[发明专利]基于深度学习的红外图像与可见光图像配准方法在审
| 申请号： | 201811349860.0 | 申请日： | 2018-11-14 |
| 公开（公告）号： | CN109448035A | 公开（公告）日： | 2019-03-08 |
| 发明（设计）人： | 高陈强;周美琪;胡凯;周风顺;廖诗沙;李鹏程 | 申请（专利权）人： | 重庆邮电大学 |
| 主分类号： | G06T7/33 | 分类号： | G06T7/33;G06N3/04;G06N3/08 |
| 代理公司： | 重庆辉腾律师事务所 50215 | 代理人： | 王海军 |
| 地址： | 400065 重*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于图像处理与计算机视觉技术领域，涉及一种基于深度学习的红外图像与可见光图像配准方法，包括根据可见光图像得到生成图像；根据红外图像和生成图像得到控制点的位移矢量和空间变换器的局部变形参数；空间变形器和重采样器根据红外图像得到变形图像；将变形图像与生成图像送入判决网络中判别，并将两图像的差异作为损失函数反向传播以优化网络；若判决网络不能分辨出真实样本和来源于生成器的伪样本，则认为网络已达到最优，得到的变形图像即为最后配准结果；本发明第一阶段利用少量监督信息生成红外图像，第二阶段基于卷积神经网络做可变形图像配准，从而实现了可见光图像与红外图像间的配准。 | ||
| 搜索关键词： | 红外图像 可见光图像 配准 变形图像 生成图像 网络 计算机视觉技术 卷积神经网络 空间变换器 控制点 反向传播 局部变形 损失函数 图像处理 图像配准 位移矢量 信息生成 重采样器 判决 变形器 可变形 生成器 伪样本 分辨 送入 样本 图像 学习 优化 监督 | ||
【主权项】：
1.基于深度学习的红外图像与可见光图像配准方法，其特征在于，包括以下步骤：S1、将同一场景的红外图像和可见光图像裁剪到固定尺寸并拼接在一起，将拼接后的图像分为训练集和测试集；S2、将图像的可见光图像作为输入，图像的红外图像作为标签训练生成对抗网络，在对抗网络中得到该可见光图像的生成图像；S3、使用固定尺寸滑动窗口在红外图像和生成图像上滑动，将两幅图像相同位置的图像块成对送入卷积神经网络，得到控制点的位移矢量和空间变换器的局部变形参数；S4、空间变换器根据局部变形参数和控制点的位移矢量生成密集位移矢量场，然后重采样器利用密集位移矢量场将红外图像变形为类似生成图像的变形图像；S5、将变形图像与生成图像送入判决网络中判别，并将两图像的差异作为损失函数反向传播以优化卷积神经网络；若判决网络不能分辨出真实样本和来源于生成器的伪样本，则认为网络已达到最优，得到的变形图像即为最后配准结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆邮电大学，未经重庆邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811349860.0/，转载请声明来源钻瓜专利网。
