典型文献
基于深度学习的电力设备红外可见光图像智能配准方法研究
文献摘要：
红外图像与可见光图像的融合分析是提升红外图像中电力设备定位精度和缺陷诊断准确度的有效途径.针对两种模态数据融合分析关键步骤中的红外图像与可见光图像配准问题进行研究.鉴于红外图像与可见光图像存在的模态差异,采用基于自监督学习的SuperPoint特征点提取与描述方法,提取具有模态不变性的稀疏特征点;采用基于深度图卷积的SuperGlue方法,结合全局特征点的空间及特征相关性信息,提升特征匹配的准确度;最后,采用渐近采样一致性的PROSAC方法对红外与可见光图像间的变换参数进行估计,实现配准.与传统算法对比表明,本文所提方法具有更高的模态鲁棒性,得到了更准确的配准结果.
文献关键词：
图像配准;多模态;特征提取;特征匹配
中图分类号：
作者姓名：
林颖;刘萌;白德盟;刘晓东;张利孟;丛培强
作者机构：
国网山东省电力公司电力科学研究院,山东 济南 250003;国网山东省电力公司日照供电公司,山东 日照 276800;国网威海市文登区供电公司,山东 威海 264400
文献出处：
引用格式：
[1]林颖;刘萌;白德盟;刘晓东;张利孟;丛培强-.基于深度学习的电力设备红外可见光图像智能配准方法研究)[J].山东电力技术,2022(08):22-27
A类：
B类：
电力设备,配准方法,红外图像,定位精度,缺陷诊断,诊断准确度,数据融合分析,关键步骤,图像配准,模态差异,自监督学习,SuperPoint,特征点提取,不变性,稀疏特征,深度图,图卷积,SuperGlue,全局特征,特征匹配,渐近,PROSAC,红外与可见光图像,变换参数,传统算法,算法对比
AB值：
0.352731
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
