基于SAR图像匹配结果可信度评价的INS/SAR自适应Kalman滤波算法

在惯性导航系统（INS）/合成孔径雷达（SAR）组合导航系统中，SAR图像易受斑点噪声的影响，图像匹配的精度对整个导航系统精度的影响十分明显，能够准确地分析SAR图像匹配过程中的误差特性，利用有效的图像匹配信息辅助INS进行组合定位尤为重要。针对上述问题，在加权Hausdorff距离匹配算法的基础上，对影响SAR图像匹配精度的因素进行了分析，提出了一种基于模糊推理的匹配结果可信度评价准则，经过可信度筛选，将有效的匹配信息与INS进行组合；对合理范围内的匹配误差变化引起量测噪声统计特性发生变化，进而导致Kalman滤波精度下降的问题，研究采用改进的Sage-Husa自适应滤波算法对量测噪声方差阵进行动态调整，使其更加接近系统的当前状态。搭建仿真验证平台对所提算法进行了验证，结果表明，该算法能够在合理的匹配误差范围内，有效地筛选出可信的图像匹配结果，相比常规Kalman滤波算法，显著地提升了INS/SAR组合导航系统水平方向的定位精度。     

一种基于小波分解的快速图像匹配算法

为了提高图像匹配的速度和精度,提出了一种基于小波分解图像匹配算法,该算法首先用Mallat算法对匹配图像进行小波多尺度分解,然后提取各级的边缘特征,最后在对图像进行多级分解的基础上进行匹配.该算法不仅减少了计算量,而且提高了图像匹配的精度.实验表明,提出的匹配算法在速度和精度上都是有效的.     

改进的图像相关匹配算法

将遗传算法用于低对比度小目标图像相关匹配跟踪,提出了改进的快速图像相关匹配算法。结合图像匹配本身的特点,采用新的编码方式克服了二进制编码的缺点。采用NPROD匹配准则在同样的匹配效果条件下,提高了匹配精度,该算法在计算速度上较原始算法提高了至少12倍以上,同时该算法还具有每帧图像匹配计算时间基本恒定的优点,便于在实际系统中采用。实验结果表明该方法可以有效地跟踪低对比度小目标。     

基于深度学习的图像匹配方法综述

图像匹配是飞行器视觉导航中的一项关键技术。基于深度学习的图像匹配方法在近几年快速发展,其特征提取网络比传统方法具有明显优势与广阔的应用前景。基于深度学习的图像匹配方法可以按照网络结构的不同分为单环节网络模型匹配方法和端到端网络模型匹配方法。首先对单环节网络模型中的特征检测模型、描述符学习模型、相似度度量模型和误差剔除模型逐一进行了深度调研及分析,然后对端到端匹配网络模型中的单网络结构方法和多网络结构组合方法进行了针对性的综述,并对经典的端到端匹配网络模型算法进行了介绍和分析。最后,结合目前基于深度学习的图像匹配方法存在的问题,指出未来可能的发展趋势和方向,为后续研究者在深度学习图像匹配的研究提供一定参考。     

基于边缘相似性的异源图像匹配

异源图像匹配是视觉导航、多源图像融合分析的关键步骤之一。对于成像机理差别较大的异源图像,如SAR图像和可见光图像,采用传统的异源图像匹配算法难以得到满意结果。本文提出一种基于边缘相似性的异源图像匹配方法,首先分别提取待匹配图像的边缘特征点集;然后计算基准图的边缘距离场;最后基于边缘相似性模型,通过实时图边缘图和基准图边缘距离场计算边缘相似度,寻找相似度最大的变换参数即为最终匹配参数。采用SAR与可见光图对方法进行了测试,结果表明,这种方法能够快速可靠地实现异源图像匹配。     

一种改进的基于灰度投影的图像匹配算法

为进一步提高基于灰度图像的匹配算法速度,在对图像进行一维灰度投影的基础上,利用序贯相似检测算法(SSDA)对一维数据进行匹配,从而得到一种改进的基于灰度投影的图像匹配算法。实验结果表明算法在保持精度不变的同时,提高了匹配速度。     

一种基于边缘特征的改进ORB算法

ORB算法运算速度快,抗旋转变换能力好,但对可见光和红外图像匹配效果较差,为解决该问题,提出了一种基于边缘特征的改进ORB算法。该算法首先针对传统canny算子需要人工设定阈值的缺点,采用基于改进最大类间方差（Otsu）的自适应canny算子对图像进行边缘检测,然后对边缘图像进行ORB特征检测与描述,最后在最近次临近粗匹配的基础上进行RANSAC算法精匹配,提高了算法正确率。实验结果表明,该算法对可见光与红外图像匹配具有较好的鲁棒性,正确匹配点数和正确匹配率均比ORB算法高,能推广使用到可见光和红外图像融合等领域。     

一种基于亚像素匹配的高精度视觉定位方法

大多数应用到无人机景象匹配导航中的匹配算法都只能满足像素级精度,且当无人机利用景象匹配定位时图像之间往往存在较大的视觉差异,这种情况下图像匹配精度低且性能会急剧下降。所以选用具有仿射不变特性的特征点进行匹配,结合高斯亚像素拟合原理及特征描述符简化方法,并采用渐进采样一致性(PROSAC)算法剔除误匹配点,最终实现亚像素级的景象匹配定位。实验结果表明,采用此方法可以大大提高图像匹配的精度,提高到0.05像素以内。     

航拍机场图像中的一种目标匹配算法

针对小波变换的多尺度图像匹配算法仍然存在的问题--迭代落入局部最优点,提出了一种在航拍机场图像中运用小波变换多尺度和遗传算法相结合的目标匹配算法。试验结果证明,这种算法可以在航拍机场图像中准确、快速地识别出匹配的目标。     

末制导DBS图像匹配方法研究

提出了一种适于工程应用的末制导DBS图像匹配方法,采用DBS成像,结合目标场景中强散射点的空间位置关系实现基于模板的目标场景匹配,快速定位及打击目标,较好地解决了末制导成像识别及定位问题。实测数据仿真结果表明,基于模板的DBS图像匹配算法可抑制多种图像畸变,具有较高的匹配可靠性和匹配精度,满足了雷达导引头DBS图像识别的工程使用要求,具有较强的实用价值。     

行人导航系统航向角约束算法研究

针对航向角发散的情况,采用磁力计和地图线路匹配约束的方法修正航向角误差。根据磁力计和地图线路匹配算法各自的特点,在零速修正技术的基础上,最终选择在行人直线行走时采用地图线路匹配辅助,弯路行走时采用磁力计辅助的算法,通过EKF进行误差估计从而补偿航向角误差。最后将设备置于行人足后跟处进行实验,实验结果表明,此方法能够有效抑制航向角漂移误差,导航精度明显提高,最终定位误差为1.2m,占总行程的0.3%。     

基于改进ORB-GMS-SPHP算法的快速图像拼接方法

针对传统图像拼接算法存在拼接速度慢、图像拼接有色差等问题，提出了一种基于ORB-GMS-SPHP算法的大视场多图像拼接方法。该方法首先利用高斯函数构建尺度空间，将高斯尺度空间划分为多个网格，在每个网格内借助FAST算法提取尺度空间特征点，使用BRIEF算法提取描述符并匹配，得到更加均匀分布的特征点；然后使用运动网格统计算法筛选匹配点；最后采用SPHP算法融合图像重叠区域，从而得到完整的拼接图像。将改进的ORB-GMS-SPHP算法与现有的传统特征点匹配算法在特征点匹配精度和特征点匹配速度进行对比与评价，验证了该方法特征点匹配速度快、精度高，并且可以保留更多的正确匹配点的特点。将该拼接方法与传统拼接方法在拼接速度、图像配准均方误差RMSE以及视觉主观判断拼接色差进行对比与评价，验证了该拼接方法具有较快的拼接速度、更高的拼接精度和无明显色差。该方法在2 736像素×3 648像素图像中,特征点匹配时间降低至6.463 s，图像配准精度RMSE降低至3.87。实验证明该方法特征点匹配速度快、精度高,且拼接精度高、无明显色差。     

大型复杂曲面零件加工精度评定问题研究

通过对两组数据进行初始匹配和精确匹配,然后计算测量点到CAD模型面的距离得到该测量点的加工残差,从而实现对大型复杂曲面类零件加工精度的评定.结果表明:该方法易于实现、算法稳定,具有实用性.     

基于数值计算的机载SAR空变运动补偿算法

针对机载合成孔径雷达(SAR)高分辨率宽测绘带(HRWS)成像问题,在分析结合两步运动误差补偿的距离徙动算法基础上,提出一种基于数值计算的空变运动误差补偿算法。通过对粗聚焦图像进行分块,在子块的两维波数域进行空变运动补偿,补偿的相位包括方位相位误差、距离相位误差以及方位和距离的耦合相位,因此该算法在复杂航迹、高分辨和宽测绘带情况下仍具有较好的鲁棒性。最后对SAR仿真数据和实测数据进行处理,并与结合两步运动误差补偿的距离徙动算法进行比较,处理结果表明该算法能够更好地补偿空变运动误差。     

基于改进SURF算法的无人机遥感图像拼接方法

针对传统SIFT算法在无人机遥感图像拼接中存在的运算缓慢、误匹配较多且计算过于复杂,无法满足遥感图像处理的实时性要求等缺陷,以及由于采集到的图像之间存在曝光差异等情况,直接进行叠加拼接后极大可能会在边界处产生重影错位的情况,文章提出了一种改进的SURF算法与融合算法用于无人机的遥感图像拼接。首先,在特征检测阶段,将SURF算法与Harris角点检测算法2种算法相结合,快速得到图像的特征点与特征描述子;在特征匹配阶段分为粗匹配与精匹配2个步骤:通过KNN算法对待拼接图像间特征点的粗匹配,以及应用RANSAC算法去除误匹配点的精匹配;在图像融合阶段,采用了基于距离的加权平均算法进行图像融合;最后,实验表明:文章所提出的算法处理速度相比于传统SUFT算法提升了近5倍,相比于其他改进算法,匹配精度也有所提高,并且该算法能够有效提高图像拼接后的质量与效果,解决了拼接痕印明显、重影、错位等现象可能发生的问题。     

利用TERCOM与ICCP进行联合重力匹配导航

重力匹配导航算法对提高匹配效率和精度具有重要意义,是水下匹配导航技术的热点问题。对已有的重力辅助惯性匹配导航算法开展了研究,在此基础上提出了一种新的基于ICCP与TERCOM相结合的重力匹配导航算法。该算法在已有改进算法的基础上,对惯性导航提供的采样间隔航距以及ICCP匹配航距,和改进TERCOM匹配航距进行了联合对比分析。通过设置限差,搜索出TERCOM匹配误差较大点,并用ICCP对应匹配点进行替换,反复搜索和替换,最终生成由两种算法结合的新匹配轨迹。在TERCOM匹配初始误差较小的情况下,该方法对TERCOM算法匹配精度的提升依赖于ICCP匹配结果。仿真结果表明:对于TERCOM出现明显误匹配且ICCP匹配结果较好时,该算法可大大提高重力匹配精度,距离误差由2000m降至870m,X轴方向由TERCOM匹配平均误差的1370m降至530m,Y轴方向由TERCOM匹配平均误差的1900m降至640m,从而更好地满足了水下导航的需求。     

基于航向匹配的磁力计外场无依托标定算法CSCD

三轴磁力计的测量精度会受到自身和环境的影响,因此在使用前必须要进行标定。传统标定方法需要特定的精密仪器和标定环境,或是对计算量和采集数据的方式有较高的要求,针对这些问题,提出了基于航向匹配的磁力计外场无依托标定算法。该算法无需特定精密仪器、对数据采集和计算量的要求也较低,且可以在现场实现有效动态标定。该算法基于航向角是磁航向角与磁偏角代数和的原理,通过等价数学变换构建了磁力计零偏关于姿态角与磁力计测量值的线性模型,最终采用最小二乘法对磁力计的零偏进行估计。该算法可以估计三轴磁力计的零偏,对磁力计的测量结果有较好的补偿作用。实验结果表明,该算法可有效标定三轴磁力计,减小其测量误差。经标定的磁力计可以应用于地磁匹配导航,辅助惯性导航修正其位置误差,尤其是在长直路段内,磁力计标定过程中识别出的磁异常数据可以为地磁匹配导航提供基础信息。