[发明专利]一种基于点特征和轮廓特征融合的图像匹配定位方法

权利要求书

1.一种基于点特征和轮廓特征融合的图像匹配定位方法，其特征在于包括下述步骤：

1)点特征检测

采用Hessian局部极大值原理进行点特征检测，第i个像素的Hessian矩阵的计算公式为：

式中σ_i，norm为对应图像组中归一化尺度因子，L_xx和L_yy分别为二阶横向和纵向微分，L_xy为二阶交叉微分；

寻找极值点时候，每一个像素点和周围所有的相邻点进行比较，比较范围是当前尺度、上一尺度和下一尺度上的3×3矩形窗口，上一尺度为当前尺度图像2倍降采样，下一尺度为当前尺度图像2倍线性插值，当像素点大于所有相邻点时,则像素点是极值点，即搜索空间是一个边长3个像素单位的立方体，将当前像素点和同尺度8个相邻点，以及上下尺度相邻的18个点一一比较，确保在尺度空间和图像空间内都能检测到极值点；

2)分割阈值计算

采用类间方差最大方法实现自适应分割阈值计算，满足动态场景需求；

3)图像二值化

根据分割阈值，图像中像素的灰度值大于阈值的置为255，灰度值小于阈值的置为0，将图像进行二值化处理；

4)轮廓边缘点查找

对于二值化的图像f(x，y)，满足f(x，y)＝255，f(x，y-1)＝0的像素点(x，y)是轮廓外边界起始点，满足f(x，y)≥255，f(x，y+1)＝0的像素点(x，y)是轮廓孔边界起始点；

从图像f(x，y)左上角，即图像坐标系原点处，开始逐行对每一个像素点(x，y)进行扫描，遇到外边界和孔边界起点时终止扫描，扫描结束后，从起始点开始标记边界上像素，若为新发现的边界，分配唯一识别符，直至发现所有边界形成的最终轮廓；

5)轮廓近似拟合

针对每一个轮廓，设定一个门限值，对于轮廓上A、B两点连成的直线，找到AB之间点C，若C到AB的距离小于门限值，则认为AB和C属于一组，否则连接AC、CB，继续重复上述操作，直至处理完轮廓上所有点；

对轮廓进行近似拟合，处理所有轮廓，去掉噪点对轮廓边缘特征影响；

6)点特征和轮廓特征融合

对于一个轮廓，选取轮廓附近8个邻域区域，如果特征点在区域内，保留该特征点，否则删除该特征点；

7)特征描述

对于融合后的每一个特征点分别计算梯度方向和梯度幅值，像素点(x，y)的梯度值计算公式为：

像素点(x，y)的梯度方向计算公式为：

θ(x，y)＝tan^-1((f(x，y+1)-f(x，y-1))/(f(x+1，y)-f(x-1，y)))

然后用高斯窗口进行加权，并插值计算每个梯度方向的累加值后，建立8个方向的梯度直方图；

分别对4×4个子区域的8个梯度信息根据位置依次排序，形成一个128维的特征向量描述；

8)特征匹配

根据欧式距离、最近/次近邻法则，从实时图和待匹配基准图像的特征点描述集中选出满足条件的匹配点；

9)映射矩阵点筛选

通过随机采样一致性算法(RANSC)消除错误匹配和不精确匹配，噪点剔除后的特征匹配对即映射矩阵点；

10)映射矩阵计算

实时图和基准图在正确匹配后，同名特征具有相同映射关系，映射关系表示为：

其中为基准图，为实时图，H为映射矩阵；

基于筛选的映射矩阵点，通过最小二乘得到实时图和基准图的映射矩阵H；

11)匹配位置计算

根据映射矩阵，将实时图中心坐标映射到基准图上，并根据飞行平台姿态信息补偿得到飞行平台当前地理位置信息。

2.根据权利要求1所述的一种基于点特征和轮廓特征融合的图像匹配定位方法，其特征在于：

所述步骤2)中，类间方差最大方法计算步骤如下：

假定存在一个阈值K，将大小为M×N的图像像素分成两部分，第一部分像素的坐标第二部分像素的坐标第一部分像素数量占总像素数量比为P_a，第二部分像素数量占总像素数量比为P_b，第一部分像素的平均灰度值均值为第二部分像素的平均灰度值均值为则阈值K应满足：

通过图像迭代求出分割阈值。