红外与可见光卫星图像的两阶段配准技术

"本文主要探讨了卫星红外图像和可见光图像的配准方法，提出了一种由粗到精的两阶段配准策略，旨在提高多模态气象卫星图像融合分析的准确性。首先，通过Fourier-Mellin变换进行粗配准，利用红外和可见光图像的边缘信息快速计算仿射变换参数。接着，在精配准阶段，采用Harris算子检测特征点，通过局部区域的互相关函数匹配特征点，从而得到精确的配准参数。实验结果证明该方法在FY-2D气象卫星图像上的应用具有高鲁棒性和配准精度。" 在多模态图像处理中，图像配准是关键步骤，特别是对于气象卫星图像，因为它们包含了多种模态的数据，如可见光、红外和多光谱图像。这些图像在不同的天气和气候条件下提供了丰富的信息，但需要正确配准才能进行有效的数据融合分析。本文针对这一问题，重点研究了红外图像与可见光图像之间的配准。 作者提出的方法分为两个阶段：粗配准和精配准。粗配准阶段采用了Fourier-Mellin变换，这是一种在频域中处理图像的方法，特别是在处理边缘信息时非常有效。通过对红外和可见光图像的边缘图像进行变换，可以快速计算出仿射变换参数，初步完成图像的位置和尺度校正。 进入精配准阶段，利用Harris角点检测算子寻找图像中的特征点。Harris算子是一种经典的图像特征检测算法，能识别图像中具有显著变化的区域，即角点。然后，通过计算特征点局部区域的互相关函数，找到对应的特征点对，这有助于提高配准的精确度。最后，根据匹配的特征点对，计算出更精确的几何变换参数，实现红外图像与可见光图像的精细配准。 实验部分，作者使用FY-2D气象卫星的红外和可见光图像进行配准，并验证了所提方法的性能。结果显示，该方法在实际应用中具有很好的鲁棒性，即使在存在噪声和图像质量差异的情况下，也能保持较高的配准精度。因此，这种由粗到精的配准方法为红外和可见光图像的融合分析提供了一个可靠的基础，有助于提升气象预报和其他应用中的数据分析能力。