[發明專利]一種基于點特征和輪廓特征融合的圖像匹配定位方法

有效

• 申請號: 201910820291.1
• 申請日: 2019-09-01
• 公開（公告）號: CN110569861B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 王健;魏紅波
• 申請（專利權）人: 中國電子科技集團公司第二十研究所
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06V10/46;G06V10/75
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 金鳳

1.一種基于點特征和輪廓特征融合的圖像匹配定位方法，其特征在于包括下述步驟：

1)點特征檢測

采用Hessian局部極大值原理進行點特征檢測，第i個像素的Hessian矩陣的計算公式為：

式中σ_i，norm為對應圖像組中歸一化尺度因子，L_xx和L_yy分別為二階橫向和縱向微分，L_xy為二階交叉微分；

尋找極值點時候，每一個像素點和周圍所有的相鄰點進行比較，比較范圍是當前尺度、上一尺度和下一尺度上的3×3矩形窗口，上一尺度為當前尺度圖像2倍降采樣，下一尺度為當前尺度圖像2倍線性插值，當像素點大于所有相鄰點時,則像素點是極值點，即搜索空間是一個邊長3個像素單位的立方體，將當前像素點和同尺度8個相鄰點，以及上下尺度相鄰的18個點一一比較，確保在尺度空間和圖像空間內都能檢測到極值點；

2)分割閾值計算

采用類間方差最大方法實現自適應分割閾值計算，滿足動態場景需求；

3)圖像二值化

根據分割閾值，圖像中像素的灰度值大于閾值的置為255，灰度值小于閾值的置為0，將圖像進行二值化處理；

4)輪廓邊緣點查找

對于二值化的圖像f(x，y)，滿足f(x，y)＝255，f(x，y-1)＝0的像素點(x，y)是輪廓外邊界起始點，滿足f(x，y)≥255，f(x，y+1)＝0的像素點(x，y)是輪廓孔邊界起始點；

從圖像f(x，y)左上角，即圖像坐標系原點處，開始逐行對每一個像素點(x，y)進行掃描，遇到外邊界和孔邊界起點時終止掃描，掃描結束后，從起始點開始標記邊界上像素，若為新發現的邊界，分配唯一識別符，直至發現所有邊界形成的最終輪廓；

5)輪廓近似擬合

針對每一個輪廓，設定一個門限值，對于輪廓上A、B兩點連成的直線，找到AB之間點C，若C到AB的距離小于門限值，則認為AB和C屬于一組，否則連接AC、CB，繼續重復上述操作，直至處理完輪廓上所有點；

對輪廓進行近似擬合，處理所有輪廓，去掉噪點對輪廓邊緣特征影響；

6)點特征和輪廓特征融合

對于一個輪廓，選取輪廓附近8個鄰域區域，如果特征點在區域內，保留該特征點，否則刪除該特征點；

7)特征描述

對于融合后的每一個特征點分別計算梯度方向和梯度幅值，像素點(x，y)的梯度值計算公式為：

像素點(x，y)的梯度方向計算公式為：

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

然后用高斯窗口進行加權，并插值計算每個梯度方向的累加值后，建立8個方向的梯度直方圖；

分別對4×4個子區域的8個梯度信息根據位置依次排序，形成一個128維的特征向量描述；

8)特征匹配

根據歐式距離、最近/次近鄰法則，從實時圖和待匹配基準圖像的特征點描述集中選出滿足條件的匹配點；

9)映射矩陣點篩選

通過隨機采樣一致性算法(RANSC)消除錯誤匹配和不精確匹配，噪點剔除后的特征匹配對即映射矩陣點；

10)映射矩陣計算

實時圖和基準圖在正確匹配后，同名特征具有相同映射關系，映射關系表示為：

其中為基準圖，為實時圖，H為映射矩陣；

基于篩選的映射矩陣點，通過最小二乘得到實時圖和基準圖的映射矩陣H；

11)匹配位置計算

根據映射矩陣，將實時圖中心坐標映射到基準圖上，并根據飛行平臺姿態信息補償得到飛行平臺當前地理位置信息。

2.根據權利要求1所述的一種基于點特征和輪廓特征融合的圖像匹配定位方法，其特征在于：

所述步驟2)中，類間方差最大方法計算步驟如下：

假定存在一個閾值K，將大小為M×N的圖像像素分成兩部分，第一部分像素的坐標第二部分像素的坐標第一部分像素數量占總像素數量比為P_a，第二部分像素數量占總像素數量比為P_b，第一部分像素的平均灰度值均值為第二部分像素的平均灰度值均值為則閾值K應滿足：

通過圖像迭代求出分割閾值。