基于边缘对齐度和互信息的红外与可见光图像配准方法

"基于对齐度和互信息的红外与可见光图像配准" 本文提出了一种结合边缘对齐度与互信息的图像配准方法，针对红外与可见光图像的特点。该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，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。 图像配准是指在同一场景下，使用不同传感器和拍摄角度拍摄的图像进行匹配的过程。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用于目标检测识别跟踪等领域。 在图像配准中，常用的方法有基于区域的配准方法和基于特征的配准方法。基于区域的配准方法有互信息法、梯度图像相关法、变换域分析法。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。 红外图像与可见光图像的配准较复杂，难道较高。这是因为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，提出了一种结合边缘对齐度与互信息的图像配准方法，以提高红外与可见光图像的配准精度和鲁棒性。 在本文中，我们将讨论图像配准的基本概念和方法，并对基于对齐度和互信息的红外与可见光图像配准方法进行深入分析和讨论。同时，我们还将讨论该方法的优缺点和实际应用前景。 知识点： 1. 图像配准的基本概念和方法 2. 基于区域的配准方法：互信息法、梯度图像相关法、变换域分析法 3. 基于特征的配准方法：点特征、线特征、区域特征 4. 红外图像与可见光图像的配准难点 5. 结合边缘对齐度与互信息的图像配准方法 6. 图像配准在目标检测识别跟踪等领域的应用前景