CN104318583A - 一种可见光宽带光谱图像配准方法 - Google Patents

Abstract

本发明公开了一种可见光宽带光谱图像配准方法，包括对图像进行灰度化、去噪和降采样处理，利用SIFT算法提取图像特征点并构造特征描述算子；通过k-d树最近邻方法对特征点进行匹配，对匹配特征点进行坐标升采样处理；根据图像退化阈值T，利用欧式距离对错误匹配点进行约束，获得约束后匹配点集Ω_N；对约束后匹配点集进行m对匹配点空间均匀采样，获得均匀分布的匹配点集Ω_m；利用最小二乘方法求解图像放射变换参数矩阵T_m，利用T_m对待配准图像进行坐标变换和双线性插值计算；以参考图像和配准图像的互信息MI_m作为评价指标，锁定最大互信息MI_max对应的配准图像，实现可见光宽带光谱图像的配准。本发明能显著降低错误匹配点数目、提高图像配准精度。

Description

一种可见光宽带光谱图像配准方法

技术领域

本发明属于高保真数字影像采集技术领域，具体涉及一种可见光宽带光谱图像配准方法。

背景技术

宽带光谱成像技术是目前国内外高保真数字影像采集的主流技术之一。此项技术以采集物体表面的光谱反射率信息为最终目的，通常采用高分辨率数码后背配合宽带滤光片组成宽带光谱成像系统，通过将滤光片顺序地放置于数码后背的光路中拍摄，组合获得物体的多通道图像，然后通过光谱重建算法计算得到物体表面的光谱反射率，从而获取物体表面光谱反射率信息。其中，使用高分辨率RGB三通道数码相机配合两个宽带滤光片是目前宽带光谱成像的主流形式。此项技术可以准确获得表征物体表面的颜色的光谱反射率数据，并且能够渲染出物体在任意条件下的真实色彩信息，有效地克服了传统数字采集和再现设备存在的同色异谱问题，受到业界广泛青睐。

在此项技术实施过程之中，为获得物体表面准确的光谱反射率信息，需要将每个宽带滤光片对应的数字图像进行叠加，以获得物体表面的多通道图像，从而进行光谱反射率重建，得到物体表面的光谱图像。然而，受到宽带光谱成像系统本身不稳定性以及不同型号滤光片自身厚度、折射率和非理想共面等因素影响，实际获得的不同滤光片对应的数字图像之间总是存在几何扭曲现象，造成叠加之后重建得到的光谱图像存在模糊和彩色条纹等问题，从而降低了光谱图像的质量。

目前业界解决此类问题的主要方法是应用图像配准算法对获得的数字图像进行配准，该方法的核心思想是将其中的一幅图像作为参考图像，另外一幅图像作为待配准图像，通过扫描搜索图像间的空间特征相似关系或查找图像点、线、面等特征对应关系，将待配准图像映射到参考图像，完成图像间的配准。此种方法在提高配准精度的同时，也一定程度上提高了图像的配准效率。目前，在宽带光谱成像技术领域，现有的图像配准方法虽然都能一定程度的消除图像间的扭曲变形问题，但是由于对提取特征信息缺乏足够的分析处理，导致实际用于计算图像配准参数的特征信息中包含一部分错误信息，造成配准之后的图像间仍存在一定程度的扭曲变形。对于上述问题，目前学术界及工业界中皆尚未提出从图像匹配特征细化处理角度解决可见光宽带光谱图像精确配准的方法。

发明内容

为了解决背景技术中所述的问题，本发明提供了一种可见光宽带光谱图像配准方法。

本发明所采用的技术方案是：一种可见光宽带光谱图像配准方法，其特征在于，包括以下步骤：

步骤1：参考图像和待配准图像灰度化，其具体实现过程是将真彩色RGB图像转换成灰度图像；

步骤2：根据宽带光谱成像系统噪声类型，对参考图像灰度图和待配准图像灰度图去噪声处理；

步骤3：对参考图像灰度图和待配准图像灰度图进行一次或二次降采样处理，提高后续计算效率；

步骤4：利用SIFT算法提取参考图像灰度图和待配准图像灰度图中的尺度不变特征点，构造特征点的描述算子；

步骤5：利用基于k-d树的最近邻方法对特征点进行匹配，设置匹配特征点之间最近距离除以次近距离比例接受阈限为0.6；

步骤6：对参考图像和待配准图像匹配点坐标进行一次或二次升采样处理，计算得到匹配点在原图像中对应的坐标；

步骤7：根据统计的图像像素偏移阈值范围T，利用匹配点之间的欧氏距离对错误匹配点进行约束，获得约束之后的正确匹配点集Ω_N，其中包含N对匹配点，具体过程如下：

经过k-d树最近邻方法对参考图像和参考图像提取的SIFT特征点进行匹配后，共得到X对匹配点，分别以P_base-i和P_warp-i(i＝1、2、3、…、X)对应表示参考图像和待配准图像的匹配点集，则对应匹配点之间的欧式距离能表示为式一的形式：

dist(i)＝||P_base-i-P_warp-i||，(i＝1、2、3、…、X)  (式一)

设参考图像和待配准图像的像素最大偏移阈值为T，约束之后共得到N(N<X)对匹配点，则有式二：

dist(j)＝(dist(i)≤T)，(i＝1、2、3、…、X，j＝1、2、3、…、N)  (式二)

此时，确定的约束后匹配点集Ω_N，参考图像和待配准图像的对应匹配点集分别为P_base-j和P_warp-j(j＝1、2、3、…、N)；

步骤8：根据步骤7确定的约束后匹配点集Ω_N，对约束后匹配点集进行m对匹配点空间均匀采样，获得均匀分布的匹配点集Ω_m，同时利用最小二乘方法求解图像仿射变换参数矩阵T_m；所述的空间均匀采样的方法如下：

以参考图像的匹配点集P_base-j为对象进行空间均匀采样，研究假设选择具有最大方差的匹配点作为第一个匹配点，将使得随后匹配点在剩余匹配点集中也具有最大方差，首先计算匹配点集坐标矩阵P_base-j的方差，挑选方差最大的特征点作为第一个空间均匀匹配点，即：

$S_1=\underset{P_{\mathrm{base}-j}}{\arg }\max \mathrm{VAR}\left(P_{\mathrm{base}-j}\right),(j=\mathrm{1,2,3},...,N)$   (式三)

其中，VAR(P_base-j)表示参考图像匹配点集P_base-j的方差；剩余空间均匀匹配点的选择都遵循使当前挑选匹配点与距离自身最近的已选匹配点的欧式距离最大化原则，假设已经从匹配点集P_base-j的N个匹配点中选择了m(m<N)空间均匀匹配点，则剩余N-m个匹配点，然后利用式四计算剩余N-m个匹配点指标Q_k，

$Q_k=\underset{l=1}{\overset{k=1}{\min }}\left\{{\mathrm{\&Delta;D}}_{k,l}\right\}$   (式四)

其中，ΔD_k，l表示在二维坐标空间中剩余匹配点中的第k(k∈{1、2、…、N-m})个匹配点与已选空间均匀匹配点中的第l(l∈{1、2、…、m})个匹配点之间的欧式距离，则要选定的第m+1个空间均匀匹配点为最大Q_k值对应的匹配点为：

$S_{m+1}=\underset{Q_k}{\arg }\max \left(Q_k\right),k\&Element;\{\mathrm{1,2},...,N-m\}$   (式五)

对约束后匹配点集进行m对匹配点空间均匀采样，获得均匀分布的匹配点集Ω_m，由于计算仿射变换矩阵T_m时至少需要三对匹配点，因此m的取值范围为3≤m≤N；

步骤9：利用步骤8中计算得到的仿射变换矩阵T_m和双线性插值方法，对待配准图像进行配准变换，得到仿射变换矩阵T_m对应的配准后图像，并对配准后图像进行灰度化处理；

步骤10：计算参考图像与仿射变换矩阵T_m对应的配准后图像之间的互信息值MI_m，对于给定的参考图像X和配准图像Y，它们之间的互信息值为：

MI(X,Y)＝H(X)+H(Y|X)＝H(X)+H(Y)-H(X,Y)  (式六)

其中，

$H\left(X\right)=-\underset{x=X}{\mathrm{\&Sigma;}}p\left(x\right)\log p\left(x\right);$

$H\left(Y\right)=-\underset{y=Y}{\mathrm{\&Sigma;}}p\left(y\right)\log p\left(y\right);$

$H(X,Y)=-\underset{x=X}{\mathrm{\&Sigma;}}\underset{y=Y}{\mathrm{\&Sigma;}}p(x,y)\log p(x,y);$

其中，p(x)和p(y)分别表示参考图像X和配准图像Y中的灰度的概率分布，p(x，y)表示图像X和图像Y灰度值的联合概率密度；

步骤11：当匹配点空间均匀采样数m从3到N逐个取值时，对应获得N-3+1＝N-2个互信息值MIm，比较获得N-2个互信息值MIm的大小，锁定最大互信息值MImax，其对应的配准图像即为最终的配准图像，完成可见光宽带光谱图像配准。

作为优选，步骤5中匹配特征点之间最近距离除以次近距离比例接受阈限为0.6。

作为优选，T的值取6。

本发明从图像匹配特征细化处理角度出发，通过SIFT算法提取图像特征点并构造特征描述算子；通过k-d树最近邻方法对特征点进行匹配，对匹配特征点进行坐标升采样处理；根据图像退化阈值T，利用欧式距离对错误匹配点进行约束，获得约束后匹配点集Ω_N；对约束后匹配点集进行m对匹配点空间均匀采样，获得均匀分布的匹配点集Ω_m；利用最小二乘方法求解图像仿射变换参数矩阵T_m，利用T_m对待配准图像进行坐标变换和双线性插值计算；以参考图像和配准图像的互信息MI_m作为评价指标，实现可见光宽带光谱图像的精确配准。本发明在提高可见光宽带光谱图像配准精度的同时，一定程度简化了图像配准过程的计算量，在高保真数字影像采集领域具有较高的适用性。

附图说明

图1：为本发明实施例的流程图。

图2：为本发明中匹配点空间均匀采样算法简图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

如图1所示，实施例提供了一种可见光宽带光谱图像配准方法，可以有效地对可见光宽带光谱成像系统拍摄获得的数字图像进行配准，用于高保真数字影像采集。实施例采用瑞士制造的Sinarback eVolution 75H彩色滤光片阵列数码相机、仙娜座机数码镜头Sinaron Digital HR 4.0/100CAB和Dalsa公司生产的分辨率为4992×6668像素的FTF5066型号自制冷CCD传感器，配合两个宽带滤光片BG7和OG515改造而成可见光宽带光谱成像系统。需要说明的是，本发明并不仅仅局限于上述设备的应用支持，对于任意能实现上述设备功能的同等性质的设备同样适用。

实施例主要包括以下步骤：

1)参考图像和待配准图像灰度化，将真彩色RGB图像转换成灰度图像。

采用仙娜(Sinar 75H)三通道数码相机配合两个型号为BG7和OG515带通滤光片组成可见光宽带光谱成像系统，将两个滤光片顺序地放入拍摄光路中，拍摄得到两幅三通道数字图像，以BG7作为参考图像，以OG515作为待配准图像，将两幅三通道图像转换成灰度图像，计算得到两幅图像的互信息值为2.1913。

2)根据宽带光谱成像系统噪声类型，对参考图像和待配准图像灰度图去噪声处理。

分析知，本实施例中可见光宽带光谱成像系统在拍摄过程CCD中会因光电效应和热流子现象产生随机噪声，这些点不可作为图像配准时特征点，而SIFT算法对这些噪声点较为敏感，因此在提取图像特征点之前需要进行去噪声处理，实施例采用中值滤波对图像去噪声处理。

3)对参考图像和待配准图像灰度图进行一次/二次降采样处理，提高后续计算效率。

本实施例可见光宽带光谱成像系统采用的数码后背分辨率为4992×6668像素，经过四次曝光拍摄获得的三通道数字图像大小约为200Mb，这给计算机处理系统带来较大工作压力。而SIFT算法能够提取目标图像中对平移、旋转、尺度变换以及图像亮度变化具有不变性的特征点，且具有较高的鲁棒性，因此可以通过对原图像降采样的方法，在减小图像大小的同时又能保证不影响匹配特征点的提取，有效的提高了计算效率，本实施例采用两次隔行降采样处理，获得对应分辨率为1248×1667像素的参考和待配准灰度图。

4)利用SIFT算法提取参考图像和待配准图像灰度图中的尺度不变特征点，构造特征点的描述算子。

分别利用SIFT算法提取参考图像和待配准图像中的特征点，本实施例中，参考图像的SIFT特征点个数为1620个，待配准图像的SIFT特征点个数为1434个，对应构造每个特征点的128维描述算子。

SIFT算法为现有技术，本发明不予赘述。

5)利用基于k-d树的最近邻方法对特征点进行匹配。

利用基于k-d树的最近邻方法对特征点进行匹配，设置匹配特征点之间最近距离除以次近距离比例接受阈限为0.6，实施例对参考图像和待配准图像的特征进行匹配后，共得到159对匹配点，但通过画图显示匹配点对可知，159对匹配点中包含大量的错误匹配点。

6)对参考图像和待配准图像匹配点坐标进行一次/二次升采样处理，计算得到匹配点在原图像中对应的坐标。

对步骤5)中获得的159对匹配点坐标进行两次隔行升采样处理，获得159对匹配点在原图像中的坐标位置信息。

7)根据统计的图像像素偏移阈值范围T，利用匹配点之间的欧氏距离对错误匹配点进行约束。

本实施例中通过通过对包含27个型号的滤光片库中随机挑选的50组滤光片组合获得的6通道图像分析可知，参考图像和待配准图像之间的像素偏移分为以下三种情况：1)像素的上下左右平移，2)像素相对位置的旋转偏移，3)以图像中心为参考点的像素相对位置径向缩放。其中偏移范围最大可达±6个像素的距离，不同滤光片的组合在上述三种像素偏移情况的偏移情况也各不相同。因此取图像像素偏移阈值范围T为6，对获得的159对匹配点进行欧式距离约束。首先利用式(1)计算159对匹配点之间的欧式距离，

dist(i)＝||P_base-i-P_warp-i||，(i＝1，2，3，…，X)  (1)

其中，X＝159。然后根据设定的约束阈值，利用式(2)对159对匹配点中的错误匹配点进行约束，

dist(j)＝(dist(i)≤T)，(i＝1，2，3，…，X，j＝1，2，3，…，N)  (2)

其中，T＝6。约束之后得到满足条件的匹配点工84对，获得约束匹配点集Ω_N，N＝84，通过绘图对84对匹配点在原图中的分布可知，经过阈值约束后的匹配点整体分布于原图像的各个部分，总体分散性较好，但一些匹配点在部分区域内比较聚集，若以全部的匹配点用于仿射变换参数的求解，则比较集中的匹配点对变换参数的影响较大，这不利于图像全局配准。因此，需对匹配点集进行空间均匀采样，利用空间均匀分布的匹配点集求解图像仿射变换参数，更好的对图像进行全局配准；需要说明的是，对于不同的宽带光谱成像系统，欧式距离约束阈值T可调。

8)根据步骤7)确定的约束后匹配点集Ω_N，对约束后匹配点集进行m对匹配点空间均匀采样，获得均匀分布的匹配点集Ω_m，同时利用最小二乘方法求解图像仿射变换参数矩阵Tm。

本实施例中，采样个数影响最终的配准精度，合适的采样个数才能保证图像的高质量配准，因此在3≤m≤84范围内进行匹配点空间均匀采样，并计算对应的仿射变换矩阵Tm。具体如下所示：

请见图2，以参考图像的匹配点集P_base-j为对象进行空间均匀采样。研究假设选择具有最大方差的匹配点作为第一个匹配点，将使得随后匹配点在剩余匹配点集中也具有最大方差，首先计算匹配点集坐标矩阵P_base-j的方差，挑选方差最大的特征点作为第一个空间均匀匹配点，即：

$S_1=\underset{P_{\mathrm{base}-j}}{\arg }\max \mathrm{VAR}\left(P_{\mathrm{base}-j}\right),(j=\mathrm{1,2,3},...,N)---\left(3\right)$

其中，N＝84，VAR(P_base-j)表示参考图像匹配点集P_base-j的方差。剩余空间均匀匹配点的选择都遵循使当前挑选匹配点与距离自身最近的已选匹配点的欧式距离最大化原则，假设我们已经从匹配点集P_base-j的N个匹配点中选择了m(m<N)空间均匀匹配点，剩余N-m个匹配点，然后利用式四计算剩余N-m个匹配点指标Q_k，如式(4)所示：

$Q_k=\underset{l=1}{\overset{k=1}{\min }}\left\{{\mathrm{\&Delta;D}}_{k,l}\right\}---\left(4\right)$

其中，ΔD_k，l表示在二维坐标空间中剩余匹配点中的第k(k∈{1，2，…，N-m})个匹配点与已选空间均匀匹配点中的第l(l∈{1，2，…，m})个匹配点之间的欧式距离，则要选定的第m+1个空间均匀匹配点为最大Q_k值对应的匹配点，如式(5)所示：

$S_{m+1}=\underset{Q_k}{\arg }\max \left(Q_k\right),k\&Element;\{\mathrm{1,2},...,N-m\}---\left(5\right)$

m从3到84逐个取值，经过式(3)、式(4)、式(5)计算之后，共得到84-3+1＝82个空间均匀采样匹配点集，每个匹配点集对应包含m对匹配点，利用最小二乘方法计算得到每个匹配点集的仿射变换矩阵，共82个。

9)利用步骤8)中计算得到的仿射变换矩阵T_m和双线性插值方法，对待配准图像进行配准变换，得到仿射变换矩阵T_m对应的配准后图像，并对配准后图像进行灰度化处理。

本步骤中，分别利用步骤8)中计算得到的82个仿射变换矩阵和双线性插值方法，对OG515获得的待配准图像进行配准变换，并对配准后图像进行灰度化处理，共获得82幅配准后的灰度图像。

10)计算参考图像与仿射变换矩阵T_m对应的配准后图像之间的互信息值MI_m。

本步骤中，对于设定的参考图像BG7的灰度图和步骤9)中获得的82幅配准图像，按照式(6)计算它们之间的互信息值：

MI(X,Y)＝H(X)+H(Y|X)＝H(X)+H(Y)-H(X,Y)  (6)

其中，X表示参考图像，Y表示配准图像，

$H\left(X\right)=-\underset{x=X}{\mathrm{\&Sigma;}}p\left(x\right)\log p\left(x\right)$

$H\left(Y\right)=-\underset{y=Y}{\mathrm{\&Sigma;}}p\left(y\right)\log p\left(y\right)---\left(7\right)$

$H(X,Y)=-\underset{x=X}{\mathrm{\&Sigma;}}\underset{y=Y}{\mathrm{\&Sigma;}}p(x,y)\log p(x,y)$

式(7)中，p(x)和p(y)分别表示参考图像X和配准图像Y的灰度的概率分布，p(x，y)表示图像X和图像Y灰度值的联合概率密度。按照式(6)计算，共得到82个配准图像与参考图像的互信息值。

11)比较获得N-2个互信息值MI_m的大小，锁定最大互信息值MI_max，完成可见光宽带光谱图像配准。

本实施例中，对步骤10)中计算得到的82个互信息值进行比较，当均匀采样匹配点数目达到20对时，对应最大互信息值MI_max＝MI₂₀＝2.3794，因此将采样数目为20对时，对应的配准图像作为最优配准配准结果。此外，使用全部84个匹配点配准的互信息值仅为MI₈₄＝2.2289，由此可知，使用20对空间均匀采样匹配点配准后图像的互信息值与使用全部84对匹配点相比，相对于配准前的互信息值提高幅度前者是后者的5倍。

本实施例中的T的值取6，这并不是对本方法的限定，事实上，本方法针对不同的光谱成像系统T的值可以不同。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (3)

1.一种可见光宽带光谱图像配准方法，其特征在于，包括以下步骤：

步骤1：参考图像和待配准图像灰度化，其具体实现过程是将真彩色RGB图像转换成灰度图像；

步骤2：根据宽带光谱成像系统噪声类型，对参考图像灰度图和待配准图像灰度图去噪声处理；

步骤3：对参考图像灰度图和待配准图像灰度图进行一次或二次降采样处理，提高后续计算效率；

步骤4：利用SIFT算法提取参考图像灰度图和待配准图像灰度图中的尺度不变特征点，构造特征点的描述算子；

步骤5：利用基于k-d树的最近邻方法对特征点进行匹配，设置匹配特征点之间最近距离除以次近距离比例接受阈限为0.6；

步骤6：对参考图像和待配准图像匹配点坐标进行一次或二次升采样处理，计算得到匹配点在原图像中对应的坐标；

步骤7：根据统计的图像像素偏移阈值范围T，利用匹配点之间的欧氏距离对错误匹配点进行约束，获得约束之后的正确匹配点集Ω_N，其中包含N对匹配点，具体过程如下：

经过k-d树最近邻方法对参考图像和参考图像提取的SIFT特征点进行匹配后，共得到X对匹配点，分别以P_base-i和P_warp-i(i＝1、2、3、…、X)对应表示参考图像和待配准图像的匹配点集，则对应匹配点之间的欧式距离能表示为式一的形式：

dist(i)＝||P_base-i-P_warp-i||，(i＝1、2、3、…、X)   (式一)

设参考图像和待配准图像的像素最大偏移阈值为T，约束之后共得到N(N<X)对匹配点，则有式二：

dist(j)＝(dist(i)≤T)，(i＝1、2、3、…、X，j＝1、2、3、…、N)   (式二)

此时，确定的约束后匹配点集Ω_N，参考图像和待配准图像的对应匹配点集分别为P_base-j和P_warp-j(j＝1、2、3、…、N)；

步骤8：根据步骤7确定的约束后匹配点集Ω_N，对约束后匹配点集进行m对匹配点空间均匀采样，获得均匀分布的匹配点集Ω_m，同时利用最小二乘方法求解图像仿射变换参数矩阵T_m；所述的空间均匀采样的方法如下：

以参考图像的匹配点集P_base-j为对象进行空间均匀采样，研究假设选择具有最大方差的匹配点作为第一个匹配点，将使得随后匹配点在剩余匹配点集中也具有最大方差，首先计算匹配点集坐标矩阵P_base-j的方差，挑选方差最大的特征点作为第一个空间均匀匹配点，即：

$S_1=\underset{P_{\mathrm{base}-j}}{\arg }\max \mathrm{VAR}\left(P_{\mathrm{base}-j}\right),(j=\mathrm{1,2,3},...,N)$    (式三)

其中，VAR(P_base-j)表示参考图像匹配点集P_base-j的方差；剩余空间均匀匹配点的选择都遵循使当前挑选匹配点与距离自身最近的已选匹配点的欧式距离最大化原则，假设已经从匹配点集P_base-j的N个匹配点中选择了m(m<N)空间均匀匹配点，则剩余N-m个匹配点，然后利用式四计算剩余N-m个匹配点指标Q_k，

$Q_k=\underset{l=1}{\overset{k=1}{\min }}\left\{{\mathrm{\&Delta;D}}_{k,l}\right\}$    (式四)

其中，ΔD_k，l表示在二维坐标空间中剩余匹配点中的第k(k∈{1、2、…、N-m})个匹配点与已选空间均匀匹配点中的第l(l∈{1、2、…、m})个匹配点之间的欧式距离，则要选定的第m+1个空间均匀匹配点为最大Q_k值对应的匹配点为：

$S_{m+1}=\underset{Q_k}{\arg }\max \left(Q_k\right),k\&Element;\{\mathrm{1,2},...,N-m\}$ (式五)

对约束后匹配点集进行m对匹配点空间均匀采样，获得均匀分布的匹配点集Ω_m，由于计算仿射变换矩阵T_m时至少需要三对匹配点，因此m的取值范围为3≤m≤N；

步骤9：利用步骤8中计算得到的仿射变换矩阵T_m和双线性插值方法，对待配准图像进行配准变换，得到仿射变换矩阵T_m对应的配准后图像，并对配准后图像进行灰度化处理；

步骤10：计算参考图像与仿射变换矩阵T_m对应的配准后图像之间的互信息值MI_m，对于给定的参考图像X和配准图像Y，它们之间的互信息值为：

MI(X,Y)＝H(X)+H(Y|X)＝H(X)+H(Y)-H(X,Y)   (式六)

其中，

$H\left(X\right)=-\underset{x=X}{\mathrm{\&Sigma;}}p\left(x\right)\log p\left(x\right);$

$H\left(Y\right)=-\underset{y=Y}{\mathrm{\&Sigma;}}p\left(y\right)\log p\left(y\right);$

$H(X,Y)=-\underset{x=X}{\mathrm{\&Sigma;}}\underset{y=Y}{\mathrm{\&Sigma;}}p(x,y)\log p(x,y);$

其中，p(x)和p(y)分别表示参考图像X和配准图像Y中的灰度的概率分布，p(x，y)表示图像X和图像Y灰度值的联合概率密度；

步骤11：当匹配点空间均匀采样数m从3到N逐个取值时，对应获得N-3+1＝N-2个互信息值MIm，比较获得N-2个互信息值MIm的大小，锁定最大互信息值MImax，其对应的配准图像即为最终的配准图像，完成可见光宽带光谱图像配准。

2.根据权利要求1所述的可见光宽带光谱图像配准方法，其特征在于：步骤5中匹配特征点之间最近距离除以次近距离比例接受阈限为0.6。

3.根据权利要求1或2所述的可见光宽带光谱图像配准方法，其特征在于：T的值取6。