(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210524353.6 (22)申请日 2022.05.13 (71)申请人 国网浙江省电力有限公司宁波供电 公司 地址 315000 浙江省宁波市海曙区丽园北 路1408号 (72)发明人 姜炯挺　权超　夏巧群　潘杰锋　 杨跃平　严凌　赖靖胤　岳龙　 赵鲁臻　黄旭聪　 (74)专利代理 机构 杭州华鼎知识产权代理事务 所(普通合伙) 33217 专利代理师 欧阳俊 (51)Int.Cl. G06T 7/33(2017.01) G06T 5/00(2006.01)G06T 5/50(2006.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 多光谱图像融合过程中的图像处 理方法 (57)摘要 本申请实施例提出了多光谱图像融合过程 中的图像处理方法， 包括获取源图像I和源图像 N； 对源图像I和源图像N分别进行图像配准； 对源 图像I和源图像N进行图像配准后的结果进行特 征提取； 对源图像I和源图像N进行特征提取后的 结果进行特征分类； 基于特征分类后的结果进行 决策级融合。 三光融合时序数据技术的发展对电 力设备深度学习技术能够有效实现电网设备故 障检测， 并且在维护的准确性和稳定性方面有了 很大的提升 。 权利要求书1页 说明书7页 附图2页 CN 115131412 A 2022.09.30 CN 115131412 A 1.多光谱图像融合过程中的图像处 理方法， 其特 征在于， 所述方法包括： 获取源图像I和源图像N； 对源图像I和源图像N分别进行图像 配准； 对源图像I和源图像N进行图像 配准后的结果进行 特征提取； 对源图像I和源图像N进行 特征提取后的结果进行 特征分类； 基于特征分类后的结果进行决策级融合。 2.根据权利要求1所述的多光谱图像融合过程中的图像处理方法， 其特征在于， 所述方 法包括： 对源图像I和源图像N配准后的结果进行像素级融合。 3.根据权利要求2所述的多光谱图像融合过程中的图像处理方法， 其特征在于， 所述方 法包括： 对源图像I和源图像N像素级融合的结果进行 特征提取。 4.根据权利要求3所述的多光谱图像融合过程中的图像处理方法， 其特征在于， 所述方 法包括： 对源图像I和源图像N特 征提取后的结果进行 特征分类。 5.根据权利要求1所述的多光谱图像融合过程中的图像处理方法， 其特征在于， 所述方 法包括： 对源图像I和源图像N进行 特征提取后的结果进行 特征融合。 6.根据权利要求5所述的多光谱图像融合过程中的图像处理方法， 其特征在于， 所述方 法包括： 对源图像I和源图像N特 征融合后的结果进行 特征分类。 7.根据权利要求1至6任一项所述的多光谱图像融合过程中的图像处理方法， 其特征在 于， 所述特 征融合包括： 分别对源图像I和源图像N的数据进行像素变换， 得到变换后的结果； 构建变换域融合 规则， 对变化后的结果进行 数学反变换后得到融合图像。 8.根据权利要求1至6任一项所述的多光谱图像融合过程中的图像处理方法， 其特征在 于， 还包括： 对源图像I和源图像N中的紫外光、 红外光和可 见光进行多光谱融合。 9.根据权利要求8所述的多光谱图像融合过程中的图像处理方法， 其特征在于， 还包 括： 融合图像的几何校正与预处理： 对输入的三光图像根据光学设计和视角变换， 包括裁 剪、 缩放、 插值 等； 提取图像特 征点： 通过sift算子对可 见与红外图像进行 特征点提取； 特征匹配： 通过B BF算法进行 特征点匹配； 匹配提取与图像叠加： 通过配准阀值 提取最终的仿射变换矩， 并进行图像叠加。权　利　要　求　书 1/1 页 2 CN 115131412 A 2多光谱图像融合过 程中的图像处理 方法 技术领域 [0001]本申请涉及图像融合领域， 尤其涉及多光谱图像融合过程中的图像处 理方 法。 背景技术 [0002]通过不同的传感器获取图像时， 虽然是同一个场景进行拍摄， 但是由于不  同时间 段、 不通过拍摄距离、 不同的拍摄视角等因素的影响， 会导致多源传感  器拍摄到的图像可 能存在移位、 拉伸、 缩放 等空间变换关系， 在同一 坐标下并 没有严格对齐。 发明内容 [0003]本申请实施例提出了多光谱图像融合过程中的图像处理方法， 通过图像配  准实 现对同一目标的两幅及以上的图像在空间位置上的对准。 [0004]具体的， 本申请实施例提出的多光谱图像融合过程中的图像处 理方法， 包  括： [0005]获取源图像I和源图像N； [0006]对源图像I和源图像N分别进行图像 配准； [0007]对源图像I和源图像N进行图像 配准后的结果进行 特征提取； [0008]对源图像I和源图像N进行 特征提取后的结果进行 特征分类； [0009]基于特征分类后的结果进行决策级融合。 [0010]可选的， 所述方法包括： [0011]对源图像I和源图像N配准后的结果进行像素级融合。 [0012]可选的， 所述方法包括： [0013]对源图像I和源图像N像素级融合的结果进行 特征提取。 [0014]可选的， 所述方法包括： [0015]对源图像I和源图像N特 征提取后的结果进行 特征分类。 [0016]可选的， 所述方法包括： [0017]对源图像I和源图像N进行 特征提取后的结果进行 特征融合。 [0018]可选的， 所述方法包括： [0019]对源图像I和源图像N特 征融合后的结果进行 特征分类。 [0020]可选的， 其特 征在于， 所述特 征融合包括： [0021]分别对源图像I和源图像N的数据进行像素变换， 得到变换后的结果； [0022]构建变换域融合 规则， 对变化后的结果进行 数学反变换后得到融合图像。 [0023]可选的， 还 包括： [0024]对源图像I和源图像N中的紫外光、 红外光和可 见光进行多光谱融合。 [0025]可选的， 还 包括： [0026]融合图像的几何校正与预处理： 对输入的三光图像根据光学设计和视角变  换， 包 括裁剪、 缩放、 插值 等； [0027]提取图像特 征点： 通过sift算子对可 见与红外图像进行 特征点提取；说　明　书 1/7 页 3 CN 115131412 A 3