本發(fā)明屬于圖像處理
技術(shù)領(lǐng)域：
，涉及一種電氣設(shè)備紅外與可見(jiàn)光圖像的配準(zhǔn)方法。
背景技術(shù)：
：隨著社會(huì)的發(fā)展，為了滿(mǎn)足各行各業(yè)對(duì)電力大量的需求，必須要保證電網(wǎng)供電的穩(wěn)定性以及安全性。而電力設(shè)備是電力電網(wǎng)系統(tǒng)的重要組成部分，電力設(shè)備安全穩(wěn)定的運(yùn)行可以保證電網(wǎng)可靠地供電。但是因?yàn)殡娏υO(shè)備長(zhǎng)期處于運(yùn)行狀態(tài)同時(shí)非常容易受到環(huán)境變化的影響，經(jīng)常會(huì)造成各種各樣故障的發(fā)生，一般的表現(xiàn)形式有設(shè)備整體或者局部的異常發(fā)熱，如設(shè)備絕緣性能劣化或絕緣故障導(dǎo)致介質(zhì)損耗增大而引起的發(fā)熱、接頭接觸不良引起的局部過(guò)熱等。所以對(duì)電力設(shè)備的熱狀態(tài)進(jìn)行定期的檢測(cè)，并通過(guò)設(shè)備的熱狀態(tài)進(jìn)行分析和診斷，是保障電力設(shè)備和電網(wǎng)可靠運(yùn)行的重要手段之一。由于電力設(shè)備的分布比較廣、數(shù)目種類(lèi)繁多而且運(yùn)行時(shí)具有高溫、高電壓等特殊性，難以采用常規(guī)的檢測(cè)方式確定電力設(shè)備的熱狀態(tài)。多傳感器的協(xié)作運(yùn)行可以互相彌補(bǔ)各自的局限性，如為了更加可靠的保證電氣設(shè)備的正常運(yùn)行，可以采用紅外與可見(jiàn)光傳感器結(jié)合的方法對(duì)電氣設(shè)備進(jìn)行異常發(fā)熱區(qū)域的檢測(cè)和精準(zhǔn)定位。由于采用紅外成像的電力設(shè)備檢測(cè)技術(shù)是對(duì)設(shè)備的表面進(jìn)行非接觸、遠(yuǎn)距離成像檢測(cè)，不會(huì)受到崎嶇地形、設(shè)備運(yùn)行狀態(tài)的制約，具有直觀安全、應(yīng)用范圍廣等特點(diǎn)，已經(jīng)成為電力設(shè)備健康狀態(tài)檢測(cè)和故障診斷的重要手段。所謂圖像配準(zhǔn)(ImageRegistration)就是尋找圖像之間一種空間變換關(guān)系，將圖像變換到統(tǒng)一的坐標(biāo)系下,使得兩幅圖像中同一目標(biāo)具有相同坐標(biāo)位置的過(guò)程，其中兩幅圖像在不同的視角、傳感器、時(shí)間下獲得。它也是解決圖像融合、目標(biāo)檢測(cè)和識(shí)別的前提，在遙感、軍事、計(jì)算機(jī)視覺(jué)等眾多場(chǎng)合得到了比較廣泛的應(yīng)用和發(fā)展。由于來(lái)源于不同的傳感器拍攝，多源圖像之間的融合可以獲得比單模態(tài)圖像更多的細(xì)節(jié)信息，而此時(shí)多源圖像之間的配準(zhǔn)則顯得尤為重要。本發(fā)明所研究的紅外與可見(jiàn)光圖像的配準(zhǔn)則屬于比較常見(jiàn)的多源圖像配準(zhǔn)問(wèn)題，紅外圖像是基于溫差的，其反映的被測(cè)物體的輻射信息，無(wú)法分辨出相同溫度區(qū)域目標(biāo)的特征，而可見(jiàn)光圖像反映了被測(cè)目標(biāo)的反射信息。對(duì)這兩種模態(tài)的電氣設(shè)備圖像進(jìn)行融合，既可以通過(guò)紅外圖像得到電氣設(shè)備的熱狀態(tài)信息，及時(shí)發(fā)現(xiàn)設(shè)備異常發(fā)熱問(wèn)題，又可以通過(guò)可見(jiàn)光圖像對(duì)設(shè)備溫度異常區(qū)域進(jìn)行精確定位，當(dāng)設(shè)備出現(xiàn)故障時(shí)，這兩種模態(tài)的優(yōu)勢(shì)互補(bǔ)可以快速對(duì)故障進(jìn)行精確定位，確保設(shè)備可靠運(yùn)行。紅外與可見(jiàn)光兩種圖像拍攝設(shè)備在對(duì)同一目標(biāo)取景時(shí)難免會(huì)出現(xiàn)一定程度的旋轉(zhuǎn)、平移、縮放，導(dǎo)致兩幅圖像在同一坐標(biāo)下存在空間位置的差異，使得多源圖像的配準(zhǔn)成為圖像融合的必要步驟。而快速、精準(zhǔn)度高、算法魯棒性好成為紅外和可見(jiàn)光圖像的配準(zhǔn)方法所追求的一個(gè)目標(biāo)。目前圖像的配準(zhǔn)方法可以分為：基于區(qū)域灰度的配準(zhǔn)方法和基于特征的配準(zhǔn)方法。其中基于區(qū)域灰度的配準(zhǔn)方法大都是先定義一種基于灰度信息的相似性準(zhǔn)則函數(shù)，然后選取圖像某一區(qū)域去搜索最優(yōu)的變換參數(shù)值，如果相似性準(zhǔn)則函數(shù)的值最大，那么所對(duì)應(yīng)的求解參數(shù)值即為最優(yōu)值。其中以互信息為測(cè)度的圖像配準(zhǔn)具有魯棒性強(qiáng)、精度高等特點(diǎn)，得到了廣泛的應(yīng)用，但是其計(jì)算量比較大，從而導(dǎo)致配準(zhǔn)過(guò)程花費(fèi)較長(zhǎng)時(shí)間。而基于特征的配準(zhǔn)方法由于具有計(jì)算速度快、魯棒性好、對(duì)幾何形變不敏感等特點(diǎn)逐漸被廣泛運(yùn)用，其核心是：對(duì)于多源圖像數(shù)據(jù)，選擇共有的特征和適用于該特征的匹配策略。典型的檢測(cè)子包括：Harris角點(diǎn)檢測(cè)子、Hessan_Laplace、SIFT算法、SURF算法等，其中Bay于2006年5月提出的SURF算法在性能上優(yōu)于SIFT算法，且在運(yùn)算速度上也有很大的優(yōu)勢(shì)?；诂F(xiàn)有技術(shù)，本發(fā)明研究了一種基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)算法以及一種新的SURF特征點(diǎn)匹配方法用于電氣設(shè)備紅外與可見(jiàn)光圖像的配準(zhǔn)，保證了配準(zhǔn)的精度，同時(shí)也提高了特征點(diǎn)的匹配速度。技術(shù)實(shí)現(xiàn)要素：本發(fā)明所要解決的技術(shù)問(wèn)題是，提供一種電氣設(shè)備紅外與可見(jiàn)光圖像的配準(zhǔn)方法，可以實(shí)現(xiàn)電氣設(shè)備紅外圖像與可見(jiàn)光圖像的高精度配準(zhǔn)。為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種基于SURF算子的電氣設(shè)備紅外與可見(jiàn)光圖像的配準(zhǔn)方法，其特征在于：包括以下步驟：1)獲取同一場(chǎng)景下電氣設(shè)備的紅外圖像與可見(jiàn)光圖像，并且紅外圖像與可見(jiàn)光圖像尺寸相同；2)采用基于多方向、不同權(quán)值的形態(tài)學(xué)邊緣檢測(cè)方法分別提取電氣設(shè)備紅外圖像與可見(jiàn)光圖像的邊緣；3)通過(guò)SURF(SpeededUpRobustFeatures)算子得到紅外邊緣圖像和可見(jiàn)光邊緣圖像的特征點(diǎn)；4)采用特征點(diǎn)匹配算法對(duì)特征點(diǎn)進(jìn)行匹配，篩選出正確的匹配點(diǎn)對(duì)，計(jì)算出仿射變換模型的各系數(shù)值；5)根據(jù)仿射變換模型通過(guò)插值運(yùn)算對(duì)待配準(zhǔn)圖像進(jìn)行空間坐標(biāo)變換，得到最終的配準(zhǔn)圖像。本發(fā)明所達(dá)到的有益效果：本發(fā)明解決了電氣設(shè)備同一場(chǎng)景的紅外與可見(jiàn)光圖像間一致特征難以提取和匹配的問(wèn)題，有效提高了匹配點(diǎn)對(duì)的正確率，能夠?qū)﹄姎庠O(shè)備紅外和可見(jiàn)光圖像實(shí)現(xiàn)高精度的配準(zhǔn)。附圖說(shuō)明圖1是本發(fā)明基于SURF算子的電氣設(shè)備紅外與可見(jiàn)光圖像的配準(zhǔn)方法的流程圖。圖2是本發(fā)明結(jié)構(gòu)元素S的四個(gè)方向上的不同結(jié)構(gòu)。圖3是本發(fā)明采用的雙線(xiàn)性插值法的示意圖。具體實(shí)施方式本發(fā)明的實(shí)施示意圖如圖1所示，本發(fā)明的基于SURF算子的電氣設(shè)備紅外與可見(jiàn)光圖像的配準(zhǔn)方法，具體步驟包括：1)獲取同一場(chǎng)景下電氣設(shè)備的紅外圖像與可見(jiàn)光圖像，并且紅外圖像與可見(jiàn)光圖像具有相同的尺寸；2)對(duì)電氣設(shè)備紅外圖像與可見(jiàn)光圖像進(jìn)行灰度化處理，采用基于多方向、不同權(quán)值的形態(tài)學(xué)邊緣檢測(cè)方法分別提取灰度圖像的邊緣，具體步驟包括：21)采用如下濾波器對(duì)圖像進(jìn)行去噪處理，濾波器公式如下：22)確定邊緣檢測(cè)算子Ek如下式：其中，f代表含有噪聲的圖像，Sk表示方向結(jié)構(gòu)元素，C為用于濾波的結(jié)構(gòu)元素，D表示去噪后的平滑圖像，·表示形態(tài)學(xué)的閉運(yùn)算，表示形態(tài)學(xué)的閉運(yùn)算，Θ表示腐蝕運(yùn)算；23)用于濾波的結(jié)構(gòu)元素C值為[010；111；010]，方向結(jié)構(gòu)元素Sk包括4個(gè)方向，分別為：S1＝[010；010；010]；S2＝[100；010；001]；S3＝[000；111；000]；S4＝[001；010；100]；同時(shí)在尺寸為3×3的圖像子塊中，a1,a2,···,a9分別代表子塊中各像素點(diǎn)的灰度值，其中a1為中間像素點(diǎn)的灰度值，a2,···,a9為其鄰域像素點(diǎn)的灰度值；通過(guò)比較結(jié)構(gòu)元素和圖像邊緣方向之間的關(guān)系，可以發(fā)現(xiàn)，如果所選結(jié)構(gòu)元素的方向和邊緣梯度方向一致，那么此時(shí)能夠正確地檢測(cè)到細(xì)節(jié)信息，降低錯(cuò)檢、漏檢等現(xiàn)象發(fā)生的概率。本發(fā)明通過(guò)計(jì)算圖像子塊中4個(gè)方向上像素的變化值來(lái)判斷邊緣梯度走向，并對(duì)應(yīng)到四種結(jié)構(gòu)元素的一種。令坐標(biāo)點(diǎn)(x,y)表示紅外圖像和可見(jiàn)光圖像中任意一像素點(diǎn)，紅外圖像和可見(jiàn)光圖像中每個(gè)子塊內(nèi)的鄰域間差值的絕對(duì)值和各方向結(jié)構(gòu)元素的對(duì)應(yīng)匹配關(guān)系為：方向結(jié)構(gòu)元素S1、S2、S3、S4分別對(duì)應(yīng)的鄰域間差值的絕對(duì)值分別為：Fe1(x,y)=|Σh=35ah-Σh=79ah|,Fe2(x,y)=|Σh=46ah-Σh=89ah-a2|,]]>Fe3(x,y)=|Σh=57ah-Σh=23ah-a9|,Fe4(x,y)=|Σh=68ah-Σh=24ah|;]]>方向結(jié)構(gòu)元素S1、S2、S3、S4分別對(duì)應(yīng)的計(jì)數(shù)值Count為：Count1、Count2、Count3、Count4；在3×3圖像子塊遍歷整幅圖像的過(guò)程中，每次計(jì)算四個(gè)鄰域間差值的絕對(duì)值參數(shù)值：Fe1(x,y)、Fe2(x,y)、Fe3(x,y)、Fe4(x,y)，然后比較四個(gè)鄰域間差值的絕對(duì)值的大小，對(duì)最大鄰域間差值的絕對(duì)值所對(duì)應(yīng)的方向結(jié)構(gòu)元素所對(duì)應(yīng)的計(jì)數(shù)值Count加1，最后由計(jì)數(shù)值Count來(lái)確定方向結(jié)構(gòu)元素在四個(gè)方向上的權(quán)值，公式如下所示：wk=Countk/Σk=14Countk,k=1,2,3,4]]>其中w1,w2,w3,w4分別為4個(gè)方向結(jié)構(gòu)元素S1、S2、S3、S4所占的比例系數(shù)；把4個(gè)方向結(jié)構(gòu)元素依次代入邊緣檢測(cè)算子Ek，再根據(jù)所計(jì)算的4個(gè)比例系數(shù)w1,w2,w3,w4對(duì)邊緣檢測(cè)算子Ek進(jìn)行疊加，公式如下所示，獲得邊緣圖像E，E=Σk=14wkEk,k=1,2,3,4;]]>24)設(shè)置閾值系數(shù)α，將步驟23)得到的邊緣圖像E中灰度值大于α的點(diǎn)的灰度值置為255，灰度值小于或等于α的點(diǎn)的灰度值置0，得到最終邊緣圖像。3)通過(guò)SURF算子得到紅外圖像與可見(jiàn)光圖像的邊緣圖像的特征點(diǎn)。下面將從特征點(diǎn)的檢測(cè)、描述兩個(gè)方面來(lái)詳細(xì)介紹SURF理論。31)檢測(cè)特征點(diǎn)：在SURF算法中，通過(guò)計(jì)算近似的Hessian矩陣行列式的值來(lái)定位特征點(diǎn)。當(dāng)某點(diǎn)處Hessian行列式的值局部最大時(shí)，所檢測(cè)出來(lái)的就是特征點(diǎn)。特征點(diǎn)一般比周?chē)徲螯c(diǎn)更亮或更暗一些。SURF方法提取特征點(diǎn)過(guò)程僅使用原始圖像。將不同尺寸的方形濾波器作用在原始圖像上，由于使用了積分圖像，盡管方形濾波器的尺寸有所不同，但處理速度可保持不變。SURF尺度空間包括若干組(Octave)，每一組內(nèi)包含了若干層。每一層為不同尺度的圖像。不同尺度的圖像為原始圖像與不同尺寸的方形濾波器高斯卷積后得到的結(jié)果圖像。各組之間的區(qū)別為最底層方形濾波器的窗口尺寸及組內(nèi)各層的方形濾波器的窗口大小步進(jìn)。第一組最底層使用邊長(zhǎng)為9的方形濾波器，之后每一組最底層將使用前一組第二層方形濾波器的尺寸。比如第一組各層方形濾波器的尺寸分別為9，15，21，27；第二組各層方形濾波器的尺寸分別為15，27，39，51；第三組各層方形濾波器的尺寸分別為27，51，75，99。為了保證SURF特征點(diǎn)的尺度不變性，SURF算法中特征點(diǎn)的選取是基于Hessian矩陣，具體方法為：計(jì)算某點(diǎn)處Hessian矩陣行列式的值，當(dāng)該點(diǎn)處Hessian矩陣行列式的值為局部區(qū)域最大值時(shí)，認(rèn)為該點(diǎn)為特征點(diǎn)的候選點(diǎn)。同時(shí)為了除去非區(qū)域內(nèi)Hessian矩陣行列式最大值的點(diǎn)，引入非最大值抑制的方法。若某點(diǎn)通過(guò)了非最大值抑制，并且其Hessian矩陣行列式的值大于閾值，則對(duì)其進(jìn)行三維鄰域最大值驗(yàn)證，將與該點(diǎn)同尺度下的8個(gè)3×3鄰域內(nèi)的點(diǎn)及上下兩層相鄰尺度的18個(gè)3×3鄰域的點(diǎn)進(jìn)行比較，以保證該點(diǎn)確為尺度空間的極值點(diǎn)。32)特征點(diǎn)的描述為了實(shí)現(xiàn)SURF特征的旋轉(zhuǎn)不變性，需要為每個(gè)SURF特征點(diǎn)分配唯一的主方向。SURF特征點(diǎn)主方向是由特征點(diǎn)圓形鄰域內(nèi)其它點(diǎn)的信息所確定。其主方向通過(guò)計(jì)算Haar小波響應(yīng)來(lái)確定。使用以特征點(diǎn)為頂點(diǎn)、圓心角為60°的扇形掃描特征點(diǎn)圓形鄰域。在掃描過(guò)程中，每掃描1°，計(jì)算扇形覆蓋的圖像區(qū)域內(nèi)的Haar小波響應(yīng)在x、y方向上的累加和，x、y方向就是水平和豎直方向，扇形區(qū)域內(nèi)的Haar小波響應(yīng)累加和應(yīng)為一個(gè)矢量。當(dāng)扇形旋轉(zhuǎn)一周后，將得到360個(gè)矢量，其中，長(zhǎng)度最長(zhǎng)的矢量所對(duì)應(yīng)的方向即為該特征點(diǎn)的主方向。SURF描述子的生成過(guò)程中，參與運(yùn)算的區(qū)域?yàn)橐蕴卣鼽c(diǎn)為中心的，邊長(zhǎng)為20倍特征點(diǎn)尺度值得正方形區(qū)域。該正方形區(qū)域的y軸方向與特征點(diǎn)主方向重合。將參與運(yùn)算的正方形區(qū)域分割成4×4的子區(qū)域，每個(gè)區(qū)域大小為5×5像素點(diǎn)。對(duì)每一個(gè)子區(qū)域，使用尺寸為2倍特征點(diǎn)尺度的Haar小波模板進(jìn)行運(yùn)算。設(shè)dx為x方向子區(qū)域的Haar小波響應(yīng)值，dy為y方向子區(qū)域的Haar小波響應(yīng)值。對(duì)所有得到的dx和dy，以特征點(diǎn)為中心，使用標(biāo)準(zhǔn)差為3.3倍特征點(diǎn)尺度的高斯函數(shù)進(jìn)行加權(quán)運(yùn)算。最后，將4×4個(gè)子區(qū)域的4維向量組合v＝(∑dx,∑|dx|,∑dy,∑|dy|)，即得到了一個(gè)64維的向量。為了使SURF描述子具備光照不變性，對(duì)得到的64維向量進(jìn)行歸一化處理，即得到了包含64維信息的SURF特征點(diǎn)描述子。4)采用特征點(diǎn)匹配算法對(duì)特征點(diǎn)進(jìn)行匹配，篩選出正確的匹配點(diǎn)對(duì)，計(jì)算出仿射變換模型的各系數(shù)值。本發(fā)明的特征點(diǎn)匹配方法，步驟如下：假設(shè)參考圖像用I1表示，待配準(zhǔn)圖像用I2表示，尺寸均為M×N，并將參考圖像和待配準(zhǔn)圖像水平依次放置于同一坐標(biāo)軸下，形成尺寸為M×2N的圖像，M代表圖像的行數(shù)，N代表圖像的列數(shù)；參考圖像I1、待配準(zhǔn)圖像I2通過(guò)SURF方法檢測(cè)到的特征點(diǎn)集合分別表示成：Pos1＝{(x1',y1'),(x'2,y'2),···,(x′i,y′i),···,(x'm,y'm)},1≤i≤m，Pos2＝{(x1,y1),(x2,y2),···,(xj,yj),···,(xn,yn)},1≤j≤n，其中m,n分別表示參考圖像I1和待配準(zhǔn)圖像I2特征點(diǎn)的數(shù)量；根據(jù)最后正確匹配點(diǎn)對(duì)之間的斜率方向一致性的先驗(yàn)知識(shí)，匹配方法的步驟為：41)對(duì)參考圖像I1的特征點(diǎn)集合Pos1中的每個(gè)點(diǎn)i，計(jì)算其與待配準(zhǔn)圖像I2的特征點(diǎn)集合Pos2中所有的點(diǎn)之間的歐氏距離，選擇最小歐氏距離對(duì)應(yīng)的點(diǎn)作為點(diǎn)i的粗匹配點(diǎn)；42)計(jì)算所有粗匹配點(diǎn)對(duì)之間的歐氏距離，并按照歐式距離由小到大的順序?qū)ζヅ潼c(diǎn)對(duì)排序，然后遍歷所有的點(diǎn)對(duì)，刪除其中多點(diǎn)對(duì)一點(diǎn)的點(diǎn)對(duì)，此時(shí)修正后參考圖像I1的特征點(diǎn)集合和修正后待配準(zhǔn)圖像I2中的特征點(diǎn)集合分別用Pos1'和Pos2'表示；43)選擇修正后參考圖像的特征點(diǎn)集合Pos1'和修正后待配準(zhǔn)圖像的特征點(diǎn)集合Pos2'中前K1對(duì)匹配點(diǎn)，記作稱(chēng)為集合1；選擇修正后參考圖像的特征點(diǎn)集合Pos1'和修正后待配準(zhǔn)圖像的特征點(diǎn)集合Pos2'中前K2對(duì)匹配點(diǎn)，用Pos_K2表示，其中稱(chēng)為集合2，其中K1＜K2；44)對(duì)于集合2中所有的點(diǎn)對(duì)，計(jì)算兩點(diǎn)間的斜率，公式如下所示，形成斜率集合一k，并對(duì)斜率集合一k四舍五入取整，形成斜率集合二：k'＝{k1,k2,···,kp}；kp=yp+N-yp′xp-xp′,1≤p≤K2]]>45)計(jì)算斜率集合二中每個(gè)斜率出現(xiàn)的頻數(shù)，篩選頻數(shù)大于等于2的斜率，形成新的斜率集合三k_new＝{k1',k'2,···,k'q}，其中q是得到的特征點(diǎn)的總數(shù)量，理論上斜率集合三k_new1中元素個(gè)數(shù)小于等于斜率集合二k'中元素個(gè)數(shù)；如果斜率集合二中的每個(gè)斜率出現(xiàn)的頻數(shù)都為1，則選擇前2K2/3對(duì)的斜率構(gòu)成新的斜率集合三k_new；46)遍歷計(jì)算考圖像的特征點(diǎn)集合二Pos1'和待配準(zhǔn)圖像的特征點(diǎn)集合二Pos2'中所有的點(diǎn)對(duì)的斜率，篩選出斜率在區(qū)間[k'p-0.5,k'p+0.5]內(nèi)的所有的點(diǎn)對(duì)，形成點(diǎn)對(duì)集合Pos_K3，其中k'p∈k_new；47)從集合1中按照排列組合的方法依次選出3組不同的點(diǎn)對(duì)代入仿射變換模型計(jì)算出模型參數(shù)G，共有種情況；然后將點(diǎn)對(duì)集合Pos_K3中的點(diǎn)逐個(gè)對(duì)代入仿射變換模型，并設(shè)定閾值delta，當(dāng)滿(mǎn)足下式時(shí)，確認(rèn)該點(diǎn)對(duì)集合符合仿射變換模型，稱(chēng)為內(nèi)點(diǎn)對(duì)，|G×(xi；yi；1)-(x′i；y′i；1)|＜delta其中，(xi,yi),(x′i,y′i)是一對(duì)粗匹配點(diǎn)，且滿(mǎn)足{(xi,yi),(x′i,y′i)}∈Pos_K3；仿射變換模型的數(shù)學(xué)模型表示為：x′y′=a11a12a21a22xy+ΔxΔy]]>其中，(x,y)和(x',y')分別是變換前的坐標(biāo)和變換后的坐標(biāo)點(diǎn)，Δx和Δy分別是水平和豎直方向上的平移量；a11、a12、a21、a22均為仿射變換模型里的參數(shù)，G為仿射變換模型里各參數(shù)用矩陣表示的形式，最后可以用表示，delta值為[1；1；0]；48)根據(jù)不同的仿射變換模型參數(shù)計(jì)算符合仿射變換模型的點(diǎn)對(duì)的數(shù)量，選出數(shù)量最大時(shí)的情況得到最佳模型參數(shù),其中K1的值一般設(shè)為10，K2的值一般設(shè)為20，delta值設(shè)為[1；1；0]。5)根據(jù)仿射變換模型通過(guò)插值運(yùn)算對(duì)待配準(zhǔn)圖像進(jìn)行空間坐標(biāo)變換，得到最終的配準(zhǔn)圖像。具體步驟為：首先為待配準(zhǔn)圖像建立一個(gè)和原圖像大小相同的空矩陣，然后根據(jù)仿射變換模型對(duì)于空矩陣中的每個(gè)點(diǎn)進(jìn)行坐標(biāo)逆變換，得到空矩陣中的每個(gè)點(diǎn)在待配準(zhǔn)圖像上的對(duì)應(yīng)點(diǎn)，再通過(guò)雙線(xiàn)性插值法得到該點(diǎn)的像素值，作為待配準(zhǔn)圖像上對(duì)應(yīng)點(diǎn)的像素值，其中，插值運(yùn)算采用雙線(xiàn)性插值法，如圖3所示，原理如下：假設(shè)f(x,y)是所要求的灰度值，f(u,v)，f(u+1,v)，f(u,v+1)，f(u+1,v+1)分別代表采樣點(diǎn)f(x,y)周?chē)膫€(gè)像素點(diǎn)的灰度值大小，其中(u,v)是整數(shù)的坐標(biāo)點(diǎn)，(x,y)是小數(shù)的坐標(biāo)點(diǎn)。則點(diǎn)(x,y)的像素灰度值的計(jì)算如式所示：Q1=f(u,v)+(y-v)[f(u,v+1)-f(u,v)]Q2=f(u+1,v)+(y-v)[f(u+1,v+1)-f(u+1,v)]f(x,y)=Q1+(x-u)(Q2-Q1),]]>其中，Q1，Q2均為中間變量。以上對(duì)本發(fā)明提出的一種基于SURF算子的電氣設(shè)備紅外與可見(jiàn)光圖像的配準(zhǔn)方法進(jìn)行了詳細(xì)介紹，可廣泛應(yīng)用于電力設(shè)備健康狀態(tài)檢測(cè)和故障診斷領(lǐng)域。當(dāng)前第1頁(yè)1 2 3