摘要现实生活中存在大量不同特性不同视场图像系统,

《摘要现实生活中存在大量不同特性不同视场图像系统,》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、摘要现实生活中存在大量不同特性的不同视场的图像系统，不同视场的多源图像融合技术能够在不增加硬件设备投入的情况下，提升图像采集系统的性能；针对不同视场的多源图像融合技术，本文提出一种仿射变换和线性插值相结合的配准方法；对融合前后的图像在时域、空域进行了分析比较，并对融合的结果进行了评价和对比，验证了此技术应用的可行性。关键词多源图像不同视场配准融合Keywordmulti-sourceimage,different,fieldofview,registration,fusion引言像素级[1]融合是直接对源图像的像素

2、数据进行融合处理，能更多地保留场景的原始信息，是应用比较广泛的图像融合方法。对源图像配准、视场的重合度要求较高，一般来讲在源图像的光学系统视场相同的情况下，采集到的图像更容易实现配准，也更有利于融合图像质量提高，也保证了融合图像的信息量。但在实际应用中，往往会有一些多源图像采集设备的光学系统视场相差比较大，而每个源图像有各有各的特点（比如：可见光图像、微光图像和红外图像），融合图像更能体现场景的细节、突出场景目标。对于这种情况，在图像配准算法和图像融合算法的应用上又有一些不同特点。图1是不同视场图像融合示意图，两套

3、不同视场的光学系统采集到得图像分别是图像A和图像B，图像B只对应于图像A中一部分，图像C是图像A和图像B的融合结果。实际上图像C中只有虚线部分才是融合图像，而其余部分只有图像A的信息。图1两个不同视场图像融合示意图1、不同视场的多源图像融合的频域分析我们考虑两个不同图像传感器的情况，假如两个图像传感器产生两幅图像和，图像是大视场图像大小M×N，小视场图像大小m×n中区域部分（m

4、里叶变换可以表示为：(5)(6)对于一般的图像来讲，二维频域内图像的主体是低频部分，它表达的是总体形状、特征轮廓、对比度特征等等，而那些边缘、波纹是图像的高频部分。在图1中示意图中，图像A中对应于图像B的部分往往是我们关注的焦点，也是频率能量集中的地方。图像传感器采集得到的两幅图像进行融合时，小视场的图像完全参与融合，小视场的图像参与融合以外的部分得到保留。这样既增强了图像的主体特征，又保留了图像的细节信息。我们讨论一种简单的加权平均融合方法，融合图像就可以表示为：(7)式中，分别为两幅图像的加权系数。根据傅里叶变

5、换的加法定理，融合图像的傅里叶变换为：(8)在式(1.9)中，如果是图像中我们所关心的主体，它表述的是观察目标的总体形状、特征轮廓、对比度特征等低频分量，那么整个融合图像质量就得到了保障。2、不同视场的多源图像的配准方法由于多源图像的成像机制不同、光学系统光轴不平行且成像分辨率不同，目标在不同图像中的位置存在差异或畸变，如平移、旋转、比例变化及噪声引起的畸变等。对于不同视场的多源图像，在实际应用中我们设计了一种基于仿射变换查找表的快速图像配准方法。对应图1，以图像A为基准，对图像B行对正，确定图像间对应点的匹配关系

6、，以消除或减小目标的位置差别及噪声引起的畸变。同一场景的双源图像必然满足仿射变换模型，设仿射变换模型为(9)其中R为旋转矩阵，T为平移矩阵,一个坐标点经平移、旋转、缩放后的坐标可用仿射变换表示为:(10)式中、分别是两幅图像中对应点的坐标。其中4个参数（平移像素和、旋转角、行列缩放倍数k）的向量将决定两幅图像坐标之间的转换关系。对于同一目标对象的确定信息，由于小视场图像融合区域像素数量小于大视场图像，导致小视场图像待融合区域的每一像素点包含大视场图像相邻至多四个像素点的信息，因此在大视场图像向小视场图像进行仿射变换

7、的过程中，需要加权平均计算对应的若干大视场图像像素点灰度值，即为双线性数字插值计算，如图2所示。图2灰度插值示意图用Q点周围4个相邻的网格点灰度值加权内插作为Q点的灰度值，也就是的值。如图2所示，这4个点值为，，，，为简单起见，设，则，，。Q点和(0,0)点的距离为x，在y方向的距离为y，显然Q点的值为。在x方向作一次线性内插后得(11)(12)再在y方向作第2次线性内插，得到Q点的值，即(13)合并后化简得(14)式中，a、b、c、d为常数，可见双线性内插实际上是用4个已知点的双曲抛物面来拟合的。至此，我们可以得

8、到配准后大视场图像每个像素在待配准小视场图像中对应的四个点的地址和相应权值。我们可以上述算法计算得到配准后小视场图像各个像素点的灰度值。3、实验结果分析我们采用的实验系统组成原理如图3.1所示：图3系统原理框图Fig3.1Blockdiagramofthesystematicprinciple图像采集系统由可见光CCD(小视场)和长波红外摄像机（大视场）组成