歡迎登錄中國視覺網!
學術論文頻道
ACADEMIC PAPERS
位置導航:首頁 >> 學術論文 >> 專業論文 >> 圖像匹配制導技術研究

圖像匹配制導技術研究

發布時間:2018-06-04     來源:中國視覺網       訪問次數:7019


摘  要:圖像匹配是飛行器末制導的重要方法,其性能的好壞決定了導航系統的總體性能。論文較詳細綜述了目前圖像匹配制導的研究現狀、存在問題及研究展望。目前人們主要從匹配前圖像預處理、匹配區選擇、匹配算法研究和匹配后處理等方面來提高圖像匹配制導的性能;目前還沒有一種匹配算法能完全滿足圖像匹配制導的要求,各種方法都存在各自的優缺點和適用范圍;圖像匹配算法的實時性、匹配有效性和正確率依然是目前和今后一段時間內圖像匹配制導的主要研究問題。
關鍵詞:圖像匹配;飛行器制導;研究現狀;存在問題;研究展望


1  引  言
    圖像匹配是圖像處理的一項關鍵技術,可廣泛用于目標識別與跟蹤、立體視覺、變化檢測、機器人導航、測繪等領域,已成為一門新興的分支學科。隨著計算機技術的不斷發展,特別是速度更快、價格更低處理芯片的問世,圖像匹配速度大大提高,從而使其在飛行器導航與控制等實時性要求很高的領域也得到了廣泛應用。與傳統的慣性導航、無線電導航等方式比較,圖像匹配制導具有自主性強、制導精度高等優點,因此受到人們的高度重視[1-2]。  
    實時圖像匹配制導系統的功能是利用地物景象為慣導系統提供精確定位信息,修正其經過長時間飛行所積累的誤差,引導飛行器到達預定目標。該系統的工作原理是:事先利用偵察手段獲取飛行器下方的地物景象 (基準圖像)并存于飛行器載計算機中。然后,當攜帶相應傳感器的飛行器飛過預定的位置范圍時,便即時測量出當地的地物景象 (實時圖像)。將實時圖像和基準圖像在飛行器載計算機中進行相關匹配比較,即可以確定出當前飛行器的準確位置,完成定位功能[3-4]。其原理框圖如圖1所示。

 


    在這種情況下,由于飛行器慣導系統的誤差,匹配必須在大范圍內搜索才能完成,這就使得速度與可靠性成為匹配定位的關鍵。因此,研究合適的圖像匹配算法成為取得好的導航性能的關鍵。
圖像匹配導航的待匹配圖像是不相似圖像間的匹配,且匹配算法必須具有實時、普適性強和定位準確等特點。要實現理想的飛行器導航圖像匹配,算法設計難度很大,該問題一直是國內外研究的熱點和難點問題。
    本文對飛行器導航圖像匹配算法的研究現狀進行綜述,并簡要分析存在的問題以及今后進一步努力的方向。
2  研究現狀及分析
    目前人們主要從三個方面的研究來提高圖像匹配制導的性能: 一是匹配圖像的預處理,二是圖像匹配各種算法的研究,三是匹配的后處理研究。
2.1 匹配圖像預處理研究
    包括圖像匹配區選擇、基準圖和實時圖的預處理算法研究。
    1、圖像匹配區選擇:理想情況下,實時圖應與基準圖內的一個且僅有一個子圖完全相同。但實際上,由于各種因素的影響,二者并不完全一致,可能造成系統誤匹配。因此,要針對地面景象特征,得出合理的匹配區選擇準則,使得規劃飛行路徑時自動選擇匹配區成為可能。常用的算法主要有相關長度、獨立像元數、自匹配系數、信噪比、互相關峰、子區相似分析、信息量評價等[5-8]。
    2、基準圖和實時圖的預處理算法研究:由于圖像匹配中基準圖與實時圖的差異,圖像的預處理

被證明是提高匹配概率的重要途徑。研究適合于不同狀況基準圖與實時圖的預處理方法,以克服匹配圖像間的灰度畸變和幾何畸變。當匹配圖像有相近的灰度分布時,不論采用何種匹配方法,都會取得好的匹配效果。常用算法有Wallis濾波器,四鄰點平均法、中值濾波法、高斯濾波法、直方圖均衡化、SUSAN濾波、小波預處理算法進行濾波等[9-10]。特別研究強干擾情況下如煙霧干擾下的實時圖濾波方法,以增強匹配效果[11]。
2.2 圖像匹配算法研究
    面向巡航制導與末制導尋的應用的圖像匹配問題的研究主要包括兩個方面:一是開展面向圖像處理和圖像匹配的高速并行計算機及其結構的研究。二是開展各種快速匹配算法的研究工作。
目前人們提出了許多圖像匹配方法,一般可以劃分為基于灰度的匹配方法,基于特征的匹配方法和關系結構匹配方法[2,12,13]。
    在基于灰度匹配的相似性度量方面人們提出了歸一化積相關算法(NPROD)、平均平方差算法(MSD)、平均絕對差算法(MAD)、圖像直方圖不變特征、頻域相關、模糊信息理論、圖像的投影特征、局部分形特征、奇異值分解以及基于主成分分析等的匹配度量方法[14-16]。 
為了提高圖像匹配定位精度,提出了快速傅立葉變換、相位相關、最小二乘、貝葉斯等匹配方法,還提出了基于圖像高分辨率重采樣、基于曲面擬合的方法使圖像匹配的位置精度提高到子像元水平[17]。
    圍繞減少搜索空間和減少匹配時間的問題,人們相繼提出了序貫相似性檢測算法、兩級模板匹配算法、分層序貫匹配算法、多子區域相關匹配算法等各種快速匹配算法。圍繞抗噪聲干擾和抗幾何失真問題,人們相繼提出了隨機符號變化規則、不變矩等算法。同時,人們對于提高匹配精度和匹配速度有關的各種問題,比如定位精度、噪聲、灰度電偏差、量化誤差等誤差因素對匹配性能的影響,各種預處理技術等都進行了比較系統的研究,有力地推進了圖像相關技術在巡航制導和導彈末制導尋的中的應用[18]。
    另外,對飛行器巡航制導圖像匹配的基準圖像的制備、圖像匹配算法的性能評估、匹配算法的并行快速實現以及專用計算機及算法的硬件實現等都進行了深入的研究[19-21]。
為了提高圖像匹配算法的速度,基于人工神經網絡的并行算法研究得到了重視[22-24]。
    近年來,研究者除了廣泛使用序貫相似性檢測的算法 (SSDA)、金字塔圖像技術來提高圖像匹配的速度外,用于快速優化搜索的遺傳算法,越來越受到研究者的關注和青睞[25-27]。
    小波變換是近年得到廣泛應用的數學工具。與傅立葉變換、窗口傅立葉變換相比,小波變換是空間(時間)和頻率的局域變換,因而能有效地從信號中提取信息。它通過伸縮和平移等運算功能對函數或信號進行多尺度細化分析,其在圖像處理及模式識別等領域有著重要的應用。在圖像匹配方面,主要應用小波變換生成圖像金字塔以及進行圖像的多尺度邊緣特征提取,從而進行由粗到精的圖像匹配,增強了圖像匹配的精度和可靠性,提高了匹配速度[28-29]。
    基于特征的匹配方法受到重視和廣泛的研究[30-35]。點集匹配的相似性度量,除廣泛使用的互相關測度之外,Hausdorff距離也是測量相似性的重要準則[36-38]。
    此外,圖像預處理、匹配后處理問題,抗局部強干擾問題,克服任意角度的旋轉,算法仿真及適應性等問題均引起個廣泛研究興趣[39-41]。
    Maciej ZASUWA等,對基于數字電視圖像匹配的地形參考導航系統進行了仿真研究,文中使用圖像匹配建立了定位和下視兩個子系統,以獲得控制點定位和速度這樣的導航信息。利用Sobel算子探測圖像邊緣,用邊緣互相關進行匹配,取得了較好的成果。Joakim Waldemark等研究了圖像分析在航空偵察和導彈中的應用。文章重點討論了雙脈沖神經網絡(PCNN)在各種圖像分析中的應用,尤其在航空偵察和導彈制導這樣要求實時運算的應用領域。J.-H. Park等對從航空序列圖像提取導航參數進行了研究,文中嘗試了用滑動窗口的方法實現快速的方差計算以實現快速特征提取。W.Abd-Almageed等基于點特征應用Walsh變換快速實現了包含運動剛體的序列圖像的匹配。Bijita Biswas等用模糊矩描述子進行圖像匹配,通過圖像所包含的邊緣、陰影以及二者的混合區域估計描述子的值。該方法對圖像的噪聲不敏感,且對圖像的旋轉與比例變化不敏感。Fang-Hsuan Cheng對幾何變換與扭曲不敏感的點匹配方法,匹配分兩步進行:一是松弛處理,二是進行匹配點對的選擇處理;通過實驗說明該方法的有效性與實用性。Etienne Vincent等對有關特征匹配的策略進行了討論。Lihua Zhang等對仿射點集匹配的遺傳算法進行了研究,通過構造特征橢圓來減小遺傳算法的搜索空間,從而大大提高了運算效率并取得了好的匹配效果。P. Montesinos等用一階微分不變量對未配準的彩色圖像的匹配進行了研究,在該文中首先提出了描述彩色信息的一階微分不變量,該描述對灰度的仿射變化不敏感。其次,作者實現了一種漸進的點匹配方法。Adam Baumberg對未配準的寬基線立體像對的可靠的特征匹配進行了研究,與傳統的立體匹配方法不同,沒有像機相對位置及定向的先驗知識,這些信息主要從圖像的特征匹配獲得。用Fourier-Mellin變換使得待匹配的特征與圖像的幾何旋轉、縮放與扭曲無關[42-51]。
2.3 匹配后處理研究
    實時圖是一組時間序列圖像,研究利用圖像之間固有的一些特性和信息進行多次表決,以提高圖像匹配的正確率。即利用慣導的先驗知識,剔除可能的誤匹配點,從而提高下視景象匹配的正確概率。另外,還有對多幀實時圖匹配的主、次峰結果,依據慣導位移一致性原則進行決策,進行匹配的后處理工作,從而提高匹配的正確率。
2.4 匹配算法分析
    盡管人們圍繞構成圖像匹配算法的四個要素即特征空間、相似性度量準則、搜索空間和搜索策略構成了多種多樣的圖像匹配算法,但目前還沒有一種算法能適合所有的應用。工程實際中常用的直接基于圖像灰度的歸一化互相關算法,具有對景象模式適應能力強、算法簡單、易于并行計算等優點,但當匹配圖像間存在較大的灰度畸變(如灰度反轉)、幾何畸變(如存在大的旋轉變形)和隨機噪聲時,匹配難免失敗。針對上述問題,人們又對基于特征的匹配算法進行了廣泛研究,形成了一些匹配算法。但特征匹配的成敗主要取決于匹配圖像中是否包含特征(如道路、水系、居民地等),當匹配在均值區域進行時(如水域),匹配同樣會失敗。 至于關系匹配,由于對圖像中的特征之間關系的描述和相似性度量還沒有找到合適的方法,因而目前沒有取得突破性進展。通過上述分析發現目前還沒有一種匹配算法能適應所有的匹配狀況,因而該問題一直是匹配制導領域的研究熱點和難點問題。
3  研究展望
    目前,計算快捷、精度高、適應性強的匹配算法一直是飛行器導航圖像匹配問題研究的核心。
快速圖像匹配一直是研究的熱點問題。包括各種快速搜索策略的研究,如多分辨率、多模板、序慣檢測、遺傳算法、信息量評價等思想方法,目的是壓縮匹配搜索空間(如減少匹配位置)?;褂幸恍┯嘔惴ㄊ俏思蚧問閹骺占?。其次,涉及匹配算法各個步驟的各種快速算法研究,如快速特征探測、簡化的相似性度量準則研究等。再者,即是各種匹配算法的并行實現的研究。總的目的就是為了提高匹配算法的計算速度,滿足實時匹配應用要求。
    匹配算法的適應性、有效性也一直是研究的核心問題。匹配正確率是匹配算法是否有用的關鍵。要提高匹配正確率,匹配算法就必須適應于不同的地表景觀,對各種噪聲污染、灰度畸變、幾何畸變都具有良好的適應性。因此,目前人們主要從匹配前圖像的預處理,各種匹配方法研究以及匹配后處理幾個方面來綜合提高最終的圖像匹配正確率。在匹配算法中,克服各種噪聲污染、灰度畸變、幾何畸變的算法研究(如強煙霧干擾模型研究、尺度與旋轉不變的匹配算法研究等),穩健、有效的新的相似性度量準則的研究一直是研究的重點問題。
    針對目前單一算法還不能滿足圖像匹配制導系統的要求的特點,多個算法的融合與集成可以克服單個算法的局限性,提高匹配的適應性。建立基于知識的多算法集成機制,也是目前研究的一個方向。
4  結 語
    飛行器導航圖像匹配算法的研究具有重要的理論意義和實際應用價值。匹配算法經過多年的發展,圖像匹配制導技術已越來越自動化、有效和穩健。針對復雜情況的算法也不斷涌現。將這些方法進行合理的總結、回顧和展望,更有助于對它們有很好的認識和理解,對已有的研究成果加以更好的利用。對未來進一步的研究方向更加清晰。 
參 考 文 獻
[1]  蘇康, 金善良. 智能地物景像匹配定位技術研究[J]. 紅外與激光工程.2000,29(1): 1-4.
[2]  李俊山, 沈緒榜. 圖像匹配技術研究[J]. 微電子學與計算機.2000,(2): 10-14.
[3]  蘇康, 關世義, 柳健. 一種實用的歸一化互相關景象匹配算法[J]. 宇航學報.1997,18(3): 1-7.
[4]  金善良. 下視景象匹配技術研究[J]. 紅外與激光技術.1994,(5): 31-35.
[5]  王曉靜,徐大新,許高升. 用于信號、圖像和景象匹配的特征區選擇方法[J]. 紅外與激光工程. 2002, 31(5):378-382.
[6]  杜菁,張天序. 景象匹配區的選擇方法[J]. 紅外與激光工程. 2003, 32(4):368-371.
[7]  付文興,王建民,金善良. 一種實用的景象匹配區選擇方法[J]. 宇航學報. 2003, 24(4):348-353
[8]  安如,金夏玲,王慧麟等. 基于特征匹配的圖像可匹配性研究[J].紅外與激光工程.2005,34(4):469-473.
[9]  張力,張祖勛,張劍清. Wallis濾波在圖像匹配中的應用[J]. 武漢測繪科技大學學報.1999,24(1):24-27
[10] 馬龍,繆棟. 光學景象匹配基準圖的濾波方法研究[J]. 上海航天.2000,(1):27-31
[11] 彭雙春,劉光斌,張健. 煙霧干擾下的實時圖濾波方法研究[J]. 紅外與激光工程.2005,134(4):478-480.
[12] Barbara Zitova, Jan Flusser. Image registration methods: a survey[J]. Image and Vision Computing. 2003,(21): 977–1000
[13] L.G. Brown. A survey of image registration techniques. ACM Computing Surveys.1992, 24(4): 325-376
[14] 馮桂, 盧健,林宗堅. 圖像直方圖不變特征在圖像匹配定位中的應用[J]. 計算機輔助設計與圖形學學報.2000,12 (2): 146-148.
[15] 高世海,戴文剛,田仲. 空域和頻域相結合的景象匹配算法[J]. 中國圖像圖形學報.2000,5(4): 345-348.
[16] 田金文,柳健,張天序. 基于模糊信息理論的景象匹配方法[J]. 紅外與激光工程.1998,27(3): 28-31.
[17] 趙立初,施鵬飛,俞 勇. 模扳圖像匹配中的亞像元定位新方法[J]. 紅外與毫米波學報.1999,18(5): 407-411.
[18] 吳晏,丁明躍,彭嘉雄. 基于圖像直方圖的一維不變矩研究[J]. 華中理工大學學報.1996,24(2): 66-68.
[19] 沈林成,高國華,常文森等. 開放式飛行任務規劃方法[J]. 宇航學報.1998,19(2): 13-18.
[20] 楊小岡,繆棟,曹菲. 一種實用的景象匹配仿真方法[J]. 系統仿真學報.2004,16(3):363-369.
[21] 楊靜,丘江,劉波. MSEA及其在模板匹配中的應用[J]. 光子學報.2001,30(4): 451-454.
[22] 沈未名,張祖勛,張劍清. 基于神經網絡的圖像匹配概率松弛算法[J]. 武漢測繪科技大學學報.1996,21(3):247-251.
[23] 張力,沈未名,張祖勛. 基于約束滿足神經網絡的整體圖像匹配[J]. 武漢測繪科技大學學報.1999,24(3):216-220.
[24] 桑農,張天序,魏洛剛. 松弛匹配算法的神經網給實現[J]. 通信學報.1996,17(2):56-52.
[25] 臧鐵飛,沈庭芝,陳建軍等. 改進的Hausdorff距離和遺傳算法在圖像匹配中的應用[J]. 北京理工大學學報.2000,20(6):733-737.
[26] 朱紅,趙亦工. 基于遺傳算法的快速圖像相關匹配[J]. 紅外與毫米波學報.1999,18(2):145-150.
[27] 熊興華,錢曾波 ,王任享. 遺傳算法與最小二乘法相結合的遙感圖像子像素匹配[J]. 測繪學報.2001,30(1):54-59.
[28] 陳鷹 ,葉勤 ,鐘志勇. 基于小波變換的雷達與光學圖像匹配算法研究[J]. 測繪學報.2000,29(3):245-249.
[29] 李寒松,徐大新,許高升. 基于復數小波變換的景像匹配算法[J]. 系統工程與電子技術.2002,24(1):83-86.
[30] 張天序,李巍,桑農. 雷達與光學景像共性特征提取與匹配算法研究[J]. 紅外與激光工程.1996,25(3):34-40.
[31] 鄧志鵬,楊杰,全勇. 結合特征和時空關聯的穩健圖像匹配方法[J]. 紅外與毫米波學報.2003,22(6):447-450.
[32] Zuxun Zhang, Jianqing Zhang, Mingsheng Liao, et al..Automatic registration of multi-source imagery based on global image matching[J]. Photogrammetric Engineering & Remote Sensing, 2000,66(5):625-629
[33] Leila M.G., B.S.Manjunath. Registration techniques for multisensor remotely sensed imagery[J]. Photogrammetric Engineering & Remote Sensing, 1996,62(9):1049-1056
[34] 安如.基于角點特征的飛行器導航圖像匹配算法研究. 博士學位論文,南京大學,2005.
[35] Ru An, Huilin Wang, Xuezhi Feng, Daxin XU,  HE Kai,. Investigation of Image Corner Features Matching Algorithm Based on Heuristic Local Geometric Restriction Strategy. In Proc. of SPIE International Conference On Space Information Technology, vol.5985 59852R1-6.
[36] 汪亞明. 圖像匹配的魯棒型Hausdorff方法[J]. 計算機輔助設計與圖形學學報.2002,14(3):238-241.
[37] 熊智,劉建業,曾慶等. 景象匹配導航系統中的圖像匹配算法研究[J]. 中國圖像圖形學報,2004,9(1):29-34.
[38] 安如,王慧麟,馮學智,徐大新,何凱. 基于圖像尺度空間表達與魯棒Hausdorff距離的快速角點特征匹配方法[J]. 測繪學報.2005,34(2):101-107
[39] 王永明. 連續景象匹配的后處理算法. 宇航學報. 2004,25(5):535-540.
[40] 王敬東,徐亦斌,沈春林. 一種新的任意角度旋轉的景象匹配方法[J]. 南京航空航天大學學報.2005,37(1):6-11.
[41] 彭雙春,劉光斌,王雪梅. 一種實用的抗局部強干擾的景象匹配算法[J]. 遙感信息. 2005,(1):21-23.
[42] Maciej ZASUWA, Janusz NARKIEWICZ. Simulation of terrain reference navigation system based on image matching from digital video camera [J]. ICAS CONGRESS, 2002. 
[43] Joakim Waldemark, Mikael Millberg, Thomas Lindblad,et al. Image analysis for airborne reconnaissance and missile applications [J]. Pattern Recognition Letters. 2000, 21: 239-251.
[44] Bijita Biswas, Amit Konar, Achintya K. Mukherjee. Image matching with fuzzy moment descriptors [J]. Engineering Applications of Artificial Intelligence .2001,14 : 43-49.
[45] Etienne Vincent and Robert Lagani`ere. An empirical study of some feature matching strategies [J].
[46] C. Schmid, R. Mohr. Local gray value invariants for image retrieval [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997,19(5): 530–534.
[47] Fang-Hsuan Cheng. Point pattern matching algorithm invariant to geometrical transformation and distortion [J]. Pattern Recognition Letters. 1996, 17:1429-1435
[48] Etienne Vincent and Robert Lagani`ere. An empirical study of some feature matching strategies [J].
[49] Lihua Zhang, Wenli Xu, Cheng Chang. Genetic algorithm for affined point pattern matching[J]. Pattern Recognition Letters. 2003, 24: 9-19.
[50] P. Montesinos, V. Gouet, R. Deriche, D. Pele′ . Matching color uncalibrated images using differential invariants[J]. Image and Vision Computing .2000,18 : 659–671.
[51] Adam Baumberg. Reliable feature matching across widely separated views. In Conference on Computer Vision and Pattern Recognition, pages 774–781, 2000.