[发明专利]一种复杂背景下红外与可见光图像配准的方法

说明书

本发明公开了一种复杂背景下红外与可见光图像配准的方法。该方法针对复杂背景下红外与可见光图像的非线性强度差异大、相似性低和配准难度大的问题，首先通过灰度分布窗(GDW)分别提取源图像的边缘特征图像，排除了背景区域信息的干扰，减少了重叠区域灰度值配对的种类；然后构造了一种基于GDW与归一化互信息(NMI)相结合的相似性度量函数(GDW‑NMI)，将图像配准问题转化为求解相似性度量最优解的问题，其局部极值干扰小、全局最优解突出；最后利用一种改进的并行搜索狼群算法(PSWPA)，可通过步长调整和多维度并行搜索策略求得GDW‑NMI的全局最优解，作为图像配准的几何变换参数，实现了红外图像与可见光图像的准确配准。

技术领域

本发明属于采用热红外和可见光图像进行设备状态监测、安防监控、环境监测、军事侦查等技术领域，具体涉及一种基于互信息相似性度量及智能优化算法的可用于复杂背景下红外与可见光图像配准的方法。

背景技术

热红外与可见光传感器成像特点以及应用场景上具有良好的互补性，基于红外与可见光两种模态图像的目标检测和识别技术具有重要的应用价值。由于红外和可见光这两种传感器拍摄的图像往往是松散相关的，在成像中表现出不同的特性，且在成像场景中的目标物也存在空间位置、角度以及尺寸上的差异，需要利用图像配准技术来消除红外与可见光图像之间在几何空间上存在的偏差，使融合图像场景中每一个空间点在红外图像与可见光图像中具有相同的像素点位置，也就是实现几何对齐。利用红外与可见光的配准和融合技术，可以生成一幅包含被观测场景中重要特征、信息更丰富的图像。现有的图像配准方法有两大类：一是基于特征的图像配准方法，另一是基于区域的图像配准方法。基于特征的方法使用描述算子提取两幅图像的显著特征，并利用特征匹配算法建立图像间的空间变换关系；而基于区域的方法则是使用相似性度量来判断图像整体的相似程度，并通过不断寻找最大相似性度量值的方式得到图像配准的最佳结果。

由于红外与可见光成像原理的差异，两种模态的图像间存在较大非线性强度差，适合采用基于区域的图像配准方法，具有对图像的质量和内容要求低、抗干扰能力强等优势。但是，实际应用中的户外目标物体往往受到场景中复杂背景如树木、叶簇、云彩、建筑物、周边设备等的影响，使得采集到相同场景的两种模态图像在灰度层面的背景、纹理及轮廓等相似程度大为降低，这种复杂背景的情况造成图像配准困难、准确率较低。

由于复杂背景区域通常是红外图像与可见光图像细节差异最大的地方，现有的基于区域的配准技术中采用常规的Soble和Canny等算法提取图像边缘特征，采用简单的NMI函数进行相似性度量。现有技术针对图像相似程度低的问题，普遍思路是通过增强红外图像来丰富其细节信息以匹配可见光图像丰富的纹理。但是，红外图像反映的是场景的温度分布，而可见光图像所具备的纹理信息在红外图像中可能并不存在。图像增强只能将不清晰的轮廓凸显出来，但本身就不存在的纹理是无法通过图像增强方式呈现的。如果一味地追求提取更多的图像信息，会使提取的信息大量存在于图像差异性区域，这反而会降低相似性，增大图像配准难度。另外，现有技术中求解NMI时常采规的粒子群算法和狼群算法等优化算法，但由于红外与可见光图像非线性强度差，再加上复杂背景又导致图像间局部差异加大，这些优化算法收敛性较差，同时由于采用简单的NMI函数会受到大量局部极值的影响，这些优化算法很难快速、准确地搜索到全局最优解。因此，现有的基于区域的红外与可见光图像配准技术在复杂背景下的实用性受到了限制。

发明内容