一种基于尺度预测的图像局部区域特征提取方法技术

技术编号:14244012 阅读:98 留言:0更新日期:2016-12-21 23:29
一种基于尺度预测的图像局部区域特征提取方法,涉及行星着陆中图像处理技术领域,具体涉及一种基于尺度预测的特征提取方法。为了解决SURF特征提取方法不具有仿射不变性的问题。本发明专利技术首先对当前所拍摄图像在目标天体表面的位置进行初步估计,选定全局特征库中的搜索范围;然后根据探测器拍照时的位姿信息以及全局特征库中相应特征点的特征尺度和方向信息,预测该特征在拍摄图像中的特征尺度和旋转角度;并将拍摄的图像按照所预测的旋转角度旋转获得旋转图像,根据二次型求极大值方法以及预测的特征尺度生成特征检测模板,将特征检测模板与旋转图像卷积并在位置空间进行非极大值抑制从而实现特征提取。本发明专利技术适用于行星着陆自主导航的图像处理。

【技术实现步骤摘要】

本专利技术涉及行星着陆自主导航中图像处理
,具体涉及一种基于尺度预测的特征提取方法。
技术介绍
在行星着陆自主导航任务设计中,需要通过前期在轨观测器观测图像及行星车收集的高清图像中建立一个标定有行星固联坐标系的二维图像数据库,在着陆过程中,探测器通过从星载相机对地拍摄的图像中提取视觉信息并与数据库进行匹配来获得自身的绝对位姿信息,因此,高效、准确的识别图像中的视觉信息是行星自主导航任务的重要前提。由于组建的数据库与行星着陆所拍摄的图像存在光照、拍摄角度、尺度等差异,从图像中提炼的视觉信息也应具有相应的不变性以保证有效的特征匹配;与此同时,在星载计算机处理能力有限情况下,视觉特征的提取与匹配还应具备实时性。图像局部特征的识别隶属计算机视觉领域,在近年来受到了学者们的广泛关注。其中最有代表性的算法是D.Lowe提出的尺度不变特征描述子,又称SIFT。秉承SIFT的构思,亦有学者提出了更高效的算法,如SURF,PCA-SIFT以及具有仿射不变性的Affine-SIFT算法等。概括而言,图像局部特亦可以代表为图像中局部纹理变化较为明显的区域。虽然SIFT描述子在大部分情况下能够正确匹配,但仍有数处误匹配存在。SURF算法与SIFT算法均可以归类为尺度不变特征家族当中。具体而言,该类算法都是将图像放在尺度空间中,并在多尺度描述中寻找一个类似于“高斯斑点”结构的最佳相应以及对应的特征尺度。为了找到上述结构,SURF与SIFT都使用了“多尺度特征检测子”来分析图像的尺度空间表征。秉承SIFT的设计思想,SURF算法做出了更简洁的近似,进一步降低了计算量。不同于DoG算子,SURF算法使用了Hessian矩阵与积分图像来近似二阶高斯微分,并用盒子滤波器对积分图像进行操作,从而减少了计算量,增加了计算速度。但是由于拍摄条件的不同,在轨拍摄和下降过程中的在线拍摄对同一特征目标的成像结果是不同的,SURF特征提取方法不具有仿射不变性,而且计算量仍然较大。
技术实现思路
本专利技术为了解决现有的SURF特征提取方法不具有仿射不变性的问题。一种基于尺度预测的图像局部区域特征提取方法,包括以下步骤:步骤一:根据行星着陆过程中探测器相对于预定着陆点的位置、探测器体坐标系相对于在轨拍摄行星表面图像是的姿态及相机焦距、视场角等信息,对当前所拍摄图像在目标天体表面的位置进行初步估计,选定全局特征库中的搜索范围;步骤二:根据探测器拍照时的位姿信息以及全局特征库中相应特征点的特征尺度,预测该特征在拍摄图像中的特征尺度;所述步骤二的具体实现过程如下:建立全局特征库拍摄图像时探测器与该特征的距离为d1,建立全局特征库拍摄图像时所用相机的焦距为f1,建立全局特征库拍摄图像时相机光心与特征点之间连线和光轴的夹角为α1,设全局特征库中的某特征的特征尺度为σ1,则该特征在下降段图像中会产生放缩变换,其尺度变换为 σ 2 = d 1 f 2 cosα 1 d 2 f 1 cosα 2 σ 1 ]]>其中,下标2对应的参数表示相应物理量在下降段拍摄图像时的值,即:下降段拍摄图像时探测器与该特征的距离为d2,下降段拍摄图像时所用相机的焦距为f2,下降段拍摄图像时相机光心与特征点之间连线和光轴的夹角为α2;设探测器下降时的俯仰角为θ,偏航角为ψ,滚转角为则所述全局特征库中的某特征在下降段图像中会产生仿射变换,相应的椭圆长、短半轴为 a = σ c o s θ , b = σ c o s ψ 1 + tan 2 θsin 2 ψ . ]]>步骤三:根据探测器拍照时的姿态信息以及全局特征库中相应特征点的方向信息,预测该特征在拍摄图像中的旋转角度;步骤三的具体实现过程如下:所述全局特征库中的某特征在下降段图像中会产生旋转变换,旋转角度为步骤四:将拍摄的图像按照所预测的旋转角度旋转获得旋转图像;步骤五:根据二次型求极大值方法仿照SURF检测原理以及预测的特征尺度生成特征检测模板;步骤五的具体实现过程如下:首先根据所预测的特征尺度建立二阶高斯微分盒子滤波器Dxx、Dxy和Dyy,然后根据SURF原理建立求Hessian矩阵行列式最大值问题:从而将上式转化为一个二次型优化问题:其中,μ、ν分别为像元像线坐标,DSURF(μ,ν)为SURF特征检测子在(μ,ν)处的Hessian响应值,I为将图像中与盒子滤波器卷积的对应部分重新排列成的列向量,G为相应的盒子滤波器重新排列成的行向量;对上式中的二次型,通过进行二次型矩阵的特征值分解求取在仿射变换条件下的特征检测模板。步骤六:将特征检测模板与旋转图像卷积并在位置空间进行非极大值抑制从而实现特征提取。本专利技术对当前所拍摄图像在目标天体表面的位置进行初步估计,选定全局特征数据库中的搜索范围,根据探测器拍照时的位姿信息计算数据库中相应特征在拍摄图像中特征尺度和旋转角度,根据旋转角度旋转图像,根据特征尺度生成特征检测模板并对图像进行检测。本专利技术与现有技术相比的优点在于:能够实现仿射不变性特征检测,同时计算量小,计算效率高,是着陆过程中进行特征检测的理想方法。附图说明图1为本专利技术的流程图;图2为三维模拟地景正射影像;图3-1至图3-3为不同高度、拍摄角度下的下降图像影像示意图;图4为仿真测试方法示意图;图5为两种SURF特征检测子仿真比较示例图;其中,图5(a)和图5(c)使用了本专利技术所提出的仿射不变SURF模板进行SURF特征检测示例,图5(b)和图5(d)为标准的SURF检测算子示例;图6为两种SURF检测子仿真比较结果;其中,图6(a)为两种算法平均定位误差随姿态角改变量变化的曲线,图6(b)为误匹配率随姿态角该变量变化的曲线。具体实施方式具体实施方式一:结合图1说明本实施方式,一种基于尺度预测的图像局部区域特征提取方法,包括以下步骤:步骤一:根据行星着陆过程中探测器相对于预定着陆点的位置、探测器体坐标系相对于在轨拍摄行星表面图像是本文档来自技高网
...
一种基于尺度预测的图像局部区域特征提取方法

【技术保护点】
一种基于尺度预测的图像局部区域特征提取方法,其特征在于其包括以下步骤:步骤一:根据行星着陆过程中探测器相对于预定着陆点的位置、探测器体坐标系相对于在轨拍摄行星表面图像是的姿态及相机焦距、视场角等信息,对当前所拍摄图像在目标天体表面的位置进行初步估计,选定全局特征库中的搜索范围;步骤二:根据探测器拍照时的位姿信息以及全局特征库中相应特征点的特征尺度,预测该特征在拍摄图像中的特征尺度;步骤三:根据探测器拍照时的姿态信息以及全局特征库中相应特征点的方向信息,预测该特征在拍摄图像中的旋转角度;步骤四:将拍摄的图像按照所预测的旋转角度旋转获得旋转图像;步骤五:根据二次型求极大值方法仿照SURF检测原理以及预测的特征尺度生成特征检测模板;步骤六:将特征检测模板与旋转图像卷积并在位置空间进行非极大值抑制从而实现特征提取。

【技术特征摘要】
1.一种基于尺度预测的图像局部区域特征提取方法,其特征在于其包括以下步骤:步骤一:根据行星着陆过程中探测器相对于预定着陆点的位置、探测器体坐标系相对于在轨拍摄行星表面图像是的姿态及相机焦距、视场角等信息,对当前所拍摄图像在目标天体表面的位置进行初步估计,选定全局特征库中的搜索范围;步骤二:根据探测器拍照时的位姿信息以及全局特征库中相应特征点的特征尺度,预测该特征在拍摄图像中的特征尺度;步骤三:根据探测器拍照时的姿态信息以及全局特征库中相应特征点的方向信息,预测该特征在拍摄图像中的旋转角度;步骤四:将拍摄的图像按照所预测的旋转角度旋转获得旋转图像;步骤五:根据二次型求极大值方法仿照SURF检测原理以及预测的特征尺度生成特征检测模板;步骤六:将特征检测模板与旋转图像卷积并在位置空间进行非极大值抑制从而实现特征提取。2.根据权利要求1所述的一种基于尺度预测的图像局部区域特征提取方法,其特征在于所述步骤二的具体实现过程如下:建立全局特征库拍摄图像时探测器与该特征的距离为d1,建立全局特征库拍摄图像时所用相机的焦距为f1,建立全局特征库拍摄图像时相机光心与特征点之间连线和光轴的夹角为α1,设全局特征库中的某特征的特征尺度为σ1,则该特征在下降段图像中会产生放缩变换,其尺度变换为 σ 2 = d 1 f 2 cosα 1 ...

【专利技术属性】
技术研发人员:田阳崔祜涛余萌徐田来
申请(专利权)人:哈尔滨工业大学
类型:发明
国别省市:黑龙江;23

网友询问留言 已有0条评论
  • 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。

1