基于改进配准测度的红外与可见光图像配准

针对在可见光与红外配准中采用传统测度算法时存在配准精度低的问题,提出了改进配准测度函数(RMF),实现可见光和红外图像高精度自适应配准.首先选用harris算子提取两幅图像的特征点;再利用改进的配准测度函数(RMF)有效的获取特征点对;最后利用RMF最大的两对匹配点计算配准参数,并进行图像配准.实验结果证明了该方法的实用性,特别对于任意旋转角、缩放比例和偏移量的图像配准.     

相似距离比算法在图像配准中的应用

对于图像配准中剔除误匹配的问题,在研究随机抽样一致性算法(RANSAC)的基础上,针对RANSAC算法中具有3个不确定参数,较难设置这些参数以同时得到较高的匹配精度和较短的运行时间,并且匹配精度与运行时间具有一定随机性等问题,提出了采用相似距离比剔除误匹配的算法。实验结果表明:在对有旋转、平移、缩放的图像进行配准时,该算法能够充分利用正确匹配点,缩短了运行时间,具有良好的配准精度和鲁棒性。     

一种改进的Harris角点检测的图像配准方法

针对在传统的Harris角点检测过程中,手动输入单个阈值可能出现角点聚簇、伪角点等现象,提出了一种改进的Harris角点检测方法的图像配准方法。首先,将图像分割成3×3个无重叠子图,根据每个子图的对比度的大小,来设置每个子图的阈值。然后,采用NCC算法对检测出的角点进行粗匹配。最后,采用RANSAC算法对粗匹配中误匹配点对进行剔除。实验表明:该算法使得检测的角点分布比较均匀,并在图像配准中有效地增加图像匹配点对数,具有良好的实用性。     

基于角点和Hu矩不变量的可见光和红外图像自动配准方法

针对红外图像与可见光图像的自动配准问题,提出了一种基于图像角点特征和透视变换模型的方法.首先采用自适应阈值对红外与可见光图像进行分割,然后利用Harris因子分别在分割后的红外和可见光图像上检测角点.通过分析角点邻域在原始图像上的相关性实现角点的粗匹配.接着通过RANSAC算法对角点进行细匹配,删除outliers,再...     

基于边缘相关的红外与可见光图像配准方法

针对红外与可见光图像的配准问题,在传统的基于图像边缘相关匹配配准的基础上,提出一种改进的方法.该方法首先手动选取待配准图像与参考图像中包含同一目标的子图像;接着利用Canny算子提取子图像的边缘和子图像的边缘相关性,求取出子图像间的仿射变换模型参数;再进一步修正该参数,得到原图像之间的仿射变换模型;然后对待配准图像进行仿射变换及双线性插值,从而实现图像配准.实验结果证明,该方法较之传统的利用图像边缘相关性的配准方法,提高了图像配准的速度,具有较高的实时性和应用价值.     

红外与可见光图像融合中的快速配准方法

红外与可光传感器目标跟踪识别系统中常用的两种传感器，对这两种传感器图像进行有效的融合能大大提高探测识别的准确性和可靠性。快速准确地实现图像配准是图像融合的前提，为此提出了一种基于小波变换的快速算法，有利于实时准确地实现图像配准。     

基于互信息的红外与可见光图像快速配准

针对灰度和图像特征存在较大差异的可见光和红外图像配准,给出了一种基于归一化互信息与小波变换相结合的快速图像配准算法。实验表明,该算法加快了配准过程,较利用原图像配准速度提高了约一个数量级,且配准结果具有较高的准确性和稳定性。可见该算法适用于多光谱图像配准。     

基于特征点的红外与可见光图像配准研究

提出了一种基于特征点的红外和可见光图像配准方法。首先根据边缘图像的结构分别提取红外图像特征点和可见光图像特征点,其次根据结合了形状结构和灰度、梯度角信息的配准准则寻找两幅图像的对应特征点,最后利用三对特征点根据刚体变换得到图像的缩放倍率、旋转角度和平移坐标,从而实现两幅图像的配准,并通过实验给予了证明。     

基于区域选择和特征点匹配的图像配准算法

提出了一种新的基于圆形区域和Harris角点检测的图像配准算法.该方法采用Harris算子检测特征点信息,自动选取有效特征点,充分利用圆形区域的旋转不变性和互信息量最大原则进行特征点匹配,避免了传统的图像配准算法计算数据量过大、特征点匹配不准确等问题.仿真结果表明,该方法能在27.8 s内完成配准过程,优于传统的图像配准方法;在旋转角度上有0.07°的误差,但并不影响平移距离的正确配准.     

红外与可见光图像配准方法分类及现状

红外与可见光图像配准作为一类重要的多传感器图像配准方法,在自动控制、机器人、遥感及军事应用等领域发挥着重要作用.介绍了红外与可见光图像配准问题的本质及难点,从原理上总结了大部分配准算法的基本步骤,并将现有的配准方法分为两类:基于区域的配准方法和基于特征的配准方法.从算法的可行性角度出发,分析了几种具有代表性的配准方法及其优缺点,最后对其未来的发展进行了展望.     

基于多尺度红外与可见光图像配准研究

利用尺度空间理论对多分辨率的红外与可见光图像配准算法进行研究,提出利用红外与可见光图像的多尺度特征点及边缘作为配准的特征,利用特征尺度确定用于相似度匹配的子图像大小,使用LTS-Hausdorff(least trimmed square Hausdorff)距离判断子图像的相似性。利用尺度空间理论及多尺度下图像的特征能更加全面的对图像进行描述。在利用多尺度特征获取到匹配对后,再利用随机一致性检测对匹配对进行提纯并获取空间变换的参数,然后使用该参数对红外与可见光图像进行配准与融合。实验结果表明,基于多尺度的图像配准方法,能有效对红外与可见光图像进行配准。     

红外与可见光图像配准研究现状与展望

红外与可见光图像配准是常见的多模态图像配准,它广泛应用于军事、遥感等领域,有必要对其研究现状进行综述。在描述了红外与可见光图像配准问题后,首先简述了图像配准的一般方法,分为基于图像区域的配准方法和基于图像特征的配准方法,重点述评了局部不变特征方法中的SIFT算法和SURF算法;然后按文献发表时间顺序对红外与可见光图像配准的国外和国内研究现状进行了详细述评;总结了红外与可见光图像配准研究中存在的问题;最后对其进行展望,并指出未来的研究重点是以SIFT算法和SURF算法为研究基础去构造对模态不敏感的不变特征和其相应的描述子。     

基于相对点矩的SAR图像匹配算法

为了解决景象匹配导航系统中图像存在旋转误差以及遮档问题,提出了一种基于相对点矩的SAR图像匹配算法.Harris角点提取算于结合亚像素精确定位算法可以获得高精度的特征点坐标,而Hu不变矩具有平移、旋转、缩放(RTS)不变性,结合两者优点,本文首次提出了相对点矩的概念.相对点矩同样具有RTS不变性,可以实现任意旋转角度下...     

基于对齐度和互信息的红外与可见光图像配准

针对红外与可见光图像的特点,在此提出了一种结合边缘对齐度与互信息的图像配准方法。首先通过小波变换边缘检测得到红外与可见光图像的边缘图像,并将对齐度和归一化互信息自适应加权平均得到新的相似性测度函数,最终通过计算相似性测度函数的极值求得待配准图像间的变换参数。实验结果表明,该方法可减少配准所需的时间,具有更高的精确性和鲁棒性。     

基于SLER检测的红外与可见光图像自动配准

针对可见光图像和红外图像配准问题,提出了一种新的自动配准方法.该算法通过同级极值区域检测子在灰度梯度图像上提取仿射协变区域.然后利用超图匹配算法确定匹配点对实现图像配准.该方法尤其适合于红外图像的质量或者边缘比对应的可见图像质量或边缘差情况下的异模配准.对一些具有挑战性的图像对进行试验,实验结果表明我们提出的方法比其他方法获得了更好的性能.     

基于SURF-DAISY算法和随机kd树的快速图像配准

提出了一种基于SURF-DAISY算法和随机kd树的快速图像配准方法,首先利用经典SURF特征检测器分别提取参考图像和待配准图像中的特征点,为了进一步提高算法速度,对SURF算法进行改进,利用DAISY描述符代替SURF原有的特征描述算法对特征点进行描述;之后通过随机kd树算法对参考图像和待配准图像的特征点进行匹配并且使用经典RANSAC(随机抽样一致性)算法剔除误匹配点对;最后用最小二乘法估算出最佳的空间几何变换参数,实现两幅图像的配准。实验结果表明:相对于标准的SURF算法,本文方法在基本保持性能不变的同时,配准过程所消耗的时间最多减少了45.6%。     

基于梯度结构的星载红外图像和全色图像配准方法

针对红外图像与全色图像的不同的成像特性,提出了一种基于图像的梯度结构信息的匹配算法.首先对原始的红外和全色图像分别进行梯度计算,得到图像的梯度强度图;对梯度图进行结构相似性度量,获得图像间同名点对.然后采用RANSAC算法剔除误匹配的同名点.最后利用同名点对构建三角网小面元,并进行变换而得到配准图像.实验结果表明,算法可以有效地利用红外图像中地物的结构信息,匹配精度高.     

基于显著性和ORB的红外和可见光图像配准算法

针对红外与可见光图像配准过程过受灰度差异影响大、特征点难配准的问题,提出基于显著性检测和ORB特征点的图像配准算法。首先利用优化的HC-GHS显著性检测算法得到图像的显著性结构图；其次利用ORB算法在显著性结构图上进行特征点检测,利用泰勒级数筛选出鲁棒性强的特征点,并根据特征点的方向进行分组匹配的策略；最后利用汉明距离实现特征点的匹配。实验表明本文算法能准确实现红外与可见光图像之间的配准,在红外噪声干扰、尺度变化下都具有良好效果。     

基于Harris-SIFT特征匹配的图像自动配准算法研究

为解决目前大多图像配准算法存在匹配精度低、实时性差的问题,本文提出了一种基于区域分块提取特征点的自动配准算法。该算法结合了Harris算子与SIFT(Scale-Invariant Feature Transform)算子的优点,先用Harris算子快速提取角点作为图像原始特征点,然后利用SIFT算子的特征描述方法对原始特征点进行描述,获得具有尺度不变性的特征点描述符,最后通过欧氏距离确定匹配点对进行图像配准。实验结果表明,该算法保留了Harris算子和SIFT算子的优点,减少了经典SIF算法提取极值点的时间,并且具有良好的鲁棒性、尺度不变性。本文针对200幅图像进行测验,当发生平移、旋转或缩放变换时,两幅图像间的匹配正确率高达95%。结果表明该算法能高效、高精度的实现图像配准。