以實(shí)現(xiàn)紅外和可見(jiàn)光圖像精準(zhǔn)、快速配準(zhǔn)為目標(biāo),提出基于深度學(xué)習(xí)理論的紅外和可見(jiàn)光圖像配準(zhǔn)方法。通過(guò)參數(shù)傳輸使紅外參數(shù)預(yù)訓(xùn)練模型與可見(jiàn)光模型的參數(shù)得到共享,賦予紅外預(yù)訓(xùn)練模型目標(biāo)檢測(cè)能力,并利用采集到的紅外圖像數(shù)據(jù)展開(kāi)模型預(yù)訓(xùn)練,得到深度學(xué)習(xí)的紅外目標(biāo)檢測(cè)模型。利用仿射變換處理圖像間的幾何位置差異,運(yùn)用Partial Hausdorff距離進(jìn)行相似測(cè)度提取圖像特征,最后采用人工免疫網(wǎng)絡(luò)算法搜尋全局最優(yōu)解,實(shí)現(xiàn)紅外和可見(jiàn)光圖像配準(zhǔn)。實(shí)驗(yàn)結(jié)果表明:該方法可獲取高精度的紅外目標(biāo)檢測(cè)結(jié)果,檢測(cè)精度高達(dá)92. 8%,并且檢測(cè)穩(wěn)定性強(qiáng),速率快,可有效修正紅外和可見(jiàn)光圖像間的灰度、旋轉(zhuǎn)和平移等差異,具有較高的使用價(jià)值。 

【文章來(lái)源】：激光雜志. 2020,41(11)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

訓(xùn)練損失值隨迭代次數(shù)的變化曲線

為驗(yàn)證方法圖像的灰度、旋轉(zhuǎn)以及平移時(shí)的配準(zhǔn)性能，針對(duì)采集到的紅外圖像展開(kāi)圖像配準(zhǔn)實(shí)驗(yàn)。設(shè)定汽車圖像間水平、垂直方向的偏移量分別為30.8和-22.8，縮放比例因子為1.05，旋轉(zhuǎn)角度為16°。紅外和可見(jiàn)光圖像配準(zhǔn)結(jié)果如圖2所示。分析圖2可知，汽車紅外和可見(jiàn)光圖像間的灰度、旋轉(zhuǎn)和平移等差異因素得到了有效地修正，配準(zhǔn)效果較好。這是由于該方法構(gòu)建了參數(shù)傳遞模型，該模型通過(guò)參數(shù)傳輸，能夠使紅外參數(shù)預(yù)訓(xùn)練模型與可見(jiàn)光模型的參數(shù)得到共享，賦予紅外預(yù)訓(xùn)練模型目標(biāo)檢測(cè)能力，進(jìn)而提升圖像配準(zhǔn)效果。

【參考文獻(xiàn)】：
期刊論文
[1]紫外成像儀的紫外可見(jiàn)光圖像疊加精確度測(cè)試系統(tǒng)[J]. 顧燕,呂揚(yáng),楊鋒,郭一亮,趙維駿,朱波,焦國(guó)力,孫建寧,李臻,褚祝軍,常樂(lè).  紅外技術(shù). 2019(08)
[2]基于深度圖像的激光點(diǎn)云配準(zhǔn)算法[J]. 包竹,謝磊,陸楠楠,常吉亮.  中國(guó)航海. 2019(02)
[3]一種基于對(duì)稱性邊緣的多光譜圖像配準(zhǔn)方法[J]. 李良驥,劉曉華,黃小仙.  半導(dǎo)體光電. 2019(03)
[4]一種放電檢測(cè)中紫外和可見(jiàn)光圖像配準(zhǔn)方法[J]. 陳錦龍,陳俊全,張旭,吳珂,王興國(guó).  測(cè)繪科學(xué). 2019(08)
[5]基于閉合區(qū)域特征的光學(xué)和SAR遙感圖像配準(zhǔn)[J]. 黨欣,馬洪兵.  電子設(shè)計(jì)工程. 2019(04)
[6]基于顯著性和ORB的紅外和可見(jiàn)光圖像配準(zhǔn)算法[J]. 江澤濤,劉小艷,王琦.  激光與紅外. 2019(02)
[7]基于混沌Gyrator變換與矩陣分解的光學(xué)圖像加密算法[J]. 程寧,王茜娟.  電子測(cè)量與儀器學(xué)報(bào). 2019(01)
[8]基于NSCT域FAST角點(diǎn)檢測(cè)的電氣設(shè)備紅外與可見(jiàn)光圖像配準(zhǔn)[J]. 戴進(jìn)墩,劉亞?wèn)|,毛先胤,盛戈皞,江秀臣.  電測(cè)與儀表. 2019(01)
[9]基于深度學(xué)習(xí)的紅外與可見(jiàn)光決策級(jí)融合跟蹤[J]. 唐聰,凌永順,楊華,楊星,同武勤.  激光與光電子學(xué)進(jìn)展. 2019(07)
[10]基于深度學(xué)習(xí)的252Cf源驅(qū)動(dòng)核材料濃度識(shí)別技術(shù)[J]. 陳樂(lè)林,魏彪,李鵬程,馮鵬,周密.  強(qiáng)激光與粒子束. 2018(09)



本文編號(hào)：3418892