为了精确地配准近平面场景下的红外-可见光视频序列, 本文提出了一种基于轮廓特征匹配的自动配准方法, 通过迭代匹配目标轮廓特征来解决异源图像中配准特征的提取和匹配难题。首先, 采用运动目标检测技术获取目标轮廓, 并由曲率尺度空间(CSS)角点检测算法提取轮廓特征点。此后, 建立全局形状上下文描述子和局部边缘方向直方图描述子描述特征, 从而实现可靠的特征匹配。来自不同时刻的匹配点对被保存在一个基于高斯距离准则的特征匹配库中。最后, 为了克服近平面场景中目标深度变化的影响, 本文结合前景样本随机抽样策略计算配准矩阵的损失函数, 完成对全局配准矩阵的更新。在LITIV数据库上对方法进行实验验证, 结果表明: 本文方法的配准精度优于当前先进的对比方法, 在9个测试视频上的平均重叠率误差仅为0.194, 与对比方法相比下降了18.5%。基本满足了近平面场景下红外-可见光视频序列配准的精度要求, 且具有较高的鲁棒性。

在非受控环境中，由于背景的动态变化或光照、阴影的影响，执行高效、实时的运动目标检测具有很大的挑战性，联合长波红外（LWIR 8～14 μm）和可见光相机构成一个多模视觉系统可以显著提高运动目标检测的鲁棒性和完整性。提出了一种先检测后融合的运动目标检测算法，首先对可见光视频采用混合高斯建模方法检测运动目标，对热红外视频设计了基于背景差分和时间差分相结合的加权算法提取运动区域，然后对可见光与热红外视频中运动目标进行特征级融合。实验结果表明：该方法利用热红外与可见光图像的直观互补特征，在满足实时性要求的同时，可实现运动目标的精确、完整、鲁棒性检测。