一种基于点特征和轮廓特征融合的图像匹配定位方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110569861A(43)申请公布日2019.12.13(21)申请号201910820291.1(22)申请日2019.09.01(71)申请人中国电子科技集团公司第二十研究所地址710068陕西省西安市雁塔区光华路1号(72)发明人王健魏红波(74)专利代理机构西北工业大学专利中心61204代理人金凤(51)Int.Cl.G06K9/46(2006.01)G06K9/62(2006.01)权利要求书2页说明书6页附图5页(54)发明名称一种基于点特征和轮廓特征融合的图像匹配定位方法(57)摘要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。CN110569861ACN110569861A权利要求书1/2页1.一种基于点特征和轮廓特征融合的图像匹配定位方法，其特征在于包括下述步骤：1)点特征检测采用Hessian局部极大值原理进行点特征检测，第i个像素的Hessian矩阵的计算公式为：式中σi，norm为对应图像组中归一化尺度因子，Lxx和Lyy分别为二阶横向和纵向微分，Lxy为二阶交叉微分；寻找极值点时候，每一个像素点和周围所有的相邻点进行比较，比较范围是当前尺度、上一尺度(当前尺度图像2倍降采样)和下一尺度(当前尺度图像2倍线性插值)上的3×3矩形窗口，当像素点大于所有相邻点时,则像素点是极值点，即搜索空间是一个边长3个像素单位的立方体，将当前像素点和同尺度8个相邻点，以及上下尺度相邻的18个点一一比较，确保在尺度空间和图像空间内都能检测到极值点；2)分割阈值计算采用类间方差最大方法实现自适应分割阈值计算，满足动态场景需求；3)图像二值化根据分割阈值，图像中像素的灰度值大于阈值的置为255，灰度值小于阈值的置为0，将图像进行二值化处理；4)轮廓边缘点查找对于二值化的图像f(x，y)，满足f(x，y)＝255，f(x，y-1)＝0的像素点(x，y)是轮廓外边界起始点，满足f(x，y)≥255，f(x，y+1)＝0的像素点(x，y)是轮廓孔边界起始点；从图像f(x，y)左上角，即图像坐标系原点处，开始逐行对每一个像素点(x，y)进行扫描，遇到外边界和孔边界起点时终止扫描，扫描结束后，从起始点开始标记边界上像素，若为新发现的边界，分配唯一识别符，直至发现所有边界形成的最终轮廓；5)轮廓近似拟合针对每一个轮廓，设定一个门限值，对于轮廓上A、B两点连成的直线，找到AB之间点C，若C到AB的距离小于门限值，则认为AB和C属于一组，否则连接AC、CB，继续重复上述操作，直至处理完轮廓上所有点；对轮廓进行近似拟合，处理所有轮廓，去掉噪点对轮廓边缘特征影响；6)点特征和轮廓特征融合对于一个轮廓，选取轮廓附近8个邻域区域，如果特征点在区域内，保留该特征点，否则删除该特征点；7)特征描述对于融合后的每一个特征点分别计算梯度方向和梯度幅值，像素点(x，y)的梯度值计算公式为：像素点(x，y)的梯度方向计算公式为：θ(x，y)＝tan-1((f(x，y+1)-f(x，y-1))/(f(x+1，y)-f(x-1，y)))2CN110569861A权利要求书2/2页然后用高斯窗口进行加权，并插值计算每个梯度方向的累加值后，建立8个方向的梯度直方图；分别对4×4个子区域的8个梯度信息根据位置依次排序，形成一个128维的特征向量描述；8)特征匹配根据欧式距离、最近/次近邻法则，从实时图和待匹配基准图像的特征点描述集中选出满足条件的匹配点；9)映射矩阵点筛选通过随机采样一致性算法(RANSC)消除错误匹配和不精确匹配，噪点剔除后的特征匹配对即映射矩阵点；10)映射矩阵计算实时图和基准图在正确匹配后，同名特征具有相同映射关系，映射关系表示为：其中为基准图，为实时图，H为映射矩阵；基于筛选的映射矩阵点，通过最小二乘得到实时图和基准图的映射矩阵H；11)匹配位置计算根据映射矩阵，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。2.根据权利要求1所述的一种基于点特征和轮廓特征融合的图像匹配定位方法，其特征在于：所述步骤2)中，类