不同传感器图像的景象匹配区选取准则研究

景象匹配区的选取工作是影响光学景象匹配系统性能的重要因素,在分析影响景象匹配算法的配准概率和定位精度等因素的基础上,人们已经提出了一些实用的选取方法。文章首先对这些方法进行了研究,然后,从选取准则的角度对影响景象匹配区选取的因素进行了归纳分析,通过实验发现利用这些准则在进行实时图为红外图像、基准图为可见光图像的景象匹配区选取时存在一些问题,文章针对这些问题提出一种基于图像边缘密度与自匹配系数的景象匹配区选取准则。实验证明,该算法既保证了所选匹配区中的边缘信息量,又确保了所选区域具有较好的不相关性,采用粗选加精选的方式提高了选取速度。     

一种基于边缘密度与自匹配系数的匹配区选取准则

景象匹配区的选取工作是影响景象匹配系统性能的重要因素.在选取准则研究方面按照选取参数的不同,目前有基于图像方差的选取准则、基于图像独立像元数的选取准则、基于图像重复模式的选取准则、基于自匹配系数的选取准则等.首先对这些准则进行了基本介绍,然后,通过具体的选取实验,指出它们在基准图选取时存在的问题,最后,针对这些问题,提出一种基于图像边缘密度与自匹配系数的景象匹配区选取准则加以解决.通过对典型地形、地貌特征的图像进行选取实验,证明了算法的有效性.     

基于TAPF算法的匹配区选择方法研究

针对TAPF匹配滤波算法研究景象特征与匹配性能的关系,提出景象特征指标体系,并以此为基础结合相关面特征和模板的容差性等因素系统地制定景象匹配区选择方法准则.利用现有卫片/航片进行匹配选择试验,结果表明,该方法可以成功地规划出满足系统要求的景象匹配区.     

一种新的序列图像匹配定位算法

景象匹配是飞行器导航定位中广泛采用的一项技术,如何提高图像的匹配概率,始终是该项技术中一个值得研究的课题。针对传统的利用单幅实时图像进行匹配时,存在的实时景象图过小、匹配特征不足,从而导致匹配效率过低的问题。文中研究了一种基于归一化灰度相关序列图像匹配算法,利用飞行器飞越匹配区时所得到的序列实时图像,在序列中各单幅图像匹配的基础上,利用一定的规则来综合单幅图像的匹配结果,从而得到最终匹配结果。实验证明,文中方法不仅能显著提高匹配性能,而且有较大的实用性。     

基于模糊集的神经网络景象匹配算法

将神经网络思想引入到景象匹配，提出了基于模糊集的神经网络景象匹配算法。该算法将图像模糊集作为特征空间，尝试了在模糊域中采用3层前向神经网络搜索算法进行精确寻优的方法。实验结果表明，设计的算法不但较好地满足了景象匹配系统对匹配概率和匹配精度的要求，而且比传统算法具有更高的抗干扰能力，且实时性也较好，为飞行器实时景象匹配提供了一种可行方法。     

景象匹配评估系统中图像特征指标的选择(一)图像统计特征

采用统计试验的方法进行景象匹配算法的性能评估是当前的重要研究课题。通过统计试验建立匹配性能与图像特征指标体系之间的关系是研究的重点,因此选择一个合理的图像特征指标体系是很重要的。文中论述了评估系统中图像特征指标体系的选择问题,分析和试验指出,建立在实时图尺寸上的特征更符合理论分析结果,因而也更适于算法的性能评估和匹配区的选择。     

基于多尺度多方向Gabor模板的光学/SAR景象匹配

合成孔径雷达(SAR)成像制导通常采用光学基准图和SAR实时图进行特征提取和景象匹配.提出了一种光学/SAR异类影像匹配方法,利用多尺度多方向Gabor模板提取图像的Gabor特征后进行特征匹配,首先对SAR图像进行方向Frost滤波预处理,然后分别计算光学图像和SAR图像的高斯梯度图像,再利用多尺度多方向二维Gabor滤波器模板分别对两幅高斯梯度图像进行特征提取,最后对两组特征矩阵进行归一化互相关匹配.该方法直接利用光学图像和SAR实时图进行景象匹配,实验表明,该异类影像匹配方法较其他传统方法具有较高的鲁棒性和准确性.     

雷达景象匹配纹理适配能力研究

针对景象匹配中采用的基于纹理特征的灰度相关匹配算法,在图像适配性能检验的常用参数的基础上,提出了可衡量图像能量沿方向性分布的参数(扇形能量比),用于分析图像的匹配性能。经实测图像匹配试验验证,该参数指标能够衡量图像的纹理匹配特征,解决了依靠图像方差、相关长度计算容易产生偏差、进行相关运算计算运算量大的问题,可为匹配区提供较可靠的匹配性能信息。     

采用HOG特征的下视景象匹配算法

红外实时图像和可见光参考图像的差异给下视景象匹配技术带来挑战,如何寻找并提取红外实时图像与可见光基准图像间稳定和可靠的共性特征是进行特征匹配的重要研究课题。在分析红外图像和可见光基准图像成像机制基础上,提出了以HOG特征作为匹配的特征、以相关系数作为相似性测度的匹配算法,并研究了梯度方向范围、梯度方向划分、标准化等计算HOG特征相关参数对于匹配性能的影响,给出了性能较优的一组参数。实验表明:该匹配算法与互相关和Hausdorff距离法相比具有更高的正确匹配率。     

一种新的选取最佳景象匹配区准则

文中将几种基准图选取准则与匹配性能评价指标相结合，依据匹配性能建立基准图选取控制策略．成功地运用这种方法完成了基于相关曲面特征的最佳景象匹配区选取；通过对基准图相关曲面特征与匹配性能参数之间的关系分析，建立了一种综合的评价准则，对不同的特征进行综合的评价。实验结果表明，这是一种十分有效的最佳景象匹配区选取方法。     

基于捕获位置分布的导航参考适配性分析及快速计算

导航参考图适配性分析是景像匹配导航的关键问题之一。文中提出了一种基于捕获位置分布的估计导航参考图适配性方法。该方法首先在参考图每一点挖出实测图大小的子图,然后计算子图的特征参数并应用匹配准则估计子图的匹配概率,最后利用捕获位置分布函数对子图匹配概率加权求和以得到参考图的匹配概率。为了消除特征参数计算中存在的大量冗余计算,还研究了特征参数的快速计算方法。实验结果证明该快速算法大大提高了运算效率。     

基于捕获位置分布的导航参考图适配性分析及快速计算

导航参考图适配性分析是景像匹配导航的关键问题之一。文中提出了一种基于捕获位置分布的估计导航参考图适配性方法。该方法首先在参考图每一点挖出实测图大小的子图,然后计算子图的特征参数并应用匹配准则估计子图的匹配概率,最后利用捕获位置分布函数对子图匹配概率加权求和以得到参考图的匹配概率。为了消除特征参数计算中存在的大量冗余计算,还研究了特征参数的快速计算方法。实验结果证明该快速算法大大提高了运算效率     

基于卡尔曼融合的激光雷达特征匹配方法

针对现有激光雷达特征匹配算法线段特征匹配定位不够准确的问题,提出了一种基于卡尔曼融合的激光雷达特征匹配算法。首先扫描一帧雷达数据,利用改进的激光雷达线段特征提取方法,提取出特征线段,得到局部地图。接着确定局部地图旋转、平移参数,再将局部与全局地图进行匹配,根据相对偏差得到匹配结果。然后基于卡尔曼,利用IMU数据作下一时刻的预测估计,利用激光雷达匹配结果作观测,两者融合得到最优估计。实验结果表明该方法相对现有特征匹配算法在特征线段的匹配准确性上更高,因此定位导航的精度和鲁棒性也更好。     

景像匹配中重复模式的分析

景像匹配参考图中存在的重复模式重重影响匹配概率及匹配可信度，景像匹配要求精度与匹配概率同时满足一定的要求，若参考图中存在重复模式，对匹配的精度和概率必定产生一定程度的影响。     

改进的地图匹配算法研究

文中研究了地图匹配技术在GPS/DR组合导航系统中的作用,分析了影响地图匹配精度的因素,模拟一种基于模糊逻辑思想的地图匹配算法。该算法通过方向性、路段的接近程度和相似性三个方面进行模糊综合评判,并且结合道路网络的拓扑结构,挑选出最佳匹配路段。仿真结果验证了该算法的有效性。     

融合WiFi、激光雷达与地图的机器人室内定位

由于室内环境受多径效应影响,单一WiFi定位效果不佳;激光雷达(LiDAR)虽然测距定位精度高,但在室内存在大量单一、重复的场景结构(如走廊)时,往往会由于无法提取有效特征进行匹配而造成大量错误定位。因此,该文提出基于卡尔曼滤波框架的WiFi、激光雷达与地图的融合定位新方法。其中,滤波器的状态定义为机器人当前与历史时刻的位置序列。滤波器的观测值由两部分组成,一部分为该文所提基于多环路分割地图下信号强度加权匹配的WiFi指纹定位结果;另一部分来自激光雷达在单一重复场景中计算出来的高精度相对定位结果(如横向定位)。利用场景地图中的先验参考位置,可将该横向定位结果转变为机器人位置的线性约束。最后,利用卡尔曼滤波器实现机器人高精度的融合定位结果。实验中,针对两种典型的单一、重复的室内场景,分别采用2维与3维激光雷达对该文算法进行验证。实验结果表明,由于激光横向定位精度可达厘米级,结合厘米级地图可以极大提高机器人定位精度。与单一WiFi定位算法相比,利用激光雷达计算出来的相对定位结果结合场景地图,平均定位误差可降低70%～80%,在满足机器人实时定位需求情况下,实现定位精度与稳定性的显著提升。     

基于卫星图像的三维前视基准图制备方法

下视景像匹配制导是现代战争中精确制导武器普遍采用的制导方式,随着技术的发展,基于前视景像匹配的制导方式成为了研制新一代精确制导武器中的研究热点。探讨了基于前视景像匹配制导的基本思想,重点介绍了前视景像匹配中三维前视基准图的生成方法,包括总体流程、选取准则和三维重建等关键环节,并给出了相应实验结果及结论。对于开展前视景像匹配研究具有一定的促进作用。     

基于引导滤波及视差图融合的立体匹配

立体匹配是双目视觉领域的重要研究方向.为在保证图片纹理区域匹配精度的同时降低弱纹理区域的误匹配率,提出一种基于引导滤波及视差图融合的立体匹配方法.首先,根据图像颜色相似性将图片划分为纹理较丰富区域和弱纹理区域.接着,分别采用不同参数的引导滤波进行代价聚合及视差计算,得到两张视差图.然后依据纹理区域划分的结果对获得的两张视差图进行融合.最后,通过左右一致性检测、加权中值滤波等视差优化步骤得到最终视差图.对Middlebury测试平台上标准图像对的实验结果表明,该方法在6组弱纹理图像上的平均误匹配率为9.67％,较传统引导滤波立体匹配算法具有更高的匹配精度.     

雷达地图匹配制导中的共性特征提取与匹配方法

本文针对雷达地图匹配制导中的共性特征提取和雷达与地图匹配这一特定问题,应用小波变换多尺度分析提取共性特征．提出基于人工神经元网络的雷达地图匹配方法,并且给出相应的试验结果．因为Ｈｏｐｆｉｅｌｄ 模型可以由集成电路实现．本文算法可以实时地完成．试验表明采用本匹配方法能够解决雷达地图匹配问题,获得比传统匹配方法,例如平均绝对差算法更高的匹配定位精度和匹配概率     

基于视差与灰度双层支持窗的立体匹配算法

针对传统局部匹配支持窗难以利用空间、灰度距离远的像素信息的问题,提出一种基于视差和灰度的双层支持窗立体匹配算法。该算法根据视差图获得第一层视差支持窗,在视差支持窗内配合参考图RGB颜色灰度值获得灰度相似子支持窗;随后以视差窗、灰度窗、中心像素为优化路径,通过类动态规划算法优化聚合匹配代价;最后采用WTA策略选取最佳视差,更新所有视差,并不断迭代优化视差图直到视差收敛。经过Middlebury 平台的测评,新算法的平均误匹配率为5.15%。