CN113989336A - 一种可见光图像和红外图像配准方法及装置 - Google Patents
一种可见光图像和红外图像配准方法及装置 Download PDFInfo
- Publication number
- CN113989336A CN113989336A CN202111304266.1A CN202111304266A CN113989336A CN 113989336 A CN113989336 A CN 113989336A CN 202111304266 A CN202111304266 A CN 202111304266A CN 113989336 A CN113989336 A CN 113989336A
- Authority
- CN
- China
- Prior art keywords
- image
- visible light
- infrared
- original
- gray
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000004927 fusion Effects 0.000 claims description 31
- 238000003708 edge detection Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种可见光图像和红外图像配准方法及装置。该可见光图像和红外图像配准方法包括:获取同一目标场景的原始可见光图像和原始红外图像,并分别进行图像处理生成可见光灰度图像和红外灰度图像;截取第一预设尺寸的可见光灰度图像作为局部可见光灰度图像,并确定边缘轮廓可见光灰度图像;以及,截取第二预设尺寸的红外灰度图像作为局部红外灰度图像,并确定边缘轮廓红外灰度图像;对边缘轮廓可见光灰度图像和边缘轮廓红外灰度图像进行匹配,得到图像偏移量;基于图像偏移量对原始可见光图像或原始红外图像进行配准,分别生成对应的目标可见光图像或目标红外图像。以实现提高可见光图像与红外图像配准精度,且提升图像质量。
Description
技术领域
本发明实施例涉及图像处理技术领域,尤其涉及一种可见光图像和红外图像配准方法及装置。
背景技术
红外图像直接反映了物体表面温度分布情况,但红外热图像的清晰度远不如可见光图像,可见光图像能够很好的描绘场景中各个物体的外形结构,具有较好的轮廓表现力,所以将红外和可见光图像融为一体有非常好的效果。但是,可见光图像与红外图像的成像特征具有显著差异,而通过可见光图像与红外图像的融合技术,提取不同波段图像的特征,形成的融合图像具有良好的互补性,显示出效果更好的成像结果,能够增强人们在探测或者检测领域对图像的认知和理解能力。
在现有技术中由于同样拍摄范围内的可见光图像尺寸较大,红外图像尺寸较小,当可见光图像与红外图像进行融合显示时,难免地会出现两种图像匹配不准确地情况,对于红外热像仪使用人员而言,快速识别检测图像是有难度的,也影响了红外热像仪使用人员对检测区域进行识别的速度,尤其是检测区域中检测人员希望准确了解的目标区域的判断识别。
如何提供一种可见光图像和红外图像配准方法及装置,实现提高可见光图像与红外图像配准精度,且提升图像质量,是一个技术问题。
发明内容
本发明实施例提供一种可见光图像和红外图像配准方法及装置,以实现提高可见光图像与红外图像配准精度,且提升图像质量。
第一方面,本发明实施例提供了一种可见光图像和红外图像配准方法,该可见光图像和红外图像配准方法包括:
获取同一目标场景的原始可见光图像和原始红外图像,并分别对所述原始可见光图像和所述原始红外图像进行图像处理生成可见光灰度图像和红外灰度图像;
截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并根据所述局部可见光灰度图像确定边缘轮廓可见光灰度图像;以及,截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并根据所述局部红外灰度图像确定边缘轮廓红外灰度图像;
对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像进行匹配,得到图像偏移量;
基于所述图像偏移量对所述原始可见光图像或所述原始红外图像进行配准,分别生成与所述原始可见光图像或所述原始红外图像对应的目标可见光图像或目标红外图像。
进一步的,分别对所述原始可见光图像和所述原始红外图像进行图像处理生成可见光灰度图像和红外灰度图像,包括:
根据所述原始可见光图像生成样本可见光图像,所述样本可见光图像和所述原始红外图像的图像尺寸相同;
将所述样本可见光图像和所述原始红外图像分别转化为单通道的灰度图像,生成可见光灰度图像和红外灰度图像。
进一步的,截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并根据所述局部可见光灰度图像确定边缘轮廓可见光灰度图像;以及,截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并根据所述局部红外灰度图像确定边缘轮廓红外灰度图像,包括:
截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并对所述局部可见光灰度图像进行边缘检测得到对应的局部可见光灰度图像梯度;
根据所述局部可见光灰度图像梯度生成边缘轮廓可见光灰度图像;以及,
截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并对所述局部红外灰度图像进行边缘检测得到对应的局部红外灰度图像梯度;
根据所述局部红外灰度图像梯度生成边缘轮廓红外灰度图像。
进一步的,对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像进行匹配,得到图像偏移量,包括:
对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像对应像素点的图像卷积结果进行匹配,得到图像匹配数值;
根据所述图像匹配数值确定图像偏移量。
进一步的,基于所述图像偏移量对所述原始可见光图像或所述原始红外图像进行配准,分别生成与所述原始可见光图像或所述原始红外图像对应的目标可见光图像或目标红外图像,包括:
基于所述图像偏移量对所述原始可见光图像进行配准,生成与所述原始可见光图像对应的目标可见光图像;或,
基于所述图像偏移量对所述原始红外图像进行配准,生成与所述原始红外图像对应的目标红外图像。
进一步的,基于所述图像偏移量对所述原始可见光图像进行配准,生成与所述原始可见光图像对应的目标可见光图像,包括:
根据所述图像偏移量确定所述原始可见光图像中对应坐标的配置区域进行裁剪,并将裁剪后的所述原始可见光图像拉伸得到与所述原始可见光图像对应的目标可见光图像,所述目标可见光图像与所述原始红外图像的图像尺寸相同;
基于所述图像偏移量对所述原始红外图像进行配准,生成与所述原始红外图像对应的目标红外图像,包括:
根据所述图像偏移量确定所述原始红外图像中对应坐标的配置区域进行裁剪,并将裁剪后的所述原始红外图像缩放得到与所述原始红外图像对应的目标红外图像,所述目标红外图像与所述原始可见光图像的图像尺寸相同。
进一步的,所述可见光图像和红外图像配准方法还包括:
将所述目标可见光图像与所述原始红外图像进行图像融合,得到第一目标融合图像;或,
将所述目标红外图像与所述原始可见光图像进行图像融合,得到第二目标融合图像。
第二方面,本发明实施例还提供了一种可见光图像和红外图像配准装置,该可见光图像和红外图像配准装置包括:
灰度图像生成模块,用于获取同一目标场景的原始可见光图像和原始红外图像,并分别对所述原始可见光图像和所述原始红外图像进行图像处理生成可见光灰度图像和红外灰度图像;
边缘轮廓图像生成模块,用于截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并根据所述局部可见光灰度图像确定边缘轮廓可见光灰度图像;以及,截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并根据所述局部红外灰度图像确定边缘轮廓红外灰度图像;
图像偏移量确定模块,用于对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像进行匹配,得到图像偏移量;
目标图像生成模块,用于基于所述图像偏移量对所述原始可见光图像或所述原始红外图像进行配准,分别生成与所述原始可见光图像或所述原始红外图像对应的目标可见光图像或目标红外图像。
第三方面,本发明实施例还提供了一种计算机设备,该计算机设备包括:
一个或多个处理器;
存储装置,用于存储多个程序,
当所述多个程序中的至少一个被所述一个或多个处理器执行时,使得所述一个或多个处理器实现本发明第一方面实施例所提供的一种可见光图像和红外图像配准方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明第一方面实施例所提供的一种可见光图像和红外图像配准方法。
本发明实施例的技术方案,通过获取同一目标场景的原始可见光图像和原始红外图像,并分别对所述原始可见光图像和所述原始红外图像进行图像处理生成可见光灰度图像和红外灰度图像;截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并根据所述局部可见光灰度图像确定边缘轮廓可见光灰度图像;以及,截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并根据所述局部红外灰度图像确定边缘轮廓红外灰度图像;对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像进行匹配,得到图像偏移量;基于所述图像偏移量对所述原始可见光图像或所述原始红外图像进行配准,分别生成与所述原始可见光图像或所述原始红外图像对应的目标可见光图像或目标红外图像。解决由于相机的成像原理不同、视场角不同等因素,导致可见光图像和红外图像无法完美叠加或融合的问题,实现提高可见光图像与红外图像配准精度,且提升图像质量。
附图说明
图1是本发明实施例一提供的一种可见光图像和红外图像配准方法的流程图;
图2是本发明实施例二提供的一种可见光图像和红外图像配准方法的流程图;
图3是本发明实施例提供的边缘轮廓可见光灰度图像的示意图;
图4是本发明实施例提供的边缘轮廓红外灰度图像的示意图;
图5是本发明实施例三提供的一种可见光图像和红外图像配准装置的结构图;
图6是本发明实施例四提供的一种计算机设备的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明具体实施例作进一步的详细描述。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。
另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的一种可见光图像和红外图像配准方法的流程图,本实施例可适用于对可见光图像和红外图像在多点局部维度进行融合配准优化的情况,该可见光图像和红外图像配准方法可以由可见光图像和红外图像配准装置来执行,该可见光图像和红外图像配准装置可以通过软件和/或硬件的形式实现。该可见光图像和红外图像配准方法具体包括如下步骤:
S110、获取同一目标场景的原始可见光图像和原始红外图像,并分别对所述原始可见光图像和所述原始红外图像进行图像处理生成可见光灰度图像和红外灰度图像。
其中,可见光图像能够很好的描绘场景中各个物体的外形结构,具有较好的轮廓表现力,红外图像是红外遥感器接收地物反射或自身发射的红外线而形成的图像,因此将红外图像和可见光图像融为一体有非常好的效果。
本实施例中的原始可见光图像和原始红外图像,分别为可见光相机和热像相机同一时刻拍摄同一目标场景得到的图像。
由于红外图像的图像尺寸一般小于可见光图像的图像尺寸,即原始红外图像的图像尺寸一般小于原始可见光图像的图像尺寸,则需首先对原始可见光图像和原始红外图像进行图像尺寸一致化,在本实施例中,对原始可见光图像和原始红外图像进行图像处理,具体包括图像尺寸的一致化和图像灰度化。
具体的,根据所述原始可见光图像生成样本可见光图像,所述样本可见光图像和所述原始红外图像的图像尺寸相同。
示例性的,采用双线性插值法将原始可见光图像缩放到与原始红外图像的图像尺寸相同,得到样本可见光图像,此时,样本可见光图像和原始红外图像的图像尺寸相同。
可以理解的是,也可以将原始红外图像拉伸至与原始可见光图像的图像尺寸相同,得到样本红外图像,此时,样本红外图像与原始可见光图像的图像尺寸相同。本实施例仅为保证后续使用的红外图像和可见光图像的图像尺寸是一致的,而不对其具体实现方式进行任何限制。
在上述实施例的基础上,得到图像尺寸相同的样本可见光图像和所述原始红外图像,或图像尺寸相同的样本红外图像与原始可见光图像后,进一步的,将所述样本可见光图像和所述原始红外图像分别转化为单通道的灰度图像,或将样本红外图像与原始可见光图像分别转化为单通道的灰度图像,对应生成可见光灰度图像和红外灰度图像。
其中,单通道灰度图是由单个像素点通过8位的灰度值(0-255)来表示。例如,一幅500*500像素的单通道灰度图是由500X500=250000个不同灰度的像素点组成。
在上述基础上,分别对样本可见光图像和原始红外图像中单个像素点通过8位的灰度值来表示,即将样本可见光图像和原始红外图像分别转化为单通道的灰度图像,对应生成可见光灰度图像和红外灰度图像。同理,分别对样本红外图像与原始可见光图像中单个像素点通过8位的灰度值来表示,即将样本红外图像与原始可见光图像分别转化为单通道的灰度图像,对应生成可见光灰度图像和红外灰度图像。
S120、截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并根据所述局部可见光灰度图像确定边缘轮廓可见光灰度图像;以及,截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并根据所述局部红外灰度图像确定边缘轮廓红外灰度图像。
其中,第一预设尺寸为在可见光灰度图像中任意选定一点,以选定点为中心点提取一定宽高的矩形区域,截取矩形区域得到局部可见光灰度图像。
第二预设尺寸为在红外灰度图像中任意选定一点,以选定点为中心点提取一定宽高的矩形区域,截取矩形区域得到局部红外灰度图像。
需要说明的是,当在可见光灰度图像中选定目标点后,则在红外灰度图像中以同样的目标点位置提取对应的矩形区域,即可见光灰度图像和红外灰度图像中截取的区域是同一位置且尺寸相同的图像。
可以理解的是,第一预设尺寸和第二预设尺寸为相同的图像尺寸,即截取得到的局部可见光灰度图像和局部红外灰度图像的图像尺寸相同。
在本实施例中可以截取多个第一预设尺寸的可见光灰度图像,对应得到多个局部可见光灰度图像,同样的,可以截取多个第二预设尺寸的所述红外灰度图像,对应得到多个局部红外灰度图像。
在上述基础上,本实施例中也可以截取多个不同尺寸的可见光灰度图像,对应得到多个局部可见光灰度图像,同样的,可以截取多个不同尺寸的红外灰度图像,对应得到多个局部红外灰度图像。本实施例对截取的可见光灰度图像和红外灰度图像的数量以及尺寸大小,不作任何限制,可以由本领域技术人员根据实际情况进行选择获取。
示例性的,可以在可见光灰度图像上指定一目标点,以目标点为中心点提取一定宽高的矩形区域,截取第一预设尺寸的矩形区域,得到一个局部可见光灰度图像,对应的,在红外灰度图像上以同样的目标点为中心点提取一定宽高的矩形区域,截取第二预设尺寸的矩形区域,得到一个局部红外灰度图像,此时,第一预设尺寸和第二预设尺寸具有相同的图像尺寸,局部可见光灰度图像和局部红外灰度图像具有相同的图像尺寸,且局部可见光灰度图像和局部红外灰度图像对应为在目标场景中同一位置的图像。
进一步的,在上述实施例的基础上,截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并对所述局部可见光灰度图像进行边缘检测得到对应的局部可见光灰度图像梯度;根据所述局部可见光灰度图像梯度生成边缘轮廓可见光灰度图像;以及,截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并对所述局部红外灰度图像进行边缘检测得到对应的局部红外灰度图像梯度;根据所述局部红外灰度图像梯度生成边缘轮廓红外灰度图像。
具体的,在截取第一预设尺寸的所述可见光灰度图像得到局部可见光灰度图像后,采用Sobel算子对所述局部可见光灰度图像进行边缘检测,得到对应的局部可见光灰度图像梯度,根据所述局部可见光灰度图像梯度生成边缘轮廓可见光灰度图像。
同样的,在截取第二预设尺寸的所述红外灰度图像得到局部红外灰度图像后,采用Sobel算子对局部红外灰度图像进行边缘检测,得到对应的局部红外灰度图像,根据所述局部红外灰度图像梯度生成边缘轮廓红外灰度图像。
S130、对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像进行匹配,得到图像偏移量。
在上述实施例的基础上,对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像进行匹配,得到图像偏移量,包括:对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像对应像素点的图像卷积结果进行匹配,得到图像匹配数值;根据所述图像匹配数值确定图像偏移量。
其中,图像是随着纹理坐标(x,y)变化的信号f(x,y),将时域卷积定理的时间换成纹理坐标,得到纹理坐标域f(x,y)的卷积,即是对图像的频域相乘。随时间变化的信号,频率是信号随时间变化的快慢,对应于随纹理坐标变化的信号,频率就是信号随纹理坐标变化的快慢,则两图像的卷积就是将两图像的频域相乘。
具体的,将边缘轮廓可见光灰度图像和边缘轮廓红外灰度图像对应像素点的频域相乘,得到两图像的图像卷积结果,对图像卷积结果计算出对应的匹配数值。可以理解的是,对边缘轮廓可见光灰度图像和边缘轮廓红外灰度图像的所有像素点均计算出对应的匹配数值,即得到对应的图像匹配数值集合,选取图像匹配数值集合中数值最大的匹配数值作为最佳的匹配结果,即最佳的匹配结果确定为图像偏移量。
S140、基于所述图像偏移量对所述原始可见光图像或所述原始红外图像进行配准,分别生成与所述原始可见光图像或所述原始红外图像对应的目标可见光图像或目标红外图像。
其中,目标可见光图像为对原始可见光图像进行微调对应得到的,目标红外图像为对原始红外图像对应进行微调对应得到的。
具体的,基于所述图像偏移量对所述原始可见光图像进行配准,生成与所述原始可见光图像对应的目标可见光图像;或,基于所述图像偏移量对所述原始红外图像进行配准,生成与所述原始红外图像对应的目标红外图像。
在上述实施例的基础上,在一实施例中,基于所述图像偏移量对所述原始可见光图像进行配准,生成与所述原始可见光图像对应的目标可见光图像,包括:根据所述图像偏移量确定所述原始可见光图像中对应坐标的配置区域进行裁剪,并将裁剪后的所述原始可见光图像拉伸得到与所述原始可见光图像对应的目标可见光图像,所述目标可见光图像与所述原始红外图像的图像尺寸相同。
在另一实施例中,基于所述图像偏移量对所述原始红外图像进行配准,生成与所述原始红外图像对应的目标红外图像,包括:根据所述图像偏移量确定所述原始红外图像中对应坐标的配置区域进行裁剪,并将裁剪后的所述原始红外图像缩放得到与所述原始红外图像对应的目标红外图像,所述目标红外图像与所述原始可见光图像的图像尺寸相同。
可以理解的是,本实施例可以基于获取的图像偏移量对同一目标场景的原始可见光图像和原始红外图像中任意一张进行调整,即可以通过图像偏移量对原始可见光图像进行调整,得到目标可见光图像,也可以通过图像偏移量对原始红外图像进行调整,得到目标红外图像,并将得到的目标可见光图像或目标红外图像与对应的原始红外图像或可见光图像进行融合,从而达到可见光图像和红外图像的融合配准。
具体的,在上述实施例的基础上,所述可见光图像和红外图像配准方法还包括:将所述目标可见光图像与所述原始红外图像进行图像融合,得到第一目标融合图像;或,将所述目标红外图像与所述原始可见光图像进行图像融合,得到第二目标融合图像。
本发明实施例的技术方案,通过获取同一目标场景的原始可见光图像和原始红外图像,并分别对所述原始可见光图像和所述原始红外图像进行图像处理生成可见光灰度图像和红外灰度图像;截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并根据所述局部可见光灰度图像确定边缘轮廓可见光灰度图像;以及,截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并根据所述局部红外灰度图像确定边缘轮廓红外灰度图像;对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像进行匹配,得到图像偏移量;基于所述图像偏移量对所述原始可见光图像或所述原始红外图像进行配准,分别生成与所述原始可见光图像或所述原始红外图像对应的目标可见光图像或目标红外图像。解决由于相机的成像原理不同、视场角不同等因素,导致可见光图像和红外图像无法完美叠加或融合的问题,实现提高可见光图像与红外图像配准精度,且提升图像质量。
实施例二
图2为本发明实施例二提供的一种可见光图像和红外图像配准方法的流程图,本实施例以上述实施例为基础进行优化。
相应的,本实施例的方法具体包括:
S210、获取同一目标场景的原始可见光图像和原始红外图像。
示例性的,获取可见光相机和热像相机同一时刻拍摄同一目标场景得到的图像,原始可见光图像记为dcImage,原始红外图像记为irImage。由于相机的成像原理不同、视场角不同等因素,原始可见光图像dcImage和原始红外图像irImage两张图像无法完美叠加或融合。
S220、根据所述原始可见光图像生成样本可见光图像,所述样本可见光图像和所述原始红外图像的图像尺寸相同。
在上述基础上,由于原始红外图像irImage的尺寸一般小于原始可见光图像dcImage,则通过采用双线性插值法将原始可见光图像dcImage缩放到和原始红外图像irImage尺寸一致,即将原始可见光图像dcImage缩放得到样本可见光图像dcImage(RGB),样本可见光图像dcImage(RGB)与原始红外图像irImage的图像尺寸相同,进而实现原始可见光图像dcImage和原始红外图像irImage图像尺寸一致化。
可以理解的是,双线性插值法可以采用现有图像双线性插值方法进行实现,本实施例在此不对具体过程进行累述,也可以采用其他图像处理方法实现原始可见光图像dcImage和原始红外图像irImage图像尺寸一致化,本实施例对图像尺寸一致化的具体图像处理方法不作任何限制。
S230、将所述样本可见光图像和所述原始红外图像分别转化为单通道的灰度图像,生成可见光灰度图像和红外灰度图像。
进一步的,分别将样本可见光图像dcImage(RGB)、原始红外图像irImage转化为单通道的灰度图,得到可见光灰度图像dcGrayImage、红外灰度图像irGrayImage,其中,样本可见光图像dcImage(RGB)、原始红外图像irImage中单个像素转换公式为:
Gray=(299*R+587*G+114*B)/1000
其中,R、G、B为图像中每一个像素点的R、G、B值,R、G、B的数值范围从0到255;Gray为得到的可见光灰度图像dcGrayImage、红外灰度图像irGrayImage中对应的灰度值。
S240、截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并根据所述局部可见光灰度图像确定边缘轮廓可见光灰度图像;以及,截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并根据所述局部红外灰度图像确定边缘轮廓红外灰度图像。
具体的,截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并对所述局部可见光灰度图像进行边缘检测得到对应的局部可见光灰度图像梯度;根据所述局部可见光灰度图像梯度生成边缘轮廓可见光灰度图像;以及,截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并对所述局部红外灰度图像进行边缘检测得到对应的局部红外灰度图像梯度;根据所述局部红外灰度图像梯度生成边缘轮廓红外灰度图像。
示例性的,在可见光灰度图像上指定一目标点Point(x,y),在可见光灰度图像dcGrayImage中以目标点Point(x,y)为中心点提取宽高分别为dcGrayImage.width*resize、dcGrayImage.height*resize(0<resize<1)的矩形区域,该矩形区域为第一预设尺寸,超出图像区域的不计算在内,即去除不在范围内的像素点,得到局部可见光灰度图像dcROIImage。
同样的,在红外灰度图像上指定一目标点Point(x,y),在红外灰度图像irGrayImage中以目标点Point(x,y)为中心点提取宽高分别为irGrayImage.width*resize、irGrayImage.height*resize(0<resize<1)的矩形区域,该矩形区域为第二预设尺寸,超出图像区域的不计算在内,即去除不在范围内的像素点,得到局部红外灰度图像irROIImage。
可以理解的是,以目标点Point(x,y)为中心点提取宽高分别为dcGrayImage.width*resize、dcGrayImage.height*resize(0<resize<1)的矩形区域,与以目标点Point(x,y)为中心点提取宽高分别为irGrayImage.width*resize、irGrayImage.height*resize(0<resize<1)的矩形区域,是相对于可见光灰度图像和红外灰度图像中同一位置且图像尺寸相同的区域。
进一步的,采用Sobel算子分别对所述局部可见光灰度图像dcROIImage、局部红外灰度图像irROIImage进行边缘检测,得到对应的局部可见光灰度图像梯度、局部红外灰度图像梯度。
Sobel算子是一种用于边缘检测的离散微分算子,它结合了高斯平滑和微分求导,本实施例通过边缘检测对局部可见光灰度图像dcROIImage、局部红外灰度图像irROIImage进行轮廓提取,例如,对于内核大小为3,具体计算如下:
Gx用于检测图像纵向边缘,即为图像水平变化:
Gy用于检测图像横向边缘,即为图像垂直变化:
最终梯度G为:
G=|Gx|+|Gy|
其中,I表示图像(a,b)点的灰度值。
由上述公式分别求出局部可见光灰度图像梯度、局部红外灰度图像梯度,根据局部可见光灰度图像梯度、局部红外灰度图像梯度,对应生成边缘轮廓可见光灰度图像dcSketchImage、边缘轮廓红外灰度图像irSketchImage,示例性的,在对同一目标场景拍摄到的原始可见光图像和原始红外图像,进行上述处理后,可以得到如图3和图4所示的边缘轮廓可见光灰度图像dcSketchImage、边缘轮廓红外灰度图像irSketchImage。
S250、对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像对应像素点的图像卷积结果进行匹配,得到图像匹配数值。
具体的,对边缘轮廓可见光灰度图像dcSketchImage、边缘轮廓红外灰度图像irSketchImage两张轮廓图做归一化相关性匹配,该方法使用两张图像的卷积结果进行匹配,方法如下:
其中,T(x',y')表示边缘轮廓红外灰度图像;
I(x+x',y+y')表示边缘轮廓可见光灰度图像;
R为图像匹配数值。
S260、根据所述图像匹配数值确定图像偏移量。
具体的,对边缘轮廓可见光灰度图像dcSketchImage、边缘轮廓红外灰度图像irSketchImage中所有像素点使用上述方法计算出的图像匹配数值,得到图像匹配数值集合{R1(x,y),R2(x,y),R3(x,y),...},选取图像匹配数值集合中最大的值确定图像偏移量,即为最佳匹配结果。
S270、基于所述图像偏移量对所述原始可见光图像进行配准,生成与所述原始可见光图像对应的目标可见光图像。
在上述实施例的基础上,基于所述图像偏移量对所述原始可见光图像进行配准,生成与所述原始可见光图像对应的目标可见光图像;或,基于所述图像偏移量对所述原始红外图像进行配准,生成与所述原始红外图像对应的目标红外图像。
具体的,根据所述图像偏移量确定所述原始可见光图像中对应坐标的配置区域进行裁剪,并将裁剪后的所述原始可见光图像拉伸得到与所述原始可见光图像对应的目标可见光图像,所述目标可见光图像与所述原始红外图像的图像尺寸相同;根据所述图像偏移量确定所述原始红外图像中对应坐标的配置区域进行裁剪,并将裁剪后的所述原始红外图像缩放得到与所述原始红外图像对应的目标红外图像,所述目标红外图像与所述原始可见光图像的图像尺寸相同。
示例性的,在原始可见光图像中有区域Rect[left,top,right,bottom],其中,left、top、right、bottom分别代表该Rect区域的左边框、上边框、右边框和下边框距离坐标轴的距离,之后,使用图像偏移量R1(x,y)后将该区域在原始可见光图像中的融合区域坐标应为:[Rect.left+R.x,Rect.top+R.y,Rect.right+R.x,Rect.bottom+R.y],之后,对该区域进行裁剪,并拉伸至和原始红外图像尺寸融合即可。
如果原本已有融合偏移坐标R2(x,y),则调整后的偏移量应为:
R3(R1.x+R2.x,R1.y+R2.y)
则使用图像偏移量后,Rect区域在原始可见光图像中的融合区域坐标应为:
[Rect.left+R3.x,Rect.top+R3.y,Rect.right+R3.x,Rect.bottom+R3.y]。
S280、将所述目标可见光图像与所述原始红外图像进行图像融合,得到第一目标融合图像;或,
将所述目标红外图像与所述原始可见光图像进行图像融合,得到第二目标融合图像。
具体的,采用现有方式对得到的目标可见光图像与原始红外图像进行图像融合,或对得到的目标红外图像与原始可见光图像进行图像融合,具体图像融合方法可以采用现有图像融合方法,可选的,使用Matlab工具箱进行进行图像融合,本实施例对此不作任何限制。
本发明实施例的技术方案,使用提取同一目标场景的原始可见光图像和原始红外图像两张图像的轮廓,并可以针对两张轮廓图的多点局部做轮廓匹配得到X、Y坐标的偏移量,以此微调其中一张图像,从而达到可见光图像和红外图像在多点局部维度的融合配准优化,解决了现有技术存在的可见光图像与红外图像融合目标区域匹配不精准的问题。
实施例三
图5为本发明实施例三提供的一种可见光图像和红外图像配准装置的结构图,本实施例可适用于对可见光图像和红外图像在多点局部维度进行融合配准优化的情况。
如图5所示,所述可见光图像和红外图像配准装置包括:灰度图像生成模块310、边缘轮廓图像生成模块320、图像偏移量确定模块330和目标图像生成模块340,其中:
灰度图像生成模块310,用于获取同一目标场景的原始可见光图像和原始红外图像,并分别对所述原始可见光图像和所述原始红外图像进行图像处理生成可见光灰度图像和红外灰度图像;
边缘轮廓图像生成模块320,用于截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并根据所述局部可见光灰度图像确定边缘轮廓可见光灰度图像;以及,截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并根据所述局部红外灰度图像确定边缘轮廓红外灰度图像;
图像偏移量确定模块330,用于对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像进行匹配,得到图像偏移量;
目标图像生成模块340,用于基于所述图像偏移量对所述原始可见光图像或所述原始红外图像进行配准,分别生成与所述原始可见光图像或所述原始红外图像对应的目标可见光图像或目标红外图像。
本实施例的可见光图像和红外图像配准装置,通过获取同一目标场景的原始可见光图像和原始红外图像,并分别对所述原始可见光图像和所述原始红外图像进行图像处理生成可见光灰度图像和红外灰度图像;截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并根据所述局部可见光灰度图像确定边缘轮廓可见光灰度图像;以及,截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并根据所述局部红外灰度图像确定边缘轮廓红外灰度图像;对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像进行匹配,得到图像偏移量;基于所述图像偏移量对所述原始可见光图像或所述原始红外图像进行配准,分别生成与所述原始可见光图像或所述原始红外图像对应的目标可见光图像或目标红外图像。解决由于相机的成像原理不同、视场角不同等因素,导致可见光图像和红外图像无法完美叠加或融合的问题,实现提高可见光图像与红外图像配准精度,且提升图像质量。
在上述各实施例的基础上,分别对所述原始可见光图像和所述原始红外图像进行图像处理生成可见光灰度图像和红外灰度图像,包括:
根据所述原始可见光图像生成样本可见光图像,所述样本可见光图像和所述原始红外图像的图像尺寸相同;
将所述样本可见光图像和所述原始红外图像分别转化为单通道的灰度图像,生成可见光灰度图像和红外灰度图像。
在上述各实施例的基础上,截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并根据所述局部可见光灰度图像确定边缘轮廓可见光灰度图像;以及,截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并根据所述局部红外灰度图像确定边缘轮廓红外灰度图像,包括:
截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并对所述局部可见光灰度图像进行边缘检测得到对应的局部可见光灰度图像梯度;
根据所述局部可见光灰度图像梯度生成边缘轮廓可见光灰度图像;以及,
截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并对所述局部红外灰度图像进行边缘检测得到对应的局部红外灰度图像梯度;
根据所述局部红外灰度图像梯度生成边缘轮廓红外灰度图像。
在上述各实施例的基础上,对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像进行匹配,得到图像偏移量,包括:
对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像对应像素点的图像卷积结果进行匹配,得到图像匹配数值;
根据所述图像匹配数值确定图像偏移量。
在上述各实施例的基础上,基于所述图像偏移量对所述原始可见光图像或所述原始红外图像进行配准,分别生成与所述原始可见光图像或所述原始红外图像对应的目标可见光图像或目标红外图像,包括:
基于所述图像偏移量对所述原始可见光图像进行配准,生成与所述原始可见光图像对应的目标可见光图像;或,
基于所述图像偏移量对所述原始红外图像进行配准,生成与所述原始红外图像对应的目标红外图像。
在上述各实施例的基础上,基于所述图像偏移量对所述原始可见光图像进行配准,生成与所述原始可见光图像对应的目标可见光图像,包括:
根据所述图像偏移量确定所述原始可见光图像中对应坐标的配置区域进行裁剪,并将裁剪后的所述原始可见光图像拉伸得到与所述原始可见光图像对应的目标可见光图像,所述目标可见光图像与所述原始红外图像的图像尺寸相同;
基于所述图像偏移量对所述原始红外图像进行配准,生成与所述原始红外图像对应的目标红外图像,包括:
根据所述图像偏移量确定所述原始红外图像中对应坐标的配置区域进行裁剪,并将裁剪后的所述原始红外图像缩放得到与所述原始红外图像对应的目标红外图像,所述目标红外图像与所述原始可见光图像的图像尺寸相同。
在上述各实施例的基础上,所述可见光图像和红外图像配准装置还包括:
图像融合模块,用于将所述目标可见光图像与所述原始红外图像进行图像融合,得到第一目标融合图像;或,
将所述目标红外图像与所述原始可见光图像进行图像融合,得到第二目标融合图像。
上述各实施例所提供的可见光图像和红外图像配准装置可执行本发明任意实施例所提供的可见光图像和红外图像配准方法,具备执行可见光图像和红外图像配准方法相应的功能模块和有益效果。
实施例四
图6为本发明实施例四提供的一种计算机设备的结构示意图,如图6所示,该计算机设备包括处理器410、存储器420、输入装置430和输出装置440;计算机设备中处理器410的数量可以是一个或多个,图6中以一个处理器410为例;计算机设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接,图6中以通过总线连接为例。
存储器420作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的可见光图像和红外图像配准方法对应的程序指令/模块(例如,可见光图像和红外图像配准中的灰度图像生成模块310、边缘轮廓图像生成模块320、图像偏移量确定模块330和目标图像生成模块340)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述的可见光图像和红外图像配准方法。
存储器420可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器420可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器420可进一步包括相对于处理器410远程设置的存储器,这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种可见光图像和红外图像配准方法,该可见光图像和红外图像配准方法包括:
获取同一目标场景的原始可见光图像和原始红外图像,并分别对所述原始可见光图像和所述原始红外图像进行图像处理生成可见光灰度图像和红外灰度图像;
截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并根据所述局部可见光灰度图像确定边缘轮廓可见光灰度图像;以及,截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并根据所述局部红外灰度图像确定边缘轮廓红外灰度图像;
对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像进行匹配,得到图像偏移量;
基于所述图像偏移量对所述原始可见光图像或所述原始红外图像进行配准,分别生成与所述原始可见光图像或所述原始红外图像对应的目标可见光图像或目标红外图像。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的可见光图像和红外图像配准方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述可见光图像和红外图像配准装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种可见光图像和红外图像配准方法,其特征在于,包括:
获取同一目标场景的原始可见光图像和原始红外图像,并分别对所述原始可见光图像和所述原始红外图像进行图像处理生成可见光灰度图像和红外灰度图像;
截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并根据所述局部可见光灰度图像确定边缘轮廓可见光灰度图像;以及,截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并根据所述局部红外灰度图像确定边缘轮廓红外灰度图像;
对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像进行匹配,得到图像偏移量;
基于所述图像偏移量对所述原始可见光图像或所述原始红外图像进行配准,分别生成与所述原始可见光图像或所述原始红外图像对应的目标可见光图像或目标红外图像。
2.根据权利要求1所述的可见光图像和红外图像配准方法,其特征在于,分别对所述原始可见光图像和所述原始红外图像进行图像处理生成可见光灰度图像和红外灰度图像,包括:
根据所述原始可见光图像生成样本可见光图像,所述样本可见光图像和所述原始红外图像的图像尺寸相同;
将所述样本可见光图像和所述原始红外图像分别转化为单通道的灰度图像,生成可见光灰度图像和红外灰度图像。
3.根据权利要求1所述的可见光图像和红外图像配准方法,其特征在于,截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并根据所述局部可见光灰度图像确定边缘轮廓可见光灰度图像;以及,截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并根据所述局部红外灰度图像确定边缘轮廓红外灰度图像,包括:
截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并对所述局部可见光灰度图像进行边缘检测得到对应的局部可见光灰度图像梯度;
根据所述局部可见光灰度图像梯度生成边缘轮廓可见光灰度图像;以及,
截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并对所述局部红外灰度图像进行边缘检测得到对应的局部红外灰度图像梯度;
根据所述局部红外灰度图像梯度生成边缘轮廓红外灰度图像。
4.根据权利要求1所述的可见光图像和红外图像配准方法,其特征在于,对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像进行匹配,得到图像偏移量,包括:
对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像对应像素点的图像卷积结果进行匹配,得到图像匹配数值;
根据所述图像匹配数值确定图像偏移量。
5.根据权利要求1所述的可见光图像和红外图像配准方法,其特征在于,基于所述图像偏移量对所述原始可见光图像或所述原始红外图像进行配准,分别生成与所述原始可见光图像或所述原始红外图像对应的目标可见光图像或目标红外图像,包括:
基于所述图像偏移量对所述原始可见光图像进行配准,生成与所述原始可见光图像对应的目标可见光图像;或,
基于所述图像偏移量对所述原始红外图像进行配准,生成与所述原始红外图像对应的目标红外图像。
6.根据权利要求5所述的可见光图像和红外图像配准方法,其特征在于,基于所述图像偏移量对所述原始可见光图像进行配准,生成与所述原始可见光图像对应的目标可见光图像,包括:
根据所述图像偏移量确定所述原始可见光图像中对应坐标的配置区域进行裁剪,并将裁剪后的所述原始可见光图像拉伸得到与所述原始可见光图像对应的目标可见光图像,所述目标可见光图像与所述原始红外图像的图像尺寸相同;
基于所述图像偏移量对所述原始红外图像进行配准,生成与所述原始红外图像对应的目标红外图像,包括:
根据所述图像偏移量确定所述原始红外图像中对应坐标的配置区域进行裁剪,并将裁剪后的所述原始红外图像缩放得到与所述原始红外图像对应的目标红外图像,所述目标红外图像与所述原始可见光图像的图像尺寸相同。
7.根据权利要求1所述的可见光图像和红外图像配准方法,其特征在于,所述可见光图像和红外图像配准方法还包括:
将所述目标可见光图像与所述原始红外图像进行图像融合,得到第一目标融合图像;或,
将所述目标红外图像与所述原始可见光图像进行图像融合,得到第二目标融合图像。
8.一种可见光图像和红外图像配准装置,其特征在于,包括:
灰度图像生成模块,用于获取同一目标场景的原始可见光图像和原始红外图像,并分别对所述原始可见光图像和所述原始红外图像进行图像处理生成可见光灰度图像和红外灰度图像;
边缘轮廓图像生成模块,用于截取第一预设尺寸的所述可见光灰度图像作为局部可见光灰度图像,并根据所述局部可见光灰度图像确定边缘轮廓可见光灰度图像;以及,截取第二预设尺寸的所述红外灰度图像作为局部红外灰度图像,并根据所述局部红外灰度图像确定边缘轮廓红外灰度图像;
图像偏移量确定模块,用于对所述边缘轮廓可见光灰度图像和所述边缘轮廓红外灰度图像进行匹配,得到图像偏移量;
目标图像生成模块,用于基于所述图像偏移量对所述原始可见光图像或所述原始红外图像进行配准,分别生成与所述原始可见光图像或所述原始红外图像对应的目标可见光图像或目标红外图像。
9.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的可见光图像和红外图像配准方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的可见光图像和红外图像配准方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111304266.1A CN113989336A (zh) | 2021-11-05 | 2021-11-05 | 一种可见光图像和红外图像配准方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111304266.1A CN113989336A (zh) | 2021-11-05 | 2021-11-05 | 一种可见光图像和红外图像配准方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113989336A true CN113989336A (zh) | 2022-01-28 |
Family
ID=79746683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111304266.1A Pending CN113989336A (zh) | 2021-11-05 | 2021-11-05 | 一种可见光图像和红外图像配准方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113989336A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117237779A (zh) * | 2023-11-15 | 2023-12-15 | 江西联创特种微电子有限公司 | 可见光图像和红外图像结合分析的图像识别方法及系统 |
CN117351049A (zh) * | 2023-12-04 | 2024-01-05 | 四川金信石信息技术有限公司 | 热成像与可见光融合的测点配准引导方法、设备和介质 |
-
2021
- 2021-11-05 CN CN202111304266.1A patent/CN113989336A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117237779A (zh) * | 2023-11-15 | 2023-12-15 | 江西联创特种微电子有限公司 | 可见光图像和红外图像结合分析的图像识别方法及系统 |
CN117237779B (zh) * | 2023-11-15 | 2024-02-09 | 江西联创特种微电子有限公司 | 可见光图像和红外图像结合分析的图像识别方法及系统 |
CN117351049A (zh) * | 2023-12-04 | 2024-01-05 | 四川金信石信息技术有限公司 | 热成像与可见光融合的测点配准引导方法、设备和介质 |
CN117351049B (zh) * | 2023-12-04 | 2024-02-13 | 四川金信石信息技术有限公司 | 热成像与可见光融合的测点配准引导方法、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4772839B2 (ja) | 画像識別方法および撮像装置 | |
CN107301402B (zh) | 一种现实场景关键帧的确定方法、装置、介质及设备 | |
WO2018068420A1 (zh) | 图像处理方法和装置 | |
CN108986152B (zh) | 一种基于差分图像的异物检测方法及装置 | |
CN107025660B (zh) | 一种确定双目动态视觉传感器图像视差的方法和装置 | |
CN107784669A (zh) | 一种光斑提取及其质心确定的方法 | |
WO2018082389A1 (zh) | 一种肤色检测方法、装置及终端 | |
CN113989336A (zh) | 一种可见光图像和红外图像配准方法及装置 | |
Navarrete et al. | Color smoothing for RGB-D data using entropy information | |
US8923610B2 (en) | Image processing apparatus, image processing method, and computer readable medium | |
WO2018082388A1 (zh) | 一种肤色检测方法、装置及终端 | |
CN110245600B (zh) | 自适应起始快速笔画宽度无人机道路检测方法 | |
CN112396050B (zh) | 图像的处理方法、设备以及存储介质 | |
CN110009670A (zh) | 基于fast特征提取和piifd特征描述的异源图像配准方法 | |
CN111626241A (zh) | 一种人脸检测方法及装置 | |
CN111738272A (zh) | 一种目标特征提取方法、装置及电子设备 | |
CN111767752A (zh) | 一种二维码识别方法及装置 | |
CN111222446A (zh) | 人脸识别方法、人脸识别装置及移动终端 | |
CN108647680B (zh) | 图像定位框检测方法和装置 | |
Nasiri et al. | Using expectation-maximization for exposing image forgeries by revealing inconsistencies in shadow geometry | |
TW201816725A (zh) | 擴充實境中基於深度攝影機之遮蔽邊緣品質改善方法 | |
CN108062741B (zh) | 双目图像处理方法、成像装置和电子设备 | |
CN112364693A (zh) | 基于双目视觉的障碍识别方法、装置、设备及存储介质 | |
CN111476821B (zh) | 基于在线学习的目标跟踪方法 | |
JP2019192048A (ja) | 撮像装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |