[发明专利]利用几何结构特征从粗到精的红外与可见光图像配准方法

说明书

技术领域

本发明涉及一种利用几何结构特征从粗到精的红外与可见光图像配准方法，属于数字图像处理及计算机视觉领域，它主要涉及兴趣点检测及匹配、边缘提取和图像变换技术。在各类基于红外与可见光图像配准的目标识别、军事侦察或遥感系统中有广泛的应用。

背景技术

由于一对红外与可见光图像可以提供非常有用的互补信息以提高相关任务的效率和准确性，所以红外与可见光图像配准技术被广泛应用于诸如遥感、基于配准融合的目标识别和军事侦察等许多领域中。然而，红外与可见光图像在灰度上差异很大，比如：图像的某些区域存在着对比度反转而其他区域不存在；存在于一幅图像中的视觉特征在另一幅图像中可能并不存在等(参见文献：伊拉尼等.多传感器成像的鲁棒配准.计算机视觉国际会议论文集,1998,959-966.(Irani M.,Anandan P..Robust multi-sensor image alignment.Proceedings of International Conference on Computer Vision,1998,959-966.))。因此，对于红外与可见光图像配准的研究非常有意义而且需要克服很多难题。

过去几年中已经提出了很多关于红外与可见光图像配准的方法，主要分为两类：基于特征的配准方法(参见文献：[1]何卡克等.基于角点与豪斯多夫距离的红外与可见光图像配准.计算机科学报告文集：图像分析,2007,383-392.([1]T.,Z.,Krapac J..Infrared-visual image registration based on corners and hausdorff distance.Lecture Notes in Computer Science:Image Analysis,2007,383-392.)[2]李等.基于梯度统计信息的鲁棒CCD与IR图像配准.信号处理快报,2010,17(4):347-350.([2]Lee J.H.,et al.Robust CCD and IR image registration using gradient-based statistical information.Signal Processing Letters,2010,17(4):347-350.)[3]韩俊功等.人造环境中利用混合视觉特征的可见光与红外图像配准.模式识别快报,2013,34(1):42-51.([3]Han J.,Pauwels E.J.,De Z.P..Visible and infrared image registration in man-made environments employing hybrid visual features.Pattern Recognition Letters,34(1):42-51.))和基于区域的配准方法(参见文献：[1]伊拉尼等.多传感器成像的鲁棒配准.计算机视觉国际会议论文集,1998,959-966.([1]Irani M.,Anandan P..Robust multi-sensor image alignment.Proceedings of International Conference on Computer Vision,1998,959-966.)[2]斯沃纳兹等.应用于多分辨率图像配准的共有信息最优化方法.电气电子工程师学会图像处理汇刊,2000,9(12):2083-2099.([2]Thévenaz P.,Unser M..Optimization of mutual information for multiresolution image registration.IEEE Transactions on Image Processing,2000,9(12):2083-2099.))。基于特征的方法首先提取图像中的显著视觉特征，然后利用这些特征去估计变换参数。与基于特征的方法不同，基于区域的方法利用整个图像内容来估计变换参数。具体来说，该方法主要是利用最优化方法来最小化两幅图像的亮度差异平方和、最大化两幅图像的标准化互相关函数或最优化两幅图像的共有信息等。在大多数情况下，基于特征的配准方法要比基于区域的配准方法表现得更好，这是因为仅仅利用具有良好鉴别性的视觉特征来进行图像配准具有更高的效率和更强的针对性。更重要的是，基于区域的配准方法不能处理未对准偏差较大的图像配准问题，这是因为最优化方法需要一个充分接近于真实解的初始点来开始运算以便最终收敛。鉴于以上原因，本发明采用基于特征的配准方法，下面也将着重介绍基于特征的红外与可见光图像配准算法。