[发明专利]基于拓扑结构约束的导航设备红外与光学异源配准方法

说明书

本发明属于异源配准方法技术领域，具体涉及一种基于拓扑结构约束的导航设备红外与光学异源配准方法，包括下列步骤：S1、标定光学图像特征点；S2、寻找红外图像特征点；S3、构建以三角形为单元的拓扑结构网络；S4、构建三角结构网络相似性度量函数；S5、求解红外和光学图像的空间变换关系。本发明利用红外图像质心特征点形成以三角形为单位的拓扑结构，以三角形内角构建拓扑结构约束关系和拓扑结构相似度度量函数，完成光学和红外拓扑结构匹配，提升特征点匹配的准确性和异源配准精度。本发明用于红外与光学的异源配准。

技术领域

本发明属于异源配准方法技术领域，具体涉及一种基于拓扑结构约束的导航设备红外与光学异源配准方法。

背景技术

随着导航设备不断小型化，微型化，相关的设备故障频发导致的设备返修不及时已经严重影响用户的正常使用，同时传统手段故障检测成本较高，周期较长，也为导航设备的推广带来了阻碍，为此，提高导航设备的故障检测能力已成为亟待解决的重要课题。

非接触式电路故障检测技术通过对电子设备光学图像和红外图像融合处理，得到同时具有电子设备背景信息和辐射信息的新图像，能够实现热像有效精准特征提取和快速热像异常定位。由于电子设备的红外和光学图像之间存在着空间位置差异，需要经过图像配准，因此本发明主要研究基于导航设备的红外图像和光学图像的配准。

近年来，国内对异源配准课题进行了大量研究。其中，基于特征的配准方法因其配准速度快、适用于同源或多源的图像配准，成为最受关注配准方法之一。此类方法通常是通过选择两幅图像中在一定程度上能够代表图像的相似性，并且较容易提取的共有特征信息作为依据，然后利用提取的特征完成两幅图像特征量的匹配，最后通过特征量的匹配关系获取两幅图像的空间变换关系。在实际应用中，通常采用点特征，常用的点特征有边缘点和角点。特征点的选取是整个图像配准的关键环节，特征点提取的准确与否直接决定了配准的成败。

根据提取特征点的过程是否需要人为参与，可以将基于特征点的匹配分为交互式配准方法和自动式配准方法。

交互式配准方法是指由操作人员分别在基准图像或者待配准图像上主观的选取特征点对，或者在一幅图像上选取特征点，通过一定的搜索方法在另一幅图像中获取相应的特征点。

自动配准方法则是完全由计算机完成点特征的提取、特征量的匹配和空间变换参数计算，算法的基本流程是：首先对图像进行预处理并使用某种检测算子对基准图像和待配准图像分别提取特征点(例如Harris、SUSAN、SIFT、SURF等)，然后采用自定义的特征区域的相似度测量法进行特征点的匹配，完成空间变换参数的计算，最后对图像进行空间坐标变换。

由于角点集中了很多重要的形状信息，可有效反映图像的局部特征，是图像配准中最常用的特征之一。其中，加速鲁棒性特征(Speed-Up Robust Feature,SURF)角点具有旋转不变性、稳定性强、可区别性好和信息量丰富的特性，在自动配准方法中具有代表性。但红外图像和光学图像属于异质多粒度信息，从红外/光学图像中提取一致SURF特征点十分困难，导致匹配成功率低。

发明内容

针对上述技术问题，提供了一种匹配成功率高的基于拓扑结构约束的导航设备红外与光学异源配准方法。

为了解决上述技术问题，本发明采用的技术方案为：

基于拓扑结构约束的导航设备红外与光学异源配准方法，包括下列步骤：

S1、标定光学图像特征点；

S2、寻找红外图像特征点；

S3、构建以三角形为单元的拓扑结构网络；

S4、构建三角结构网络相似性度量函数；

S5、求解红外和光学图像的空间变换关系。