一種基于尺度不變的景像匹配方法?

賈 镕 季 航 拓浩男

（1.中國人民解放軍陸軍炮兵防空兵學(xué)院 合肥 230031）（2.偏振光成像探測技術(shù)安徽省重點實驗室 合肥 230031）

1 引言

景像匹配是無人機(jī)、彈道導(dǎo)彈等飛行器導(dǎo)航和制導(dǎo)的關(guān)鍵技術(shù)，它將飛行器現(xiàn)場拍攝的實測圖與事先制備好的基準(zhǔn)圖進(jìn)行匹配，以確定飛行器的當(dāng)前位置，修正航向誤差。目前采用的下視匹配的基準(zhǔn)圖來源于衛(wèi)星圖像或者航拍圖，實時圖為飛行器機(jī)載相機(jī)，兩者為同源相機(jī)，圖像灰度差異不大，但是由于拍攝角度不同，圖像會存不同情況的畸變，這使得兩幅圖像不利于匹配識別［1～4］。而且由于時間、天氣帶來的影響，使得景像匹配的實現(xiàn)更難。因此景像匹配制導(dǎo)技術(shù)成為新的研究熱點。

基于此，本文提出一種新的基于尺度不變的景像匹配技術(shù)方法。首先利用SURF特征點提取對實時圖和模板圖像進(jìn)行配準(zhǔn)，再對感興趣的目標(biāo)進(jìn)行模板匹配，找到其所在位置，實現(xiàn)景像匹配和目標(biāo)匹配。實驗結(jié)果表明，本文方法簡單易行，可以獲得較多目標(biāo)的匹配，提高了景像匹配的實時性和準(zhǔn)確率。

2 基本理論

2.1 SURF圖像配準(zhǔn)

Speeded Up Robust Features（SURF，加速穩(wěn)健特征），是一種穩(wěn)健的局部特征點檢測和描述算法。最初由Herbert Bay發(fā)表。與Sift算法一樣，Surf算法的基本路程可以分為三大部分：局部特征點的提取、特征點的描述、特征點的匹配［5～6］。Surf改進(jìn)了特征的提取和描述方式，用一種更為高效的方式完成特征的提取和描述，具體實現(xiàn)流程如下：1）構(gòu)建Hessian（黑塞矩陣），生成所有的興趣點，用于特征的提取；2）構(gòu)建尺度空間；3）特征點定位；4）特征點主方向分配；5）生成特征點描述子；6）特征點匹配。

2.2 模板匹配

基于相關(guān)的模板匹配技術(shù)可以直接用于在一幅圖像中尋找某種子圖像模式［4］。大小為M×N的圖像 f(x,y)和大小為J×K的子圖像模式w(x,y)，f與w的相關(guān)可表示為

這一計算的目的是尋找匹配而不是對 f(x,y)進(jìn)行濾波操作，因此w的原點被設(shè)置在子圖像的左上角，并且式（1）給出的形式也完全適用于J和K為偶數(shù)的情況［7～8］。

3 算法描述

應(yīng)用于景像匹配時，一般是先將衛(wèi)星圖或航拍圖作為基準(zhǔn)圖存儲起來；然后在得到實時圖后與基準(zhǔn)圖進(jìn)行特征提取與匹配，將圖像進(jìn)行配準(zhǔn)；將配準(zhǔn)后的實時圖的感興趣目標(biāo)進(jìn)行提取，與基準(zhǔn)圖進(jìn)行模板匹配。利用本文算法進(jìn)行匹配運算，輸出匹配結(jié)果，修正實時圖的偏差，提高匹配精度。圖1為本文算法圖像匹配流程圖。

圖1 算法流程圖

算法說明：1）對實時圖和模板圖進(jìn)行SURF特征提??；2）將兩幅圖的特征點匹配，使得實時圖能夠與模板圖配準(zhǔn)，符合正常人眼識別的景像；3）對配準(zhǔn)后的圖像進(jìn)行目標(biāo)提取對目標(biāo)區(qū)域進(jìn)行模板匹配。

4 結(jié)果與分析

4.1 實驗數(shù)據(jù)處理

下面使用實景圖進(jìn)行實驗處理與驗證，選定一張實景圖2（a）作為模板圖，選定兩張從不同角度拍攝的實景作為實時圖，下面進(jìn)行實驗處理［9～10］，如圖2所示。

圖2 模板圖與實時圖原圖

將實時圖與模板圖特征點提取并匹配。如圖3所示。

圖像配準(zhǔn)后的結(jié)果如圖4所示。

目標(biāo)提取與模板匹配，如圖5所示。

圖3 SURF特征提取與匹配

圖4 SURF特征提取與匹配

圖5 對目標(biāo)區(qū)域進(jìn)行模板匹配

4.2 實驗結(jié)果分析

為了綜合評估算法對幾何畸變的特征匹配能力，對幾種畸變的情況進(jìn)行評估，使用SURF與SIFT算子對兩幅實景圖與模板圖的特征匹配進(jìn)行比較［11～12］，匹配圖結(jié)果如圖6所示。

圖6 SIFT與SURF圖像匹配

結(jié)果對比如表1所示。

表1 SIFT與SURF特征提取對比

從表1中可以看出，實時圖因拍攝角度和距離等原因與模板圖存在較大畸變時，可以看到使用SURF特征點提取與匹配有匹配率高和耗時短等優(yōu)勢，能夠在保證圖像配準(zhǔn)同時找到目標(biāo)。如果單靠目視觀察實時圖找到探測目標(biāo)，無法清晰判斷出目標(biāo)區(qū)域，本文通過兩類實時圖選取了目標(biāo)區(qū)域，與模板圖進(jìn)行模板匹配后，可以很明顯找到目標(biāo)所在位置，并將目標(biāo)位置從匹配位置從圖中標(biāo)出。

5 結(jié)語

快速精準(zhǔn)的景像匹配是做到精確打擊與導(dǎo)航的前提，隨著武器裝備的發(fā)展，現(xiàn)代化戰(zhàn)爭對制導(dǎo)武器的導(dǎo)航定位要求越來越高，因此也對匹配算法的性能提出了更高的要求。通過仿真對比實驗，可以看到本文提出的算法具有圖像尺度不變性、匹配時間短等優(yōu)點，該算法的使用有利于下一步景像匹配研究做了鋪墊。