基于边缘轮廓特征的双光图像配准算法

红外与可见光图像作为常见的多模态图像配准,被广泛地应用在医疗、农业自动化、材料检测等多个领域.同时图像配准作为图像融合的前置条件之一,在一定程度上对融合图像的精度和融合效果有着较大的影响.但由于红外与可见光图像自身的成像原理的不同,对应的图像分辨率、灰度值差异较大,导致红外与可见光图像在匹配时较为困难.为解决上述问题学者们提出了许多方法.这些方法基本可以归纳成三类:基于神经网络、基于图像区域和基于图像特征的方法.目前,红外与可见光图像配准一般采用的是基于图像特征的方法.如李晖晖,郑平,杨宁等人提出的基于SIFT特征和角度相对距离的图像配准算法;许金鑫的基于斜率一致性的电气设备红外与可见光图像配准方法;还有汪鹏的利用图像Canny边缘特征进行红外与可见光图像配准的算法.本文方法在SIFT特征检测算法的基础上,提前对红外与可见光图像进行图像处理,选择合适的算法提取出图像轮廓,然后在使用SIFT算法进行特征检测配准,在降低计算量的同时提高特征点的匹配率.该算法整体流程图如图1所示.