图像配准是图像处理领域的一个重要研究方向,是完成图像融合工作最基本的一步,在医学、遥感和军事等领域具有很强的应用价值。虽然同一场景的多模态图像在灰度属性和分辨率等方面存在很大差异,但它们同时在一定程度上既包含着互补信息又包含着共同信息,这使得多模态图像配准成为一个理论上可行而实现起来比较困难的工作。本课题以变电站巡检机器人获得的红外热像仪图像和可见光图像为研究对象,重点考察多模态图像配准技术中的图像预处理和配准准则两个关键环节。主要工作概括如下:1.分别采用对齐度准则和归一化互信息准则进行红外热像仪图像和可见光图像的配准。分析当前几种常见配准算法的原理并将其应用于红外热像仪图像和可见光图像的配准,着重以对齐度准则和归一化互信息准则为例,详细介绍了其用于多模态图像配准的算法流程和实验效果。大量实验结果表明,对齐度和归一化互信息算法对于红外热像仪图像和可见光图像的配准是有效的,而且前者的配准准确率要高于后者。2.实验发现并从理论上分别证明了对齐度和归一化互信息配准算法的正负像无关性。由于不同模态图像之间的属性差异较大,为了使不同模态的图像尽可能地达到模态一致,配准之前的图像预处理是关键。通过分析红外热像仪图像和可见光图像的成像机理和特点,采用了图像灰度化、图像负像化、分辨率调整等预处理技术。将红外热像仪图像负像化是常用的预处理环节,但实验分析发现,这两种配准算法均与图像正负像无关,即可见光图像与相应的红外热像仪图像正像和负像的配准结果相同,理论证明表明了该结论的正确性。这一规律对于提高基于对齐度或互信息的一系列配准算法的计算效率具有重要的现实和理论意义。3.提出用于多模态图像配准的集成准则。为了提高配准的准确率,在图像预处理阶段又引入了图像边缘检测和均衡化,然后在对齐度和归一化互信息两种算法的基础上,提出了六种配准方法,分别进行直接配准、边缘检测后配准和均衡化后配准。通过对大量红外热像仪图像和可见光图像进行配准,综合分析这六种配准方法的实验结果,发现它们之间具有良好的互补性,因此综合利用这六种配准方法,使用基于可信度的加权准则和集中准则来进行集成多模态图像自动配准能很好地改善配准的效果。实验结果表明,基于集成准则的配准方法准确性高,鲁棒性强,较之非集成配准方法具有明显的优势,为多模态图像自动配准的研究提供了一个新的思路。