红外图像和可见光图像配准的首要任务在于寻找参考图像和待匹配图像之间的空间变换关系,再选取相关信息作为参数,使参考图像和待匹配图像在空间上相匹配。如果图像匹配到位了,再将其进行相关处理就会得到相关信息与实际相符的图像,两幅图像的共同信息部分将会完美匹配,否则,图像匹配失败。

常见的简单变换形式有[5]:

平移变换: I2（x，y）=I1(x+a，y+b)                                  (2.2)

角度变换: I2（x，y）=I1(xcosθ一ysinθ，xsinθ+ycosθ)            (2.3)

缩放变换：I2（x，y）=A I1（x，y）                                 (2.4)

亮度变换: I2（x，y）=a I1（x，y）十b                              (2.5)

噪音变换: I2（x，y）= I1（x，y）+ n（x，y）:n(x，y)~(0，σ)       (2.6)

平滑和锐化变换: I2（x，y）= I1（x，y）* n（x，y）（卷积）         (2.7)

2.2  图像配准流程及步骤

红外图像和可见光图像配准框架而言可遵循四大步，如下：

l)图像粗处理。对图像进行粗略处理，比如分割图像，锐化图像等操作提高图像质量，校正畸变；

2)仿射模型及映射；

3)确定最佳参数。对（2）中所确定参数进行组合比较，找出图像配准最佳参数，相似性最大；

4)实现配准。根据（3）中所确定最佳参数最相应空间变换，使参考图像和待匹配图像的配准。

在上面的四大步骤中，并不是每步都得这么去做，得根据实际情况加以判断。如在图像预处理中，其主要目的是为最终的匹配做准备的,根据参考图像与待匹配图像的质量来决定是否需要这一步。预处理这一步的效果如何得视配准过程中的一些参数而定，若预处理会影响图像配准速度、精度等，则应综合考虑是否需要。对应映射会因所需配准目标图像的不同而变化，这步是整个算法的关键，是否能最佳匹配得看所对应映射是否适合目标图像的配准。确定最佳参数则是方法路径的关键，所需时间的长短就取决于这一步。实现配准便是红外图像和可见光图像配准的最终步骤，配准成功与否在这步便能体现。