基于對齊度和互信息的紅外與可見光圖像配準(zhǔn)

摘 要： 針對紅外與可見光圖像的特點(diǎn)，在此提出了一種結(jié)合邊緣對齊度與互信息的圖像配準(zhǔn)方法。首先通過小波變換邊緣檢測得到紅外與可見光圖像的邊緣圖像，并將對齊度和歸一化互信息自適應(yīng)加權(quán)平均得到新的相似性測度函數(shù)，最終通過計(jì)算相似性測度函數(shù)的極值求得待配準(zhǔn)圖像間的變換參數(shù)。實(shí)驗(yàn)結(jié)果表明，該方法可減少配準(zhǔn)所需的時間，具有更高的精確性和魯棒性。

關(guān)鍵詞： 圖像配準(zhǔn)； 紅外圖像； 可見光圖像； 歸一化互信息

中圖分類號： TN919?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2013）12?0005?04

0 引 言

隨著傳感器技術(shù)的發(fā)展，不同傳感器成像時反映出了不同的物理特性，綜合利用多傳感器圖像提取特征和分析已成為一種重要的圖像處理手段。在利用紅外傳感器和可見光傳感器的圖像進(jìn)行數(shù)據(jù)提取和分析前，必須進(jìn)行幾何上和灰度上的嚴(yán)格配準(zhǔn)[1]。紅外與可見光圖像的配準(zhǔn)是對同一場景在不同時間、視角和使用不同傳感器得到的一組圖像進(jìn)行匹配的過程。紅外傳感器和可見光傳感器作為兩種最常見的傳感器工作于不同波段，正是這種圖像信息的互補(bǔ)性，使得它們?nèi)诤虾蟮慕Y(jié)果可以更有效地應(yīng)用于目標(biāo)檢測識別跟蹤等領(lǐng)域。因此研究紅外圖像和可見光圖像的配準(zhǔn)技術(shù)具有重要意義。

根據(jù)圖像配準(zhǔn)中利用的圖像信息，可將現(xiàn)有的配準(zhǔn)方法大致分為兩類：基于區(qū)域的配準(zhǔn)方法和基于特征的配準(zhǔn)方法[2]。基于區(qū)域的配準(zhǔn)方法有：互信息法[3]、梯度圖像相關(guān)法[4]、變換域分析法[5]。基于特征的配準(zhǔn)方法是指從參考圖和待配準(zhǔn)圖中分別抽取共有特征，在特征空間尋找變換模型參數(shù)。從提取特征的類型來看，可分為點(diǎn)特征、線特征、區(qū)域特征等。由于紅外圖像的對比度相對較低，且紅外與可見光圖像相關(guān)性很小，可見光圖像中不一定出現(xiàn)紅外圖像中的特征，因此紅外圖像與可見光圖像配準(zhǔn)較復(fù)雜，難道較高。針對紅外與可見光圖像配準(zhǔn)的難點(diǎn)，本文提出了小波變換將圖像進(jìn)行多尺度邊緣檢測，并結(jié)合對比度和歸一化互信息作為相似性測度，得到配準(zhǔn)參數(shù)，以提高配準(zhǔn)的效率、精確性和魯棒性。

1 基于小波變換的多尺度邊緣提取

通過檢測二維小波變換的模極大點(diǎn)可以確定圖像的邊緣點(diǎn)。由于小波變換在各尺度上都提供了圖像的邊緣信息，所以稱為多尺度邊緣。沿著邊界方向?qū)⑷我獬叨认碌倪吘夁B接起來可形成該尺度下沿著邊界的模極大曲線。小波變換能夠把圖像分解成多種尺度成分，并對大小不同的尺度成分采用相應(yīng)的時域或空域取樣步長，從而能夠不斷地聚焦到對象的任意微小細(xì)節(jié)。經(jīng)典的邊緣提取算法是對原始圖像中每個像素的某個小鄰域來構(gòu)造邊緣檢測算子，通常是尋找圖像灰度函數(shù)的一階導(dǎo)數(shù)局部極大值或二階導(dǎo)數(shù)局部過零點(diǎn)。經(jīng)典的邊緣檢測算法有： Canny邊緣檢測算子、Roberts邊緣檢測算子、Laplace邊緣檢測算子和Prewitt邊緣檢測算子等。相比于經(jīng)典的邊緣檢測算法，小波變換具有多尺度特性，可以較好地解決噪聲和定位精度之間的矛盾。

3 基于對齊度的圖像配準(zhǔn)

5 圖像配準(zhǔn)過程

紅外圖像具有不受天氣影響、能穿透衣物和建筑材料等特性，但與可見光相比，紅外圖像分辨率較低，且由于成像設(shè)備限制等因素，圖像中往往噪聲很強(qiáng)，因此直接對紅外圖像進(jìn)行常用的邊緣檢測算子將達(dá)不到預(yù)期的效果，圖像中的目標(biāo)及背景的真實(shí)邊緣將無法得到有效體現(xiàn)。

根據(jù)小波變換的多分辨率特性，利用小波模極大值邊緣檢測方法將有效的得到圖像邊緣，并在邊緣檢測前對圖像進(jìn)行圖像預(yù)處理（高斯濾波）可有效抑制圖像中的噪聲。圖像配準(zhǔn)就是根據(jù)相似性測度對空間幾何變換參數(shù)的最優(yōu)化搜索過程。首先參考圖像始終保持不變，對待配準(zhǔn)圖像進(jìn)行空間變換后與參考圖像相比較，計(jì)算相似性測度。通過搜索算法，搜索使相似性測度達(dá)到最大對應(yīng)的空間變換參數(shù)，根據(jù)得到的參數(shù)對待配準(zhǔn)圖像進(jìn)行變換，即與參考圖像達(dá)到配準(zhǔn)。常用的搜索算法有黃金分割法、極值優(yōu)化法、Powell法、蟻群算法、遺傳算法等。

這里選用Powell法進(jìn)行搜索，主要考慮到這種方法不用計(jì)算目標(biāo)函數(shù)的梯度，僅通過比較目標(biāo)函數(shù)的數(shù)值大小來移動迭代點(diǎn)就可以求出極值[9]。

根據(jù)表1中的數(shù)據(jù)可以得出，就上面提到的相似性測度的配準(zhǔn)精度來說，本文提出的測度在對選定的圖像進(jìn)行配準(zhǔn)時精度最高，同時也在誤差范圍內(nèi)。

7 結(jié) 語

本文對紅外與可見光圖像配準(zhǔn)進(jìn)行了研究，提出了基于互信息與邊緣對齊度的配準(zhǔn)方法。該方法利用小波變換的多尺度邊緣檢測方法，并結(jié)合了基于特征和基于灰度的圖像配準(zhǔn)方法的優(yōu)點(diǎn)，有效地降低了計(jì)算量，抑制了噪聲，提高了圖像配準(zhǔn)的準(zhǔn)確性和魯棒性。

參考文獻(xiàn)

[1] 倪國強(qiáng)，劉瓊.多源圖像配準(zhǔn)技術(shù)分析與展望[J].光電工程，2004，31（9）：1?6.

[2] 王鯤鵬，徐一丹，于起峰.紅外與可見光圖像配準(zhǔn)方法分類及現(xiàn)狀[J].紅外技術(shù)，2009，31（5）：270?274.

[3] VIOLA P， WELLS W M. Alignment by maximization of mutual information [C]// International Conference on Computer Vision. Los Alamitos， LA： IEEE Computer Society Press， 1995： 16?23.

[4] 馬俊，曹治國.基于邊緣信息的紅外與可見光圖像匹配技術(shù)[J].計(jì)算機(jī)與數(shù)字工程，2006，12（34）：30?32.

[5] REDDY B， CHATIERJI B N. A FFT?based technique for translation， rotation， and scale?invariant image registration [J]. IEEE Transactions on image processing and Remote Sensing， 1996， 5（8）： 1266?1271.

[6] 王東峰，鄒謀炎.基于最大化對齊度的多模態(tài)圖像自動配準(zhǔn)[J].電子與信息學(xué)報(bào)，2003，25（6）：755?762.

[7] 匡雅，王敬東，李鵬.紅外與可見光圖像配準(zhǔn)算法[J].電子科技，2011，24（5）：80?84.

[8] 章權(quán)兵，羅斌.基于仿射變換模型的圖像特征點(diǎn)集配準(zhǔn)方法研究[J].中國圖象圖形學(xué)報(bào)，2003，8（10）：1121?1125.

[9] ZHAI G S， LIN H， ANTSAKLIS P J. Quadratic stabilizability of switched linear systems with polytopic uncertainties [J]. Int. J of Control， 2003， 76（7）： 747?753.

[10] SONGT L， LEE D G， RYU J. A probabilistic nearest neighbor filter algorithm for tracking in a clutter environment [J]. Signal Processing， 2005， 85（10）： 2044?2053.