以實現(xiàn)紅外和可見光圖像精準、快速配準為目標,提出基于深度學(xué)習理論的紅外和可見光圖像配準方法。通過參數(shù)傳輸使紅外參數(shù)預(yù)訓(xùn)練模型與可見光模型的參數(shù)得到共享,賦予紅外預(yù)訓(xùn)練模型目標檢測能力,并利用采集到的紅外圖像數(shù)據(jù)展開模型預(yù)訓(xùn)練,得到深度學(xué)習的紅外目標檢測模型。利用仿射變換處理圖像間的幾何位置差異,運用Partial Hausdorff距離進行相似測度提取圖像特征,最后采用人工免疫網(wǎng)絡(luò)算法搜尋全局最優(yōu)解,實現(xiàn)紅外和可見光圖像配準。實驗結(jié)果表明:該方法可獲取高精度的紅外目標檢測結(jié)果,檢測精度高達92. 8%,并且檢測穩(wěn)定性強,速率快,可有效修正紅外和可見光圖像間的灰度、旋轉(zhuǎn)和平移等差異,具有較高的使用價值。 

【文章來源】：激光雜志. 2020,41(11)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

訓(xùn)練損失值隨迭代次數(shù)的變化曲線

為驗證方法圖像的灰度、旋轉(zhuǎn)以及平移時的配準性能，針對采集到的紅外圖像展開圖像配準實驗。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°。紅外和可見光圖像配準結(jié)果如圖2所示。分析圖2可知，汽車紅外和可見光圖像間的灰度、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，該模型通過參數(shù)傳輸，能夠使紅外參數(shù)預(yù)訓(xùn)練模型與可見光模型的參數(shù)得到共享，賦予紅外預(yù)訓(xùn)練模型目標檢測能力，進而提升圖像配準效果。

【參考文獻】：
期刊論文
[1]紫外成像儀的紫外可見光圖像疊加精確度測試系統(tǒng)[J]. 顧燕,呂揚,楊鋒,郭一亮,趙維駿,朱波,焦國力,孫建寧,李臻,褚祝軍,常樂.  紅外技術(shù). 2019(08)
[2]基于深度圖像的激光點云配準算法[J]. 包竹,謝磊,陸楠楠,常吉亮.  中國航海. 2019(02)
[3]一種基于對稱性邊緣的多光譜圖像配準方法[J]. 李良驥,劉曉華,黃小仙.  半導(dǎo)體光電. 2019(03)
[4]一種放電檢測中紫外和可見光圖像配準方法[J]. 陳錦龍,陳俊全,張旭,吳珂,王興國.  測繪科學(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[J]. 黨欣,馬洪兵.  電子設(shè)計工程. 2019(04)
[6]基于顯著性和ORB的紅外和可見光圖像配準算法[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.  電子測量與儀器學(xué)報. 2019(01)
[8]基于NSCT域FAST角點檢測的電氣設(shè)備紅外與可見光圖像配準[J]. 戴進墩,劉亞東,毛先胤,盛戈皞,江秀臣.  電測與儀表. 2019(01)
[9]基于深度學(xué)習的紅外與可見光決策級融合跟蹤[J]. 唐聰,凌永順,楊華,楊星,同武勤.  激光與光電子學(xué)進展. 2019(07)
[10]基于深度學(xué)習的252Cf源驅(qū)動核材料濃度識別技術(shù)[J]. 陳樂林,魏彪,李鵬程,馮鵬,周密.  強激光與粒子束. 2018(09)



本文編號：3418892