一种红外图像与可见光图像配准方法
【专利摘要】本发明涉及一种红外图像与可见光图像配准方法，对输入的红外图像与可见光图像分别进行噪声滤波预处理，进行边缘检测，将各自检测后的边缘进行角点检测，提取出红外图像与可见光图像轮廓中的角点，作为配准的控制点。采用聚类算法对提取到的角点进行聚类，得到红外图像的第1类聚点、第2类聚点、第3类聚点和可见光图像的第1类聚点、第2类聚点、第3类聚点。最后采用自动配准算法，对红外图像聚点与可见光图像的聚点进行匹配，完成配准。本发明避免了一般基于轮廓的配准方法中由于采用全部边缘作为控制点进行匹配带来的误差，能够提高配准精度与配准速度，方法简单，可应用于产品质量检测、遥感，机载多源图像融合、图像跟踪等民用、军用领域。
【专利说明】一种红外图像与可见光图像配准方法
【技术领域】
[0001] 本发明涉及一种红外图像与可见光图像配准方法，属于图像处理【技术领域】，用于 解决红外图像与可见光图像的配准问题，可应用于产品质量检测，遥感，机载多源图像融 合、图像跟踪等民用或军用领域。
【背景技术】
[0002] 图像配准是对取自不同时间，不同传感器或者不同视角的同一场景的两幅或者多 幅图像进行匹配的过程。将一幅图像与另一幅图像进行图像配准，需对一幅图像进行一系 列的坐标变换，这些变换可分为刚体变换，仿射变换，投影变换和非线性变换。目前常用的 图像配准方法可以归结为基于灰度的图像配准方法(例如基于互相关，互信息的图像配准 方法）和基于特征(如边缘，角点，轮廓或者目标等）的图像配准方法等。
[0003] 多源图像配准是对取自不同传感器同一场景的两幅或多幅图像进行匹配的过程。 不同传感器获得的不同源图像在像素的灰度分布特性上有很大差异。一般的基于灰度信息 的图像配准方法和基于频域的图像配准方法不能很好地应用在多源图像配准中。多源图像 配准中常用的是基于特征的图像配准方法。尽管多源图像像素的灰度分布特性之间有很大 差异，但物体的一些明显的轮廓在两幅图像中均能得到较好的保持，这些轮廓特征可以用 来作为参照来进行图像配准。然而，图像的边缘多出现在场景中不同材质分界面和几何平 面的交界处，边缘主要取决于场景中物体的材质，在各种频段光谱下都有较好的保持，因而 边缘成为多模态图像配准的稳定特征之一。但上述配准算法是将全部边缘作为控制点进行 配准，同一物体得到的边缘控制点并不完全相同，采用全部边缘控制点进行配准会影响配 准的精度，配准速度慢。
【发明内容】
[0004] 本发明的目的在于针对现有技术的不足，提供一种红外图像与可见光图像配准方 法，避免一般基于轮廓的配准方法中由于采用全部边缘作为控制点进行匹配带来的误差， 能够提高配准精度与配准速度，且方法简单。
[0005] 为实现上述目的，本发明的技术方案中，首先对输入的多源图像分别进行噪声滤 波预处理，以最大程度上压制各自图像噪声对轮廓提取的影响；再对预处理后的多源图像 进行边缘检测，将各自检测后的边缘控制点进行角点检测，提取边缘控制点中的角点；接着 用聚类分析的方法将提取到的角点进行聚类，得到三对聚点；最后将红外图像与可见光图 像中的聚点作为控制点实现配准。
[0006] 本发明的一种红外图像与可见光图像配准方法包括以下具体步骤： (1)、图像预处理及轮廓提取：首先采用高斯滤波的方法对原始输入的两幅待配准多源 图像分别进行噪声滤波预处理，以最大程度压制各自图像噪声对轮廓提取的影响，再对预 处理后的图像进行轮廓提取，轮廓提取利用边缘检测算法。采用Canny算子对红外图像进 行边缘检测，采用Sobel算子对可见光图像进行边缘检测，得到边缘控制点。为提高配准算 法的速度，只保留图像中长度大于某一阈值的轮廓； (2) 、角点检测：对上述步骤（1)边缘控制点进行角点检测，设定用于提取边缘控制点 灰度值的阈值，将上述步骤中得到的边缘控制点的灰度值与阈值进行对比，提取边缘控制 点，如果该点的灰度值大于设定的阈值，则认为该控制点为角点； (3) 、对角点进行聚类：采用聚类算法对上述步骤（2)所述的角点进行聚类，首 先从角点中任意选择三个角点分别作为第1类初始聚点、第2类初始聚点、第3类 初始聚点，将其他角点分别与第1类初始聚点、第2类初始聚点、第3类初始聚点 之间的距离，作比较，比较进行聚类，将其中与第1类初始聚点距离最小的角点为 第1类聚点，将其中与第2类初始聚点距离最小的角点为第2类聚点，将其中与 第3类初始聚点距离最小的角点为第3类聚点，然后对所有聚点的坐标求平均值（
【权利要求】
1. 一种红外图像与可见光图像配准方法，其特征在于包括如下具体步骤： (1) 、图像预处理及轮廓提取：首先采用高斯滤波的方法对原始输入的两幅待配准多源 图像分别进行噪声滤波预处理，以最大程度压制各自图像噪声对轮廓提取的影响，再对预 处理后的图像进行轮廓提取，轮廓提取利用边缘检测算法，采用Canny算子对红外图像进 行边缘检测，采用Sobel算子对可见光图像进行边缘检测，得到边缘控制点，为提高配准算 法的速度，只保留图像中长度大于某一阈值的轮廓； (2) 、角点检测：对上述步骤（1)边缘控制点进行角点检测，设定用于提取边缘控制点 灰度值的阈值，将上述步骤中得到的边缘控制点的灰度值与阈值进行对比，提取边缘控制 点，如果该点的灰度值大于设定的阈值，则认为该控制点为角点； (3) 、对角点进行聚类：采用聚类算法对上述步骤（2)所述的角点进行聚类，首 先从角点中任意选择三个角点分别作为第1类初始聚点、第2类初始聚点、第3类 初始聚点，将其他角点分别与第1类初始聚点、第2类初始聚点、第3类初始聚点 之间的距离，作比较，比较进行聚类，将其中与第1类初始聚点距离最小的角点为 第1类聚点，将其中与第2类初始聚点距离最小的角点为第2类聚点，将其中与 第3类初始聚点距离最小的角点为第3类聚点，然后对所有聚点的坐标求平均值（
)，其中，n为聚点的个数，计算每类聚点的坐标，得到红外图像第1类聚点 的坐标为Gpy1)、红外图像第2类聚点的坐标为(?,?)、红外图像第3类聚点的坐标为 (?,y)，可见光图像第1类聚点的坐标为(￥ %)、可见光图像第2类聚点的坐标为W、 可见光图像第3类聚点的坐标为(z6,y6); (4) 、实现图像自动配准： 首先采用上述步骤（3)所述的红外图像第1类聚点、红外图像第2类聚点、红外图像第 3类聚点作为配准数据集，可见光图像第1类聚点、可见光图像第2类聚点、可见光图像第3 类聚点作为待配准数据集，然后利用MATLAB软件中的cp2tf〇rm函数对两组数据集进行配 准。
2. 如权利要求1所述的一种红外图像与可见光图像配准方法，其特征在于：在上述步 骤（4)中所述的利用MTLAB软件中的cp2tf〇rm函数对两组数据集进行配准，其具体如下： 利用MATLAB软件中cp2tform函数由输入的红外图像第1类聚点、红外图像第2类聚 点、红外图像第3类聚点与可见光图像第1类聚点、可见光图像第2类聚点、可见光图像第 3类聚点生成变换结构，实现红外图像与可见光图像的配准，具体程序如下： t_concord=cp2tform(input_points，base_points，，affine，），用红外图像第 1 类聚 点、红外图像第2类聚点、红外图像第3类聚点分别与可见光图像第1类聚点、可见光图 像第2类聚点、可见光图像第3类聚点生成变换结构； info=imfinfoC红外图像.jpg'），读取红外图像的信息； registered=imtransform(unregistered,t_concord, 'XData',[Iinfo.Width], 'YData'，[Iinfo.Height]),利用变换结构，实现红外图像与可见光图像的配准； A=imreadC可见光图像.jpg'），读取可见光图像； figure;imshow(A,gray(256)) ;holdon;h=imshow(registered); set(h，'AlphaData'，0? 7)，在同一幅图像中显示红外图像与可见光图像配准之后的图像。
【文档编号】G06T7/00GK104268853SQ201410460000
【公开日】2015年1月7日 申请日期:2014年9月11日 优先权日:2014年3月6日
【发明者】胡志宇, 董建敏, 张春, 刘中意 申请人:上海大学