野外景象匹配穩(wěn)健性的研究.pdf

1、圖像預(yù)處理主要完成實(shí)時(shí)圖校正,針對(duì)導(dǎo)彈俯仰、滾動(dòng)及航向的影響,導(dǎo)致實(shí)時(shí)圖與基準(zhǔn)圖之間存在幾何畸變,該文據(jù)攝像機(jī)幾何成像關(guān)系,建立畸變坐標(biāo)系與基準(zhǔn)坐標(biāo)系的對(duì)應(yīng)關(guān)系,進(jìn)而采用歐氏距離逆向插值求解校正圖像的灰度,實(shí)驗(yàn)證明該方法在實(shí)時(shí)性的前提下能夠在一定程度上保留圖像細(xì)節(jié).在灰度校正方面采用直方圖相關(guān)技術(shù),增強(qiáng)了實(shí)時(shí)圖與基準(zhǔn)圖灰度分布的一致性與圖像特征的相似性.為使圖像匹配具有穩(wěn)健性,首先分析具有實(shí)時(shí)性處理算法(歸一化積相關(guān)和歸一化灰度組合)的

2、正確匹配概率與圖像統(tǒng)計(jì)特征之間關(guān)系,且結(jié)論為:①正確匹配概率與匹配圖像的信噪比成正比;②正確匹配概率與匹配圖像的獨(dú)立像元數(shù)成正比;③正確匹配概率與不匹配次數(shù)成反比;④在信噪比小于1的情況下,歸一化積相關(guān)具有較高的匹配概率.鑒于上述結(jié)論與最小二乘法原理,該文提出基于特征模板的時(shí)空關(guān)聯(lián)匹配算法.圖像特征提取是采用具有側(cè)抑制性能的Bubble小波,在能量守恒前提下相乘不同尺度邊緣特征,有效地抑制虛假邊緣,保證了圖像邊緣特征的穩(wěn)健性.時(shí)空關(guān)聯(lián)匹

3、配是基于慣導(dǎo)相對(duì)漂移誤差較小而提出的,該方法利用最小二乘法擬合序列實(shí)時(shí)圖與基準(zhǔn)圖的相關(guān)峰值以確定最佳匹配位置,增加了識(shí)別偽峰的能力,提高了匹配概率與定位精度.為保證匹配算法實(shí)時(shí)性及硬件實(shí)現(xiàn)的可能性,根據(jù)Fourier變換線性定理、周期定理與平移定理提出了合成序列實(shí)時(shí)圖與基準(zhǔn)圖匹配的方案,一次相位相關(guān)計(jì)算即可求解四幅序列實(shí)時(shí)圖分別與基準(zhǔn)圖的相關(guān)矩陣,同理依據(jù)最小二乘法確定實(shí)時(shí)圖的最佳匹配位置.良好的圖像特征是高匹配性能的基礎(chǔ),故有必要在基

4、準(zhǔn)圖中進(jìn)行適配區(qū)選擇.首先把將基準(zhǔn)圖分成若干互不重疊的圖像塊,以圖像塊為單位,采用四尺度八方向的Gabor小波提取圖像紋理特征,進(jìn)而將所有尺度和方向上的小波系數(shù)能量分布的均值、方差(不同尺度和方向的小波變換系數(shù)的能量分布的均值分別代表紋理的頻率和方向特征,方差代表紋理的復(fù)雜度)組合成描述圖像區(qū)域內(nèi)紋理特性的特征矢量;其次基于EM算法實(shí)現(xiàn)紋理特征矢量的聚類;最后基于四個(gè)統(tǒng)計(jì)評(píng)價(jià)指標(biāo)(圖像方差、獨(dú)立像元數(shù)、紋理頻譜分布和重復(fù)模式)確定基準(zhǔn)圖