论文部分内容阅读
由于可见光、红外及SAR传感器的成像机理和成像条件不同,所获图像在灰度分布、统计特性及噪声上存在较大差异,基于灰度的配准方法不能很好地应用于异类图像配准中,因此,异类图像配准主要采用基于特征的配准方法来实现。虽然异类图像的灰度特性差异比较大,但目标的边缘特征在两幅图像中比较稳定,基本保持不变,具有相关性;在变换域中,低频图像是源图像的近似图像,描述了图像的基本变化趋势,降低了噪声和细节的影响,这样两幅图像的低频图像表现出相似性,高频图像反映了源图像的边缘细节信息,在高频图像上提取的特征点具有很好的鲁棒性。因此,本文在分析现有特征提取技术的基础上,开展了面向可见光和红外图像、可见光和SAR图像的空间域配准和变换域配准方法,主要研究内容如下:(1)提出了基于边缘图像和SURF特征点的空间域复合配准方法。首先在两幅Canny边缘图像上提取SURF特征点,然后对特征点进行双向两级匹配,利用精确匹配结果计算仿射变换参数,最后通过重采样和双线性插值完成可见光和红外、可见光和SAR图像的配准。实验结果表明,该方法配准精度高且速度快。(2)提出了基于NSCT子图像和SURF特征点的变换域复合配准方法。首先对两幅源图像进行NSCT变换,在分解后的低频图像(当两幅低频图像的灰度差异很大时,对待配准图像的低频图像进行取反)上提取SURF特征点,并对特征点进行双向两级匹配;在分解后的高频图像上提取边缘特征点,并利用归一化互相关系数对特征点进行粗匹配,采用RANSAC算法对粗匹配特征点进行精确匹配。然后将低频图像和高频图像的精确匹配结果结合起来,剔除其中重复的特征点,实现异类图像配准。通过实验验证了本配准方法的有效性。(3)考虑到图像在空间域配准和变换域配准各自的特点,将它们相互补偿,提出了空间域和变换域相结合的异类图像复合配准方法。首先分别利用上述提出的方法在图像空间域和变换域完成特征点的两级匹配,然后剔除空间域和变换域精确匹配点中重复的特征点,并利用剩余的精确匹配点计算仿射变换参数,完成可见光和红外、可见光和SAR图像的配准。实验结果表明该方法具有很好的配准效果。