【技术实现步骤摘要】
本专利技术属于图像配准领域，特别涉及一种红外与可见光图像配准方法。
技术介绍
1、红外图像与可见光图像的配准是一项用于将红外图像与可见光图像进行对齐和匹配的技术，通常用于军事、医学、气象和其他领域。这项技术的起源可以追溯到20世纪中期。
2、红外成像技术在第二次世界大战期间得到了发展，尤其是在军事领域。随着时间的推移，这一技术逐渐演化和成熟，用于各种应用领域。红外图像与可见光图像的配准则是在这一演化过程中逐渐发展起来的。它的应用领域包括了军事目标识别、热成像医学诊断、天文学、环境监测等。
3、红外图像是利用红外辐射源，通过红外传感器和光学系统来捕捉物体发射的红外辐射，将其转化为电信号，经过信号处理后生成一幅图像，这图像以灰度或伪彩色方式展示物体的温度分布和热特性；可见光图像是利用可见光波段的光线反射或透射，经过适当的光学透镜或反射器件将这些光线聚焦到光敏感的传感器上，产生图像信号。由于红外与可见光图像的成像原理不同，导致两种图像在颜色、梯度等都有很大差异，但是物体的形状和边缘是物体的固有特性，不会因为是红外还是可见光图像而发生改变，在红外与可见光图像上，理论上相同物体的边缘是一样的。
技术实现思路
1、有鉴于此，本专利技术提出一种红外与可见光图像配准方法，包括以下步骤：
2、s10，缩放可见光图像；
3、s20，对图像进行边缘提取与极值点检测；
4、s30，采用改进的sift算法进行描述子提取；
5、s40，采
6、s50，采用改进的ransac算法进行配准点筛选；
7、s60，对可见光图像进行仿射变换；
8、s70，输出与红外图像像素对齐的可见光图像。
9、优选地，所述s10中将可见光图像的分辨率缩放到与红外图像相同大小。
10、优选地，所述s20中将可见光图像进行灰度化和canny边缘检测。
11、优选地，所述s30采用改进的sift算法进行描述子提取，包括以下步骤：
12、s31，选取以特征点为中心的区域，对其进行sobel滤波求得其梯度幅值和梯度方向；
13、s32，对梯度幅值进行分段归一化处理，即把原始梯度幅值进行从小到大排序，选取四个分界点，分别为1/5、2/5、3/5和4/5处，梯度值大于4/5处点的梯度值的点的梯度值变为1，梯度值在3/5和4/5处点的梯度值之间的点的梯度值变为0.75，梯度值在2/5和3/5处点的梯度值之间的点的梯度值变为0.5，梯度值在1/5和2/5处点的梯度值之间的点的梯度值变为0.25，梯度值小于1/5处点的梯度值的点的梯度值变为0；
14、s33，把梯度方向旋转至主方向，即在原始的sift描述子计算中用梯度方向减去主方向并将其调整至-π～π代替梯度方向进行计算，用8个方向的简化方向直方图代替16个方向直方图从而简化计算。
15、优选地，所述s40中对红外图像与可见光图像用改进的sift算法计算出特征点的描述子，由于可将光图像视场一般比红外图像大，所以可以对可见光进行放大处理，计算增加计算放大后的描述子，特征点坐标同时放大，不重新检测特征点；在得到两种图的特征点描述子后采用余弦相似度进行双边匹配。
16、优选地，s60中把匹配到的配准点坐标映射到原始图像坐标上，并对可见光图像进行仿射变换。
17、与现有技术相比，本专利技术公开的红外与可见光图像配准方法，至少包括以下有益效果：
18、用两种图像上的轮廓极值点作为特征点，使得在两种图像上提取出相同的特征点成为可能，避免了传统的特征点检测算法在红外与可见光图像上检测到的特征点不同的情况。
19、应用改进的ransac算法筛选配准点，提高了筛选的准确性。
本文档来自技高网...【技术保护点】
1.一种红外与可见光图像配准方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的红外与可见光图像配准方法，其特征在于，所述S10中将可见光图像的分辨率缩放到与红外图像相同大小。
3.根据权利要求2所述的红外与可见光图像配准方法，其特征在于，所述S20中将可见光图像进行灰度化和canny边缘检测。
4.根据权利要求1所述的红外与可见光图像配准方法，其特征在于，所述S30采用改进的SIFT算法进行描述子提取，包括以下步骤：
5.根据权利要求1所述的红外与可见光图像配准方法，其特征在于，所述S40中对红外图像与可见光图像用改进的SIFT算法计算出特征点的描述子，由于可将光图像视场一般比红外图像大，所以可以对可见光进行放大处理，计算增加计算放大后的描述子，特征点坐标同时放大，不重新检测特征点；在得到两种图的特征点描述子后采用余弦相似度进行双边匹配。
6.根据权利要求1所述的红外与可见光图像配准方法，其特征在于，S60中把匹配到的配准点坐标映射到原始图像坐标上，并对可见光图像进行仿射变换。
【技术特征摘要】
1.一种红外与可见光图像配准方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的红外与可见光图像配准方法，其特征在于，所述s10中将可见光图像的分辨率缩放到与红外图像相同大小。
3.根据权利要求2所述的红外与可见光图像配准方法，其特征在于，所述s20中将可见光图像进行灰度化和canny边缘检测。
4.根据权利要求1所述的红外与可见光图像配准方法，其特征在于，所述s30采用改进的sift算法进行描述子提取，包括以下步骤：
5...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。