直升机具备低空低速飞行、机动能力强、灵活性高等特点,能垂直起降,在军事和民用等领域得到了广泛应用;然而随着国家扩大低空空域开放,直升机低空飞行环境日益复杂,面临碰撞电力线、无人机、树木、房屋等障碍物的威胁,给安全飞行带来了隐患。目前,现有的直升机载平台障碍物检测和识别系统多是采用单源传感器独立工作,如可见光、红外等。然而,单一传感器会由于自身的误差逐渐积累,复杂气候条件和环境等因素的影响;造成障碍物目标探测可靠性差与识别准确率低。采用多源协同手段是提升复杂低空环境下障碍物检测和识别能力的重要途径之一,不同传感器能够获取威胁物更多的空间信息,此外利用传感器间的互补性,可以有效克服单一传感器在复杂环境下的局限性,从而提高整个系统探测和识别的鲁棒性。而多传感器图像精确配准与高效融合是障碍物探测的前提和基础,然而,多传感器数据在时间域和空间域上存在空间差异和灰度信息差异,给配准和融合带来挑战。针对上述问题,本文主要开展多传感器图像配准和融合算法相关研究,具体研究内容和创新性如下:(1)针对复杂低空环境下获取的图像纹理细节差,特征提取困难,导致现有红外与可见光图像配准算法失效的问题;本文提出了一种基于奇异值分解(Singular Value Decomposition,SVD)和尺度不变特征变换(Scale Invariant Feature Transform,SIFT)的快速图像配准算法。首先,使用Canny检测算子提取源图像边缘信息,构建尺度空间检测关键点;然后,根据关键点梯度方向确定关键点主方向,生成特征描述符矩阵,并利用SVD进行降维处理;最后,根据欧氏距离匹配特征描述符,建立转换模型完成图像重采样,实现图像配准;实验结果表明提出的方法是有效的。该算法利用Canny算子提取图像边缘信息,具有一定的抗噪声能力;同时借助SIFT的不变性和SVD的降维优势,降低了计算复杂度,提高了配准算法的实时性。(2)针对复杂低空环境下空气中存在强散射颗粒,引起红外与可见光图像颜色偏移和色彩失真,导致后续多源融合结果对比度低的问题;本文提出了一种基于多指标自适应权重图的多尺度图像融合算法。首先,对源图像进行平滑降噪等预处理,提取可见光图像色相H、饱和度S、明度V;然后,联合信息熵、对比度、均方差等多指标生成自适应权重图,根据权重图融合得到新的明度分量,与初始色相、饱和度组成新的HSV空间,并转换到RGB颜色空间;最后,对融合图像进行色彩校正和锐化处理,得到视觉效果增强的融合图像,实验结果验证了该算法的有效性。该算法融合权重图具备自适应性,且其构建的多尺度空间对图像尺寸信息敏感,融合结果对比度高,细节清晰,色彩鲜明。