基于特征的異類圖像復(fù)合配準技術(shù)研究.pdf

1、由于可見光、紅外及SAR傳感器的成像機理和成像條件不同,所獲圖像在灰度分布、統(tǒng)計特性及噪聲上存在較大差異,基于灰度的配準方法不能很好地應(yīng)用于異類圖像配準中,因此,異類圖像配準主要采用基于特征的配準方法來實現(xiàn)。
　　雖然異類圖像的灰度特性差異比較大,但目標的邊緣特征在兩幅圖像中比較穩(wěn)定,基本保持不變,具有相關(guān)性;在變換域中,低頻圖像是源圖像的近似圖像,描述了圖像的基本變化趨勢,降低了噪聲和細節(jié)的影響,這樣兩幅圖像的低頻圖像表現(xiàn)出相似

2、性,高頻圖像反映了源圖像的邊緣細節(jié)信息,在高頻圖像上提取的特征點具有很好的魯棒性。因此,本文在分析現(xiàn)有特征提取技術(shù)的基礎(chǔ)上,開展了面向可見光和紅外圖像、可見光和SAR圖像的空間域配準和變換域配準方法,主要研究內(nèi)容如下:
　　(1)提出了基于邊緣圖像和SURF特征點的空間域復(fù)合配準方法。首先在兩幅Canny邊緣圖像上提取SURF特征點,然后對特征點進行雙向兩級匹配,利用精確匹配結(jié)果計算仿射變換參數(shù),最后通過重采樣和雙線性插值完成可見

3、光和紅外、可見光和SAR圖像的配準。實驗結(jié)果表明,該方法配準精度高且速度快。
　　(2)提出了基于NSCT子圖像和SURF特征點的變換域復(fù)合配準方法。首先對兩幅源圖像進行NSCT變換,在分解后的低頻圖像(當兩幅低頻圖像的灰度差異很大時,對待配準圖像的低頻圖像進行取反)上提取SURF特征點,并對特征點進行雙向兩級匹配;在分解后的高頻圖像上提取邊緣特征點,并利用歸一化互相關(guān)系數(shù)對特征點進行粗匹配,采用RANSAC算法對粗匹配特征點進行

4、精確匹配。然后將低頻圖像和高頻圖像的精確匹配結(jié)果結(jié)合起來,剔除其中重復(fù)的特征點,實現(xiàn)異類圖像配準。通過實驗驗證了本配準方法的有效性。
　　(3)考慮到圖像在空間域配準和變換域配準各自的特點,將它們相互補償,提出了空間域和變換域相結(jié)合的異類圖像復(fù)合配準方法。首先分別利用上述提出的方法在圖像空間域和變換域完成特征點的兩級匹配,然后剔除空間域和變換域精確匹配點中重復(fù)的特征點,并利用剩余的精確匹配點計算仿射變換參數(shù),完成可見光和紅外、可見