论文部分内容阅读
以实现红外和可见光图像精准、快速配准为目标,提出基于深度学习理论的红外和可见光图像配准方法。通过参数传输使红外参数预训练模型与可见光模型的参数得到共享,赋予红外预训练模型目标检测能力,并利用采集到的红外图像数据展开模型预训练,得到深度学习的红外目标检测模型。利用仿射变换处理图像间的几何位置差异,运用Partial Hausdorff距离进行相似测度提取图像特征,最后采用人工免疫网络算法搜寻全局最优解,实现红外和可见光图像配准。实验结果表明:该方法可获取高精度的红外目标检测结果,检测精度高达92. 8%,并且检测稳定性强,速率快,可有效修正红外和可见光图像间的灰度、旋转和平移等差异,具有较高的使用价值。