發(fā)布時(shí)間：2021-12-18 07:52

　　紅外圖像與可見光圖像記錄著地物的不同屬性信息,兩者融合能夠優(yōu)勢(shì)互補(bǔ),彌補(bǔ)單一數(shù)據(jù)源信息的不足。然而由于兩者成像原理不同,熱紅外傳感器與可見光傳感器對(duì)同一場(chǎng)景獲取的圖像灰度差異較大,二者圖像誤匹配多,融合難度大。本文在分析紅外與可見光圖像共有特征的基礎(chǔ)上,提出了一種基于SIFT與ORB特征檢測(cè)的匹配方法,利用SIFT算子與ORB算子同時(shí)進(jìn)行特征點(diǎn)檢測(cè),先基于RANSAC對(duì)SIFT匹配得到的同名點(diǎn)進(jìn)行篩選,同時(shí)結(jié)合最近鄰比次近鄰算法獲取ORB匹配點(diǎn),再利用SIFT匹配點(diǎn)對(duì)ORB匹配點(diǎn)進(jìn)行距離和角度的幾何約束進(jìn)一步剔除誤匹配,最終得到特征點(diǎn)分布均勻、可靠度更高的匹配結(jié)果,解決因灰度差異較大產(chǎn)生的匹配效果不佳的問(wèn)題。利用4組紅外與可見光圖像進(jìn)行實(shí)驗(yàn),結(jié)果表明,本文算法特征點(diǎn)正確匹配數(shù)量相較于SIFT分別提高了約3.7倍、3.2倍、3.6倍、3倍,大幅地提高了紅外與可見光圖像的匹配數(shù)量,為兩者間的匹配提供了一種有效的方法。 

【文章來(lái)源】：紅外技術(shù). 2020,42(02)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于顯著性和ORB的紅外和可見光圖像配準(zhǔn)算法[J]. 江澤濤,劉小艷,王琦.  激光與紅外. 2019(02)
[2]基于直線段上下文的紅外與可見光圖像匹配[J]. 張亞紅,夏仁波.  科學(xué)技術(shù)與工程. 2015(12)
[3]可見光和紅外反相圖像的SURF特征雙向匹配[J]. 紀(jì)利娥,楊風(fēng)暴,王志社,陳磊.  光電工程. 2014(05)
[4]基于CSS角點(diǎn)提取的紅外與可見光圖像匹配算法[J]. 朱英宏,李俊山,湯雨.  系統(tǒng)工程與電子技術(shù). 2011(11)
[5]基于改進(jìn)SIFT特征的紅外與可見光圖像配準(zhǔn)方法[J]. 趙明,林長(zhǎng)青.  光電工程. 2011(09)
[6]基于邊緣和互信息的紅外與可見光圖像配準(zhǔn)[J]. 孫雅琳,王菲.  電子科技. 2010(04)
[7]利用模糊形狀上下文關(guān)系的紅外與可見光圖像匹配方法[J]. 曹治國(guó),鄢睿丞,宋喆.  紅外與激光工程. 2008(06)



本文編號(hào)：3541954