CN104537680A - 基于边缘显著度的efmt异源图像配准方法及系统 - Google Patents

Abstract

本发明涉及基于边缘显著度的EFMT异源图像配准方法及系统，所述方法包括以下步骤：步骤a.边缘提取模块提取参考图像和待配准图像的边缘图像；步骤b.计算模块将所述边缘图像变换到对数－极坐标域，并计算所述对数－极坐标域图像的相位相关，得到图像的旋转角度和尺度因子；步骤c.图像变换模块根据所述旋转角度和尺度因子对所述待配准图像进行图像变换，边缘提取模块提取所述变换后图像的边缘图像；步骤d.计算模块计算步骤c中所述边缘图像变换和步骤a中的参考图像的边缘图像的相位相关，旋转角度得到图像平移参数。本方案在传统配准算法的基础上，利用图像的边缘图像进行FMT变换，提高了异源图像配准的精度和速度。

Description

基于边缘显著度的EFMT异源图像配准方法及系统

技术领域

本发明涉及图像领域，尤其涉及基于边缘显著度的EFMT异源图像配准方法及系统。

背景技术

图像配准是多源数据融合、时序图像分析、目标检测、模式识别、图像镶嵌等实际应用的重要步骤。随着图像获取手段和技术的不断扩展和提高，图像配准所面临的配准精度低、成功率低、实时性差等问题也日益突出。尤其是异源图像的配准，一直是配准领域的难点。

异源图像的最大问题在于其记录的是同一目标或场景在不同波段的反射特性，由于成像机理不同，所呈现的灰度表现相差很大，而且无规律可循。常用的图像配准技术一般可以分为基于特征的配准和基于区域的配准。基于图像特征的方法如sift/surf/fast等提取各类图像中保持不变的特征，如角点、闭区域的中心、边缘、轮廓等。由于基于特征的方法提取了图像的显著特征，大大压缩了图像的信息量，其主要优点是计算量小，速度较快，而且它对图像灰度的变化具有鲁棒性。但基于特征的方法不适合于异源图像的配准，因为只提取了图像的一小部分信息，使得这种方法对特征提取和特征匹配的错误非常敏感，而异源图像恰恰存在特征不一致的问题，直接采用基于特征的方法，容易出现错误的匹配。

基于灰度的配准方法通常不需要对图像做特征提取，而是直接利用整幅图像的灰度信息，建立两幅图像之间的相似性度量(如互信息、互相关等)，然后采用某种搜索方法，寻找使相似性度量值最大或最小的变换模型的参数值。因为利用了全部的图像灰度信息，所以估计的精度和鲁棒性比较高。但在这种方法中，整幅图像的数据都要参与运算，因此其计算量很大，速度较慢，适用于灰度信息大于结构信息的情况；虽然可以在一定误差范围内容完成配准，但配准时间长。

另外一种异源图像配准算法是变换域方法，1994年Chen等人提出了一种基于Fourier-Mellin变换(简称FMT算法)的图像配准方法，该方法通过计算两幅图像互功率谱的反Fourier变换所对应的峰值位置求取它们的相对平移，通过对图像幅度谱进行对数—极坐标(Log-polar)变换，在Log-polar空间利用傅立叶变换的旋转和尺度特性求得图像间的旋转角度和尺度缩放因子。Reddy等人通过遥感图像、医学图像、目标识别与跟踪等应用的大量实验证明，该方法除具有精度高、速度快的优点外，对诸如光照变化、图像内容不同、遮挡、系统校正误差、加性噪声等都具有很强的鲁棒性。这种传统的FMT算法首先对图像进行FFT变换，然后在频域进行高频滤波，再将滤波后的图像(频域图像)变换到Log-polar域；然后再进行FFT变换，最后利用相位相关方法求旋转角度。但该方法也存在一些固有的问题：一是此方法仍然适用于灰度信息丰富的图像；二是当存在旋转时相关峰值显著性降低，相关峰所在位置并非可靠对应正确匹配参数；二是对单纯的平移变换存在配准误差大甚至失配。以上问题使得异源图像的配准问题仍然需要好的方法和途径。

发明内容

针对背景技术中出现的问题，本发明提出了基于边缘显著度的EFMT异源图像配准方法，所述方法包括以下步骤：

步骤a.边缘提取模块提取参考图像和待配准图像的边缘图像；

步骤b.计算模块将所述边缘图像变换到对数－极坐标域，并计算所述对数－极坐标域的相位相关，得到图像的旋转角度和尺度因子；

步骤c.图像变换模块根据所述旋转角度和尺度因子对所述待配准图像进行图像变换，边缘提取模块提取所述变换后图像的边缘图像；

步骤d.计算模块计算步骤c中所述边缘图像和步骤a中参考图像的边缘图像的相位相关，得得到图像平移参数。

优选的是，所述边缘图像的提取方法包括时域边缘检测法。

根据上述任一方案优选的是，所述边缘图像包括二值边缘图像。

根据上述任一方案优选的是，所述步骤b中计算模块将所述边缘图像变换到对数－极坐标域后，进一步包括：对所述对数－极坐标域的图像进行互功率谱运算；计算图像的旋转角度和尺度因子；计算扶正图像的边缘图像；根据参数对扶正图像进行平移变换得到配准后的图像。

根据上述任一方案优选的是，对参考图像R和待配准图像S提取边缘，得二值边缘图像： $\begin{array}{c}r=E\left(R\right)\\ s=E\left(S\right)\end{array}.$

根据上述任一方案优选的是，所述边缘图像变换到对数－极坐标域公式：

$\begin{array}{c}\mathrm{LPr}=\log -\mathrm{polar}\left(r\right)\\ \mathrm{LPs}-\log -\mathrm{polar}\left(s\right)\end{array}.$

根据上述任一方案优选的是，对所述对数－极坐标域的图像进行互功率谱运算：

$\begin{array}{c}\frac{F_1(u,v)F_2^{*}(u,v)}{\left|F_1(u,v)F_2^{*}(u,v)\right|}=\frac{F_1(u,v)}{\left|F_1(u,v)\right|}\·\frac{F_2^{*}(u,v)}{\left|F_2^{*}(u,v)\right|}=\frac{\left|F_1(u,v)\right|{\mathrm{\φ}}_1(u,v)}{\left|F_1(u,v)\right|}\·\frac{\left|F_2^{*}(u,v)\right|(-{\mathrm{\φ}}_2(u,v))}{\left|F_2^{*}(u,v)\right|}\\ =\exp \left[j\left(({\mathrm{\φ}}_1(u,v)-{\mathrm{\φ}}_2(u,v)\right)\right]\end{array}.$

根据上述任一方案优选的是，在无噪声情况下，所述图像互功率谱运算公式：

$\frac{F_1(u,v)F_2^{*}(u,v)}{\left|F_1(u,v)F_2^{*}(u,v)\right|}=\exp [-j2\mathrm{\π}({\mathrm{ux}}_0+{\mathrm{vy}}_0].$

本发明还提供了一种异源图像配准系统，其特征在于，所述系统包括以下模块：

边缘提取模块，用于提取参考图像和待配准图像的边缘图像以及变换后图像的边缘图像；

计算模块，用于将边缘图像变换到对数－极坐标域，并计算所述对数－极坐标域的相位相关，得到图像的旋转角度和尺度因子以及计算得到图像的平移参数；

图像变换模块，所述图像变换模块根据所述旋转角度和尺度因子对所述待配准图像进行图像变换以及根据平移参数对扶正图像进行平移变换。

优选的是，所述边缘提取模块进一步包括时域边缘检测模块。

根据上述任一方案优选的是，所述边缘图像包括二值边缘图像。

根据上述任一方案优选的是，所述计算模块进一步用于：对所述对数－极坐标域的图像进行互功率谱运算，计算图像的旋转角度和尺度因子；所述边缘提取模块进一步用于计算扶正图像的边缘图像；所述图像变换模块进一步用于根据参数对扶正图像进行平移变换得到配准后的图像。

根据上述任一方案优选的是，对参考图像R和待配准图像S提取边缘，得二值边缘图像： $\begin{array}{c}r=E\left(R\right)\\ s=E\left(S\right)\end{array}.$

根据上述任一方案优选的是，所述边缘图像变换到对数－极坐标域公式：

$\begin{array}{c}\mathrm{LPr}=\log -\mathrm{polar}\left(r\right)\\ \mathrm{LPs}-\log -\mathrm{polar}\left(s\right)\end{array}.$

根据上述任一方案优选的是，对所述对数－极坐标域的图像进行互功率谱运算：

$\begin{array}{c}\frac{F_1(u,v)F_2^{*}(u,v)}{\left|F_1(u,v)F_2^{*}(u,v)\right|}=\frac{F_1(u,v)}{\left|F_1(u,v)\right|}\·\frac{F_2^{*}(u,v)}{\left|F_2^{*}(u,v)\right|}=\frac{\left|F_1(u,v)\right|{\mathrm{\φ}}_1(u,v)}{\left|F_1(u,v)\right|}\·\frac{\left|F_2^{*}(u,v)\right|(-{\mathrm{\φ}}_2(u,v))}{\left|F_2^{*}(u,v)\right|}\\ =\exp \left[j\left(({\mathrm{\φ}}_1(u,v)-{\mathrm{\φ}}_2(u,v)\right)\right]\end{array}.$

根据上述任一方案优选的是，在无噪声情况下，所述图像互功率谱运算公式：

$\frac{F_1(u,v)F_2^{*}(u,v)}{\left|F_1(u,v)F_2^{*}(u,v)\right|}=\exp [-j2\mathrm{\π}({\mathrm{ux}}_0+{\mathrm{vy}}_0].$

本发明所提供的基于边缘显著度的EFMT异源图像配准方法在传统配准算法的基础上，利用图像的边缘图像进行变换，提高了异源图像配准的精度和速度。

附图说明

图1是现有技术中传统的FMT配准算法流程示意图。

图2是按照本发明的基于边缘显著度的EFMT异源图像配准方法一优选实施例的流程图。

图3是按照本发明的基于边缘显著度的EFMT异源图像配准方法另一优选实施例的流程图。

具体实施方式

下面参照附图结合示例性的实施例对本发明进行详细描述。

实施例1：

如图1所示为现有技术中传统的FMT配准算法流程示意图，该方法为1994年Chen等人提出的一种基于Fourier-Mellin变换(简称FMT算法)的图像配准方法，其通过计算两幅图像互功率谱的反Fourier变换所对应的峰值位置求取它们的相对平移，通过对图像幅度谱进行对数—极坐标(Log-polar)变换，在Log-polar空间利用傅立叶变换的旋转和尺度特性求得图像间的旋转角度和尺度缩放因子。Reddy等人通过遥感图像、医学图像、目标识别与跟踪等应用的大量实验证明，该方法除具有精度高、速度快的优点外，对诸如光照变化、图像内容不同、遮挡、系统校正误差、加性噪声等都具有很强的鲁棒性。这种传统的FMT算法首先对图像进行FFT变换，然后在频域进行高频滤波，再将滤波后的图像(频域图像)变换到Log-polar域；然后再进行FFT变换，最后利用相位相关方法求旋转角度。但该方法也存在一些固有的问题：一是此方法仍然适用于灰度信息丰富的图像；二是当存在旋转时相关峰值显著性降低，相关峰所在位置并非可靠对应正确匹配参数；二是对单纯的平移变换存在配准误差大甚至失配。以上问题使得异源图像的配准问题仍然需要好的方法和途径。

本实施例中，提供了一种基于边缘显著度的EFMT异源图像配准方法，如图2所示，所述方法包括以下步骤：

步骤a.边缘提取模块提取参考图像和待配准图像的边缘图像；

步骤b.计算模块将所述边缘图像变换到对数－极坐标域，并计算所述对数－极坐标域的相位相关，得到图像的旋转角度和尺度因子；

步骤c.图像变换模块根据所述旋转角度和尺度因子对所述待配准图像进行图像变换，边缘提取模块提取所述变换后图像的边缘图像；

步骤d.计算模块计算步骤c中所述边缘图像和步骤a中参考图像的边缘图像的相位相关，得到图像平移参数。

其中，所述边缘图像的提取方法包括时域边缘检测法，所述边缘图像包括二值边缘图像。所述步骤b中计算模块将所述边缘图像变换到对数－极坐标域后，进一步包括：对所述对数－极坐标域的图像进行互功率谱运算；计算图像的旋转角度和尺度因子；计算扶正图像的边缘图像；根据平移参数对扶正图像进行平移变换得到配准后的图像。

本实施例所述方案同传统的FMT配准算法相比，其参与相位相关计算的不是高通滤波后的对数—极坐标图像，而是边缘的对数—极坐标图像。由于边缘图像相比高通滤波，包含了更详细的图像结构信息，因此进一步提高图像配准的精度；同时，由于参与运算的是二值边缘图像，参与运算的图像数据大大减少，配准的速度也得到进一步提高。

实施例2：

如图3所示，为按照本发明的基于边缘显著度的EFMT异源图像配准方法另一优选实施例的流程图。依次包括：对参考图像R和待配准图像S提取边缘，得到二值边缘图像；将边缘图像变换到Log-polar域，得到LPr和LPs；对LPr和LPs进行互功率谱运算；计算图像的旋转角度和尺度因子；对待配准图像进行逆变换，得到扶正图像；根据参考边缘图像和扶正边缘图像进行相位相关计算，得到平移量；根据平移量对旋转扶正图像进行平移变换得到配准后的图像。

具体而言，步骤1.对参考图像R和待配准图像S提取边缘，得二值边缘图像：

$\begin{array}{c}r=E\left(R\right)\\ s=E\left(S\right)\end{array}---\left(1\right)$

式(1)中，E(·)表示边缘提取算子，常见的有Canny算子、Sobel算子等。

步骤2.将边缘图像变换到Log-polar域

$\begin{array}{c}\mathrm{LPr}=\log -\mathrm{polar}\left(r\right)\\ \mathrm{LPs}-\log -\mathrm{polar}\left(s\right)\end{array}---\left(2\right)$

式(2)中，Log-polar(·)表示时域到Log-polar域的转换算子。

步骤3.对LPr和LPs进行互功率谱运算

求两幅图像的互功率谱来得到变换参数。利用相位谱的信息进行互功率谱的计算，可推导如下：

$\begin{array}{c}\frac{F_1(u,v)F_2^{*}(u,v)}{\left|F_1(u,v)F_2^{*}(u,v)\right|}=\frac{F_1(u,v)}{\left|F_1(u,v)\right|}\·\frac{F_2^{*}(u,v)}{\left|F_2^{*}(u,v)\right|}=\frac{\left|F_1(u,v)\right|{\mathrm{\φ}}_1(u,v)}{\left|F_1(u,v)\right|}\·\frac{\left|F_2^{*}(u,v)\right|(-{\mathrm{\φ}}_2(u,v))}{\left|F_2^{*}(u,v)\right|}\\ =\exp \left[j\left(({\mathrm{\φ}}_1(u,v)-{\mathrm{\φ}}_2(u,v)\right)\right]\end{array}---\left(3\right)$

式(3)中，F₁(u,v)和F₂(u,v)分别是f₁(x,y)和f₂(x,y)的傅里叶变换；为F₂(u,v)的共轭；φ₁(u,v)和φ₂(u,v)分别是f₁(x,y)和f₂(x,y)的相位谱，在没有噪声的情况下，式(3)也写为：

$\frac{F_1(u,v)F_2^{*}(u,v)}{\left|F_1(u,v)F_2^{*}(u,v)\right|}=\exp [-j2\mathrm{\π}({\mathrm{ux}}_0+{\mathrm{vy}}_0]---\left(4\right)$

对式(4)进行Fourier逆变换就可以得到一个δ函数，其中心在(x₀,y₀)处。具体计算式如下：

$\frac{\mathrm{LPrF}(u,v)\·\mathrm{LPs}{F}_2^{*}(u,v)}{|\mathrm{LPrF}(u,v)\·{\mathrm{LPsF}}_2^{*}(u,v)|}=\exp [-j2\mathrm{\π}({\mathrm{ux}}_0+{\mathrm{vy}}_0]---\left(5\right)$

步骤4.由(x₀,y₀)计算图像的旋转角度(度)和尺度因子，注意，此处不是直接测量得到而是间接计算出来的，方法如下：

其中，N为图像y方向大小，以328*512大小为例，若尖峰脉冲的y₀＝300，则旋转角度：

步骤5.依和对待配准图像S进行逆变换，得到扶正图像IS，并计算其边缘图像is：

$\mathrm{IS}=\mathrm{Transform}\left(S\right|-\widehat{\mathrm{\θ}},\frac{1}{\widehat{\mathrm{\σ}}})---\left(8\right)$

is＝E(IS)                  (9)

式(8)中，Transform(·)代表图像变换算子。

步骤6.根据式(4)对参考边缘图像r和扶正边缘图像is进行相位相关计算，得到平移量和

$\frac{\mathrm{rF}(u,v)\·\mathrm{is}{F}_2^{*}(u,v)}{|\mathrm{rF}(u,v)\·\mathrm{is}{F}_2^{*}(u,v)|}=\exp [-j2\mathrm{\π}({\mathrm{ux}}_0+{\mathrm{vy}}_0]---\left(10\right)$

步骤7.根据参数和对扶正图像IS进行平移变换得到配准后的图像FS。

FS＝Translate(s|-t_x,-t_y)                (11)

式(11)中，Translate(·)代表平移算子。

实施例3：

本实施例提供了一种异源图像配准系统，所述系统包括以下模块：

边缘提取模块，用于提取参考图像和待配准图像的边缘图像以及变换后图像的边缘图像；

计算模块，用于将边缘图像变换到对数－极坐标域，并计算所述对数－极坐标域的相位相关，得到图像的旋转角度和尺度因子以及计算得到图像的平移参数；

图像变换模块，所述图像变换模块根据所述旋转角度和尺度因子对所述待配准图像进行图像变换以及根据平移参数对扶正图像进行平移变换。

其中，所述边缘提取模块进一步包括时域边缘检测模块，所述边缘图像包括二值边缘图像。所述计算模块进一步用于：对所述对数－极坐标域的图像进行互功率谱运算，计算图像的旋转角度和尺度因子；所述边缘提取模块进一步用于计算扶正图像的边缘图像；所述图像变换模块进一步用于根据平移参数对扶正图像进行平移变换得到配准后的图像。其中，对参考图像R和待配准图像S提取边缘，得二值边缘图像： $\begin{array}{c}r=E\left(R\right)\\ s=E\left(S\right)\end{array}.$ 所述边缘图像变换到对数－极坐标域公式： $\begin{array}{c}\mathrm{LPr}=\log -\mathrm{polar}\left(r\right)\\ \mathrm{LPs}-\log -\mathrm{polar}\left(s\right)\end{array}.$ 对所述对数－极坐标域的图像进行互功率谱运算：

$\begin{array}{c}\frac{F_1(u,v)F_2^{*}(u,v)}{\left|F_1(u,v)F_2^{*}(u,v)\right|}=\frac{F_1(u,v)}{\left|F_1(u,v)\right|}\·\frac{F_2^{*}(u,v)}{\left|F_2^{*}(u,v)\right|}=\frac{\left|F_1(u,v)\right|{\mathrm{\φ}}_1(u,v)}{\left|F_1(u,v)\right|}\·\frac{\left|F_2^{*}(u,v)\right|(-{\mathrm{\φ}}_2(u,v))}{\left|F_2^{*}(u,v)\right|}\\ =\exp \left[j\left(({\mathrm{\φ}}_1(u,v)-{\mathrm{\φ}}_2(u,v)\right)\right]\end{array}.$

在无噪声情况下，所述图像互功率谱运算公式为：

$\frac{F_1(u,v)F_2^{*}(u,v)}{\left|F_1(u,v)F_2^{*}(u,v)\right|}=\exp [-j2\mathrm{\π}({\mathrm{ux}}_0+{\mathrm{vy}}_0].$

本实施例所述方案提高了图像配准的精度，同时，由于参与运算的是二值边缘图像，参与运算的图像数据大大减少，配准的速度也得到进一步提高。

实施例4：

本实施例提供了一种谱分离的视觉显著区域提取方法，包括显著图的生成、分割和增强，所述方法包括以下步骤：图像变换模块对图像进行FFT变换，并提取图像的二维幅度谱和二维相位谱；中值滤波模块对图像的二维幅度谱进行中值滤波运算，并将中值滤波后的幅度谱和原相位谱相加；图像逆变换模块对所述相加后的图像谱进行傅里叶逆变换，得到视觉显著图；显著区域处理模块对所述显著图进行显著候选区域的分割和聚合。本实施例所述方案通过谱分离的方法，完整保留了图像在结构及灰度方面的显著信息，得到了图像的显著图；并通过形态学的方法对显著图进行分割和增强，将图像的显著区域提取出来，提高了视觉显著区域提取的准确性。

实施例5：

本实施例提供了一种谱分离的视觉显著区域提取系统，包括显著图的生成、分割和增强，所述系统包括以下模块：图像变换模块，用于对图像进行FFT变换，并提取图像的二维幅度谱和二维相位谱；中值滤波模块，用于对图像的二维幅度谱进行中值滤波运算，并将中值滤波后的幅度谱和原相位谱相加；图像逆变换模块，用于对所述相加后的图像谱进行傅里叶逆变换，得到视觉显著图；显著区域处理模块，用于对所述显著图进行显著候选区域的分割和聚合。所述显著区域处理模块包括：分割模块，用于对已计算出的目标显著性增强图进行自适应阈值分割获得二值图，得到初始的二值目标候选区域集合。所述显著区域处理模块包括：聚合模块，用于完成形态学二值闭操作。本实施例所述方案从图像的场景特点出发，通过分离图像的幅度谱和相位谱，既保留了图像的结构信息又保留了有用的灰度信息，并通过形态学的方法将其进行分割，提高了视觉显著区域提取的准确度、降低了虚警率。具体来说：通过将图像的二维幅度谱和二维相位谱分离，完全保留了图像的相位谱，即保留了图像的结构信息；同时，对二维幅度谱进行中值滤波，有效去除了图像灰度中的冗余信息，使得视觉显著图更加完整。即提取的显著图不仅包括显著目标的边缘，还包括边缘内部的内容，也就是图像幅度谱包含的内容。其自身采用的FFT/IFF算法、中值滤波算法等，算法成熟且复杂度较低，实时性和稳定性都较高以及采用形态学的方法对视觉显著图先后进行提取和增强，实验证明，先提取再增强比先增强再提取，分割得到的显著区域的准确性更高，虚警率也更低。可见，本方案通过谱分离的方法，完整保留了图像在结构及灰度方面的显著信息，得到了图像的显著图；并通过形态学的方法对显著图进行分割和增强，将图像的显著区域提取出来，提高了视觉显著区域提取的准确性。

为了更好地理解本发明，以上结合具体实施例对本发明作了详细说明。但是，显然可对本发明进行不同的变型和改型而不超出权利要求限定的本发明更宽的精神和范围。因此，以上实施例具有示例性而没有限制的含义。

Claims (10)

1.基于边缘显著度的EFMT异源图像配准方法，所述方法包括以下步骤：

步骤a.边缘提取模块提取参考图像和待配准图像的边缘图像；

步骤b.计算模块将所述边缘图像变换到对数－极坐标域，并计算所述对数－极坐标域图像的相位相关，得到图像的旋转角度和尺度因子；

步骤c.图像变换模块根据所述旋转角度和尺度因子对所述待配准图像进行图像变换，边缘提取模块提取所述变换后图像的边缘图像；

步骤d.计算模块计算步骤c中所述边缘图像和步骤a中参考图像的边缘图像的相位相关，得到图像平移参数。

2.根据权利要求1所述的基于边缘显著度的EFMT异源图像配准方法，其特征在于，所述边缘图像的提取方法包括时域边缘检测法。

3.根据权利要求1所述的基于边缘显著度的EFMT异源图像配准方法，其特征在于，所述边缘图像包括二值边缘图像。

4.根据权利要求1所述的基于边缘显著度的EFMT异源图像配准方法，其特征在于，所述步骤b中计算模块将所述边缘图像变换到对数－极坐标域后，进一步包括：对所述对数－极坐标域的图像进行互功率谱运算；计算图像的旋转角度和尺度因子；计算扶正图像的边缘图像；根据参数对扶正图像进行平移变换得到配准后的图像。

5.根据权利要求1所述的基于边缘显著度的EFMT异源图像配准方法，其特征在于，对参考图像R和待配准图像S提取边缘，得二值边缘图像： $\begin{array}{c}r=E\left(R\right)\\ s=E\left(S\right)\end{array}.$

6.根据权利要求1所述的基于边缘显著度的EFMT异源图像配准方法，其特征在于，所述边缘图像变换到对数－极坐标域公式： $\begin{array}{c}\mathrm{LPr}=\log -\mathrm{polar}\left(r\right)\\ \mathrm{LPs}=\log -\mathrm{polar}\left(s\right)\end{array}.$

7.根据权利要求4所述的基于边缘显著度的EFMT异源图像配准方法，其特征在于，对所述对数－极坐标域的图像进行互功率谱运算：

$\begin{array}{c}\frac{F_1(u,v)F_2^{*}(u,v)}{\left|F_1(u,v)F_2^{*}(u,v)\right|}=\frac{F_1(u,v)}{\left|F_1(u,v)\right|}\·\frac{F_2^{*}(u,v)}{\left|F_2^{*}(u,v)\right|}=\frac{\left|F_1(u,v)\right|{\mathrm{\φ}}_1(u,v)}{\left|F_1(u,v)\right|}\·\frac{\left|F_2^{*}(u,v)\right|(-{\mathrm{\φ}}_2(u,v))}{\left|F_2^{*}(u,v)\right|}\\ =\exp \left[j\left(({\mathrm{\φ}}_1(u,v)-{\mathrm{\φ}}_2(u,v)\right)\right]\end{array}.$

8.根据权利要求7所述的基于边缘显著度的EFMT异源图像配准方法，其特征在于，在无噪声情况下，所述图像互功率谱运算公式：

$\frac{F_1(u,v)F_2^{*}(u,v)}{\left|F_1(u,v)F_2^{*}(u,v)\right|}=\exp [-j2\mathrm{\π}(u{x}_0+v{y}_0].$

9.一种异源图像配准系统，所述系统包括以下模块：

边缘提取模块，用于提取参考图像和待配准图像的边缘图像以及变换后图像的边缘图像；

计算模块，用于将边缘图像变换到对数－极坐标域，并计算所述对数－极坐标域图像的相位相关，得到图像的旋转角度和尺度因子以及计算得到图像的平移参数；

图像变换模块，所述图像变换模块根据所述旋转角度和尺度因子对所述待配准图像进行图像变换以及根据平移参数对扶正图像进行平移变换。

10.根据权利要求9所述的图像配准系统，其特征在于，所述边缘提取模块进一步包括时域边缘检测模块。