辐射源的检测方法及装置、存储介质及电子装置

技术领域

本发明实施例涉及通信领域，具体而言，涉及一种辐射源的检测方法及装置、存储介质及电子装置。

背景技术

红外热成像技术利用物体红外辐射强度的不同进行成像，即其可以反映目标物体的温度信息，因此红外热成像设备不仅应用于视觉成像领域，也被广泛应用于测温领域。但受环境、设备本身等因素影响，长时间使用后热成像设备测温精度会有所下降，这对某些对测温精度有较高要求的使用场景来说是无法容忍的。针对该问题，目前常见的做法是在设备成像画面范围内的某一指定区域放置一个辐射源(例如，黑体辐射源，后续以黑体辐射源作为示例进行说明)，红外热成像设备将黑体辐射源作为标准温度源对自身测温精度进行校正，以此达到始终保持高精度测温的效果。但是如果指定区域内不存在黑体，而红外热成像设备仍以该区域数据对其测温功能进行补偿校正，反倒会使得其测温精度变得更差。鉴于此有必要对设备成像画面内的黑体辐射源进行检测。

但是相关技术中的对黑体辐射源一般是基于神经网络进行识别或者使用复杂的算法进行检测，导致相关技术中检测辐射源的方式比较复杂，对硬件的要求度较高。

针对相关技术中存在的上述问题，目前尚未提出有效的解决方式。

发明内容

本发明实施例提供了一种辐射源的检测方法及装置、存储介质及电子装置，以至少解决相关技术中存在的检测辐射源的方式比较复杂，对硬件的要求度较高的问题。

根据本发明的一个实施例，提供了一种辐射源的检测方法，包括：按照区域亮度对目标图像进行区域分割，得到多个图像区域；从多个所述图像区域中确定出满足目标条件的目标图像区域，其中，所述目标条件是基于目标辐射源的属性确定的；基于预先确定出的所述目标辐射源的尺寸调整所述目标图像区域的边缘信息，得到目标边缘信息；基于所述目标边缘信息从所述目标图像区域中确定出包括所述目标辐射源的辐射源区域。

在一个示例性实施例中，基于预先确定出的所述目标辐射源的尺寸调整所述目标图像区域的边缘信息，得到目标边缘信息包括：针对所述目标图像区域包括的第一侧，执行以下操作，得到目标边缘信息，其中，所述第一侧为所述目标图像区域中包括的任意一侧：按照距离所述目标图像区域由远及近的方式检测所述目标图像区域包括的边缘像素点；将检测到的像素点个数与第一像素点个数相差小于预定数量值的边缘确定为所述目标图像区域的所述第一侧的实际边缘，其中，所述第一像素点个数为所述目标辐射源在所述目标图像中所呈图像的所述第一侧所对应的像素点个数。

在一个示例性实施例中，按照区域亮度对目标图像进行区域分割，得到多个图像区域包括：重复执行如下操作，直到遍历完所述目标图像为止：将所述目标图像中包括的第一像素点作为第一起始点，依次检测所述第一像素点的第一数量的邻域窗口像素点与所述起始点的灰度差值；在确定所述灰度差值大于预定灰度差值的情况下，将所述邻域窗口像素点与所述起始点划分至不同的图像区域中；在确定所述灰度差值小于或等于预定灰度差值的情况下，将所述邻域窗口像素点与所述起始点划分至同一图像区域中；将与所述第一像素点相邻的其他像素点确定为所述第一起始点。

在一个示例性实施例中，从多个所述图像区域中确定出满足目标条件的目标图像区域包括：基于预先确定的所述目标辐射源在所述目标图像中的尺寸信息确定出目标面积范围，其中，所述目标面积范围包括所述目标辐射源在所述目标图像中所呈图像的面积，所述目标辐射源的属性包括所述目标辐射源在所述目标图像中的尺寸信息；剔除多个所述图像区域中包括的未处于所述目标面积范围内的图像区域，将余下的图像区域确定为所述目标图像区域。

在一个示例性实施例中，基于预先确定出的所述目标辐射源的尺寸调整所述目标图像区域的边缘信息，得到目标边缘信息包括：重复执行如下操作，以标记所述目标图像区域的边缘信息：将所述目标图像区域外边界上的第二像素点作为第二起始点，按照目标顺序依次检测所述第二起始点的第二数量的邻域窗口像素点与所述第二起始点是否位于同一个所述目标图像区域内，其中，所述第二像素点为所述目标图像区域外边界上的起始点或者结束点；将最先检测出的第三像素点确定为所述目标图像区域的轮廓点，其中，所述第三像素点与所述第二起始点位于同一个所述目标图像区域内，且按照所述目标顺序检测到的所述第三像素点的下一个像素点与所述第二起始点位于不同的图像区域内；将所述第三像素点确定为所述第二起始点；基于预先确定出的所述目标辐射源的尺寸调整所述边缘信息，得到所述目标边缘信息。

在一个示例性实施例中，基于所述目标边缘信息从所述目标图像区域中确定出包括所述目标辐射源的辐射源区域包括：基于所述目标边缘信息确定出所述目标图像区域的目标图形度，其中，所述目标图形度用于指示所述目标图像区域与目标图形的接近程度，所述目标图形为所述目标辐射源所呈图形；基于所述目标图形度确定出包括所述目标辐射源的辐射源区域。

在一个示例性实施例中，基于所述目标边缘信息确定出所述目标图像区域的目标图形度包括：在所述目标图形包括圆形的情况下，基于所述目标边缘信息确定出所述目标图像区域的面积和周长；基于所述目标图像区域的面积和周长确定所述目标图像区域的圆形度。

在一个示例性实施例中，基于所述目标边缘信息确定出所述目标图像区域的面积和周长包括：基于所述目标边缘信息确定出所述目标图像区域所包括的像素点的第一个数，以及，所述目标图像区域的外轮廓上的像素点的第二个数；基于所述第一个数确定所述目标图像区域的面积，以及，基于所述第二个数确定所述目标图像区域的周长。

在一个示例性实施例中，基于所述目标边缘信息确定出所述目标图像区域的目标图形度包括：在所述目标图形包括矩形的情况下，基于所述目标边缘信息确定出所述目标图像区域的面积以及所述目标图像区域的外接矩形的面积；基于所述目标图像区域的面积以及所述外接矩形的面积确定所述目标图像区域的矩形度。

在一个示例性实施例中，基于所述目标边缘信息确定出所述目标图像区域的面积以及所述目标图像区域的外接矩形的面积包括：基于所述目标边缘信息确定出所述目标图像区域所包括的像素点的第一个数，以及，所述目标图像区域的外接矩形的各个角点坐标；基于所述第一个数确定所述目标图像区域的面积，以及，基于所述外接矩形的各个角点坐标确定所述外接矩形的面积。

在一个示例性实施例中，在基于所述目标边缘信息确定出所述目标图像区域的面积以及所述目标图像区域的外接矩形的面积之前，所述方法还包括：基于所述边缘信息确定所述目标图像区域的外接轮廓框的行坐标最小值以及最大值，以及，列坐标最小值以及最大值；将所述行坐标最小值以及最大值，以及，所述列坐标最小值以及最大值所构成的四个点确定为所述外接轮廓框的四个角点；对所述外接轮廓框的四个角点的位置进行修正，以得到所述外接矩形的四个角点，其中，所述修正包括朝向所述目标图像区域的内侧或者外侧进行取点，以使所述外接矩形的相邻角点之间的连线所经过的位于所述目标图像区域内的像素点的数量多于所述外接轮廓框的相邻角点之间的连线所经过的位于所述目标图像区域内的像素点。

根据本发明的一个实施例，提供了一种辐射源的检测装置，包括：分割模块，用于按照区域亮度对目标图像进行区域分割，得到多个图像区域；第一确定模块，用于从多个所述图像区域中确定出满足目标条件的目标图像区域，其中，所述目标条件是基于目标辐射源的属性确定的；调整模块，用于基于预先确定出的所述目标辐射源的尺寸调整所述目标图像区域的边缘信息，得到目标边缘信息；第二确定模块，用于基于所述目标边缘信息从所述目标图像区域中确定出包括所述目标辐射源的辐射源区域。

根据本发明的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。

通过本发明，采用的是通过图像分割的方式来确定出目标图像区域，并且会基于辐射源的尺寸对图像区域的边缘进行调整从而得到相对精准的边缘信息，进而基于相对精准的边缘信息确定出辐射源所在的区域，由此可知，在本发明实施例中提出了一种相对简单的辐射源区域的提取方式，无需使用神经网络或者其他的复杂算法去检测即可得到辐射源所在的区域，减小了算法复杂度，提高硬件实现的可能性以及辐射源检测的实时性，有效解决了相关技术中存在的检测辐射源的方式比较复杂，对硬件的要求度较高的问题。

附图说明

图1是相关技术中的矩形黑体辐射源示意图；

图2是相关技术中的圆形黑体辐射源示意图；

图3是本发明实施例的辐射源的检测方法的移动终端的硬件结构框图；

图4是根据本发明实施例的辐射源的检测方法；

图5是根据本发明实施例的黑体辐射源的检测方法流程图；

图6是根据本发明实施例的8方向链码示意图；

图7是根据本发明实施例轮廓标记示意图；

图8是根据本发明实施例的实际场景黑体辐射源示意图；

图9是根据本发明实施例的外接矩形示意图；

图10是根据本发明实施例的黑体辐射源实景图；

图11是根据本发明实施例的黑体辐射源检测结果示意图；

图12是根据本发明实施例的辐射源的检测装置的结构框图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明的实施例。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

在相关技术中辐射源(例如，黑体辐射源)检测方法可分为基于传统图像算法和基于深度学习算法两类检测方式，对于黑体辐射源而言一般是以黑体辐射源形状特性为基础进行检测，相关技术中常见的黑体可分为圆形和矩形，具体可以参见图1、图2所示。深度学习方法需要大量训练数据，传统方法一般使用霍夫变换对形状进行检测，两者均涉及到复杂度问题，不利于硬件实现。

针对相关技术中存在的上述问题，在本发明实施例中提出了一种辐射源的检测方法，下面结合实施例对本发明进行说明：

本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图3是本发明实施例的辐射源的检测方法的移动终端的硬件结构框图。如图3所示，移动终端可以包括一个或多个(图3中仅示出一个)处理器302(处理器302可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器304，其中，上述移动终端还可以包括用于通信功能的传输设备306以及输入输出设备308。本领域普通技术人员可以理解，图3所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图3中所示更多或者更少的组件，或者具有与图3所示不同的配置。

存储器304可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的辐射源的检测方法对应的计算机程序，处理器302通过运行存储在存储器304内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器304可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器304可进一步包括相对于处理器302远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置306用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输装置306包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置306可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

图4是根据本发明实施例的辐射源的检测方法，如图4所示，包括如下步骤：

S402，按照区域亮度对目标图像进行区域分割，得到多个图像区域；

S404，从多个所述图像区域中确定出满足目标条件的目标图像区域，其中，所述目标条件是基于目标辐射源的属性确定的；

S406，基于预先确定出的所述目标辐射源的尺寸调整所述目标图像区域的边缘信息，得到目标边缘信息；

S408，基于所述目标边缘信息从所述目标图像区域中确定出包括所述目标辐射源的辐射源区域。

其中，执行上述操作的主体可以是摄像设备，或者是与摄像设备连接的检测设备，或者是具备图像处理能力的辐射源检测设备，或者是其他的具备类似处理能力的设备或系统。

在上述实施例中，目标图像可以是对可能存在辐射源的空间进行拍摄后所得到的图像，还可以是对可能存在辐射源的空间进行拍摄后所得到的目标图像进行特定处理后(例如，裁剪、缩放、翻转、去噪等等处理中的一种或多种操作)所得到的图像。在对图像进行区域分割时，可以采用基于阈值的分割方法、基于边缘的分割方法、基于区域的分割方法、基于变换域的分割方法等。其中基于阈值的分割方法相对简单，例如，可以基于辐射源的实际亮度来设置阈值，例如，假设黑体辐射源的亮度为200左右，则可设置阈值接近200，如此即可将疑似黑体区域和非黑体区域进行分割。此外，还可以基于区域生长的分割方法来进行区域分割，针对该方法在后续实施例中会做具体描述。

在上述实施例中，在将目标图像分割成多个图像区域后，可以基于目标辐射源的属性来对分割收的图像区域进行进一步的筛选，例如，可以基于目标辐射源在图像中所呈现的大概尺寸来进行进一步的筛选，或者基于目标辐射源的形状来进行筛选，或者基于目标辐射源的亮度来进行筛选，或者基于目标辐射源的发光频率(该情况则需要结合多张连续拍摄的图像进行综合判断)来进行筛选，当然，也可以基于其他的属性信息来进行筛选，通过该方式，可以有效过滤掉明显不包括辐射源的图像区域，进而减少后续的计算量。

在上述实施例中，辐射源的数量可以是一个，当然，也可以是多个，在多个的情况下，也可以采用类似的方式分别确定包括每一个辐射源的辐射源区域，对于辐射源的数量，本发明不做限制。

在上述实施例中，采用的是通过图像分割的方式来确定出目标图像区域，并且会基于辐射源的尺寸对图像区域的边缘进行调整从而得到相对精准的边缘信息，进而基于相对精准的边缘信息确定出辐射源所在的区域，由此可知，在本发明实施例中提出了一种相对简单的辐射源区域的提取方式，无需使用神经网络或者其他的复杂算法去检测即可得到辐射源所在的区域，减小了算法复杂度，提高硬件实现的可能性以及辐射源检测的实时性，有效解决了相关技术中存在的检测辐射源的方式比较复杂，对硬件的要求度较高的问题。

在一个示例性实施例中，基于预先确定出的所述目标辐射源的尺寸调整所述目标图像区域的边缘信息，得到目标边缘信息包括：针对所述目标图像区域包括的第一侧，执行以下操作，得到目标边缘信息，其中，所述第一侧为所述目标图像区域中包括的任意一侧：按照距离所述目标图像区域由远及近的方式检测所述目标图像区域包括的边缘像素点；将检测到的像素点个数与第一像素点个数相差小于预定数量值的边缘确定为所述目标图像区域的所述第一侧的实际边缘，其中，所述第一像素点个数为所述目标辐射源在所述目标图像中所呈图像的所述第一侧所对应的像素点个数。在本实施例中，目标辐射源可以是规则的形状，例如，矩形，当然，也可以是不规则的形状，例如，多边形，无论哪种情况，都可以将目标辐射源的每个边作为一侧，在确定目标辐射源的每侧对应的边缘时，可以基于预先确定出的每侧的实际边缘长度(目标辐射源所在设备的型号确定的情况下，各侧的边缘长度可以大致确定)来进行确定，由于拍摄时的一些外在因素影响，可能会导致拍摄到的图像不清晰或者发生错位，这种情况下，可以基于预先确定出的每侧的实际边缘长度来调整拍摄到的目标图像区域的对应的边缘，从而得到相对准确的边缘信息。此外，对于圆形的辐射源而言，上述方法也是可以适用的，例如，可以将圆形的上半圆作为一侧，下半圆作为另一侧，或者将圆形的左半圆作为一侧，右半圆作为另一侧，当然，也可以按照其他划分方式确定圆形的各侧。

在一个示例性实施例中，按照区域亮度对目标图像进行区域分割，得到多个图像区域包括：重复执行如下操作，直到遍历完所述目标图像为止：将所述目标图像中包括的第一像素点作为第一起始点，依次检测所述第一像素点的第一数量的邻域窗口像素点与所述起始点的灰度差值；在确定所述灰度差值大于预定灰度差值的情况下，将所述邻域窗口像素点与所述起始点划分至不同的图像区域中；在确定所述灰度差值小于或等于预定灰度差值的情况下，将所述邻域窗口像素点与所述起始点划分至同一图像区域中；将与所述第一像素点相邻的其他像素点确定为所述第一起始点。在本实施例中，主要采用的是基于区域生长的分割方法来对目标图像进行区域分割，例如，可以以目标图像中包括的第一个像素点为最初的起始点，来依次检测该起始点的邻域窗口像素(例如，周边8邻域窗口，或者4邻域窗口，或者其他数量的邻域窗口)与该起始点之间的灰度差值，基于检测出的差值来对起始点像素以及邻域窗口像素进行区域划分，然后再将与之前被确定为起始点的像素相邻的像素重新确定为起始点，继续执行与前述类似操作，直至将目标图像中的全部像素点均划分到对应的区域中为止。

在一个示例性实施例中，从多个所述图像区域中确定出满足目标条件的目标图像区域包括：基于预先确定的所述目标辐射源在所述目标图像中的尺寸信息确定出目标面积范围，其中，所述目标面积范围包括所述目标辐射源在所述目标图像中所呈图像的面积，所述目标辐射源的属性包括所述目标辐射源在所述目标图像中的尺寸信息；剔除多个所述图像区域中包括的未处于所述目标面积范围内的图像区域，将余下的图像区域确定为所述目标图像区域。在本实施例中，可以预先确定出目标辐射源在所述目标图像中的大概尺寸(例如，可以基于目标辐射源所在设备的型号来大概确定)，进而基于该大概尺寸来剔除多个图像区域中面积过大或者过小的图像区域，进而得到面积更接近实际辐射源面积的图像区域。

在一个示例性实施例中，基于预先确定出的所述目标辐射源的尺寸调整所述目标图像区域的边缘信息，得到目标边缘信息包括：重复执行如下操作，以标记所述目标图像区域的边缘信息：将所述目标图像区域外边界上的第二像素点作为第二起始点，按照目标顺序依次检测所述第二起始点的第二数量的邻域窗口像素点与所述第二起始点是否位于同一个所述目标图像区域内，其中，所述第二像素点为所述目标图像区域外边界上的起始点或者结束点；将最先检测出的第三像素点确定为所述目标图像区域的轮廓点，其中，所述第三像素点与所述第二起始点位于同一个所述目标图像区域内，且按照所述目标顺序检测到的所述第三像素点的下一个像素点与所述第二起始点位于不同的图像区域内；将所述第三像素点确定为所述第二起始点；基于预先确定出的所述目标辐射源的尺寸调整所述边缘信息，得到在所述目标边缘信息。在本实施例中，可以采用多方向链码对目标图像区域的轮廓进行标记，例如，可以采用8方向链码对目标图像区域的轮廓进行标记(当然，也可以采用4方向链码，不过方向链码数量越多，所标记出的轮廓实际上是越准确的)，其中，上述的目标顺序应当是由靠近目标图像区域到远离目标图像区域再到靠近目标图像区域的顺序(可以是顺时针顺序，也可以是逆时针顺序)。

在一个示例性实施例中，基于所述目标边缘信息从所述目标图像区域中确定出包括所述目标辐射源的辐射源区域包括：基于所述目标边缘信息确定出所述目标图像区域的目标图形度，其中，所述目标图形度用于指示所述目标图像区域与目标图形的接近程度，所述目标图形为所述目标辐射源所呈图形；基于所述目标图形度确定出包括所述目标辐射源的辐射源区域。在本实施例中，引入了图像度，基于确定出的目标图像区域的目标边缘信息可以确定目标图像区域接近目标辐射源所呈现的目标图形的程度，进而可以精准的确定出目标图像区域中是否包括有目标辐射源的图像。下面分别从目标辐射源呈圆形以及呈矩形分别进行说明：

情况1，目标辐射源呈圆形：

在该实施例中，基于所述目标边缘信息确定出所述目标图像区域的目标图形度包括：在所述目标图形包括圆形的情况下，基于所述目标边缘信息确定出所述目标图像区域的面积和周长；基于所述目标图像区域的面积和周长确定所述目标图像区域的圆形度。在本实施例中，可以将通过如下公式计算目标图像区域的圆形度index_circle：index_circle＝4πS/L

在上述实施例中，可以通过如下方式确定所述目标图像区域的面积和周长：基于所述目标边缘信息确定出所述目标图像区域所包括的像素点的第一个数，以及，所述目标图像区域的外轮廓上的像素点的第二个数；基于所述第一个数确定所述目标图像区域的面积，以及，基于所述第二个数确定所述目标图像区域的周长。在本实施例中，每个像素点实际上都会有一定的长度和一定的面积，因此，可以基于目标图像区域所包括的像素点的个数来确定出该目标图像区域的面积，以及，可以基于目标图像区域的外轮廓上所包括的像素点的个数来确定出该目标图像区域的周长。需要说明的是，上述确定周长和面积的方式仅是一种示例，也可以采用其他的方式来确定目标图像区域的周长和面积。

情况2，目标辐射源呈矩形：

在该实施例中，基于所述目标边缘信息确定出所述目标图像区域的目标图形度包括：在所述目标图形包括矩形的情况下，基于所述目标边缘信息确定出所述目标图像区域的面积以及所述目标图像区域的外接矩形的面积；基于所述目标图像区域的面积以及所述外接矩形的面积确定所述目标图像区域的矩形度。在本实施例中，可以将通过如下公式计算目标图像区域的矩形度index_circle：index_square＝S/S_out，其中，S为上述目标图像区域的面积，S_out为上述目标图像区域的外接矩形的面积。需要说明的是，矩形度越大，表示目标图像区域越接近矩形。

在上述实施例中，可以通过如下方式确定出所述目标图像区域的面积以及所述目标图像区域的外接矩形的面积：基于所述目标边缘信息确定出所述目标图像区域所包括的像素点的第一个数，以及，所述目标图像区域的外接矩形的各个角点坐标；基于所述第一个数确定所述目标图像区域的面积，以及，基于所述外接矩形的各个角点坐标确定所述外接矩形的面积。由前述实施例中记载的内容可知，每个像素点实际上都会有一定的面积，因此，可以基于目标图像区域所包括的像素点的个数来确定出该目标图像区域的面积，此外，在确定目标图像区域的外接矩形时，可以先确定出该外接矩形的四个角点，进而将四个角点进行连接后所得到的矩形作为目标图像区域的外接矩形，其中，在确定外接矩形的四个角点时，可以采用如下确定方式：

基于所述边缘信息确定所述目标图像区域的外接轮廓框的行坐标最小值以及最大值，以及，列坐标最小值以及最大值；将所述行坐标最小值以及最大值，以及，所述列坐标最小值以及最大值所构成的四个点确定为所述外接轮廓框的四个角点；对所述外接轮廓框的四个角点的位置进行修正，以得到所述外接矩形的四个角点，其中，所述修正包括朝向所述目标图像区域的内侧或者外侧进行取点，以使所述外接矩形的相邻角点之间的连线所经过的位于所述目标图像区域内的像素点的数量多于所述外接轮廓框的相邻角点之间的连线所经过的位于所述目标图像区域内的像素点。

下面以辐射源为黑体辐射源，且该辐射源为圆形以及矩形为例对本发明进行示例性说明：

图5是根据本发明实施例的黑体辐射源的检测方法流程图，如图5所示，主要用于检测目标图像中是否包括黑体辐射源，该方法包括如下步骤：

S502，图像分割；

在S502中，使用的是基于区域生长的分割方法，即，以目标图像中的第一个像素点为起始点，检测周边8邻域窗口像素与起始点的灰度差值，若差值小于等于设定阈值则认为该邻域像素与起始点属于同一区域，然后再将邻域像素作为起始点，不断向外辐射寻找同一区域的像素点并标记为同一属性；若差值大于设定阈值则认为该邻域像素与起始点不属于同一区域，则将其标记成另一属性标志，该像素再以自身为起始点寻找同一区域属性的像素。如此遍历整幅图像可以得到多个分割区域(对应于上述的多个图像区域)；

S504，目标初步提取；

在S504中，为减小后续算法处理数据量，可先初步剔除面积过大、过小的分割区域。更优的，可以结合设备实际使用时黑体在画面中的成像情况设定相关阈值，阈值设定越接近成像画面中黑体实际面积大小，可以剔除的数据量就越多，后续算法处理就越快。

S506，外轮廓提取；

在S506中，可以使用8方向链码(如图6所示的链码)对分割区域的外轮廓进行标记，具体标记示意图如图7所示，其中，黑色块为分割所得同一区域(即，目前图7中的填充了斜线的方块和黑色块属于同一区域内)，随意指定外边界某一点为外轮廓寻找起始点。如若像素点按从左至右，从上至下遍历，简单的可以将该分割区域第一个点作为起始点，即图7中填充了斜线的方块。当然也可指定该分割区域内任意一行的起始点或者结束点作为轮廓寻找起始点。以图7作为示例进行说明，按照图6所示8方向链码，从小到大方向进行遍历寻找，若某方向像素点在分割区域内且下一方向像素点不在该分割区域内，则该方向像素点为该分割区域的轮廓点，进行标记并作为新的起始点继续寻找下一个轮廓像素；否则继续下一个方向判断。如图7所示，填充了斜线的方块的0方向像素点属于同一分割区域，1方向属于不同分割区域，则0方向像素为轮廓点，以该轮廓为新起始点继续向下寻找，依旧是0方向，继续向下为7方向，如此遍历可以重新回到填充了斜线的方块，完成整个轮廓的定位，即灰色阴影区域即为该分割区域外轮廓。

其中，使用8方向链码方法提取外轮廓，不仅可以有效提取轮廓位置，按序排列的轮廓坐标信息也便于下一步周长计算，减小计算量。

S508，周长、面积计算；

在S508中，假设S502-S506步骤处理后可以得到M个分割区域，每个区域中的像素点上都会标记其对应的标记，如第一个分割区域中的像素点上都标记数字1，第二个分割区域中的像素点上都标记数字2……第M个区域中的像素点上都标记数字M，则若要计算第M个分割区域的面积S只需要统计数字M的个数即可。此外由S506已经得到每个区域的外轮廓坐标，假设第M个分割区域的外轮廓坐标为[i

S510，最小外接矩形面积计算；

在S510中，不规则多边形的最小外接矩形计算相对困难，使用一般的算法必然造成复杂度过高，硬件实现负担大的问题。考虑到黑体设备正常使用时基本处于水平放置，如图8所示，其在红外热成像设备中的成像基本近似一个规则，未旋转形变的四边形或圆形，因此可以直接使用提取到的外轮廓行坐标最小值、最大值以及列坐标最小值、最大值作为外接矩形坐标。如图8虚线框即为矩形黑体外接轮廓框，行坐标最小值为i_min，最大值为i_max，列坐标最小值为j_min，最大值为j_max，则外接矩形四个角点坐标分别为[i_min,j_min],[i_min,j_max],[i_max.j_min],[i_max,j_max]。如此即可计算出外接矩形面积为：

S_out＝(i_max-i_min)*(j_max-j_min)

更优的可设置边缘像素点个数阈值，若边长较短，像素点个数未达到指定阈值，则该条边无法作为外接矩形边，需继续寻找。如图9所示，黑体第一行像素点个数较少，则使用第二行作为外接矩形边缘，即虚线框所示位置。

其中，在本步骤中，结合实际应用场景，针对黑体辐射源在真实成像画面中的位置情况，提出了一种比较简单的最小外接矩形提取策略，减小算法复杂度。

S512：矩形度、圆形度计算；

圆形度计算公式如下：

index_circle＝4πS/L

矩形度计算公式如下：

index_square＝S/S_out

两个指标越大，表示形状越接近圆形和矩形。

其中，采用圆形度、矩形度的概念对黑体进行检测，可以避免使用霍夫变换等复杂度较高的算法，有利于硬件实现；对圆形度、矩形度设置可人为调节的阈值，允许黑体在成像过程中产生一定的形变，而非相关技术中某些方案中必须要求圆形、矩形完整且规则。

S514：黑体提取；

设置圆形度、矩形度阈值，若计算出来的圆形度、矩形度大于对应的阈值，则认为该分割区域为圆形或矩形黑体区域。更优的可同时引入其他信息进一步提高检测精度。如矩形黑体实际上是一个正方形，故可引入边长相关阈值，若其最小外接矩形长和宽差异较大，则认为该区域非正方形黑体区域，进行剔除，同理圆形黑体也适用该策略；如当红外热成像设备型号固定，主要是其探测器、镜头规格固定，黑体与设备距离固定，则黑体在红外热成像设备中成像大小也具有一定的范围固定性，因此可以引入面积相关阈值，若该分割区域面积不在设定阈值范围内，则可认为该区域不是黑体区域；如当设备固定，主要是其内使用的成像算法和参数固定，则黑体在红外热成像设备中成像亮度也具有一定的规律，因此可以引入亮度相关阈值，若该区域亮度均值不在设定范围内，则可认为该区域不是黑体区域。

此外，需要说明的是，本发明实施例虽是针对黑体辐射源进行检测，且实施例中只对圆形和矩形形状检测进行详细阐述，但对非黑体的圆形和矩形检测，或者其他领域其他形状检测也同样适用。如三角形物体检测，尽管实施例中圆形度、矩形度指标无法直接使用，但参考矩形度的计算方式，可以寻找三角形三个顶点坐标构成最小外接三角形，然后计算分割区域面积和最小外接三角形面积之比来定义三角形度；此外即使各种形状指标定义无法参考，但是图像分割、轮廓提取、面积周长计算等步骤属于形状检测的前述步骤，仍具有一定参考性。

诸如以上示例，也可以引入其他各种信息进行辅助判断。本发明实施例中同时计算圆形度和矩形度，在实际使用中可以视真实情况进行删减，如明确知道只使用矩形黑体，则可以关闭圆形度计算功能，只用矩形度进行检测即可，如此进一步减小计算量，加速算法运行。通过使用面积、边长、亮度等信息辅助判断，进一步提高黑体辐射源检测的准确性；面积、边长等统计信息均是前述步骤计算得到，无需在最后一步重复计算，减小计算量。

通过上述方式所得检测结果可以参见图11(图10为黑体辐射源实景图，图11为对应的黑体辐射源检测结果图)，图11中检测出的每个辐射源上方的两行数字中第一行数字为矩形度，第二行数字为圆形度(当然，在实际应用中也可以基于实际需求仅显示矩形度，或者仅显示圆形度)，可以看到矩形黑体矩形度大于0.9，但圆形度小于0.9；圆形黑体矩形度小于0.9，圆形度大于0.9。因此可以设置0.9为两个指标阈值。因此，经过本发明实施例中所述步骤处理过后，可以将其他无关信息剔除，只留下有效黑体辐射源区域，并可进一步区分黑体辐射源形状。

此外，需要说明的是，本发明实施例尽管是针对红外热成像数据进行阐述，但黑体辐射源在可见光或者其他数据中也具有明显的形状特性，故本发明实施例中的具体方法也可应用于红外领域外的其他领域。另外，本发明实施例对画面中黑体个数无限制，即使有多个不同形状黑体，只要不相互遮挡均能同时检测，且无需人为提前绘制指定区域框。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

在本实施例中还提供了一种辐射源的检测装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图12是根据本发明实施例的辐射源的检测装置的结构框图，如图12所示，该装置包括：

分割模块122，用于按照区域亮度对目标图像进行区域分割，得到多个图像区域；

第一确定模块124，用于从多个所述图像区域中确定出满足目标条件的目标图像区域，其中，所述目标条件是基于目标辐射源的属性确定的；

调整模块126，用于基于预先确定出的所述目标辐射源的尺寸调整所述目标图像区域的边缘信息，得到目标边缘信息；

第二确定模块128，用于基于所述目标边缘信息从所述目标图像区域中确定出包括所述目标辐射源的辐射源区域。

在一个示例性实施例中，调整模块126包括：第一执行单元，用于针对所述目标图像区域包括的第一侧，执行以下操作，得到目标边缘信息，其中，所述第一侧为所述目标图像区域中包括的任意一侧：按照距离所述目标图像区域由远及近的方式检测所述目标图像区域包括的边缘像素点；将检测到的像素点个数与第一像素点个数相差小于预定数量值的边缘确定为所述目标图像区域的所述第一侧的实际边缘，其中，所述第一像素点个数为所述目标辐射源在所述目标图像中所呈图像的所述第一侧所对应的像素点个数。

在一个示例性实施例中，分割模块122包括：第二执行单元，用于重复执行如下操作，直到遍历完所述目标图像为止：将所述目标图像中包括的第一像素点作为第一起始点，依次检测所述第一像素点的第一数量的邻域窗口像素点与所述起始点的灰度差值；在确定所述灰度差值大于预定灰度差值的情况下，将所述邻域窗口像素点与所述起始点划分至不同的图像区域中；在确定所述灰度差值小于或等于预定灰度差值的情况下，将所述邻域窗口像素点与所述起始点划分至同一图像区域中；将与所述第一像素点相邻的其他像素点确定为所述第一起始点。

在一个示例性实施例中，第一确定模块124包括：第一确定单元，用于基于预先确定的所述目标辐射源在所述目标图像中的尺寸信息确定出目标面积范围，其中，所述目标面积范围包括所述目标辐射源在所述目标图像中所呈图像的面积，所述目标辐射源的属性包括所述目标辐射源在所述目标图像中的尺寸信息；剔除单元，用于剔除多个所述图像区域中包括的未处于所述目标面积范围内的图像区域，将余下的图像区域确定为所述目标图像区域。

在一个示例性实施例中，调整模块126包括：第三执行单元，用于重复执行如下操作，以标记所述目标图像区域的边缘信息：将所述目标图像区域外边界上的第二像素点作为第二起始点，按照目标顺序依次检测所述第二起始点的第二数量的邻域窗口像素点与所述第二起始点是否位于同一个所述目标图像区域内，其中，所述第二像素点为所述目标图像区域外边界上的起始点或者结束点；将最先检测出的第三像素点确定为所述目标图像区域的轮廓点，其中，所述第三像素点与所述第二起始点位于同一个所述目标图像区域内，且按照所述目标顺序检测到的所述第三像素点的下一个像素点与所述第二起始点位于不同的图像区域内；将所述第三像素点确定为所述第二起始点；调整单元，用于基于预先确定出的所述目标辐射源的尺寸调整所述边缘信息，得到所述目标边缘信息。

在一个示例性实施例中，第二确定模块128包括：第二确定单元，用于基于所述目标边缘信息确定出所述目标图像区域的目标图形度，其中，所述目标图形度用于指示所述目标图像区域与目标图形的接近程度，所述目标图形为所述目标辐射源所呈图形；第三确定单元，用于基于所述目标图形度确定出包括所述目标辐射源的辐射源区域。

在一个示例性实施例中，第二确定单元包括：第一确定子单元，用于在所述目标图形包括圆形的情况下，基于所述目标边缘信息确定出所述目标图像区域的面积和周长；第二确定子单元，用于基于所述目标图像区域的面积和周长确定所述目标图像区域的圆形度。

在一个示例性实施例中，第一确定子单元用于：基于所述目标边缘信息确定出所述目标图像区域所包括的像素点的第一个数，以及，所述目标图像区域的外轮廓上的像素点的第二个数；基于所述第一个数确定所述目标图像区域的面积，以及，基于所述第二个数确定所述目标图像区域的周长。

在一个示例性实施例中，第二确定单元包括：第三确定子单元，用于在所述目标图形包括矩形的情况下，基于所述目标边缘信息确定出所述目标图像区域的面积以及所述目标图像区域的外接矩形的面积；第四确定子单元，用于基于所述目标图像区域的面积以及所述外接矩形的面积确定所述目标图像区域的矩形度。

在一个示例性实施例中，第三确定子单元用于：基于所述目标边缘信息确定出所述目标图像区域所包括的像素点的第一个数，以及，所述目标图像区域的外接矩形的各个角点坐标；基于所述第一个数确定所述目标图像区域的面积，以及，基于所述外接矩形的各个角点坐标确定所述外接矩形的面积。

在一个示例性实施例中，第三确定子单元还用于在基于所述目标边缘信息确定出所述目标图像区域的面积以及所述目标图像区域的外接矩形的面积之前，基于所述边缘信息确定所述目标图像区域的外接轮廓框的行坐标最小值以及最大值，以及，列坐标最小值以及最大值；将所述行坐标最小值以及最大值，以及，所述列坐标最小值以及最大值所构成的四个点确定为所述外接轮廓框的四个角点；对所述外接轮廓框的四个角点的位置进行修正，以得到所述外接矩形的四个角点，其中，所述修正包括朝向所述目标图像区域的内侧或者外侧进行取点，以使所述外接矩形的相邻角点之间的连线所经过的位于所述目标图像区域内的像素点的数量多于所述外接轮廓框的相邻角点之间的连线所经过的位于所述目标图像区域内的像素点。

需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。

本发明的实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。