[发明专利]一种基于无人机吊舱的数据配准融合方法

权利要求书

1.一种基于无人机吊舱的数据配准融合方法，其特征在于，包括如下步骤：

步骤1.获取场景1的可见光图像A和红外图像B，以采集的可见光图像A作为参考图像，以红外图像B作为浮动图像，基于仿射变换模型求取变换参数tform11；

步骤2.利用变换参数tform11对红外图像B进行空间变换，得到红外图像B1，即为粗配准结果；

步骤3.针对粗配准后的图像利用Powell和粒子群混合优化算法进行互信息配准，修正变换参数tform11，得到最佳变换参数tform12；

步骤4.利用最佳变换参数tform12对粗配准得到的红外图像B1进行空间几何变换，得到精确配准结果，即红外图像B2；

步骤5.对于每一个场景n的可见光图像A和红外线图像B，均采用步骤1中的变换参数tform11进行步骤2～步骤4的处理，得到相应场景的精确配准结果，n大于等于2，且n为整数；

步骤6.对于每个场景，经过精确配准后得到的图像，均基于HIS变换和提升小波变换进行图像融合，具体步骤为：

6a.对可见光图像A进行HIS的色彩空间变换，提取H分量、I分量、S分量；

6b.对红外图像B2进行灰度变换，得到灰度化后的红外图像B3；

6c.对步骤6a中提取的I分量和红外图像B3均进行二层的提升小波分解，得到高频系数和低频系数，对于高频系数和低频系数分别采用不同的融合规则，进行融合；

6d.对融合后的新的低频系数和新的高频系数进行提升小波逆变换；

6e.将步骤6d得到的图像作为新图像的I分量，和步骤6a中得到的H分量、S分量再进行HIS的逆变换，得到融合后图像。

2.根据权利要求1所述的基于无人机吊舱的数据配准融合方法，其特征在于，步骤3实现的具体步骤为：

3a.计算可见光图像A和粗配准所得红外图像B1的互信息的联合熵，当互信息的联合熵取值最小时，就是最大互信息，公式为：

其中，

I(A,B1)是可见光图像A和红外图像B1的互信息的联合熵；

P_A(a)是可见光图像A的概率分布；

P_B1(a)是红外图像B1的概率分布；

P_AB1(a,b)是可见光图像A和红外图像B1的联合概率分布；

a是可见光图像A的灰度值；

b是红外图像B1的灰度值；

A是可见光图像A；

B1是红外图像B1；

3b.将互信息的联合熵作为目标函数，在给定目标函数的条件下，利用Powell和粒子群混合优化算法寻找使得目标函数获得最小值时的最好极值点，在最好极值点下求取用于配准的最佳变换参数tform12；

具体步骤为：

①设置迭代次数m，100≤m≤500，m为整数，选择搜索范围，选取搜索空间中的任意一个点P_k作为初始点，其中k≥0，k为整数，并且在以点P_k为中心的空间内初始化一个粒子群，初始化粒子的随机位置和速度；

②使用PSO算法进行上述粒子群里粒子的迭代更新，求取当前全局最优解点P_k+1；

③将点P_k和点P_k+1代入给定的目标函数计算点P_k的目标函数值TI_k和点P_k+1的目标函数TI_k+1，并比较两个目标函数的大小，如果TI_k＜TI_k+1则进入步骤④，否则进入步骤⑥；

④)将求取的最优解点P_k+1作为Powell算法的初始点，进行n维搜索，得到Powell优化的最优解点P_k+2，其中n大于等于1，n为整数；

⑤将点P_k+2作为新一轮的初始点，重新初始化粒子群，令k＝k+2，并转到步骤②；

⑥输出最优解点P_k+1及目标函数值TI_k，所述最优解点P_k+1就是最佳变换参数tform12。