[发明专利]一种基于多尺度分割和SIFT的可见光与红外图像配准的方法

说明书

技术领域

本发明涉及遥感影像处理技术领域，尤其是涉及一种基于多尺度分割和SIFT的可见光与红外图像配准的方法。

背景技术

图像配准(Image Registration)技术是将相同地区，在不同视角、不同时刻、不同传感器或不同光照条件拍摄的图像进行空间对准的过程，该技术是异源空间数据获取和集成过程中极为关键的步骤，寻找最佳的几何变换参数是图像配准的最终目的。可见光传感器因其获取的图像分辨率非常高，并且所获取的图像与人目视效果一致，一直是遥感领域中重要的传感器之一。但可见光影像受云层状况、成像时间等天气条件影响较大。与可见光传感器相比，红外传感器具有被动工作方式、抗干扰性强、目标识别能力强、全天候工作等特点。另一方面由于总体上来说红外图像具有对比度低、边缘模糊、信噪比低、成分复杂等缺点，受大气热辐射、远作用距离、探测器噪声等因素影响，成像传感器探测到的目标的局部细节的灰度差异不明显，特别是在检测到的信号相对较弱、背景有非平稳起伏干扰的情况下，目标边缘有可能被大量杂波、噪声所淹没，从而导致图像信噪比降低、形状和结构的信息不足，因此利用两者互补的特性，将两类图像进行融合，可以获得地物目标更为本质、更为客观的特征，从而可以为目标识别、目标分类、目标提取及解译提供更为准确的依据，而图像融合的前提为图像配准，因而研究有效的可见光与红外图像配准方法具有很现实的意义。

对于可见光影像和红外影像的配准，由于其成像机理差异很大，使得可见光影像和红外影像的配准存在很多问题及难点。可见光影像和红外影像截然不同的成像机理也造成两类影像同名特征的提取以及配准难度的极大增加，而可见光影像与红外影像配准技术也成为二者信息集成的“瓶颈”。这也使得可见光影像与红外影像的配准问题成为目前的研究焦点。传统的影像配准方法并不适合于可见光与红外影像的配准问题中，需要对其进行改进。目前可见光影像和红外影像配准方法大致可分为两类：基于区域的配准方法和基于特征的配准方法。

（1）基于区域的配准方法：

基于区域的配准方法，无需对源图像进行复杂的预处理，该方法以整幅图像或局部区域的灰度信息为依据，建立待配准图像和基准图像之间的相似度量，利用某种搜索算法，寻找出相似度量达到最优值时的变换模型中的参数值，因此也被称为直接配准法，其特点是实现起来比较简单，并且具有较高的配准精度。基于图像灰度的图像配准方法，针对具体问题选取不同的相似性度量准则，常用的相似性度量准则有：互相关算法、序贯相似性检测算法和互信息相似性度量准则。

互相关算法是1982年提出的最早的基于区域灰度的图像配准方法，该方法的原理是：采用一幅图像X作为源图像和一个尺寸小于X的模板T，然后定义表征模板在每一个平移位置与源图像X的相似度的交叉相关函数F，模板T以某一平移量在源图像X中移动，当交叉相关函数F出现峰值时，即模板T与源图像X已经配准了。但是采用这种方法时需要非常巨大的运算量才能搜索出最佳匹配位置。

为了减少搜索的运算量，加快搜索最佳匹配位置的效率，后来出现了基于序贯相似性的检测的算法（SSDA）。基于序贯相似性的检测的算法与互相关算法相比，有两方面的优势：一方面采用了简单的相似性度量准则E(u,v)，因为新准则不需要大量的乘法运算，所以省去了很大的运算量；另一方面采用了序贯搜索策略，新准则的实质误差绝对值的累加和，在图像能够完成匹配的位置区域，E(u,v)的值增长速度非常缓慢，而在不能够完成匹配的位置区域，E(u,v)的值增长速度非常快，所以可以采用一个误差阈值，当累积误差超过这个阈值时，则在相应位置提前停止迭代运算，转到下一个位置再计算E(u,v)，由于满足匹配条件的位置只有少量的几个点，所以序贯搜索策略能够提高搜索速度，极大的节省了搜索时间。

基于互信息相似性度量准则的配准方法可以克服对图像灰度变化和图像本身的畸变的适应能力较弱的缺点。互信息最初是用来比较两幅图像之间的统计相关性或者是一幅图中包含另一幅图像信息的多少。首先将两幅图像的灰度信息看做具有独立样本空间的均匀随机过程，分别设两幅图像灰度信息的随机变量是A和B，则两幅图像之间的互信息表示为：