图像配准是图像处理领域的关键技术,用于实现两幅或者是多幅图像之间的匹配,广泛应用于医学图像分析、遥感、计算机视觉、精确制导定位等领域。异源图像是指来自成像机理不同的传感器的图像,相比于同源图像,异源图像所提供的图像信息具有可靠性、互补性和冗余性。对异源图像进行融合,可以获得更加全面、可靠和准确的图像描述。图像配准作为图像融合的前提,配准精度直接决定后续应用的效果。异源图像之间的灰度、对比度差异较大,关联性较小,本文提出一种互信息与梯度空间信息相结合的相似性测度用于SAR与可见光图像的配准,配准过程中不仅考虑灰度信息的相关性,而且考虑空间信息的相关性,具有较好的配准结果。仿真实验表明,相比于传统的互信息配准方法,当SAR图像中存在的乘性斑点噪声较少时,这种梯度与互信息相结合的配准方法的配准函数曲线更加平滑,峰值更加尖锐,易于寻找出最优的配准参数。因此,这种方法可以降低灰度对比度的影响,有效提升了异源配准的精确度和准确率。但是,梯度互信息配准对噪声十分敏感,当SAR图像中存在较多的乘性斑点噪声时,配准过程很容易陷入局部极值,无法获得正确的配准参数。为了消除斑点噪声的影响,本文采用了平稳小波(SWT)贝叶斯萎缩降斑的方法,首先分析了SAR图像在平稳小波变换域中的统计模型,推导出基于贝叶斯估计的信号最小均方误差(MMSE)的模糊萎缩因子,然后再根据相邻尺度间小波系数的相关性,采用分区域模糊萎缩思想,很好地得到无斑点真实信号小波系数的估计。实验结果表明,采用小波模糊萎缩降斑,可以有效抑制SAR图像中的斑点噪声,并较好保留边缘梯度信息,有效提高了SAR与可见光图像配准的准确率和鲁棒性。当参与配准的图像尺寸较大时,梯度互信息方法的计算量较大,为了提高配准效率,本文采用了高斯金字塔分解的方法,对图像进行由粗到精的配准策略。首先利用高斯核函数对图像做分解处理,得到两个分解尺度的图像金字塔结构。然后从图像金字塔的最底层到最高层逐层进行配准搜索,每一层的配准搜索都是在上一层得到的最优配准参数的邻域范围内进行,配准精度逐层提升。为了验证上述方法的有效性,本文采用三组SAR与可见光图像进行仿真实验,通过实验比较,采用高斯金字塔分解的方法,可以明显提高梯度互信息方法的配准速度,配准时间缩小两到三倍。