[發(fā)明專利]一種基于多尺度分割和SIFT的可見光與紅外圖像配準(zhǔn)的方法

有效

• 申請?zhí)枺?/td>: 201310271314.0
• 申請日: 2013-07-01
• 公開（公告）號: CN103337077A
• 公開（公告）日: 2013-10-02
• 發(fā)明（設(shè)計）人: 眭海剛;馬國銳;孫開敏;劉俊怡;薛新春
• 申請（專利權(quán)）人: 武漢大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 張火春

技術(shù)領(lǐng)域

本發(fā)明涉及遙感影像處理技術(shù)領(lǐng)域，尤其是涉及一種基于多尺度分割和SIFT的可見光與紅外圖像配準(zhǔn)的方法。

背景技術(shù)

圖像配準(zhǔn)(Image?Registration)技術(shù)是將相同地區(qū)，在不同視角、不同時刻、不同傳感器或不同光照條件拍攝的圖像進行空間對準(zhǔn)的過程，該技術(shù)是異源空間數(shù)據(jù)獲取和集成過程中極為關(guān)鍵的步驟，尋找最佳的幾何變換參數(shù)是圖像配準(zhǔn)的最終目的。可見光傳感器因其獲取的圖像分辨率非常高，并且所獲取的圖像與人目視效果一致，一直是遙感領(lǐng)域中重要的傳感器之一。但可見光影像受云層狀況、成像時間等天氣條件影響較大。與可見光傳感器相比，紅外傳感器具有被動工作方式、抗干擾性強、目標(biāo)識別能力強、全天候工作等特點。另一方面由于總體上來說紅外圖像具有對比度低、邊緣模糊、信噪比低、成分復(fù)雜等缺點，受大氣熱輻射、遠作用距離、探測器噪聲等因素影響，成像傳感器探測到的目標(biāo)的局部細節(jié)的灰度差異不明顯，特別是在檢測到的信號相對較弱、背景有非平穩(wěn)起伏干擾的情況下，目標(biāo)邊緣有可能被大量雜波、噪聲所淹沒，從而導(dǎo)致圖像信噪比降低、形狀和結(jié)構(gòu)的信息不足，因此利用兩者互補的特性，將兩類圖像進行融合，可以獲得地物目標(biāo)更為本質(zhì)、更為客觀的特征，從而可以為目標(biāo)識別、目標(biāo)分類、目標(biāo)提取及解譯提供更為準(zhǔn)確的依據(jù)，而圖像融合的前提為圖像配準(zhǔn)，因而研究有效的可見光與紅外圖像配準(zhǔn)方法具有很現(xiàn)實的意義。

對于可見光影像和紅外影像的配準(zhǔn)，由于其成像機理差異很大，使得可見光影像和紅外影像的配準(zhǔn)存在很多問題及難點?？梢姽庥跋窈图t外影像截然不同的成像機理也造成兩類影像同名特征的提取以及配準(zhǔn)難度的極大增加，而可見光影像與紅外影像配準(zhǔn)技術(shù)也成為二者信息集成的“瓶頸”。這也使得可見光影像與紅外影像的配準(zhǔn)問題成為目前的研究焦點。傳統(tǒng)的影像配準(zhǔn)方法并不適合于可見光與紅外影像的配準(zhǔn)問題中，需要對其進行改進。目前可見光影像和紅外影像配準(zhǔn)方法大致可分為兩類：基于區(qū)域的配準(zhǔn)方法和基于特征的配準(zhǔn)方法。

（1）基于區(qū)域的配準(zhǔn)方法：

基于區(qū)域的配準(zhǔn)方法，無需對源圖像進行復(fù)雜的預(yù)處理，該方法以整幅圖像或局部區(qū)域的灰度信息為依據(jù)，建立待配準(zhǔn)圖像和基準(zhǔn)圖像之間的相似度量，利用某種搜索算法，尋找出相似度量達到最優(yōu)值時的變換模型中的參數(shù)值，因此也被稱為直接配準(zhǔn)法，其特點是實現(xiàn)起來比較簡單，并且具有較高的配準(zhǔn)精度。基于圖像灰度的圖像配準(zhǔn)方法，針對具體問題選取不同的相似性度量準(zhǔn)則，常用的相似性度量準(zhǔn)則有：互相關(guān)算法、序貫相似性檢測算法和互信息相似性度量準(zhǔn)則。

互相關(guān)算法是1982年提出的最早的基于區(qū)域灰度的圖像配準(zhǔn)方法，該方法的原理是：采用一幅圖像X作為源圖像和一個尺寸小于X的模板T，然后定義表征模板在每一個平移位置與源圖像X的相似度的交叉相關(guān)函數(shù)F，模板T以某一平移量在源圖像X中移動，當(dāng)交叉相關(guān)函數(shù)F出現(xiàn)峰值時，即模板T與源圖像X已經(jīng)配準(zhǔn)了。但是采用這種方法時需要非常巨大的運算量才能搜索出最佳匹配位置。

為了減少搜索的運算量，加快搜索最佳匹配位置的效率，后來出現(xiàn)了基于序貫相似性的檢測的算法（SSDA）?；谛蜇炏嗨菩缘臋z測的算法與互相關(guān)算法相比，有兩方面的優(yōu)勢：一方面采用了簡單的相似性度量準(zhǔn)則E(u,v)，因為新準(zhǔn)則不需要大量的乘法運算，所以省去了很大的運算量；另一方面采用了序貫搜索策略，新準(zhǔn)則的實質(zhì)誤差絕對值的累加和，在圖像能夠完成匹配的位置區(qū)域，E(u,v)的值增長速度非常緩慢，而在不能夠完成匹配的位置區(qū)域，E(u,v)的值增長速度非常快，所以可以采用一個誤差閾值，當(dāng)累積誤差超過這個閾值時，則在相應(yīng)位置提前停止迭代運算，轉(zhuǎn)到下一個位置再計算E(u,v)，由于滿足匹配條件的位置只有少量的幾個點，所以序貫搜索策略能夠提高搜索速度，極大的節(jié)省了搜索時間。

基于互信息相似性度量準(zhǔn)則的配準(zhǔn)方法可以克服對圖像灰度變化和圖像本身的畸變的適應(yīng)能力較弱的缺點?；バ畔⒆畛跏怯脕肀容^兩幅圖像之間的統(tǒng)計相關(guān)性或者是一幅圖中包含另一幅圖像信息的多少。首先將兩幅圖像的灰度信息看做具有獨立樣本空間的均勻隨機過程，分別設(shè)兩幅圖像灰度信息的隨機變量是A和B，則兩幅圖像之間的互信息表示為：