基于CNN-WF的高灵敏紫外成像仪中的图像配准与融合

作     者：侯思祖 刘雅婷 陈天威 HOU Sizu;LIU Yating;CHEN Tianwei

作者机构：华北电力大学电气与电子工程学院河北保定071003 

出 版 物：《半导体光电》 (Semiconductor Optoelectronics)

年 卷 期：2021年第42卷第5期

页      面：596-602页

学科分类：0810[工学-信息与通信工程] 0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081002[工学-信号与信息处理] 

基　　金：国家重点研发计划项目(2018YFF01011900) 

主　　题：卷积神经网络 紫外成像仪 图像配准 小波融合 

摘      要：针对现有紫外成像仪中紫外光与可见光图像配准实时性差,精度不高等问题,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)与小波融合(Wavelet Fusion,WF)的紫外光与可见光图像配准融合方法,并将其应用于高灵敏紫外成像仪中。首先,结合刚体变换和卷积神经网络对采集到的图像数据进行参数模型预训练,通过自主挖掘图像特征寻找到最优空间变换参数,实现紫外光图像与可见光图像的精确配准;其次,利用二维小波分解与重构算法实现紫外光与可见光图像的融合。实验结果表明,所提方法的紫外光图像与可见光图像配准速度快,叠加精度高,且具有良好的稳定性。