此对于高温物体的测量，如果能够很好地利用近红外波段以及可见光波段的辐射信息将会是非常有意义的。
3、现如今的可见光相机随着科技发展，已经能够做到响应辐射波段更为宽泛的传感器，或者通过内嵌两个或者多个不同波段辐射响应的传感器来实现更大范围波段辐射的响应。对于可见光相机测温领域而言，便可以通过上述方法之一来实现对可见光波段辐射进行响应的同时还具备对近红外波段辐射的响应能力，这就使得其测温的范围与性能大大提升。根据不同温度测量场景，可以选用内置不同波段辐射响应特点的传感器的可见光相机进行测温，最终通过采集在特定条件下的图像的灰度值，通过系统标定之后得到的温度-灰度曲线，对物体的温度进行计算。因此，成像质量的好坏是制约可见光相机测温能力的一大重要因素，其中，对图像噪声的去除是提升可见光相机成像质量的关键。考虑到以上对可见光相机测温精度的影响因素，发展一种对可见光相机采集图像进行噪声压制的方法是有必要的。
技术实现思路
1、为了对可见光相机在测温过程中拍摄的图像进行噪声压制，本发明提供了一种基于深度学习的可见光相机测温图像降噪方法。
2、本发明所要解决的技术问题采用以下的技术方案来实现：
3、一种基于深度学习的可见光相机测温图像降噪方法，包括以下步骤：
4、(1)利用具有近红外波段辐射响应的可见光相机采集黑体炉图像数据，对采集到的图像添加高斯白噪声，分别将含噪图像数据和对应的原始图像数据进行保存并对图像进行数据增强以及数据集划分。
5、(2)构建引入稀疏卷积以及双注意力机制的改进dncnn网络模型并验证该网络模型的降噪性能，采用步骤(1)中处理得到的训练集与测试集对该网络模型进行训练，得到训练好的改进dncnn网络模型。
6、(3)通过可见光相机拍摄不同温度下的黑体炉炉口图像，利用步骤(2)中训练好的改进dncnn网络模型对添加噪声后的黑体炉图像进行降噪处理，并拟合出不同温度下的温度-灰度关系式。
7、(4)在实际测温过程中，通过可见光相机拍摄被测高温物体，读取采集图像中被测物体的灰度值，根据步骤(3)中拟合得到的关系式计算得到该物体的表面温度。
8、在进一步的技术方案中，所述步骤(1)中具体包括以下步骤：
9、(1.1)在标定温度范围tmin～tmax内选取n个温度标定点t1、t2、t3……tn，将黑体炉温度依次设置为各温度标定点，待黑体炉炉内温度稳定后开始采集可见光相机在黑体炉不同温度下的一组黑体炉图像frames_raw。
10、(1.2)对步骤(1.1)中得到的黑体炉图像frames_raw添加不同噪声水平的高斯白噪声，因为在实际测量系统中主要存在的噪声为热噪声，而热噪声是典型的高斯白噪声，通过在黑体炉图像中添加高斯白噪声来进行实际测量过程中的去噪仿真，将添加噪声后的图像组命名为frames_train。
11、(1.3)将步骤(1.2)中得到的含噪黑体炉图像与黑体炉原始图像同步进行水平或垂直翻转、旋转、随机步长平移与裁切等处理以实现图像数据增强，分别将含噪图像数据和对应的原始图像数据进行保存，并将数据集图像按照比例划分为训练集与验证集。
12、在进一步的技术方案中，所述步骤(2)中包括以下步骤：
13、(2.1)通过引入稀疏卷积以及双注意力机制构建改进的dncnn网络模型，将原dncnn网络模型中的卷积层替换为稀疏卷积，并在除第一层以及最后一层稀疏卷积层外的其它稀疏卷积层后面分别添加通道注意力模块(channel attention)和空间注意力模块(spatial attention)。
14、(2.2)使用set12图集对改进的dncnn网络模型的降噪性能进行验证，对该图集中图像进行裁切、缩放、旋转等数据增强操作，并添加不同噪声水平的高斯白噪声，将原始图像与含噪图像按比例划分为训练集以及验证集，使用该训练集图像对网络模型进行训练，随后验证该网络模型的降噪性能，并与其它去噪方法进行去噪效果对比。
15、(2.3)使用步骤(1.3)中处理得到训练集对网络进行训练，得到训练好的改进dncnn网络模型。
16、在进一步的技术方案中，所述步骤(3)中包括以下步骤：
17、(3.1)将黑体炉温度依次设置为各温度标定点，待黑体炉内部温度稳定后拍摄各温度标定点下的黑体炉炉口图像。
18、(3.2)采用步骤(2.3)中训练得到的改进dncnn网络模型对图像进行降噪处理，记录下降噪后黑体炉图像炉口处的灰度值与对应的温度值。
19、(3.3)对步骤(3.2)中得到的黑体炉图像炉口处灰度值与对应的温度值数据进行数据拟合，拟合公式如式(1)所示：
20、
21、其中，g为黑体炉图像炉口位置处灰度值，t为经过拟合公式计算后得到的温度值，t0、a1、a2、t1、t2为常数。
22、在进一步的技术方案中，所述步骤(4)中的实际测温环节是通过利用与步骤(3)中相同设置的可见光相机对被测高温物体进行拍摄，该设置包括曝光时间、光圈数、滤波片等，采用步骤(3.3)得到的拟合关系式对被测高温物体的表面温度进行计算，从而实现高温物体的表面温度测量。
23、本发明的有益效果是：与现有技术相比，本发明通过采用具有近红外波段辐射响应的可见光相机进行测温，解决了对于高温物体发出的辐射集中在可见光以及近红外波段而导致的温度测量精度下降的问题，并通过对dncnn网络结构进行修改调整，构建改进的dncnn网络用于对可见光相机拍摄图像进行噪声压制，进一步提升了可见光相机在高温物体表面温度测量环节中的测量精度以及稳定性。
1.一种基于深度学习的可见光相机测温图像降噪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习的可见光相机测温图像降噪方法，其特征在于，所述步骤(1)中具体包括以下步骤：
3.根据权利要求2所述的基于深度学习的可见光相机测温图像降噪方法，其特征在于，所述步骤(2)中包括以下步骤：
4.根据权利要求3所述的基于深度学习的可见光相机测温图像降噪方法，其特征在于，所述步骤(3)中包括以下步骤：
5.根据权利要求4所述的基于深度学习的可见光相机测温图像降噪方法，其特征在于，所述步骤(4)中的实际测温环节是通过利用与步骤(3)中相同设置的可见光相机对被测高温物体进行拍摄，采用步骤(3.3)得到的拟合关系式对被测高温物体的表面温度进行计算，从而实现高温物体的表面温度测量。
