一种基于图像匹配的目标定位方法技术

本发明专利技术公开了一种基于图像匹配的目标快速精确定位方法。首先利用快速目标提取算法对目标实测图像序列进行处理，从目标实测图像序列中提取出待定位目标有效像素；然后利用快速图像匹配算法对提取目标后的实测图像和机载参考图像进行匹配；最后利用目标高精度定位算法对快速图像匹配结果进行处理，从而获取目标位置信息。本发明专利技术与现有目标定位方法相比，能够大幅提高目标定位的实时性和精确度。

【技术实现步骤摘要】
一种基于图像匹配的目标快速精确定位方法
本专利技术属于目标定位
，特别涉及了一种基于图像匹配的目标快速精确定位方法。
技术介绍
侦察机、导弹、无人机等在执行任务时，需要精确定位重要目标，目标定位的精度和效率直接决定任务的成败。现有的目标定位方式大多采取几何式定位方式和图像匹配定位方式。几何式定位精度受飞行器自身导航系统及几何量测信息的精度影响，导致目标定位误差较大。图像匹配定位通过将飞行器拍摄目标得到的实测图像与机载参考图像进行匹配获取目标点的精确位置信息。随着图像匹配技术的深入研究，开展利用快速图像匹配辅助目标进行快速精确定位对目标快速精确定位发展具有重要意义。目前，国内外基于特征的快速图像匹配算法研究比较多，如在2004年DavidG.Lowe提出SIFT算法，SIFT算法的优点为对图像尺度不同、亮度不同和旋转不同的图像拼接效果较好以及抗噪声能力强的特点，成为了应用范围普遍的流行算法。2006年HerbertBay等提出SURF算法，这种算法提取的特征具有平移、缩放、旋转的不变性，并且对光照、仿射及投影差异也有相对较好的鲁棒性。随着对特征点匹配速度的要求提高，2011年Et本文档来自技高网...

【技术保护点】
一种基于图像匹配的目标快速精确定位方法，其特征在于，包括以下步骤：(1)采用FAST算法对目标实测图像进行特征点检测；(2)采用FREAK算法对步骤(1)获取的特征点进行描述和匹配；(3)采用RANSAC算法对步骤(2)得到的匹配结果进行处理，剔除误匹配点，提取目标有效像素；(4)采用SURF算法分别对提取目标后的实测图像和参考图像进行特征点检测；(5)采用FREAK算法对步骤(4)获取的特征点进行描述和匹配；(6)采用RANSAC算法对步骤(5)得到的匹配结果进行处理，剔除误匹配点，计算单应性矩阵；(7)根据步骤(3)提取出的目标有效像素和步骤(6)计算的单应性矩阵，获取目标点在参考图像中的...

【技术特征摘要】
1.一种基于图像匹配的目标快速精确定位方法，其特征在于，包括以下步骤：(1)采用FAST算法对目标实测图像进行特征点检测；(2)采用FREAK算法对步骤(1)获取的特征点进行描述和匹配；(3)采用RANSAC算法对步骤(2)得到的匹配结果进行处理，剔除误匹配点，提取目标有效像素；(4)采用SURF算法分别对提取目标后的实测图像和参考图像进行特征点检测；(5)采用FREAK算法对步骤(4)获取的特征点进行描述和匹配；(6)采用RANSAC算法对步骤(5)得到的匹配结果进行处理，剔除误匹配点，计算单应性矩阵；(7)根据步骤(3)提取出的目标有效像素和步骤(6)计算的单应性矩阵，获取目标点在参考图像中的精确位置。2.根据权利要求1所述基于图像匹配的目标快速精确定位方法，其特征在于，步骤(1)的过程为，定义一圆形区域，以目标实测图像中的任意一点为该圆形区域的圆心P，将圆心P处的灰度值分别与邻域内16个像素点的灰度值进行比较：|m-pi|＞Δd,1≤i≤16上式中，m为圆心P处的灰度值，pi为P点邻域内第i个点的灰度值，Δd为预设阈值；若满足上式的P点邻域内的像素点个数大于n，则将P点视为特征点，n为预设值。3.根据权利要求1所述基于图像匹配的目标快速精确定位方法，其特征在于，步骤(2)的具体步骤如下：A、采用FREAK算法对特征点进行描述：上式中，F为特征点的FREAK描述符，N为特征向量数，为任意两个采样点经过高斯平滑后的强度值；B、对特征点的FREAK描述符进行降维：B1、建立矩阵D，矩阵D每行代表一个FREAK描述符；B2、计算矩阵D每一列的方差，首先将方差值最大的一列保存到矩阵D’中，然后计算其他列与该方差值最大列的协方差，再将协方差值最小的一列保存到矩阵D’中；B3、将保留的两列从矩阵D中删除，然后返回步骤B2，直至矩阵D’的维度达到预设维度；C、计算特征点的方向：上式中，G为特征点的采样点对集合，M为G中采样点对数，PO为G中的一个点对，和分别是Po的前一位和后一位的采样点空间坐标的二维向量，和分别是和处的灰度值；D、根据特征点的FREAK描述符和特征点方向进行特征匹配。4.根据权利要求1所述基于图像匹配的目标快速精确定位方法，其特征在于，步骤(3)的具体步骤如下：a、从匹配点集合S中随机选择s个特征点；b、利用s个匹配点拟合出一个模型Q；c、对于集合S中剩余的匹配点，计算每个匹配点与模型Q的距离，距离超过阈值的特征点视为局外点，距离未超过阈值的特征点视为局内点；d、将上述步骤迭代k次后，将包含局内点数目最多的模型Qk作为拟合结果；e、将集合S中不满足模型Qk的匹配点剔除，从而提取出目标有效像素。5.根据权利要求1所述基于图像匹配的目标快速精确定位方法，其特征在于，步骤...

【专利技术属性】
技术研发人员：曾庆化，潘鹏举，陈艳，王云舒，刘建业，刘昇，张月圆，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32