本文選題：圖像配準 + 紅外圖像��； 參考：《光學(xué)精密工程》2016年11期

【摘要】：為了實現(xiàn)紅外圖像與可見光圖像的信息融合,彌補單一模態(tài)圖像的不足,提出了一種基于顯著性分析與改進的邊緣方向直方圖EOH(Edge Orientation Histogram)特征的紅外與可見光圖像配準算法。該算法首先利用顯著性分析技術(shù)找到可見光圖像中的重要信息,得到顯著性圖;將其與可見光圖像融合,實現(xiàn)可見光圖像中重要信息的劃分。然后,利用自適應(yīng)FAST(Features from Accelerated Segment Test)算法,探測可見光與紅外圖像上的特征點;利用改進的EOH,描述特征點。最后,根據(jù)描述計算特征點的相似性,在可見光與紅外圖像上找出對應(yīng)的特征點,實現(xiàn)紅外與可見光圖像的匹配。在3種不同情況下對紅外與可見光圖像數(shù)據(jù)進行了配準實驗。結(jié)果表明:在紅外圖像與可見光圖像采集條件相似情況下,特征點正確匹配率為96.55%,而在圖像采集條件差異較大的情況下,特征點正確匹配率可達74.21%。該算法可實現(xiàn)紅外與可見光圖像的精確快速匹配,即使紅外圖像與可見光圖像采集的角度與位置均存在較大差異的情況下,仍可以滿足紅外與可見光圖像匹配對精度和穩(wěn)定性的要求。
[Abstract]:In order to realize the information fusion between infrared image and visible image and to make up for the deficiency of single mode image, a registration algorithm of infrared and visible light image based on the feature of edge direction histogram (EOH) and edge direction histogram (EOHZ) is proposed. The algorithm firstly finds the important information in the visible image by using the saliency analysis technique, and obtains the salient image, and fuses it with the visible light image to realize the partition of the important information in the visible light image. Then, the feature points in the visible and infrared images are detected by the adaptive FASTX Features from Accelerated Segment Test algorithm, and the feature points are described by the improved EOH algorithm. Finally, according to the similarity of the feature points described, the corresponding feature points are found on the visible and infrared images, and the matching between infrared and visible images is realized. The registration experiments of infrared and visible image data were carried out in three different cases. The results show that the correct matching rate of feature points is 96.55 when the acquisition conditions of infrared images are similar to those of visible images, but the correct matching rate of feature points can reach 74.21 when the image acquisition conditions are quite different. The algorithm can match infrared and visible images accurately and quickly, even if the angle and position of infrared and visible images are different. It can still meet the accuracy and stability requirements of infrared and visible image matching.
【作者單位】： 武漢大學(xué)測繪遙感信息工程國家重點實驗室;北京市混合現(xiàn)實與新型顯示工程技術(shù)研究中心北京理工大學(xué)光電學(xué)院;國家質(zhì)量監(jiān)督檢驗檢疫總局信息中心;
【基金】：中國博士后科學(xué)基金資助項目(No.2015M580962)
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 柳慶武;胡曉惠;袁麟;;深空可見光圖像中弱小運動目標實時檢測[J];電子學(xué)報;2009年07期

2 李鋼;王雷;張仁斌;;基于特征能量加權(quán)的紅外與可見光圖像融合[J];光電工程;2010年03期

3 張彬;許廷發(fā);黃光華;倪國強;;基于小波框架的紅外/可見光圖像融合[J];光學(xué)技術(shù);2007年03期

4 葉傳奇;王寶樹;苗啟廣;;一種基于區(qū)域特性的紅外與可見光圖像融合算法[J];光子學(xué)報;2009年06期

5 劉斌;劉維杰;彭嘉雄;;采用三通道不可分對稱小波的紅外與可見光圖像融合[J];紅外與激光工程;2011年05期

6 馬東輝;薛群;柴奇;任彪;;基于圖像信息的紅外與可見光圖像融合方法研究[J];紅外與激光工程;2011年06期

7 劉中杰;曹云峰;莊麗葵;丁萌;;基于控制線方法的機載SAR和可見光圖像匹配應(yīng)用研究[J];航空學(xué)報;2013年09期

8 何國棟;石建平;馮友宏;謝小娟;楊凌云;;一種新的紅外與可見光圖像融合算法[J];傳感器與微系統(tǒng);2014年04期

9 何國棟;石建平;馮友宏;謝小娟;楊凌云;;基于壓縮感知的紅外與可見光圖像融合算法[J];激光與紅外;2014年05期

10 劉衛(wèi)光,周利華;一種塔形分解的紅外與可見光圖像融合方法[J];紅外技術(shù);2004年04期

相關(guān)會議論文 前8條

1 李娜;高宏霞;劉勝文;;地面景物紅外可見光圖像差異性研究[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

2 羅志榮;趙紅怡;;一種基于結(jié)構(gòu)的紅外與可見光圖像配準方法[A];第二十四屆中國(天津)2010’IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2010年

3 余萍;張曉芬;;基于變分模型的紅外/可見光圖像配準方法研究[A];2009全國虛擬儀器大會論文集（二）[C];2009年

4 羅志榮;孫晶;;紅外與可見光圖像的邊緣融合[A];第二十四屆中國(天津)2010’IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2010年

5 趙云豐;付冬梅;尹怡欣;王嘉;;基于人工免疫的紅外與可見光圖像配準方法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

6 陳磊;楊風(fēng)暴;王志社;紀利娥;;面向目標識別的SAR與可見光圖像融合算法[A];第十三屆中國體視學(xué)與圖像分析學(xué)術(shù)會議論文集[C];2013年

7 胡謀法;李超;王書宏;韓建濤;陳曾平;;可見光圖像背景灰度特性:雙高斯混合分布模型[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

8 蔣宏;任章;;紅外與可見光圖像配準和融合中的關(guān)鍵技術(shù)[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

相關(guān)博士學(xué)位論文 前6條

1 喬鐵柱;輸送帶縱向撕裂可見光與紅外雙目視覺在線檢測系統(tǒng)研究[D];太原理工大學(xué);2015年

2 趙振兵;電氣設(shè)備紅外與可見光圖像的配準方法研究[D];華北電力大學(xué)（河北）;2009年

3 周渝人;紅外與可見光圖像融合算法研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機械與物理研究所);2014年

4 宋懷波;低質(zhì)量可見光圖像的處理技術(shù)和識別方法研究[D];山東大學(xué);2009年

5 吳迪;可見光圖像視覺顯著物體探測及畸變不變光學(xué)相關(guān)識別[D];哈爾濱工業(yè)大學(xué);2013年

6 陳文;基于可見光和紅外熱像儀的雙目視覺運動目標跟蹤[D];南京航空航天大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 李杰;可見光/近紅外人臉識別方法的研究與實現(xiàn)[D];北京交通大學(xué);2016年

2 邱純;基于可見光的近紅外場景仿真研究[D];北京理工大學(xué);2016年

3 盧國梁;低質(zhì)量可見光圖像的處理技術(shù)研究[D];山東大學(xué);2009年

4 桑高麗;紅外與可見光圖像融合方法研究[D];廣西民族大學(xué);2012年

5 陳潔;紅外與可見光圖像融合算法研究[D];華中科技大學(xué);2013年

6 葛小青;紅外與可見光圖像融合的研究[D];重慶大學(xué);2010年

7 張芳芳;紅外和可見光圖像融合算法的研究[D];河南科技大學(xué);2011年

8 楊龍;紅外熱像和可見光圖像融合[D];安徽大學(xué);2012年

9 陳少華;基于紅外與可見光圖像融合的目標跟蹤[D];南京航空航天大學(xué);2012年

10 韓博;手持式紅外與可見光圖像融合系統(tǒng)研究[D];南京理工大學(xué);2014年

，

本文編號：2004082