车载红外和可见光图像配准方法

为了提高车辆视觉感知能力,针对交通场景运用提出一种改进的轮廓角方向(contour angle orientation,CAO)算法用于实现红外与可见光图像配准。通过模拟不同的交通场景,对成熟算法进行性能检测对比,选出CAO算法这一优势算法,并对其粗匹配参数和图像预处理图像缩放程序做了改进。实验表明,改进后的CAO算法细匹配更精准,马赛克拼接图拼接处衔接更加自然,线条更加顺滑,效果更好。与原来CAO算法相比,改进后的算法均方根误差值RMSE下降3.29%,查准率Precision提高2.13%,平均运算耗时减少0.11s,在配准精度和配准实时性方面均证明了算法的改进效果。

基于机器视觉技术的红外与可见光人脸图像配准

为解决某些环境图像中人脸轮廓模糊,人脸面部特征单一问题,提出基于机器视觉技术的红外与可见光人脸图像配准方法。采集红外与可见光人脸图像,对其进行直方图均衡化处理,采用Canny边缘算子方法提取人脸图像轮廓,并依据轮廓的梯度大小以及方向特征实现红外与可见光人脸图像配准。实结果表明:该方法可有效提升红外与可见光人脸图像的配准度,在无遮挡时配准度数值为0.961,在遮挡10%和20%时,配准度数值分别为0.949和0.944,由此说明该方法应用效果较为显著。

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。

基于几何约束下区域搜索的红外可见光双目配准算法

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。

基于结构信息的可见光和SAR图像两阶段配准方法

针对可见光和合成孔径雷达(synthetic aperture radar,SAR)图像配准中存在的配准精度低和非线性辐射差异问题,提出了一种新的基于结构信息的可见光和SAR图像两阶段配准算法。在粗配准阶段,利用改进的最大自不相似性检测器(maximal self-dissimilarity detector,MSD)分别检测可见光和SAR图像中的特征点,基于图像局部自相似性提取图像结构信息构建最大自相似性索引图,利用最近邻与次近邻之比和快速抽样一致性识别正确匹配点对,估计变换模型。在精配准阶段,分别建立可见光和SAR图像的像素化结构特征表示,在可见光图像中以特征点为中心选取模板窗口,利用变换模型估计SAR图像中相对应的搜索区域,采用欧氏距离作为模板匹配的相似性度量,并利用快速傅里叶变换(fast Fourier transform,FFT)加速计算模板匹配过程。在9对真实可见光和SAR图像上的实验结果表明,该算法在可见光和SAR图像配准方面具有明显优势。较RIFT、HAPCG、OSS、LNIFT和ASS算法,正确匹配数(number of correct matches,NCM)分别提高了7.95、10.86、29.32、14.75和9.84倍,定位精度分别提高了0.44、0.42、0.35、0.41和0.40 pixel。

基于红外图像配准的建筑夜景照明设备故障检测

当前的建筑夜景照明设备故障检测一般是针对固定的检测目标进行处理,检测效率低,检测精度及效率等较差。提出基于红外图像配准的建筑夜景照明设备故障检测方法,根据实际的检测需求及标准,进行照明设备红外图像采集与预处理,结合SIFT算法实现故障检测特征的提取,以提高检测效率。以此为基础,进行欧氏距离的计算,并通过RANSAC算法实现特征点的配准,最终完成故障检测。

电力行业无人机巡检可见光图像与激光点云数据配准方法研究

当前,电力行业为了提高输变电专业日常巡检的密度和精度,同时大幅降低输变电设备运维的人力成本,无人机技术被广泛引入到日常巡检业务中,通过无人机机载可见光成像设备和激光雷达设备获得了大量输变电设备可见光图像和激光点云数据。针对二维可见光图像数据深度信息丢失和三维点云数据智能识别障碍的问题,本文提出了一种可见光图像数据与激光点云数据的配准方法,即通过人工选取部分特征点的三维点云和二维像素点对数据,通过奇异值分解(SVD)方法求解出了关联三维世界坐标与二维像素坐标的参数矩阵T,验证结果表明经过上述矩阵T投影变换的二维特征点与其对应三维特征点吻合度较高,具备较好的配准精确度,基于此配准关系可实现输变电巡检点云数据与可见光数据的融合应用。

分时型长波红外偏振成像系统图像配准研究

针对分时型长波红外偏振成像系统在图像采集过程中,由于在不同偏振方向获得的原始图像存在平移或者旋转的问题,使用自行搭建的分时型长波红外偏振成像系统拍摄的2组不同复杂程度场景图像作为实验对象,利用3种经典的特征检测算法(Harris角点、尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)和KAZE)和2种匹配器(Brute Force和Flann)进行图像配准实验。结果表明:KAZE算法检测出的特征点数比Harris和SIFT算法少,但与Brute Force匹配器搭配时的配准正确率分别为79.58%和59.53%,远大于Harris和SIFT算法的配准正确率;KAZE与Brute Force组合作为偏振成像系统的图像配准算法时,配准后的图像中物体的几何形状和边缘轮廓更加清晰,很好地减少了像素偏差带来的影响。

基于SURF-HOG与显著性特征的红外可见光图像配准融合

针对现有红外与可见光图像配准不精确,边缘及细节纹理缺失,融合时间较长,不能突出重点目标等不足,提出一种基于SURF-HOG描述符与红外显著性特征的红外与可见光图像融合方法。首先,在红外与可见光图像配准阶段,在SURF(Speed-Up Robust Features,SURF)框架内构建基于HOG(Histogram of Oriented Gradient,HOG)的特征点描述符,并通过NNDR(Nearest Neighbor Distance Ratio,NNDR)进行红外与可见光图像的特征点匹配;其次,在显著特征提取阶段,先通过四叉树算法对源红外图像分解,然后通过贝塞尔插值法重建红外图像背景,接着分别对红外图像中的背景及目标进行自适应抑制以提取目标红外显著性特征;最后,结合已配准的可见光图像与重建后的红外图像以获取最终融合结果。实验结果表明,所提方法对不同场景下的红外与可见光图像具有较高的配准精度,不同场景下的融合结果不但主观视觉上具有显著的目标特征,同时背景纹理和边缘细节清晰,整体对比度适宜,运行时间最短,并且在客观评价指标上也取得了较好的效果。

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。

基于sMLD特征的远红外航空图像配准算法

航空场景下的远红外图像迫切需要准确、鲁棒、快速的特征描述与自动配准方法。由于已有的多重线型描述符MLD特征存在“特征孤岛”和“尺度变换受限”的问题,因此针对远红外航空图像的配准问题,文章提出了一种聚合特征点以及线型描述符分段统计的特征描述方式,即sMLD特征。结合sMLD特征相互连接构成网状拓扑结构的特性,还提出了一种由粗到细的分支加速匹配算法RF-BA。其中,RF-BA粗匹配充分利用拓扑图的结构,通过局部寻优算法提高匹配的效率。RF-BA精匹配利用最小外接凸四边形原则和GMS校验原则,提升配准精度。实验结果表明,与已有的几种代表性配准方法相比,所提方法在配准精度和时间开销方面均具有更好的性能。

可见光与红外图像联合口罩佩戴检测研究

为缓解疫情期间口罩佩戴检测工作压力,降低检测环节运算负担,提出一种轻量化的可见光与红外图像联合口罩佩戴检测方法。首先,提出了一种基于可见光图像颜色通道选择的人脸检测算法,能够有效减弱光照亮度对检测的影响;然后,提出一种基于边缘结构相似度的可见光图像与红外图像匹配算法,在红外图像上搜索与可见光图像人脸匹配的人脸区域;最后,采用相关滤波检测器在红外图像上判断口罩佩戴情况。为测试方法性能,创建了可见光/红外图像口罩佩戴检测数据集。与5种可见光图像口罩检测算法的对比结果表明,提出的方法具有较高的准确率和召回率。

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。

一种从粗到精的红外和可见光卫星图像配准方法

气象卫星所携带的多种传感器可以获得可见光、红外、多光谱等多模态的卫星图像,目前处理这些多模态图像的一个重要手段是数据融合分析方法,而获取不同模态图像空间对应关系的图像配准是数据融合分析的前提和基础。针对多模态气象卫星图像的配准问题,重点研究红外图像和可见光图像的配准问题,并根据红外图像和可见光图像的特点,提出了一种由粗到精的两阶段配准方法。在粗配准阶段,将FourierMellin变换应用于红外和可见光图像的边缘图像上,并通过变换图像在频域的关系实现了图像配准仿射变换参数的快速计算;在精配准阶段,基于图像的Harris算子检测红外图像和可见光图像的特征点,并通过特征点局部区域的互相关函数实现特征点的匹配,最终通过匹配特征点求得精确配准的变换参数。文章提出的由粗到精的图像配准方法,有效结合了Fourier-Mellin变换对边缘图像配准的高效性和Harris算子图像配准的准确性,是红外和可见光图像配准的一种新方法。利用FY-2D气象卫星获取的红外和可见光图像进行了配准实验,实验结果表明所提出的方法具有良好的鲁棒性和较高的配准精度。

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。

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。

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Co-motion的可见光-热红外图像序列自动配准算法

提出了一种基于Co-motion的可见光-热红外图像序列自动配准方法,引入Co-motion运动统计特征来解决异源图像序列配准问题,从而避开了异源图像相似图像特征提取和精确运动检测的难题.由于可见光和热红外成像机理不同,在运用运动统计特征时,会面临与同源配准不同的诸多问题,如难以提取相似前景、大量外点干扰和易受大尺度变化的影响等.本文通过对所面临难题的分析,提出了适合于异源图像序列配准的同名点对选取方法和外点去除方法,并精确迭代优化变换模型.对俄亥俄州大学红外-可见光数据库和自建数据库共8组数据的实验分析结果表明,该算法在大尺度、旋转、平移及视场角变化下均能精确配准.