一种红外图像与可见光图像配准方法

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。

主权项

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、 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，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、可见光图像第3类聚点的坐标为；(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cp2tform函数对两组数据集进行配准。