基于深度学习理论的红外和可见光图像配准

以实现红外和可见光图像精准、快速配准为目标,提出基于深度学习理论的红外和可见光图像配准方法。通过参数传输使红外参数预训练模型与可见光模型的参数得到共享,赋予红外预训练模型目标检测能力,并利用采集到的红外图像数据展开模型预训练,得到深度学习的红外目标检测模型。利用仿射变换处理图像间的几何位置差异,运用Partial Hausdorff距离进行相似测度提取图像特征,最后采用人工免疫网络算法搜寻全局最优解,实现红外和可见光图像配准。实验结果表明:该方法可获取高精度的红外目标检测结果,检测精度高达92. 8%,并且检测稳定性强,速率快,可有效修正红外和可见光图像间的灰度、旋转和平移等差异,具有较高的使用价值。     

红外与可见光图像自动配准算法的研究

提出了一种新的红外与可见光图像的配准算法,该方法基于图像的小波变换与互信息最大化完成图像的配准过程.首先通过搜索小波模极大提取图像感兴趣区域(ROI),完成图像预处理,并采用仿射变换,建立图像变换模型;其次将低分辨率图像进行图像插值,计算灰度直方图,进行概率分布的估计;最后选择模拟退火法,逼近全局最优解.实验结果证明了此算法的有效性.     

光机装校阶段红外与可见光图像配准技术研究

针对在光机装校阶段,分析光学件和金工件的设计、加工和装配的累积误差对图像配准精度的影响.首先,分析在光机装校时采取主观评价方法评价图像配准质量的原因;其次,具体分析物镜的焦距和畸变误差、光轴一致性误差和探测器安装面误差对图像配准精度的影响.通过分析误差产生的原因,提出在光机装校时的解决办法.     

红外与可见光图像配准研究现状与展望

红外与可见光图像配准是常见的多模态图像配准,它广泛应用于军事、遥感等领域,有必要对其研究现状进行综述。在描述了红外与可见光图像配准问题后,首先简述了图像配准的一般方法,分为基于图像区域的配准方法和基于图像特征的配准方法,重点述评了局部不变特征方法中的SIFT算法和SURF算法;然后按文献发表时间顺序对红外与可见光图像配准的国外和国内研究现状进行了详细述评;总结了红外与可见光图像配准研究中存在的问题;最后对其进行展望,并指出未来的研究重点是以SIFT算法和SURF算法为研究基础去构造对模态不敏感的不变特征和其相应的描述子。     

红外与可见光图像融合中的快速配准方法

红外与可光传感器目标跟踪识别系统中常用的两种传感器，对这两种传感器图像进行有效的融合能大大提高探测识别的准确性和可靠性。快速准确地实现图像配准是图像融合的前提，为此提出了一种基于小波变换的快速算法，有利于实时准确地实现图像配准。     

基于多尺度红外与可见光图像配准研究

利用尺度空间理论对多分辨率的红外与可见光图像配准算法进行研究,提出利用红外与可见光图像的多尺度特征点及边缘作为配准的特征,利用特征尺度确定用于相似度匹配的子图像大小,使用LTS-Hausdorff(least trimmed square Hausdorff)距离判断子图像的相似性。利用尺度空间理论及多尺度下图像的特征能更加全面的对图像进行描述。在利用多尺度特征获取到匹配对后,再利用随机一致性检测对匹配对进行提纯并获取空间变换的参数,然后使用该参数对红外与可见光图像进行配准与融合。实验结果表明,基于多尺度的图像配准方法,能有效对红外与可见光图像进行配准。     

红外与可见光图像配准算法

提出把二阶互信息与对齐度相结合作为相似度函数,通过Hough变换提取两幅图像中一致性较高的直线,计算它们的对齐度,最后针对不同的图像特点,调整对齐度在新相似度函数中所占比例进行配准.实验结果表明.新算法与其他几种测度函数相比有更高的精确性和鲁棒性.     

红外与可见光图像配准方法分类及现状

红外与可见光图像配准作为一类重要的多传感器图像配准方法,在自动控制、机器人、遥感及军事应用等领域发挥着重要作用.介绍了红外与可见光图像配准问题的本质及难点,从原理上总结了大部分配准算法的基本步骤,并将现有的配准方法分为两类:基于区域的配准方法和基于特征的配准方法.从算法的可行性角度出发,分析了几种具有代表性的配准方法及其优缺点,最后对其未来的发展进行了展望.     

基于对齐度和互信息的红外与可见光图像配准

针对红外与可见光图像的特点,在此提出了一种结合边缘对齐度与互信息的图像配准方法。首先通过小波变换边缘检测得到红外与可见光图像的边缘图像,并将对齐度和归一化互信息自适应加权平均得到新的相似性测度函数,最终通过计算相似性测度函数的极值求得待配准图像间的变换参数。实验结果表明,该方法可减少配准所需的时间,具有更高的精确性和鲁棒性。     

基于深度学习的电力设备红外与可见光图像配准

针对相对位置固定的红外和可见光双目相机配准任务,现有算法没有考虑到两者相对位置固定的先验知识,存在配准精度低、几何定位差异大等问题,适用性差。提出一种基于几何约束下区域搜索的红外可见光双目图像配准方法。首先借助红外和可见光双目相机的标定信息对红外和可见光图像进行立体校正使二者处于同一高度之上。接着借助于相位一致性计算红外与可见光的边缘特征图,然后在红外边缘图上提取特征点,最后提出两阶段的同名特征点搜索方法,以红外特征点为基准在可见光边缘图局部区域内搜索同名特征点。在第一阶段以归一化互相关（Normalized cross-correlation,NCC）为相似性度量计算两边缘图的整体水平偏移,预测同名特征点初始位置,在第二阶段提出多尺度加权NCC作为相似性度量,在初始同名特征点位置周围精确搜索同名特征点。在构造的真实环境数据集上进行实验,实验结果表明相对于其他对比算法,在特征点匹配数量和准确率以及主观视觉上的配准效果都优于其他对比算法。     

基于轮廓特征的红外与可见光图像配准方法研究

红外光与可见光处于不同波段,其图像间的相关性较小.传统的基于特征的图像配准方法(如利用角点、边缘点等),在特征点选择时容易造成误匹配,这是由于有时特征点间的距离比较近造成的.针对此问题,本文提出了一种基于图像轮廓特征的红外与可见光图像配准方法.首先通过设置目标过滤器来提取明显的轮廓,再利用部分Hausdorff距离对轮廓进行匹配,计算出匹配轮廓对的面积和质心,并以此作为配准依据来对两种不同的图像进行配准.然后通过实验证明该方法的配准精度更高且克服了特征点误匹配的难点,这就可以解决刚性变换中红外与可见光图像间的配准问题.     

基于深度学习的电力设备红外与可见光图像配准

针对现有电力设备红外与可见光图像配准难度大、配准时间长等问题,提出一种基于深度学习的电力设备红外与可见光图像配准融合的方法。本文将特征提取与特征匹配联合在深度学习框架中,直接学习图像块对与匹配标签之间的映射关系,用于后续的配准。此外为了缓解训练时红外图像样本不足的问题,提出一种利用红外图像及其变换图像学习映射函数的自学习方法,同时采用迁移学习来减少训练时间,加速网络框架。实验结果表明：本文方法与其他4种配准算法相比性能指标均有显著提升,本文平均准确率为89.909,同其余4种算法相比分别提高了2.31%、3.36%、2.67%、0.82%,本文平均RMSE(Root Mean Square Error)为2.521,同其余4种配准算法相比分别降低了14.68%、15.24%、4.90%、1.04%,算法平均用时为5.625 s,较其余4种算法分别降低了5.57%、6.82%、2.45%、1.75%,有效提高了电力设备红外与红外可见光图像配准的效率。     

基于模态转换结合鲁棒特征的红外图像和可见光图像配准

针对红外图像和可见光图像配准过程中模态和尺度差异影响下特征点难配准的问题,提出了一种基于模态转换结合鲁棒特征的红外图像和可见光图像配准算法.首先,利用生成对抗网络从可见光图像中生成相应的伪红外图像;其次,通过加速鲁棒特征(SURF)算法提取红外图像的特征点位置信息结合改进的鲁棒特征描述子(PIIFD)实现特征描述;然后...     

海面舰船红外与可见光图像配准

在利用特征点集的红外与可见光舰船图像配准过程中,经常会存在点集的一致性差而无法配准的情况,本文针对可见光图像中背景干扰大,纹理丰富容易出现较多非舰船目标轮廓特征点的情况,利用全局广义直方图均衡化和显著性增强对可见光图像进行增强,然后进行Canny轮廓提取并在轮廓的基础上提取舰船目标边缘角点作为匹配点集;对于红外舰船图像,海面背景与舰船温度差异较大,其舰船目标成像效果较好,存在的干扰较少,本文直接进行Canny算子运算并提取角点作为特征点集。实验效果显示,本算法实用性较强,误差小于3个像素,能够满足工程使用要求。     

基于参数分步估计的红外与可见光图像自动配准算法

 提出了一种仿射模型参数分步估计的红外与可见光图像自动配准算法.首先,使用矩阵正交分解方法,将仿射变换的6个自由度分离为易于估计的切变、尺度比例、旋转、尺度缩放以及x和y方向上的平移量等参数;然后基于方向一致性约束和线段间的对齐度分别构建用于参数分步估计的目标函数,并使用SGA(Stud Genetic Algorithm)算法搜索使目标函数取得近似全局最优解的参数值;最后,基于Powell算法对参数估计值进行局部求精.实验结果表明,当两幅需要配准的图像中含有丰富的关联线段及多样的线段方向分布时,本文算法能够利用这些线段间的方向一致性约束和位置分布信息,有效地实现红外与可见光图像的自动配准,且算法具有较好的配准精度.     

模态自适应的红外与可见光图像融合

为解决低照度和烟雾等恶劣环境条件下融合图像目标对比度低、噪声较大的问题,提出一种模态自适应的红外与可见光图像融合方法(mode adaptive fusion,MAFusion).首先,在生成器中将红外图像与可见光图像输入自适应加权模块,通过双流交互学习二者差异,得到两种模态对图像融合任务的不同贡献比重;然后,根据各模...