一种电气设备红外图像和可见光图像配准的方法
【技术领域】
[0001] 本发明涉及图像配准技术，尤其涉及一种电气设备红外图像和可见光图像配准的 方法。
【背景技术】
[0002] 图像配准就是将不同时间、不同传感器（成像设备）或不同条件下（天候、照度、 摄像位置和角度等）获取的两幅或多幅图像进行匹配、叠加的过程，它已经被广泛地应用 于遥感数据分析、计算机视觉、图像处理等领域。由于同一场景拍摄的图像是真实的三维 世界在不同时间向成像平面的一系列投影，而图像与图像之间具有较大的相关性和信息冗 余，所以无论所处理的图像是发生何种形式的变化、或是由何种传感器获得，总可以利用图 像中不变的部分、共性的信息完成配准，然后再根据需要处理变化的部分。
[0003] 图像配准首先是基于某一个配准准则的，配准准则是判断两幅图像达到配准的衡 量标准，即在什么意义下认为达到了图像配准，所在配准的关键是定义一个有效的配准测 度函数，并寻找一个空间变换关系，使得经过该空间变换后，两幅图像间的相似性达到最大 (或者差异性达到最小），使得两幅图像得到空间几何上的一致。
[0004] 一个典型的图像配准方法的基本步骤主要包括特征检测、特征匹配、变换模型参 数估计及图像重采样与变换。特征检测指的是从图像中提取出用来匹配的信息，这里的特 征包括图像灰度、角点、边缘、轮廓、图像描述符等。特征匹配是指建立两幅图像中共有特征 之间对应关系的过程，即使用特征向量和相似性度量对特征进行匹配。变换模型是指根据 待配准图像与参考图像之间的几何畸变，选择能拟合两幅图像之间变化的最佳几何变换模 型。而变换模型参数估计是应用优化策略求取两幅图像之间最佳变换参数。得到变换参数 后，需要将待配准图像做相应变换使之与参考图像处于同一坐标系下。待配准图像变换后 所得像素点坐标不一定为整数，应进行重采样与插值处理。
[0005] 电气设备长期处于户外的高压、高温、高负载的工作状态下，因此非常容易产生缺 陷、劣化，甚至形成事故，电气设备的红外热检测技术能够对电气设备进行不停电、定时或 实时在线检测，可以检测出传统方式检测不到的许多潜伏性故障。红外图像是基于温差的， 在温度相同的部分不能显示该部分的几何形状，很难分辨出具体的电气设备。
【发明内容】
[0006] 本发明的目的是提供一种电气设备红外图像和可见光图像配准的方法，本发明的 方法不但可以显示电气设备的热像，还可通过可见光图像进行精确定位，得到更丰富的设 备信息，取得了非常快的配准速度和较好的配准效果，能满足电气设备在线监测的需求，用 以解决目前电气设备在温度相同的部分不能显示该部分的几何形状，很难分辨出具体的电 气设备的问题。
[0007] 为实现上述目的，本发明的方案是：一种电气设备红外图像和可见光图像配准的 方法，所述图像配准的方法将红外图像作为待配准的图像，可见光图像作为参考图像，所述 图像配准的方法包括如下步骤：
[0008] (1)获取电气设备发射的红外辐射和反射的可见光，通过对所述红外辐射和可见 光信号的转换和图像采集，分别得到红外图像和可见光图像；
[0009] (2)对所述的红外图像进行预处理，得到待配准图像，同时对所述的可见光图像进 行预处理，得到参考图像；
[0010] (3)分别计算所述待配准图像和参考图像的候选特征点，构建所述待配准图像候 选特征点的特征描述子和参考图像候选特征点的特征描述子；
[0011] (4)根据所述待配准图像候选特征点的特征描述子与所述参考图像候选特征点的 特征描述子之间的欧式距离，对所述待配准图像与参考图像上的候选特征点进行匹配；
[0012] (5)根据匹配后的特征点，计算待配准图像到参考图像的形变参数，并根据形变参 数对待配准的红外图像进行线性插值，得到配准后的红外图像，然后将配准后的红外图像 与可见光图像进行融合，最终得到处理后的图像。
[0013] 电气设备的红外图像和可见光图像从不同角度反映了设备的状态，对它们进行配 准，可以提高在线监测的准确性。
[0014] 根据本发明所述的电气设备红外图像和可见光图像配准的方法，所述步骤（2) 中，对红外图像和可见光图像的预处理方法为：首先，对红外图像进行反色处理，同时对可 见光图像进行灰度化处理；然后，对红外图像和可见光图像分别进行直方图均衡化，得到待 配准图像和参考图像。
[0015] 根据本发明所述的电气设备红外图像和可见光图像配准的方法，所述步骤（3) 中，采用Hessian-Affine检测器，分别计算出待配准图像和参考图像的候选特征点，以及 每个候选特征点所在的椭圆形特征区域。
[0016] 根据本发明所述的电气设备红外图像和可见光图像配准的方法，所述的步骤（3) 中，构建特征描述子的具体过程如下：
[0017] bl:将各所述候选特征点所在的椭圆形特征区域正规化为圆形区域；
[0018] b2 :初始化区域数N，方向数d和分组数k ;
[0019] b3 :对每个圆形区域，将其内部的点与其内部候选特征点的连线作为x轴，构建坐 标系，并且在所述的坐标系下，计算圆形区域内的点的梯度大小和方向大小，并转为d维向 量来描述所述圆形区域内的每个点；
[0020] b4:对所述圆形区域内的每个点，按像素灰度值大小非降的方式排序，并将排序后 的像素平均分为k组；
[0021] b5 :将所述k组中每一组所有点的d维向量相加，并将k组的d维向量排列组合成 新的向量，来描述所述圆形区域；
[0022] b6 :将各所述候选特征点所在的椭圆形特征区域，扩大0. 5倍，每次扩大后重复 bl_b5步骤，扩大N次，并将每次扩大后得到的向量与之前的向量组合，最终得到所述的待 配准图像和参考图像的特征描述子。
[0023] 根据本发明所述的电气设备红外图像和可见光图像配准的方法，所述的步骤b3 中，所述转为d维向量的计算方法如下：
[0024] Fg(Xi) = (flG，f2G，f3 G，......,fdG)
[0025]
[0026] 其中，f/表示第j维向量，m(XJ为所述圆形区域内点&的梯度大小， a (0 (X^dir)为0 (XJ与dir;之间的角度大小，0 (XJ为所述圆形区域内点Xi的方向 大小，
A表示（j-1)维向量的角度。
[0027] 根据本发明所述的电气设备红外图像和可见光图像配准的方法，所述步骤（4)中 对所述候选特征点进行匹配的方法为：
[0028] cl:将特征描述子所表示的特征点的坐标作为特征描述子的一部分，计算所述待 配准图像的特征描述子与所述参考图像的特征描述子之间的欧式距离；
[0029] c2:根据所述待配准图像与参考图像的特征描述子的欧式距离，采用最近邻方法， 若待配准图像上第一特征点的特征描述子到参考图像上第二特征点的特征描述子之间的 欧式距离最近，且参考图像上所述第二特征点的特征描述子到待配准图像上所述第一特征 点的特征描述子的欧式距离也是最近的，则这两个特征点为匹配点。
[0030] 根据本发明所述的电气设备红外图像和可见光图像配准的方法，所述的步骤（5) 中，采用鲁棒点集配准算法RPM-L2E排除误匹配点，计算待配准图像到可见光图像的形变 参数。
[0031] 根据本发明所述的电气设备红外图像和可见光图像配准的方法，计算所述形变参 数的步骤如下：
[0032] dl:初始化噪声参数〇2、形变参数矩阵C、退火速率p及迭代次