基于紅外與可見光圖像的電力設(shè)備識別的研究.pdf_第1頁
已閱讀1頁,還剩55頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、紅外與可見光傳感器被廣泛應(yīng)用在變電站中,它們的成像原理不同,反應(yīng)了物體不同層次的信息,可見光圖像具有豐富的細節(jié)但對光線的強度有一定要求,紅外圖像可以不受光線強度的限制,但它的邊緣信息模糊細節(jié)信息較少,將紅外圖像和可見光圖像融合可以綜合兩種圖像的優(yōu)點,來提高對電氣設(shè)備識別的性能。本文主要的工作內(nèi)容如下。
  首先,介紹了圖像配準和圖像分類識別技術(shù)的國內(nèi)外研究現(xiàn)狀,然后重點闡述了BoW(Bag of Words)模型和視覺注意模型的基

2、本原理,為將視覺注意模型引入到BoW模型中提供了理論依據(jù)。
  然后,針對紅外和可見光配準過程中出現(xiàn)的問題提出M-SIFT算法,該算法主要對SIFT(Scale Invariant Feature Transform)算法做了兩點改進。一是:針對紅外與可見光同名點的梯度方向可能相反的情況,本文采用梯度鏡像的方法將梯度方向在三、四象限中的方向轉(zhuǎn)化為一、二象限中的反方向,SIFT描述子從原來的128維變?yōu)?4維,雖然損失了一些信息,降

3、低了描述子的獨特性,但它使得描述子對圖像對比度反轉(zhuǎn)保持了不變性;二是:由于紅外圖像與可見光圖像相關(guān)性比較弱,從它們當中獲得的特征向量不再是線性相關(guān)的,針對此問題本文引入了約束特征向量幅值的方法減小特征向量幅值在特征向量配準中的影響進而突顯出特征向量的方向在配準中的作用。改進后的SIFT算法配準準確率和效率都有所提升。
  最后,為了區(qū)分圖像中的目標信息和背景信息本文將視覺注意模型引入到BoW模型中;將融合后的紅外與可見光圖像作為訓

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論