红外与可见光图像配准方法分类及现状

红外与可见光图像配准作为一类重要的多传感器图像配准方法,在自动控制、机器人、遥感及军事应用等领域发挥着重要作用.介绍了红外与可见光图像配准问题的本质及难点,从原理上总结了大部分配准算法的基本步骤,并将现有的配准方法分为两类:基于区域的配准方法和基于特征的配准方法.从算法的可行性角度出发,分析了几种具有代表性的配准方法及其优缺点,最后对其未来的发展进行了展望.     

结合相位和ＳＩＦＴ特征相关的图像自动配准算法

提出一种鲁棒性较好的图像配准算法解决乱序输入图像序列自动拼接问题。首先为输入图像建立多分辨率金字塔,在较低分辨率图像层上进行相位相关区域搜索;接着对得到的相关区域进行SIFT特征相关验证,得到图像序列的配准关系和透视变换矩阵的初步估计;然后结合估计参数对原始图像的SIFT特征再次进行相关匹配,最终实现图像序列变换参数的精确求解。该算法结合相位相关和SIFT特征相关两种配准算法的优点并应用由粗到精的匹配策略提高了图像配准的速度和稳定性。     

一种基于粒子滤波的遥感图像配准算法

将基于粒子滤波的道路检测算法引入多源遥感图像的配准问题,并针对配准的应用环境改进了粒子权重的定义.在贝叶斯跟踪框架中,利用粒子滤波算法提取不同图像上的曲线作为配准特征,实现自动图像配准,实验结果表明该方法具有较好的准确性和鲁棒性.     

基于增强MSER和Harris-Laplace互补不变特征的遥感图像配准

针对具有倾斜的遥感图像的自动配准问题,提出一种增强自动配准方法。该方法首先应用最大极值稳定区域(Maximally Stable Extremal Regions,MESR)特征的仿射不变性结合匹配能力较强的SIFT(Scale Invariant Feature Transformation,SIFT)描述子进行粗匹配,初步校正倾斜图像的空间变换;然后利用Harris-Laplace(H-L)在图像旋转、光照变化条件下能最稳定的提取2维平面特征点和在3维尺度空间中能最稳定高效地提取特征点的特性结合随机一致性检验(Random Sample Consensus,RANSAC)方法进行精匹配。通过实验分析证明,与SIFT配准方法相比该方法能够对倾斜的遥感图像实现更精确的自动配准。     

基于BRISK特征匹配航拍图像自动配准方法

针对航拍图像存在平移、旋转、尺度和亮度变化的问题,提出了一种新的基于二进制鲁棒不变尺度特征(BRISK)的快速图像自动配准算法.首先提取BRISK特征点,其次采用引导互匹配策略得到初始匹配点对,然后采用预检测的随机抽样一致(RANSAC)算法剔除误匹配点对,最后用最小二乘法求出帧间的变换模型参数,采用双线性插值得到配准后的图像.实验结果表明,该算法不但满足配准精度的要求,而且运行速度远远快于SURF算法,具有一定的理论和应用价值.     

SIFT在高分辨率SAR图像自动配准中的性能分析

合成孔径雷达(SAR)图像的自动配准长期以来都未能很好的解决,特别是高分辨率SAR图像其配准的关键是稳健的特征提取与特征匹配算法。在光学图像配准中,最常用的特征点提取算法是Harris算子,而近年来SIFT(尺度不变特性变换)算法也因其优越的性能成为当前比较流行的算法。探讨了Harris和SIFT特征提取算法在高分辨SAR图像自动配准中的应用,并选取4对有代表性的SAR图像进行了配准实验,对2种特征提取算法的运行时间、所提取匹配点对的正确率以及特征点的提取精度进行了比较。通过定性及定量分析,在同轨获取的高分辨率SAR图像配准中,SIFT均能实现精确配准,其适用性及精度均优于Harris。     

基于稠密局部自相似特征流的图像配准算法

针对基于稠密SIFT流图像配准算法执行效率和配准准确率有待提高的不足,提出了一 种基于稠密局部自 相似(LSS)描述符构建的稠密改进的LSS(ILSS)特征流的图像配准算法。算法通过颜色空间转 换分离出彩色图像中的 颜色和亮度信息,只在亮度通道上提取稠密LSS特征以大幅度提高图像特征提取阶段 执行效率。随后以 保持特征流场光滑性为约束条件,采用金字塔多分辨率迭代法提高LSS特征流场估计 阶段的执行效率。 多分辨率迭代法的基本思想是先在图像粗粒度网格上快速估算出初步的特征流场,然后再逐 步求精获得最 终精确的特征流场。大量实验表明,与稠密SIFT流相比,基于稠密ILSS特征流的图像 配准算法在图像内容发生较大变化时具有更好的鲁棒性,同时具有更高的执行效率和图像配 准确率。     

结合形态描述和直方图特征改进的点云配准北大核心CSCD

针对点云配准过程中配准效率和精度无法兼得的问题,提出一种将内部形态描述(ISS)特征点和二进制方向直方图(BSHOT)特征描述符相结合的改进的点云配准算法。该算法先采用体素格网下采样和ISS算法提取特征点;然后通过二进制的方向直方图(BSHOT)特征描述符结合汉明距离和随机采样一致性算法(RANSAC)进行粗配准;最终利用改进的ICP算法进行精确配准。利用多组点云数据对该方法进行验证。结果表明,在相同条件下,改进后的算法在配准时间和配准精度上均优于其他算法。说明所提出的方法具有较高的配准效率与精度,且随着点云数量的增多,配准精度的提高效果会增强。     

基于改进CPD算法的SPECT-B超甲状腺图像配准

为了获得更多甲状腺肿瘤的诊断信息,文章提出了一种基于改进CPD算法的甲状腺肿瘤的SPECT图像和B超图像自动配准方法。首先,将参考图像(SPECT图像)和待配准图像(B超图像)分别通过阈值分割和图割的方法提取轮廓特征点;然后,用遗传算法和粒子群算法相结合的优化算法对CPD的权重参数进行自动寻优,利用改进的CPD算法对提取出的两组特征点进行匹配,得到两幅图像的空间变换参数;最后,将待配准图像按所求得的变换参数旋转、平移,从而获得配准后图像。实验结果表明,该方法能实现SPECT与B超甲状腺肿瘤图像的良好配准,具有参数少、精度高、鲁棒性好等特点。     

基于迭代更新的SIFT遥感图像配准算法

由于多光谱遥感图像之间存在复杂辐射差异，造成全色图像与其他波段图像通过尺度不变特征变换(Scale-Invariant Feature Transform, SIFT)算法进行图像配准时无法保证配准精度。针对这一问题，提出一种基于迭代更新策略的SIFT算法。该算法通过SIFT算法获取同名点，迭代更新求解单应性矩阵，获得基准图像与待配准图像之间的最优单应性矩阵实现图像配准。为验证所提方法的有效性和鲁棒性，在网通一号和高分二号遥感影像上进行了图像配准实验，实验结果表明，所提方法不仅可实现高精度的图像配准，还可以有效提升SIFT算法应对遥感图像辐射差异的鲁棒性。