一种基于红外热成像系统的红外全景图的生成方法技术方案

本发明专利技术公开了一种基于红外热成像系统的红外全景图的生成方法。首先对图像进行去噪，变换坐标等预处理工作，之后运用与尺度空间相结合的fast算子来提取特征点，然后利用改进的sift特征描述符生成特征点描述子，利用距离比值法对两幅图的特征点进行粗匹配，之后用随机抽样一致性算法（RANSAC）对匹配点在进一步的精确化，得到两幅图之间的变换矩阵，将待匹配图变换到基准图的坐标下之后，再用渐入渐出的加权平均法进行图像融合，完成两幅图的拼接。本发明专利技术提供的红外全景图解决了以往红外热像仪视角窄的问题，在电力，遥感，医学，农业，林业方面有着广阔的前景和应用。

【技术实现步骤摘要】
一种基于红外热成像系统的红外全景图的生成方法
本专利技术涉及图像处理与机器视觉领域，特别是一种基于红外热成像系统的红外全景图的生成方法。
技术介绍
任何温度高于绝对零度的物体都会电磁波的形式向外辐射能量。在辐射能所包括得各种波长中，波长范围在0.76到1000微米之间的称为红外光波。根据普朗克黑体辐射定律，我们可以得出，物体的辐射能力随温度的升高而升高，并对着温度的升高，辐射波长向短波方向移动。又由斯蒂芬一玻尔兹曼定律可知，只要当温度有较小变化时，就会引起物体发射的辐射功率很大变化。正是因为红外线辐射的能量跟温度成正比，所以，在一定程度上，物体辐射能量的多少也反映了物体的温度大小。红外热成像系统的基本原理就是：热成像系统的镜头接受红外线，并利用其内部的光电转换装置生成红外热图。这样，不同物体的不同温度信息就能够很好的被反映到红外热图中去。随着制造业与国防工业的迅速发展，红外热成像技术越来越受到人们的重视。由于热成像所用的波段为红外波段，所以它具有很强的穿透性，并且受光照的影响小，它能够在黑夜，雨雪天，雾霾天等极端的天气条件下成像。正是由于这些优点，红外热成像技术被广泛的应用到了安防，军事，遥感，电力等行业，特别是在一些条件恶劣的极端环境下。人们可以对所需要的目标采集红外热图，通过一系列的判断准则来对需要检测的目标采取相应的措施以达到检测目的。但是，尽管红外热成像技术发展十分迅速并具有良好的前景，但是，与可见光图像相比，红外热成像的分辨率特别低。这是由于红外热像仪通常是长波成像，使得采集的信息缺少细节。不仅红外热图的分辨率低于可见光图像，并且红外热像仪的视角还比较窄，通常情况下，当所需要检测的物体偏大的时候，红外热像仪只能对物体进行部分成像，这样会给后续的处理工作带来很大的不便。所以，为了获得宽视角，高分辨的红外热图，本专利技术提供了一种自动的生成红外全景图的方法。全景图技术最早提出是在1965年的IFIP国际会议上，当时由计算机图像视觉的创始人IvanSutherland提出了名为“TheUltimateDisplay”的研究性课题，此课题一经提出，就引起了各国科研工作者的广泛关注。全景图的拼接主要包括图像配准与图像融合，而图像的配准通常是在第一步也是最重要的一步，因为配准的结果的好坏直接决定了拼接是否成功。早期的图像配准主要是以图像的灰度信息和傅里叶变换为基础的，因此有基于灰度的配准和相位相关法等方法。后期又提出了基于角点检测的图像配准，方法是先提取出待配准图像的角点并对角点特征进行描述，然后利用相应的匹配准则来判断正确的匹配点，并根据正确的匹配点计算出两幅图之间的几何变换关系进而完成拼接。这种方法相对计算量小并且准确性高。近些年来，有不少国外知名科学家相继提出了不同的角点检测算子，其中，比较常用的角点提取算子有：Forstner算子，Moravec算子，Harris算子，sift算子，surf算子，fast算子等，而角点的匹配一般采用欧式距离进行匹配。近些年来，有不少人都致力于图像拼接的研究，并在可见光的拼接工作上取得了一定的成就，但拼接的速度和准确度还有待提高。红外图像的拼接和可见光类似，但又区别与可见光，红外图像一般分辨率比较低，物体特征不太明显，所以红外图像的拼接就相对可见光难一些，这与红外成像设备有着很大的关系。由上可知，现有技术中尚无一种很好的基于红外热成像系统的红外全景图的生成方法。
技术实现思路
本专利技术提供了一种基于红外热成像系统的红外全景图的生成方法。实现本专利技术目的的技术解决方案为：一种基于红外热成像系统的红外全景图的生成方法，包括以下步骤：步骤1、选取两幅具有重叠区域的图，其中一张为基准图，另一张为待匹配图，之后分别对两幅图像进行预处理，所述预处理包括噪声平滑和柱面坐标投影；步骤2、分别对基准图和待匹配图进行特征点的提取，并进行特征点描述子的生成；步骤3、对基准图和待匹配图进行粗匹配和精匹配，并得到从待匹配图变换到基准图坐标系下的变换矩阵H，其中H为3*3矩阵；步骤4、重新确定两幅具有重叠区域图的顺序，并确定基准图和待匹配图；步骤5、将待匹配图变换到基准图坐标系，并利用渐入渐出的加权平均法进行图像融合，从而完成红外全景图的生成。本专利技术与现有专利技术相比，其显著优点为：(1)本专利技术利用了结合尺度空间的fast角点检测和特征点描述子的生成的方法，在提高计算速度的同时也使提取出的角点具有尺度不变性和旋转不变性。(2)本专利技术能够自动的判断图像的左右顺序，不需要我们指定输入图像的顺序就自动的对图像进行拼接(3)本专利技术具有很高的精度，能够基本消除拼接缝隙，使得到的全景图能够更加自然(4)本专利技术提供的红外全景图解决了以往红外热像仪视角窄的问题，在电力，遥感，医学，农业，林业方面有着广阔的前景和应用。附图说明图1是红外全景图生成系统的整体结示意图。图2是图像拼接的具体实现过程示意图。图3是特征点提取与描述子生成的过程示意图。图4是红外热像仪采集的左图，即基准图。图5是红外热像仪采集的右图，即待匹配图。图6是待匹配图变换到基准图坐标系下的图。图7是生成的红外全景图。具体实施方式结合图1，本专利技术的一种基于红外热成像系统的红外全景图的生成方法，包括以下步骤：步骤1、选取两幅具有重叠区域的图，其中一张为基准图，另一张为待匹配图，之后分别对两幅图像进行预处理，所述预处理包括噪声平滑和柱面坐标投影；步骤2、分别对基准图和待匹配图进行特征点的提取，并进行特征点描述子的生成；对基准图和待匹配图进行特征点的提取采用了结合尺度空间的fast角点的提取方法，具体为：通过高斯滤波和图像的降采样生成高斯金字塔，在不同尺度的金字塔图像上分别检测fast角点，使检测出的角点具有尺度的信息；所述通过高斯滤波和图像的降采样生成的高斯金字塔一共有n层，其中n的计算方法如下：n＝log2(min(H，W))-2每层图像的尺度为：其中，o表示该层图像所在的层数，大小范围从0到o-1，σ0为初始尺度，H代表图像的高度，W代表图像的宽度。进行特征点描述子的生成具体是利用圆形邻域生成类sift的特征点描述子，从而使特征点描述子具有旋转不变性，具体为：步骤2-1、以特征点为中心，8个像素为半径建立圆形邻域；步骤2-2、把步骤2-1生成的圆形领域分为4个同心圆环，这4个圆环的半径分别为3,2,2,1，表明离特征点越近所占的权重越大；步骤2-3、计算每个圆环中像素的梯度值和方向，并将360度分成12个方向，每隔30度统计一下梯度模值，并按照梯度模值由小到大的顺序排列，生成4*12＝48维向量的描述子。步骤3、对基准图和待匹配图进行粗匹配和精匹配，并得到从待匹配图变换到基准图坐标系下的变换矩阵H，其中H为3*3矩阵；步骤4、重新确定两幅具有重叠区域图的顺序，并确定基准图和待匹配图；具体为：若图像采集方式为左右采集，则先以基准图作为左图，计算待匹配图在基准图坐标系下的四个角的坐标，如果算出的待匹配图的四个点的坐标中两个点的横坐标均小于零，则将左图与右图进行位置调整，若图像采集方式为上下采集，则先以基准图作为上图，计算待匹配图在基准图坐标系下的四个角的坐标，如果算出的待匹配图的四个点的坐标中两个点的纵坐标均小于零，则将上图与下图进行位置调整；其中计算待匹本文档来自技高网...

【技术保护点】
一种基于红外热成像系统的红外全景图的生成方法，其特征在于，包括以下步骤：步骤1、选取两幅具有重叠区域的图，其中一张为基准图，另一张为待匹配图，之后分别对两幅图像进行预处理，所述预处理包括噪声平滑和柱面坐标投影；步骤2、分别对基准图和待匹配图进行特征点的提取，并进行特征点描述子的生成；步骤3、对基准图和待匹配图进行粗匹配和精匹配，并得到从待匹配图变换到基准图坐标系下的变换矩阵H，其中H为3*3矩阵；步骤4、重新确定两幅具有重叠区域图的顺序，并确定基准图和待匹配图；步骤5、将待匹配图变换到基准图坐标系，并利用渐入渐出的加权平均法进行图像融合，从而完成红外全景图的生成。

【技术特征摘要】
1.一种基于红外热成像系统的红外全景图的生成方法，其特征在于，包括以下步骤：步骤1、选取两幅具有重叠区域的图，其中一张为基准图，另一张为待匹配图，之后分别对两幅图像进行预处理，所述预处理包括噪声平滑和柱面坐标投影；步骤2、分别对基准图和待匹配图进行特征点的提取，并进行特征点描述子的生成；步骤3、对基准图和待匹配图进行粗匹配和精匹配，并得到从待匹配图变换到基准图坐标系下的变换矩阵H，其中H为3*3矩阵；步骤4、重新确定两幅具有重叠区域图的顺序，并确定基准图和待匹配图；步骤5、将待匹配图变换到基准图坐标系，并利用渐入渐出的加权平均法进行图像融合，从而完成红外全景图的生成。2.根据权利要求1所描述的基于红外热成像系统的红外全景图的生成方法，其特征在于，步骤2中对基准图和待匹配图进行特征点的提取采用了结合尺度空间的fast角点的提取方法，具体为：通过高斯滤波和图像的降采样生成高斯金字塔，在不同尺度的金字塔图像上分别检测fast角点，使检测出的角点具有尺度的信息；所述通过高斯滤波和图像的降采样生成的高斯金字塔一共有n层，其中n的计算方法如下：n＝log2(min(H，W))-2每层图像的尺度为：其中，o表示该层图像所在的层数，大小范围从0到o-1，σ0为初始尺度，H代表图像的高度，W代表图像的宽度。3...

【专利技术属性】
技术研发人员：黄成，杜静涵，宋跃磊，陈嘉，金威，王力立，徐志良，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32