异源图像匹配技术是图像处理和模式识别领域中的重要研究方向,在高科技武器精确制导系统、目标识别与跟踪等方面有广泛的应用。本文针对红外图像和可见光图像,致力于异源图像边缘特征的提取和鲁棒的匹配算法的研究,取得的主要工作成果如下:(1)分析并总结常见的图像边缘检测算法和匹配关键技术。分析异源图像间差异性和共性,并运用常用的边缘提取算法检测异源图像边缘,总结不同算法的利弊;采用ESD距离度量和Hausdroff距离度量实现异源图像匹配,并采用性能指标评价体系(单峰性性能指标MAX、PSR、PCE和相对峰性能指标RP)客观评估匹配效果。(2)提出基于小波变换模极大值边缘检测算法的异源图像匹配方法。针对传统小波变换在边缘提取上的弊端和局限性,提出性能更加优越的算法。采用双阈值方法和半邻域法结合方式提高检测的自适应能力,并引入Facet模型加强边缘检测的定位精度,减少不必要的边缘信息,最后采用ESD距离和Hausdroff距离对异源图像进行了匹配。通过图像匹配评价体系和实验统计分析得出结论:本文对边缘提取效果更好,去除掉了细小边缘的干扰,异源图像匹配算法的快速性、鲁棒性和准确性都有较大的提高。(3)提出基于改进CV模型的异源图像匹配方法。针对传统CV模型在复杂背景图像的边缘检测性能下降的不足,论文在CV模型中将全局信息和局部信息进行融合,排除了图像灰度不均对边缘提取的影响;然后引入约束项和采用去除虚假边缘的策略,使得边缘提取效果更加鲁棒;在此基础上实现异源图像匹配。实验结果表面,本文的改进CV模型的异源图像匹配算法能够在复杂的背景下实现匹配,在匹配的精度和鲁棒性都取得了较好的结果。