水底地貌影像识别匹配的深水区定位方法技术

本发明专利技术提供的水底地貌影像识别匹配的深水区定位方法，针对现有技术水底地貌影像识别匹配所出现的较大概率的误匹配问题，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，解决了SURF算法中存在的误匹配问题；但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，仍会出现误匹配的情况，本发明专利技术又提出了融合惯性导航的约束匹配方法，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。本发明专利技术不论是匹配精度还是匹配速度都大大优于现有技术的SURF算法，自动化程度高，速度较快，是一种具备显著创新性，且优势突出的水底地貌影像识别匹配方法。

【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上存在差异。水底地貌影像主要是通过侧扫声呐系统或者多波束系统获取。多波束声呐影像是通过将多个ping、条带的回波强度数据，根据相应原则拼接起来，再进行抽样和量化处理得到。多波束声呐影像相比多波束声呐影像，侧扫声呐影像具有更高的分辨率。通过侧扫声呐系统所获取的侧扫声呐影像可显示水底地貌并且可确定目标的概略位置和高度。侧扫声呐成像机理是距离成像，目标影像中的成像存在着透视收缩、顶点位移、叠掩等几何形变问题，因为水下环境极其复杂，影像处理工作尤为重要，声呐影像处理得好坏，关系到影像能否正确的进行目标解译、判读和自动分类。理论上最后处理的声呐影像应该与仪器、波束角、入射角的大小和水深等因素无关，即代表真实的水底反向散射的强度系数，但事实上，由于物理条件的限制及各种噪声的影响，必须在后处理中加以改正，声呐影像也是影像中的一种，故常规影像的处理技术也适用于对声呐影像的处理。水底地貌影像识别匹配定位导航是将实测水底地貌影像与背景水底地貌影像进行匹配，根据二套影像识别匹配后的像素对应关系，从背景水底地貌影像中获取实测的水底地貌影像各像素的位置。通过水底地形地貌进行导航称之为地形导航，而水下地形的发展以其测量手段紧密相关，20世纪20年代出现了回声探测仪，以及单波束回拨探测仪，在20世纪70年代又出现了多波束回波探测仪和条带测深仪。相对于多波束系统，激光测深系统是另外一种具有更好发展前途的测量手段，在方向性上明显优于声呐装置所发射的声束。侧扫声呐工作时，可将其装载在称之为拖鱼的壳体上由船拖曳，其用于海底大面积成像，将高精度侧扫声呐扫测设备安装在潜行器上即可实现对海底的高精度测量，本专利技术影像是由侧扫声呐系统获取的，侧扫声呐可显示水底地貌，确定目标的概略位置和高度。综上，现有技术都还存在一些明显不足，表现在以下方面：一是现有技术无法较好的完成深水区水底地貌影像识别匹配，现有技术基于灰度图的影像识别匹配技术研究相对成熟，但影像识别匹配辅助导航技术对算法的鲁棒性、实时性要求很高，不同的环境因素，如光照、角度、拍摄器材下，获取的实时影像差异很大，基于灰度图的匹配技术并不能很好的满足精确定位的需要；现有技术的影像识别技术虽然已经应用于很多领域，但该技术并不成熟，特别是深水区定位，并不能很好的满足需要，如何加强影像识别算法的可靠性和鲁棒性是现有技术一个亟需解决的难点；二是现有技术的水下自主定位导航方法主要有三种：一是INS(惯性导航系统)导航，二是地形匹配导航，三是重磁匹配导航。INS属于完全自主式导航系统，但因其存在误差积累需进行定期修正；匹配导航通过实测数据与背景场数据的匹配，进而从背景场中获取位置信息，重磁匹配导航因算法原理，地形、地磁和重力匹配的适用性有一定的限制，特别是在特征变化近似的水域，易出现误匹配问题。现有技术的这些方法否存在明显的不足，不能完成深水区定位，基于水底地貌影像识别匹配的定位方法在这些问题上则有一定的优势，但现有技术对于此方法的研究并不多，但它是一种极具潜力的深水区定位方法；三是相对于陆地导航，在水下实施导航，特别是深水区的精密导航要困难很多，现有技术水下导航定位常借助于惯性导航及声学导航的系统来实现，惯性导航和声学导航在实际中存在误差积累等不足。影像识别匹配作为重中之重，它的目的是找到最优的空余坐标变换f和亮度变换g，从而进行配准、定位和差异分析。常用的变换类型如仿射变换，影像识别匹配的目的是估算出仿射变换模型参数，故影像识别匹配实际上是一个参数最优估算问题，影像匹配算法可分为基于影像灰度变化的匹配方法和基于影像特征的匹配方法，基于影像灰度变化的匹配方法直接使用影像的灰度信息，依赖与影像灰度的统计特性，对影像的旋转和光照变化较为敏感，而当影像中出现重复结构的纹理或存在遮挡等问题时容易产生误匹配的问题，其运算量大，时空复杂度高；而另一种基于特性特征的匹配方法，首先要提取影像中的特征，而特征提取的精度及可靠性也决定了后续的影像识别匹配结果，影像特征不受光照的影响，因此，此算法很少发生误匹配的情况，由于对象是侧扫声呐水底地貌影像，影像容易出现重复结构的纹理且存在遮挡等问题，基于影像识别匹配的辅助导航定位系统应用在很多领域其技术并不成熟，不能够完全满足行业需求；四是现有技术水底地貌影像识别匹配所出现的较大概率的误匹配，采用SURF算法提取特征点并进行预匹配，无法解决SURF算法中存在的误匹配问题；同时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，会进一步增大出现误匹配的概率，针对该情况，现有技术几乎没有解决办法，无法最终消除误匹配，导致现有技术水底地貌影像识别匹配精度较低，自动化程度低，稳健性差，运行效率低，水底地貌影像识别匹配精度和准确度低效提高还大幅提高了定位导航成本，深水区定位的质量和精度明显达不到要求。基于水底地貌特征的水下匹配导航需用大区域的水底地貌影像作为背景场，以在航实测条带地貌影像作为匹配对象，通过匹配对象与背景场的匹配，从背景场中获取当前位置。水底地貌主要通过侧扫声呐或者多波束扫测获取。在潜航器航行过程中，一次可获取一个条带的水底地貌影像，条带与条带进行拼接，进而形成整个区域的海床地貌影像。因此，相对前面几种基于单序列观测量的匹配导航，在航条带观测序列，明显增强了匹配的信息量，提高了匹配导航的精度和可靠性。本专利技术对基于水底地貌影像的特征点匹配方法进入手，算法特征是需要处理的影像信息量相对较小，不容易受到外界干扰，根据实际情况选择合适的匹配策略可以本文档来自技高网...

【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R...

【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...

【专利技术属性】
技术研发人员：高小翎，刘文平，
申请(专利权)人：高小翎，
类型：发明
国别省市：浙江;33