一种基于灰度特征深度匹配的长短波图像转换方法技术

本发明专利技术涉及一种基于灰度特征深度匹配的长短波图像转换方法，属于图像处理、红外特性领域。首先，构建长波和短波数据集，并对背景图像进行区域分割；然后，提取区域的灰度直方图特征，并构建深度学习模型对其深度特征进行提取并训练；最后，利用深度学习模型进行灰度特征图转换，并进行直方图匹配，生成所需的短波图像。相比于利用传统算法实现的图像转换，具有准确度好的优势，相比于基于GAN模型的转换算法，具有可解释强、鲁棒性好等优势。

【技术实现步骤摘要】

本专利技术属于图像处理、红外特性领域，具体涉及一种基于灰度特征深度匹配的长短波图像转换方法。

技术介绍

1、相对于中长波红外融合领域，中短波融合研究较为有限，主要原因是短波红外与中、长波红外在成像效果上存在显著差异。短波红外的波长范围为0.75～3μm，主要利用环境中的辐射成像，而自然环境中的辐射源主要为太阳辐射及反射。相较于中长波红外，短波红外能够呈现出更多的纹理细节，但在环境辐射较弱的情况下对比度较低。长波红外的波长范围为8～14μm，主要依靠物体自身辐射成像，具备在湿热环境下较强的探测能力，热目标更加明显。

2、现有的长短波图像转换方法，存在以下问题：

3、(1)短波和长波图像差异较大，现有基于手工特征，如平均强度、中心矩等特征需要手动设置，具有计算负责、稳定性不强、适应性不够等缺点，难以实现；

4、(2)红外图像应用过程中要求比较高，现有基于gan的方法可解释性不足。

技术实现思路

1、本专利技术所要解决的技术问题是：

2、为了避免现有技术的不足之处，本本文档来自技高网...

【技术保护点】

1.一种基于灰度特征深度匹配的长短波图像转换方法，其特征在于，包括：

2.根据权利要求1所述的一种基于灰度特征深度匹配的长短波图像转换方法，其特征在于所述的数据增强包括随机改变图像旋转、翻转、平移。

3.根据权利要求1所述的一种基于灰度特征深度匹配的长短波图像转换方法，其特征在于所述的图像分割模型采用开源大模型SAM的分割算法，包括：

4.根据权利要求1所述的一种基于灰度特征深度匹配的长短波图像转换方法，其特征在于所述直方特征深度匹配模型由多个深度卷积层构成，将长波红外图区域的灰度直方图作为一维向量输入，并将短波红外图区域的灰度直方图作为输出；模型由5...

【技术特征摘要】

1.一种基于灰度特征深度匹配的长短波图像转换方法，其特征在于，包括：

2.根据权利要求1所述的一种基于灰度特征深度匹配的长短波图像转换方法，其特征在于所述的数据增强包括随机改变图像旋转、翻转、平移。

3.根据权利要求1所述的一种基于灰度特征深度匹配的长短波图像转换方法，其特征在于所述的图像分割模型采用开源大模型sam的分割算法，包括：

4.根据权利要求1所述的一种基于灰度特征深度匹配的长短波图像转换方法，其特征在于所述直方特征深度匹配模型由多个深度卷积层构成，将长波红外图区域的灰度直方图作为一维向量输入，并将短波红外图区域的灰度直方图作为输出；模型由5个卷积层构建而成，并利用sigmoid函数进行非线性化；模型采用adam优化器进行参数优化，损失函数则采用l2正则损失。

【专利技术属性】
技术研发人员：张兆祥，许悦雷，张剑桥，郄镕凯，王程航，董立恒，陶承阳，周清，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：