红外和可见光图像匹配是计算机视觉领域中的一项重要研究课题,该技术在卫星遥感成像、无人机飞行导航和汽车安全驾驶等领域有着广泛的应用。针对同源可见光图像的匹配方法已得到大量的研究,并在一定程度的光照、尺度和旋转变化等条件下取得了良好的匹配性能。与同源图像匹配方法相似,红外和可见光图像匹配方法要解决不同成像条件下的特征不变性问题。但是由于红外和可见光图像成像机制的不同,二者在像素强度、梯度和纹理等方面存在较大差异,导致特征相似性较低。对红外和可见光图像的匹配,现有的匹配方法在特征检测可重复率和特征匹配正确率等方面仍存在巨大挑战。为提高红外和可见光图像匹配方法的性能,本文根据红外和可见光图像整体结构相似但局部细节不同的特点,利用图像整体结构信息设计特征匹配方法。通过研究点特征匹配、区域特征匹配和迭代匹配等方法,解决红外和可见光图像匹配中特征检测可重复率低和特征匹配正确率低的问题。本文的主要研究工作包括:(1)研究基于整体结构边缘的特征点匹配和基于结构预测的特征点分析方法。针对红外和可见光图像特征点提取重复率低和匹配正确率低的问题,本文提出一种基于整体结构边缘和结构预测的特征点匹配和分析方法。首先根据红外和可见光图像整体结构边缘相似的性质,利用边缘约束提取共同特征点,提高特征点的可重复性。然后利用长度和方向等边缘属性建立特征点的描述,提高特征点的匹配正确率。在此基础上,针对红外和可见光图像的纹理和梯度等差异引起的特征判别性低的问题,根据图像整体结构相似的性质,通过结构预测方法分析特征点的判别性。利用红外和可见光图像整体结构边缘相似的特点,本文提出的特征点匹配方法提高了特征检测可重复率和特征匹配正确率。(2)研究基于边缘响应的区域检测和基于形状自相似的区域匹配方法。为进一步挖掘并利用图像中的整体结构信息,根据红外和可见光图像中均匀区域形状相似的性质,本文提出一种基于边缘响应和自相似的区域特征匹配方法。首先计算图像的边缘一致响应并提取区域特征,解决红外和可见光图像中均匀区域边界强度不同导致的区域提取可重复性低的问题。然后根据红外和可见光图像均匀区域形状相似的特点,建立区域形状的自相似描述,并去除区域中均匀部分和低判别性部分的冗余描述,得到高效的形状描述。通过进一步利用图像中的整体结构信息,本文提出的区域特征匹配方法提高了红外和可见光图像匹配的正确率。(3)研究特征的显著性分析和基于特征组合的迭代匹配方法。根据特征点数量多、提取高效而区域特征匹配正确率高、数量少的特点,本文提出一种基于显著性分析的特征组合迭代匹配方法。在初始化阶段,使用正确率更高的区域匹配获得投影变换关系的估计,克服迭代最近点方法使用特征点初始化时正确率低、初始模型精度低的缺点。同时利用匹配区域的概念量化变换关系的估计误差,充分利用特征的位置变换约束关系。在匹配阶段,迭代执行特征点匹配区域更新、特征显著性评估和匹配集合扩充的操作直至完成图像变换关系的估计。实验结果表明,本文方法可在特征匹配正确比例低、数量少时估计图像变换关系,提高了红外和可见光图像匹配的性能。