【技术实现步骤摘要】
水底地貌影像识别匹配的深水区定位方法
本专利技术涉及一种水底地貌影像识别匹配方法,特别涉及一种水底地貌影像识别匹配的深水区定位方法,属于水底影像匹配定位
技术介绍
水下导航定位一般是借助声学导航和惯性导航来实现,声学导航因声线上声速难以准确确定以及需要支撑船和水下声学阵列,在导航距离和精度等方面都受到很大影响,惯性导航因存在误差积累,导航精度随时间推移逐渐降低。因此,开展其它方式的水下导航定位技术如地形匹配导航、地磁匹配导航和地貌匹配导航等具有重要意义和巨大的应用价值。侧扫声呐可以获取高分辨率的水底地貌影像,采用水底地貌影像,通过影像识别匹配可实现定位和导航。因此,借助声呐影像开展相关深水区定位导航关键技术研发,对于构建稳健可靠的水下定位导航系统具有极大的促进作用。影像辅助导航是通过获取景象的影像序列,来识别真实影像中的景物,并采用已有知识获取载体所在处的位置等定位和导航所必需的参数,从而来实现辅助定位和导航。影像识别匹配定位导航分为:景象匹配和地形匹配。一般情况而言,地形匹配适用于中段导航,其提供较低的定位精度;而景象匹配适用于末段导航,其提供高精度的位置信息。影像定位和导航方法主要采用影像处理理论、方法实现系统的导航功能。然而,影像定位和导航的精度不仅与影像处理算法有关,而且还与传感器所获取的影像的质量、分辨率及影像所包含的特征都有密切的关系。影像识别匹配的特征要求为:一是算法可存储的数据量大且有较高的实时性;二是算法具有较强适应性,可用于各种地貌条件;三是基准影像和实时影像在影像特征和灰度特性 ...
【技术保护点】
1.水底地貌影像识别匹配的深水区定位方法,其特征在于,深水区水底地貌影像通过侧扫声呐或者多波束系统获取,测量过程中侧扫声呐一次得到一个条带的水底地貌影像,将其应用于基于水底地貌匹配的定位导航中,对应点序列进行匹配,增加匹配定位导航的信息量;/n深水区定位的关键是水底地貌影像识别匹配,基于影像特征点的匹配方法首先准确的提取下一步进行匹配的影像的特征点,本专利技术基于由SIFT算法改进而来的SURF算法,将SURF算法进一步改进优化,提高方法的水底地貌影像识别匹配性能;/n本专利技术提供了水底地貌影像识别匹配的深水区定位方法,包括SURF与随机抽样一致算法相融合的影像识别匹配方法和融合惯性导航的约束匹配方法,SURF与随机抽样一致算法相融合的影像识别匹配方法具体包括采用SURF算法提取特征点并进行预匹配、随机抽样一致算法剔除误匹配点对;其中,提出的将SURF算法与随机抽样一致算法相融合的影像识别匹配方法,综合SURF算法和随机抽样一致算法各自的优势,首先采用SURF算法提取特征点并进行预匹配,然后用随机抽样一致算法剔除误匹配点对;在匹配块的特征十分不明显,或是与邻近水域特征相似的情景下,又 ...
【技术特征摘要】
1.水底地貌影像识别匹配的深水区定位方法,其特征在于,深水区水底地貌影像通过侧扫声呐或者多波束系统获取,测量过程中侧扫声呐一次得到一个条带的水底地貌影像,将其应用于基于水底地貌匹配的定位导航中,对应点序列进行匹配,增加匹配定位导航的信息量;
深水区定位的关键是水底地貌影像识别匹配,基于影像特征点的匹配方法首先准确的提取下一步进行匹配的影像的特征点,本发明基于由SIFT算法改进而来的SURF算法,将SURF算法进一步改进优化,提高方法的水底地貌影像识别匹配性能;
本发明提供了水底地貌影像识别匹配的深水区定位方法,包括SURF与随机抽样一致算法相融合的影像识别匹配方法和融合惯性导航的约束匹配方法,SURF与随机抽样一致算法相融合的影像识别匹配方法具体包括采用SURF算法提取特征点并进行预匹配、随机抽样一致算法剔除误匹配点对;其中,提出的将SURF算法与随机抽样一致算法相融合的影像识别匹配方法,综合SURF算法和随机抽样一致算法各自的优势,首先采用SURF算法提取特征点并进行预匹配,然后用随机抽样一致算法剔除误匹配点对;在匹配块的特征十分不明显,或是与邻近水域特征相似的情景下,又提出融合惯性导航的约束匹配方法,若影像中邻匹配块的中心点距离RM与RINS满足距离限差,且满足方位常偏差时,则实现正确匹配,否则,则判断出误匹配所在的匹配块,根据INS提供的方位,缩小匹配范围,进一步进行匹配,最终消除误匹配,实现深水区精准定位。
2.根据权利要求1所述的水底地貌影像识别匹配的深水区定位方法,其特征在于,采用SURF算法提取特征点并进行预匹配中,SURF算法的特征点检测为:原始影像上进行大小不同的方框滤波,形成尺度不同的影像金字塔;主方向表示为:主方向用6×6尺度大小的半径范围内的Haar小波响应的极值表示;描述子形成为:将20×20区域分成4×4的子区域,每个子区域用相对主方向的水平和垂直方向的Haar小波响应之和以及响应的绝对值之和表示,形成4×4×4=64维的描述向量;
SURF算法的提取特征矩阵采用黑塞矩阵,对进行匹配的影像E中的任意一点S(x,y),黑塞矩阵D(S,e)在S时以矢量e定义为:
其中,Wxx(S,e)是匹配影像E中点S与高斯二阶滤波的值的卷积;Wxy(S,e)和Wyy(S,e)的含义与此一致推得;
SURF采用均值滤波器近似高斯二阶导数,积分影像的定义由下式表示:
式中,E(S)表示影像,由式2所求得的值E∑(S)为进行匹配的影像的原点以及影像上的任意一点S(x,y)作为对角点区域内所有点的像素之和;
在原始影像上,扩大方框大小得到不同尺度的影像金字塔,方框滤波模板分别同影像进行卷积后的值为Hxx、Hyy、Hzz,影像降采样被SURF算子中的扩大卷积核代替;SURF算子中对于delta的计算式如式3所示:
delta=HxxHyy-(0.9Hxy)2式3
在匹配时,将在同一时间搜寻空间邻域内小于delta值的点,作为此时的极值点,求出极值后,在3×3×3邻域内进行非极大值抑制,当其比周围26个邻域值都大或者小的极值点时,才可作为特征候选点,接着在尺度空间以及如相空间内进行插值运算,得到三维二次曲线,此曲线的极值位置即为极值点的亚像素位置。
3.根据权利要求2所述的水底地貌影像识别匹配的深水区定位方法,其特征在于,采用SURF算法提取特征点并进行预匹配的过程为:
第一步,确定主方向,通过对特征点逐个计算,得到每一个特征点的主方向;
第二步,生成SURF描述子,将特征点定为中心,将轴线固定为主方向的位置,按照主方向选取正方形区域,并将其划分为4×4的子区域,在每一个子区域中,计算简单特征;简称dx为Haar小波在水平方向上的响应,dy为Haar小波在垂直方向上的响应;在特征点处为Haar小波响应dx和dy加一个高斯权值;在每个子区域上分别累加小波在水平方向和垂直方向的响应dx和dy,再然后分别累加|dx|和|dy|,获得强度变化的极性,每个子区域的基本强度影像通过如下向量进行描述:
U=(∑dx,∑dy,∑|dx|,∑|dy|)式4
由4×4子区构成的描述子长度为64,然后进行向量归一化;
第三步,特征匹配,用SURF算法获得参考影像和影像特征点进行匹配,得到的特征点位置、所在尺度、主方向及特征向量信息中,特征向量包含特征点邻域信息,用向量最近邻域法找出潜在的匹配而无需进行额外信息量的计算。
4.根据权利要求1所述的水底地貌影像识别匹配的深水区定位方法,其特征在于,随机抽样一致算法剔除误匹配点对的基本假设是:样本中包含正确数据,可被模型描述的数据,也包含异常数据,偏离正常范围很远且无法适应数学模型的数据,即数据集中含有噪声,这些异...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。