基于互信息和角点特征的多光谱图像配准技术研究

摘要

在目标识别中，单个传感器的目标识别性能很有限。为了得到稳健的目标识别，有效的途径之一是使用多源信息来识别目标，这就必须对多光谱图像进行融合处理。如果受到星/弹上空间或技术的限制，不同传感器获得的图像没有进行空间配准，或需要融合的图像是传感器在不同时段获得的图像，那么，在使用之前必须进行图像的配准。本文围绕多光谱图像的配准开展了以下工作：研究了互信息作为多光谱图像配准的可行性和优点。它针对的是图像的结构，不需要对多光谱图像灰度间关系作一些其他的先验假设，也不需要对图像进行分割和预处理（如特征点提取、景物分类等）。比较了最近邻插值法、双线性插值法和PV（PartialVolume）插值法这三种插值方法，实验结果表明PV插值法对于互信息函数曲线的光滑性和配准的精确性都具有最好的效果。研究了PV插值法导致错误配准的原因，提出了通过调整灰度级数来避免。研究了基于最大互信息的图像配准的优化理论，提出以模拟退火－单纯型法作为全局优化方法，并采用了周期循环法这种新的边界约束处理环节，将其与撞壁法作了比较。实验结果表明基于改进的模拟退火－单纯型法的最大互信息配准方法能够稳健的实现多光谱图像的自动配准，并能够达到亚像素级精度。针对基于最大互信息的图像配准的不足，研究了基于角点的多光谱图像配准。从重复率和信息量这两个方面考虑，本文采用了Harris角点算子。对于角点的匹配，提出采用互信息作为相似性度量方法，并将其与归一化相关系数和ClusterReward算法这二种相似性度量方法作了比较，实验结果表明互信息具有最好的效果。在得到初始控制点对后，以方差检验和误差检验来递归排除错误的控制点对，从而得到最终的控制点对。实验结果表明本方法具有较高的配准精度和可靠性。