一种可见光图像和红外热成像图像融合矫正的方法技术

本发明专利技术提供一种可见光图像和红外热成像图像融合矫正的方法，包括：对获取的可见光图像和红外热成像图像进行判定是否需要矫正；启动双光图像融合矫正；控制可见光相机进行光学变焦，光学变焦后将所述可见光图像与所述红外热成像图像进行匹配，匹配后获取最佳匹配点；保存光学变焦位置Zn，并保存所述可见光图像和所述红外热成像图像双光融合匹配参数，完成双光融合矫正，本发明专利技术通过深度学习边沿检测、光学变焦进行自动矫正补偿，实现可见光图像和红外热成像图像的双光融合。外热成像图像的双光融合。外热成像图像的双光融合。

【技术实现步骤摘要】
一种可见光图像和红外热成像图像融合矫正的方法


[0001]本专利技术涉及图像处理领域，具体涉及一种可见光图像和红外热成像图像融合矫正的方法。

技术介绍

[0002]目前市面上安防、无人机等非民用行业的可见光图像和红外热成像图像双光融合设备，双光融合的矫正算法都是在设备出厂前矫正完成，即在生产时完成可见光图像和红外热成像图像的双光融合矫正。
[0003]现有技术存在如下缺点
[0004]1.可见光图像和红外热成像图像双光融合设备是工业产品，经过长时间高低问使用后可见光镜头、热成像镜头和结构件等部件老化会出现导致焦点偏移，这个偏移会导致原来生产矫正的融合参数不匹配而图像存在虚影现象。
[0005]2.可见光图像和红外热成像图像双光融合设备是工业产品，经过运输和震动也会导致部件出现轻微小变化，导致原来融合后的图像存在虚影现象。
[0006]3.出货前的生产校准双光融合算法工时高，成本高。

技术实现思路

[0007]为了解决上述技术问题，本法提供一种可见光图像和红外热成像图像融合矫正的方法，进行自动矫正补偿，实现可见光图像和红外热成像图像的双光融合。
[0008]为了实现上述目的，本专利技术的技术方案如下：
[0009]一种可见光图像和红外热成像图像融合矫正的方法，包括以下步骤：
[0010]步骤1；对获取的可见光图像和红外热成像图像进行判定是否需要矫正，其中，所述可见光图像和所述红外热成像图像是否需要矫正是通过AI深度学习边沿检测算法进行判定；
>[0011]步骤2；启动双光图像融合矫正；
[0012]步骤3；控制可见光相机进行光学变焦，光学变焦后将所述可见光图像与所述红外热成像图像进行匹配，匹配后获取最佳匹配点；
[0013]步骤4；保存光学变焦位置Zn，并保存所述可见光图像和所述红外热成像图像双光融合匹配参数，完成双光融合矫正。
[0014]优选地，在进行步骤1之前，通过拍摄装置对所述可见光图像和所述红外热成像图像进行采集，所述拍摄装置包括：可见光拍摄装置和红外光拍摄装置，其中，所述可见光拍摄装置用于拍摄所述可见光图像，所述红外光拍摄装置用于拍摄所述红外热成像图像。
[0015]优选地，所述AI深度学习边沿检测算法对所述可见光图像和所述红外热成像图像是否需要矫正判定包括以下步骤：
[0016]步骤S1：选择静止物体，其中，所述静止物体的温度具有区分度；
[0017]步骤S2：利用所述深度学习边沿检测算法检测所述静止物体，获取所述可见光图
像的边沿轮廓C1、所述红外热成像图像的边沿轮廓C0；
[0018]步骤S3：计算所述边沿轮廓C1的重心点(X1,Y1)和所述边沿轮廓C0的重心点(X0,Y0)；
[0019]步骤S4：当出现A1＝|X1-X0|>4或者B1＝|Y1-Y0|>4的情况时，则说明需要启动所述双光图像融合矫正。
[0020]优选地，所述光学变焦是通过所述可见光相机中的光学变焦硬件进行变焦。
[0021]进一步说明，步骤2中寻找所述最佳匹配点包括以下步骤：
[0022]步骤F1：记录所述A1和所述B1的值和当前状态可见光相机光学镜头焦距Z1值，启动所述双光图像融合矫正功能；
[0023]步骤F2：然后移动控制所述可见光图像，记录移动的光学变焦位置Zn，检测更新后所述静止物体可见光图像边沿轮廓Cn、重心点(Xn,Yn)，根据所述红外热成像图像的所述边沿轮廓C0和所述重心点(X0,Y0)，计算出An＝|X2-X0|,Bn＝|Y2-Y0|值；
[0024]步骤F3：当An<3且Bn<3,则说明所述可见光图像找到与所述红外热成像图像融合匹配点，记录并保持Zn的位置；否则继续上一步动作。n>10,矫正失败，等待下次启动双光矫正。
[0025]步骤F4：当设备开启双光融合功能时，可见光相机自动变焦到Zn位置；
[0026]优选地，所述可见光相机中还设有记录模块，所述记录模块用于记录所述光学变焦位置Zn。
[0027]进一步说明，所述可见光相机中还设有传输模块，所述传输模块将所述光学变焦位置Zn、所述AI深度学习边沿检测算法中的参数、获取所述最佳匹配点中的参数传输至存储模块。
[0028]进一步说明，，所述存储模块包括：常用存储终端和备用存储终端。
[0029]进一步说明，所述常用存储终端和所述备用存储终端通过区块链方式存储所述光学变焦位置Zn、所述AI深度学习边沿检测算法中的参数、获取所述最佳匹配点中的参数。
[0030]与现有技术相比较，本专利技术具有的有益效果：
[0031]本专利技术通过深度学习边沿检测、光学变焦进行自动矫正补偿，实现可见光图像和红外热成像图像的双光融合。
[0032]本发送可进行双光融合自动矫正，使得红外热成像图像和可见光图像精确配准，提高了融合图像的画面质量。
[0033]本专利技术还设有记录模块，能够记录最佳匹配点的位置，当开启双光图像融合时，自动光学变焦，不需要每次都要进行繁琐的矫正，简单、方便。
[0034]本专利技术采用区块链方式存储光学变焦位置Zn、AI深度学习边沿检测算法中的参数、最佳匹配点中的参数，利用区块链不易篡改的特性，使数据更加安全。
附图说明
[0035]图1为本专利技术一种可见光图像和红外热成像图像融合矫正的方法的步骤图；
[0036]图2为本专利技术一种可见光图像和红外热成像图像融合矫正的方法的AI深度学习边沿检测算法步骤图；
[0037]图3为本专利技术一种可见光图像和红外热成像图像融合矫正的方法的获取最佳匹配
点的步骤图。
具体实施方式
[0038]为使本专利技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。在下面的描述中，提供诸如具体的配置和组件的特征细节仅仅是为了帮助全面理解本专利技术的实施例。因此，本领域技术人员应该清楚，可以对这里描述的实施例进行各种改变和修改而不脱离本专利技术的范围和精神。另外，为了清楚和简洁，省略了对已知功能和构造的描述。
[0039]应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本专利技术的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
[0040]在本专利技术的各种实施例中，应理解，下述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本专利技术实施例的实施过程构成任何限定。
[0041]应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种可见光图像和红外热成像图像融合矫正的方法，其特征在于，包括以下步骤：步骤1；对获取的可见光图像和红外热成像图像进行判定是否需要矫正，其中，所述可见光图像和所述红外热成像图像是否需要矫正是通过AI深度学习边沿检测算法进行判定；步骤2；启动双光图像融合矫正；步骤3；控制可见光相机进行光学变焦，光学变焦后将所述可见光图像与所述红外热成像图像进行匹配，匹配后获取最佳匹配点；步骤4；保存光学变焦位置Zn，并保存所述可见光图像和所述红外热成像图像双光融合匹配参数，完成双光融合矫正。2.根据权利要求1所述的一种可见光图像和红外热成像图像融合矫正的方法，其特征在于，在进行步骤1之前，通过拍摄装置对所述可见光图像和所述红外热成像图像进行采集，所述拍摄装置包括：可见光拍摄装置和红外光拍摄装置，其中，所述可见光拍摄装置用于拍摄所述可见光图像，所述红外光拍摄装置用于拍摄所述红外热成像图像。3.根据权利要求1所述的一种可见光图像和红外热成像图像融合矫正的方法，其特征在于，所述AI深度学习边沿检测算法对所述可见光图像和所述红外热成像图像是否需要矫正判定包括以下步骤：步骤S1：选择静止物体，其中，所述静止物体的温度具有区分度；步骤S2：利用所述深度学习边沿检测算法检测所述静止物体，获取所述可见光图像的边沿轮廓C1、所述红外热成像图像的边沿轮廓C0；步骤S3：计算所述边沿轮廓C1的重心点(X1,Y1)和所述边沿轮廓C0的重心点(X0,Y0)；步骤S4：当出现A1＝|X1-X0|>4或者B1＝|Y1-Y0|>4的情况时，则说明需要启动所述双光图像融合矫正。4.根据权利要求1所述的一种可见光图像和红外热成像图像融合矫正的方法，其特征在于，所述光学变焦是通过所述可见光相机中的光学变焦硬件进行变焦。5...

【专利技术属性】
技术研发人员：朱合，戴嘉通，
申请(专利权)人：杭州视辉科技有限公司，
类型：发明
国别省市：