● 摘要
图像配准是图像处理领域中的一个基本问题，它是同场景的多图像分析的基础。本论文对多传感器图像配准展开了研究，提出和改进了一些配准方法，主要的研究内容和成果有：针对基于特征点的图像配准，本文提出了一种基于Gabor滤波的图像自动配准方法。Gabor函数是在空域和频域能同时达到测不准关系下界的函数，这使得Gabor 滤波器能在空域和频域都能达到较好的局部化。它可取不同方向角对图像进行不同方向的滤波，从而达到提取图像不同方向特征的目的。本文以待匹配特征点为中心，使用不同方向的Gabor滤波器对特征点附近区域进行多方向滤波，对得到的N个滤波后子图像计算其N方向标准偏差，以标准差构成N维线性赋范空间中的向量元素并采用N维线性赋范空间的‘距离’来度量特征点之间的相似程度。实验结果展示了本文基于Gabor滤波匹配特征点方法的配准效果。针对多传感器图像中特征差异大的情况，本文提出了基于非闭合边缘信息的图像自动配准方法。非闭合边缘，一方面反映的是图像中物体的大致形状和粗始轮廓，当波段差异较大时仍能保持一定数量的一致；另一方面其对图像的分割算法要求相对不高，无需人工控制提取门限。故它具有更好的普遍性和适用性。本文在对边缘进行改进Freeman编码的基础上，综合利用链码相关、相关系数和边缘曲率区域极值等信息，并提出了一套完整的边缘一致性检测算法，对配准图像之间存在大平移、大旋转角度、以及较大比例变化等情况均得到了较好的配准结果，并且计算速度比较快。多种实验结果充分展示了本文基于边缘信息的配准方法的优异性能。针对图像间特征对的建立比较复杂，难于得到一、一对应的特征关系的情况，本文研究并改进了基于Hausdorff距离的图像配准方法。Hausdorff距离是度量两个点集合的一种算法，它不需要建立点之间的一、一对应关系，只是计算两个集合之间的相似程度（最大距离）。本文在仔细分析Rucklidge快速搜索算法的基础上，推导出了图像配准中常用的RST（旋转-比例-平移）变换的盒距离变换公式，缩小了搜索空间，并根据算法的需要，简化了计算voronoi表面的方法，以及仅使用较长的边缘进行配准。试验结果表明，本文的改进方法较大的提高了基于Hausdorff距离的图像配准的计算速度。