红外与可见光图像配准研究现状与展望

第39卷第7期激光与红外Vo.l39,No.7 2009年7月L ASER&I NFRARED J u l y,2009

文章编号:100125078(2009)0720693207#综述与评论#红外与可见光图像配准研究现状与展望

苑津莎,赵振兵,高强,孔英会

(华北电力大学电气与电子工程学院,河北保定071003)

摘要:红外与可见光图像配准是常见的多模态图像配准,它广泛应用于军事、遥感等领域,有

必要对其研究现状进行综述。在描述了红外与可见光图像配准问题后,首先简述了图像配准

的一般方法,分为基于图像区域的配准方法和基于图像特征的配准方法,重点述评了局部不变

特征方法中的SI FT算法和S URF算法;然后按文献发表时间顺序对红外与可见光图像配准的

国外和国内研究现状进行了详细述评;总结了红外与可见光图像配准研究中存在的问题;最后

对其进行展望,并指出未来的研究重点是以SI FT算法和S URF算法为研究基础去构造对模态

不敏感的不变特征和其相应的描述子。

关键词:图像配准;红外;可见光;SI FT;S URF

中图分类号:T N911.73文献标识码:A

R evie w and pros pect on i n frare d/visi b le i m age registration

YUA N Ji n2sha,Z HAO Zhen2bing,G AO Q iang,KONG Y i n g2hui

(School of E lectr i ca l and E l ectronic Eng i neer i ng,North Ch i na E l ec tric P o wer Un i vers it y,Baoding071003,Ch i na)

Ab stra ct:Infrared/visi b le i m age registrati on is the co mm o n m ulti2modal i m age regi strati on,and it has been w i dely ap2

pli ed to l ots of fie l ds such asm ilitary and re m ote sensi ng.So,it is necessary to revie w the current research situati on of

i nfrared/vi sible i m age registratio n.A fter dep icti ng the pro b le m of i nfrared/visi b le i m age registrati on,general m ethods

of i m age regi strati on is desc ri bed briefl y.They are d i vi ded i nto t wo t ypes:area2based m et hods and fea t ure2based m eth2

o ds.SIFT a l gorith m and SURF a l gor it hm i n loca l i nvar i ant feat ures are m a i n l y d i scussed.According to ti m e of litera2

ture pub lishi ng,the analysis and revi ew for i nfrared/visi b l e i m age registra ti on m ethods at ho m e and abroad are carried

o u t i n detai.l Then the d ifficu lties of i nfrared/vi sible i m age registratio n techn i que are su mma rized and eva l uated.A t

l ast,prospects of i nfrared/vi sible i m age registratio n a re made,and the fut ure research o n t h is field could pay m ore a t2

tenti on to construct i nvariant and m o da lity2i nsensiti ve features and the i r descri ptors on t he basis of research of S I FT a l2

gorith m and S URF a l gorith m.

K ey w or ds:i m age registratio n;i nfrared;visi b le;SIFT;SURF

1引言

图像配准是个极富挑战性的研究领域,所谓图像配准是指依据一些相似性度量决定图像间的变换参数,使从不同传感器、不同视角、不同时间获取的同一场景的两幅或多幅图像,变换到同一坐标系下,在像素层上得到最佳匹配的过程[1-6]。图像配准已在军事、遥感、医学、计算机视觉等领域得到了广泛的发展和应用[2]。国外从20世纪60年代就开始在图像配准领域进行研究,而国内从20世纪90年代初才开始涉足此领域,到20世纪末,单模态图像配准问题已基本解决[5],但多模态图像配准仍未得到很好的解决。多模态图像由于来源于不同成像设备,所以能提供比单模态图像更加丰富和全面的信息[2-4,7]。而红外与可见光图像配准是常见的多模

作者简介:苑津莎(1957-),男,博士,教授,博士生导师,研究方向为图像处理,智能信息处理等。E2m ai:l yuan jins h a@126.co m 收稿日期:2009201204;修订日期:2009205204

态图像配准[3-4,8-9]。由于红外反映景物的辐射信息而可见光反映景物的反射信息,二者输出的图像具有不同的灰度特征,这些信息互为补充,可以融合在一起用于目标识别。红外图像可在场景内定位具有较高温度的物体,而可见光图像则提供背景信息,将二者融合,便能实现在背景中定位高温物体的功能。但是,目前大多数现有图像配准方法用于红外与可见光图像上的效果并不太好,仍需要进行深入研究。

1992年,Brown[10]对此前出现的配准方法进行了总结,2003年,Zitov [1]总结了此后出现的相关技术和方法,这两篇综述文章概括了图像配准研究的一般方法。另外,还有研究者专门对某一方面的图像配准进行综述,如多传感器图像配准[2-4]、遥感图像配准[6]、医学图像配准[11]等;应用广泛的红外与可见光图像的配准是常见的、非常典型的多模态图像配准,而且最近几年出现了很多新方法,所以有必要对其研究现状进行综述。以下将首先简述图像配准的方法及其研究现状,其中着重介绍基于局部不变特征的方法;然后对红外与可见光图像配准的国内外研究现状进行详细述评;指出红外与可见光图像配准研究中存在的问题,并对其进行展望。

2图像配准方法

由于同一场景拍摄的图像是真实的三维世界在不同时间向成像平面的一系列投影,而图像与图像之间有较大的相关性和信息冗余,所以无论所处理的图像是发生何种形式的变化、或是由何种传感器获得,总可以利用图像中不变的部分、共性的信息去完成配准,然后再根据需要去处理变换的部分。一个典型的图像配准方法的基本步骤[1]主要包括特征检测、特征匹配、变换模型参数估计及图像重采样与变换。迄今为止在国内外已经报道了相当多的图像配准研究工作,产生了不少图像配准方法。总的来说,各种方法都是面向一定范围的应用领域,具有各自的特点。可以分为两类方法:基于图像区域的方法和基于图像特征的方法。

2.1基于图像区域的配准方法

此类方法,通常是用图像的某一区域或者整幅图像去估计图像之间在空间几何上的变换参数。常见的基于区域的配准方法有相关类方法、相位相关法、概率型测度法等。而常见的概率型测度有图像联合直方图、图像联合熵、互信息法[12-13]及归一化互信息法等,这些方法在特定情况下获得了成功。其中,源于Shannon信息论的互信息法在多模态图像配准领域引起了广泛的关注,它是目前研究最多的一种度量方法,互信息法的优点在于不需要对多模态图像灰度间的关系作任何假设,也不需要对图像作分割或预处理,它几乎可以用于任何不同模态图像的配准,但是它忽略了图像的空间信息和结果信息,计算时间长且对噪声的鲁棒性不强。

2.2基于图像特征的配准方法

多传感器获取的各类图像灰度特征往往不一致,因此很难运用基于图像区域的方法。基于图像特征方法提取图像中对比例、旋转、平移、照度等保持不变的特征,利用了图像的高层信息,适合于多模态图像分析。常见的基于图像特征的方法包括:基于结构性特征的方法,基于小波系数的方法,基于不变量图像描述符的方法和基于局部不变特征的方法等,由于前三种方法在相关文献中已有描述,以下将详细述评基于局部不变特征的方法的研究现状。

最近几年,局部不变特征在解决宽基线匹配、特殊目标识别、机器人定位等问题中得到了广泛的应用,并获得了很大成功[14]。很多局部不变特征能对旋转、尺度缩放、仿射变换、视角变化、光照变化等图像变化因素保持一定的不变性,而对物体运动、遮挡等因素也保持较好的可匹配性,从而可以实现差异较大的两幅图像之间特征的匹配。基于局部特征的方法主要有两个部分:一是局部特征检测,二是局部特征描述。

1988年,H arris对Moravec算法[15]进行改进,提出了至今仍被广泛使用的H arris角点检测子[16],它基于由二阶矩组成的矩阵特征值,然而H arris角点不是尺度不变的。1998年,L i n deberg[17]引入了自动尺度选择的概念,这样可以分别在不同尺度上检测图像的兴趣点,他使用H essian矩阵和Laplacian的行列式检测了斑块类的结构性特征。M i k ola j c zyk和Schm i d[18]精炼了这种方法,构造了H arris2Laplace 和H essian2Lap lace,它们是更具重复性的鲁棒和尺度不变特征检测子,他们用H arris或H essian矩阵行列式去选择位置,用Lap l a c i a n去选择尺度。为了提高检测速度,Lo we[19]使用DoG(difference of Gaussi2 ans)滤波器去近似Lo G(Laplacian of Gaussian)。人们还提出了一些能处理较大视角变化的仿射不变特征检测子。从一些比较检测算子性能的研究[20-21]可以看出:1基于H essian的检测子比基于H arris的检测子更稳定也更具可重复性,而且使用H essian 矩阵的行列式去检测比使用它的迹(Trace)更有优势;o类似Do G这样的近似能以损失较小精度的代

694激光与红外第39卷

价获得更快的检测速度。

到目前为止,已有大量不同类型的特征描述子被提出,例如,矩不变量[22]、复杂滤波器[23]、可控滤波器[24]等。2004年,Lo we[25]总结了现有的基于不变量技术的特征检测方法,并正式提出了SI FT (scale i n variant f eature transf or m)算法,它通过对图像进行不同程度的模糊与缩放,产生具有不同比例的图像,然后从这些图像中分别提取特征,SI FT特征对图像的缩放、旋转、光照强度和摄像机观察视角的改变以及噪声扰动具有很好的稳定性。有文献[21]报道SI FT的性能优于上述的其他描述子。2006年5月,Bay等人[26]提出了S URF(speeded up robust features)算法,它的性能超过了SI FT且能获得更快的速度。以下将从算法的基本原理、国内外的研究情况等方面分别介绍SI FT和S URF。

2.2.1SI FT[25]

SI FT算法自从提出就被广泛地应用到目标识别等领域中,但由于其复杂的设计过程以及构造描述子时的低效率使得它在处理复杂图像匹配问题时的效果仍不够完美,于是一系列改进方法被提出。K e和Sukthankar[27]提出了PCA-SI FT的改进方法,它应用主成分分析到归一化梯度图像上,产生了36维的描述子,此算法提高了匹配速度,但是其特征的独特性不如SI F T,而且低效率的特征计算减弱了快速匹配的效果。一种称为GL O H的改进算法被M i k ola jcz yk等人提出[21],这种方法有比SI FT更好的独特性,但其匹配效果没有提高。Abdel2H ak i m 等人[28]提出了CSI FT算法,它是一种新的联合了图像的色彩和几何信息的颜色局部不变特征描述子。文献[29]用联合Hêl d er指数分布和奇异性方向设计一种局部描述子,这种算子在图像配准应用中的效率高于SI FT和PCA-SI F T。Cheung和H a ma2 rneh[30]对SI FT进行扩展,提出了N-SI FT算法,并把它用于处理多模态医学图像匹配。值得注意的是,2007年6月K el m an等人[31]给出了SI FT-G M 和SI FT-G MEP两种描述子,它们可以匹配多模态图像和灰度非线性变化的图像,但是在对较容易的图像对匹配时性能略低于SI FT,文中实验用的图像集包括了22组不同传感器、不同光照条件下的图像。

这些都是对SI FT算法的一些改进工作,关于SI FT的应用文献国外已有很多报道,这里就不赘述了。国内关于SI FT的研究才刚刚起步,目前主要是一些应用研究,如李晓明等人[32]应用SI FT进行遥感图像的自动配准,厉茂海等人[33]把SI FT应用到移动机器人全局定位中,陈靖等人[34]将基于SI FT 关键点的特征点识别匹配方法应用于增强现实跟踪系统等。

2.2.2S URF[26]

SI FT算法用Do G检测子去检测图像的兴趣点,并用SI FT描述子去描述,但是SI FT的描述子维数大而且算法处理速度较慢,为了提高计算速度且不降低算法性能,Bay等人提出了S URF算法,它是一种新的快速兴趣点检测-描述方法,在速度和精度方面相当或超过了其他算法。S URF算法主要包括两个部分:一是快速H essian检测子检测兴趣点,二是用S URF描述子去描述兴趣点。S URF特征检测是基于H essian矩阵的。而S URF描述子有维数不同的多种版本,如标准的S URF-64(64维)、S URF-36(36维)和S URF-128(128维)。旋转不变的目标识别并不总是必须的,所以文中[26]给出了仅对尺度保持不变的S URF描述子,记为/U pright S URF0(U-S URF),这个版本的描述子比标准S URF的速度快,相应地它也有U-S URF-64, U-S URF-36和U-S URF-128。

S URF算法的计算速度可以比SI FT快3倍,它可以对图像的旋转、尺度伸缩、光照、视角等变化保持不变性,尤其对图像严重的模糊和旋转处理得非常好,但是在处理图像光照和视角变化时不如SI FT 算法。S URF是非常新的局部不变特征方法,国外也只是仅有一些S URF的应用研究,如Bay等人[35]把S URF算法应用到博物馆的目标识别中,Murillo 等人[36]把它应用到机器人定位中等。

3红外与可见光图像配准研究现状

红外与可见光图像配准是非常典型的多模态图像配准,以下将按文献发表时间的先后顺序述评其国外和国内的研究情况。

国外对红外与可见光图像配准的研究主要开始于20世纪90年代初。1993年,Dana K和Anan2 danp[8]提出了一种基于边缘子集一致性的红外与可见光图像配准方法,首先用多尺度边缘检测得到不同尺度下的图像表面轮廓,然后采用分层估计和基于最小二乘梯度的方法得到仿射变换参数。L i等人[9]在1996年发表了红外和可见光图像自动配准的方法,该方法的主要步骤包括使用小波变换探测多尺度轮廓、特征点提取、特征点匹配、一致性检查和图像变换,当有大的旋转和大的尺度变化混合时需要首先补偿旋转角度。2000年,Coiras等人[37]提

695

激光与红外No.72009苑津莎等红外与可见光图像配准研究现状与展望

出一种基于分割的红外与可见光配准方法,该方法通过匹配由分组分割形成的三角形来确定变换模型参数,这种方法不需要先验知识。基于轮廓的方法, Y ang等人[38]利用自适应爬山和迭代最近点算法提出了鲁棒的自由曲面曲线匹配算法,他们应用此算法完成战场环境的可见光和远红外图像的配准,该算法最大的创新就是在迭代最近点算法中使用平均部分距离作为目标函数。H i n es等人[39]于2003年提出了两种方法对飞行环境的短波红外、长波红外和可见光图像进行配准,这两种方法,一是利用传感器参数直接通过图像重采样匹配视场和分辨率;二是通过几何校正完成配准,这种校正是基于使用者选择控制点和回归分析定义的空间变换模型的。2004年Wang等人[40]对人脸的可见光和红外图像进行了配准。基于假设检验的方法,L egvi [41]在2005年提出了一种能匹配规则人造物体的红外和RGB图像的方法;同年Fan等人[42]提出了基于小波的互信息最大化算法,并用此方法有效地完成了机载红外与可见光图像的较高精度配准;利用来自三维场景数据并联合局部和全局的配准方法,H il d等人[43]描述了一种能够配准彩色图像和远红外图像的方法;K i m等人[44]提出了两种预处理方案来提高基于归一化互信息的红外和电光(E lectro2Optic)图像的配准性能。2007年,Ke l m an等人[31]给出了SI FT的两种改进描述子,并用它们匹配多模态图像和灰度非线性变化的图像,在22组实验图像对中包括了一组红外和可见光图像。为解决多光谱图像自动配准的不可靠性问题,Kern和Pattichis[45]于2007年发展新的互信息表面模型,基于此模型,他们发展了鲁棒的梯度上升算法并完成了可见波段和红外波段图像的配准。2007年,Istenic等人[46]利用H ough 变换实现了建筑物的红外与可见光图像配准,但该方法只适用于旋转、平移变换。

国内关于红外与可见光图像配准的研究相对于国外起步稍晚一些,大部分工作都是在2000年之后发表的,研究的深度还远远不够。陈哲等人[47-48]在2001年提出了一种基于描述的模糊特征匹配算法并用此算法完成了遥感中红外与可见光图像的配准;在2002年,又提出了一种联合轮廓的取向函数和不变矩的配准方法。曾文锋[49]采用小波变换进行红外与可见光图像融合中的基于仿射模型的配准。2003年,舒丽霞等人[50]首先应用Garbor小波抽取突出的特征点集,然后用H ausdorff距离作为匹配的度量,得到了点集之间的仿射变换参数,完成了机场红外和可见光图像的配准,但是如果图像间差异很大,该方法将无法进行配准。2004年,陶冰洁等人[51]应用6参数的仿射变型实现了红外与可见光图像间的配准。而陈煜等人[52]应用基于Sobe l快速边缘检测的模板匹配方法进行了图像融合中的红外与可见光图像的配准。刘卫光等人[53]描述了一个自主研制的基于实时分布式多处理机的红外与可见光图像配准和融合系统的设计与实现方案,在这里图像配准采用的是相位相关法。以光电成像型导引头的红外与可见光图像配准问题为研究内容,通过对传感器成像过程的分析,刘松涛等人[54]于2005年提出了一种基于传感器参数和目标轮廓中心的自动配准算法,其核心思想是将变换模型分解,逐步简化,从而将复杂问题简单化,当已知传感器参数时该算法是有效的、自动的、快速的。同年,彭晓明等人[55]提出了一种多传感器的序列图像进行时间-空间配准的计算框架,该框架适用于摄像机静止的场合且所拍摄的图像序列中有运动目标存在,并完成了可见光和长波红外两个序列图像的配准。2006年,马浚等人[56]对红外与可见光两种不同谱段图像的匹配技术进行研究,他们采用边缘增强的预处理技术,突出不同谱段图像的共性特征,然后使用去均值归一化互相关的办法进行相似性度量。2007年,高峰等人[57]在定义了一种新的图像特征)))干线对的基础上设计了新的配准方法,该方法有效地配准了红外与可见光遥感图像。2008年,臧丽等人[58]给出了一种基于归一化互信息与小波变换相结合的快速红外与可见光图像配准算法,该算法较利用原图像的配准速度提高了约一个数量级。

4红外与可见光图像配准研究存在的问题与展望由于红外与可见光镜头的视场角、空间分辨率或传感器的空间位置等方面不一致,图像间不可避免地出现平移、旋转、比例缩放等差异,配准处理是必须的。从第3节可以看出最近十几年国内外对红外与可见光图像配准进行了一定的研究,也提出了很多配准方法,但这些方法大都是针对某一特定的应用而独立研究的,虽然方法不少却不成体系且算法鲁棒性不够强,这些问题都是由红外与可见光图像配准问题的特殊性造成的。由于红外反映景物的辐射信息而可见光反映景物的反射信息,且成像条件和场景具有一定复杂性,所以红外与可见光图像间的相关性较小,图像的灰度特性相差很大,缺乏一致性特征,这样的配准相对于单传感器图像来说,难度更大,截至目前有效的方法还比较少。目前,对军

696激光与红外第39卷

事和遥感上的红外与可见光图像配准研究较多,这些图像的内容一般都是整个场景,这样的图像中可能会有一些较明显的标志物体能提供较利于匹配的特征点如坦克的边角、区域的边界等[9];而工业上的红外与可见光图像中有时可能很难获取这样的特征点,因为它们往往只是表征了物体的局部区域,所以这样的图像配准又提出了新的困难。

尽管人们在图像配准领域已经做了大量有效的工作,并且提出了很多解决办法,取得了很多的进展,但是目前大多数现有图像配准方法用于红外与可见光图像上的效果并不太好,相比快速、自动、稳定、精确的图像配准目标还有一定距离。红外与可见光图像配准的现状离人们的要求和实际工作的需要还有很多的差距,仍然存在着许多问题等待解决。

一个好的图像配准算法应该可以自动、快速地配准图像,并且算法具有较强的鲁棒性,配准结果具有较高精度。已有的红外与可见光图像配准算法,如基于小波变换的方法[9,46,49-50]和基于互信息的方法[45,58]等取得了一定的效果,但它们离这个目标大都还有一定的差距。

因此,应充分分析、利用已有方法的优点,如一致性检验、分层匹配等处理手段等,在此基础上对图像配准理论作深入研究,引入新的数学方法建立新的理论框架。由于红外与可见光图像配准是多模态图像配准,所以本文认为以后重点研究的还应是基于图像特征的配准方法:1引入新的图像分解方法,如提升小波、几何小波、曲线波等图像分解方法;o引入新的边缘和特征提取方法,如元胞自动机、云模型等方法;?构造新的相似性测度,如应用模糊理论对对齐度进行改进等;?构造新的对模态不敏感的不变特征和其相应的描述子,基于局部不变特征的配准方法是非常有潜力的方法,如SI FT算法、S URF 算法等,可以以这两种局部不变特征为研究基础,构造新的特征及其描述子;?红外与可见光图像配准的性能评估研究的还不是很多,所以应建立用于评估红外与可见光配准效果的标准图像数据库。

5结论

图像配准是图像处理的一个基本问题,其研究也是计算机视觉中最困难、最重要的任务之一。由于红外反映景物的辐射信息而可见光反应景物的反射信息,红外图像与可见光图像的灰度特性相差很大,缺乏一致性特征,目前研究红外与可见光图像的快速、鲁棒、高精度、自动配准方法是图像配准领域的难点与热点。本文综述了红外与可见光图像配准的研究现状,给出了国内外红外与可见光图像配准研究的发展脉络,指出了红外与可见光图像配准研究中存在的问题,并对其未来的研究进行展望。目前局部不变特征在多模态配准中的应用研究还非常少,以SI FT算法和S URF算法为研究基础去构造对模态不敏感的不变特征和其相应的描述子,对于解决红外与可见光图像的配准问题是一个很有潜力的方向。

参考文献:

[1]Zitov B,F l usse r J.I mage regi strati on m e t hods:a survey

[J].I m age and V isi on Co mputi ng,2003,21(11):

977-1000.

[2]倪国强,刘琼.多源图像配准技术分析与展望[J].光

电工程,2004,31(9):1-6.

[3]王忆锋,张海联,李灿文,等.多传感器数据融合中的

配准技术[J].红外与激光工程,1998,27(1):38-41.

[4]钮永胜,倪国强.多传感器图像自动配准技术研究

[J].光学技术,1999,25(1):16-18,20.

[5]刘松涛,杨绍清.图像配准技术性能评估及实现概况

[J].电光与控制,2007,14(3):73-78,83.

[6]宋振环,唐伶俐,李传荣.遥感图像配准技术研究最新

进展[J].科技导报,2007,25(12):53-58.

[7]L iH,M anjunath B,M itra S.A contour2based approach to

mu lti sensor i m age registra tion[J].IEEE T ransacti ons on

I m age P rocessi ng,1995,4(3):320-334.

[8]Dana K,Anandan P.R egistra ti on of visi b l e and i n fra red

i m ages[J].SP IE,1993,(1957):2-13.

[9]L iH,Zho u Y T.Auto m a tic vi sua l/i nfrared i m age registra2

tio n[J].Opti ca l Engi neering,1996,35(2):391-400. [10]B ro wn L G.A survey of i m age registrati on techn i ques[J].

AC M Co mputi ng Surveys,1992,24(4):325-376. [11]王海南,郝重阳,雷方元,等.非刚性医学图像配准研

究综述[J].计算机工程与应用,2005,41(11):

180-184.

[12]汤敏.结合形态学梯度互信息和多分辨率寻优的图像

配准新方法[J].自动化学报,2008,34(3):246-250.

[13]张见威,韩国强,沃焱.基于边界距离场互信息的图像

配准方法[J].通信学报,2006,27(7):87-93.

[14]Tuyte laars T,M i kol a jczy k K.Loca l i nvarian t feature detec2

tors:a survey[J].F o undati ons and T rends i n Co mpu ter

Graphics and V i s i on,2008,3(3):177-280.

[15]M oravec H.R over vi sua l o bstac l e avoi dance[C]//Inte r2

natio na l Joi n t Conference o n Artific i a l Inte lli gence,Van2

co uver,C anada,1981:785-790.

[16]H arr i s C,S tephensM.A co m b i ned corner and edge detec2

tor[C]//P roceed i ngs of the4th A lvey V i s i on Conference,

697

激光与红外No.72009苑津莎等红外与可见光图像配准研究现状与展望

M ancheste r,UK,1988:147-151.

[17]Li ndeberg T.F eature detecti on w ith auto m atic sca l e selec2

ti on[J].In ternati onal Journal of Co mputer V isi on,1998,

30(2):79-116.

[18]M i kol a jczy k K,Sch m i d C.Indexi ng based on sca le i nva ri2

ant i nte rest poi nts[C]//P roceed i ngs of the8th In terna2

ti ona l Conference on Co m pute r V isi on,Vanco uver,C ana2

da,2001:525-531.

[19]Lo we D.Ob ject recogn ition fro m l oca l sca l e2i nvar i ant fea2

t ures[C]//Internatio na l Co n f e rence on Co m puter V i2

s i on,Corf u,G reece,1999:1150-1157.

[20]M i kol a jczy k K,Sch m i d C.Sca l e and affi ne i nvarian t i nter2

est poi n t de tectors[J].Internati ona l Journa l of Co m puter

V isi on,2004,60(1):63-86.

[21]M i kol a jczy k K,Sch m i d C.A perfor m ance eva l uati on of lo2

ca l desc ri ptors[J].IEEE Transacti ons on P attern Ana lysis

and M ach i ne Intelligence,2005,27(10):1615-1630. [22]GoolL,Moons T,Ungureanu D.A ffi ne/photo m etr i c i nva ri2

ants for p l ana r i ntensity patterns[C]//P roceed i ngs of t he

4th European Co n f e rence Co m pute r V isio n,1996:

642-651.

[23]Schaffalitzky F,Zisse r man A.M ulti2vie w m atch i ng f or un2

orde red i m age sets[C]//P roceedi ngs of the7th European

Co nfe rence Co m puter V i s i on,2002:414-431.

[24]F ree m anW,Ade l son E.The desig n and use of steerable

filters[J].I EEE T ransacti ons on P attern Analysis and

M achi ne Inte lli gence,1991,13(9):891-906.

[25]Lo we D.D i sti ncti ve i m age features fro m sca l e2i nvar i ant

keypoi nts[J].Internatio na l Jo u rnal of Co m puter V i s i on,

2004,60(2):91-110.

[26]Bay H,Tuyte l aars T,Gool L.SURF:Speeded Up R obust

Features[C]//P roceed i ngs of t he9th European Confer2

ence Co m puter V isi on,2006:404-417.

[27]Ke Y,Sukthankar R.PCA2S I FT:A m ore d isti nctive repre2

senta ti on for l oca l i m age descri ptors[C]//P roceedings of

t he I EEE Co n f e rence on Co mputer V isio n and P attern

R ecog n iti on,W ash i ngto n DC,USA,2004:506-513. [28]Abde l2hak i m A,F arag A.CSIFT:A S I FT descri ptor w i th

col or i nvarian t cha racte ristics[C]//P roceedings of t he

I EEE Co mputer Soc iety Confe rence o n Co m puter V isi on

and Pattern R eco gn iti on,2006,(2):1978-1983.

[29]R os J,Laurent C.Descripti on of l oca l si ng u larities for i m2

age regi stratio n[C]//The18t h Internati ona l Conference

on P atte rn R ecognitio n,2006,(4):61-64.

[30]Cheung W,H a m arneh G.N2S I FT:N2d i m ensi ona l scale i n2

var i ant feature transfor m for m atchi ng m edica l i m ages

[C]//The4th IEEE Internatio na l Sy m posiu m on B i o med2

ical I m agi ng,2007:720-723.[31]Kel m an A,Sof ka M,Stewart C.Key poi nt descri ptors f or

m atch i ng across mu lti ple i m age m o da lities and non2li near

i ntens it y variati ons[C]//The I EEE Co n ference o n Co m2

puter V i sion and Pattern R eco gn iti on,2007:1-7. [32]李晓明,郑链,胡占义.基于S I FT特征的遥感影像自动

配准[J].遥感学报,2006,10(6):885-892.

[33]厉茂海,洪炳镕,罗荣华,等.基于单目视觉的移动机器

人全局定位[J].机器人,2007,29(2):140-144,178. [34]陈靖,王涌天,刘越,等.基于S I FT关键点的增强现实

初始化算法[J].红外与激光工程,2007,36(6):

949-953.

[35]Bay H,F ase l B,Gool L.Inte ractive museu m guide:fast

and robust recog n iti on of museu m objects[C]//P roceed2

i ngs of the1st Internatio na lW orksho p o n M o b ile V isio n,

Graz,Austria,M ay,2006.

[36]Mur ill o A,Guerrero J,SAG B*S C.S URF features for effi2

c i ent ro bot localizati on with o mn i

d irectio na l i m ages[C]//

The I EEE Internatio na lConference on R obotics and Auto2 m atio n,Ro m a,Italy,Apri,l2007:3901-3907.

[37]Coiras E,Santa m ar i a J,M irave t C.A seg m en t2based regis2

tratio n techn i que f or vi sua l2ir i m ages[J].Optica l Engi2

neer i ng,2000,39(1):282-289.

[38]Yang X J,Sheng Y L,S vi gny L,e t a.l R obustm ultisensor

i m age registra ti on w it h parti a l distance m er its[C]//P ro2

ceed i ngs of t he3rd Interna tio na l Co n ference on Infor m a2

ti on F us i on,R o m a,2000,(1):23-29.

[39]H i nes G,R ah m an Z,Jo bson D,et a.l M ulti2i m age registra2

ti on f or an enhanced vi s i on system[C]//P roceedi ngs of

the SP IE,2003,(5108):231-241.

[40]W ang J G,Sung E,Venkates warl u R.R egistra tion of i nfra2

red and visi b l e spectrum i m agery f or face reco gn iti on

[C]//Proceed i ngs of the6th IEEE Interna ti ona l Co nfe r2

ence on Auto m atic Face and Gest u re R ecogn itio n,2004:

638-644.

[41]L egvióS.A m ulti m o da l i m age regi strati on technique f or

structured poly gonal scenes[C]//P roceed i ngs of the4th

In ternati onal Sy m posiu m on I m age and Sig na l P rocess i ng

and Ana l ysis,Zagreb,Croati a,2005:500-505.

[42]F an X F,RhoH,Saber E.Auto ma ti c regi stratio n ofm ulti2

sensor a irborne i m agery[C]//The34th App lied I m agery

and P attern R ecogniti on W orksho p,2005:81-86. [43]H ild M,Um eda G.I m age regi stratio n i n stereo2based

m ulti2modal i m agi ng syste m s[C]//P roceedi ngs of the4th

In ternati onal Sy m posiu m on I m age and Sig na l P rocess i ng

and Ana l ysis,2005:70-75.

[44]K i m K,Lee J,R a J.Robustm ulti2sensor i m age registra ti on

by enhanc i ng stati stica l corre lati on[C]//The8th Interna2

ti ona lConference on Infor m a ti on F us i on,2005:380-386.

698激光与红外第39卷

[45]Kern J,Pa ttich i s M.R o bust mu lti spectra l i m age reg i stra2

ti on usi ng m ut ua l i nfor m ati on models[J].IEEE T ransac2

ti ons o n Geosc i ence and R e m ote Sensi ng,2007,45(5):

1494-1505.

[46]Istenic R,H er i c D,R iba ric S,et a.l Ther m a l and visual

i m age regi strati on i n ho ug h param eter space[C]//The

14th Interna tiona l Conference on Syste m,S i gna l and I m age

P rocessing,and6th E URASIP Conference Focused on

Speech and I m age Processing,M ulti m edia Co mmunica2

ti ons and Servi ces,2007:106-109.

[47]Li T J,Chen Z,W ang R X.Fuzzy feature m atching be2

t w een infrared i m age and optica l i m age[C]//P roceed2

i ngs of the SP I E,2001,(4602):260-265.

[48]Huang X S H,Chen Z.A wave l e t2based mu lti sensor i m age

registra tio n a l gorith m[C]//The6th Inte rna ti ona l Confer2

ence on S i gna l P rocess i ng,2002,(1):773-776.

[49]曾文锋.红外与可见光图像融合中的快速配准方法

[J].红外与激光工程,2002,31(2):158-160.

[50]舒丽霞,彭晓明,周成平,等.一种新颖的红外与可见

光图像自动配准算法[J].华中科技大学学报,2003,

31(6):92-94.[51]陶冰洁,王敬儒,张启衡.采用仿射变换的红外与可见

光图像配准方法[J].光电工程,2004,31(11):

39-41.

[52]陈煜,田裕鹏.图像融合中的图像配准方法研究[J].

激光与红外,2004,34(1):34-36.

[53]刘卫光,郭师红,周利华.红外与可见光图像实时配准

融合系统[J].红外技术,2004,26(5):66-70. [54]刘松涛,王学伟,周晓东,等.基于传感器参数和目标

轮廓中心的自动配准算法研究[J].光学精密工程,

2005,13(3):354-363.

[55]彭晓明,丁明跃,周成平,等.一种序列图像配准的计

算框架[J].中国图像图形学报,2005,10(4):

441-449.

[56]马浚,曹治国.基于边缘信息的红外与可见光图像匹

配技术[J].计算机与数字工程,2006,34(12):

30-32.

[57]高峰,文贡坚,吕金建.基于干线对的红外与可见光最

优图像配准算法[J].计算机学报,2007,30(6):

1015-1021.

[58]臧丽,王敬东.基于互信息的红外与可见光图像快速

配准[J].红外与激光工程,2008,37(1):164-168.

699

激光与红外No.72009苑津莎等红外与可见光图像配准研究现状与展望