电力巡检场景下的红外与可见光图像配准方法

电力设备故障会导致停电事故,影响电网的安全稳定运行。根据电力设备运行时会产生热量的特点,提出一种电力设备的红外与可见光图像配准方法,便于进行异常发热故障检测。首先通过Sobel边缘检测算子提取电力设备的红外与可见光图像的边缘信息,得到边缘图像;然后通过SuperPoint算法检测2幅边缘图像的特征点并计算描述子,利用SuperGlue算法对特征点进行匹配;最后通过最小二乘法计算仿射变换模型参数,实现电力设备的红外与可见光图像配准。实验结果表明本文方法能够对电力设备的红外与可见光图像进行高精度的配准。     

基于最大互信息的红外与可见光图像配准

图像配准是图像融合技术的基本环节和首要问题。该文针对红外与可见光两种不同波段图像的配准技术进行了研究,分析了两者配准的特点,并提出了基于最大互信息的配准算法。算法利用Sobel算子对图像进行边缘增强,完成图像的预处理,然后基于仿射变换建立图像变换模型,并按照最大相关原则确定最佳配准参数,从而实现红外与可见光图像的配准。实验结果表明,该方法可以实现红外和可见光图像的配准。     

基于红外与可见光图像融合的无人机探测研究

为了进一步提高识别无人机的效率,提出基于红外与可见光图像融合的无人机探测方法,并且对配准算法进行改进,搭配Canny边缘检测ORB特征检测的融合配准算法.首先,搭建双目摄像头、采集无人机图像;接着,对图像进行La?place预处理、Canny边缘检测ORB特征检测配准、Harr小波变换融合.将得到的融合图像和融合前的可...     

基于分块互信息的图像配准

针对传统互信息缺乏利用空间信息而容易导致误配的缺点,提出了基于分块互信息的多模图像配准方法,并运用于可见光与红外图像之间的配准。该方法首先将可见光与红外图像分块,求得每个可见光与红外图像块对的互信息,并由块对中可见光与红外图像的质心间的距离为参数,确定块对的配准系数,求得每个块对的互信息与配准系数的乘积的和,定义为分块互信息,并以此为配准准则。实验表明,该方法运用与可见光与红外光配准,在配准精度上优于传统互信息方法。     

基于Co-motion的可见光——热红外图像序列自动配准算法

提出了一种基于Co-motion的可见光--热红外图像序列自动配准方法, 引入Co-motion运动统计特征来解决异源图像序列配准问题, 从而避开了异源图像相似图像特征提取和精确运动检测的难题. 由于可见光和热红外成像机理不同, 在运用运动统计特征时, 会面临与同源配准不同的诸多问题, 如难以提取相似前景、大量外点干扰和易受大尺度变化的影响等. 本文通过对所面临难题的分析 提出了适合于异源图像序列配准的同名点对选取方法和外点去除方法, 并精确迭代优化变换模型. 对俄亥俄州大学红外--可见光数据库和自建数据库共8组数据的实验分析结果表明, 该算法在大尺度、旋转、平移及视场角变化下均能精确配准.     

一种基于互信息的图像配准算法

针对红外和可见光图像的特性,提出了一种基于互信息的图像配准算法。该算法采用互信息作为红外和可见光图像的统计相关性测度,并使用仿射模型实现两者的配准。实验结果表明,该算法能够较好的进行图像间尺度、旋转和平移差别的修正,可以很好地解决成像差异较大的红外与可见光图像间的配准问题。     

基于多光谱图像配准融合的机器人巡检平台

针对变电站中开展机器人巡检工作时,普遍存在复杂场景下拍摄所得红外与可见光检测图像存在遮挡、旋转和视角差异等情况,进而导致图像匹配融合效率低的问题,本文提出了一种基于STM32控制的多光谱图像配准融合巡检机器人模型。该模型首先建立模板库,通过模板匹配定位图像中的目标电力设备,在此基础上使用SURF算法进行精细匹配,即利用RANSAC剔除设备特征误配点,并采用单映射FINDHOMOGRAPHY算法进行像素叠加,最终实现变电站设备的红外、可见光图像融合。实验结果表明,本文的改进算法生成特征点数量合适、质量提升明显,相比SIFT、SURF等传统图像融合算法,配准精度提高至少30%,图像处理速度提高至少30%,具备实用意义,可有效应用于设备识别、电力设备故障诊断领域。     

非下采样轮廓波域红外与可见光图像配准算法

针对灰度和对比度存在较大差异的可见光图像与红外图像的配准问题,提出了一种基于非下采样轮廓波变换的多分辨率配准方法。该方法分别对可见光图像和红外图像进行非下采样轮廓波分解,引入梯度归一化互信息作为配准图像的相似性测度,利用基于种群成熟度描述的自适应确定交叉和变异比率的改进遗传算法作为搜索策略,对高尺度低频图像进行粗配准。然后,根据粗匹配结果在低尺度低频图像上进行进一步配准,最终实现全分辨率条件下红外和可见光图像的配准。实验结果表明,提出的算法能够有效提高配准精度和速度。     

一种基于轮廓多边形逼近的可见光与红外图像配准方法

针对遥感可见光与红外图像配准的问题,提出采用对轮廓进行多边形逼近的配准方法.由于可见光与红外遥感图像中噪声多、灰度复杂等特点,使得很多配准方法失效.在提取目标轮廓后对轮廓多边形逼近,然后利用Freemen链码作对多边形的特征进行分析,根据仿射变换中直线不变原理,得到多边形的边和顶点之间的关系,利用控制点对进行配准.实验证明该方法取得了较好的效果.     

基于Matlab变压器故障红外图像边缘检测研究

红外图像处理在电力设备故障检测方面有着广泛的应用。介绍几种边缘检测方法,通过MATLAB对各种算法进行变压器故障红外诊断图像处理,实现边缘检测,比较这些方法的优越性,根据实际需要选取相应的边缘算法。     

基于改进SLIC算法的电力设备故障区域分割方法

在电力设备状态监测中,红外测温图像故障区域的分割是今后故障诊断智能化发展的关键环节。为了实现图像自动化处理,提高故障区域的分割精度,提出一种改进SLIC算法的故障区域分割方法。采用导向滤波器对红外测温图像进行预处理;在SLIC超像素迭代过程中增加亮度相似性限制条件,并将生成的超像素以种子点的色彩值匹配颜色;通过自动设置色调阈值,实现对电力设备故障区域的分割和标记。实验结果表明,改进的算法与原始SLIC算法相比,边缘召回率提高了4.10%,对故障区域的分割更具优势。     

基于改进Chan-Vese模型的电力设备红外图像分割

电力设备红外图像分割是电力设备模式识别和红外故障诊断的基础。Chan-Vese模型能够有效分割含强噪声和边缘模糊的图像,但其分割速度缓慢,并且在分割电力设备红外图像时不能有效消除无关背景。提出一种改进的Chan-Vese模型,采用多个初始轮廓,并采用二值函数代替距离函数初始化水平集函数;同时对Chan-Vese模型的梯度下降流提出改进,简化其图像数据项,并用一个高斯核函数取代长度正则项。改进的模型不仅方便计算,而且可以在迭代过程中采用更大时间步长,加快曲线演化速度。在对电力设备红外图像的分割实验中,证明了相比Chan-Vese模型,新模型分割速度明显提高,并且具备较好的消除无关背景的性能。     

基于改进归一化割的甲状腺肿瘤B超图像分割

为了实现甲状腺肿瘤B超图像和核素图像的图像配准融合以及得到特征级图像配准所需要的特征区域,需分割出甲状腺、肿瘤及其周围组织。这类图像在形成过程中往往会产生斑点噪声使图像质量较差,且具有灰度对比度低和亮度分布不均匀等特点,提出一种基于各向异性扩散的归一化割分割法,将各向异性扩散模型引入到归一化割中,并通过调节模型参数来对甲状腺肿瘤B超图像进行去噪和边缘增强,优化了归一化割中轮廓线图和权值矩阵,在一定程度上避免了归一化割的过分割和欠分割,实验结果证明了该方法的可行性。     

红外图像活动轮廓分割算法

红外图像通常存在边缘模糊、对比度低、背景复杂等特点,传统的活动轮廓模型难以达到理想的分割效果。针对这种情况,提出了一种能够用于红外图像分割的边缘活动轮廓模型。该模型采用了结合图像局部熵信息定义的边缘停止函数,同时提出了一种针对红外图像的自动选取初始轮廓的方法,进一步提高了算法的效率。实验结果表明,采用该模型能够有效分割红外图像。     

基于自适应混合多项式变换的图像配准

图像配准是红外与可见光图像融合的关键问题。在实际应用中,场景景深的多变性与红外、可见光相机之间的差异性都会增加多模图像配准的难度。为应对上述困难,提出了一种用于图像配准的自适应混合多项式变换（Adaptive Polynomial Mixture Transformation,APMT）,该模型可以准确地描述待配准红外与可见光图像之间形变的全局非线性规律。针对形状上下文特征的缺陷进行改进,设计了高斯加权形状上下文（Gaussian Weighted Shape Context,GWSC）特征,用于从多模图像中提取匹配点集。利用分段优化策略从匹配点集中估计出最优的APMT模型参数,实现全局图像配准。定性与定量实验表明：与同类方法相比,提出的方法（GWSC-APMT）在配准精度与效率方面都有良好的表现。     

基于简化Mumford-Shah模型的水平集红外图像分割算法

由于红外图像大多具有目标模糊,对比度低的特点,传统的分割方法容易受到噪声和边界轮廓的影响而导致分割效果不佳,提出了一种基于简化Mumford-Shah模型的水平集红外图像分割算法.该算法能够通过将初始闭合曲线嵌入水平集函数,利用函数的求解从而达到图像分割的目的.仿真实验结果表明,该分割算法与初始轮廓线位置无关,受边界轮廓线和图像噪声的影响较小,具有较强的鲁棒性,在目标与背景灰度级差别较小的红外图像的分割中取得了较好的效果.     

基于语义分割的红外和可见光图像融合

红外图像即使在低光照条件下,也能根据热辐射的差异将目标与背景区分开来,而可见光图像具有高空间分辨率的纹理细节,此外,红外和可见光图像都含有相应的语义信息.因此,红外与可见光图像融合,需要既保留红外图像的辐射信息,也保留可见光图像的纹理细节,同时,也要反映出二者的语义信息.而语义分割可以将图像转换为带有语义的掩膜,提取源图像的语义信息.提出了一种基于语义分割的红外和可见光图像融合方法,能够克服现有融合方法不能针对性地提取不同区域特有信息的缺点.使用生成式对抗神经网络,并针对源图像的不同区域设计了2种不同的损失函数,以提高融合图像的质量.首先通过语义分割得到含有红外图像目标区域语义信息的掩模,并利用掩模将红外和可见光图像分割为红外图像目标区域、红外图像背景区域、可见光图像目标区域和可见光图像背景区域;然后对目标区域和背景区域分别采用不同的损失函数得到目标区域和背景区域的融合图像;最后将2幅融合图像结合起来得到最终融合图像.实验表明,融合结果目标区域对比度更高,背景区域纹理细节更丰富,提出的方法取得了较好的融合效果.