基于对齐度和互信息的红外与可见光图像配准.docVIP

基于对齐度和互信息的红外与可见光图像配准 摘 要： 针对红外与可见光图像的特点，在此提出了一种结合边缘对齐度与互信息的图像配准方法。首先通过小波变换边缘检测得到红外与可见光图像的边缘图像，并将对齐度和归一化互信息自适应加权平均得到新的相似性测度函数，最终通过计算相似性测度函数的极值求得待配准图像间的变换参数。实验结果表明，该方法可减少配准所需的时间，具有更高的精确性和鲁棒性。 关键词： 图像配准； 红外图像； 可见光图像； 归一化互信息 中图分类号： TN919?34 文献标识码： A 文章编号： 1004?373X（2013）12?0005?04 0 引 言 随着传感器技术的发展，不同传感器成像时反映出了不同的物理特性，综合利用多传感器图像提取特征和分析已成为一种重要的图像处理手段。在利用红外传感器和可见光传感器的图像进行数据提取和分析前，必须进行几何上和灰度上的严格配准[1]。红外与可见光图像的配准是对同一场景在不同时间、视角和使用不同传感器得到的一组图像进行匹配的过程。红外传感器和可见光传感器作为两种最常见的传感器工作于不同波段，正是这种图像信息的互补性，使得它们融合后的结果可以更有效地应用于目标检测识别跟踪等领域。因此研究红外图像和可见光图像的配准技术具有重要意义。 根据图像配准中利用的图像信息，可将现有的配准方法大致分为两类：基于区域的配准方法和基于特征的配准方法[2]。基于区域的配准方法有：互信息法[3]、梯度图像相关法[4]、变换域分析法[5]。基于特征的配准方法是指从参考图和待配准图中分别抽取共有特征，在特征空间寻找变换模型参数。从提取特征的类型来看，可分为点特征、线特征、区域特征等。由于红外图像的对比度相对较低，且红外与可见光图像相关性很小，可见光图像中不一定出现红外图像中的特征，因此红外图像与可见光图像配准较复杂，难道较高。针对红外与可见光图像配准的难点，本文提出了小波变换将图像进行多尺度边缘检测，并结合对比度和归一化互信息作为相似性测度，得到配准参数，以提高配准的效率、精确性和鲁棒性。 1 基于小波变换的多尺度边缘提取 通过检测二维小波变换的模极大点可以确定图像的边缘点。由于小波变换在各尺度上都提供了图像的边缘信息，所以称为多尺度边缘。沿着边界方向将任意尺度下的边缘连接起来可形成该尺度下沿着边界的模极大曲线。小波变换能够把图像分解成多种尺度成分，并对大小不同的尺度成分采用相应的时域或空域取样步长，从而能够不断地聚焦到对象的任意微小细节。经典的边缘提取算法是对原始图像中每个像素的某个小邻域来构造边缘检测算子，通常是寻找图像灰度函数的一阶导数局部极大值或二阶导数局部过零点。经典的边缘检测算法有： Canny边缘检测算子、Roberts边缘检测算子、Laplace边缘检测算子和Prewitt边缘检测算子等。相比于经典的边缘检测算法，小波变换具有多尺度特性，可以较好地解决噪声和定位精度之间的矛盾。 3 基于对齐度的图像配准 5 图像配准过程 红外图像具有不受天气影响、能穿透衣物和建筑材料等特性，但与可见光相比，红外图像分辨率较低，且由于成像设备限制等因素，图像中往往噪声很强，因此直接对红外图像进行常用的边缘检测算子将达不到预期的效果，图像中的目标及背景的真实边缘将无法得到有效体现。 根据小波变换的多分辨率特性，利用小波模极大值边缘检测方法将有效的得到图像边缘，并在边缘检测前对图像进行图像预处理（高斯滤波）可有效抑制图像中的噪声。图像配准就是根据相似性测度对空间几何变换参数的最优化搜索过程。首先参考图像始终保持不变，对待配准图像进行空间变换后与参考图像相比较，计算相似性测度。通过搜索算法，搜索使相似性测度达到最大对应的空间变换参数，根据得到的参数对待配准图像进行变换，即与参考图像达到配准。常用的搜索算法有黄金分割法、极值优化法、Powell法、蚁群算法、遗传算法等。 这里选用Powell法进行搜索，主要考虑到这种方法不用计算目标函数的梯度，仅通过比较目标函数的数值大小来移动迭代点就可以求出极值[9]。 根据表1中的数据可以得出，就上面提到的相似性测度的配准精度来说，本文提出的测度在对选定的图像进行配准时精度最高，同时也在误差范围内。 7 结 语 本文对红外与可见光图像配准进行了研究，提出了基于互信息与边缘对齐度的配准方法。该方法利用小波变换的多尺度边缘检测方法，并结合了基于特征和基于灰度的图像配准方法的优点，有效地降低了计算量，抑制了噪声，提高了图像配准的准确性和鲁棒性。 参考文献 [1] 倪国强，刘琼.多源图像配准技术分析与展望[J].光电工程，2004，31（9）：1?6. [2] 王鲲鹏，徐一丹，于起峰.红外与可见光图像配准方法分类及现状[J].红外技术，2009，31（5）：270?274. [3] VIO