| 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 |
| |
| 引用本文： | 林颖,刘萌,白德盟,刘晓东,张利孟,丛培强.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[J].山东电力技术,2022(8):22-27. |
| |
| 作者姓名： | 林颖 刘萌 白德盟 刘晓东 张利孟 丛培强 |
| |
| 作者单位： | 1.国网山东省电力公司电力科学研究院250003;2.国网山东省电力公司日照供电公司276800;3.国网威海市文登区供电公司264400; |
| |
| 基金项目： | 国家自然科学基金青年项目(51807122)；山东电力研究院自主研发项目“融合图像纹理特征的变压器缺陷智能诊断技术研究”(ZY-2021-03)。 |
| |
| 摘 要： | 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。
|
| 关 键 词： | 图像配准 多模态 特征提取 特征匹配 |
| 本文献已被 维普 等数据库收录！ |
|
