红外与可见光图像配准技术研究

论文摘要

在红外与可见光图像的配准中,可见光图像和红外图像之间存在较大的灰度差异,对同一景物所表现出的特征也不相同,这是造成配准精度不高和配准方法困难的主要原因。在配准中,对于边缘特征比较明显的图像,通过归一化互信息和边缘特征相结合的方法来将其配准,很好地利用了图像的边缘特征,减小了图像因灰度差异和特征不同所带来的影响,并且这种方法实现简单、鲁棒性高。由于互信息是利用图像的统计信息,计算量大,速度慢。为了解决这一问题,用小波分析对图像进行分层,通过逐层配准大大减小了配准过程所需计算量。实验的结果表明,针对红外与可见光图像灰度和图像特征存在较大差异,采用基于归一化互信息和边缘特征相结合的图像配准算法可以取得较好的结果;同时通过采用小波变换分层的方法,使这种图像配准算法的速度比基于互信息的图像配准方法的速度提高了一个数量级,且实现简单、配准结果具有较高的准确性和稳定性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 图像配准的一般概念
• 1.2 论文的目的及意义
• 1.3 图像配准技术的国内外发展现状
• 1.4 本文的主要工作及章节安排
• 第二章 图像配准概述
• 2.1 图像配准原理
• 2.1.1 图像配准的定义
• 2.1.2 图像的变换类型
• 2.2 图像配准的应用分类
• 2.3 图像配准的方法
• 2.3.1 基于灰度的图像配准方法
• 2.3.2 基于变换域的图像配准方法
• 2.3.3 基于特征的图像配准方法
• 2.4 本章小结
• 第三章 互信息测度及边缘特征提取
• 3.1 互信息
• 3.1.1 熵和联合熵
• 3.1.2 互信息的概念
• 3.1.3 归一化互信息
• 3.1.4 基于最大互信息法的图像配准
• 3.1.5 基于归一化互信息的图像配准
• 3.2 边缘特征提取
• 3.2.1 几种经典边缘提取算子
• 3.2.2 小波变换提取图像边缘
• 3.2.2.1 小波变换
• 3.2.2.2 多分辨率分析
• 3.2.2.3 Mallat 分解与重构算法
• 3.2.2.4 基于小波变换的边缘提取算法
• 3.3 本章小结
• 第四章 红外与可见光图像配准实验
• 4.1 红外与可见光图像配准的数学模型建立
• 4.2 基于小波、边缘特征和互信息的红外与可见光图像配准
• 4.2.1 图像配准的过程
• 4.2.2 图像配准的结果
• 4.3 本章小结
• 第五章 总结
• 致谢
• 参考文献