夜视仪伪彩标定系统和方法与流程

本发明涉及图像处理技术领域，更具体的说，特别涉及一种夜视仪伪彩标定系统和方法。

背景技术：

目前常用的夜视仪主要为三种类型，分别是单微光、单红外及集成微光和红外功能，以上三种类型的产品，由于微光或红外器件本身的性能特点，在使用过程中，都有一定的局限性。

尤其是在输出的图像上，会因为光照度不够等原因导致无法成彩色像，只能成灰度图像，甚至是暗图像。如要形成彩色图像，必须采用补光等手段，如使用闪光灯，但闪光灯的使用并非使用全部场景。

现阶段也存在伪彩标定，将光能量强度与色彩信息对应起来，通过伪彩显示，实现基本符合人眼感官的彩色图像输出。该方法虽然可用于夜视仪，但存在当使用场景与标定场景不一致时，伪彩显示与实际景物颜色差距太大，不符合真实场景色彩特征，人眼反而不适。

因此，现有技术存在的问题，有待于进一步改进和发展。

技术实现要素：

（一）发明目的：为解决上述现有技术中存在的问题，本发明的目的是提供一种夜视仪多场景伪彩标定和自适应场景伪彩输出系统和方法。

（二）技术方案：为了解决上述技术问题，本技术方案提供夜视仪伪彩标定系统，包括：

图像获取单元，用于图像样本组及显示图像的获取，所述图像样本组中的图像样本之间保持差异性；

处理单元，所述处理单元与所述图像获取单元连接，所述处理单元包括背景标记单元、场景识别单元、伪彩调用单元；所述背景标记单元，用于标记图像样本组中图像样本的具体背景，获取场景识别模型；所述场景识别单元，用于识别显示图像的具体场景；所述伪彩调用单元，根据识别的显示图像具体场景的伪彩表，将显示图像灰度值与rgb色彩值对应，得到伪彩显示图像。

所述夜视仪伪彩标定系统，其中，所述图像样本依据具体背景，分为不同的图像样本组，每个图像样本组中的图像样本大于等于3000张。

所述夜视仪伪彩标定系统，其中，所述背景标记单元包括标记模块和场景获取模块，所述标记模块将每个图像样本的背景进行标记；所述场景获取模块将图像样本输入深度学习训练模型，获取图像样本对应背景的场景识别模型。

所述夜视仪伪彩标定系统，其中，所述伪彩调用单元包括灰度读取模块、场景伪彩选择模块、图像融合模块，

所述灰度读取模块用于显示图像灰度值的读取；所述场景伪彩选择模块根据显示图像具体场景选择伪彩表；所述图像融合模块根据伪彩表中显示图像的灰度值，对应显示图像的rgb色彩值，并将显示图像对应的rgb色彩值写入显示图像，得到伪彩显示图像。

所述夜视仪伪彩标定系统，其中，还包括伪彩显示单元，所述伪彩显示单元与所述处理单元连接，用于伪彩显示图像的显示。

所述夜视仪伪彩标定系统，其中，还包括存储单元，所述存储单元分别与所述图像获取单元、所述处理单元连接；

所述存储单元包括样本存储模块、显示存储模块，所述样本存储模块用于场景识别模型、图像样本的存储；所述显示存储模块用于显示图像、伪彩显示图像的存储。

所述夜视仪伪彩标定系统，其中，还包括数据输入单元，所述数据输入单元与存储单元连接，所述数据输入单元输入具体背景下，灰度值与rgb色彩值对应的伪彩表。

所述夜视仪伪彩标定系统，其中，还包括电源，所述电源与所述处理单元连接，用于电能的提供。

夜视仪伪彩标定方法，包括：

步骤一，图像获取单元获取图像样本组，所述图像样本组中的图像样本直接保持差异性；

步骤二，处理单元标记图像样本组中图像样本的具体背景，获取场景识别模型；

步骤三，图像获取单元获取显示图像；

步骤四，处理单元识别显示图像的具体场景，并根据识别的显示图像具体场景的伪彩表，将显示图像灰度值与rgb色彩值对应，得到伪彩显示图像。

所述夜视仪伪彩标定方法，其中，所述步骤二具体包括以下步骤，标记模块将每个图像样本的背景进行标记；场景获取模块将图像样本输入深度学习训练模型，获取图像样本对应背景的场景识别模型。

（三）有益效果：本发明提供夜视仪伪彩标定系统和方法，采用背景的场景识别模型，进行使用场景的自主识别，从而加载对应场景的伪彩标定参数，实现多场景伪彩的高逼真彩色显示，解决了夜视仪伪彩显示失真问题。

附图说明

图1是本发明夜视仪伪彩标定系统连接关系示意图；

图2是本发明夜视仪伪彩标定方法实现步骤示意图。

具体实施方式

下面结合优选的实施例对本发明做进一步详细说明，在以下的描述中阐述了更多的细节以便于充分理解本发明，但是，本发明显然能够以多种不同于此描述的其他方式来实施，本领域技术人员可以在不违背本发明内涵的情况下根据实际应用情况作类似推广、演绎，因此不应以此具体实施例的内容限制本发明的保护范围。

附图是本发明的实施例的示意图，需要注意的是，此附图仅作为示例，并非是按照等比例的条件绘制的，并且不应该以此作为对本发明的实际要求保护范围构成限制。

如图2所示，夜视仪伪彩标定方法包括：

步骤一，图像获取单元获取图像样本组，所述图像样本组中的图像样本直接保持差异性；

步骤二，处理单元标记图像样本组中图像样本的具体背景，获取场景识别模型；

步骤三，图像获取单元获取显示图像；

步骤四，处理单元识别显示图像的具体场景，并根据识别的显示图像具体场景的伪彩表，将显示图像灰度值与rgb色彩值对应，得到伪彩显示图像。

步骤二具体包括：标记模块将每个图像样本的背景进行标记；场景获取模块将图像样本输入深度学习训练模型，获取图像样本对应背景的场景识别模型。

所述夜视仪伪彩标定方法还包括，步骤五，所述伪彩显示单元对伪彩显示图像进行显示。

如图1所示，夜视仪伪彩标定系统包括：图像获取单元、处理单元、存储单元、伪彩显示单元、数据输入单元和电源。

所述图像获取单元可以是夜视仪镜头，用于图像样本组及显示图像的获取。所述图像样本依据具体背景，分为不同的图像样本组，每个图像样本组中的图像样本大于等于3000张。图像样本组需要覆盖显示图像全部场景，所述图像样本组中的图像样本之间保持差异性。显示图像为伪彩显示的目标图像。

所述处理单元与所述图像获取单元连接，所述处理单元包括背景标记单元、场景识别单元、伪彩调用单元。

所述背景标记单元，用于标记图像样本组中图像样本的具体背景，获取场景识别模型。具体的说，所述背景标记单元包括标记模块和场景获取模块。

所述标记模块将每个图像样本的背景进行标记；所述场景获取模块将图像样本输入深度学习训练模型，获取图像样本对应背景的场景识别模型。

所述场景识别单元，用于识别显示图像的具体场景，以便获取对应场景的rgb色彩值。

所述伪彩调用单元，根据识别的显示图像具体场景的伪彩表，将显示图像灰度值与rgb色彩值对应，得到伪彩显示图像。具体的说，所述伪彩调用单元包括灰度读取模块、场景伪彩选择模块、图像融合模块。

所述灰度读取模块用于显示图像灰度值的读取；所述场景伪彩选择模块根据显示图像具体场景选择伪彩表；所述图像融合模块根据伪彩表中显示图像的灰度值，对应显示图像的rgb色彩值，并将显示图像对应的rgb色彩值写入显示图像，得到伪彩显示图像。

所述伪彩显示单元可以包括显示驱动电路、投影芯片、目镜，这里对所述伪彩显示单元的具体结构不做具体限制。需要说明的是，所述伪彩显示单元与所述处理单元连接，用于伪彩显示图像的显示，也可以对显示图像进行直接显示。

所述存储单元分别与所述图像获取单元、所述处理单元连接，用于图像样本、场景识别模型、灰度值与rgb色彩值对应的伪彩表、显示图像、伪彩显示图像等的存储。具体的说，所述存储单元包括样本存储模块、显示存储模块。

所述样本存储模块用于图像样本、场景识别模型、灰度值与rgb色彩值对应的伪彩表等与图像样本相关数据的存储；所述显示存储模块用于显示图像、伪彩显示图像等存储。

所述数据输入单元与存储单元连接，用于具体背景下，灰度值与rgb色彩值对应伪彩表的输入，还可以对深度学习训练模型进行输入，选择具体深度学习框架。

所述电源可以是外接电源也可以是内置电源，也可以外接电源、内置电源同时设置，这里不做具体限制。需要说明的是所述电源与所述处理单元连接，为夜视仪伪彩标定系统提供电能，以保证视仪伪彩标定系统的正常工作。

夜视仪伪彩标定系统和方法，采用背景的场景识别模型，进行使用场景的自主识别，从而加载对应场景的伪彩标定参数，实现多场景伪彩的高逼真彩色显示，解决了夜视仪伪彩显示失真问题。

下面是结合夜视仪伪彩标定系统具体实现步骤进行说明：

将夜视仪伪彩标定系统置于不同的场景中，所述图像获取单元对每个场景不同景物拍摄不少于3000张图像样本，例如，在野外森林背景中，采集3000张图片，在城市背景中，采集3000张图片。

所述存储单元将图像样本存储在所述样本存储模块，用于使用者在输入灰度值与rgb色彩值对应伪彩表时，对图像样本原图的对比调用。

所述标记模块对每张图像样本进行背景标记。

所述场景获取模快将图像样本输入至深度学习训练模型，通过所述标记模块对图像样本标记的背景，训练出对应背景的场景识别模型。其中，参与训练图像样本场景的取景越多，图片数量越多，场景识别模型的场景识别率越高。

当前有多种深度学习框架，本发明不局限于某一种，深度学习可输入标记的图片样本，样本必须满足一定数量和差异性，根据标记值，通过学习运算，生成识别模型，在使用过程中，通过识别模型，可很快判断图片类型。

深度学习模型可以通过神经网络间参数的自适应调节，生成合适的参数，该参数及神经网络形成模型，参数涵盖但不局限于纹理、亮度信息，深度学习并不指定参数涵盖的意义，也不需要用户进行输入和选择。

夜视仪伪彩标定系统目标场景中，所述图像获取单元对目标场景进行拍摄，获取显示图像。

针对每种不同的场景，进行伪彩标定：所述场景识别单元对显示图像的具体场景进行识别；所述灰度读取模块读取显示图像灰度值；所述场景伪彩选择模块根据显示图像具体场景选择伪彩表；所述图像融合模块将显示图像灰度值，对应到显示图像具体对应场景的伪彩表中，得到与显示图像灰度值对应显示图像的rgb色彩值，进而将显示图像对应的rgb色彩值写入显示图像，得到伪彩显示图像。其中，灰度值与rgb色彩值对应的伪彩表可以是人工写入的。

例如，根据森林背景图片，根据所述图像获取单元灰度值，人工写入灰度值与rgb色彩值对应的伪彩表，写入标准以人眼感官为标准，即森林背景中，将伪彩显示图像显示后，人眼感觉图片色彩信息与真实森林色彩基本一致。

将场景识别模型（训练模型）和对应场景的伪彩表存储至所述样本存储模块中。当所述图像获取模块产生显示图像实际场景的灰度值后，所述场景识别模块先将实际场景的显示图像经过场景识别模型进行判别，判断该场景是森林背景、城市背景或其他已训练过的背景，所述场景伪彩显示模块根据判断的背景，调用对应背景所存储的伪彩表。；所述图像融合模块根据伪彩表中显示图像的灰度值，对应显示图像的rgb色彩值，并将显示图像对应的rgb色彩值写入显示图像，得到伪彩显示图像。

所述伪彩显示单元将得到伪彩显示图像，进行伪彩显示。

所述图像获取单元包括可见光拍摄模块，样本图像对应拍摄彩色样本。夜视仪伪彩标定系统还包括伪彩对应单元，所述伪彩对应单元用于样本图像与对应彩色样本伪彩数据的获取，并将同一背景伪彩数据进行比对，选择最佳伪彩数据。其中伪彩数据的选择可以是求平均值，也可以是依据其他计算方式，这里不做具体限制。夜视仪伪彩标定系统通过将实际样本图像，与对应彩色样本进行伪彩数据获取，进一步保证伪彩显示图像色彩的真实性。

本发明所述样本图像对应的拍摄彩色样本具有时间标签和/或天气状况标签，所述时间标签包括：年-月-日-时间信息，本发明所述拍摄彩色样本是根据时间标签设定，能对夜视仪拍摄时间的图像做出更接近的计算。本发明所述拍摄彩色样本还具有天气标签包括与以上时间标签信息所对应的不同时段的天气状况：包括阴、晴、雨、雪、雾，湿度、温度等信息。

本发明所述夜视仪伪彩标定系统包括时间模块以及天气识别模块，在场景识别时，需要输入夜视仪系统上的时间信息以及天气状况，根据夜视仪系统上的时间信息以及天气状况，通过机器学习，对夜视仪显示出的画面给出最逼真的彩色复现，不仅包括图像的颜色种类还包括图像的亮度、色调、饱和度。

本发明的所述夜视仪伪彩标定系统的伪彩对应单元还包图像处理模块括放大组块和缩小组块。所述放大组块用于将拍摄图像放大到阈值的倍数，将放大的拍摄图像中的场景像素与深度学习得到的场景图片中的像素进行一一对应，然后根据深度学习得到的场景图片中的颜色对拍摄图片中的像素颜色进行一一对应补充。最后缩小模块将放大的拍摄图片按照阈值缩小到实际大小显示。

本发明的伪彩对应单元还包图像处理模块，可以提高夜视仪伪彩标定系统拍摄图片的图片精度，使最后夜视仪拍摄的图片不再模糊，而是更加精细和逼真。

本发明所述的夜视仪伪彩标定系统还包括用户情绪识别系统，所述夜视仪上设置指纹识别模块和握力识别模块，并将所述指纹识别模块和握力识别模块的信息发送到服务器。所述服务器根据指纹识别模块能识别夜视仪的用户信息，根据物理识别模块的力度信息和时间信息分析用户的情绪。所述单一用户在第一时间段内的第一握力值，所述第一握力值较小，表示用户的情绪比较轻松；所述单一用户在第二时间段内的第二握力值很高，标识用户的情绪比较紧张；所述单一用户在第三时间段内的第三握力值变化频率超过第二阈值，标识用户的情绪比较焦虑。

本发明通过所述夜视仪识别的用户情绪和所述伪彩对应单元还包图像处理模块关联，在用户的情绪比较轻松的时间段内，为场景图片提供的色彩色调值调高到第三阈值，使用户的体验更加明快；在用户的情绪比较紧张的时间段内，为场景图片提供的色彩色调到第四阈值，使用更加冷静的色调，以平复用户的情绪；在用户的情绪比较焦虑的时间段内，为场景图片提供的色彩色调到第五阈值，使用更加温暖的色调，以缓解用户的情绪。

夜视仪伪彩标定系统是将图像在城市、森林、沙漠、海洋等多种具体使用场景下分别进行伪彩标定，并通过深度学习算法，根据各场景纹理分布、亮度分布特征，形成场景识别模型，采用场景识别模型进行使用场景的自主识别，从而加载对应场景的伪彩标定参数，进而实现伪彩的高逼真彩色复现。

以上内容是对本发明创造的优选的实施例的说明，可以帮助本领域技术人员更充分地理解本发明创造的技术方案。但是，这些实施例仅仅是举例说明，不能认定本发明创造的具体实施方式仅限于这些实施例的说明。对本发明创造所属技术领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干简单推演和变换，都应当视为属于本发明创造的保护范围。