红外图像和灰度图像、彩色图像概念
红外图象：是获取物体红外光的强度，而成的图象
灰度图象：是获取物体可见光的强度
彩色图像：每个像素由R、G、B分量构成的图像
红外图像和灰度图像的数据格式是一样的，都是单通道图象，而彩色的是3通道图象。
红外图像和灰度图像的区分
红外图像和灰度图像本身就不是在同一分类标准下得到的概念。
红外图像是红外成像设备采集目标在红外波段的辐射形成的影像，这个图像可以是灰度图像，也可以彩色图像。
同样的道理，可见光图像可以是灰度图像，也可以彩色图像。
灰度图像是相对彩色图像而言的。灰度图像没有颜色，灰度值由0变化至255时，图像由黑变白。
（原文链接：https://blog.csdn.net/qq_37405118/article/details/106782076）
红外彩色图像：
红外灰度图像
红外探测的原理
原文链接：https://zhuanlan.zhihu.com/p/67719009
红外热成像能否穿透墙壁
?原文链接：https://www.zhihu.com/question/264497610/answer/282536148
红外热像仪具有不受低照度、太阳强光的干扰,可穿透烟雾、雾霾等特点。但厚衣服无法穿透，完全不透光的物体也是无法穿透观测的。因此，天气恶劣时，行人打黑伞，穿厚衣服，那么红外图像的行人图像就会较难识别，比较模糊。有的也会因为树林的遮挡而不能判断是否是行人。
————————————————
版权声明：本文为CSDN博主「borrrrrring」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/m0_54227219/article/details/116195698
红外图像成像特点
由于红外图像是通过“测量”物体向外辐射的热量而获得的，故与可将光图像相比：
??? 分辨率差
??? 对比度低
??? 信噪比低
??? 视觉效果模糊
??? 灰度分布与目标反射特征无线性关系
局部不变特征
目前绝大多数景物匹配算法提取的都是全局不变特征，它能很好解决同一目标的一致性判决问题，但很难消除图像的成像畸变。当图像之间的成像畸变很复杂时，利用全局信息进行匹配非常困难，特别是存在局部遮挡时，全图特征会随之变化。
基于以上特点，红外图像的匹配识别与跟踪一般都是基于特征的方法，一般都是采用局部不变特征来对红外图像进行处理识别。
局部特征提取，即，将图像整体分割成若干个组成部分，对每一部分提取全局特征。此处的分割并不是我们直观认为的分割，理想情况下，人们总希望局部特征对应客观世界的物体的一部分，但是这是不现实的，往往需要借助图像处理技术对高层场景进行理解。
局部稳定特征有：
??? 角点特征
??? 边缘特征
??? 直线特征
??? 纹理特征
??? 基于以上特征构建的特征
特征提取步骤：
??? 局部不变特征检测：检测特征的位置————检测子算法
??? 局部不变特征描述：定量化数据描述方法——描述子算法
不变特征检测算法
??? 角点检测算子
??????? Harris
??????? SUSAN
??????? CSS
??????? FAST（features from accelerated segment test） 等
??? 斑点检测算子
??????? DoG（高斯差分算子）
??????? Multi-Scale Harris
??????? SIFT
??????? SURF等
??? 区域检测子
??????? Salient Region
??????? EBR
??????? IBR
??????? MSER
??????? Hessian-Affine
??????? Harrise-Affine等
特征描述算子
特征描述算子是一种图像局部结构特征的定量化数据描述，它应该能充分反应特征点附近图像的形状和纹理结构特性。
一个理想的特征描述子应该具有以下特征：
??? 鲁棒性：仿射变换/密度变换/噪声干扰下具有稳定工作的能力
??? 独特性：局部结构发生变化时，具有捕获和反应这一变化的能力
??? 匹配速度：相似性比较时的运算速度，特征空间维数越高，速度越差
描述子分类：
??? 基于图像梯度分布（SIFT）
??? 基于空间频率
??? 基于微分和不变矩
————————————————
版权声明：本文为CSDN博主「Ian ma」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/horseinch/article/details/51819448