基于视觉多尺度分析的多模光电图像配准算法研究

多模光电图像提供了场景的互补信息，对多模光电图像进行融合，在一幅图像中同时体现出这些互补信息，对目标的识别、视频监控、军事应用等方面有着重要的意义，其前提就是多模光电图像的精确配准。本项目针对现有的多模图像配准算法匹配精度低、稳定性差的局限性，研究基于多尺度分析和视觉注意机制的多模光电图像高精度配准算法。通过对多模光电图像进行多尺度分析，结合人眼视觉注意机制对特征提取的指导作用，提取图像中尺度不变性的视觉显著特征，采用与图像模式无关的结构信息描述视觉显著特征，提高特征匹配精度。在图像变换参数的计算过程中，充分利用基于特征的图像配准算法速度快和基于图像灰度分布配准算法精度高的优点，通过图像变换参数的粗计算和精细计算两个步骤，提高了图像变换模型参数的估计精度，从而提高多模光电图像配准算法的精度，使配准精度达到亚像素精度，以满足多模光电成像应用的需求。

本项目构建了多模光电图像采集系统，该系统主要由可控云台、多模光电成像系统、高精度图像采集卡和计算机构成，其中多模光电成像系统为两个不同波段的相机，二者放在一个可控的云台上，调整相对位置，使视场存在一定交叠。通过采集卡控制器，实现对多模光电图像系统的采集、存储。.视觉注意机制可以快速地处理大量的视觉信息，并提取图像中的有效特征。本项目对视觉注意模型进行了研究，并以此研究出了基于视觉注意地多模光电图像配准方法。首先，本项目研究了自底向上视觉注意模型——Itti提出的视觉注意模型，在此基础上，提出了一种基于视觉注意的多模光电图像配准方法，包括特征检测和特征匹配两个部分。特征检测部分采用Itti视觉注意模型获取多模图像显著区域，并利用Hu矩的不变矩和去均值归一化互相关对显著区域进行描述和匹配，最后通过RANSAC算法提纯，实现多模图像配准，仿真结果表明该算法具有较高的配准精度。但是，Itti模型获取的是全局显著图，在尺度空间建立过程和中央周差操作中存在大量的降采样以及插值过程，会丢失大量的细节信息。因此，本项目对Itti模型进行了改进，提取图像中的特征点，然后针对多模光电图像普遍存在对比度反转现象，提出一种新的描述匹配策略，通过改变描述向量的顺序来获得新的描述子，最后进行匹配。该图像配准策略可以有效地实现多模光电图像的配准。.考虑到多模光电图像的边缘具有一定的相关性，研究了基于边缘信息相关的图像配准方法。一种方法是通过小波模极大值的进行边缘检测，之后在边缘图像上用SURF算法寻找特征点，通过二次匹配来提纯匹配点集，并由最小二乘法求出配准参数，实现图像配准。另外，利用修正的SIFT算法提取多模图像中位于边缘的特征点，然后采用GLOH算子描述特征点形成特征向量进行初始匹配，然后通过RANSAC算法消除误匹配、计算仿射变换参数，实现了多模光电图像配准。.在多模成像跟踪系统中，由于天空背景均匀、单一，无法提取更多的有效特征点，因此，提出了通过提取目标运动轨迹匹配与特征点匹配相结合的多模光电图像配准方法，实现图像的配准。.最后，本项目研究了基于统计参数的图像配准评估方法，并将Cross Validation和Boot strap方法引入到图像配准精度评估过程中，实现了在图像配准参数估计的同时，完成配准精度的评估，实验结果验证了方法的有效性。