基于对齐度和互信息的红外与可见光图像配准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,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,具有更高的性和鲁棒性。 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。红外与可见光图像的
配准是对同一场
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,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,具有更高的性和鲁棒性。
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。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。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。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、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、R度berts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。
在二维情况下,边缘检测算法通过计算图像信号Δf = (Δf /Δx,Δf /Δy) 的模的局部极大值来寻找图像边缘的空间位置。梯
度矢量的方向指出了图像灰度值变化快的方向。
定义 2 个小波基函数为:ψx(x,y) = - Δθ(x,y)/ Δx,ψy (x,y) = -Δθ(x,y)/ Δy ;θ(x,y) 在 xy 平面的积分为1,且很
快地收敛到0.
用二进小波变换实现多尺度边缘检测就是寻找M2 j f (x,y) 的局部极大值,A2 j f (x,y)指明了边缘的方向。