2.1 像素级图像融合的预处理
由于像素级图像融合是针对各源图像的对应像素直接进行重要显著信息的融合处理,像素位置之间的微小差异和像素灰度受到的噪声污染都会造成融合质量的急剧下降,所以,像素级图像融合对源图像的配准精度和图像质量要求很高。图像配准和图像去噪也因此成为像素级图像融合重要的预处理。源图像的配准精度和图像质量在很大程度上决定了图像融合的效果,同时也影响着多传感器系统的性能及其应用。
对图像配准和图像去噪的详细介绍已超出本书范围,下面仅为使读者理解两种预处理的基本思想,分别对图像配准技术和图像去噪技术进行简要介绍。
2.1.1 图像配准
在实际应用中,图像配准与图像融合技术是密不可分的。通常,获取源图像的成像传感器在位置和姿态上会有所不同,这使得待融合的源图像之间不可避免地存在着平移、旋转、尺度伸缩等几何空间差异,而这种空间差异对图像融合的效果影响很大,所以对源图像进行图像融合之前,需要通过图像配准来消除源图像之间的空间差异。
图像配准的目的就是将源于同一场景的不同时刻、不同视角、不同传感器的多幅源图像做几何对齐,以便用于后续的图像融合等处理.近年来,图像配准已成为图像处理领域中的一个热门研究问题,并已广泛应用于航空影像自动制图、图像三维重构、计算机视觉、医学图像分析、遥感数据分析等领域。
图像配准的基本思想就是找出一种图像转换方式将不同图像相互对齐,以消除图像之间的形变差异。通常,这些差异表现为各幅图像具有不同的分辨率、不同的位置(平移和旋转)和不同的非线性变形,等等。根据图像差异的不同,人们构造了不同的图像转换模型(也称为几何变换模型),常用的全局变换模型包括刚体(Rigid)变换、仿射变换、透视(Pcrspcctivc)变换、投影(Pcctivc)变换、多项式(PolyIomial)变换。
一般情况下,图像配准方法主要由三部分构成,即特征空间、相似性度量、搜索空间和搜索算法。其中,特征空间包含了用于配准的图像特征,相似性度量用来定量描述图像特征之间的相似性,搜索空间可看作图像几何变换模型参数的取值范围,而搜索算法一般为最优化算法。可以说,图像配准本质上就是一个寻优问题,即利用特征空间中的特征,使用搜索算法,在搜索空间中找到使得相似性度量最优的解。
通常,人们按照用于配准的图像特征,将图像配准方法分为两大类:基于灰度信息的图像配准和基于特征的图像配准。
……
展开