基于SAR图像的快速景象匹配方法组成比例

本发明专利技术公开了一种基于SAR图像的快速景象匹配方法。主要解决现有技术匹配时间长，匹配精度低的问题。其实现步骤是：（1）对实时SAR图像进行去噪，将去噪后的实时图像与参考SAR图像分别进行两层小波分解；（2）对两层分解图像及原始图像进行边缘特征提取；（3）在经过特征提取的第二级分解图像上进行二级粗匹配，得到二级粗匹配点；（4）返回到第一级分解图像上，在二级粗匹配点的邻域内进行一级粗匹配，得到一级粗匹配点；（5）返回到原始图像上，在一级粗匹配点的邻域内计算Hausdorff距离进行精匹配，得到最终的匹配位置。本发明专利技术能够在保持很高匹配精度和较小匹配误差的前提下明显地提高匹配速度，可用于导弹的精确制导。

【技术实现步骤摘要】

本专利技术属于导航、制导
，具体说的是快速景象匹配方法，可用于修正惯性导航系统的累积误差。
技术介绍
景象匹配制导就是把预先存储在导弹中的地面某特定场景的参考图与弹载成像系统测量的所飞行区域的地面实时图进行比较判别，确定实时图在参考图中的最相似点，即匹配点，从而确定导弹所在的地理位置，供制导和控制系统修正弹道，达到精确制导的目的。景象匹配是一个多步骤的过程，不同的匹配算法之间步骤会有所不同，但大致过程是相同的，即均包括特征空间、相似性度量和搜索策略。景象匹配方法的特征空间主要有图像灰度和图像特征。前者直接利用两幅图像的 灰度信息进行匹配，实现简单，减少了特征提取过程中可能会引起的误差。后者利用空间位置相对不变的景物特征，如边缘、角点进行匹配。景象匹配方法的关键在于通过将这两种不同特征空间分别与相似性度量和搜索策略合理组合，以提高匹配的准确度和速度。针对这一问题，有以下三种基于SAR图像的景象匹配方法冷雪飞等人在“加权Hausdorff距离算法在SAR / INS景象匹配中的应用，控制与决策，2006，21 (I ):42-45”文章中，提出了一种基于特征图像分支点提取的加权H本文档来自技高网...

【技术保护点】
一种基于SAR图像的快速景象匹配方法，包括如下步骤：1）输入参考图像A和实时SAR图像b，并对实时SAR图像b进行增强的Lee滤波降噪处理，得到滤波降噪后的实时SAR图像B；2）对实时SAR图像B和参考图像Ａ分别进行第一层Daubechies小波分解，得到参考图像Ａ的第一层小波分解图像Jj1和实时SAR图像B的第一层小波分解图像LL1；3）分别对所述的JJ1和LL1图像进行第二层Daubechies小波分解，得到参考图像Ａ的第二层小波分解图像JJ2和实时SAR图像B的第二层小波分解图像LL2；4）采用Canny算子对上述的JJ1、LL1、JJ2、LL2图像、参考图像A及实时SAR图像B分别进行...

【技术特征摘要】
1.一种基于SAR图像的快速景象匹配方法，包括如下步骤 1)输入參考图像A和实时SAR图像b，并对实时SAR图像b进行增强的Lee滤波降噪处理，得到滤波降噪后的实时SAR图像B ； 2)对实时SAR图像B和參考图像A分别进行第一层Daubechies小波分解，得到參考图像A的第一层小波分解图像Jj1和实时SAR图像B的第一层小波分解图像LL1 ； 3)分别对所述的JJ1和LL1图像进行第二层Daubechies小波分解，得到參考图像A的第二层小波分解图像JJ2和实时SAR图像B的第二层小波分解图像LL2 ； 4)采用Canny算子对上述的JJ^LL1, JJ2, LL2图像、參考图像A及实时SAR图像B分别进行边缘提取，得到參考图A第一层小波分解的边缘图像JJ/、实时SAR图像B第一层小波分解的边缘图像LL/、參考图A第二层小波分解的边缘图像JJノ、实时SAR图像B第ニ层小波分解的边缘图像LL2'、參考图像A的边缘图像A'及实时SAR图像B的边缘图像B'； 5)对參考图A的第二层小波分解的边缘图像JJ2'和实时SAR图像B的第二层小波分解的边缘图像LL2'进行ニ级粗匹配，得到相似性程度最高的三个ニ级粗匹配点 (5a)设參考图A的第二层小波分解的边缘图像JJ2'的大小为M1XN1，实时SAR图像B第二层小波分解的边缘图像LL2'的大小为M2XN2，且，在该边缘图像JJ2'中，按照从左至右，从上到下的顺序，依次截取大小为M2XN2的子图； (5b)将上述截取的每个子图分别与实时SAR图像B的第二层小波分解的边缘图像LL2'，利用下式计算相似性測度 Mo (z· + u, / + V) & ScLL2 (/, j)corrM= IjJJ1jT1μ2 λ,, ^ΣΣμι +u^'+ν)χ ιι2 (iJ) 其中，&&是逻辑与运算符号，(i, j)是实时SAR图像B的第一层小波分解的边缘图像LL2!的点的坐标，I ^ i ^ M2, I ^ j ^ N2, (u，ν)是參考图A的第二层小波分解的边缘图像JJ2'子图的左上角点的坐标，O彡u彡M「M2+1，0 N「N2+1，JJ2' (i+u, j+v)是图像JJノ的以(u，ν)为左上角的点的子图数据，LL2' (i，j)是实时图第二层小波分解的边缘图像数据，Corr (U，ν)是JJ2' (i+u, j+v)与LL2' (i, j)的相似性测度； (5c)依次计算JJノ截取的所有子图与LL2'之间的归一化互相关相似性測度，得到前三个相似程度最高的JJノ的三个子图，将这三个子图左上角的点作为三个ニ级粗匹配点； 6)在上述三个ニ级粗匹配点的邻域内，对參考图A第一层小波分解的边缘图像JJ1'、实时SAR图像B的第一层小波分解的边缘图像LL1，进行ー级粗匹配，得到三个ー级粗匹配点 (6a)在參考图A的第一层小波分解的边缘图像JJ/中找到步骤5)中三个粗匹配点的对应位置； (6b)分别在三个ニ级粗匹配点10X10的邻域内采用与步骤5)同样的方法，再进行ー级粗匹配，得到一级粗匹配点； 7)在參考图像A的边缘图像A'及实时SAR图像B的边缘图像B'中进行精匹配，得到最終匹配点(7a)在參考图像A的边缘图像k'中找到步骤6)获得的一级粗匹配点所对应位置，并在其10X10的邻域内采用步骤5a)中的方法在Y中依次截取与SAR图像B的边缘图像B'同样大小的子图； (7b)计算參考图的边缘图像A'的所有子图a” a2,…au…与SAR图像B的边缘图像B'的Hausdorff距离h” h2,…Ii1, ...hL, I彡I彡L,从Ii1, h2,…Ii1, ...hL中获...

【专利技术属性】
技术研发人员：刘峥，刘钦，马筱青，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：