【技术实现步骤摘要】
本专利技术属于图像特征提取和匹配，具体涉及一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法。
技术介绍
1、在电气设备领域中，利用红外图像和可见光图像进行目标检测和识别至关重要。然而，由于红外图像和可见光图像具有不同的物理特性和成像特点，它们之间存在显著的差异，导致了多模态图像匹配的挑战。
2、目前，多模态图像匹配方法大致可以分为两类：基于区域的方法和基于特征的方法。基于区域的匹配方法受背景因素影响大，计算复杂性高，匹配鲁棒性差。与基于区域的匹配方法相比，基于特征的匹配方法可以更准确地找到两幅图像之间的对应关系，从而提高配准的精度和稳定性，具有较高的计算效率，且应用范围更广。
3、基于特征的图像匹配方法发展过程中，wang等人于2015年提出了名为surf-piifd-rpm的鲁棒点匹配框架，该方法结合surf特征提取与部分强度不变特征描述符(piifd)，利用单高斯鲁棒点匹配模型获得了更好的匹配性能。li等人在2019年提出了一种基于辐射变化不敏感特征的多模配准方法(rift)。在基于相位一致性得到的角点和边缘特征点上，构造多个方向的最大索引图实现特征旋转不变性。2020年，jiang等人提出cao-c2f算法利用曲率尺度空间(css)角点检测器轮廓中的特征点，借助sift描述符进行特征点的匹配，实现了红外与可见光电力图像的配准。这些算法在匹配红外和清晰的可见光图像时表现出了良好的性能。但当图像质量下降如暗光环境时，图像细节不清晰，特征点之间相似性减弱，导致配准性能明显下降，且由于不同成像方式
技术实现思路
1、1.专利技术要解决的技术问题
2、本专利技术的目的在于克服上述现有技术中的缺陷，提供一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，本专利技术能够有效克服实际应用中红外和可见光图像之间模态差异和匹配困难的问题，提高了匹配鲁棒性和匹配精度。
3、2.技术方案
4、为达到上述目的，本专利技术提供的技术方案为：
5、本专利技术的一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，其步骤为：
6、步骤1、对红外图像和可见光图像进行轮廓边缘检测，并分别在多个尺度上提取轮廓上的角点作为特征点，为每一个特征点分配主方向；
7、步骤2、对红外图像和可见光图像进行多尺度局部归一化滤波，将各自不同尺度下的变换结果叠加得到新图像；
8、步骤3、在新图像上对不同尺度下的特征点，构造其piifd描述符；
9、步骤4、按尺度参数k将红外图像和可见光图像中的特征点各分为多个层次，将每层红外图像的特征点与每层可见光图像的特征点按描述符相似度进行匹配，剔除异常匹配点对，将剔除误匹配处理后的匹配点数最多的匹配结果作为最终的匹配结果。
10、进一步的，步骤1利用canny算法对轮廓的边缘进行检测，获得轮廓集合s。
11、进一步的，步骤1取k＝9，k＝7和k＝4，在该三个尺度上计算k余弦曲率，用k余弦在检测到的轮廓上提取角点作为特征点。
12、进一步的，步骤2提出的局部归一化滤波公式如下：
13、
14、其中，im(x,y)和i(x,y)分别表示滤波后图像和原始图像；(x,y)表示图像二维坐标；w(x,y,s)是以(x,y)为中心、窗口大小由(2*s+1)×(2*s+1)决定的局部窗口。
15、进一步的，步骤2分别取s1＝5，s2＝10和s3＝15，不同s视为不同尺度的滤波器，用以(x,y)为中心、大小分别为(2*s1+1)×(2*s1+1)、(2*s2+1)×(2*s2+1)和(2*s3+1)×(2*s3+1)的局部窗口对原始的红外和可见光图像进行滤波。
16、进一步的，步骤2滤波处理的具体步骤是对每个像素点，计算其局部窗口内的平均像素值，然后用原始像素值减去平均值，得到滤波结果；将不同尺度下红外和可见光图像的变换结果叠加得到各自的新图像。
17、进一步的，步骤3在新图像上对不同尺度下的特征点ci，首先计算其对应的曲率半径分别选择以特征点ci为中心、曲率半径为的方形区域来构造特征点的piifd特征描述符。
18、进一步的，步骤4按照下式计算相似度：
19、
20、其中，和分别表示红外图像上特征点和可见光图像上特征点的piifd描述符。
21、进一步的，步骤4采用ransac算法计算图像之间的转换矩阵，并将匹配结果中与转换矩阵所描述的变换关系不符的特征点对进行剔除。
22、3.有益效果
23、采用本专利技术提供的技术方案，与已有的公知技术相比，具有如下显著效果：
24、(1)本专利技术提供一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，通过对局部区域内像素值的归一化处理，强调了不同区域之间的灰度差异，从而增强了图像的对比度。此外，由于多尺度局部归一化滤波器在计算像素值时考虑了周围邻域的信息，因此其具有一定程度的平滑效果，可以抑制图像中的高频噪声。这有助于使图像更清晰，并减少噪声对最终结果的影响。
25、(2)本专利技术提供一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，与一些传统的平滑滤波器相比，多尺度局部归一化滤波器更倾向于保留图像中的边缘和细节信息。多尺度局部归一化滤波器还具有特征增强的作用，对于一些特定的图像特征，例如纹理、形状或者边缘，多尺度局部归一化滤波器可以使它们更加突出和明显，从而更容易被检测和识别。
26、(3)本专利技术提供一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，分层匹配策略的优点在于，能够有效处理不同尺度和旋转变换下的特征匹配问题，提高匹配效率，并减少错误匹配的可能性。
本文档来自技高网...【技术保护点】
1.一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，其特征在于，其步骤为：
2.根据权利要求1所述的一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，其特征在于：步骤1利用Canny算法对轮廓的边缘进行检测，获得轮廓集合S。
3.根据权利要求2所述的一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，其特征在于：步骤1取k＝9，k＝7和k＝4，在该三个尺度上计算k余弦曲率，用k余弦在检测到的轮廓上提取角点作为特征点。
4.根据权利要求1-3任一项所述的一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，其特征在于：步骤2提出的局部归一化滤波公式如下：
5.根据权利要求4所述的一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，其特征在于：步骤2分别取s1＝5，s2＝10和s3＝15，不同s视为不同尺度的滤波器，用以(x,y)为中心、大小分别为(2*s1+1)×(2*s1+1)、(2*s2+1)×(2*s2+1)和(2*s3+1)×(2*s3+1)的局部窗口对原始的红外和可见光图像进行滤波
6.根据权利要求5所述的一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，其特征在于：步骤2滤波处理的具体步骤是对每个像素点，计算其局部窗口内的平均像素值，然后用原始像素值减去平均值，得到滤波结果；将不同尺度下红外和可见光图像的变换结果叠加得到各自的新图像。
7.根据权利要求6所述的一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，其特征在于：步骤3在新图像上对不同尺度下的特征点ci，首先计算其对应的曲率半径rik，分别选择以特征点ci为中心、曲率半径为rik的方形区域来构造特征点的PIIFD特征描述符。
8.根据权利要求7所述的一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，其特征在于：步骤4按照下式计算相似度：
9.根据权利要求8所述的一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，其特征在于：步骤4采用RANSAC算法计算图像之间的转换矩阵，并将匹配结果中与转换矩阵所描述的变换关系不符的特征点对进行剔除。
...【技术特征摘要】
1.一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，其特征在于，其步骤为：
2.根据权利要求1所述的一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，其特征在于：步骤1利用canny算法对轮廓的边缘进行检测，获得轮廓集合s。
3.根据权利要求2所述的一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，其特征在于：步骤1取k＝9，k＝7和k＝4，在该三个尺度上计算k余弦曲率，用k余弦在检测到的轮廓上提取角点作为特征点。
4.根据权利要求1-3任一项所述的一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，其特征在于：步骤2提出的局部归一化滤波公式如下：
5.根据权利要求4所述的一种基于多尺度局部归一化滤波的红外和可见光图像分层匹配方法，其特征在于：步骤2分别取s1＝5，s2＝10和s3＝15，不同s视为不同尺度的滤波器，用以(x,y)为中心、大小分别为(2*s1+1)×(2*s1+1)、(2*s2+1)×(2*s2+1)和(2*s3+1)×(2*s3+1)的局...
【专利技术属性】
技术研发人员：王正兵，张科琪，冯旭刚，阮善会，
申请(专利权)人：安徽工业大学，
类型：发明
国别省市：
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。