第五章归一化互信息配准。本章对本文所采用的方法进行了详细的阐述，最后给出了实验结果并对实验结果进行了分析。

第六部分结论。本章是对本文的整体总结，归纳了本次毕业设计中的还有待提高的疏漏，并对今后的要进行的工作进行了展望。

2  图像配准的原理

2.1  图像配准技术的国内外研究现状

2.2  图像配准的原理

两幅采自不同传感器的图像必然会因为成像的时间不同、角度不同、位置不同而造成两幅图像的难以互相匹配，图像配准技术应运而生。追本溯源，红外与可见光图像的配准包含在多源图像配准范畴内，是指通过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[4]。

设两幅针对同一场景的图像分别为 （x，y）和 （x，y）。以 （x，y）作为参考图像， （x，y）作为带配准图像。将 （x，y）和 （x，y）两幅图像进行配准也就是寻求 和 两幅图像之间的对应关系：

                 （2-1）

其中f表示二维空间坐标变换，gx表示一维灰度变换。图像配准的过程即可以视为寻找恰当空间变换的过程。

2.3  图像配准的方法分类

上文已经讲过，虽然时至今日各种配准方法不计其数，但通常配准的方法可以被分为两大类：基于图像灰度的方法和基于图像特征的方法。以下将对这两种方法做出简单说明。

2.4  基于图像灰度的配准

基于图像灰度的配准方法，通常直接应用整幅图像的灰度信息，建立两幅图像之间的相似性度量，然后采用某种搜索方法，寻找使相似性度量值最大或最小的变换模型的参数值[5]。这种方法的优点是不需要预处理，简单易实现，具有较高的鲁棒性。但是这种方法要要计算大量的灰度信息，因此速度较慢，适用范围窄。

基于区域的配准方法中比较有代表性的大致有：互信息法、变换域分析法、梯度图像相关法[7]。

2.4.1  互信息法

互信息是信息论中的概念，含义是两个随即变量的统计相关性应用到图像配准中用来测量一幅图像包含另一副图像的信息的总量。原理上，当两幅结构相似的图像达到最佳配准时，其对应象素的灰度的互信息应达到最大，由于该方法不需要对不同成像模式下图像灰度间的关系作任何假设，也不需要对图像进行分割或任何预处理，因此，完全可以将之应用在红外与可见光图像的配准上。互信息法的优点是不需要假设多模态图像灰度间任何关系，也不需要对图像作分割等预处理来.自/优尔论|文-网www.youerw.com/

2.4.2  变换域分析法

使用傅立叶变换的方法进行图像配准是最典型的变换域配准的方法之一。图像经过傅立叶变换后，由空域变换到频域，两组数据在空间上的相关运算可以变为频谱的复数乘法运算[8]。变换域配准的方法在噪声的敏感性以及计算的复杂程度上上具有很大的优势，但也有一定的局限性，比如傅立叶变换的方法只能用于灰度属性线性正相关的图像的配准，图像之间必须严格满足既定的变换关系。