留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于矩阵恢复的红外偏振图像分区配准算法

刘晓诚,  薛模根,  黄勤超,  王峰

downloadPDF
文章导航 > 红外与激光工程  > 2014 >  43(8): 2733-2739
刘晓诚, 薛模根, 黄勤超, 王峰. 基于矩阵恢复的红外偏振图像分区配准算法[J]. 红外与激光工程, 2014, 43(8): 2733-2739.
引用本文: 刘晓诚, 薛模根, 黄勤超, 王峰. 基于矩阵恢复的红外偏振图像分区配准算法[J]. 红外与激光工程, 2014, 43(8): 2733-2739.
shu
Liu Xiaocheng, Xue Mogen, Huang Qinchao, Wang Feng. Algorithm of infrared polarization image patch registration based on matrix recovery[J]. Infrared and Laser Engineering, 2014, 43(8): 2733-2739.
Citation: Liu Xiaocheng, Xue Mogen, Huang Qinchao, Wang Feng. Algorithm of infrared polarization image patch registration based on matrix recovery[J]. Infrared and Laser Engineering, 2014, 43(8): 2733-2739.
shu

基于矩阵恢复的红外偏振图像分区配准算法

  • 1.

    解放军陆军军官学院 光电技术与系统实验室,安徽 合肥 230031

基金项目: 

国家自然科学基金（41176158）

详细信息
    作者简介:

    刘晓诚（1989- ），男，硕士生，主要从事图像处理、红外偏振信息解析等方面的研究。Email：liuxiaocheng18@sina.com

  • 中图分类号: TP391

Algorithm of infrared polarization image patch registration based on matrix recovery

  • 1.

    Laboratory of Electro & Optical Technology and System,Army Officer Academy of PLA,Hefei 230031,China

  • 摘要: 由于红外偏振图像具有灰度分布差别大、特征信息不明显等特点，传统区域或特征的配准算法精度难以满足红外偏振信息解析要求。从图像间相似性出发，以矩阵秩作为图像相似性的度量，提出了一种基于矩阵恢复的红外偏振图像分区配准算法。将一组待配准图像组成变化矩阵，并分解成低秩和稀疏两部分。以低秩变换矩阵核范数与稀疏变换矩阵1范数的和为目标函数，利用增广拉格朗日乘子法求得目标函数值最小时的各区域变换参数，加权平均后得到图像组的配准结果。实验结果表明，该算法配准变换参数误差小于0.02 pixel，且对噪声不敏感。
    Abstract: Due to differences between grey distribution in infrared polarization images were large and feature information was not obvious, accuracy of general registration algorithms based on region or features were hard to satisfy requirement of infrared polarization information analysis. According to matrix rank as a measure of image similarity, a patch-registration method based on matrix recovery theory was proposed. Transform matrix was composed by image patches without registration. The transform matrix could be decomposed to a low-rank matrix and a sparse matrix, objective function was sum of nuclear norm of the transformation low-rank matrix and 1 norm of the transformation sparse matrix. Registration parameter was achieved by augmented Lagrange multiplier method when the value of object function was the smallest. Finally, registration result was acquired from registration parameters in each region which had been averaged. The experiment result shows that the algorithm is not sensitive to noise. Error of its registration parameters is less than 0.02 pixel.
  • [1] Liu Jiyong, Zhang Pinyi, Xiao Renxin, et al. Image fusion algorithm at pixel level of polarization infrared image[J]. Infrared and Laser Engineering, 2007, 36(9): 286-289. (in Chinese)
    [2]
    [3] Persons C M，Chenault D B. Automated registration of polarimetric imagery using Fourier transform techniques[C]//SPIE, 2002, 4819: 107-117.
    [4] 柳继勇, 张聘义, 肖仁鑫, 等. 一种偏振红外图像的像素级融合算法[J]. 红外与激光工程, 2007, 36(9): 286-289.
    [5] Wang Kunpeng, Xu Yidan, Yu Qifeng, et al. Classification and state of IR/Visible image registration methods[J].Infrared Technology, 2009, 31(5): 270-274. (in Chinese)
    [6]
    [7] Ma Zhengde, Du Yunfei, Zhou Haifang, et al. Performance comparison of similarity measures for remote sensing image registration[J]. Computer Engineering Science, 2008, 30(2): 45-48. (in Chinese)
    [8]
    [9]
    [10] Ge Yongxin, Yang Dan, Zhang Xiaohong. A new method for image registration based on alignment metric of feature points[J], Journal of Electronics Information Technology, 2007, 29(2): 425-428. (in Chinese)
    [11] Ma Jun, Cao Zhiguo. An edge based approach to scene matching between infrared image and optical image[J]. Jisuanji Yu Shuzi Gong Cheng, 2006, 12(34): 30-32. (in Chinese)
    [12] 王鲲鹏, 徐一丹, 于起峰. 红外与可见光图像配准方法分类及现状[J]. 红外技术, 2009, 31(5): 270-274.
    [13]
    [14] Hrkac T, Kalafatic Z, Krapac J. Infrared-visual image registration based on corners and hausdorff distance[A]. Proc of SCIA, 2007: 383-392.
    [15]
    [16] Gao Feng, Wen Gongjian, Lu Jinjian. An optimal algorithm for IR/Visual image registration based on main-line-pairs[J]. Chinese Journal Of Computers, 2007, 30(6): 1014-1021. (in Chinese)
    [17] 马政德, 杜云飞, 周海芳, 等. 遥感图像配准中相似性测度的比较和分析[J]. 计算机工程与科学, 2008, 30(2): 45-48.
    [18] Su Juan, Lin Xinggang, Liu Daizhi. A multi-sensor image registration algorithm based on structure feature edges[J].Acta Automatica Sinica, 2009, 35(3): 251-257. (in Chinese)
    [19] Wright J, Yang A, Ganesh A, et al. Robust face recognition via sparse representation [J]. IEEE Trans on PAMI, 2009, 31: 210-227.
    [20]
    [21]
    [22] Zhouchen Lin, Chen M, Yi Ma, et al. The augmented Lagrange multiplier method for exact recovery of corrupted low-rank matrices[C]//UIUC Technical Report UILU-ENG, 2011,(9):2215.
    [23] Yigang Peng, Ganesh A, Wright J, et al. Robust alignment by sparse and low-rank decomposition for linearly correlated images[J]. IEEE Trans on PAMI, 2011, 34(11): 2233-2246.
    [24] 葛永新, 杨丹, 张小洪. 基于特征点对齐度的图像配准算法[J]. 电子与信息学报, 2007, 29(2): 425-428.
    [25] Gao Yingying, Yang Jianfeng, Ma Xiaolong, et al. Interference image registration based on Fourier-Mellin algorithm[J]. Optics and Precision Engineering, 2007, 15(9): 1415-1420. (in Chinese)
    [26]
    [27]
    [28] 马俊, 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, 12(34): 30-32.
    [29]
    [30]
    [31]
    [32] 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): 1014-1021.
    [33]
    [34]
    [35] 苏娟, 林行刚, 刘代志. 一种基于结构特征边缘的多传感器图像配准方法[J]. 自动化学报, 2009, 35(3): 251-257.
    [36]
    [37]
    [38]
    [39]
    [40]
    [41] 高莹莹, 杨建峰, 马晓龙, 等. 基于Fourier-Mellin算法的干涉图像配准[J]. 光学 精密工程， 2007, 15(9): 1415-1420.
  • [1] 王中军, 晁艳锋.  采用SURF特征和局部互相关信息的图像配准算法 . 红外与激光工程, 2022, 51(6): 20210950-1-20210950-6. doi: 10.3788/IRLA20210950
    [2] 张景程, 乔新博, 赵永强.  红外偏振摄像机动目标检测跟踪系统（特邀） . 红外与激光工程, 2022, 51(4): 20220233-1-20220233-10. doi: 10.3788/IRLA20220233
    [3] 赵慧洁, 张晓元, 贾国瑞, 邱显斐, 翟亮.  运动补偿下双通道星载高光谱成像仪图像配准 . 红外与激光工程, 2021, 50(3): 20211022-1-20211022-9. doi: 10.3788/IRLA20211022
    [4] 荆滢, 齐乃新, 杨小冈, 卢瑞涛.  基于LK和FAST的时间序列图像快速配准算法 . 红外与激光工程, 2018, 47(11): 1126006-1126006(9). doi: 10.3788/IRLA201847.1126006
    [5] 王志强, 程红, 谭海峰, 杨明权, 滕飞.  基于侧抑制竞争的航空遥感影像配准算法 . 红外与激光工程, 2018, 47(S1): 206-212. doi: 10.3788/IRLA201847.S126005
    [6] 黄卓, 陈凤东, 刘国栋, 魏富鹏, 彭志涛, 唐军, 刘楠.  连接向量特征匹配的暗场图像配准方法 . 红外与激光工程, 2018, 47(11): 1126005-1126005(6). doi: 10.3788/IRLA201847.1126005
    [7] 梁建安, 赵万利, 王霞, 贺思, 金伟其.  背景杂波对红外偏振成像系统作用距离的影响 . 红外与激光工程, 2017, 46(10): 1004003-1004003(7). doi: 10.3788/IRLA201782.1004003
    [8] 武奕楠, 李国宁, 张柯, 张宇, 金龙旭.  基于同名点追踪的空间相机成像拼接配准模型 . 红外与激光工程, 2016, 45(3): 326002-0326002(7). doi: 10.3788/IRLA201645.0326002
    [9] 王贵圆, 常本康, 富容国, 冯澍, 孙斌, 李英杰.  分光轴式多源图像融合系统近距离配准方法研究 . 红外与激光工程, 2016, 45(11): 1104003-1104003(7). doi: 10.3788/IRLA201645.1104003
    [10] 王霞, 梁建安, 龙华宝, 姚锦华, 夏润秋, 贺思, 金伟其.  典型背景和目标的长波红外偏振成像实验研究 . 红外与激光工程, 2016, 45(7): 704002-0704002(7). doi: 10.3788/IRLA201645.0704002
    [11] 李英杰, 张俊举, 常本康, 钱芸生, 刘磊.  远距离多波段红外图像融合系统及配准方法 . 红外与激光工程, 2016, 45(5): 526002-0526002(6). doi: 10.3788/IRLA201645.0526002
    [12] 牛涛, 杨风暴, 王肖霞, 安富, 李大威.  差异特征与融合算法的集值映射关系的建立 . 红外与激光工程, 2015, 44(3): 1073-1079.
    [13] 王志强, 程红, 杨桄, 李成, 吴迪.  全局图像配准的目标快速定位方法 . 红外与激光工程, 2015, 44(S1): 225-229.
    [14] 张宏伟, 樊祥, 朱斌, 施展.  引入外点剔除机制的双波段红外图像的配准 . 红外与激光工程, 2015, 44(S1): 23-28.
    [15] 何林阳, 刘晶红, 李刚, 刘剑.  改进BRISK特征的快速图像配准算法 . 红外与激光工程, 2014, 43(8): 2722-2727.
    [16] 杨蔚, 顾国华, 陈钱, 曾海芳, 徐富元, 王长江.  红外偏振图像的目标检测方法 . 红外与激光工程, 2014, 43(8): 2746-2751.
    [17] 吴明军, 许建铮, 周桢, 张亚涛.  针对运动摄像机的快速低存储开销运动目标检测算法 . 红外与激光工程, 2013, 42(8): 2275-2280.
    [18] 彭晨, 陈钱, 钱惟贤, 徐富元.  复杂地面场景下的红外运动目标跟踪 . 红外与激光工程, 2013, 42(6): 1410-1414.
    [19] 吴泽鹏, 郭玲玲, 朱明超, 贾宏光, 宣明.  结合图像信息熵和特征点的图像配准方法 . 红外与激光工程, 2013, 42(10): 2846-2852.
    [20] 张德新, 马广富, 邵晓巍.  利用目标直线边缘交点的某型航侦CCD相机图像拼接 . 红外与激光工程, 2012, 41(1): 234-238.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  280
  • HTML全文浏览量:  29
  • PDF下载量:  252
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-12-05
  • 修回日期:  2014-01-03
  • 刊出日期:  2014-08-25

基于矩阵恢复的红外偏振图像分区配准算法

  • 1. 解放军陆军军官学院 光电技术与系统实验室,安徽 合肥 230031
    • 作者简介:

    刘晓诚（1989- ），男，硕士生，主要从事图像处理、红外偏振信息解析等方面的研究。Email：liuxiaocheng18@sina.com

  • 收稿日期: 2013-12-05
  • 修回日期: 2014-01-03
  • 刊出日期: 2014-08-25
基金项目:

国家自然科学基金（41176158）

  • 中图分类号: TP391

摘要: 由于红外偏振图像具有灰度分布差别大、特征信息不明显等特点，传统区域或特征的配准算法精度难以满足红外偏振信息解析要求。从图像间相似性出发，以矩阵秩作为图像相似性的度量，提出了一种基于矩阵恢复的红外偏振图像分区配准算法。将一组待配准图像组成变化矩阵，并分解成低秩和稀疏两部分。以低秩变换矩阵核范数与稀疏变换矩阵1范数的和为目标函数，利用增广拉格朗日乘子法求得目标函数值最小时的各区域变换参数，加权平均后得到图像组的配准结果。实验结果表明，该算法配准变换参数误差小于0.02 pixel，且对噪声不敏感。

English Abstract

    全文HTML

参考文献 (41)

目录

    /

    返回文章
    返回

    版权所有 © 2019 《红外与激光工程》编辑部｜ 地址: 天津市空港经济区中环西路58号｜ 邮政编码: 300308

    津ICP备19007885号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计