多传感器图像自动配准：基于三角形面积表示的仿射变形方法

"一种新的基于三角形面积表示的多传感器图像自动配准算法被提出，针对具有仿射变形的多传感器图像。尽管基于特征的配准方法在减少计算负荷方面优于基于区域的方法，但在多传感器图像对中存在复杂的变形和灰度差异等典型问题，这使得设计稳健的特征描述符变得具有挑战性。该方法通过三角形面积表示来处理这些问题，与大多数现有的基于特征的方法相反。" 在图像配准领域，多传感器图像配准是一项关键任务，尤其是在遥感、医学成像和计算机视觉中。传统的基于特征的配准方法依赖于识别和匹配特定的图像特征点，如角点或边缘，但它们可能在复杂变形下表现不佳。描述符的稳健性是这类方法的一个核心问题，因为它们必须在图像的几何变化和灰度不匹配中保持稳定。 文章提出的算法利用了三角形面积表示（Triangle Area Representation, TAR）来解决这个问题。这种方法的优点在于其仿射不变性，即三角形的面积在仿射变换后保持不变，使得在存在大规模变形的图像配准时也能有效建立对应关系。 首先，算法需要提取参考图像和感应图像中的线段特征。然后，通过对这些线段进行分析并应用约束条件，确定特征点。在显著仿射变换存在的情况下，如果选择相同的阈值η和ε用于参考图像和感应图像，可能会导致一些特征点在计算后被丢弃，从而减少了可构建的对应特征四边形数量，增加了随机样本一致性（RANSAC）算法达到满意估计结果所需的时间。为了解决这个问题，如果有关于缩放变换的先验知识，可以根据缩放信息为两个图像设置不同的η和ε，以提取更多的对应线段对。 图2展示了一个视觉-红外图像对的例子，其中提取了线段特征，并根据上述约束确定了特征点。接下来，算法详细介绍如何构建基于TAR的特征四边形及其描述方法。 在这一部分，算法详细阐述了特征四边形的构造过程和相关的描述方法。三角形面积表示的引入旨在提供一种能够抵抗仿射变换影响的描述方式。通过计算和比较两幅图像中相应三角形的面积，可以建立稳定的匹配关系，即使在存在仿射变形的情况下也是如此。这种表示方式对于处理多传感器图像的变形和灰度差异具有显著优势，提高了配准的精度和鲁棒性。 这篇研究论文提出了一种创新的基于三角形面积表示的自动配准方法，旨在克服多传感器图像配准中的挑战，特别是在处理仿射变形和灰度不匹配时。这种方法不仅减少了计算复杂性，而且通过利用仿射不变性提高了配准的准确性，为多传感器图像处理提供了新的解决方案。