图像配准是计算机视觉和模式识别领域中的一项重要课题,在遥感图像处理、计算机视觉、运动估计、医学图像分析等领域有广泛的应用,它是图像融合等图像处理需要先期解决的问题。由于红外光图像的成像原理的原因,所以在某些具体应用场合下容易导致图像的整体模糊、图像内容的局部灰度失真并包含了不同类型的噪声。由于一阶互信息忽略了图像本身像素点之间的空间结构信息;基于邻域像素点灰度平均值为第二维信息的二阶互信息在图像整体模糊的情况下无法提供足量图像空间信息;基于当前点梯度作为第二维信息的二阶互信息包含了不同类型的噪声信息;所以在配准时使用以上几种配准算法都很容易导致多模态图像之间的误配准。本文提出一种新的配准算法,首先计算基于邻域像素点灰度平均值为第二维信息的二阶互信息,然后通过Hough变换提取出图中一致性较高的直线边缘,计算其对齐度,通过增加一致性较高的边缘的对齐度信息来提高红外和可见光图像配准的精确性和稳定性。但是当提取的直线边缘之间出现“多余”直线边缘时,由于利用图像间边缘对齐度信息容易受到“多余”边缘的干扰。本文利用互信息中联合熵对图像之间的完整性不敏感的特点,引入联合熵的概念以减少“多余”边缘的干扰。本文引入距离场的概念,最大程度上减少了灰度失真对图像配准的影响。实验证明,新的相似度函数在图像存在灰度失真且提取的边缘存在较多“多余”边缘时着更好的配准效果。针对传统联合熵计算比较耗时的情况。本文在过程中只记录浮动边缘图像中边缘点经过变换后的位置,每次只修改边缘点所对应的联合概率的值。避免了对浮动图像中所有点都参与计算,实验证明,新的计算联合熵的方法在保证配准精度的情况下,大大减少了配准的时间。