基于特征的異類圖像復(fù)合配準(zhǔn)技術(shù)研究.pdf

1、由于可見光、紅外及SAR傳感器的成像機(jī)理和成像條件不同,所獲圖像在灰度分布、統(tǒng)計(jì)特性及噪聲上存在較大差異,基于灰度的配準(zhǔn)方法不能很好地應(yīng)用于異類圖像配準(zhǔn)中,因此,異類圖像配準(zhǔn)主要采用基于特征的配準(zhǔn)方法來實(shí)現(xiàn)。
　　雖然異類圖像的灰度特性差異比較大,但目標(biāo)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(shì),降低了噪聲和細(xì)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(xì)節(jié)信息,在高頻圖像上提取的特征點(diǎn)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(zhǔn)和變換域配準(zhǔn)方法,主要研究?jī)?nèi)容如下:
　　(1)提出了基于邊緣圖像和SURF特征點(diǎn)的空間域復(fù)合配準(zhǔn)方法。首先在兩幅Canny邊緣圖像上提取SURF特征點(diǎn),然后對(duì)特征點(diǎn)進(jìn)行雙向兩級(jí)匹配,利用精確匹配結(jié)果計(jì)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(zhǔn)。實(shí)驗(yàn)結(jié)果表明,該方法配準(zhǔn)精度高且速度快。
　　(2)提出了基于NSCT子圖像和SURF特征點(diǎn)的變換域復(fù)合配準(zhǔn)方法。首先對(duì)兩幅源圖像進(jìn)行NSCT變換,在分解后的低頻圖像(當(dāng)兩幅低頻圖像的灰度差異很大時(shí),對(duì)待配準(zhǔn)圖像的低頻圖像進(jìn)行取反)上提取SURF特征點(diǎn),并對(duì)特征點(diǎn)進(jìn)行雙向兩級(jí)匹配;在分解后的高頻圖像上提取邊緣特征點(diǎn),并利用歸一化互相關(guān)系數(shù)對(duì)特征點(diǎn)進(jìn)行粗匹配,采用RANSAC算法對(duì)粗匹配特征點(diǎn)進(jìn)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(diǎn),實(shí)現(xiàn)異類圖像配準(zhǔn)。通過實(shí)驗(yàn)驗(yàn)證了本配準(zhǔn)方法的有效性。
　　(3)考慮到圖像在空間域配準(zhǔn)和變換域配準(zhǔn)各自的特點(diǎn),將它們相互補(bǔ)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(zhǔn)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(diǎn)的兩級(jí)匹配,然后剔除空間域和變換域精確匹配點(diǎn)中重復(fù)的特征點(diǎn),并利用剩余的精確匹配點(diǎn)計(jì)算仿射變換參數(shù),完成可見光和紅外、可見