|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要：多波段红外图像配准和融合是得到更高质量夜视图像的关键步骤。过去，这两种方法被定义为两个独立的: H5 F$ L8 P) Z
图像处理过程。因此，在融合过程中忽略配准误差会严重影响最后的融合质量。为解决上述问题，该文提出一种新
4 L6 f5 g: a3 ~4 O7 e {! T的迭代优化方法，该方法通过寻找最优配准参数来获得最佳的融合性能，采用基于人眼感兴趣区域的清晰度指标作 {* Z* r5 ^. V: F
为融合质量评价函数来完善配准过程，采用模拟退火法解决联合优化问题。实验结果表明，针对夜视领域的多波段7 K" e) t% N7 H- b; N$ u
红外图像，该方法在配准精度、融合质量以及稳定性上明显优于常用的配准和融合算法。
7 ] g. Q. `. P& J! S关键词：图像融合；图像配准；多波段红外图像；清晰度指标
/ g) o: [; T) E1 |& n$ i1 引言
$ M8 @5 ?* i1 T/ a图像配准作为一个重要的预处理过程已经广泛
" k! T7 h( e+ W! z地应用于图像融合[1,2]、图像拼接[3,4]以及遥感地形图
: T5 o3 J& y, l0 ~' `$ O7 b更新[5]等领域。图像配准算法可分为基于灰度的图像# L, O( N9 `+ S; @
配准方法和基于特征的图像配准方法。前者利用匹
- w: |# C' Z9 L3 V配区域之间的灰度关系来进行图像配准；后者利用/ @% `: S3 Q% h
特征点、线以及区域进行配准[6]。随着图像融合技术
! Y# d# `2 T; x5 P) [的快速发展[7 10]，多模图像融合前的配准方法越来# y+ @! B6 X. i2 }2 O
越受到关注，在红外夜视领域[11]，由于多传感器的( A: U# B4 u0 i! p" u
不同成像原理，多模图像间灰度关联较小，基于灰
' L7 v% u' `5 ~- |+ T1 T度的图像配准方法不再适用，而基于特征的方法则) o' f* Q, u1 Y
依靠其稳定性被广泛地应用。文献[12]提出了一种改
; z- g& w5 ?" w9 A5 \0 p F7 k8 v) k3 g* x/ G% Q) S/ T
. g$ W, M( {" l" W* f7 e- B5 q. s2 |
$ ^+ z# y+ J8 b2 A: |2 U附件下载：+ y! {2 S/ D. S! I: r
5 K7 {7 X' ~/ l$ W
|
|
/1 
发表于 2020-10-30 13:30
收藏
淘帖
支持！
反对！