CN116934815B - 电力设备图像配准方法及系统 - Google Patents

电力设备图像配准方法及系统 Download PDF

Info

Publication number
CN116934815B
CN116934815B CN202311195565.5A CN202311195565A CN116934815B CN 116934815 B CN116934815 B CN 116934815B CN 202311195565 A CN202311195565 A CN 202311195565A CN 116934815 B CN116934815 B CN 116934815B
Authority
CN
China
Prior art keywords
candidate
matching point
point set
selecting
matching
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.)
Active
Application number
CN202311195565.5A
Other languages
English (en)
Other versions
CN116934815A (zh
Inventor
朱国栋
陈鹏程
丁升
赵根涛
郭冻
刘远哲
张昱
陈克章
靳兆烁
张金昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Shandong Electric Power Co Jiaxiang Power Supply Co Branch
Jining Power Supply Co
Original Assignee
State Grid Shandong Electric Power Co Jiaxiang Power Supply Co Branch
Jining Power Supply Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Shandong Electric Power Co Jiaxiang Power Supply Co Branch, Jining Power Supply Co filed Critical State Grid Shandong Electric Power Co Jiaxiang Power Supply Co Branch
Priority to CN202311195565.5A priority Critical patent/CN116934815B/zh
Publication of CN116934815A publication Critical patent/CN116934815A/zh
Application granted granted Critical
Publication of CN116934815B publication Critical patent/CN116934815B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及图像处理技术领域，本发明公开了电力设备图像配准方法及系统，包括：获取用于配准的电力设备红外图像和可见光图像，并计算得到匹配点集和若干个候选仿射矩阵集；在所有的候选仿射矩阵集中，选择出多个候选反馈矩阵，且每个候选反馈矩阵，均用于筛选匹配点集，得到候选匹配点集；对于每个候选匹配点集，计算离散度，选取离散度最大的若干个候选匹配点集，并在筛选出的候选匹配点集中选择信息熵最大的候选匹配点集，作为最优匹配点集；基于最优匹配点集，进行红外图像与可见光图像配准。改善了红外图像和可见光图像的配准效果。

Description

电力设备图像配准方法及系统
技术领域
本发明涉及图像处理技术领域，具体的说，是涉及电力设备图像配准方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
在对电力设备进行监测时，通常需要进行红外图像和可见光图像的配准，提高电力设备图像配准精度，有助于提高电力设备监测的准确性，减少事故发生。
申请号为201811180767.1，发明名称为一种基于反馈机制的电力设备红外与可见光图像配准方法的发明专利，提出一种基于反馈机制的电力设备红外与可见光图像配准方法，该方法首先提取红外与可见光图像的边缘，并分别在红外与可见光边缘图像上提取特征点；再通过对特征点进行粗匹配与排序得到匹配点集，根据匹配点集计算出仿射矩阵集，采用先验约束对仿射矩阵集进行筛选，得到候选仿射矩阵集；然后，根据候选仿射矩阵集依次对红外图像进行仿射变换，采用归一化互信息快速计算方法计算出可见光与仿射变换后的红外图像间的互信息，并将互信息最大值对应的候选仿射矩阵作为反馈矩阵；最后，基于反馈矩阵对匹配点集进行筛选，得到最优匹配点集。
但是，上述方法存在以下缺陷：直接利用互信息在仿射矩阵中选择反馈矩阵，并根据选出的反馈矩阵对匹配点集进行筛选，得到最优匹配点集，没有考虑匹配点集的空间分布，容易造成匹配点在空间上的聚集，影响红外图像和可见光图像的配准效果。
发明内容
本发明为了解决上述问题，本发明提供电力设备图像配准方法及系统，考虑了匹配点集的空间分布，通过计算候选匹配点集的离散度和信息熵，选取最优的匹配点集，用于红外图像与可见光图像的配准，改善了红外图像和可见光图像的配准效果。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供电力设备图像配准方法，其包括：
获取用于配准的电力设备红外图像和可见光图像，并计算得到匹配点集和若干个候选仿射矩阵集；
在所有的候选仿射矩阵集中，选择出多个候选反馈矩阵，且每个候选反馈矩阵，均用于筛选匹配点集，得到候选匹配点集；
对于每个候选匹配点集，计算离散度，选取离散度最大的若干个候选匹配点集，并在筛选出的候选匹配点集中选择信息熵最大的候选匹配点集，作为最优匹配点集；
基于最优匹配点集，进行红外图像与可见光图像配准。
进一步地，所述离散度的计算方法为：在候选匹配点集中选取在红外图像中的横坐标最小的若干个匹配点；在候选匹配点集中选取在红外图像中的纵坐标最小的若干个匹配点；在候选匹配点集中选取在红外图像中的横坐标最大的若干个匹配点；在候选匹配点集中选取在红外图像中的纵坐标最大的若干个匹配点；在候选匹配点集中选取在可见光图像中的横坐标最小的若干个匹配点；在候选匹配点集中选取在可见光图像中的纵坐标最小的若干个匹配点；在候选匹配点集中选取在可见光图像中的横坐标最大的若干个匹配点；在候选匹配点集中选取在可见光图像中的纵坐标最大的若干个匹配点；计算选取出的所有匹配点之间的距离的和与选取出的匹配点的个数的比值，作为候选匹配点集的离散度。
进一步地，所述距离的计算，依据匹配点在红外图像中的横纵坐标以及匹配点在可见光图像中的横纵坐标。
进一步地，采用聚类算法将所有候选匹配点集中的所有匹配点划分到多个簇后，计算所述信息熵。
进一步地，所述信息熵为：
其中，表示第i个候选匹配点集的信息熵；K表示簇数；/>表示第k个簇关于第i个候选匹配点集的比重。
进一步地，第k个簇关于第i个候选匹配点集的比重为：
其中，表示第i个候选匹配点集中的匹配点属于第k个簇的个数；/>表示第k个簇中包含的匹配点的总个数。
进一步地，采用所有的候选仿射矩阵集，依次对红外滤波图像进行仿射变换，然后计算出可见光图像与仿射变换后的红外图像间的互信息，并选择互信息值最大的多个候选仿射矩阵，作为候选反馈矩阵。
本发明的第二个方面提供电力设备图像配准系统，其包括：
数据获取模块，其被配置为：获取用于配准的电力设备红外图像和可见光图像，并计算得到匹配点集和若干个候选仿射矩阵集；
第一筛选模块，其被配置为：在所有的候选仿射矩阵集中，选择出多个候选反馈矩阵，且每个候选反馈矩阵，均用于筛选匹配点集，得到候选匹配点集；
第二筛选模块，其被配置为：对于每个候选匹配点集，计算离散度，选取离散度最大的若干个候选匹配点集，并在筛选出的候选匹配点集中选择信息熵最大的候选匹配点集，作为最优匹配点集；
配准模块，其被配置为：基于最优匹配点集，进行红外图像与可见光图像配准。
进一步地，所述离散度的计算方法为：在候选匹配点集中选取在红外图像中的横坐标最小的若干个匹配点；在候选匹配点集中选取在红外图像中的纵坐标最小的若干个匹配点；在候选匹配点集中选取在红外图像中的横坐标最大的若干个匹配点；在候选匹配点集中选取在红外图像中的纵坐标最大的若干个匹配点；在候选匹配点集中选取在可见光图像中的横坐标最小的若干个匹配点；在候选匹配点集中选取在可见光图像中的纵坐标最小的若干个匹配点；在候选匹配点集中选取在可见光图像中的横坐标最大的若干个匹配点；在候选匹配点集中选取在可见光图像中的纵坐标最大的若干个匹配点；计算选取出的所有匹配点之间的距离的和与选取出的匹配点的个数的比值，作为候选匹配点集的离散度。
进一步地，采用聚类算法将所有候选匹配点集中的所有匹配点划分到多个簇后，计算所述信息熵。
与现有技术相比，本发明的有益效果为：
本发明提供了电力设备图像配准方法，其考虑了匹配点集的空间分布，通过计算候选匹配点集的离散度和信息熵，选取最优的匹配点集，用于红外图像与可见光图像的配准，改善了红外图像和可见光图像的配准效果。
附图说明
构成本发明的一部分说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的限定。
图1为本发明的实施例一的电力设备图像配准方法的流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合下面结合附图与实施例对本发明作进一步说明。
实施例一
本实施例一的目的是提供电力设备图像配准方法，如图1所示，包括以下步骤：
步骤1、获取用于配准的电力设备红外图像和可见光图像。
步骤2、基于电力设备红外图像和可见光图像，计算得到匹配点集和若干个候选仿射矩阵集。
候选仿射矩阵集的计算方法，可以参考申请号为201811180767.1，发明名称为一种基于反馈机制的电力设备红外与可见光图像配准方法的发明专利，包括：
步骤201、分别对红外图像与可见光图像进行各向异性滤波；
步骤202、利用边缘检测算法（Canny算法）分别提取红外图像与可见光图像的边缘，并分别在红外边缘图像与可见光边缘图像上提取SURF特征点；
步骤203、通过对加速稳健特征点（Speeded Up Robust Features，SURF）进行粗匹配与排序得到匹配点集，然后根据匹配点集，计算出仿射矩阵集，并采用预设的先验约束对仿射矩阵集进行筛选，得到若干个候选仿射矩阵集。
步骤3、在所有的候选仿射矩阵集中，选择出多个候选反馈矩阵。即，采用所有的候选仿射矩阵集，依次对红外滤波图像进行仿射变换，然后计算出可见光图像与仿射变换后的红外图像间的互信息，并选择互信息值最大的多个（K1个）候选仿射矩阵，作为候选反馈矩阵。
在本实施例中，K1为10。
其中，对红外滤波图像进行仿射变换的方法、以及互信息的计算方法，可以参考申请号为201811180767.1，发明名称为一种基于反馈机制的电力设备红外与可见光图像配准方法的发明专利。
步骤4、对于每个候选反馈矩阵，均用于筛选匹配点集，得到候选匹配点集。
步骤5、对于每个候选匹配点集，计算离散度，根据离散度选取多个（K2个）离散度最大的候选匹配点集，并在筛选出的候选匹配点集中选择信息熵最大的候选匹配点集，作为最优匹配点集。
在本实施例中，K2为5。
在本实施例中，一个候选匹配点集中包含N个匹配点{Z1,Z2,…,ZN}，第i个匹配点Zi可以表示为(xi1,yi1,xi2,yi2),其中，xi1表示第i个匹配点Zi在红外图像中的横坐标，xi1表示第i个匹配点Zi在红外图像中的纵坐标，xi2表示第i个匹配点Zi在可见光图像中的横坐标，xi2表示第i个匹配点Zi在可见光图像中的纵坐标。
离散度的计算方法为：
在候选匹配点集中选取在红外图像中的横坐标最小的若干个匹配点；在候选匹配点集中选取在红外图像中的纵坐标最小的若干个匹配点；在候选匹配点集中选取在红外图像中的横坐标最大的若干个匹配点；在候选匹配点集中选取在红外图像中的纵坐标最大的若干个匹配点；在候选匹配点集中选取在可见光图像中的横坐标最小的若干个匹配点；在候选匹配点集中选取在可见光图像中的纵坐标最小的若干个匹配点；在候选匹配点集中选取在可见光图像中的横坐标最大的若干个匹配点；在候选匹配点集中选取在可见光图像中的纵坐标最大的若干个匹配点；计算选取出的所有匹配点之间的距离的和与选取出的匹配点的个数的比值，作为候选匹配点集的离散度。其中，匹配点之间的距离的计算，依据匹配点在红外图像中的横纵坐标以及匹配点在可见光图像中的横纵坐标，即基于匹配点Zi的表示(xi1,yi1,xi2,yi2)，并采用欧式距离计算方法。
信息熵的计算方法为：
（1）采用聚类算法将所有候选匹配点集中的所有匹配点划分到K个簇，K表示簇数，为设定值；
（2）计算第k个簇关于第i个候选匹配点集的比重：
其中，表示第i个候选匹配点集中的匹配点属于第k个簇的个数，k=1,2,…,K；/>表示第k个簇中包含的匹配点的总个数。
（3）计算第i个候选匹配点集的信息熵：
候选匹配点集的离散度和信息熵越大，表明配准点在空间分布上的离散程度越高，由其解出的仿射矩阵，可以提高红外图像和可见光图像的配准效果。
其中，聚类算法可以采用K均值算法，得到K个簇。
步骤6、基于最优匹配点集，进行红外图像与可见光图像配准。即，根据最优匹配点集解出最优仿射矩阵，并将最优仿射矩阵作用到红外图像，完成红外图像与可见光图像配准。
本实施例提供的电力设备图像配准方法，考虑了匹配点集的空间分布，通过计算候选匹配点集的离散度和信息熵，选取最优的匹配点集，用于红外图像与可见光图像的配准，改善了红外图像和可见光图像的配准效果。
实施例二
本实施例二的目的是提供电力设备图像配准系统，包括：
数据获取模块，其被配置为：获取用于配准的电力设备红外图像和可见光图像，并计算得到匹配点集和若干个候选仿射矩阵集；
第一筛选模块，其被配置为：在所有的候选仿射矩阵集中，选择出多个候选反馈矩阵，且每个候选反馈矩阵，均用于筛选匹配点集，得到候选匹配点集；
第二筛选模块，其被配置为：对于每个候选匹配点集，计算离散度，选取离散度最大的若干个候选匹配点集，并在筛选出的候选匹配点集中选择信息熵最大的候选匹配点集，作为最优匹配点集；
配准模块，其被配置为：基于最优匹配点集，进行红外图像与可见光图像配准。
其中，离散度的计算方法为：在候选匹配点集中选取在红外图像中的横坐标最小的若干个匹配点；在候选匹配点集中选取在红外图像中的纵坐标最小的若干个匹配点；在候选匹配点集中选取在红外图像中的横坐标最大的若干个匹配点；在候选匹配点集中选取在红外图像中的纵坐标最大的若干个匹配点；在候选匹配点集中选取在可见光图像中的横坐标最小的若干个匹配点；在候选匹配点集中选取在可见光图像中的纵坐标最小的若干个匹配点；在候选匹配点集中选取在可见光图像中的横坐标最大的若干个匹配点；在候选匹配点集中选取在可见光图像中的纵坐标最大的若干个匹配点；计算选取出的所有匹配点之间的距离的和与选取出的匹配点的个数的比值，作为候选匹配点集的离散度。
其中，距离的计算，依据匹配点在红外图像中的横纵坐标以及匹配点在可见光图像中的横纵坐标。
其中，采用聚类算法将所有候选匹配点集中的所有匹配点划分到多个簇后，计算所述信息熵。
此处需要说明的是，本实施例中的各个模块与实施例一中的各个步骤一一对应，其具体实施过程相同，此处不再累述。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (7)

1.电力设备图像配准方法，其特征在于，包括：
获取用于配准的电力设备红外图像和可见光图像，并计算得到匹配点集和若干个候选仿射矩阵集；
在所有的候选仿射矩阵集中，选择出多个候选反馈矩阵，且每个候选反馈矩阵，均用于筛选匹配点集，得到候选匹配点集；
对于每个候选匹配点集，计算离散度，选取离散度最大的若干个候选匹配点集，并在筛选出的候选匹配点集中选择信息熵最大的候选匹配点集，作为最优匹配点集；
基于最优匹配点集，进行红外图像与可见光图像配准；
所述离散度的计算方法为：在候选匹配点集中选取在红外图像中的横坐标最小的若干个匹配点；在候选匹配点集中选取在红外图像中的纵坐标最小的若干个匹配点；在候选匹配点集中选取在红外图像中的横坐标最大的若干个匹配点；在候选匹配点集中选取在红外图像中的纵坐标最大的若干个匹配点；在候选匹配点集中选取在可见光图像中的横坐标最小的若干个匹配点；在候选匹配点集中选取在可见光图像中的纵坐标最小的若干个匹配点；在候选匹配点集中选取在可见光图像中的横坐标最大的若干个匹配点；在候选匹配点集中选取在可见光图像中的纵坐标最大的若干个匹配点；计算选取出的所有匹配点之间的距离的和与选取出的匹配点的个数的比值，作为候选匹配点集的离散度；
所述距离的计算，依据匹配点在红外图像中的横纵坐标以及匹配点在可见光图像中的横纵坐标。
2.如权利要求1所述的电力设备图像配准方法，其特征在于，采用聚类算法将所有候选匹配点集中的所有匹配点划分到多个簇后，计算所述信息熵。
3.如权利要求1所述的电力设备图像配准方法，其特征在于，所述信息熵为：
其中，表示第i个候选匹配点集的信息熵；K表示簇数；/>表示第k个簇关于第i个候选匹配点集的比重。
4.如权利要求3所述的电力设备图像配准方法，其特征在于，第k个簇关于第i个候选匹配点集的比重为：
其中，表示第i个候选匹配点集中的匹配点属于第k个簇的个数；/>表示第k个簇中包含的匹配点的总个数。
5.如权利要求1所述的电力设备图像配准方法，其特征在于，采用所有的候选仿射矩阵集，依次对红外滤波图像进行仿射变换，然后计算出可见光图像与仿射变换后的红外图像间的互信息，并选择互信息值最大的多个候选仿射矩阵，作为候选反馈矩阵。
6.电力设备图像配准系统，其特征在于，包括：
数据获取模块，其被配置为：获取用于配准的电力设备红外图像和可见光图像，并计算得到匹配点集和若干个候选仿射矩阵集；
第一筛选模块，其被配置为：在所有的候选仿射矩阵集中，选择出多个候选反馈矩阵，且每个候选反馈矩阵，均用于筛选匹配点集，得到候选匹配点集；
第二筛选模块，其被配置为：对于每个候选匹配点集，计算离散度，选取离散度最大的若干个候选匹配点集，并在筛选出的候选匹配点集中选择信息熵最大的候选匹配点集，作为最优匹配点集；
配准模块，其被配置为：基于最优匹配点集，进行红外图像与可见光图像配准；
所述离散度的计算方法为：在候选匹配点集中选取在红外图像中的横坐标最小的若干个匹配点；在候选匹配点集中选取在红外图像中的纵坐标最小的若干个匹配点；在候选匹配点集中选取在红外图像中的横坐标最大的若干个匹配点；在候选匹配点集中选取在红外图像中的纵坐标最大的若干个匹配点；在候选匹配点集中选取在可见光图像中的横坐标最小的若干个匹配点；在候选匹配点集中选取在可见光图像中的纵坐标最小的若干个匹配点；在候选匹配点集中选取在可见光图像中的横坐标最大的若干个匹配点；在候选匹配点集中选取在可见光图像中的纵坐标最大的若干个匹配点；计算选取出的所有匹配点之间的距离的和与选取出的匹配点的个数的比值，作为候选匹配点集的离散度；
所述距离的计算，依据匹配点在红外图像中的横纵坐标以及匹配点在可见光图像中的横纵坐标。
7.如权利要求6所述的电力设备图像配准系统，其特征在于，采用聚类算法将所有候选匹配点集中的所有匹配点划分到多个簇后，计算所述信息熵。
CN202311195565.5A 2023-09-18 2023-09-18 电力设备图像配准方法及系统 Active CN116934815B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311195565.5A CN116934815B (zh) 2023-09-18 2023-09-18 电力设备图像配准方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311195565.5A CN116934815B (zh) 2023-09-18 2023-09-18 电力设备图像配准方法及系统

Publications (2)

Publication Number Publication Date
CN116934815A CN116934815A (zh) 2023-10-24
CN116934815B true CN116934815B (zh) 2024-01-19

Family

ID=88380735

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311195565.5A Active CN116934815B (zh) 2023-09-18 2023-09-18 电力设备图像配准方法及系统

Country Status (1)

Country Link
CN (1) CN116934815B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018076732A1 (zh) * 2016-10-31 2018-05-03 广州飒特红外股份有限公司 红外图像和可见光图像融合的方法及装置
CN109523583A (zh) * 2018-10-09 2019-03-26 河海大学常州校区 一种基于反馈机制的电力设备红外与可见光图像配准方法
CN111667520A (zh) * 2020-06-09 2020-09-15 中国人民解放军63811部队 红外图像和可见光图像的配准方法、装置及可读存储介质
CN115690551A (zh) * 2022-11-16 2023-02-03 国网智能科技股份有限公司 一种双光图像匹配融合方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018076732A1 (zh) * 2016-10-31 2018-05-03 广州飒特红外股份有限公司 红外图像和可见光图像融合的方法及装置
CN109523583A (zh) * 2018-10-09 2019-03-26 河海大学常州校区 一种基于反馈机制的电力设备红外与可见光图像配准方法
CN111667520A (zh) * 2020-06-09 2020-09-15 中国人民解放军63811部队 红外图像和可见光图像的配准方法、装置及可读存储介质
CN115690551A (zh) * 2022-11-16 2023-02-03 国网智能科技股份有限公司 一种双光图像匹配融合方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于区域互信息的特征级多光谱图像配准;田伟刚;郭雷;李晖晖;杨卫莉;;光电子.激光(06);全文 *

Also Published As

Publication number Publication date
CN116934815A (zh) 2023-10-24

Similar Documents

Publication Publication Date Title
CN111652292B (zh) 一种基于ncs、ms的相似物体实时检测方法及系统
CN108090472B (zh) 基于多通道一致性特征的行人重识别方法及其系统
DE102013207484A1 (de) Nummernschildzeichensegmentierung unter Verwendung von Wahrscheinlichkeitsmaximierung
CN109145964B (zh) 一种实现图像颜色聚类的方法和系统
CN104091175B (zh) 一种基于Kinect深度信息获取技术的害虫图像自动识别方法
CN110633289A (zh) 一种车牌号确定方法、服务器及停车管理系统
CN101561865A (zh) 基于多参数谱特征的合成孔径雷达图像目标识别方法
CN111144405A (zh) 一种新能源车辆识别方法及装置
CN104036280A (zh) 基于感兴趣区域和聚类相结合的视频指纹方法
CN116740652A (zh) 一种基于神经网络模型的锈斑面积扩大的监测方法与系统
CN115018835A (zh) 一种汽车起动机齿轮检测方法
CN111046838A (zh) 一种湿地遥感信息的识别方法及装置
CN116934815B (zh) 电力设备图像配准方法及系统
CN108122000B (zh) 一种基于特征学习的车标识别方法
CN118297755A (zh) 一种基于物联网和大数据技术的建筑施工分析管控方法及系统
CN114463425A (zh) 一种基于概率Hough直线检测的工件表面无特征点定位方法
CN113298885A (zh) 双目标定方法及装置、设备和存储介质
CN111191659B (zh) 服装生产系统多形状衣架识别方法
KR20130091918A (ko) 오브젝트 인식 장치 및 방법
CN112699810A (zh) 一种提升室内监控系统人物识别精度的方法及装置
CN117115197A (zh) 一种led灯珠电路板设计数据智能处理方法及系统
CN117079272A (zh) 一种结合手工特征和学习特征的弹底窝痕特征识别方法
CN108415958A (zh) 指数权重vlad特征的权重处理方法及装置
US11988509B2 (en) Portable field imaging of plant stomata
CN111652055B (zh) 一种基于两阶段定位的开关仪表智能识别方法

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
GR01 Patent grant
GR01 Patent grant