1) 通过多种成像感器间的信息互补,可以弥补单一成像传感器在目标特征的复合信息获取不够全面的缺点;
2) 通过图像融合处理,结合系统的先验知识,可以实现对目标的识别、分类、决策等可靠性要超过单一成像传感器;
3) 增加了成像系统谱段覆盖范围,可以更多了解目标及相应环境更全面的信息,并且比任何单一传感器获得的信息更丰富;
4) 提高了成像系统稳定性与鲁棒性。图像数据来自多种成像传感器,当一个或多个成像传感器不能正常工作时,剩余成像传感器的正常工作仍然能保证成像系统可以继续工作。
以上特点使图像融合在遥感测量、图像分割、医学影像、计算机视觉、气象探测、在航空侦察、战损评估与理解、目标的检测、识别与跟踪等军事和民用领域均得到非常的广泛应用,并且在国防安全和国家建设中具有举足轻重的作用。
1.2 相关领域的研究现状
1.2.1 图像融合的应用
1.2.2 图像融合研究现状
2 图像配准
在图像处理领域中,一个最基本的问题就是图像配准,图像配准的实质是利用匹配准则搜索最优解的问题,也可以理解为将具有分辨率不同、灰度属性不同、视场大小不同、空间位置不同、缩放比例不同、畸变不同的同一场景的两幅或多幅图像进行匹配过程。多源图像融合体系中一个非常重要的前提条件就是多源图像的配准[25]。
2.1 图像配准的概念
图像配准是在空间上寻找一种变换模型或变换关系,使得待配准的两幅图像或多幅图像之间能够在某些像素位置上的对应点达到完全一致。把二维数字图像用一个二维的矩阵表示,分别用 (x,y)表示变换图像、 (x,y)表示基准图像在像素坐标点(x,y)处的灰度值,则图像配准的函数关系为:源:自/751-·论,文'网·www.751com.cn/
(1)
式中, f 表示二维几何坐标变换函数,g 表示一维灰度变换函数。这里灰度变换主要是针对多源传感器的图像融合,在本文中主要研究的是可见光与红外两种传感器的图像融合,其中,配准的一个关键问题是如何寻找最佳的空间或几何变换参数,这个参数常常被表示为包括两个参数变量的单值函数 , 。函数表达
式如下式所示: (2)
2.2 图像配准的数学模型
图像的几何变换主要有:全局变换,针对整幅图像而言的,所涉及的变换运算主要有平移、旋转、缩放、切边、反射等,对整幅图像都有效;局部变换,允许变换参数存在适用范围,只对局部空间有效,所以会跟随图像像素位置同时改变。在研究配准算法过程中,常常会用到的几何变换主要有刚体变换、仿射变换、投影变换和非线性变换,性质如表 2.1 所示。
旋转 平移 缩放 投影 扭曲
刚体变换 可以 可以
仿射变换 可以 可以 可以
投影变换 可以 可以