基于高维组合特征的快速序列图像匹配导航方法

摘要

本发明公开了一种基于高维组合特征的快速序列图像匹配导航方法，属于飞行导航技术领域。首先选取序列图像中的第一帧实时图与参考图匹配；然后将相邻两帧实时图像去噪细化，提取稳定的分支特征点；由分支特征点构建相交直线对形成高维组合特征作为匹配基元，确定相邻两帧实时图像的位置关系，进而确定当前帧实时图像相对参考图像的位置关系；最终形成控制指令对惯性导航系统的累积误差进行动态修正。本发明利用序列图像有效提高了导航系统的精确性与实时性，高维组合特征的运用使该方法对旋转、尺度变化具有较强的鲁棒性。

说明书

技术领域

本发明涉及一种序列图像匹配导航方法，尤其是一种基于分支特征点构建的高维组合特征的快速序列图像匹配导航方法，属于飞行导航技术领域。

背景技术

图像匹配技术是现代信息处理领域中的一项极其重要的技术。在导航系统中，图像匹配导航利用机载设备实时获取地面的景物图像，与存储在机载计算机中的基准数字地图比较，确定飞行器的位置。但是不同的拍摄设备、气候、噪声等成像条件会导致实时图与参考图的成像差异，因此图像匹配导航对图像匹配算法的准确性、鲁棒性及快速性提出了更高的要求。

传统的单幅图像匹配方法需要处理大量的图像运算和操作，硬件耗时较多，难以满足导航系统的实时性要求，通常作为一种辅助手段，消除惯导系统长时间工作的累积误差。因此，序列图像匹配导航成为当前的研究热点。序列图像匹配导航通过对拍摄到的序列图像进行匹配来实现导航，序列图像中相邻两张图像为同一传感器，同一成像条件，同一时间段获取的图像，具有相同的噪声分布和较小的尺寸变化及几何形变，通常情况下，连续的图像序列大小一样，一般不存在比例变化，只存在平移和旋转，且旋转角不会太大。因此利用相邻两帧图像的重叠区域，估计相邻两帧图像的运动趋势，解算飞行参数，可以提高与基准图匹配的匹配效率与准确度，使自主图像导航成为可能。

在基于特征的图像匹配方法中，通常选择点、线、区域等具有几何属性的特征作为匹配基元。点特征是图像中相对简单，容易获取的特征，但匹配时较复杂、困难。2007年7月，自动化学报第33卷第7期，第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；2015年3月，作者为王碧辉的导航系统中的精确实时图像匹配算法研究及实现硕士毕业论文也引入分支特征点，并判别出伪分支点，从而获得稳定的分支特征点，提高了匹配算法的精确性。直线特征更精确、更稳定、更能代表图像所包含的信息量，但是直线特征的提取对匹配的结果有着重要的影响，目前并没有准确提取所有线段的算法。因此，本发明提出一种快速序列图像匹配导航方法，利用提取的稳定分支特征点，构建相交直线对作为基元进行匹配，能有效提高图像匹配算法的匹配速度。

发明内容

本发明所要解决的技术问题在于克服现有技术缺陷，提供一种能够根据分支点特征准确地构造直线特征，进而有效提高导航系统精确性的快速序列图像匹配导航方法。

为了解决上述技术问题，本发明提供的基于高维组合特征的快速序列图像匹配导航方法，包括如下步骤：

1)、获取飞行器当前位置信息，取预先存储的与飞行器当前位置信息对应的参考图像；

2)、采集飞行器当前位置的实时图像序列，将第一帧实时图像与参考图像相比较，确定飞行器当前的位置和姿态；

3)、将第二帧实时图像与上一帧实时图像相比较，分别提取相邻两帧实时图像的边缘二值特征，得到相邻两帧实时图像的边缘二值特征图像；

4)、分别对相邻两帧实时图像的边缘二值特征图像边缘进行去噪、细化预处理后，分别提取分支特征点，去除伪分支特征点，并将分支特征点的位置分别存放在两个集合中；

5)、任取当前帧实时图像的分支特征点集中的三个分支点构造相交直线对作为匹配基元存放在集合1中；任取前一帧实时图像的分支特征点集中的三个分支点构造相交直线对作为匹配基元存放在集合2中；

6)、依次遍历两集合中的相交直线对，判定两相交直线对是否匹配，若匹配，将匹配位置的累加器加1，最终将累加器数值最大的位置作为当前帧实时图像与上一帧实时图像的匹配位置，得出当前帧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；。

7)、依重复步骤3)至6)，当当前实时图像帧数为5-10的倍数时，则令当前帧实时图像为第一帧，重复步骤2)至7)，消除序列图像帧间相对匹配的累积误差。

本发明中，所述步骤5)具体步骤如下：

51)、依次遍历当前帧实时图像中的三个稳定分支特征点

a₁(x₁,y₁)、a₂(x₂,y₂)、a₃(x₃,y₃)

52)、选择a₁、a₂、a₃三点中x坐标值最小的点为相交直线对的顶点z(z_x,z_y)，若存在x坐标值相等的情况，则选择y坐标值最小的点为相交直线对顶点z；

53)、选择a₁、a₂、a₃三点中x坐标值最大的点为描述相交直线对的第一端点z₁(z_1x,z_1y)，若存在x坐标值相等的情况，则选择y坐标值最大的点为描述相交直线对的第一端点z₁,将三点中余下的点作为描述相交直线对的第二个端点z₂(z_2x,z_2y)；

54)、令

L₁、L₂分别为相交直线对的两相交线段长度，设定指定阈值τ，若L₁≤τ且L₂≤τ，则将由此三个特征点构成的匹配基元存放在集合1中，否则剔除该基元，重新进入循环遍历；

55)对于上一帧实时图像，以同样的方法找到其所有满足条件的匹配基元存放在集合2中。

本发明中，所述步骤6)具体步骤如下：

设L₁、L₂、α分别为集合中1中相交直线对的两相交线段长度和顶角，L'₁、L'₂、α'为集合2中相交直线对的两相交线段长度和顶角，ε₁、ε₂为阈值；取一与边缘特征二值图大小相同的数组用于累加计数，设置数组中所有累加器初值为0；

61)、若|α-α'|≤ε₁，则继续步骤62)的判断，否则终止匹配；

62)、若|L₁-L'₁|≤ε₂且|L₂-L'₂|≤ε₂，则继续步骤63)的判断，否则终止匹配；

63)、令ξ₁＝L₁/L'₁,ξ₂＝L₂/L'₂,ξ₃＝L₁/L₂,ξ₄＝L'₁/L'₂，若则认为此两个相交直线对匹配，ξ₁，ξ₂可以判断相交直线对的两条交线的尺度变化趋势是否一致，ξ₃，ξ₄可以判断相交直线对的两交线长度关系是否一致；

64)、若两相交直线对匹配，根据公式

式中，θ为两相交直线对之间的旋转角度，x₀,y₀分别为两相交直线对之间的x轴方向平移距离与y轴方向平移距离，对计数数组中相同位置的累加器计数值加1；

65)、重复步骤61)至64)，直到集合1与集合2中的相交直线对全部匹配结束；

66)、将累加器计数值最大的位置作为当前帧实时图像中心相对上一帧实时图像中心的位置，得出当前帧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。

本发明的有益效果为：(1)、本发明提出的图像匹配导航方法利用从去噪细化后的边缘二值特征图中提取到的稳定分支点构建高维组合特征进行匹配，结合了点特征相对简单容易提取与直线特征稳定准确易于匹配的优点，大大降低了算法的计算复杂度，并消除了直线提取不准确对匹配结果的不利影响，同时充分利用序列图像的特点进行图像序列中相邻两帧图像匹配，算法快速简单，实时性好，并可在一定间隔时间后将当前帧实时图像与参考图像进行匹配，消除了帧间匹配的累积误差，提到了导航系统的精确性；(2)、本发明提出的方法在直线特征不明显的图像区域仍然可以得到准确的匹配位置，适用范围更广，同时利用相交直线对匹配的方法对旋转，尺度变化具有较强的鲁棒性。

附图说明

图1是序列图像匹配示意图；

图2是本发明基于高维组合特征的快速序列图像匹配导航方法流程图；

图3是分支特征点示意图；

图4是匹配基元示意图。

具体实施方式

下面结合附图对本发明做进一步详细说明。

如图1所示，序列图像为相同时间间隔拍摄的一个图像序列，通常情况下，相邻两帧图像会有很大的重叠区域，且拍摄条件与时间段相同，因此相邻两帧图像匹配可有效避开由于拍摄时间和条件的变化，参考图和实时图存在灰度差异与较大的几何形变的问题。

如图2所示，本发明的基于高维组合特征的快速序列图像匹配导航方法包括如下步骤：

步骤1：利用飞行器装备的惯导系统得到飞行器的当前位置信息，从飞行器机载计算机预先存储的数字地图数据库中选取与飞行器当前位置信息对应的一定大小的区域作为序列图像匹配导航系统的参考图像A。

步骤2：利用成像传感器获取飞行器当前位置的实时图像序列，将第一帧实时图像B1与参考图像A相比较，利用现有的图像匹配技术精确确定实时图像B1中心相对于参考图像A的位置。

步骤3：将第二帧实时图像B2与上一帧实时图像B1相比较，分别提取实时图像B1、B2的边缘特征，得到实时图像B1、B2的边缘二值特征图像EDGE_B1、EDGE_B2。

步骤4：对边缘二值特征图像EDGE_B1和EDGE_B2进行边缘去噪处理，去除边缘二值特征图像上的毛刺和孔洞，或者孤立值为1的点，并对去噪后的边缘二值图进行细化处理，得到边缘轮廓宽度为一个像素的边缘二值图EDGE_DT_1和EDGE_DT_2，具体步骤采用本领域常规的去噪细化技术，本发明中不再展开描述。

步骤5：提取图像EDGE_DT_1和EDGE_DT_2中的分支特征点，分支特征点示意图如图3所示，分别遍历整幅图像EDGE_DT_1和EDGE_DT_2，找到所有的分支特征点，剔除伪分支特征点，得到稳定分支特征点集POINT_B1和POINT_B2。提取稳定分支点的方法为现有技术，本发明不再展开描述。具体可参见，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一文、2015年3月，王碧辉的导航系统中的精确实时图像匹配算法研究及实现毕业论文及申请人申请的申请号为2015100517987，申请日为2015年1月30日，发明名称为基于稳定分支特征点的图像匹配导航方法的专利申请。

步骤6：任取POINT_B1中的三个分支点分别构造相交直线对作为匹配基元，匹配基元示意图如图4所示。具体步骤为：

(1)、依次遍历POINT_B1中的三个稳定分支特征点：

a₁(x₁,y₁)、a₂(x₂,y₂)、a₃(x₃,y₃)

(2)、选择a₁、a₂、a₃三点中x坐标值最小的点为相交直线对的顶点z(z_x,z_y)，若存在x坐标值相等的情况，则选择y坐标值最小的点为相交直线对顶点z。

(3)、选择a₁、a₂、a₃三点中x坐标值最大的点为描述相交直线对的第一端点z₁(z₁x,z_1y)，若存在x坐标值相等的情况，则选择y坐标值最大的点为描述相交直线对的第一端点z₁,将三点中余下的点作为描述相交直线对的第二个端点z₂(z_2x,z_2y)。

(4)、令

L₁、L₂分别为相交直线对的两相交线段长度，设定τ＝20(τ为阈值，可根据具体的实验环境修改，例如特征点分布比较稀疏，可以适当增加τ值)，若L₁≤τ且L₂≤τ，则将由此三个特征点构成的匹配基元存放在集合HTV1中，否则剔除该基元，重新进入循环遍历。

对于POINT_B2，以同样的方法找到其所有满足条件的匹配基元存放在集合HVT2中。

步骤7：由余弦定理，求得稳定分支特征点集POINT_B1和POINT_B2中各相交直线对的顶角α，按以下规则匹配集合HVT1与集合HVT2中的元素，匹配时取一与边缘特征二值图大小相同的数组D用于累加计数，设置数组中所有累加器初值为0。

记L₁、L₂、α分别为集合HVT1中相交直线对的两相交线段长度和顶角，L'₁、L'₂、α'为集合HVT2中相交直线对的两相交线段长度和顶角。

(1)、若|α-α'|≤ε₁(设定ε₁＝2°，ε₁为阈值，可根据具体的实验环境修改，当图像的几何形变较大时，可以适当增加ε₁的值)，则继续第二步的判断，否则终止匹配。

(2)、若|L₁-L'₁|≤ε₂且|L₂-L'₂|≤ε₂(设定ε₂＝2，ε₂为阈值，可根据具体的实验环境数值修改，当图像的几何形变较大时，可以适当增加ε₂的值)，则继续第三步的判断，否则终止匹配。

(3)、令ξ₁＝L₁/L'₁,ξ₂＝L₂/L'₂,ξ₃＝L₁/L₂,ξ₄＝L'₁/L'₂，若则认为此两个相交直线对匹配，这里ξ₁，ξ₂可以判断相交直线对的两条交线的尺度变化趋势是否一致，ξ₃，ξ₄可以判断相交直线对的两交线长度关系是否一致。

(4)、若两相交直线对匹配，根据公式

其中，θ、x₀、y₀均为待定参数可通过上述公式求解出来，θ为两相交直线对之间的旋转角度，x₀、y₀分别为两相交直线对之间的x轴方向平移距离与y轴方向平移距离，因此(x₀,y₀)为可能的当前帧实时图像B2中心相对上一帧实时图像B1中心的位置，对数组D中相同位置的累加器加1。

(5)重复(1)、(2)、(3)、(4)操作，直到集合HVT1与集合HVT2中的相交直线全部匹配结束。

(6)将累加器计数值最大的位置作为当前帧实时图像B2中心相对上一帧实时图像B1中心的位置，进而计算当前实测图像B2中心偏离参考图像A中心的距离，形成控制指令对惯性导航系统进行误差修正。

步骤8：重复步骤3至步骤7，当当前实时图像B2帧数为5-10的倍数时，则令当前帧实时图像B2为第一帧，重复步骤2至步骤7，以消除序列图像帧间相对匹配的累积误差，提高序列图像匹配导航系统的精确性。

以上所述为本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以做出若干改进，这些改进也应视为本发明的保护范围。