摘要
针对红外图像和可见光图像因成像机理不同导致传统匹配算法匹配精度不高、鲁棒性差的问题,提出一种基于CycleGAN-SIFT的可见光和红外图像匹配算法。为了减小可见光图像与红外图像之间特征差异对匹配结果造成的影响,通过迁移学习共享权重的方式在可见光图像和红外图像基础上利用CycleGAN生成伪红外图像,利用SIFT特征提取算法分别提取伪红外图像和红外图像的特征点并进行匹配。为了降低错误匹配率,利用RANSAC剔除误匹配点对。最后,将伪红外图像上的特征点映射至可见光图像,从而实现可见光图像与红外图像的匹配。为了验证所提出算法的有效性,从OTCBVS和TNO Image Fusion Dataset数据集中任选4组异源图像,并分别在无噪声、有噪声以及存在角度畸变3种情况下与SIFT、Canny-SIFT、SURF以及CMM-Net 4种经典算法进行比较。实验结果表明,在不考虑角度畸变和噪声干扰的条件下,所提出算法的匹配正确率可达95%以上;当存在角度畸变和噪声干扰情况时,本文算法的匹配正确率依然在95%以上,具有匹配精度高、鲁棒性强的优点。
- 单位