[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

说明书

本发明提供了一种基于点特征和轮廓特征融合的图像匹配定位方法，点特征检测之后，计算分割阈值，将图像二值化，通过轮廓边缘点查找后，轮廓近似拟合，使得点特征和轮廓特征融合，进行特征描述和特征匹配，通过映射矩阵点筛选，计算映射矩阵和匹配位置，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。本发明点特征具有内在轮廓约束，通过轮廓特征能够快速有效的剔除误匹配点，避免了单一用点特征匹配带来的误匹配问题，提高了匹配正确性，通过点特征和轮廓特征融合实现了飞行平台拍摄实时图和卫星遥感图像基准图的异源图像匹配定位，相对于目前的匹配算法具有较高的正确性。

技术领域

本发明涉及视觉导航领域，提出了一种图像匹配定位方法，可用于飞行平台视觉导航定位，还可以用于各类飞行平台在航路飞行上的目标跟踪等领域。

背景技术

图像匹配是指对不同拍摄环境或拍摄设备下获取的两幅或多幅景象，建立图像间部分或者全部信息的映射关系。图像匹配技术在许多领域都有着广泛的应用，包括导弹的地形和地图匹配定位、视觉导航等。

在视觉导航领域，通过飞行平台的光电设备获取当前实时位置实时图，将实时图和带有地理信息的基准图比较匹配，如果完成实时图和基准图匹配，那么就能知道飞行平台当前地理位置，完成导航定位。

基准图为星载相机拍摄的高分辨率光学遥感图像，实时图为飞行平台的光电设备获取的光学图像，由于不同传感器的成像特性存在差别，成像机理差别较大，同一场景在两幅图像上可能呈现完全不同的表现，为了能够利用图像匹配进行视觉导航，需要一种可靠的异源图像匹配方法。

图像匹配主要有两类方法：基于灰度区域的方法和基于特征的方法。

基于灰度区域的方法通常直接利用整幅图像的灰度像素或梯度信息进行匹配，常用的方法有灰度相关方法、梯度相关方法等，这类方法主要缺点是对图像变形适应性较差，计算量大，对于成像差异较大的图像一般很难得到理想的结果。

基于特征的方法首先提取图像中一些显著性结构，即点、直线、曲线或曲面等，然后对这些特征进行匹配。由于特征是图像中像素一部分，比像素点要少，减少了匹配过程中计算量。常用的方法有Harris、SIFT(Scale Invariant Feature Transform)算法、SURF(Speed Up Robust Feature)、ORB(Oriented Brief)算法等。这些算法对于不同的异源图像匹配，匹配错误较多。

基于SURF的两幅异源图像匹配结果如图1所示，左图是无人机拍摄的实时图，右图是卫星遥感基准图像，通过匹配结果可以看出实时图的A区域错误的和基准图的A’、B’区域匹配，把不相关的区域建立匹配关系，如果根据错误的匹配结果进行定位就会得出错误结论，其它算法(如ORB、SIFT等)都存在类似问题。如何提升飞行平台拍摄的实时图和卫星遥感图像匹配正确性是视觉匹配导航定位的重要研究内容之一。

匹配错误较多的一个原因是缺少有效的误匹配点剔除方法，专利“石悦,付琨,孙显,等.一种多源传感器的遥感图像配准方法[P].中国：CN103020945B,2016”介绍了一种多源遥感图像配准方法，通过随机一致性抽样算法剔除误匹配点，专利“单小军,唐娉,郑柯,等.一种用于包含复杂地形遥感图像的误匹配点剔除方法[P].中国：CN10254265B,2014”介绍了一种有效剔除匹配过程中误匹配点方法，对飞行平台拍摄的实时图和卫星遥感图像匹配时，利用这些方法剔除误匹配点不能取得满意效果。