本文選題：自適應特征點檢測 + 可見—紅外圖像配準　； 參考：《中國圖象圖形學報》2017年02期

【摘要】：目的針對可見—紅外圖像之間配準點的數(shù)量不足、分布嚴重不均勻以及配準點之間的錯配率高這3個核心問題,提出一種基于自適應特征點檢測的可見—紅外圖像配準方法。方法本文提出的自適應特征點檢測方法,以Harris corner作為基本特征點;以特征點數(shù)目與空間分布為檢測目標,從而自動地估計合適不同空間位置的特征點的檢測閾值。在特征點對匹配中,將梯度方向與互信息相融合有效地添加了相似性函數(shù)的空間位置信息。結果自適應Harris corner檢測方法能夠有效地提供空間分布均勻、數(shù)量充足的特征點。而梯度方向與互信息相融合的相似性匹配函數(shù)提高特征點的匹配率20%,降低配準誤差50%。結論本文提出的多傳感器圖像配準方法能夠快速、準確地實現(xiàn)可見光圖像與紅外圖像之間的配準,在CCD-IR圖像融合領域具有很好的實用價值。
[Abstract]:Aim to solve the three core problems such as insufficient number of matching points between visible and infrared images, serious uneven distribution and high mismatch rate between the matching points, a new method for registration of visible infrared images based on adaptive feature point detection is proposed. Methods the adaptive feature point detection method proposed in this paper takes Harris corner as the basic feature point and the number and spatial distribution of the feature point as the detection target, thus automatically estimating the detection threshold of the suitable feature points at different spatial positions. In feature pair matching, the spatial position information of similarity function is effectively added by combining gradient direction with mutual information. Results the adaptive Harris corner detection method can effectively provide a uniform spatial distribution and sufficient number of feature points. The similarity matching function with the fusion of gradient direction and mutual information can improve the matching rate of feature points by 20 and reduce the registration error by 50 percent. Conclusion the multi-sensor image registration method proposed in this paper can realize the registration between visible and infrared images quickly and accurately, and has a good practical value in the field of CCD-IR image fusion.
【作者單位】： 南通大學交通學院;
【基金】：國家自然科學基金青年項目(61503201) 江蘇省自然科學基金項目(BK20161280) 教育部人文社科項目(16YJCZH086)~~
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 閆鑌;謝易辰;陳文民;陳健;管民;;體數(shù)據(jù)特征點檢測算法綜述[J];CT理論與應用研究;2014年01期

2 賈靜平,趙榮椿,江澤濤;一種新的用于圖像穩(wěn)定的特征點檢測方法[J];中國體視學與圖像分析;2005年01期

3 黃瓊丹;;一種基于輪廓分析的圖像特征點檢測方法[J];微計算機信息;2009年25期

4 尹方平;阮邦志;;基于谷算子的人眼特征點檢測方法[J];計算機應用研究;2006年08期

5 王麗輝;袁保宗;;三維散亂點云模型的特征點檢測[J];信號處理;2011年06期

6 尹建芹;王晶晶;李金屏;;新的時空特征點檢測方法[J];吉林大學學報(工學版);2012年03期

7 路燕;李德信;舒德華;邊培瑩;;基于視覺的物體特征點檢測算法研究[J];液壓與氣動;2009年03期

8 王立中;麻碩士;薛河儒;侯振杰;;奶牛形體圖像處理中尺度不變特征變換特征點檢測與匹配策略的應用[J];安徽農(nóng)業(yè)大學學報;2010年03期

9 李原福;王學明;段金輝;;基于特征點檢測的重疊圖像拼接算法[J];吉林大學學報(信息科學版);2010年06期

10 徐賢鋒;檀結慶;;一種改進的多尺度Harris特征點檢測方法[J];計算機工程;2012年17期

相關會議論文 前1條

1 賈靜平;趙榮椿;;一種適于圖像穩(wěn)定的特征點檢測方法[A];信號與信息處理技術第三屆信號與信息處理全國聯(lián)合學術會議論文集[C];2004年

相關博士學位論文 前1條

1 王立中;基于機器視覺的奶牛體型評定中的關鍵技術研究[D];內(nèi)蒙古農(nóng)業(yè)大學;2009年

相關碩士學位論文 前10條

1 毛晨;基于透鏡陣列的數(shù)字三維集成成像重構[D];南京理工大學;2015年

2 朱超;多視圖三維重建中特征點檢測并行化研究[D];寧夏大學;2015年

3 李夢雯;一種基于特征點檢測的跨場景眼鏡檢索方法[D];浙江大學;2015年

4 江偉;人臉面部特征點檢測及其在視頻監(jiān)控中的應用[D];上海大學;2015年

5 李璐;基于顯著性分割的圖像分類算法研究[D];山西大學;2015年

6 朱少何;數(shù)字圖像特征點檢測算法的研究[D];合肥工業(yè)大學;2014年

7 謝雨寧;融合形態(tài)學與特征點檢測的建筑物自動三維重建關鍵技術研究[D];東南大學;2016年

8 張金芳;多視圖人臉圖像特征點檢測與匹配方法研究[D];西北大學;2016年

9 李冰;基于監(jiān)督學習的圖像局部特征點檢測子研究[D];上海交通大學;2012年

10 周寶富;基于特征點檢測的圖像拼接算法研究[D];中山大學;2014年

，

本文編號：1984448