1 成都理工大学地质灾害防治与地质环境保护国家重点实验室, 四川 成都 610059
2 四川大学电气信息学院, 四川 成都 610065
提出了一种基于典型相关分析的点云配准算法。对目标点云和待配准点云进行中心化处理,将其绕坐标原点进行转动,两组点云满足各维度间相关系数平方值最大;采用典型相关分析法,对两组转动矩阵进行求解;使用转动矩阵,求解两点云间刚性变换的旋转矩阵和平移向量,实现了点云的配准。利用协方差矩阵特征值的比例开方值,对待配准点云进行等比例放大,完成了仿射配准。当点云无序、数据存在遮挡、缺失不完整、放缩及有噪声干扰时,仿真结果表明,相比于其他几种算法,所提算法能快速精确配准,且稳定性良好。
测量 点云配准 典型相关分析 相关系数 仿射配准
空军航空大学作战指挥系， 吉林 长春 130022
针对红外与可见光图像特点，提出一种基于小波包变换的融合算法。该算法先对源图像进行小波包分解，得到低频分量和各带通方向子带分量，并对不同分量采用不同的融合规则进行融合处理，得到各融合系数，然后经小波包重构获得融合图像。该方法可提取源图像细节信息，取得较好的融合效果。
image fusion wavelet packet transform fusion rule infrared and visible images
针对红外与可见光图像特点, 提出一种基于非下采样Contourlet变换(NSCT)的红外与可见光图像融合算法。该算法对源图像进行NSCT分解, 得到低频分量和各带通方向子带分量；引入图像区域相关系数决策度, 对低频分量和带通方向子带分量采用不同的融合规则进行融合；最后经过NSCT逆变换得到融合图像。实验证明, 该方法可以更好地保留目标信息和图像细节信息。
图像融合 红外图像 可见光图像 相关系数 image fusion infrared image visible image Nonsubsampled Contourlet Transform (NSCT) NSCT correlation coefficient
空军航空大学作战指挥系， 吉林 长春 130022
提出了一种基于Contourlet变换的非下采样变换(Nonsubsampled Contourlet Transform, NSCT)和脉冲耦合神经网络(Pulse Coupled Neural Network, PCNN)的可见光与红外图像融合算法。该算法首先对源图像进行NSCT分解，得到低频子带系数和各带通方向子带系数。然后对低频子带系数提出一种基于可见光与红外图像自身特性的加权平均融合方法，再对各带通子带系数提出基于PCNN的融合方法。最后经过NSCT逆变换得到融合图像。实验证明，该方法优于小波方法和传统的NSCT方法。
图像融合 NSCT变换 脉冲耦合神经网络 可见光与红外图像 image fusion nonsubsampled contourlet transform pulse coupled neural network visible and infrared image
