基于改进热图像增强网络的表面发射率温度校准
图像与视频处理
2025-06-23 v1 计算机视觉与模式识别
摘要
红外热成像技术因材料发射率变化而在温度精度方面面临持续挑战，现有方法往往忽略了辐射校准与图像退化的联合优化。本研究引入了一个物理引导的神经框架，通过对称跳跃连接CNN架构和发射率感知注意力模块，统一了温度校正和图像增强。预处理阶段对图像感兴趣区域(ROI)进行分割，并初步校正了发射率。一种新颖的双约束损失函数通过均值-方差对齐和基于Kullback-Leibler散度的直方图匹配，增强了目标区域与参考区域之间的统计一致性。该方法通过动态融合热辐射特征和空间上下文，在恢复结构细节的同时抑制了发射率伪影。在不同条件下对工业鼓风机系统进行验证后，改进的网络实现了热辐射特征与空间背景的动态融合，在各种工业条件下均能获得准确的校准结果。
引用
@article{arxiv.2506.16803,
title = {Temperature calibration of surface emissivities with an improved thermal image enhancement network},
author = {Ning Chu and Siya Zheng and Shanqing Zhang and Li Li and Caifang Cai and Ali Mohammad-Djafari and Feng Zhao and Yuanbo Song},
journal= {arXiv preprint arXiv:2506.16803},
year = {2025}
}