红外与可见光图像融合中的快速配准方法
一种基于轮廓多边形逼近的可见光与红外图像配准方法
可见光与红外图像配准还 涉及到 图像 特征 的分析 ， 目前 遥 感图像 中传感 器采集 的数据 有可见光 、 红外 、 高光谱 图像 ， 文献 ［］ ８ 对多源成像技术进行了研究和总结。 由于大多数算法都只是对 特定 的一些 图像 有效 ， 在可见 光
他们的配准 图像 的轮廓必须 非常清 晰 ， 幅 图形 中必须 有可 以 两
相 同的特征点 。
多边形拟 合主要处理方式一般分为 ： 设定误差阈值 ， 获得 满 足此 阈值 的最 小顶点的多边形 ； 设定 顶点个数上限 ， 获得 满足上 限的 ， 曲线误差最小 的多边形 。多边形 逼近算 法常用 的主要 有 Ｄ ｕｌｓ ｅｃ ｅ（ Ｐ 逼近算 法和 Ｒ ｓｎ ｌ—ｏｎｏ 、 ｈ ｈｎ逼 ｏｇａ— ｕｋ ｒＤ ） Ｐ ｏｅｆ ｄＪｈｓｎ Ｔ ｅＣ ｉ ｅ 近算法 ， 国内还没有涉及这方 面的研究 ， 本文采 用 Ｄ Ｐ算 法进 行
征进行分析 ， 根据仿 射变换 中直线不变原理 ， 得到 多边形的边和顶点之 间的关系， 利用 控制点对进行 配准。实验证 明该方 法取 得 了
较 好 的效 果 。
关键词
中图分类号
图像配准
Ｔ３ １ Ｐ０
红 外图像
可 见光 图像
Ａ
多边形逼近
Ｆｅｍ ｎ链码 ｒｅ ａ
文献标识码
Ｄ Ｉ１ ． ９ ９ ｊｉ ｎ １０ —８ ｘ ２ １ ． ０ ０ ９ Ｏ ：０ ３ ６ ／ ．ｓ ． ０ ０３ ６ ． ０ ２ １ ． ０ ｓ
第２ ９卷 第 １ ０期
２１ ０ ２年 １ ０月
计 算机应 用 与软件
Ｃｏ ｕｔｒＡｐ ｌｃ ｔｏ ｓ ａ ｏｔ ｒ ｍｐ ｅ ｐ ｉａ ｉｎ ｎｄ Ｓ ｆ ｗａ ｅ
Ｖｏ． ９ １ ２ Ｎｏ １ ．０
热红外与可见光的联合标定
热红外与可见光的联合标定
首先，热红外和可见光相机的联合标定需要进行内部参数和外
部参数的标定。
内部参数包括相机的焦距、主点位置等内部特性，
而外部参数包括相机的位置和姿态等外部特性。
这些参数的标定可
以通过使用特定的标定板或者特征点来实现。
其次，联合标定还需要考虑两种相机成像结果之间的对应关系。
这可以通过在场景中放置特定的标定板或者特征点，并利用这些标
定目标在两种成像结果中的位置来建立对应关系。
另外，联合标定还需要考虑两种成像结果之间的畸变校正。
热
红外和可见光相机都会存在一定程度的畸变，需要对这些畸变进行
校正，以保证两种成像结果之间的准确对应关系。
最后，联合标定的结果可以用于将热红外和可见光成像结果进
行融合，从而得到更丰富和更准确的信息。
这种融合可以用于改善
目标检测、跟踪和识别的性能，提高系统在复杂环境下的适用性。
总的来说，热红外与可见光的联合标定是一个复杂而重要的过程，它可以将两种不同波段的成像结果进行关联和校准，为各种应
用提供更丰富和更准确的信息。
在实际应用中，联合标定的精度和
稳定性对系统的性能有着重要的影响，因此需要综合考虑各种因素，并采用合适的方法和工具来实现联合标定的目的。
遥感影像的可见光和红外图像融合方法研究
遥感影像的可见光和红外图像融合方法研究摘要：遥感影像融合是将多源遥感影像的信息有机地结合起来，以获取更多、更高质量的地理信息的过程。
其中，可见光和红外图像的融合被广泛应用于军事、气象、农业、环境等领域。
本文对可见光和红外图像融合的方法进行了研究和总结，包括传统的图像融合方法和基于深度学习的图像融合方法，并对未来的研究方向进行了展望。
1. 引言可见光图像和红外图像是遥感数据中常见的两种图像，它们分别捕捉了不同光谱范围内的信息。
可见光图像能够提供地物的几何形状、颜色和纹理等信息，红外图像则能够反映地物的热特性。
将这两种图像进行融合可以充分利用它们的优势，提高遥感图像的分类和识别性能。
2. 传统的图像融合方法传统的图像融合方法主要包括像素级融合和特征级融合两种方法。
2.1 像素级融合像素级融合方法直接将可见光和红外图像的像素进行组合。
其中，加权平均法是最简单的方法，它根据像素的权重将两幅图像进行加权平均得到融合图像。
另外，变换域融合方法如小波变换和主成分分析也得到了广泛应用。
这些方法能够提取图像的频率和相位信息，将两幅图像进行适应性融合。
2.2 特征级融合特征级融合方法通过提取可见光和红外图像的特征，将特征进行融合。
常用的特征包括梯度、边缘、纹理等。
其中，拉普拉斯金字塔和傅里叶谱分析是两种常用的特征级融合方法。
这些方法能够提取图像的边缘和细节信息，对融合结果具有很好的保边性。
3. 基于深度学习的图像融合方法深度学习在图像融合领域取得了显著的成果。
卷积神经网络（Convolutional Neural Network, CNN）是深度学习中最常用的网络结构之一。
将CNN应用于图像融合可以通过学习图像的特征，得到更好的融合效果。
3.1 基于卷积神经网络的图像融合方法基于CNN的图像融合方法主要包括两种：基于生成对抗网络（Generative Adversarial Networks, GANs）和基于编码器-解码器（Encoder-Decoder）的方法。
基于改进配准测度的红外与可见光图像配准
ｖｓ ｌ ｉ ｇ ｓ ｅ ｉｒｔ ｎ ｗ ｒｐ ｓｄａｎ ｗ Ｒ ｖｓｄＭｅｓｒ ｕ ｃｉｎＲ ）ｗｈｃ ｎａｃ ｒｔ ａｄ ｉ ｂｅ ｍａ ｅ ｇｓ ａｉ ， ｅｐｏ ｏｅ ｅ ｅ ｉ ａｕｅＦ ｎｔ （ ＭＦ， ｉ ｉ ａ ｃｕａｅ ｎ ｉ ｒ ｔ ｏ ｅ ｏ ｈｓ
关 键词 ：特征 点提 取 ； 配准 测度 ；特 征 点 匹配； 配准参 数
中图分 类号 ：Ｔ ３ １ １ Ｐ９． ４ 文献标 识码 ：Ａ 文 章编 号 ：１ ０ ．８ １２ １ ）５０ ７ ４ ０ １８ ９ （０ ０ —２ １０ １
Ａ ｅ ｉ ｔ ａ ｉ ｎ Ａｌ ｏ ｉｈ ｆＩ ｒ ｒ ｄ ａ ｓ ｂ ｅＩ ａ ｅ Ｒ ｇ ｓ ｒ ｔｏ ｇ ｒ ｔ ｍ ｏ ｎｆ ａ ｅ ｎｄ Ｖｉ ｉ ｌ ｍ ｇ ｓ Ｂａ ｅ ｎ Ｒｅ ｉ ｅ ｅ ｓ ｅ Ｆｕｎｃ ｉ ｎ ｓ ｄ ｏ ｖ ｓ ｄ Ｍ ａ ｕｒ ｔｏ
引 言
可 见光和 红外 图像 融合 有助 于视 觉观 察 ，提高 目
标 识别 。但 是 图像 融合 需要 对原 图像进 行 严格 配准 ： 由于传感 器不 同，获得 的可 见光和 红 外 图像 往往 会存
配 的两种 方 法 。前者取 决 于 图像 的灰 度统 计特 性 ，不
需对 图像 进行 预 处理 ，但计 算量 较 大 ；后 者需 要提 取 图像 特征 ，计 算量 较少 ，但 容 易产 生误 匹配［。本文 ”
ａ ｏ ｔｄ ｉ ｇ ｅ ｉｔａｉ ｎ ｍｅ ｈ ｄ ｆ ｒｉ ｒ ｒ ｄ ａ ｉｉ ｌ ｍａ ｓ Ｗ ｅ ｆｒ ｔｓ ｌ ｃ ａ ｒｓｏ ｒ ｔ ｒｔ ｅｅ ｔ ｕｔ ｍａｅ ｍａ ｅｒ ｇ ｓｒ ｔｏ ｔ ｏ ｏ ａ ｅ ｎｄ ｖ ｓｂ ｅ ｉ ｇｅ ． ｓ ｅｅ ｔｈ ｒｉ ｐｅ ａｏ ｏ ｄ ｔｃ ｎｆ ｉ ｆ ａｕ ｅ ｐｏ ｎ ｓ ｉ ｗｏ ｉ ｇｅ ，ｔ ｅ ｅ ｒ ｖ ｓ ｄ ｍｅ ｓ ｒ ｕ ｔｏ ｏ ｇ ｉ ａｃ ｉ ｇ ｆ ａｕ ｅ ｐｏ ｎ ａｒ ，ａ ｄ ｅ ｔｒ ｉ ｔ ｎ ｔ ｍａ ｓ ｈ ｎ ｕｓ ｅ ｉｅ ａ ｕ ｅ ｆ ｎｃ ｉｎ ｔ ａｎ ｍ ｔ ｈ ｎ ｅ ｔ ｒ ｉ ｔｐ ｉｓ ｎ ｉ ａ ｌ ａ ｃ ａ ｅ ｒ ｇｉｔａ ｉ ｎ ｐａ ａ ｔ ｒ ｔｔ ｅ ｉｔｒｐｏ ｎ ａ ｒ ｔ ｍａ ｉ ｍ ｆｎ ｌｙ ｃ ｌｕｌｔ ｅ ｓｒ ｔｏ ｒ ｍ ｅ ｅ ｓａ ｗｏ ｒ ｇ ｓｅ ｉ ｔｐ ｉｓ ｗｉ ｘ ｍｕ ＲＭ Ｆ ａ ｕ ．Ｅｘ ｒｍ ｅ ｈ ｖ ｌｅ ｐｅ ｉ ｎｔ ｒ ｓ ｌｓｓ ｏ ｉｓｖ ｌｄｔ ｎｄ ａ ｃ ｒ ｃ ， ｓ ｅ ｉｌｙ ｆ ｒｒ ｇ ｓｅ ｍａ ｅ ｔ ｒ ｉｒ ｒ ｒ ａｉ ｎ ａ ｇｌ ， ｏ ｍ ｉ ｅ ｅ ｕ ｔ ｈ ｗ ｔ ａ ｉ ｉｙ ａ ｃ ｕ ａ ｙ ｅ ｐ ｃ ａｌ ｏ ｅ ｉｔ ｒｉ ｇ ｓｗｉ ａ ｂ ｔａｙ ｏｔｔｏ ｎ ｅ ｚ ｏ ｓｚ ｈ
红外与可见光图像配准及融合技术研究的开题报告
红外与可见光图像配准及融合技术研究的开题报告一、研究题目红外与可见光图像配准及融合技术研究二、研究背景与意义近年来，红外成像技术得到了广泛的应用，尤其是在夜间监测、目标识别、空间探测等领域。
但是由于红外成像技术只能得到目标的热辐射信息，无法提供目标的诸如颜色、形状等可见光图像信息。
因此，如何将红外图像与可见光图像有效地融合起来，具有很高的研究价值和实际意义。
目前，国内外研究者已经提出了很多红外与可见光图像融合的方法，如基于像素级融合、基于区域级融合、基于特征级融合等。
但是由于红外图像与可见光图像在成像机理、图像特征等方面存在很大的差别，如何实现有效的图像配准和融合，仍然面临很大的挑战。
三、研究内容和研究方法1. 红外图像与可见光图像的相关性分析通过对红外图像与可见光图像的特征进行分析，确定两者之间可能存在的相关性。
例如，物体的边缘、纹理、形状等方面的特征是否一致或者相似。
2. 红外图像与可见光图像的配准方法研究基于相关性分析结果，探究有效的红外图像与可见光图像配准方法，如基于像素级、基于特征点级、基于区域级等方法，并分析各种方法的优缺点及适用范围。
3. 红外图像与可见光图像的融合方法研究通过图像融合算法将红外图像与可见光图像融合起来，并分析各种图像融合算法的优缺点及适用范围。
其中包括基于局部性质的融合方法、基于全局性质的融合方法以及基于深度学习的融合方法等。
4. 红外与可见光图像融合的应用研究将研究所得的红外与可见光图像配准及融合技术应用于实际场景中，如夜间目标识别、高空无人机遥感图像处理等，评估技术的有效性和应用效果。
本研究将采用实验分析和理论分析相结合的方法，通过对现有方法的比较分析和改进，逐步深入研究实现红外与可见光图像配准及融合的技术。
四、拟达到的预期目标通过本研究，达到如下预期目标：1. 分析红外图像与可见光图像的相关性，确定有效的配准方法；2. 探究适用于红外图像与可见光图像融合的各种算法，并比较不同算法的优缺点；3. 将研究所得的技术应用于实际场景中，如夜间目标识别等，评估技术的有效性和应用效果。
基于角点的红外与可见光图像自动配准方法（精）
第３８卷第１２期２００９年１２月 光 子 学 报ＡＣＴＡＰＨＯＴＯＮＩＣＡＳＩＮＩＣＡＶｏｌ．３８Ｎｏ．１２Ｄｅｃｅｍｂｅｒ２００９Ｔｅｌ：０２９ ８８８８７６４１Ｅｍａｉｌ：ａｎｗｎｉｎｉ１９８３＠１６３．ｃｏｍ收稿日期：２００８ ０６ １３修回日期：２００８ ０８ ２５基于角点的红外与可见光图像自动配准方法王阿妮，马彩文，刘爽，柳丛，赵欣（中国科学院西安光学精密机械研究所，西安７１０１１９）摘 要：针对红外图像与可见光图像的自动配准问题，提出了一种基于图像角点特征以及仿射变换模型的方法．利用Ｈａｒｒｉｓ因子分别在红外图像和可见光图像上检测角点，并对两幅图像进行边缘检测，得到其边缘图像．通过角点邻域在边缘图像上的相关性，实现角点的粗匹配；通过角点的细匹配，从匹配的角点中选择两对匹配最佳的点作为仿射变换的控制点，得到仿射变换模型，并对待配准图像进行仿射变换，从而实现图像配准．实验结果表明：该方法运算速度快，可以很好地完成红外与可见光图像的自动配准．关键词：图像配准；角点；Ｈａｒｒｉｓ因子；仿射变换；Ｃａｎｎｙ算子中图分类号：ＴＰ３９１ 文献标识码：Ａ 文章编号：１００４ ４２１３（２００９）１２ ３３２８ ５０ 引言在目标检测、识别与跟踪领域，由于单源传感器在成像机理和光谱特性上的限制，使其在工作时很难摆脱一些固有缺陷的影响，所以，从单源向多源发展是该领域一个重要方向．其中，可见光摄像机和红外热像仪是实际应用中经常使用的．可见光摄像机是靠获取场景的各种反射信息成像的，有较高的时空分辨率，所成的图像含有丰富的几何和纹理细节，能够提供目标所在场景的细节信息，有利于观察者对场景的整体认知［１］．红外（８～１４μｍ）热像仪主要是靠获取场景的红外辐射成像的，即通过探测目标与背景间的热辐射差异来识别目标的，因而具有很好的云雾穿透、以及特殊的识别伪装的能力．可见，这两种图像的信息具有互补性，冗余性，可以利用它们来改变实际应用中单一成像传感器的不足．然而，对同一场景使用相同或不同的传感器（成像设备）在不同条件下（天候、照度、摄像位置和角度等）获取的两个或多个图像一般会有所不同，同一场景的多幅图像的差别主要表现在：不同的分辨率、不同的灰度属性、不同的位置（平移和旋转）、不同的比例尺、不同的非线性变形等等［２］．为了综合利用这些图像的信息，实现更稳定、实时的跟踪，其中最基本的一步就是实现两幅或多幅图像的配准．文献［２］采用小波变换实现了视差图像配准，文献［３］主要针对时间序列图像间的旋转，采用小波变换实现了配准，这两种方法都是针对同一类传感器图像的，未涉及到不同类传感器图像间的配准．文献［４］针对图像差异较大的光学图像与合成孔径雷达图像（ＳｙｎｔｈｅｔｉｃＡｐｅｒｔｕｒｅＲａｄａｒ，ＳＡＲ）基于线性不变矩实现了配准，金宝刚博士利用边界相关性实现了红外与可见光图像的配准．这两种方法都实现了不同类型间图像的配准，然而，在全局内进行轮廓匹配或者相关运算，实时性较差．文献［５］针对医学图像配准，提出了基于均值距离测度的配准方法．本文主要针对目标检测领域可见光与红外图像的自动配准，提出了基于角点特征的自动配准方法，该方法计算复杂度低、实时性好，且适合多源图像的融合检测与协同检测技术中的图像配准．１ 图像配准的定义、应用及方法分类图像配准的定义是：将取自同一目标区域的两幅或多幅影像在空间位置上最佳地套合起来，这些影像或者来自不同传感器，或者是由同一传感器在不同时相获取的．它可以应用在不同观察点获取的图像之间的配准（多观察点配准）、不同时间获取的图像之间的配准（时间序列配准）、不同传感器获取的图像之间的配准（多模态配准）以及场景到模型的配准（模板匹配）［６］．图像配准的方法包括［７］：１）基于灰度相关的配准方法；２）基于图像特征的配准方法；３）基于对图像理解和解释的配准方法．也可以按照需不需要人工参与，分为手动配准和自动配准．２ 利用犞犆＋＋６．０实现可见光图像与红外图像配准 本文主要研究对同一场景的可见光图像及红外图像实现自动配准，这两种图像存在着旋转、平移、缩放，以及视场大小不同等特征．具体步骤为：１）在红外及可见光图像上进行角点检测，得到两组角点；２）对可见光和红外两种图像进行边缘检测；３）匹配１２期王阿妮，等：基于角点的红外与可见光图像自动配准方法角点，并选择仿射变换的控制点；４）计算仿射变换参量犜＝［狊，犪，Δ狓，Δ狔］，其中狊为缩放比例，犪为旋转角度，Δ狓，Δ狔分别为狓轴和狔轴的平移大小；５）利用仿射变换实现红外和可见光图像的配准．２．１ 可见光和红外图像仿射变换模型二维仿射变换的一般形式如式１．其中（狓′，狔′）和（狓，狔）分别是可见光图像和红外图像（或红外图像和可见光图像）像素点的坐标．可见，该模型中有四个未知数，只要知道四个点的坐标狏１（狓′１，狔′１），狏２（狓′２，狔′２），犻１（狓１，狔１），犻２（狓２，狔２），就可以求出这几个参量．其中狏１，狏２是可见光图像上的点，犻１，犻２是红外图像上的点，得到式２中的四个等式，从而可以得到狊、犪、Δ狓、Δ狔四个参量的解的表达式，如式３．狓′狔（）′＝狊·ｃｏｓ（犪）－ｓｉｎ（犪）０ｓｉｎ（犪）ｃｏｓ（犪）（）０·狓狔烄烆烌烎１＋Δ狓Δ（）狔（１）狓′１＝狊·（ｃｏｓ（犪）·狓１－ｓｉｎ（犪）·狔１）＋Δ狓狔′１＝狊·（ｓｉｎ（犪）·狓１＋ｃｏｓ（犪）·狔１）＋Δ狔狓′２＝狊·（ｃｏｓ（犪）·狓２－ｓｉｎ（犪）·狔２）＋Δ狓狔′２＝狊·（ｓｉｎ（犪）·狓２＋ｃｏｓ（犪）·狔２）＋Δ狔（２）狊＝狓′２－狓′１ｃｏｓ（犪）·（狓２－狓１）－ｓｉｎ（犪）（狔２－狔１）犪＝ａｒｃｔａｎ｛［（狓２－狓１）·（狔′２－狔′１）－（狓′２－狓′１）· （狔２－狔１）］／［（狔２－狔１）（狔′２－狔′１）＋ （狓′２－狓′１）（狓２－狓１）］｝Δ狓＝狓′１－狊·（ｃｏｓ（犪）·狓１－ｓｉｎ（犪）·狔１）Δ狔＝狔′１－狊·（ｓｉｎ（犪）·狓１＋ｃｏｓ（犪）·狔１）（３）（狓，狔）∈狑 犳（）狓２（狓，狔）∈狑 犳（）狓 犳 （）狔（狓，狔）∈狑 犳 （）狓 犳 （）狔 （狓，狔）∈狑 犳 （）狔熿燀燄燅２（４）２．２ 基于犎犪狉狉犻狊因子的角点检测Ｈａｒｒｉｓ提出了一种仅使用一阶方向导数的特征点检测方法，该方法计算每个像素处的平均梯度平方矩阵，然后通过分析特征值得到特征点［８ ９］．基于Ｈａｒｒｉｓ因子的角点检测通过计算每一个像素狑邻域的亮度变化矩阵犆来检测角点，矩阵犆的定义如式（４）．定义函数犕＝ｄｅｔ（犆）－犽×ｔｒａｃｅ（犆）２，其中，参量犽取０．０４，为Ｈａｒｒｉｓ因子最优参量，选择该函数的局部极大值所在点为角点．为了减少检测到的角点数量，只选取较强的角点，实验中采取了三种方法：１）非最大值抑制，计算输入图像每一个像素点的最小特征值，仅保留３×３邻域中具有局部最大值的点；２）角点质量控制．设定阈值犜，排除掉步骤１）中特征值小于该阈值的点；３）角点间距控制．设定最小间距犇，最强的角点先保留，然后检查新角点与已有角点的间距，排除间距小于最小间距的新角点［１０］．其中，阈值犜一般根据图像的清晰程度，以及角点多少等因素来决定，当图像比较清晰，角点数量较多时，一般取犜大些；当图像较模糊，角点较弱时，一般取该值小些．在阈值犇选取时，当该图中角点丰富时，取犇大些，以免所检测到的角点邻域重叠太多；当角点较少，或者边缘很复杂时，取该值小些，以免检测到的角点太少，无匹配角点．２．３ 犆犪狀狀狔边缘检测算法红外和可见光图像处于不同的波段，像素灰度之间不具有高度的相关性，但其边缘图像具有一定的相关性［１１］．因而，可以在它们的边缘图上实现角点匹配，进而实现图像配准．实现边缘检测的算法很多，例如Ｓｏｂｌｅ、Ｐｒｅｗｉｔｔ、Ｒｏｂｅｒｔｓ、ＬｏＧ、Ｃａｎｎｙ等算法，其中，Ｓｏｂｌｅ、Ｒｏｂｅｒｔｓ、Ｐｒｅｗｉｔｔ都为局域窗口梯度算子，对噪音比较敏感，所以对处理实际图像不太适用．而Ｃａｎｎｙ算子一般又优于ＬｏＧ算子，所以，这里采用Ｃａｎｎｙ算法进行边缘检测．Ｃａｎｎｙ算法进行边缘检测的步骤为：１）降噪．将原始图像与高斯ｍａｓｋ作卷积，得到的图像与原始图像相比有些轻微的模糊．这样，单独的一个像素噪音在经过高斯平滑的图像上变得几乎没有影响．２）寻找图像中的边缘点．在图像中的每一点处计算局部梯度和边缘方向，边缘点定义为梯度方向上其强度局部最大的点．３）非最大值抑制．在步骤２）中确定的边缘点会导致梯度幅度图像中出现脊，算法追踪所有脊的顶部，并将所有不在脊的顶部的像素设为零．脊像素使用两个阈值犜１和犜２（犜１＜犜２）来做阈值处理，值大于犜２的脊像素称为强边缘像素，位于犜１和犜２之间的，称为弱像素边缘．４）链接边缘．算法通过将８连接的弱边缘像素集成到强边缘像素．２．４ 角点匹配及控制点选取得到边缘图，利用边缘的相关性，就可以对检测到的角点进行匹配．这里先进行大邻域粗匹配，具体做法是，对检测到的两组角点ｃｏｒｎｅｒｓ１和ｃｏｒｎｅｒｓ２（假设ｃｏｒｎｅｒｓ１、ｃｏｒｎｅｒｓ２分别存储红外图像与可见光图像中检测到角点的坐标）中的每一个角点分别建立一个以该点为中心的犽×犽（犽取奇数）模板，然后选择ｃｏｒｎｅｒｓ２（针对红外图像视场较大）中的一个角点，将其模板与ｃｏｒｎｅｒｓ１中的模板进行相关运算．设定一阈值犜′，当相关运算结果ｃｏｒｎｅｒｓ１＞犜′时，则认为匹配成功，得到一对匹配点．这里存在两个问题．首先，若将ｃｏｒｎｅｒｓ２中的一个角点模板与ｃｏｒｎｅｒｓ１中的每一个角点模板都进行相关运算，这样计算量太大，不具有实时性．所以，这里采取两个９２３３光 子 学 报３８卷措施：１）对于图像边界上的角点，即其犽×犽邻域超出图像范围，不进行相关运算；２）由于在进行融合检测或协同检测时，红外图像与可见光图像是对同一场景拍摄的，所以两幅图像上相匹配角点的坐标应该相距不是很大，在这里，设定一个犚，对于ｃｏｒｎｅｒｓ２中的每一个角点狏（犻，犼），只与ｃｏｒｎｅｒｓ１中与该点距离不大于犚的角点进行相关运算［１２］．其次，在角点匹配时，有时会出现ｃｏｒｎｅｒｓ１中的一个点与ｃｏｒｎｅｒｓ２中不只一个点被判为是匹配的，为了解决这个问题，选择其相关运算结果最大的为一对匹配角点，舍弃其它的．经过这一步，得到新的两组角点ｎｅｗｃｏｒｎｅｒｓ１和ｎｅｗｃｏｒｎｅｒｓ２，其中的角点是逐一匹配的，即ｎｅｗｃｏｒｎｅｒｓ１［犻］与ｎｅｗｃｏｒｎｅｒｓ２［犻］（其中犻＝０，１…狀）相匹配，匹配角点的总个数为狀．接下来再进行小邻域细匹配，并选择控制点．其具体步骤为：对ｎｅｗｃｏｒｎｅｒｓ１和ｎｅｗｃｏｒｎｅｒｓ２中的每一个角点建立以该角点为中心的犽′×犽′（犽′为奇数）模板，且犽′＜犽（一般取３），计算每一对模板的相关系数，选取相关系数最大的两对匹配角点作为控制点．２．５ 计算仿射变换模型及插值利用控制点的坐标值，计算出仿射变换参量，进而就可对待配准图像进行几何变换，实现配准．图像在几何变换的过程中，会出现变换后的坐标不是整数，或者在目标图像中存在没有被原图像的点映射到的点，这些点的颜色值需要通过插值来补充进来．常见的插值方法有：最邻近插值法，双线性插值法和双三次插值法［１３］．考虑到这几种算法的计算复杂度和插值效果，实验中采取双线性插值法．３ 实验结果整个实验是在ＰＣ机上，利用ＶＣ＋＋６．０环境实现的，实验所用图像来自文献［１２］．图１的（ａ）、（ｂ）分别是在犜取图像像素最小特征值的最大值的０．０８倍，犇取３０，和犜取图像像素最小特征值的最大值的０．０５倍，犇取３０时，在红外和可见光图像上检测到的角点，圆心所在位置就是检测到的角点位置．图１ 基于Ｈａｒｒｉｓ因子的角点检测Ｆｉｇ．１ ＣｏｒｎｅｒｄｅｔｅｃｔｉｏｎｂａｓｅｄｏｎＨａｒｒｉｓ图２是角点匹配的结果，其中犜′＝０．０５，犽＝１５．从图中可以看出，最终有七对角点相互匹配，其中四对角点几乎完全匹配，另外三对其角点所在位置也相差不远．图２ 角点匹配结果Ｆｉｇ．２ Ｔｈｅｒｅｓｕｌｔｏｆｃｏｒｎｅｒｍａｔｃｈｉｎｇ图３和图４给出了两组红外和可见光图像的配准结果，都实现了很好的配准．其中，图４中原红外图像（ａ）较暗，对比度很低，实验中先对红外图像进行直方图均衡化处理，然后再进行配准．图３ 基于角点的图像配准实例一Ｆｉｇ．３Ｔｈｅｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｅｘａｍｐｌｅｏｎｅｂａｓｅｄｏｎｃｏｒｎｅｒｓ图４ 基于角点的图像配准实例二Ｆｉｇ．４Ｔｈｅｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｅｘａｍｐｌｅｔｗｏｂａｓｅｄｏｎｃｏｒｎｅｒｓ实验中，对多组图像进行了配准，有些图像在进行了一些预处理后，也用该方法实现了较好的配准．０３３３１２期王阿妮，等：基于角点的红外与可见光图像自动配准方法４ 结论从本文的实验结果可以看出，采用在边缘图上角点邻域相关匹配以及仿射变换的方法，对红外图像和可见光图像实现了很好的自动配准．该方法对存在着旋转、缩放、平移以及视场大小不同等差异的两幅或多幅图像都能实现较好的配准．较之传统的图像配准方法，具有原理简单、计算复杂度低、实时性好，在参量最优的条件下具有无须手动且稳定可靠等特点．但是该方法仿射变换控制点的选取是在边缘图上进行的，所以若边缘检测效果不理想，就会影响到控制点的选取，进而不能实现图像配准．因而，在以后的研究中，应致力于好的边缘检测算法，以及各类参量的最优化自动选取上．参考文献［１］ ＹＡＮＧＣｕｉ．Ｒｅｓｅａｒｃｈｏｎｔｈｅｆｕｓｉｏｎｔｅｃｈｎｏｌｏｇｉｅｓｏｆｍｕｌｔｉ ｓｐｅｃｔｒａｌｅｌｅｃｔｒｏ ｏｐｔｉｃａｌｉｍａｇｅｓ［Ｄ］．Ｘｉ′ａｎ：ＸｉｄｉａｎＵｎｉｖｅｒｓｉｔｙ，２００６：５ ７．杨翠．多波段光电图像融合技术研究［Ｄ］．西安：西安电子科技大学，２００６：５ ７．［２］ ＹＡＮＧＢｉ ｗｕ，ＧＵＯＸｉａｏ ｓｏｎｇ，ＺＨＡＯＪｉｎｇ ｍｉｎ，犲狋犪犾．Ａｎａｌｇｏｒｉｔｈｍｏｎｇｅｏｍｅｔｒｉｃｇｌｏｂａｌｒｅｇｉｓｔｒａｔｉｏｎｏｆｐａｒａｌｌａｘｉｍａｇｅｓｂａｓｅｄｏｎｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ［Ｊ］．犃犮狋犪犘犺狅狋狅狀犻犮犪犛犻狀犻犮犪，２００７，３６（３）：５７４ ５７６．杨必武，郭晓松，赵敬民，等．基于小波变换的视差图像全局几何配准新算法［Ｊ］．光子学报，２００７，３６（３）：５７４ ５７６．［３］ ＤＥＮＧＺｉ ｊｉａｎ，ＬＩＢｉ ｃｈｅｎｇ，ＣＡＯＷｅｎ．Ａｎｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍａｔｉｏｎ［Ｊ］．犅狌犾犾犲狋犻狀狅犳犛狌狉狏犲狔犻狀犵犪狀犱犕犪狆狆犻狀犵，２００４（２）：１６ １９．邓子健，李弼程，曹闻．一种基于小波变换的图像配准方法［Ｊ］．测绘通报，２００４（２）：１６ １９．［４］ ＹＡＮＧＪｉｎｇ，ＱＩＵＪｉａｎｇ，ＷＡＮＧＹａｎ ｆｅｉ，犲狋犪犾．Ｆｅａｔｕｒｅ ｂａｓｅｄｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎａｌｇｏｒｉｔｈｍｕｓｉｎｇｉｎｖａｒｉａｎｔｌｉｎｅｍｏｍｅｎｔｓ［Ｊ］．犃犮狋犪犘犺狅狋狅狀犻犮犪犛犻狀犻犮犪，２００３，３２（９）：１１１４ １１１７．［５］ ＹＡＮＧＪｉｎ ｂａｏ，ＬＩＵＣｈａｎｇ ｃｈｕｎ，ＨＵＳｈｕｎ ｂｏ，犲狋犪犾．Ｍｅａｎｄｉｖｅｒｇｅｎｃｅｍｅａｓｕｒｅｓｆｏｒｍｅｄｉｃａｌｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ［Ｊ］．犃犮狋犪犘犺狅狋狅狀犻犮犪犛犻狀犻犮犪，２００８，３７（５）：１０４６ １０５１．［６］ Ｌ Ｈａｉ ｘｉａ．Ｒｅｓｅａｒｃｈｏｎｔｈｅａｕｔｏｍａｔｉｃｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｔｅｃｈｎｏｌｏｇｉｅｓ［Ｄ］．Ｘｉ′ａｎ：ＮｏｒｔｈｗｅｓｔＰｏｌｙｔｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ，２００７：６ １０．吕海霞．自动图像配准技术研究［Ｄ］．西安：西北工业大学，２００７：６ １０．［７］ ＰＥＮＧＺｈｅｎ ｍｉｎｇ，ＺＨＡＮＧＱｉ ｈｅｎｇ，ＷＥＩＹｕ ｘｉｎｇ，犲狋犪犾．Ｉｍａｇｅｍａｔｃｈｉｎｇｂａｓｅｄｏｎｍｕｌｔｉ ｆｅａｔｕｒｅｓｆｕｓｉｏｎ［Ｊ］．犎犻犵犺犘狅狑犲狉犔犪狊犲狉犪狀犱犘犪狉狋犻犮犾犲犅犲犪犿狊，２００４，１６（３）：２８１ ２８５．彭真明，张启衡，魏宇星，等．基于多特征融合的图像匹配模式［Ｊ］．强激光与粒子束，２００４，１６（３）：２８１ ２８５．［８］ ＪＩＡＯＹｕ ｌｏｎｇ，ＬＵＯＸｉｕ ｊｕａｎ，ＭＡＪｉａｎ ｋａｎｇ．Ａｎａｐｐｒｏａｃｈｏｆｅｘｔｒａｃｔｉｎｇｒｅｌｉａｂｌｅｆｅａｔｕｒｅｐｏｉｎｔｓｆｏｒｉｍａｇｅｍａｔｃｈｉｎｇ［Ｊ］．犃犮狋犪犘犺狅狋狅狀犻犮犪犛犻狀犻犮犪，２００６，３５（２）：３１２ ３１５．焦玉龙，罗秀娟，马健康．一种凹凸边界上特征点的提取方法［Ｊ］．光子学报，２００６，３５（２）：３１２ ３１５．［９］ ＹＡＮＧＧｅｎ．Ｒｅｓｅａｒｃｈｏｎｍｏｖｉｎｇｔａｒｇｅｔｃｏｏｐｅｒａｔｉｖｅ ｄｅｔｅｃｔｉｏｎｕｎｄｅｒｃｏｍｐｌｅｘｂａｃｋｇｒｏｕｎｄ［Ｄ］．Ｘｉ′ａｎ：ＮｏｒｔｈｗｅｓｔＰｏｌｙｔｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ，２００７：１７ ２１．杨根．复杂背景下运动目标的协同检测技术研究［Ｄ］．西安：西北工业大学，２００７：１７ ２１．［１０］ ＬＩＵＲｕｉ ｚｈｅｎ，ＹＵＳｈｉ ｑｉ．ＯｐｅｎＣＶｔｕｔｏｒｉａｌｂａｓｉｓ［Ｍ］．Ｂｅｉｊｉｎｇ：ＢｅｉｈａｎｇＵｎｉｖｅｒｓｉｔｙＰｒｅｓｓ，２００７：２４３ ２５８．刘瑞祯，于仕琪．ＯｐｅｎＣＶ教程基础篇［Ｍ］．北京：北京航空航天大学出版社，２００７：２４３ ２５８．［１１］ ＪＩＮＢａｏ ｇａｎｇ，ＷＡＮＧＸｉａｏ ｌｅｉ．Ａｍｅｔｈｏｄｏｆａｕｔｏｍａｔｉｃｒｅｇｉｓｔｒａｔｉｏｎｏｆｉｒａｎｄｖｉｓｉｂｌｅｉｍａｇｅｓ［Ｊ］．犗狆狋犻犮狊犪狀犱犗狆狋狅犲犾犲犮 狋狉狅狀犻犮犜犲犮犺狀狅犾狅犵狔，２００７，５（６）：６０ ６２．金宝刚，王晓蕾．一种红外与可见光图像的自动配准方法［Ｊ］．光学与光电技术，２００７，５（６）：６０ ６２．［１２］ ＨＲＫＡＣ′Ｔ，ＫＡＬＡＦＡＴＩＣ′Ｚ，ＫＲＡＰＡＣＪ．Ｉｎｆｒａｒｅｄ ｖｉｓｕａｌｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｂａｓｅｄｏｎｃｏｒｎｅｒｓａｎｄｈａｕｓｄｏｒｆｆｄｉｓｔａｎｃｅ［Ｊ］．犔犲犮狋狌狉犲犖狅狋犲狊犻狀犆狅犿狆狌狋犲狉犛犮犻犲狀犮犲，２００７，４５２２：３８３ ３９２．［１３］ ＳＨＩＺｈｉ，ＺＨＥＮＧＪｉａｎ ｇｕｏ．Ｍ ｓｃａｌｅｆｕｎｃｔｉｏｎａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｓｔｏｉｍａｇｅｚｏｏｍｉｎｇ［Ｊ］．犃犮狋犪犘犺狅狋狅狀犻犮犪犛犻狀犻犮犪，２００７，３６（８）：１５４８ １５５１．石智，郑建国．Ｍ尺度函数及其在图像缩放处理中的应用［Ｊ］．光子学报，２００７，３６（８）：１５４８ １５５１．１３３３光 子 学 报３８卷犐狀犳狉犪狉犲犱 犞犻狊狌犪犾犐犿犪犵犲狊犃狌狋狅犿犪狋犻犮犚犲犵犻狊狋狉犪狋犻狅狀犅犪狊犲犱狅狀犆狅狉狀犲狉狊ＷＡＮＧＡ ｎｉ，ＭＡＣａｉ ｗｅｎ，ＬＩＵＳｈｕａｎｇ，ＬＩＵＣｏｎｇ，ＺＨＡＯＸｉｎ（犡犻′犪狀犐狀狊狋犻狋狌狋犲狅犳犗狆狋犻犮狊犪狀犱犘狉犲犮犻狊犻狅狀犕犲犮犺犪狀犻犮狊，犆犺犻狀犲狊犲犃犮犪犱犲犿狔狅犳犛犮犻犲狀犮犲狊，犡犻′犪狀７１０１１９，犆犺犻狀犪）犃犫狊狋狉犪犮狋：Ａｎｅｗｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅｃｏｒｎｅｒｆｅａｔｕｒｅａｎｄａｆｆｉｎｅｔｒａｎｓｆｏｒｍａｔｉｏｎｉｓｐｒｅｓｅｎｔｅｄｉｎｏｒｄｅｒｔｏｒｅａｌｉｚｅａｕｔｏｍａｔｉｃｒｅｇｉｓｔｒａｔｉｏｎｏｆｉｎｆｒａｒｅｄｉｍａｇｅａｎｄｖｉｓｕａｌｉｍａｇｅ，ｉｎｃｌｕｄｉｎｇｃｏｒｎｅｒｅｘｔｒａｃｔｉｏｎ，ｅｄｇｅｅｘｔｒａｃｔｉｏｎ，ｃｏｒｎｅｒｍａｔｃｈａｎｄａｆｆｉｎｅｔｒａｎｓｆｏｒｍａｔｉｏｎ．Ｈａｒｒｉｓｆａｃｔｏｒｉｓｕｓｅｄｔｏｄｅｔｅｃｔｔｈｅｃｏｒｎｅｒｓ，ａｎｄＣａｎｎｙｏｐｅｒａｔｅｉｓｕｓｅｄｔｏｅｘｔｒａｃｔｔｈｅｅｄｇｅｓｉｎｔｗｏｉｍａｇｅｓ．Ｔｈｅｃｏｒｒｅｌａｔｉｏｎｏｆｃｏｒｎｅｒｎｅｉｇｈｂｏｒｈｏｏｄｉｓｕｓｅｄｉｎｅｄｇｅｉｍａｇｅｓｔｏｒｅａｌｉｚｅｃｏａｒｓｅｃｏｒｎｅｒｓｍａｔｃｈ．Ｃｏｒｎｅｒｓｍａｔｃｈｉｓｒｅｆｉｎｅｄ，ａｎｄｔｗｏｐａｉｒｓｏｆｃｏｒｎｅｒｓａｒｅｃｈｏｓｅｎａｓｒｅｆｅｒｅｎｃｅｐｏｉｎｔｏｆａｆｆｉｎｅｔｒａｎｓｆｏｒｍａｔｉｏｎ，ｗｈｉｃｈａｒｅｔｈｅｂｅｓｔｉｎｍａｔｃｈｅｄｃｏｒｎｅｒｓ．Ｔｈｅａｆｆｉｎｅｔｒａｎｓｆｏｒｍａｔｉｏｎｍｏｄｅｌｉｓｏｂｔａｉｎｅｄ，ａｎｄａｆｆｉｎｅｔｒａｎｓｆｏｒｍａｔｉｏｎｉｎｔｈｅｉｍａｇｅｐｒｅｐａｒｅｄｆｏｒｒｅｇｉｓｔｒａｔｉｏｎｉｓｃａｒｒｉｅｄｏｕｔ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｃａｎｗｅｌｌｃｏｍｐｌｅｔｅａｕｔｏｍａｔｉｃｒｅｇｉｓｔｒａｔｉｏｎｏｆｉｎｆｒａｒｅｄｉｍａｇｅａｎｄｖｉｓｕａｌｉｍａｇｅａｔａｆａｓｔｅｒｒｅｇｉｓｔｒａｔｉｏｎｓｐｅｅｄ．犓犲狔狑狅狉犱狊：Ｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ；Ｃｏｒｎｅｒ；Ｈａｒｒｉｓｆａｃｔｏｒ；Ａｆｆｉｎｅｔｒａｎｓｆｏｒｍａｔｉｏｎ；Ｃａｎｎｙｏｐｅｒａｔｏｒ犠犃犖犌犃 狀犻 ｗａｓｂｏｒｎｉｎ１９８２．ＳｈｅｒｅｃｅｉｖｅｄｈｅｒＢ．Ｓ．ｄｅｇｒｅｅｆｒｏｍＸｉ′ａｎＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙｉｎ２００６．ＮｏｗｓｈｅｉｓｐｕｒｓｕｉｎｇｔｈｅＭ．Ｓ．ｄｅｇｒｅｅａｔＸｉ′ａｎＩｎｓｔｉｔｕｔｅｏｆＯｐｔｉｃｓａｎｄＰｒｅｃｉｓｉｏｎＭｅｃｈａｎｉｃｓ，ＣＡＳ，ａｎｄｈｅｒｍａｊｏｒｒｅｓｅａｒｃｈｉｎｔｅｒｅｓｔｓｆｏｃｕｓｏｎｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ，ｔａｒｇｅｔｄｅｔｅｃｔｉｏｎａｎｄｔｒａｃｋ．２３３３。
红外图像与可见光图像配准方法
红外图像与可见光图像配准方法引言：红外图像与可见光图像作为两种不同的图像模式，具有各自独特的特征和应用领域。
然而，在某些情况下，我们需要将红外图像与可见光图像进行配准，以实现更准确的分析与识别。
本文将介绍一些常用的红外图像与可见光图像配准方法，包括特征点匹配法、相位相关法和深度学习法。
一、特征点匹配法特征点匹配法是一种常见的红外图像与可见光图像配准方法。
该方法基于图像中的特征点，通过计算这些特征点在两个图像中的相对位置和方向，来实现图像的配准。
特征点可以是图像中的角点、边缘、纹理等突出的特征。
常用的特征点提取算法有SIFT（尺度不变特征变换）和SURF（加速稳健特征）等。
在得到特征点之后，可以采用一些算法，如RANSAC（随机一致性算法）来进行特征点的匹配和筛选。
二、相位相关法相位相关法是另一种常用的红外图像与可见光图像配准方法。
该方法利用图像的相位信息进行匹配，通过比较两幅图像的相位差异，来寻找最佳的配准变换参数。
相位信息可以通过傅里叶变换等算法来获取。
在得到相位信息之后，可以使用相关性匹配或互信息匹配等算法来计算两幅图像之间的相位差。
三、深度学习法深度学习法是近年来兴起的一种红外图像与可见光图像配准方法。
该方法通过使用深度神经网络，学习从红外图像到可见光图像的映射关系，进而实现图像的配准。
深度学习方法具有很强的自适应能力和鲁棒性，可以学习到图像内部的复杂特征，并准确地将红外图像与可见光图像对齐。
常用的深度学习模型包括卷积神经网络（CNN）和生成对抗网络（GAN）等。
四、实验结果与对比分析为了验证上述配准方法的效果，我们进行了一系列的实验。
实验使用了一组红外图像与可见光图像数据集，并使用不同的配准方法进行图像配准。
实验结果表明，特征点匹配法在准确度和速度上较为优秀，但对于图像中的纹理较少的情况效果较差；相位相关法在一定程度上能够克服纹理较少的问题，但对于大角度的旋转和缩放变换效果较差；深度学习法在处理纹理少、旋转角度大等复杂情况下效果较好，但需要较大的训练数据和计算资源。
红外与可见光图像融合算法研究
红外与可见光图像融合算法研究一、本文概述随着科技的发展，图像处理技术已经成为现代社会中不可或缺的一部分，尤其在军事、医疗、安全监控等领域，其应用日益广泛。
红外与可见光图像融合算法作为图像处理技术的一个重要分支，近年来受到了广泛关注和研究。
本文旨在深入探讨红外与可见光图像融合算法的原理、方法及其应用，为相关领域的研究和实践提供理论支持和技术指导。
本文将概述红外与可见光图像融合的基本概念，包括红外图像和可见光图像的特点、图像融合的必要性以及融合的基本原理。
在此基础上，将详细介绍目前国内外在红外与可见光图像融合领域的研究现状和发展趋势，包括各种融合算法的优势和局限性。
本文将重点研究红外与可见光图像融合的关键技术，包括图像预处理、特征提取、融合策略等。
针对这些关键技术，本文将深入分析其原理、方法及其优缺点，并结合实际案例进行具体说明。
同时，本文还将探讨如何优化融合算法，以提高融合图像的质量和效率。
本文将通过实验验证所研究的红外与可见光图像融合算法的有效性和可行性。
通过实验数据的收集、处理和分析，将评估融合算法的性能指标，如清晰度、对比度、融合度等，并与其他算法进行对比分析。
本文还将讨论融合算法在实际应用中的潜力和挑战，为未来的研究提供方向和建议。
本文将全面深入地研究红外与可见光图像融合算法的原理、方法及其应用，以期为相关领域的研究和实践提供有益参考和借鉴。
二、红外与可见光图像融合技术概述红外与可见光图像融合技术是一种多源信息融合技术，旨在将红外图像和可见光图像中的有用信息进行融合，以生成一种包含更多信息、更具可读性和可理解性的新图像。
这种技术能够结合不同传感器捕捉到的信息，利用它们各自的优点，以弥补彼此的不足。
红外图像主要反映物体的热辐射信息，对于隐蔽目标、伪装目标以及夜间目标的检测具有显著优势。
红外图像往往分辨率较低，且难以区分目标的细节和纹理。
而可见光图像则提供了丰富的色彩和纹理信息，对于场景的识别和目标的分类具有较好的效果。
基于深度学习的红外与可见光图像配准方法研究及实现
基于深度学习的红外与可见光图像配准方法研究及实现基于深度学习的红外与可见光图像配准方法研究及实现随着红外与可见光图像在军事、安防、矿产勘探等领域的广泛应用，红外和可见光图像的配准问题变得日益重要。
红外与可见光图像拥有不同的物理特性和成像机制，因此其间存在着较大的差异。
解决这一问题的关键在于提出一种高效准确的配准方法。
深度学习作为人工智能领域的热门技术之一，已经被广泛应用于图像处理和计算机视觉研究中。
其出色的特征提取和模式匹配能力使得基于深度学习的图像配准方法成为当前研究的焦点之一。
本文基于深度学习的红外与可见光图像配准方法，将从以下几个方面展开研究与实现。
首先，介绍图像配准概念和意义。
图像配准是指将不同源的图像进行位置和尺寸的匹配，使得它们在空间上一一对应。
图像配准在军事领域可以用于红外与可见光目标识别、目标跟踪和导航等任务中；在医学领域可以用于红外和可见光图像的融合和病灶检测等应用中。
因此，图像配准技术具有重要的应用价值和实际意义。
其次，总结传统红外与可见光图像配准方法的局限性。
传统的基于特征点匹配或相位相关性的图像配准方法虽然在一些场景中取得了较好的效果，但在复杂背景下容易出现配准失败、匹配不准确和计算复杂度高等问题。
而基于深度学习的图像配准方法能够克服这些问题，具有更高的自适应性和鲁棒性。
然后，提出基于深度学习的红外与可见光图像配准方法。
该方法首先利用深度学习网络自动提取图像的特征表示，然后通过训练集的特征匹配学习实现图像的配准。
深度学习网络可以为不同模态的图像提取共享的高层语义特征，从而克服模态差异带来的挑战。
接着，详细介绍算法实现过程。
首先搜集红外与可见光图像配准的训练数据集，利用这些数据训练深度学习模型。
然后，采用优化算法对模型进行调整和优化，提高配准的准确性和稳定性。
最后，利用训练好的模型对新的红外与可见光图像进行配准，得到理想的结果。
最后，通过实验验证所提出方法的有效性。
本文以军事应用场景中的红外拍摄图像与可见光图像进行配准实验，对比分析了基于深度学习的方法与传统方法之间的差异。
红外与可见光图像融合中的快速配准方法
红外与可见光图像融合中的快速配准方法曾文锋(武汉军械士官学校光电技术研究所,湖北武汉 430064) 摘要:红外与可见光传感器是目标跟踪识别系统中常用的两种传感器,对这两种传感器图像进行有效的融合能大大提高探测识别的准确性和可靠性。
快速准确地实现图像配准是图像融合的前提,为此提出了一种基于小波变换的快速算法,有利于实时准确地实现图像配准。
关 键 词: 图像配准; 图像融合; 小波变换; 特征提取中图分类号:TP391 文献标识码:A 文章编号:100722276(2002)022*******F ast registration algorithm in IR /visual im age fusionZE NG Wen 2feng(Wuhan Ordnance N oncomm issioned officers School ,Opto 2E lectronics Facility ,Wuhan 430064,China )Abstract :IR sens or and visual sens or are widely used in target detection and recognition system.The correctness and robustness of target detection and recognition can be enhanced with effective fusion of images from the tw o kinds of sens ors.Fast and accurate image registration is the key premise of image fusion.An al 2g orithm of fast image registration based on wavelet trans formation is presented which is beneficial for accurately carrying out real time image registration.K ey w ords : Image registration ; Image fusion ; Wavelet trans formation ; Feature extraction1 引 言图像融合是信息融合系统中以图像匹准为目的的技术,能对不同传感器获取的图像进行有效的综合和集成,为不同波段的探测跟踪对象的特征提供精确的信息,最大限度地解决多传感器数据共享,提高系统抗干扰性、作战指挥的准确性和可靠性[1]。
红外与可见光图像互信息法自动配准算法研究
ＩＡ Ｂ ＝ ０ 当 Ａ 完全依赖于 Ｂ时 ， Ａ， ）＝ （， ） ； Ｉ Ｂ （
Ｈ（ ＝ Ｈ（ ） 达到最大值 。 Ａ） Ｂ， 进一 步 ， 于分布 对 Ｐ 。 和 ｑ ． ， 引 入 ＫｕｌａｋＬ ｉｅ 距 离 ： （） （） ｌ ｃ—ｅ ｌ ｂ ｂｒ
视频动态图像监控 、 模式识别、 卫星遥感图像和工 业探伤等领域。 目 ， 前 配准方法总体上可 以分为基于体素（ 像 素） 相似性的配准和基于几何特征的配准两大类。 其中， 基于体素（ 像素） 相似性 的配准方法是通过 在灰度信息的统计特性空间上 ， 定义一个准则 函
ｉｒ ｉ ） ｓ ａｏ 。红外与可见光传感器 是 目 ｔｔｎ 标监控识别
准相对来说 ， 难度更大。目 ， 前 国内外有关红外与 可见光图像的配准尚无成熟 的算法。
２ 图像 自动配准算法的改进
图像配准是对取 自不 同空间 、 不同传感器或 不同视觉 的同一场景 的两 幅或 多幅图像进行 匹
配、 校准的过程。图像配准作 传统的图像配准方法一般是采用选取控制点 的方法 ， 该方法在相同传感器下是可行的， 但在多 传感器 图像配准时出现了一定的困难。这是由于
数， 使得配准参数在准则函数的极值处取得 ， 从而 将配准问题转化为准则 函数的最大／ 最小化问题 ，
然后通过一定的最优化方法求得配准参数来实现 配准 。该方法具有较高的准确性 和鲁棒性 ， 但其
依据整幅图像的灰 度信息 ， 使得其计算费用相当
高； 基于几何特征的图像配准方法是用 图像分割
和模式识别的方法 提取 图像 中稳健 的特征点 ， 确 定这些特征点之间的对应关系， 寻找一个表示相
基于图像变换的红外与可见光图像配准方法
基于图像变换的红外与可见光图像配准方法基于图像变换的红外与可见光图像配准方法步骤1：问题陈述红外和可见光图像配准是将红外图像与可见光图像对齐以实现更全面的图像分析和解释的过程。
由于红外图像和可见光图像的物理特性和成像机制不同，因此它们往往具有不同的空间变换和几何失真。
本文将介绍一种基于图像变换的红外与可见光图像配准方法，以实现高精度的图像对齐。
步骤2：数据预处理首先，对红外和可见光图像进行预处理以减少噪声和增强图像质量。
这可以包括去除图像中的杂散像素、平滑图像以减少高频噪声等。
步骤3：特征提取接下来，从红外和可见光图像中提取特征点，以用于后续的图像匹配。
常用的特征点提取算法包括SIFT（尺度不变特征变换）、SURF（加速稳健特征）和ORB（Oriented FAST and Rotated BRIEF）等。
步骤4：特征匹配使用特征点匹配算法，将红外图像和可见光图像的特征点进行匹配。
目标是找到在两个图像中对应的特征点对，以建立两个图像之间的对应关系。
常用的特征匹配算法包括最近邻匹配和RANSAC（随机一致性采样）算法。
步骤5：图像变换估计通过匹配的特征点对，估计红外图像和可见光图像之间的几何变换关系，例如平移、旋转、尺度变换等。
常用的变换模型包括仿射变换和透视变换。
可以使用RANSAC算法来排除错误匹配，以获得可靠的变换参数。
步骤6：图像配准根据估计的变换参数，对红外图像进行变换以与可见光图像对齐。
根据所选择的变换模型，可以使用图像插值算法（如双线性插值）来处理变换后的图像像素值。
这样，红外图像和可见光图像将具有相同的几何结构。
步骤7：后处理最后，进行图像配准的后处理以进一步提高配准的准确性和质量。
这可以包括平滑配准后的图像以减少残留的几何失真，或者进行图像融合以获得更全面的信息。
总结：基于图像变换的红外与可见光图像配准方法是一种实现高精度图像对齐的有效方法。
通过预处理、特征提取、特征匹配、图像变换估计、图像配准和后处理等步骤，可以实现红外图像和可见光图像的准确对齐，为后续的图像分析和解释提供可靠的基础。
红外和可见光图像互补融合的运动目标检测方法
红外和可见光图像互补融合的运动目标检测方法叶华;朱明旱;王日兴【摘要】Visual and infrared cameras have complementary characteristics, and the detection performance can be improved by fusing visible and infrared images. The fusion of visible and infrared images can improve recall rate, which means more foreground pixels are correctly detected. But the existing fusion methods always lead accuracy dropped. A method extracting information about the two complementary fused domains to detect pedestrians is proposed:①Extract foreground feature s firstly: extract Maximally Stable Extremal Regions(MSERs) from visible and infrared images, calculate dense degree and similarity characteristics of MSERs in the infrared image, and then classify MSERs based on thesefeatures.②Locate foreground targets: search all categories of MSERs in the infrared images to match visible images, and extract similar matched MSERs areas in which include pedestrian contour.③Merge and output pedestrian contours extracted from similar match MSERs areas. The fusion of infrared and visible information can effectively filter out the background object, locate the foreground objects and replenish the missing part of the foreground object extracted only in infrared images. The method proposed has been tested in a common database and compared with the early fusion methods, which can improve the recall rate, does not drop the precision rate after the fusion, and no need for background modeling. It also can compute more efficiently and easier than previous calculations.%可见光和红外图像具有互补特性，融合可产生更好的召回率，但现有方法融合后总会导致精度下降。
红外与可见光配准的方式
红外与可见光配准的方式红外和可见光的图像具有不同的特点，它们在图像分析和识别中具有各自的优势。
然而，在某些应用中，需要将这些图像进行配准，使得它们能够对应到同一场景，以便进行更深入的分析和处理。
下面介绍几种常见的红外和可见光配准方式：1. 特征点匹配特征点匹配是一种常见的配准方式，通过在两幅图像中提取出关键点，并计算这些关键点的特征描述符，然后使用特征描述符进行匹配，实现图像配准。
在红外和可见光图像配准中，可以通过提取图像的边缘、角点、斑点等特征点进行匹配。
2. 基于相位相关的配准方式基于相位相关的配准方式是一种高效的配准方法。
它利用傅里叶变换将两幅图像变换到频域，然后计算它们的互相关函数，通过最大化互相关函数来实现图像的配准。
相位相关配准方式对图像的取样率和分辨率要求较高，但可以实现子像素级的配准精度。
3. 基于投影变换的配准方式基于投影变换的配准方式是一种简单实用的配准方法。
它基于图像的几何形状特征，通过对图像进行平移、旋转、缩放等变换来实现图像的配准。
在红外和可见光图像配准中，可以利用建筑物、道路等地物特征进行投影变换。
4. 基于深度学习的配准方式近年来，基于深度学习的配准方式得到了广泛应用。
它利用卷积神经网络（CNN）等深度学习模型进行特征提取和匹配，实现高效精准的图像配准。
深度学习配准方式可以自动学习图像的特征，具有很强的适应性和鲁棒性，但需要大量的训练数据和计算资源。
总之，红外与可见光图像配准是图像处理领域的重要问题，不同的配准方法适用于不同的应用场景。
在实际应用中，需要根据具体需求选择合适的配准方式，实现有效的图像配准和后续处理。
红外与可见光图像配准技术研究
Abstract
Abstract
The infrared and visible images are very different in grey level and image features according to a same scene, which make it difficult to design proper registration algorithms and to ensure the precision between them. The registration algorithm which is combining the mutual information-based image registration and edge feature-based image registration to images who have obvious edge features can implement simply and can improve the robust of the registration processing, since it can make full use of the edge features so that the differences of the gray level and the features of the image has been reduced. The compute-cost of mutual information is too large, so we bring forward a new algorithm based on wavelet. This algorithm speed registration process through matching images layer by layer which is obtained by wavelet analysis technology. Experimental results show that our combined algorithm solve the registration problem with infrared and visible images which have great differences in grey level and image features, and make registration time one magnitude faster than traditional algorithms due to the adoption of the wavelet transform. Simultaneously, the registration results achieve a high accuracy and stability. Keyword: image registration decomposition mutual information edge feature wavelet
红外与可见光图像配准和融合中的关键技术
第35卷，增刊红外与激光工程2006年l o月h妇删aIl d LaL s er EngiI lee血g oc t．2006 V01．35Suppl em ent红外与可见光图像配准和融合中的关键技术蒋宏，任章(北京航空航天大学自动化学院，北京100083)擅要：针对可见光与红外图像的特点和难点，提出了可见光与红外图像配准与融合中的关键技术，即：使用新型的基于一维最大类间方差和最大连通性测量的图像分割方法对源图像进行分割来更好地实行图像粗配准；使用新型的特征点提取方法，特征点的匹配及误匹配的消除来更好地实行图像精配准；采用新型的基于区域的树状小渡活性测度计算来实现树状小波图像融合；利用自生成神经网络来实现模糊图像融合。
关键词：一维最大类间方差；最大连通性测量；特征点的匹配及误匹配的消除；树状小波图像融合；模糊图像融合中圈分类号：r I N911．73文献标识码：A文章编号：1007—2276(2006)增D一0007一06l m r a r en K eV t ec hnol ogi es i n r e gi st l?at i on and f hs i on f br i nf}ar e dJ0eV t eC nnol ogl eS l n r el r l SU?anon a nd I U Sl on10rand V i si bl e i m agesJ认N G H ong，R E NzhaI l gs咖雠s，Beij ing100083，ChiI l a) (Sch∞l0f Au协I弛吐∞Sc i∞ce锄d El ec哦c E ngi neer i ng'B嘶i ng ull ive璐it y o f A er0舱ut i cs柚d Achar act嘶st ics aI l d di f!f i c ul t i es of t he V i s i bl e锄d i nf r ar ed．t t l e ke y t ecl l l l0109i es吼dⅡl eA bst r act：A i l I l i ng t o t l lepr obl em-s ol vi ng s chem es a r e pm pos ed i n t l l ei r r egi s t m t i on aI l d f us ion，i．e．，m e noV el i m a ge segm en t at i on al gor i t l l m i s us ed bas ed on t Il e1一D l ar ge st i nt r a-cl as s V ar i ance and t he l a唱es t s ha pe connect i V i t)，m easur er r l ent t o s egm e nt m e s ou r c e i m a ges f or也e be仕er c02u r s e r eg i st r at i on，t I l e noV el f eat I l r e poi nt ext r act i on m et h od，f ea m r e poi nt m at cl l i ng aJ l dbe他r fi ne r egi s舰t i on，m e noV el r egi on_bas ed t r．ee w aV e l et I I l i sm at c I l i ng r e m oV al m et l l ods a r e e m pl oyed f or m eact i vi哆m eas ur em ent cal cul at i o n i s apphed t o r e al i zeⅡl e e w aV e l et i m age f us i on，m e se堆gener at i ng neural ne t w or k i s adopt ed t o re al i z e t I le f uzzy i m age f usi on．K ey w or ds：1一D l a曙e st i nt r a—cl ass v撕aIl ce；La昭es t s ha pe connect i V姆m easur em ent；F e at I l r e poi ntr em oV al；T慨w avel et i m age f usi on；F uzz y i m a ge f us i on m at cl l i ng aI l d II l i sm at c l l i ngO引育图像融合将多传感器采集的同一目标的图像经过一定的图像处理，提取各自的信息，可克服单一传感器的局限性，实现多源数据的优势互补，最后综合成统一图像以供进一步处理‘11；同时由于各传感器通过的光路不收■日期l20080r7．11作誊—介l蒋宏(1967一)，女，四川达州人，副教授，硕士生导师，主要从事图像处理、模式识别，目标跟踪目标检测等面的研究．8红外与激光工程：光电信息处理技术笫35卷同，或成像体制不同等原因，图像间可能出现相对平移、旋转、比例缩放等，融合时不能直接进行，而必须进行图像配准。
一种从粗到精的红外和可见光卫星图像配准方法
一
种从 粗 到精 的 红 Ｓ ｎ 可 见光 卫 星 图像 配准 方法
胡永利 ， 王 亮 ， 刘 蓉。 ， 张 丽 ， 段福庆
１ ．北京工业大学计算机学 院，多媒体 与智能软件技术北京市重点实验室 ， 北京 １ ０ ０ １ ２ ４ ２ ．北京工业大学电子信息与控制工程学院 ， 北京 ３ ．北京服装学院基 础部 ，北京 １ ０ ０ ０ ２ ９ １ ０ ０ ８ ７ ５ ４ ．北京师范大学信息科学与技术学院 ， 北京 １ ０ ０ １ ２ ４
分辨率 、噪声 的大小等均有 很大差 异 。因此 ，需要 深入研 究 红外和可见光卫 星图像配准 中的特 征表示和 匹配等 问题 ，以
的频谱 幅度求 出旋转 和缩 放参 数 ０ ， ｓ 。 具体地 ， 将Ｆ 的坐标
（ Ｍ ， ） 表示为极坐标（ ｐ ， ａ ） ，即 ｕ ＝ｐ ｃ ｏ ｓ ａ ，ｖ ＝ｐ ｓ ｉ ｎ ａ ，进一步令
． Ｄ— ｅ ｋ
，
可以得 到其对数 一 极坐标 （ ， ａ ） ，即 “一 ｅ ｋ Ｃ Ｏ Ｓ ａ ， 一
ｅ ｋ ｓ ｉ ｎ ａ 。同样 ， 将Ｆ ２ 的坐标也表示为对数 一 极坐标（ 是 ， ａ ） ， 则
（ 愚 ， 口 ） 与（ 志 ， 口 ）的关 系 为
（ 愚 ， 口 ）一 （ 忌— —ｋ ， — — ） （ ４ ）
法通常对同一类 型的图像具有较好 的配 准效果 ， 但对 于不 同
信息 ， 通常需要考虑不同模态卫星 图像 的特性 ，采用数据 融
合 等方法分析和处理这些 多模 态图像 ， 以满足不 同的应用需 求 。但 图像数据融合处 理 的前 提和基 础是 图像 的精 确配 准 ， 即在数据融合之前需要建 立在 不同时间和视角获取 的不 同分
高效红外与可见光图像配准方法
高效红外与可见光图像配准方法高效红外与可见光图像配准方法高效红外与可见光图像配准是一种将红外图像与可见光图像进行对齐的方法，以实现两种图像之间的准确比较和分析。
以下是一种基于步骤思维的高效红外与可见光图像配准方法的详细说明：第一步：图像预处理在开始图像配准之前，需要对原始红外图像和可见光图像进行预处理。
这包括去除图像中的噪声、调整图像的亮度和对比度，并进行图像增强以提高图像质量。
第二步：特征提取在红外图像和可见光图像中提取特征点是实现图像配准的关键步骤。
可以使用常见的特征提取算法，如SIFT（尺度不变特征变换）或SURF（加速稳健特征）算法。
特征点应该具有良好的鲁棒性，能够在不同光照条件下保持一致性。
第三步：特征匹配通过将红外图像和可见光图像中提取的特征点进行匹配，可以确定它们之间的对应关系。
常用的特征匹配算法包括最近邻匹配和最佳邻域匹配。
匹配过程中，可以使用一些几何约束条件来提高匹配的准确性。
第四步：几何变换根据特征匹配的结果，可以通过计算变换矩阵来实现红外图像和可见光图像之间的几何变换。
常见的几何变换包括仿射变换和透视变换。
变换矩阵可以通过最小二乘法或RANSAC（随机抽样一致性）算法来估计。
第五步：图像配准将红外图像根据几何变换矩阵进行配准，使其与可见光图像对齐。
可以使用插值算法填充配准后的图像像素值，以确保图像平滑过渡。
第六步：图像融合配准后的红外图像和可见光图像可以通过图像融合技术进行合成。
常用的图像融合方法包括加权平均法、小波变换法和拉普拉斯金字塔法。
图像融合可以提供更丰富、更全面的信息，以帮助进一步的分析和应用。
第七步：评估和优化最后，需要对配准结果进行评估和优化。
可以使用一些评估指标，如互信息、均方误差或结构相似性指数来评估配准的质量。
如果配准结果不理想，可以通过调整预处理步骤、特征提取参数或特征匹配算法来优化图像配准的效果。
综上所述，高效红外与可见光图像配准是一个复杂的过程，涉及到图像预处理、特征提取、特征匹配、几何变换、图像配准、图像融合和评估优化等多个步骤。
红外 可见光 配准数据集
红外可见光配准数据集1. 红外和可见光图像配准的意义和背景红外和可见光图像配准是将红外图像和可见光图像进行对齐处理的技术。
红外图像和可见光图像分别捕捉到了不同波段的电磁波信号，但它们之间的配准可以帮助我们更好地理解和分析目标场景。
本文将探讨红外和可见光图像配准的意义、背景以及配准过程中的数据集。
2. 红外和可见光图像的特点和差异红外和可见光图像捕捉到的波长范围不同，因此它们具有不同的特点和差异。
以下是红外和可见光图像的一些特点和差异：•波长范围：可见光波长范围通常为380-780nm，而红外波长范围通常为700nm到1mm。
•物体透明性：可见光对于大多数物体都是透明的，而红外辐射可以穿透一些半透明的材料。
•热辐射：红外图像可以反映物体的热辐射情况，可以帮助我们看到在可见光下无法察觉的热点。
•大气影响：红外辐射受到大气的吸收和散射影响更小，因此红外图像在大气条件较差时表现更好。
•图像分辨率：通常情况下，可见光图像的分辨率要高于红外图像，这是由于红外辐射的波长较长。
3. 红外和可见光图像配准的意义红外和可见光图像配准的意义在于综合利用两种图像的优势，提供更全面、准确的信息。
以下是红外和可见光图像配准的几个重要意义：3.1 目标识别和跟踪红外图像可以提供目标的热辐射信息，可见光图像可以提供目标的形状和颜色信息。
通过将两种图像进行配准，可以获得目标的全面信息，从而更准确地进行目标识别和跟踪。
3.2 环境监测和预警红外图像可以检测到目标的热辐射，可以用于环境监测和预警。
通过将红外图像与可见光图像配准，可以获得更准确的环境监测结果，提高预警的准确性和可靠性。
3.3 军事和安防应用红外图像在军事和安防领域具有重要的应用价值。
例如，红外图像可以用于检测隐蔽的目标、监测夜间活动等。
通过将红外图像与可见光图像配准，可以提高军事和安防应用的效果和可靠性。
4. 红外和可见光图像配准的方法和挑战红外和可见光图像配准是一个复杂的过程，需要考虑到两种图像的特点和差异。
红外图像与可见光图像融合笔记
红外图像与可见光图像融合——笔记图像融合是将来自不同传感器在同一时间(或者不同时间)对同一目标获取的两幅或者多幅图像合成为一幅满足某种需求图像的过程。
为了获得较好的融合效果，在研究融合算法之前，对图像预处理理论及方法进行了研究。
预处理理论主要包括图像去噪、图像配准和图像增强。
图像去噪目的是为了减少噪声对图像的影响。
图像配准是使处于不同状态下的图像达到统一配准状态的方法。
图像增强是为了突出图像中的有用信息，改善图像的视觉效果，并方便图像的进一步融合。
图像融合评价方法：主观评价和客观评价。
指标如：均值、标准差、信息熵等。
针对 IHS 变换和小波变换的优缺点，本文提出了一种基于这两种变换结合的图像融合方法。
该算法的具体实现步骤如下：先对彩色可见光图像进行 IHS 变换，对红外图像进行增强，然后将变换后得到的 I 分量与已增强的红外图像进行 2 层小波分解，将获得的低频子带和高频子带使用基于窗口的融合规则，而后对分量进行小波重构和 IHS 逆变换，最后得到融合结果。
经仿真实验证明，此结果优于传统 IHS 变换和传统小波变换，获得了较好的融合结果，既保持了可见光图像中的大量彩色信息又保留了红外图像的重要目标信息。
红外传感器反映的是景物温度差或辐射差，不易受风沙烟雾等复杂条件的影响。
一般来说，红外图像都有细节信息表现不明显、对比度低、成像效果差等缺点，因此其可视性并不是很理想。
可见光成像传感器与红外成像传感器不同，它只与目标场景的反射有关与其他无关，所以可见光图像表现为有较好的颜色等信息，反应真实环境目标情况，但当有遮挡时就无法观察出遮挡的目标。
利用红外传感器发现烟雾遮挡的目标或在树木后的车辆等。
在夜间，人眼不能很好的辨别场景中的目标，但由于不同景物之间存在着一定的温度差，可以利用红外传感器，它可以利用红外辐射差来进行探测，这样所成的图像虽然不能直接清晰的观察目标，但是能够将目标的轮廓显示出来，并能依据物体表面的温度和发射率的高低把重要目标从背景中分离出来，方便人眼的判读。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
收 稿 日期 ：０ １０ －８ 修 订 日期 ：０ 】０ ０ ２ ０ — ２ ； ６ ２ ０ ９２
作 者 筒 舟 ： 文锋 （ ９７） 女 ， 曾 １６ 一 ， ｝ 武 汉市 人 ， 师 ． 士 ． 要从 事 图像 处 理 及 图 像 配 准 在 多传 感 器数 据 融合 中应 用 等 方 面 的 研 究 工 作 鹄北 讲 硕 主
ｋ ｙ ｐ ｅ ｉｅｏ ｍａ ｅｆ ｓｏ ． Ａｎ ａｇ ｒｔ ｍ ｆｆ ｓ ｍａ ｅ ｒ ｇｓ ｒｔｏ ａｅ ｎ ｗａ ｅｅ ｒ ｎ ｆ ｒ ｅ ｒ ｍ ｓ ｆｉ ｇ ｕ ｉｎ ｌｏ ｉｈ ｏ ａ ｔｉ ｇ ｅ ｉｔａ ｉｎ ｂ ｓ ｄ ｏ ｖ ｌｔｔａ ｓｏ — ｍ ａｉｎ ｉ ｐ ｅ ｅ ｔｄ ｗｈｃ ｓｂ ｎ ｆ ｉ１ ｏ ｃ ｕ ａ ｅｙ ｃ ｒｙｎ ｕ ｅ １ ｉ ｅ ｉ ｇ ｅ ｉｔａ ｉｎ ｒｏ ｓ ｒ ｓ ｎ ｅ ｉｈ ｉ ｅ ｅ ｃａ ｒａ ｃ ｒｔ ｌ ａｒ ｉｇ ｏ ｔｒ ａ ｍ ｍａ ｅ ｒｇ ｓｒ ｔｏ ． ｉ ｆ ｔ
４ ０６ ） ３ ０ ４
摘 要 ： 外 与可见 光传 感器是 目标 跟踪识 别 系统 中常 用的 两种传感 嚣 ， 缸 对这 两种传 感 嚣 图像 进
行 有 效的融夸 能大 大提 高探 测识 别 的准确性 和可 靠性 。快速 准确 地 实现 图像 配准是 图像 融合 的前
提， 为此提 出 了一种基 于 小波 变换 的 快速算 法 ， 利 于实 时准确地 实现 图像 配 准。 有 关 键 词： 图像 配准 ： 图像 融合 ； 小 波 变 换 ； 特 征 提 取
１ 引 言
图像 融合 是信 息 融合 系统 中以 图像 匹准 为 目的 的技术 ， 对 不 同传感器 获取 的图像进行 有效 的综合 能
和集成 ， 为不 同波 段的探 测跟 踪对 象 的特 征提 供精确
统抗 干扰性 、 战指挥 的准 确性 和 可靠性 ＿ 。 作 １ － 图像 配 准 是 图像 融 合 技 术 的基 本环 节 ，只 有 经 过配 准后 的 图像 才能 进行有 效 的融 合 。研 究 高效 、 自 动、 准确 的可见 光 与红外 图像 的配 准算法 具有 广阔 的
维普资讯
第 ２期
ቤተ መጻሕፍቲ ባይዱ
曾 文 锋 ： 外 与 可 见 光 圈替 融 旨 中的 快 速 配 准 方法 虹
了一 种基 于小 波变 换 的快速算 法 ， 实时实 现图像 配 对 准有利 。
Ｄ（， 一∑ ∑ ＩＴ（， 。 ） （ ｚ）
图 （ Ｉ ３ １２
文献标识 码 ： Ａ 文 章 编 号 ：０ ７２ ７ （ ０ ２ ０ １ ８０ ］ ０ —２ ６ ２ ０ ） ２０ ３ ５
中 囤 分 类 号 ： Ｐ ９ Ｔ ３１
Ｆ ｓ ｒｇｓｒ ｔ ｎ ａｇ ｒｔｍ ｎＩ ｖｓ ａ ｍａ ｅｆｓｏ ａ ｔ ｅ ｉ ａｉ ｌｏｉ ｔ ｏ ｈ ｉ Ｒ／ ｉｕ ｌ ｉ ｇ ｕ ｉｎ
”， Ｙ～ 口 ）｛
（） ２
２ 图像 的 特 征 提取
边 缘 、 廓 及纹 理 等 是 图像 的本 质 特 征 ， 同波 轮 不
相 关 系数最 大处 是图像 最佳 匹配位置 ， 而使 用 累
Ａｂ ｔａ ｔ Ｒ ｅ ｓ ｒ ａ ｄ ｖ ｓ ａ ｅ ｓ ｒａ ｅ ｗｉ ｅ ｙ ｕ ｅ ｎ ｔ ｒ ｅ ｅ ｅ ｔｏ ｎ ｅ ｏ ｎ ｔｏ ｙ ｓ ｒ ｃ ・Ｉ ｓ ｎ ｏ ｎ ｉｕ ｌ ｎ ｏ ｒ ｄ ｌ ｓ ｄ ｉ ａ ｇ ｔ ｔ ｃ ｉ ｎ ａ ｄ ｒ ｃ ｇ ｉｉ ｎ ｓ ｓ ｓ ｄ ｔ ｎ ． Ｔｈ ｏ ｒ ｃ ｎ ｓ ｎ ｏ ｕ ｔ ｅ ｓ ｏ ａ ｇ ｔ ｅ ｅ ｔｏ ｎ ｅ ｏ ｎ ｔｏ ａ ｅ ｅ ｈ ｎ ｅ ｔ ｆ ｅ１ ｅ ｃ ｒ ｅ ｔ ｅ ｓａ ｄ ｒ ｂ ｓ ｎ ｓ ｆｔ ｒ ｅ ｔ ｃ ｉ ｎ ａ ｄ ｒ ｃ ｇ ｉｉ ｎ ｃ ｎ ｂ ｎ ａ ｃ ｄ ｗｉｈ ｅ — ｄ ｆ ｃ ｉ ｅｆ ｓｏ ｆｉ ｇ ｓ ｆｏ ｔ ｅ ｔ ｉ ｄ ｆ ｅ ｓ ｒ ． Ｆ ｓ ｎ ｃ ｕ ａ ｅ ｉ ｇ ｅ ｉｔ ａ ｉ ｎ ｉ ｔ ｅ ｅ ｔｖ ｕ ｉ ｎ ｏ ｍａ ｅ ｒ ｍ ｈ ｗｏ ｋ ｎ ｓｏ ｎ ｏ ｓ ｓ ａ ｔａ ｄ ａ ｃ ｒ ｔ ｍａ ｅ ｒ ｇ ｓ ｒ ｔ ｈ ｏ ｓ
维普资讯
第 ３ 喜 第 ２期 １
Ｖ０ １ ． Ｌ ３ Ｎｏ ２
红 外 与激 光 工程
２０ 年４ ０２ 月
Ａｐ ． ０ ２ ｒ２ ０
红 外 与可 见 光 图像 融合 中的快 速 配准 方 法
曾 文锋
（ 汉 军械 士 官学校 光 电技 术研 究所 ， 北 武 汉 武 湖
Ｋｅ ｒ ｓ ｙ ｗｏ ｄ ：
Ｉ ｇ ｅ ｉｔａｉｎ； Ｉ ａ ｅｆ ｓｏ ｍａ ｅｒ ｇｓ ｒ ｔ ｏ ｍ ｇ ｕ ｉｎ； Ｗ ａ ｅｅ ｒｎ ｆ ｒ ｔｏ ｖ ｌｔｔａ ｓｏ ｍａ ｉｎ； Ｆｅ ｔ ｒ ｘ ａ ｕ ｅｅ
ｔ ａ ｔｏ ｒｃ ｉｎ
的信 息 ， 大 限度地 解决 多 传感 器 数 据 共 享 ， 高 系 最 提
Ｚ Ｎ Ｇ Ｗ ｅ －ｅ ｇ Ｅ ｎ ｆｎ
Ｗ ｕｈ ｎ Ｏｒ ｎ ｎ ｅ Ｎｏ ｃ ｍｍ ｉｓｏ ｅ ￣ｉ ｅ ｓ Ｓ ｈ ］ ｔ ＿ ｅ ｔ Ｏ １ ｓ Ｆａ ｉｉ ａ ｄ ａ ｃ ｎ ｏ ｓ ｉ ｎ ｄ ｏ＇ ｃ ｒ ｃ ｏｏ １０口 ｏ Ｅ】 ｃ ｒ ｎ ｃ ｃ ｔ ｆ ｌ ｙ，Ｗ ｕ ｎ ４ ０ ６ ｈａ ３ ０ ４，Ｃｈ ｎ ） ｉａ