申请/专利权人：安徽工业大学

申请日：2021-09-14

公开（公告）日：2024-04-16

公开（公告）号：CN113792788B

主分类号：G06V10/74

分类号：G06V10/74;G06V10/44;G06V10/80;G06V10/75

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.12.31#实质审查的生效;2021.12.14#公开

摘要：本发明公开了一种基于多特征相似度融合的红外和可见光图像匹配方法，包括以下步骤：对给定的红外和可见光图像进行轮廓提取，并检测轮廓上的显著角点作为特征点；利用特征点左右轮廓信息计算其主方向；对于每一个特征点，确定该点的特征描述参数，构造其PIIFD特征描述符；再依据该点与其它特征点的位置关系构造全局上下文特征描述符；对于两幅图像中的每一对特征点，计算两种特征描述符的相似度，根据特征点的位置分布特性进行加权融合，通过对比各对特征点的相似度实现特征匹配，并剔除异常匹配点对。本发明有效克服实际应用中红外和可见光图像之间拍摄视角、成像分辨率差异大，特征点描述和匹配困难的问题，提高图像特征点匹配的准确率。

主权项：1.一种基于多特征相似度融合的红外和可见光图像匹配方法，其特征在于，其步骤为：步骤1、分别对参考图像和待匹配图像进行轮廓检测，并提取轮廓上的显著角点作为特征点；步骤2、对于两幅图像中的每一个特征点，利用该点及其左右轮廓点的坐标计算该特征点的主方向；步骤3、对于两幅图像中的每一个特征点，确定该点的特征描述参数，并构造其PIIFD特征描述符；步骤4、对于两幅图像中的每一对特征点，依据该点与其它特征点的位置关系构造其全局上下文特征描述符；步骤5、对于两幅图像中的每一对特征点，计算两种特征描述符的相似度，根据特征点的位置分布特性进行加权融合，通过对比各对特征点的相似度实现特征匹配，并剔除异常匹配点对；所述步骤3中，计算特征点PIIFD特征描述符的步骤为：步骤3-1、将步骤1提取出图像中的特征点集合记为{c1,c2,…,cN}，其中，N为图像中检测到的所有特征点的个数；对于其中任一特征点ci，选取与其距离最近的Nn个特征点，记为最近邻点集合其中每一个点与ci的欧式距离记为则平均距离为： 步骤3-2、对于特征点ci，在图像中选取该特征点周围的矩形区域，并且以特征点ci的主方向作为矩形区域方向，构造该特征点的PIIFD特征描述符；所述步骤4中，计算特征点全局上下文特征描述符的步骤为：步骤4-1、对于特征点集合{c1,c2,…,cN}中的任一特征点cj，相对于特征点ci的相对位置为wij＝αij,βij，其中αij为向量与特征点ci主方向的夹角，βij为特征点cj主方向和特征点ci主方向的夹角；对于特征点集合{c1,c2,…,cN}中的每一个特征点cj，计算描述向量wij，j＝1，2，…，N；j≠i；步骤4-2、将α和β的取值范围[0,2π均匀划分为8个角度区间，由此可计算特征点ci的全局上下文特征描述直方图为： 其中，为直方图中第k个元素值，bink为第k个角度区间，K为直方图维数；wj为特征点cj对于特征描述的权重，其数值为： 式中，dij为特征点cj与特征点ci之间的欧氏距离。

全文数据：

权利要求：

百度查询： 安徽工业大学 一种基于多特征相似度融合的红外和可见光图像匹配方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD