[发明专利]多光谱图像融合过程中的图像处理方法

说明书

本申请实施例提出了多光谱图像融合过程中的图像处理方法，包括获取源图像I和源图像N；对源图像I和源图像N分别进行图像配准；对源图像I和源图像N进行图像配准后的结果进行特征提取；对源图像I和源图像N进行特征提取后的结果进行特征分类；基于特征分类后的结果进行决策级融合。三光融合时序数据技术的发展对电力设备深度学习技术能够有效实现电网设备故障检测，并且在维护的准确性和稳定性方面有了很大的提升。

技术领域

本申请涉及图像融合领域，尤其涉及多光谱图像融合过程中的图像处理方 法。

背景技术

通过不同的传感器获取图像时，虽然是同一个场景进行拍摄，但是由于不 同时间段、不通过拍摄距离、不同的拍摄视角等因素的影响，会导致多源传感 器拍摄到的图像可能存在移位、拉伸、缩放等空间变换关系，在同一坐标下并 没有严格对齐。

发明内容

本申请实施例提出了多光谱图像融合过程中的图像处理方法，通过图像配 准实现对同一目标的两幅及以上的图像在空间位置上的对准。

具体的，本申请实施例提出的多光谱图像融合过程中的图像处理方法，包 括：

获取源图像I和源图像N；

对源图像I和源图像N分别进行图像配准；

对源图像I和源图像N进行图像配准后的结果进行特征提取；

对源图像I和源图像N进行特征提取后的结果进行特征分类；

基于特征分类后的结果进行决策级融合。

可选的，所述方法包括：

对源图像I和源图像N配准后的结果进行像素级融合。

可选的，所述方法包括：

对源图像I和源图像N像素级融合的结果进行特征提取。

可选的，所述方法包括：

对源图像I和源图像N特征提取后的结果进行特征分类。

可选的，所述方法包括：

对源图像I和源图像N进行特征提取后的结果进行特征融合。

可选的，所述方法包括：

对源图像I和源图像N特征融合后的结果进行特征分类。

可选的，其特征在于，所述特征融合包括：

分别对源图像I和源图像N的数据进行像素变换，得到变换后的结果；

构建变换域融合规则，对变化后的结果进行数学反变换后得到融合图像。

可选的，还包括：

对源图像I和源图像N中的紫外光、红外光和可见光进行多光谱融合。

可选的，还包括：

融合图像的几何校正与预处理：对输入的三光图像根据光学设计和视角变 换，包括裁剪、缩放、插值等；

提取图像特征点：通过sift算子对可见与红外图像进行特征点提取；

特征匹配：通过BBF算法进行特征点匹配；

匹配提取与图像叠加：通过配准阀值提取最终的仿射变换矩，并进行图像 叠加。

有益效果：

三光融合时序数据技术的发展对电力设备深度学习技术能够有效实现电网 设备故障检测，并且在维护的准确性和稳定性方面有了很大的提升。

附图说明