基于互信息和角點特征的多光譜圖像配準技術研究.pdf

1、在目標識別中，單個傳感器的目標識別性能很有限。為了得到穩(wěn)健的目標識別，有效的途徑之一是使用多源信息來識別目標，這就必須對多光譜圖像進行融合處理。如果受到星/彈上空間或技術的限制，不同傳感器獲得的圖像沒有進行空間配準，或需要融合的圖像是傳感器在不同時段獲得的圖像，那么，在使用之前必須進行圖像的配準。本文圍繞多光譜圖像的配準開展了以下工作：研究了互信息作為多光譜圖像配準的可行性和優(yōu)點。它針對的是圖像的結構，不需要對多光譜圖像灰度間關系作一些

2、其他的先驗假設，也不需要對圖像進行分割和預處理（如特征點提取、景物分類等）。比較了最近鄰插值法、雙線性插值法和PV（PartialVolume）插值法這三種插值方法，實驗結果表明PV插值法對于互信息函數(shù)曲線的光滑性和配準的精確性都具有最好的效果。研究了PV插值法導致錯誤配準的原因，提出了通過調整灰度級數(shù)來避免。研究了基于最大互信息的圖像配準的優(yōu)化理論，提出以模擬退火－單純型法作為全局優(yōu)化方法，并采用了周期循環(huán)法這種新的邊界約束處理環(huán)節(jié)，

3、將其與撞壁法作了比較。實驗結果表明基于改進的模擬退火－單純型法的最大互信息配準方法能夠穩(wěn)健的實現(xiàn)多光譜圖像的自動配準，并能夠達到亞像素級精度。針對基于最大互信息的圖像配準的不足，研究了基于角點的多光譜圖像配準。從重復率和信息量這兩個方面考慮，本文采用了Harris角點算子。對于角點的匹配，提出采用互信息作為相似性度量方法，并將其與歸一化相關系數(shù)和ClusterReward算法這二種相似性度量方法作了比較，實驗結果表明互信息具有最好的效果