摘要
本发明公开了一种基于红外信息注意增强的可见光图像拼接方法,包括:获取红外图像和可见光图像数据集,划分训练数据集和测试数据集;构建基于红外信息注意增强的可见光图像拼接网络模型,其中包括多尺度特征提取模块、红外信息注意增强模块及单应性预测模块;使用零均值的高斯分布对基于红外信息注意增强的可见光图像拼接网络模型各卷积层的权重和偏置进行随机初始化;利用训练数据集对可见光图像拼接网络模型进行训练,获得最优图像拼接网络模型;将测试数据集输入最优图像拼接网络模型,完成图像拼接。本发明有效弥补单纯依靠可见光图像拼接的不足,在拼接精度、连贯性和视觉效果上均有显著提升,适用于复杂场景下的图像拼接。
技术关键词
可见光图像
多尺度特征提取
拼接方法
图像拼接
注意力
非局部均值滤波
网络模型训练
全局平均池化
矩阵
特征提取模块
多层感知机
数据
带通道
数值
误差
系统为您推荐了相关专利信息
沉浸式交互
贝叶斯个性化排序
生成对抗网络
性能优化框架
渲染算法
语音情感识别方法
分类网络
跨模态
语义特征
特征谱图
误差预测
数控机床进给系统
摩擦力模型
卷积门控循环神经网络
扩展卡尔曼滤波