一种红外图片识别方法技术

本发明专利技术公开了一种红外图片识别方法，包括以下步骤：读取图像、设置ROI、高斯滤波、Sobel算子计算图像梯度、非极大值抑制、滞后阈值分割、计算梯度向量的所有归一化点积的总和。本发明专利技术的优点是：将区域内进行数字化处理，并进行高斯滤波去除噪声，消除图像的噪声干扰，从而提高图像质量，然后Sobel算子计算图像梯度，产生对应的灰度矢量或是其法矢量，采用非极大值抑制，对每一个像素进行检查，看这个点的梯度是不是周围具有相同梯度方向的点中最大的，再采用滞后阈值分割，然后将模板和红外图片归一化点积的总和之间的欧式距离，从而实现高效准确的识别红外图片，即使红外图片旋转了也不会影响判断的准确性，识别度高，不受角度尺度影响。

【技术实现步骤摘要】
一种红外图片识别方法
本专利技术涉及一种红外图片识别方法。
技术介绍
在现有技术中，红外图片识别主要基于灰度值模板匹配；通过滑窗的方式在待匹配的图像上滑动，通过比较模板与子图的相似度，找到相似度最大的子图。传统模板匹配的缺陷在于不具有旋转不变形，若待匹配的图进行了旋转，那么这种滑窗的模板匹配方法当即失效。使用传统的模板匹配速度较快，但是无法应对旋转和缩放问题。现有识别方法通用性差，鲁棒性差，且在识别过程中，容易受角度、尺度影响。
技术实现思路
本专利技术的目的在于提供一种红外图片识别方法，能够有效解决现有红外图片识别差的问题。为了解决上述技术问题，本专利技术是通过以下技术方案实现的：一种红外图片识别方法，包括以下步骤：10、制作照片模板：提取模板照片，绘制ROI区域，然后进行高斯滤波，再通过Sobel算子计算图像梯度，对非极大值抑制，确定边界对滞后阈值分割，最后计算模板梯度向量的所有归一化点积的总和；20、对红外图片匹配定位：提取红外照片，绘制ROI区域，然后进行高斯滤波，再通过Sobel算子计算图像梯度，对非极大值抑制，确定边界对滞后阈值分割，最后计算红外图片梯度向量的所有归一化点积的本文档来自技高网...

【技术保护点】
1.一种红外图片识别方法，其特征在于，包括以下步骤10、制作照片模板：提取模板照片，绘制ROI区域，然后进行高斯滤波，再通过Sobel算子计算图像梯度，对非极大值抑制，确定边界对滞后阈值分割，最后计算模板梯度向量的所有归一化点积的总和；20、对红外图片匹配定位：提取红外照片，绘制ROI区域，然后进行高斯滤波，再通过Sobel算子计算图像梯度，对非极大值抑制，确定边界对滞后阈值分割，最后计算红外图片梯度向量的所有归一化点积的总和；30、计算模板与红外图片ROI的梯度向量所有归一化点积的总和之间的欧式距离，归一化相似性函数为：

【技术特征摘要】
1.一种红外图片识别方法，其特征在于，包括以下步骤10、制作照片模板：提取模板照片，绘制ROI区域，然后进行高斯滤波，再通过Sobel算子计算图像梯度，对非极大值抑制，确定边界对滞后阈值分割，最后计算模板梯度向量的所有归一化点积的总和；20、对红外图片匹配定位：提取红外照片，绘制ROI区域，然后进行高斯滤波，再通过Sobel算子计算图像梯度，对非极大值抑制，确定边界对滞后阈值分割，最后计算红外图片梯度向量的所有归一化点积的总和；30、计算模板与红外图片ROI的梯度向量所有归一化点积的总和之间的欧式距离，归一化相似性函数为：当R(i,j)为1时，表示模板与红外图片完全相等。2.如权利要求1所述的一种红外图片识别方法，其特征在于：对于步骤10和20中的绘制ROI区域，区域由数字1和0组成一个二维矩阵，1代表需要识别的区域，0代表不需要识别的区域。3.如权利要求1...

【专利技术属性】
技术研发人员：董知周，王锋华，徐盛，陈显辉，吴海峰，成敬周，缪竞雄，沈杰，郑文斌，陈显来，胡陈晨，王绍荃，钟尚染，李炜，谢华森，
申请(专利权)人：国网浙江省电力有限公司温州供电公司，温州市图盛科技有限公司，
类型：发明
国别省市：浙江,33