May, 2024

VisTA-SR: 提升农业低成本热像相机的准确度和分辨率

PDF
TL;DR通过结合 RGB 和热成像图像，采用计算机视觉技术中的深度学习网络，提出了一种名为 VisTA-SR（Visual & Thermal Alignment and Super-Resolution Enhancement）的方法，以增强低成本热成像相机的温度准确性和图像质量，进一步探索了低成本热成像相机在农业领域替代高分辨率工业相机的潜力，并证明了该方法在提高温度准确性和图像清晰度方面的有效性，为农业领域提供了更可靠和高效的热成像解决方案。
thermal camerasagricultural researchlow-costtemperature accuracyimage quality
发现论文，激发创造
  • 单个热成像的多模态传感器融合超分辨率

    本文提出了一种基于深度学习的解决方案，通过多模态图像融合模型来提高热红外图像的分辨率，并研究了一系列网络架构、上采样方法、学习过程以及优化函数对图像超分辨率问题的有益作用，并提出了一个基准数据集进行定量评估

    Dec, 2018

  • CoReFusion: 用于引导热红外超分辨率的对比正则化融合

    本文提出了一个新的数据融合框架和正则化技术，用于热成像的导向超分辨率。该方法通过使用低成本、低分辨率的热传感器的测量数据，能够准确地生成高分辨率的热成像。同时，在缺少高分辨率 RGB 图像或低分辨率热图像的情况下，该方法仍然能够保持性能并具有健壮性。

    Apr, 2023

  • 多帧同时温度估计与非均匀性校正

    通过深度学习架构和光学图像获取模型，我们提出了一种新颖的方法，能够从低成本的微测温红外相机拍摄的多帧图像中同时估计温度和进行非均匀性校正，该方法在实验证明相比昂贵的科学级热像仪，具有显著的性能提升和准确度。

    Jul, 2023

  • 深度神经网络改进低成本红外相机温度估计

    低成本热成像摄像机的温度准确性和非均匀性受环境温度影响，本研究旨在提高低成本摄像机的温度准确性并纠正非均匀性，通过开发一个考虑环境温度的非均匀性模拟器和一个全新的神经网络，利用单张图像和摄像机自身测量的环境温度来估计目标温度和校正非均匀性，结果表明该方法相比以前的工作将平均温度误差降低了约 1 摄氏度，而对网络应用物理约束则进一步降低了 4% 的误差，经过广泛验证的平均温度误差为 0.37 摄氏度，该方法在实地验证中产生了相当的结果。

    Jul, 2023

  • 使用对抗训练进行未配对的热到可见光谱转换

    提出了一种使用生成对抗网络的无监督学习方法，来实现热红外相机拍摄图像的可视化处理，相较于现有的监督学习模型，该模型在 KAIST-MS 数据集上表现更好，并且对新环境具有良好的泛化性能。

    Apr, 2019

  • 低光条件下可见光到热像转换以提高视觉任务效果

    本文提出了一种利用生成网络和检测网络将 RGB 图像转化为热成像图像的端到端框架，并通过生成的热成像图像与真实数据进行比较，论证了使用生成对抗网络将 RGB 训练数据转化为热成像数据的可行性，从而加快和降低生成热成像数据的成本，满足安全应用的需求。

    Oct, 2023

  • 基于综合的方法进行热 - 可见光人脸验证

    本研究提出了一种新的算法，实现了对 ARL-VTF 和 TUFTS 多光谱人脸数据集的最新性能和 MILAB-VTF（B）数据集的强大性能。该算法具有广泛的适用性，稳健性和高效性，并将提出的方法与人脸正面化方法进行比较。

    Aug, 2021

  • 高效主动照明相机用于高光谱重建

    我们介绍了一种经济、紧凑且易于使用的主动照明相机，可在许多应用中受益，通过测试植物根部成像表明了相机获得了比传统 RGB 相机更多的信息能力，并且可以从多光谱输入重构高光谱数据，与原始高光谱相机数据兼容。

    Jun, 2024

  • 可见光与热红外无人机跟踪：一个大规模基准和新基线

    本研究旨在构建一个高度多样化的可见热（RGB-T）无人机跟踪（VTUAV）基准，包括 500 个序列和 170 万帧对，以及设计了一个名为 Hierarchical Multi-modal Fusion Tracker (HMFT) 的新的 RGB-T 基准，该基准可以在各个级别上融合 RGB-T 数据。

    Apr, 2022

  • 基于无人机和机器学习的卫星驱动植被指数精细化农业应用优化

    本文提出一种基于深度学习技术的卫星图像细化框架，利用多光谱无人机获取的高分辨率图像信息作为训练数据，可在特定农业领域（如葡萄园生长）中优化卫星驱动的归一化植被指数（NDVI）图，生成更准确的 3 类葡萄园乔木优势图，使管理者能更好地描述和监测农作物状态和病害。

    Apr, 2020