基于红外与可见光图像配准的高压开关柜母线高温预警

常规的高压开关柜母线高温预警方法以传感器监测温度为主,受到传感器温度偏差的影响,高温预警结果存在失误的问题。因此,设计了基于红外与可见光图像配准的高压开关柜母线高温预警方法。将高压开关柜的运行环境、负荷状况、型号考虑在内,设定高压开关柜母线温升极限,满足开关柜的运行需求。基于红外与可见光图像配准构建母线高温预警模型,利用红外图像成像原理获取温度超限特征,并利用图像配准方式,避免母线高温预警失误的问题。生成高压开关柜母线高温显示预警程序,实时监测高压开关柜母线的温度,并在温度超过阈值时发出预警,确保高压开关柜的正常运行。采用对比实验,验证了该方法的高温预警效果更佳,能够应用于实际生活中。

红外与可见光图像配准技术分析

对可见光及红外图像配准技术进行了研究。利用综述法,首先说明图像配准原理和难点,其次深入研究图像配准方法,在优化配准方式、做好理论研究的基础上,选择使用特征匹配法、粗配准法完成对图像的配准。研究结果表明,特征匹配法与粗配准法相结合的配准方法具有实际意义,能够减少计算量、提高图像配准速度与配准结果准确度。对可见光、红外图像配准方法进行合理应用,能够加快物体定位速度,严格控制定位角度偏差,保证定位准确度可达到预期要求。

结合滚动引导滤波和相位信息的红外与可见光图像配准

针对红外与可见光图像尺度差异大、图像较模糊,且图像中可提取的特征点数量不足以及特征分布不均匀易导致现有配准算法失效的情况,提出一种结合滚动引导滤波和相位信息的红外与可见光图像配准方法。利用滚动引导滤波构建尺度空间,在不增加耗时的前提下尽可能保持图像边缘信息;提出一种改进的Shitomasi角点检测算法,提取具有尺度不变性且分布均匀的强角点;在特征描述阶段,给出一种新的加权函数进行频率扩展,以得到更显著的相位一致性信息,实现更准确的图像特征描述。实验结果表明,该配准方法对存在9倍尺度差异的红外与可见光图像仍能实现准确配准,且对多组图像对的配准RMSE误差均保持在2像素之内。

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。

采用仿射变换的红外与可见光图像配准方法

图像配准是图像融合技术的基本环节和首要问题。针对红外和可见光图像的配准问题,分析了两者配准的特点。引入6参数的仿射变换模型来描述3D空间中的目标,分析了通常采用的4参数模型的不完备性。利用模型计算配准参数,并用最小二乘法达到用多个配准点拟合出最优参数解的目的。实验结果表明,此方法可以很好地消除红外和可见光图像之间的差异。

基于似然函数EM迭代的红外与可见光图像配准

为了实现红外与可见光图像的自动配准,提出了基于似然函数EM迭代的图像配准算法。该算法以图像边缘作为配准点特征,将异源图像配准转化为边缘点集配准。通过点集的高斯混合建模建立了点集配准似然函数,以该函数作为目标函数,仿射变换参数作为优化变量,利用EM迭代优化方法进行最优变换参数求解。迭代过程中,引入基于概率密度自适应阈值分割的外点剔除机制,解决了外点对目标函数的干扰问题,实现了边缘点集的精确配准。利用实测的可见光和红外图像进行了算法验证,证明了该算法的有效性。

基于互信息和梯度的红外与可见光图像配准新方法

红外与可见光图像配准是常见的多传感器图像配准,在军事、遥感等领域有着广泛的应用。提出了一种基于互信息和图像梯度的红外与可见光图像的自动配准方法:首先,获得图像的梯度信息,然后根据定义的扩展结构获得边缘区域图像,选择最大归一化互信息作为相似性测度,使用Powell算法获得最佳配准参数。实验结果证明,本文方法较传统的基于互信息和梯度的配准方法,提高了配准的速度和精度,可以作为一种有效的粗配准的方法。

采用显著性分析与改进边缘方向直方图特征的红外与可见光图像配准

为了实现红外图像与可见光图像的信息融合,弥补单一模态图像的不足,提出了一种基于显著性分析与改进的边缘方向直方图EOH(Edge Orientation Histogram)特征的红外与可见光图像配准算法。该算法首先利用显著性分析技术找到可见光图像中的重要信息,得到显著性图;将其与可见光图像融合,实现可见光图像中重要信息的划分。然后,利用自适应FAST(Features from Accelerated Segment Test)算法,探测可见光与红外图像上的特征点;利用改进的EOH,描述特征点。最后,根据描述计算特征点的相似性,在可见光与红外图像上找出对应的特征点,实现红外与可见光图像的匹配。在3种不同情况下对红外与可见光图像数据进行了配准实验。结果表明:在红外图像与可见光图像采集条件相似情况下,特征点正确匹配率为96.55%,而在图像采集条件差异较大的情况下,特征点正确匹配率可达74.21%。该算法可实现红外与可见光图像的精确快速匹配,即使红外图像与可见光图像采集的角度与位置均存在较大差异的情况下,仍可以满足红外与可见光图像匹配对精度和稳定性的要求。

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。

非下采样轮廓波域红外与可见光图像配准算法

针对灰度和对比度存在较大差异的可见光图像与红外图像的配准问题,提出了一种基于非下采样轮廓波变换的多分辨率配准方法。该方法分别对可见光图像和红外图像进行非下采样轮廓波分解,引入梯度归一化互信息作为配准图像的相似性测度,利用基于种群成熟度描述的自适应确定交叉和变异比率的改进遗传算法作为搜索策略,对高尺度低频图像进行粗配准。然后,根据粗匹配结果在低尺度低频图像上进行进一步配准,最终实现全分辨率条件下红外和可见光图像的配准。实验结果表明,提出的算法能够有效提高配准精度和速度。

基于特征点的红外与可见光图像配准研究

提出了一种基于特征点的红外和可见光图像配准方法。首先根据边缘图像的结构分别提取红外图像特征点和可见光图像特征点,其次根据结合了形状结构和灰度、梯度角信息的配准准则寻找两幅图像的对应特征点,最后利用三对特征点根据刚体变换得到图像的缩放倍率、旋转角度和平移坐标,从而实现两幅图像的配准,并通过实验给予了证明。

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。

基于亚像素红外与可见光图像配准方法

为了提高不同分辨率的红外与可见光图像配准的精度,提出了一种基于亚像素纠正的红外与可见光自动配准方法。采用了Shi-Tomasi角点检测器和Taylor多项式将角点的坐标纠正到亚像素级,在六参数仿射变换模型基础上采用改进的Hausdorff距离进行精确匹配。与传统方法比较,该方法提高精度10%左右。实验表明,该方法配准精度高,鲁棒性好。

红外与可见光图像配准技术研究综述

多模态图像配准能提供比单模态图像配准更加丰富和全面的信息,红外与可见光图像配准作为一种常见的多模态配准类型,在电力、遥感、军事以及人脸识别等领域具有重要的应用价值。首先介绍了红外与可见光图像配准的相关技术并阐述了配准中存在的难点与挑战,然后详细分析和总结了基于区域、基于特征和基于深度学习3种红外与可见光图像配准方法,并分别阐述了不同配准方法的优缺点,之后概述了红外与可见光图像配准技术的实际应用,最后对红外与可见光图像配准未来的发展趋势进行讨论。

红外与可见光图像配准的梯度相关法

将实数域的灰度图像转换到复数域的梯度图像,借鉴SAR图像配准的相干系数法,提出基于梯度相关性的多模态图像配准相似性测度,并通过中波红外和可见光图像的配准试验验证该方法的可行性,为多模态图像配准研究提供新思路。

基于互信息及蚁群算法的红外与可见光图像配准研究

红外与可见光传感器是图像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,能够得到更加丰富的图像信息,并具有更高的可靠性,有利于提高对图像信息的分析和识别能力。快速准确地实现图像配准是图像融合的前提。为此,本文提出了一种基于互信息及蚁群算法实现红外与可见光图像配准的方法。

基于残差密集网络的红外与可见光图像配准

针对难以提取红外与可见光图像中有效特征的问题,提出一种基于残差密集网络的红外与可见光图像配准方法。首先,利用基于残差密集网络设计的特征提取网络来提取图像对的分层特征。其次,利用掩码预测网络产生的掩码来对特征进行加权映射,从而突出图像中的重要特征。最后,这些重要特征通过单应性网络得到变换矩阵,从而实现图像配准。实验结果表明,残差密集网络的引入可提升配准效果,且评估指标ACE提升了21.5%。

基于直线特征的铁路场景红外与可见光图像配准方法研究

列车运行环境状态智能感知是实现铁路列车自主运行控制的基础,而异源图像配准是全天候条件下多源融合感知的前提。本文针对红外与可见光图像多源融合进行铁路全天候环境感知的问题,提出了铁路场景下基于直线特征的红外与可见光图像配准算法。首先利用极向投影法提取图像钢轨直线,然后结合直线特征构建描述符,定义匹配分数公式精确匹配同名直线,实现粗匹配;基于粗匹配产生的候选框提取多方向直线特征进行精匹配;最后根据匹配结果计算模型变换参数完成配准。实验结果表明,该算法计算量小,速度快,配准精度高,为后续的环境感知和目标识别奠定了基础。

基于NSCT域FAST角点检测的电气设备红外与可见光图像配准

针对电气设备在线监测系统中红外与可见光图像配准问题,提出了基于非下采样轮廓波变换(Non-Subsampled Contourlet Transform,NSCT)域改进的加速分割检测特征(Features from Accelerated Segment Test,FAST)提取的图像配准方法。首先采用灰度均衡技术对原始图像进行图像增强;再通过一级NSCT变换得到红外与可见光的低频子带图像;然后对低频子带图像利用FAST角点检测以及局域强度不变特征描述符(Partially Intensity In-variant Feature Descriptor,PIIFD)得到特征描述点对;最后,利用最近邻距离比率法及随机抽样一致性算法(Random Sample Consensus,RANSAC)得到精匹配点对,进而计算仿射变换参数。实验结果表明,相比传统的PIIFD配准算法,该方法的特征点正确匹配率提高了2. 52%,配准均方根误差降低11. 58%。