[发明专利]基于梯度方向Hausdorff 距离的红外图像和可见光图像配准技术

摘要

本发明公开了一种基于梯度方向的Hausdorff距离实现红外图像和可见光图像的配准算法，属于图像匹配领域。其特征在于包括以下步骤：1）对红外图像和可见光图像分别提取角点，得到初始的角点集合；2）计算每个角点的梯度方向，根据角点梯度方向角度值所处的不同区间，将初始的角点集合分解为8个子集合；3）在计算Hausdorff距离进行配准时，只在对应的集合内找配准点对，减少了位于不同区间所对应的子集合中点的干扰。与现有的Hausdorff距离配准算法相比，本发明对红外图像和可见光图像的配准有更好的准确性。

主权项

1.一种基于梯度方向的Hausdorff距离的红外图像和可见光图像的配准方法，其特征是包括以下步骤：1）对可见光图像进行平移、旋转和尺度变换，得到，其中和分别代表水平和竖直的平移量；要想取得较好的匹配效果可见光和红外图像至少有1/9重叠部分，也就是说可见光和红外图像至少有1/9部分表示的是同一场景，所以在本发明中和的取值范围是，，这里的和分别是图像的高度和宽度；表示旋转参数，它每次以2为步长进行变化；由于可见光分辨率大于红外分辨率，因此尺度变换参数，每次以0.1为步长进行变化；2）提取红外图像和图像的角点，获得角点位置图；3）计算图像每个像素的梯度方向角，得到梯度方向图；4）获得每个角点的梯度方向角，根据每个角点的梯度方向角，将其归类到事先划分的8个子区间中的一个，将所有角点归类完成后，可获得8个角点子集合；5）计算同一方向对应子集合间的Hausdorff距离，得到8个距离值；6）求最小的4个子集合间的Hausdorff距离值的均值，作为基于梯度方向的Hausdorff距离；7）计算获得一系列Hausdorff距离，将所得的Hausdorff距离值进行比较，最小的一个Hausdorff距离所对应的平移、旋转和尺度变换参数，，，就是最优配准参数。