Introduction à la technologie d'alignement d'images en lumière visible

L'alignement d'images est le processus de superposition d'images d'une même scène, visant à trouver une relation de mappage entre l'image de référence (image fixe) et l'image flottante (image à aligner). Deux tableaux bidimensionnels sont généralement utilisés pour définir les deux images.

L'algorithme d'alignement basé sur la région est principalement basé sur l'image de référence et utilise une métrique de corrélation élevée pour trouver la meilleure position de l'image à aligner. Choisir un algorithme de métrique de similarité approprié pour trouver la corrélation de deux images ou plus et l'étendre dans le domaine spatial ou fréquentiel est au cœur des méthodes d'alignement basées sur la région.

Les algorithmes traditionnels d'alignement d'images basés sur les caractéristiques sont un processus d'optimisation itératif continu pour trouver la meilleure similitude entre les images. Afin d'améliorer la précision de l'alignement des images, les méthodes d'alignement d'apprentissage en profondeur utilisent principalement des réseaux d'apprentissage en profondeur pour effectuer une extraction de caractéristiques et une mesure de similarité sur des paires d'images d'entrée afin de générer des images alignées et de discerner la précision de l'alignement des images. Généralement, les images visibles et infrarouges sont mappées sur le même modèle par un modèle de réseau profond (par exemple, conversion d'images visibles en images infrarouges), puis entrées dans le réseau d'alignement pour une mesure de similarité, et la valeur de perte est transmise au réseau de manière itérative. selon la propriété de rétropropagation du réseau de neurones pour favoriser un meilleur mappage des images visibles aux images infrarouges, de manière à obtenir une mesure de similarité plus précise des deux images infrarouges. Enfin, la valeur de sortie optimale est obtenue pour les images alignées. Ainsi, les images alignées sont générées et la précision de l'alignement des images est discriminée.