基于稳定分支特征点的图像匹配导航方法
【技术领域】
[0001] 本发明涉及一种图像匹配导航方法，具体讲是一种基于稳定分支特征点的图像匹 配导航方法，属于导航技术领域。
【背景技术】
[0002] 图像匹配最早是美国在上世纪70年代从事飞行器辅助导航系统、武器投射系统 的末制导等应用研宄中提出的。经过几十年的发展，图像匹配技术已经成为现代信息处理 领域中一项极为重要的技术，在自动导航、计算机视觉、图像三维重构、遥感图像处理等领 域有着广泛而实际的应用。
[0003] 在图像匹配导航系统中，图像匹配算法的精确性、快速性和鲁棒性对导航系统的 效能具有很大影响，图像匹配导航系统用的基准数字地图一般是由光学传感器或卫星获取 的，实时图像则由光学传感器或雷达拍摄获得，因此实时图像与基准数字地图之间的匹配 从本质上来说是多传感器图像匹配。由于基准数字地图和实时图像是在不同时间、不同天 气条件、不同观测角度下获取的，同时，由于成像传感器的性能差异，使得基准数字地图与 实时图像之间不仅可能存在着严重的灰度差异和几何变形，而且，实时图像本身也存在着 一定的噪声干扰。因此图像匹配算法不仅应该具备计算量小的特点，还必须要有良好的抗 噪声干扰能力和抗几何形变能力，以适应复杂多变的应用环境。
[0004] 分支特征点是一种具有稳定结构的点特征，与其他特征点相比，它具有较强的抵 抗噪声干扰的能力，对图像旋转变换和灰度变化有良好的稳定性，因此分支特征点被给予 了很大期望，通过给分支特征点赋较大的权值来提高它的影响力，从而达到增强算法的鲁 棒性和稳定性的目的。
[0005] 2007年7月，自动化学报第33卷第7期678-682页，作者为冷雪飞、刘建业、熊智的 基于分支特征点的导航用实时图像匹配算法文献中将分支特征点引入到图像匹配算法中， 对其赋予较大的权值，使算法具有良好的鲁棒性。2007年10月，中国惯性技术学报第15卷 第5期564-567、614页，作者为李明星、熊智、刘建业的景象匹配/惯性组合导航航迹规划 及组合修正算法研宄文献中在航迹规划过程中也引入分支特征点，提高了图像匹配的成功 率，实现了景象匹配导航系统的航迹规划。但是，上述两个文献对所有分支特征点都赋予较 大的权值，并没有排除伪分支特征点的影响，这对图像匹配算法的精确性存在一定的影响， 影响导航的精确度。
【发明内容】
[0006] 本发明所要解决的技术问题在于克服现有技术缺陷，提供一种能有效排除伪分支 特征点以提高导航精度的基于稳定分支特征点的图像匹配导航方法
[0007] 为了解决上述技术问题，本发明提供的基于稳定分支特征点的图像匹配导航方 法，包括以下步骤：
[0008] 1)、获取参考图像和实测图像；
[0009] 2)、分别提取参考图像和实测图像的边缘特征，得到参考图像的边缘二值特征图 像和实测图像的边缘二值特征图像并进行边缘去噪、细化处理；
[0010] 3)、分别对步骤2)处理后的参考图像的边缘二值特征图像和实测图像的边缘二 值特征图像提取分支特征点，判断区分各图中的稳定分支特征点和伪分支特征点，并将参 考图像的边缘二值特征图像和实测图像的边缘二值特征图像中的稳定分支特征点、伪分支 特征点分别存储在各自不同的集合中；所述参考图像的边缘二值特征图像和实测图像的边 缘二值特征图像中特征点包括稳定分支特征点、伪分支特征点、欲排除的特征点和一般特 征点；
[0011] 4)、分别对步骤2)处理后的参考图像的边缘二值特征图像和实测图像的边缘二 值特征图像分别采用3 - 4DT算法进行图像距离变换，分别得到参考图像的距离变换图像 和实测图像的距离变换图像；
[0012] 5)、按从上到下，从左到右顺序遍历搜索参考图像区域，利用参考图像的距离变换 图像和实测图像的距离变换图像、参考图像和变换图像的稳定分支特征点集、参考图像和 变换图像的伪分支特征点集，对步骤2)处理后的参考图像的边缘二值特征图像和实测图 像的边缘二值特征图像中的稳定分支特征点、伪分支特征点、欲排除的特征点和一般特征 点分别赋予不同的加权系数，计算加权Hausdorff距离，将具有最小的加权Hausdorff距离 值的匹配点作为最终匹配位置；
[0013] 6)、根据最终匹配位置计算当前实测图像中心偏离参考图像中心的距离，形成控 制指令对惯性导航系统进行误差修正。
[0014] 本发明中，所述步骤3)中判断区分伪分支特征点和稳定分支特征点过程为：若处 理后的边缘二值特征图像中提取的分支特征点在特征模板对应位置取值为〇时，则认为该 分支特征点为稳定分支特征点；反之，若处理后的边缘二值特征图像中提取的分支特征点 在特征模板对应位置取值为1时，则认为该分支特征点是伪分支特征点。
[0015] 本发明中，所述步骤3)中稳定分支特征点、伪分支特征点、欲排除的特征点和一 般特征点的加权系数确定步骤为：
[0016] 分别提取步骤2)中经过处理的参考图像的边缘二值特征图像和实测图像的边缘 二值特征图像的所有特征点到集合A和B中，其中特征点集合分别为集合A= {ai，a2，~ ，am}和集合B=Od1,b2,…，bn}，加权Hausdorff距离定义为：
[0017] Hwhd (A,B) =max(hmD (A,B),hmD (B,A)) (5)
【主权项】
1. 一种基于稳定分支特征点的图像匹配导航方法，其特征在于包括以下步骤： 1) 、获取参考图像和实测图像； 2) 、分别提取参考图像和实测图像的边缘特征，得到参考图像的边缘二值特征图像和 实测图像的边缘二值特征图像并进行边缘去噪、细化处理； 3) 、分别对步骤2)处理后的参考图像的边缘二值特征图像和实测图像的边缘二值特 征图像提取分支特征点，判断区分各图中的稳定分支特征点和伪分支特征点，并将参考图 像的边缘二值特征图像和实测图像的边缘二值特征图像中的稳定分支特征点、伪分支特征 点分别存储在各自不同的集合中；所述参考图像的边缘二值特征图像和实测图像的边缘 二值特征图像中特征点包括稳定分支特征点、伪分支特征点、欲排除的特征点和一般特征 占 . 4) 、分别对步骤2)处理后的参考图像的边缘二值特征图像和实测图像的边缘二值特 征图像分别采用3 - 4DT算法进行图像距离变换，分别得到参考图像的距离变换图像和实 测图像的距离变换图像； 5) 、按从上到下，从左到右顺序遍历搜索参考图像区域，利用参考图像的距离变换图像 和实测图像的距离变换图像、参考图像和变换图像的稳定分支特征点集、参考图像和变换 图像的伪分支特征点集，对步骤2)处理后的参考图像的边缘二值特征图像和实测图像的 边缘二值特征图像中的稳定分支特征点、伪分支特征点、欲排除的特征点和一般特征点分 别赋予不同的加权系数，计算加权Hausdorff距离，将具有最小的加权Hausdorff距离值的 匹配点作为最终匹配位置； 6) 、根据最终匹配位置计算当前实测图像中心偏离参考图像中心的距离，形成控制指 令对惯性导航系统进行误差修正。
2. 根据权利要求1所述的基于稳定分支特征点的图像匹配导航方法，其特征在于所述 步骤3)中判断区分伪分支特征点和稳定分支特征点过程为：若处理后的边缘二值特征图 像中提取的分支特征点在特征模板对应位置取值为〇时，则认为该分支特征点为稳定分支 特征点；反之，若处理后的边缘二值特征图像中提取的分支特征点在特征模板对应位置取 值为1时，则认为该分支特征点是伪分支特征点。
3. 根据权利要求1或2所述的基于稳定分支特征点的图像匹配导航方法，其特征在于 所述步骤3)中稳定分支特征点、伪分支特征点、欲排除的特征点和一般特征点的加权系数 确定步骤为： 分别提取步骤2)中经过处理的参考图像的边缘二值特征图像和实测图像的边缘二值 特征图像的所有特征点到集合A和B中，其中特征点集合分别为集合A = {&1，a2，…，am}和 集合B = Od1, b2,…，bn}，加权Hausdorff距离定义为： Hwhd (A, B) = max (h^ (A, B), hmD (B, A)) (5) 其中
为集合A到集合B的加权Hausdorff距离，
:表示集合B中一个点匕到点a u的最小距离， 1彡u彡m，1彡i彡n，乂表示特征点集合A中点的总数，w (a u)是d (au, B)的权
为集合B到集合A的加权Hausdorff距离，
表示集合A中一个点a」到点b v的最小距离，1彡V彡n，1彡j彡m， 队表示集合B中点的总数，w(b v)是d(bv, A)的权系数； 特征点集A不同类别的特征点的权系数满足如下条件：
假设特征点集A中稳定分支特征点的权系数为w(f\)、伪分支特征点的权系数为w(f2)、 欲排除的特征点的权系数为W(ei)、一般特征点的权系数为W(C1)，稳定分支特征点的个数 为N ai、伪分支特征点的个数为Na2、欲排除的特征点的个数为ΝεΑ、一般特征点的个数为N c^ 则：
确定点集A中欲排除的特征点权系数为WG1) =0, 一般特征点权系数为W(C1) =1，伪 分支特征点的权系数取值为w (f2) = 0,则集合A的稳定分支特征点的加权系数为：
特征点集B不同类别的特征点的权系数满足如下条件：
假设点集B中稳定分支特征点w (gj、伪分支特征点为w (g2)、欲排除的特征点为w (e2)、 一般特征点的权系数为W(C2)，稳定分支特征点的个数分别为Nbi、伪分支特征点的个数为 Nb2、欲排除的特征点的个数为ΝεΒ，一般特征点的个数为心;特征点集B中伪分支特征点、欲 排除的特征点、一般特征点的权系数取值与特征点集A中一致，则集合B的稳定分支特征点 的加权系数为：
【专利摘要】本发明公开了一种基于稳定分支特征点的图像匹配导航方法，属于导航技术领域。获取参考图像和实测图像，分别提取边缘特征后进行边缘处理；提取处理后参考图像和实测图像中的稳定分支特征点、伪分支特征点分别存储在各自不同的集合中；分别对处理后参考图像和实测图像进行图像距离变换；对处理后参考图像和实测图像的各特征点分别赋予不同的加权系数，计算加权Hausdorff距离，将具有最小的加权Hausdorff距离值的匹配点作为最终匹配位置；根据最终匹配位置计算当前实测图像中心偏离参考图像中心的距离。本发明通过排除伪分支特征点的干扰，有效地提高图像匹配的精确性、快速性和鲁棒性，从而提高了导航精度。
【IPC分类】G05D1-10
【公开号】CN104679011
【申请号】CN201510051798
【发明人】冷雪飞, 王碧辉, 吴松森, 毛星云, 茹江涛
【申请人】南京航空航天大学
【公开日】2015年6月3日
【申请日】2015年1月30日