面向著陸段的小天體圖像特征點匹配方法研究.pdf

1、光學(xué)相機在著陸段拍攝的小天體圖像具有多細(xì)節(jié)、高清晰度的特性，擁有比繞飛段圖像更加詳細(xì)的圖像特征，被廣泛應(yīng)用于光學(xué)自主導(dǎo)航。由于著陸段的小天體圖像受到探測器下降速度與光學(xué)相機成像時間的影響，從而導(dǎo)致圖像模糊，并對圖像處理方法的有效性產(chǎn)生一定的影響。在著陸段小天體圖像處理過程中，圖像特征點匹配方法是圖像處理算法的核心，由于小天體圖像特征點的匹配精度直接受到圖像質(zhì)量與圖像特征點匹配標(biāo)準(zhǔn)的影響，因此，研究高質(zhì)量的圖像復(fù)原與高精度的圖像特征點匹配

2、方法，對提升著陸段小天體圖像導(dǎo)航性能具有重要意義。
　　在著陸段小天體圖像處理方法研究中，PCA-SIFT算法作為圖像特征點提取與匹配的一種經(jīng)典方法，理論上可以得到較高的圖像特征點匹配精度，但其利用歐氏距離作為相似性匹配標(biāo)準(zhǔn)，將不同維度指標(biāo)等同于相同刻度級別，使得圖像特征點匹配精度降低。本文在深入地研究基于傳統(tǒng)PCA-SIFT算法的小天體圖像特征點匹配方法后，根據(jù)著陸段小天體圖像的特征，從優(yōu)化小天體圖像質(zhì)量和提高圖像特征點匹配精度

3、兩個角度進(jìn)行了改進(jìn)。
　　(1)為了提高模糊小天體圖像的復(fù)原質(zhì)量，提出了一種基于頻譜特征的圖像復(fù)原方法。該算法首先利用NSCT濾波器消除小天體圖像噪聲。再運用模擬退火算法對圖像頻譜特征進(jìn)行優(yōu)化得到點擴散函數(shù)，從而確定模糊退化模型。最后，通過Lucy-Richardson算法復(fù)原模糊圖像。本文采用灰度平均梯度與拉普拉斯梯度對圖像復(fù)原質(zhì)量進(jìn)行了評價。
　　(2)為了提高光學(xué)相機拍攝的復(fù)原小天體圖像特征點匹配精度，本文提出了結(jié)合P

4、CA-SIFT與相關(guān)系數(shù)的算法。該算法首先采用PCA-SIFT算法提取復(fù)原小天體圖像的特征點，然后選擇相關(guān)系數(shù)作為相似性度量指標(biāo)，對圖像特征點進(jìn)行匹配與篩選，最后運用RANSAC算法刪除錯誤匹配點對。
　　文中通過美國國家航空航天局提供的圖像數(shù)據(jù)庫獲取著陸段小天體圖像，并通過實驗分別仿真上述兩種方法。實驗結(jié)果表明，與傳統(tǒng)復(fù)原算法相比，本文算法復(fù)原的小天體圖像質(zhì)量有較大的提高，為小天體圖像特征點匹配奠定了良好的基礎(chǔ);與傳統(tǒng)的PCA-