基于灰度冗余和SURF算法的电气设备红外和可见光图像配准

为了对电力设备故障进行更为有效和直观的诊断,提出了一种基于灰度冗余和SURF算法的红外和可见光图像的配准方法.该算法对红外图像和可见光图像进行基于灰度冗余的处理,利用SURF方法分别找到两幅图像的特征点并求出其描述子,通过RANSAC(随机采样一致性)对这些特征点进行精确配对,通过最小二乘法求得仿射变换参数并实现两幅图像的配准.实验表明,该方法与其他配准方法相比,具有速度快,鲁棒性高等优点,具有较高的实用价值.     

基于NSST图像融合的变电站开关状态识别

针对变电站中开关状态图像识别易发生误判的问题,提出了一种基于非下采样剪切波变换(NSST)图像融合的变电站开关图像识别方法。该方法采用可见光和红外光双摄像模式,得到开关可见光图像和红外图像,根据两者的特点与互补特性,采用基于NSST的图像融合算法对可见光图像和红外图像进行融合,生成含有两种开关图像丰富细节信息和特征量的融合图像,采用改进加速稳健特征(SURF)算法对融合图像进行目标特征量提取和匹配,再采用基于混沌布谷鸟(CCS)算法的多阈值图像分割技术进行处理,最后基于霍夫变换得到开关臂和触点所在直线的斜率,根据两者角度差判别开关状态。仿真实验表明:所提方法对闭合与断开状态隔离开关的识别率分别为94.4%和100%,验证了所提方法的有效性。     

基于深度学习的电力设备红外可见光图像智能配准方法研究

红外图像与可见光图像的融合分析是提升红外图像中电力设备定位精度和缺陷诊断准确度的有效途径。针对两种模态数据融合分析关键步骤中的红外图像与可见光图像配准问题进行研究。鉴于红外图像与可见光图像存在的模态差异,采用基于自监督学习的SuperPoint特征点提取与描述方法,提取具有模态不变性的稀疏特征点;采用基于深度图卷积的SuperGlue方法,结合全局特征点的空间及特征相关性信息,提升特征匹配的准确度;最后,采用渐近采样一致性的PROSAC方法对红外与可见光图像间的变换参数进行估计,实现配准。与传统算法对比表明,本文所提方法具有更高的模态鲁棒性,得到了更准确的配准结果。     

基于SURF的红外图像识别

为了识别信息量较少的红外图片,采用SURF算法提取特征并匹配。首先进行滤波、增强和分割等图像预处理工作,然后通过SURF算法提取图像特征并识别匹配,最后经过RANSAC算法筛选,获得正确率较高的匹配点。实验表明,在红外图像识别过程中,采用合适的预处理算法以及鲁棒性较强的SURF算法,可以取得令人满意的识别效果。     

基于改进FAsT-Match算法的电力设备红外图像多目标定位

红外检测技术具有远距离、不接触、不取样、不解体、准确、快速、直观等特点,广泛用于电力设备过热缺陷监测和诊断,对提高电力系统的稳定性具有重要意义。FAs TMatch(fast affine template matching)算法是一种基于灰度值的快速模板匹配算法,可在一幅图像中找到一个近似全局最优目标。文中综合利用可见光和红外图像,提出一种多目标定位方法。首先,通过改进的FAsT-Match算法在电力设备可见光图像中实现多目标定位;其次,利用红外图像和可见光图像之间存在近似仿射变换,求出目标在红外图像中的位置。实验结果表明文中方法的有效性。     

基于小波变换的新型SURF图像拼接方法

针对传统图像拼接算法特征点计算量大、耗时较长等问题,提出了一种基于小波变换的新型加速鲁棒特征算法(SURF)图像拼接方法。首先通过Haar小波函数对图像进行二阶分解以获取图像低频成分,并利用小波梯度矢量对低频图像重合区域进行特征点提取,从而实现低频图像下快速获得特征点的变换参数以指导高频图像下的特征点提取;在此基础上,提出一种SURF图像匹配改进算法,利用特征点约束的单向匹配和方向一致等性质,有效剔除误匹配点对,以提高特征点匹配精度和实时性。最后,通过两组实验验证了所提出方法的有效性和可行性。     

基于改进SURF算子的彩色图像配准算法

为了解决传统SURF算法存在的问题,提高彩色图像配准的精度和准确率,提出一种双向邻近匹配的彩色图像配准算法。该算法对传统的SURF描述符进行改进,将图像的色彩信息叠加在只包含灰度信息的传统SURF特征描述符上,组成改进的SURF特征描述符,以增强彩色信息对配准的影响,提高配准的准确率;采用FLANN算法搜索匹配点对,并对匹配点对进行双向邻近匹配,以提高搜索效率和匹配精度;利用改进RANSAC算法剔除匹配错误的特征点对,以进一步优化匹配结果。实验结果表明,该算法能够有效地提高彩色图像配准的精度和准确率,具有较好的鲁棒性和图像变换适应性。     

基于FREAK特征的快速景象匹配

针对传统基于局部不变特征的景象匹配方法处理时间过长的问题,提出基于FREAK局部不变特征的快速景象配准算法。首先提出FAST-Difference特征点提取方法,分别提取参考图像和待配准图像中的特征点;接着计算其FREAK描述符,生成特征向量;随后利用级联匹配计算特征向量之间的汉明距离,提取出匹配的特征点对;最后利用RANSAC算法剔除误匹配点,利用最小二乘法估算出两幅图像之间的空间几何变换参数,实现两幅图像的配准。FAST-Difference相比以往的特征点检测方法速度更快;FREAK描述符与人类视网膜相似的结构提升了算法的时间性能和鲁棒性;使用扫视搜索,大大加速了匹配过程。实验证明相对于SIFT、SURF算法,本文算法不仅对于各种变换具有更好的鲁棒性,而且处理时间大大缩短,实现了景象匹配的实时处理。     

一种改进的快速全景图像拼接算法

全景图拼接是将具有共同部分的多幅图像进行组合,实现一幅全景图的过程.针对基于传统SIFT(scale-invariant feature transform)算法全景拼接中的特征点匹配计算消耗时间过长和存在冗余错误的不足提出了改进.其中,传统算法的特征点匹配计算是基于KD-tree算法的树结构,由近及远地逐个查找并计算特征点的匹配度;改进后的最近邻搜索算法(best-bin-first,BBF)是先根据每个特征点的多维度分量特性对其进行优先级排序,查询时总是从优先级高的开始,来提高匹配计算效率.冗余错误问题则是通过随机采样一致算法(RANSAC)的优化迭代计算错误概率,代替传统方法的阈值筛选法来减低错误匹配点的出现次数.实验中分别对简单纹理图像和复杂纹理图像进行了拼接实验并与原算法比较,证明本算法的拼接精度和时效性的提升.     

多路径生成对抗网络的红外与可见光图像融合

生成对抗网络在红外与可见光图像融合领域受到广泛关注,但单路径进行融合容易丢失浅层信息、分支路特征提取 融合能力有限。提出一种基于多路径生成对抗网络的红外与可见光图像融合方法。在生成器端,利用源图像与导向滤波结 果构建3条输入路径提取更多源图像特征信息,以获得细节更丰富的融合图像;然后,卷积层加入掩码注意力机制模块,提升 显著信息的提取效率,引入密集连接和残差连接,在提升特征传递效率的同时可获取更多源图像重要特征信息。在鉴别器 端,采用双鉴别器估计红外与可见光图像的区域分布,避免单鉴别器网络丢失对比度信息的模态失衡问题。在 TNO 数据集 上进行了实验,实验结果表明,所提算法在5个客观评估指标上4项取得了最好结果,优于多数主流算法,在主观评估方面,所 提算法保留了更多的纹理细节信息,具有更好的视觉效果。     

基于非下采样 Contourlet 变换耦合特征选择 机制的可见光与红外图像融合算法

为了克服当下较多可见光与红外图像融合方法因忽略了光谱特征而导致融合图像存在光谱扭曲、目标内容显著度较差等不足,提出了非下采样Contourlet变换(nonsubsampled contourlet transform, NSCT)耦合特征选择机制的图像融合算法。首先,通过NSCT对可见光与红外图像计算,分离出其不同图像系数。然后,利用信息熵函数,度量图像所含信息量的丰富度,以形成低频系数的融合系数,得到富含红外目标等丰富信息的融合低频系数。采用像素点的邻点信息,度量图像的清晰度特征,并引入均值函数,度量图像的光谱特征,再联合图像的清晰度特征,构造特征选择机制,从图像中选择理想的高频系数融合函数,获取兼顾细节特征和光谱特征的融合高频系数。最后,通过实验结果发现,较现有的融合算法而言,所提算法拥有更好的融合质量,更好地保持了图像的光谱特征,且目标内容显著。     

基于尺度限制SURF的图像配准

图像配准是数字图像处理中一个重要研究领域,是图像拼接、图像超分辨率重建的基础,基于尺度不变特征的图像配准已成为最近几年的热门研究领域,SURF算法是其中之一.对于具有尺度差异（SD）同时满足仿射变换的图像,传统SURF算法存在较大误匹配,从而影响最后的配准精度.针对误匹配问题,采用基于尺度限制（SR）的SURF算法并利用样本统计的方法来剔除误匹配,实验结果表明基于尺度限制的SURF算法能够有效的剔除误匹配,从而提高图像配准的精度.     

高分辨率瓷砖图像实时拼接算法

为了解决不同纹理瓷砖图像的快速拼接问题，研究了图像拼接算法。首先，分析了图像拼接中速度和精度的关系，通过构建高斯金字塔尺度空间以减少程序的运算时间。然后，采用相位相关法配准瓷砖图像。在这个过程中，结合亚像素细化补偿分辨率下降引起的配准误差，并提出一种基于拉普拉斯算子的高频特征凸显策略以增强相位相关法鲁棒性。在多种颜色和纹理的瓷砖图像拼接实验表明，所提出的算法相比于基于SIFT和ORB算法，拼接成功率提升了60%和65%;相比于SURF、H-SURF和FFT算法，SSIM提升了9.04%、7.58%和4.02%。在运行速度上，所提出的方法相比于SIFT、SURF和H-SURF算法提升了4倍、3倍和2倍，仅为传统基于傅里叶变换的相位相关法的52%。该算法实现了快速和高质量的图像拼接，满足了工业应用中对高分辨率瓷砖的成像要求。     

基于注意力密集网络的伪彩色红外与 可见光图像融合

针对现有红外与可见光图像融合算法中存在融合图像的纹理细节不清晰,红外信息和纹理细节的显示不平衡等问 题,提出了一种基于注意力密集网络的伪彩色红外与可见光图像融合方法。首先对灰度的红外图像进行伪彩色处理再与彩 色的可见光图像组成多通道数据输入融合网络。其次,设计了一种由卷积层和带有注意力模块的密集连接块组成的生成器 网络结构,关注源图像的关键信息,增强网络提取源图像信息的能力。最后,利用红外像素、可见光像素、可见光梯度和红外 梯度构建内容损失函数,以保持融合图像中红外目标和纹理细节的平衡。与5种具有代表性的融合方法进行定性和定量比 较。结果表明,该方法所获得融合图像的峰值信噪比、信息熵、平均梯度和互信息取得最优值,分别为31.6841、6.5581、 6.0096、3.0960。定量以及定性结果证明所提融合方法使融合图像具有更为丰富的纹理细节以及良好的视觉效果。     

基于SURF算法的HIFU治疗前后超声图像配准研究

高强度聚焦超声(HIFU)治疗过程中,医生通常将治疗前后的超声监控图像直接相减,得到治疗区域的图像来判断治疗效果。由于治疗后病人的体位可能会变化,导致治疗前后采集的图像发生偏移,通常需要先将HIFU治疗前后的超声监控图像进行配准。提出了一种基于加速鲁棒性算法(SURF)和超声监控图像散斑特征的快速图像配准方法。首先利用经典的SURF特征检测器分别提取治疗前和治疗后超声图像中的特征点,采用欧式距离匹配提取的特征向量,通过超声图像的固有属性散斑特征的分布规律优化配准参数并用RANSAC算法去除错误匹配点对,最后利用最小二乘法求出图像之间的映射关系完成配准。实验结果表明,该算法能自动搜索治疗前后超声监控图像中的对应特征点,比传统的人工筛选特征点效率更高,且利用散斑特征的分布规律优化后的SURF算法相比标准的SURF算法配准精度更高。     

基于单阶段目标检测算法的变电设备红外图像目标识别及定位

针对红外图像中变电设备的识别和定位问题,提出了一种基于改进YOLOv3算法的变电设备检测方法.在现场采集的变电设备红外图像集的基础上,首先使用基于Retinex的图像增强算法以及阈值分割等图像处理方法对图像集进行预处理;然后基于变电设备红外图像对YOLOv3算法进行参数优化,并通过迁移学习的策略对改进YOLOv3网络进行训练以解决图像集样本数量较少的问题.实验结果表明,在样本数量较少的情况下,所提方法可以达到满意的检测准确率,并能快速地实现变电设备的识别和定位.     

基于CA和OTSU的电气设备红外图像分割方法

针对电气设备红外图像中需要对目标进行识别和诊断的需求,提出了一种基于元胞自动机(CA)与最大类间方差(OTSU)法的图像增强与分割算法.首先采用高帽、低帽变换结合的方法对电气设备红外图像进行增强,时增强后的图像采用CA法进行边缘提取,并进行二值化处理,最后与经过OTSU算法分割后的红外图像进行融合.实验结果表明采用该算...