图像匹配导航定位技术 第 2 章

第 2 章 下 视 图 像 匹 配 导 航 技 术

组合导航技术是一种将传统的捷联惯性导航技术与当前的 GPS 技术 、地形轮廓匹配（TERCOM )技术 、景象匹配辅助导航（DSMAC）技术等融合的新的导航技术。组合导航技术具有成本低（对惯性导航精度要求低）、自主性强（不依赖外部信息）、精度高等多方面的优势。

景象匹配组合导航系统利用成像传感器（ 如红外传感器 、可见光传感器 、微波雷达传感器等）在飞行器飞行过程中采样预定区域（景象匹配区）的景象图像.然后将实时采样的景象图像(实时图）数据与预先存储在飞行器上的基准图像( 基准图）数据进行图像匹配，以获取当前飞行器的位置数据，从而根据位置数据和预定航迹的偏差信息给飞行器的控制系统发出校正控制指令，实现飞行器的精确导航。

景象匹配定位系统将由很多部分组成，如基准图的匹配区选择 、预处理 、基准图和实时图匹配 、匹配结果决策等。

匹配区选择的功能是从大范围的景象基准图中选择具有较高正确匹配概率的合适匹配的区域；

1）图像预处理的功能是消除图像的各种畸变对匹配的影响；

2）图像匹配是核心，其匹配方法是决定系统性能的关键;

每一种匹配算法包括以下三个要素。
(1) 特征空间：从图像中提取用于匹配的信息。
(2) 相似测度:衡量对象间相似的指标。
(3 ) 搜索空间和搜索策略:搜索的范围以及寻优的方式。

3）匹配结果决策的功能是一次从多个基准图和实时图匹配的结果中选择出最可信的作为最终的结果。

多帧匹配策略：将飞行器在匹配区连续拍摄的多幅实时图与基准图进行匹配 ，然后对各幅实时图的匹配结果按一定的方法进行综合 ，从而得到最后的定位结果，其中最关键的问题是匹配结果的决策。

4）空间位置反算
景象匹配可确定实时图在基准图中的位置 ，从而确定了实时图中心点的地理坐标。实际情况下，由于飞行器的姿态变化，所得到的实时图不可能是严格的正下视的 ，因此，必须研究更准确的飞行器空间位置反算方法。

2.1 图 像 匹 配 的 三 要 素

图像匹配算法从大体上分为 3 大类：① 基于灰度的图像匹配算法，主要用于同源图像的匹配，因
为同源图像的灰度反映了地物的同一辐射特性；② 基于特征的图像匹配算法，主要用于不同传感器图像的匹配，根据匹配特征的不同分为：基于点特征的图像匹配 、基于边缘强度特征的图像匹配 、基于边缘（线）特征的图像匹配，以及基于曲面特征的图像匹配等；③ 基于解释的图像匹配算法。

图像匹配的研究主要有 3 个方面的问题：特征空间、相似性度量和搜索策略

表 2- 1 图像匹配三要素及内容

特征空间	相似性度量	搜索策略
灰 度	相关系数	层次
特征点	归一化相关系数	迭代点匹配
边缘强度	归一化相关系数与匹配滤波器	层次迭代或模拟退火
二值边缘	统计相关与匹配滤波器	模拟退火
曲线	绝对差和，局部熵差	遗传算法
表面	掩模相关	树或图匹配
统计属性	豪斯多夫（Hausdorff )距离	松弛算法
模型	最小距离分类器	能量最小化

2.2 特征空间研究

井性特征空间提取是图像匹配最为关键的技术之一，共性特征提取的稳定性与精度很大程度上决定匹配的性能（匹配概率与匹配精度）。

常见的特征空间有:灰度特征空间、点特征 、边缘强度空间 、二值边缘特征空间、曲线特征空间、统计属性等。也可以采用多特征空间融合生成一种新特征空间来作为共性特征空间。

优良的共性特征空间应该满足下面几个条件:提取算法简单、高定位精度 、具有稳定性(对图像退化不敏感 )等。

特征提取算子必须具有高定位精度与对图像退化不敏感性，如点特征提取算子、边缘特征提取算子 、区域特征提取算子。

提取了多模图像共性特征后，建立多模图像共性特征族（共性特征数据体系），即建立点特征空间
图 、线特征空间图 、强度特征空间图 、区域特征空间图等多重数据体系作为多模图像的共性特征空间。

图像的边缘特征是图像的重要特征，且具有变换不变性，这种性质在图像匹配 、目标识别中占有重要的地位。

物体可用其边界表示，由图像灰度不连续点组成的基元图携带了原始图像的绝大多数有用信息。

广义地讲，所有的视觉信息处理过程都可以归结为不连续性(边缘 )与匹配两种运算的组合。

边缘检测方法大多可以归纳为图像高频分量的增强过程，如罗伯茨(Roberts)算子 、索贝尔(Sobel)算子 、普雷维特(Prewitt )算子 、拉普拉斯(Laplace)算子等。

边缘检测的基本问题是解决检测精度与抗噪声能力的矛盾。图像匹配过程中必须考虑参考图的制备与实时性，要求边缘的提取算法不能太复杂。

1）图 像 边 缘 增 强 技 术

Sobel 算子

2) 图像二值边缘提取技术

Canny 算子：在决定一个像素是否为当前边缘点时，需要考虑其他像素的影响，根据当前像素及前面处理过的像素来进行判断。把边缘检测问题转换为检测函数极大值的问题。

最佳边缘检测算子

(1 ) 检测标准：不丢失重要的边缘 ，不应有虚假的边缘。
(2)  定位标准：实际边缘与检测到的边缘位置之间的偏差最小。
(3 ) 单响应标准：将多个响应降低为单个边缘响应。

噪声引起的对单个边缘的（多个）虚假响应通常会造成所谓的“纹状（streaking )”问题。纹状是指边缘轮廓断开的情形，是由算子输出超出或低于阈值的波动引起的。

纹状现象可以用滞后阈值处理（threshold with hysteresis）消除。如果边缘响应超过某一给定的高阈值，则这些像素点就构成了某个尺度下的边缘检测算子的确定的输出。

个别的弱响应通常对应于噪声，但是如果这些点是与某些具有强响应的点连接，则它们很可能是图像中真实的边缘。这些连接的像素点在其响应超过某一给定的低阈值时，就被当作边缘像素。

Canny 算子检测边缘的具体步骤如下。
① 对于递增的标准差sigma， 重复步骤②到步骤⑥。
② 将图像g 与尺度为sigma的高斯函数做卷积。
③ 对图像中的每个点，估计局部边缘的法向n。
④ 用非最大抑制算子找到边缘的位置。
⑤ 计算边缘强度。
⑥ 对边缘图做滞后阈值处理，消除虚假响应。

Canny 边缘检测算子应满足信噪比 、定位精度 、单边缘响应 3 个判断准则。

用 Canny 算子计算景象图边缘强度时，景物稳定的地方，边缘强度大且密 ，不稳定的地方，边缘强度小且稀疏。

在景象匹配中，最常用的是由边缘强度图 、边缘图 、灰度图生成的如下 4 种特征图。

( 1 ) 图像的灰度特征，常称为灰度图。灰度图直接以图像的像素值作为特征。这些像素值反映了目标表面的光学反射特性（光学图像）或者目标表面的电磁散射特性。
(2) 边缘强度图。边缘强度图以图像的梯度场作为匹配的特征。梯度场反映了图像灰度的变化特性。变化剧烈的地方（ 梯度大的地方）表示图像的边缘，而变化平缓的地方通常表示目标的纹理。
(3) 边缘增强的灰度图 ，即边缘强度图与灰度图之和。一方面 ，其灰度变化的特征由边缘强度特性反映 ；另一方面，目标表面的光学反射特性或电磁散射特性由灰度图像体现。用这种特征图做匹配的特点是考虑了目标表面的特性与边缘特性。
(4 ) 二值化边缘图。这种特征图只考虑了边缘强度超过某个数值的边缘位置，将该边缘位置作为匹配特征。

2.3 相似性测度的硏究

图像相关匹配算法主要包括 3 种相关性测度 ：平均绝对差（MAD)、归一化积相关系数（NPROD)、去相关的归一化积相关系数（NPROD-DMEAN)。

2.4 搜索空间和搜索策略

通常搜索采取的方法有以下三种。

1. 全搜索匹配算法

2. 基于快速傅里叶变换（FFT）的匹配算法

经过傅里叶变换，图像由空域变换到频域，两组数据在空间上的相关运算变为在频域上频谱的复数乘法运算，而且图像在变换域中还能获得在平常难以得到的特征，如傅里叶变换的相位特性在配准中得到小的输岀信噪比和大的输岀最大峰值 ，比空域配准具有更好的精度和可靠性。

3. 基于多分辨率金字塔的匹配算法

基于小波变换，由于在较高层次上图像尺寸较小，在进行匹配的时候搜索空间减小了，因此这种方法大大加快了匹配速度。

2.5 匹配结果决策

通常 有两种多帧匹配模式 ：内含式匹配模式和穿越式匹配模式。在内含式匹配模式中，实时图都包含在基准图区域之内。穿越式匹配模式是为了避免内含式匹配模式中基准图区域过大，景象中可能存在重复模式而导致匹配性能下降而采取的一种模式。它的基准图匹配区较小，为了保证在匹配区内获得最多的实时图，会根据飞行的散布参数在匹配区的前后各留一个保护区。

多帧匹配的结果决策，常用的方法有如下 3 种。

(1)极大值判决法，即在所取的多帧实时图中以匹配相关度最大的结果作为最终结果。这种方法虽然简单，但准确性差，相关度最大的往往匹配结果不是正确的。

(2)实时图拼接匹配判决法，即把多帧实时图拼接成一幅实时图，然后进行匹配，将匹配结果作为最终结果。实时图经过拼接后，概盖了更多的景象场景，匹配的结果必然更可靠。但当实时图帧数较多，且飞行方向不是垂直于基准图时，拼接过程本身会比较困难。因而，这种方法使用的局限性较大。

(3)空间位置关系约束判决法，即利用景象匹配系统中获知的惯性导航位置信息，通过判断匹配结果与惯性导航提供的位置的一致性来进行结果决策。事实上，满足空间位置一致性条件的匹配结果往往不止一个。因此，仅用这种方法往往无法判决出一个最终结果

采取的决策方法如下：首先对多个匹配结果进行空间位置一致性判断，剔除不满足一致性条件的结果;然后在符合一致性条件的结果中进行匹配结果置信度分析，选择置信度最高的作为最终结果。
为此，我们先讨论利用惯性导航位置信息进行一致性判断的方法，然后分析影响匹配结果置信度的因素，进而讨论通过图像特征和匹配相关面求取置信度的方法。

2 .5. 1 多 帧 匹 配 的 结 果 决 策

1.空间位置一致性判断

空间位置的一致性判断是基于两个前提进行的：第一，可通过惯性导航器件获得飞行器的大概空间位置；第二，飞行器的飞行轨迹近似为直线。

一致性判断是基于这样的事实 ，即匹配得到的位置应该和惯性导航提供的位置大概保持一致，这种一致性具体表现在如先后关系不能明显颠倒、飞行方向不能有太大的偏差、距离不能差得太远等方面。

1) 如何剔除一个点

对于一个点，我们必须在对整体进行一致性判断后，如果该点没有任何其他点的支持，才能被剔除。一般，我们可以同时进行方向和距离的一致性判断。

2) 判断阈值如何选取

对任意两点进行一致性判断时，我们可比较两点的方向与飞行方向的差值，以及两点的距离与惯性导航距离的差值来判断，如果差值小于阈值，则符合一致性。

对于方向差的阈值，我们可以这样选取:首先利用所有的惯性导航位置进行最小二乘直线拟合，得到航迹的方向角，然后利用所有的匹配位置进行最小二乘直线拟合，得到另一直线的方向角，最后取这两直线的方向角之差作为判定方向一致性的阈值。对于距离差的阈值 ，可以根据经验选取 ，如取惯性导航距离的1/2等。

2. 匹配置信度分析

置信度常通过一些与匹配相关的指标来衡量，包括图像特征指标和相关面指标。

图像特征指标主要包括图像方差 、独立像元数 、纹理 、频谱分布特征等，表征的是图像自身的匹配特性。

相关面指标主要包括主次峰值比、主峰尖锐度等，表征的是基准图和实时图相互作用的特性。

主要考虑通过相关面指标来分析匹配的置信度。匹配中在基准图的每个位置处都对应一个相似度量值，这些值在空间中构成匹配的相关面。

相关面一般呈高低起伏分布，局部极值区域称为相关峰，其中最髙的一个称为主峰，以下均称为次峰。

若相关峰中有多个次峰的值与主峰的接近，则说明基准图中有多个区域与实时图相似，基准图重复模式越多，这时匹配的置信度就越低。

如果主峰相对于所有的次峰都比较突出，那么它由干扰形成的可能性就比较小，即这时置性度就高。此外 .主峰在突出的情况下，如果同时比较尖锐，则说明匹配的定位比较准确，即这时置信度就高。

相关面指标

（1） 主次峰值比Maxsubratio

值越小说明基准图中至少存在两个与实时图相似的区域的可能性越大，重复模式的概率越大，匹配结果的置信度越低；值越大说明实时图越独特，不容易失配，匹配结果的置信度越高。

(2) 主峰尖锐度Sharpness

值越大说明相关主峰越尖锐，匹配结果的置信度越高。

把上述指标进行融合得到一个匹配置信度指标，即V= f( Maxsubratio,Sharpness），在多个匹配结果中选择匹配置信度指标值最大(小）的作为决策结果。

2. 5. 2 飞 行 器 空 间 位 置 反 算

理想的正下视情况下 ，实时图中心点的地理坐标加上飞行器的高度（通过测量得到的），就构成了飞行器的三维空间坐标。但是 ，在实际情况下，由于飞行器的姿态变化，所得到的实时图不可能是严格意义下的正下视的。

在东北天（ENU）坐标系下，通过三次旋转描述飞行器姿态，常见旋转顺序为Z-Y-X（偏航 - 俯仰 - 滚转）。

1. 偏航角（Yaw, ψ）：绕 Z 轴旋转，定义北向（Y 轴）与飞行器纵轴在水平面的夹角；
2. 俯仰角（Pitch, θ）：绕 Y 轴旋转，定义飞行器纵轴与水平面的夹角；
3. 滚转角（Roll, φ）：绕 X 轴旋转，定义飞行器横轴与水平面的夹角。

旋转矩阵

按 Z-Y-X 顺序旋转时，整体变换矩阵为三次旋转矩阵的右乘（从内到外）：

姿态变换矩阵 R 的作用是将飞行器本体坐标系（Body Frame）中的向量与 ENU 坐标系互相转换

若向量是本体坐标系下的坐标，则 ENU 坐标系下的坐标为：