[发明专利]一种基于混合特征的可见光与红外异源图像识别方法

权利要求书

1.一种基于混合特征的可见光与红外异源图像识别方法，其特征在于包括如下步骤：

步骤1：利用基于改进最大类间方差法的自适应canny算子提取边缘信息，获取可见光图像V和红外图像I的边缘图像V'和I'；

步骤2：对可见光图像V和红外图像I的边缘图像V'和I'进行多尺度FAST特征检测，即分别利用不同参数值的高斯函数与边缘图像V'和I'进行卷积，生成不同尺度的图像集合S₁和S₂，对图像集合S₁和S₂中所有的子图像都采用FAST特征检测法获取特征点，最后汇集为V'和I'上的特征点点集D₁和D₂，依据灰度质心法获得特征点的主方向；

步骤3：分别对V'和I'的特征点点集D₁和D₂进行ORB特征描述，根据最近次临近原则，采用汉明距离度量特征点间的相似性进行粗匹配，分别获得V'和I'的粗匹配特征点点集D₁'和D₂'；

步骤4：根据V'和I'的粗匹配特征点点集D₁'和D₂'，利用改进RANSAC算法剔除D₁'和D₂'中的错误匹配点对，在可见光图像和红外图像中展现出结果。

2.如权利要求1所述的一种基于混合特征的可见光与红外异源图像识别方法，其特征在于：所述步骤1中，基于改进最大类间方差法的自适应canny算子的具体实现形式是：

首先，采用一维高斯滤波函数G(x)分别按行和列对原始图像A进行卷积操作得到平滑图像A'；

G(x)=exp(-x2/2σ2)2πσ]]>

其中，σ为高斯函数的标准差；

其次，计算每个像素的梯度幅值和梯度方向，采用2×2邻域一阶偏导的有限差分H₁、H₂分别对平滑图像A'进行卷积计算A'中各点两个方向的像素梯度d_x(x,y)和d_y(x,y)，获得平滑图像A'的梯度幅值M(x,y)和梯度方向θ(x,y)，其中：代表卷积操作；

H1=-0.50.5-0.50.5,H1=0.50.5-0.5-0.5]]>

dx(x,y)=A′(x,y)⊗H1,dy(x,y)=A′(x,y)⊗H2]]>

M(x,y)=dx2(x,y)+dy2(x,y)]]>

θ(x,y)＝arctan(d_y(x,y),d_x(x,y))

接着，在3×3的邻域中比较平滑图像A'的梯度幅值M(x,y)，若邻域中心点的梯度幅值M(x,y)比沿其梯度方向θ(x,y)上的两个相邻点幅值大，则初步将其判别为可能的边缘点，否则将其M(x,y)赋值为零，判别为非边缘点；

然后，根据平滑图像A'的梯度幅值M(x,y)，采用改进最大类间方差法，计算得到高阈值Vh和低阈值Vl；

最后，扫描平滑图像A'，若点(x,y)的梯度幅值M(x,y)大于高阈值Vh，则将该像素点标识为边缘点，若梯度幅值M(x,y)小于低阈值Vl，则标识该点为非边缘点，梯度幅值介于Vl和Vh之间的像素点，则将其看作可疑边缘，再进一步依据周围像素的连通性对该像素进行判断。