电力设备红外与可见光图像配准：一种文化狼群算法

"这篇论文是关于电力设备红外和可见光图像配准的研究，采用了一种基于文化狼群算法和显著性梯度的归一化互信息算法，旨在解决红外图像模糊导致的配准精度问题。文章由华北电力大学电气与电子工程学院的赵洪山和张则言撰写，发表于2020年的《光学学报》上。" 在电力设备的巡检过程中，利用可见光和红外图像分析设备的健康状况是常见方法。由于这两种图像各具优势，图像配准技术能够结合它们的特点，提高状态监测的准确性。然而，红外图像常因成像条件导致的模糊，使得配准精度降低。为此，研究者提出了一个创新的解决方案。 首先，他们利用视觉显著性检测来增强红外图像中显著区域的边缘梯度信息。这有助于识别出关键特征，提高配准的准确性。接着，他们结合显著性梯度信息和归一化互信息，构建了一个新的配准测度函数。归一化互信息是一种常用的无监督配准度量，它可以有效地比较两个图像的相似性，减少由于灰度差异带来的影响。 为了解决配准算法的收敛性问题，研究者引入了文化狼群算法。狼群算法是一种启发式优化方法，而文化算法则具有分层进化的特点。在此基础上，他们建立了信念空间和群体空间，并在迭代过程中让信念空间的知识引导群体空间的进化，从而提高了算法的全局搜索能力和收敛速度。 实验部分，研究者使用了变电站巡检图像、标准配准测试图像集以及标准测试函数进行对比实验。实验结果证明，提出的算法在配准率和配准速度上都有较好的表现，验证了算法的有效性和实用性。 关键词包括图像处理、电力巡检机器人、图像配准、文化狼群算法和归一化互信息，这些关键词揭示了研究的核心内容和技术手段。这篇论文的贡献在于提供了一种改进的图像配准方法，对于提升电力设备的智能巡检效率和精度有着积极的意义。