车载红外全景扫描成像系统具有每列单独成像、360°全方位视场覆盖的特点, 从而导致传统的电子稳像算法无法直接适用, 因此, 提出一种基于区域分割与融合的全景稳像算法。首先, 通过局部列偏移调整方法对图像预补偿。接着, 以车头前进方向为基准, 对全景图像进行区域分割, 即前端、右端、后端、左端区域。然后, 根据各区域的成像特点, 选择不同的稳像模型进行稳像, 其中, 运动估计环节采用滑窗策略缩短运算时间, 运动补偿环节采用未定义区重构方法弥补边界缺失信息。最后, 利用局部区域扩展、渐入渐出加权平均融合方式对重叠区域进行区域拼接、融合, 保证全景图像无缝拼接。实验结果表明: 该算法有效解决了车体行进过程中红外全景扫描系统的稳像问题, 稳像关键指标——帧间峰值信噪比(PSNR)可以提高14.7%, 运行时间可缩短为传统算法的1/10, 基本满足了工程应用的需求。

为了提高红外图像匹配的精度和效率, 提出了一种将Harris-Laplace关键点提取和旋转不变LBP特征描述算子相结合的局部特征检测新算法, 该算法不仅在图像的尺度、光照和角度发生变化时, 仍然能够得到很好的检测效果, 而且能很好地描述图像的局部纹理特征。特征向量描述完成后, 为了进一步提高红外图像特征点匹配的正确率, 提出了一种基于K-means聚类分析的图像匹配策略。先利用Cosine余弦相关匹配策略实现特征点的初步粗匹配, 接着采用K-means聚类分析匹配策略剔除图像中大部分的错误匹配。实验表明: 提出的算法表现出良好的鲁棒性, 关键点提取的重复率(Repeatability)提高了9.2%。与传统的匹配算法相比, 采用基于K-means聚类分析的匹配策略匹配精度可以提高5.05%, 匹配时间可以缩短0.068s。该特征描述算法和基于K-means聚类分析的匹配算法满足了红外图像配准的高精度性和高实时性的要求。

载体平台在行进间的振动会导致光电全景成像系统采集的图像发生几何畸变。为了校正图像，本文提出了一种基于惯导信息的图像校正算法，该算法首先采用基于惯导信息的图像坐标转换方案，得到了校正后图像与原图像坐标点的对应关系；然后通过基于边缘导向的插值法，确定了校正后图像中各像素点的灰度值。实验表明，该算法可以有效实现光电全景成像系统的图像几何校正，并抑制了图像的边缘模糊效应，提高了图像复原的效果。