一种基于图像扩散特征的图像配准方法技术

本发明专利技术属于图像处理技术领域，涉及一种基于图像扩散特征的图像配准方法，包括以下步骤：步骤一：采集实时地面二维图像，将采集的地面二维图像记作I(x,y)，其中(x,y)为图像中的像素点的坐标；步骤二：根据地面二维图像I(x,y)得到其二维傅里叶谱I

【技术实现步骤摘要】
一种基于图像扩散特征的图像配准方法


[0001]本专利技术涉及图像处理领域的视觉增强技术与图像匹配技术，特别针对无人机的景象匹配定位方法，具体涉及一种基于图像扩散特征的图像配准方法。

技术介绍

[0002]导航技术在无人系统中至关重要，是保证无人系统能否执行任务并安全返航的基础。近些年来，随着计算机技术、图像处理技术、传感器技术和人工智能技术的发展，作为一种自主、无源、抗电子干扰、高分辨率视觉导航方式，景象匹配视觉导航在无人系统中得到了越来越广泛的应用。
[0003]目前国内外针对无人机俯视图匹配的粗定位问题多采用传统提取图像特征的方法。一些研究人员使用基于尺度不变特征描述符的技术解决了空中图像中模板匹配的问题。例如，一些研究人员研究了无GPS环境中UAV定位的问题，并利用光流来确定无人机的位置。他们使用帧间转换进行姿势跟踪和定向梯度特征的直方图，以便在Google地图上进行注册，然后采用粒子滤波进行更精细的定位。其中较为成熟的方案是利用从空中图像中提取的SIFT特征来作为UAV图像匹配问题的解决方案。另外一些技术思路是采用深度学习的方法进行端到端的图像匹配以完成无人机的定位，然而此种方法依赖大量标注数据，且可解释性不强，对算力要求较高。

技术实现思路

[0004]专利技术目的：本专利技术提供了一种面向无人机视觉定位的基于图像扩散特征的图像配准方法，该方法包括实时图像预处理与匹配两个步骤；其中无人机系统通过光电吊舱实时获得地面的俯视图像信息，然后将图像转换到频域中根据扩散方程的弱微分解计算扩散特征，使用扩散特征增强图像信息，之后使用快速傅里叶变换的逆变换输出增强结果，从而获得图像经预处理后的输出；本专利技术可实现成本低，操作简单，计算复杂度低，图像配准效果较好。
[0005]本专利技术的技术方案是：
[0006]一种基于图像扩散特征的图像配准方法，包括以下步骤：
[0007]步骤一：采集实时地面二维图像，将采集的地面二维图像记作I(x,y)，其中(x,y)为图像中的像素点的坐标；
[0008]步骤二：根据地面二维图像I(x,y)得到其二维傅里叶谱I
fft
(x,y)；
[0009]步骤三：基于扩散理论对二维傅里叶谱I
fft
(x,y)进行扩散处理，得到扩散后的二维傅里叶谱I
fft_new
(x,y)；
[0010]步骤四：根据扩散后的二维傅里叶谱I
fft_new
(x,y)得到扩散后的正常图像，并输出；
[0011]步骤五：对扩散后的正常图像进行特征点检测并生成特征点描述图像；
[0012]步骤六：用特征点描述图像与预先存储的地理参考图像进行匹配，并将匹配结果
进行定位结果转化后输出。
[0013]进一步，所述步骤一中，使用无人机专用光电吊舱设备采集实时地面二维图像。
[0014]进一步，所述步骤三中，所述扩散处理包括：在Sobolev空间中计算图像形成过程的Diffusion特点与形成图像特征之间的映射关系，从而进行图像扩散处理。
[0015]进一步，所述步骤三中，所述扩散处理包括以下步骤：
[0016]步骤a)：计算二维傅里叶谱I
fft
(x,y)中每个坐标(x,y)处用于提取特征的参数值，公式如下:
[0017][0018]其中，x
max
为图像高度；y
max
为图像宽度；α、β、λ、k均为算法参数，且均为正数；
[0019]步骤b)将每个坐标(x,y)处用于提取特征的参数值叠加进原二维傅里叶谱I
fft
(x,y)中，公式如下：
[0020]I
fft_new
(x,y)＝I
fft
(x,y)*[T(x,y)+1][0021]其中，I
fft_new
(x,y)为扩散处理后的二维傅里叶谱。
[0022]进一步，所述步骤a)中，直流分量(0,0)处参数值T(0,0)＝γ；
[0023]其中，γ为算法参数，且为正数。
[0024]进一步，所述步骤二中，对地面二维图像I(x,y)作二维离散傅里叶变换得到其二维傅里叶谱I
fft
(x,y)。
[0025]进一步，所述步骤四中，对扩散后的二维傅里叶谱I
fft_new
(x,y)进行二维离散傅里叶逆变换得到扩散后的正常图像。
[0026]进一步，所述步骤五中，使用SIFT算法对扩散后的正常图像进行特征点检测。
[0027]本专利技术具有以下有益效果：
[0028](1)本专利技术的基于图像扩散特征的图像配准方法拓宽了相近领域的问题解决思路，是这一理论在该领域内的首次实现，具有较高的研究价值；
[0029](2)本专利技术的基于图像扩散特征的图像配准方法注重有价值特征的信号增强，可为恶劣天气下的视觉定位提供较为鲁棒的解决方法，具有较大的研究潜力。
附图说明
[0030]图1为本专利技术提出的基于图像扩散特征的图像配准方法流程示意图；
[0031]图2为本专利技术得到的特征点描述图像与预先存储的地理参考图像进行匹配操作示意图；
[0032]图3为本专利技术实施例一中对RGB三通道图像进行扩散处理示意图。
具体实施方式
[0033]下面结合具体实现过程对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变形和改进。这些都属于本发
明的保护范围。
[0034]本专利技术以无人机在飞行过程中所获得的地面俯视图像为输入对象，对其图像中所承载特征信息且稳定的物理量进行计算，探究如何利用带特征信息的物理量增强图像的语义信息，从而达到更好的图像匹配效果，其中所采取的图像增强算法主要基于图像扩散的形成机理来实现。
[0035]针对无人机在发生GPS中断、干扰等的情况下使用图像匹配进行定位的问题，专利技术设计实现了基于图像扩散形成机理的图像增强新算法，以争取在通用的图像数据集和实际应用中有较好的俯视图像匹配表现，最终达成在真实环境中无人机仅通过采集的俯视图像就能较好的实现自身定位的目标。
[0036]结合图1，对本专利技术的基于图像扩散特征的图像配准方法进行详细描述，如图1所示，其包括以下步骤：
[0037]S11：使用无人机专用光电吊舱设备采集实时地面俯视图像，然后读入地面俯视图像，即将光电吊舱设备相机采集的原始图像读取到系统中，此处将采集的地面二维图像记作I(x,y)，其中(x,y)为图像中的像素点的坐标；
[0038]S12：对读入的图像采用二维离散傅里叶变换的方式得到其二维傅里叶谱，将其记作I
fft
(x,y)；
[0039]S13：对S12得到的二维傅里叶谱I
fft
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像扩散特征的图像配准方法，其特征在于：所述方法包括以下步骤：步骤一：采集实时地面二维图像，将采集的地面二维图像记作I(x,y)，其中(x,y)为图像中的像素点的坐标；步骤二：根据地面二维图像I(x,y)得到其二维傅里叶谱I
fft
(x,y)；步骤三：基于扩散理论对二维傅里叶谱I
fft
(x,y)进行扩散处理，得到扩散后的二维傅里叶谱I
fft_new
(x,y)；步骤四：根据扩散后的二维傅里叶谱I
fft_new
(x,y)得到扩散后的正常图像，并输出；步骤五：对扩散后的正常图像进行特征点检测并生成特征点描述图像；步骤六：用特征点描述图像与预先存储的地理参考图像进行匹配，并将匹配结果进行定位结果转化后输出。2.根据权利要求1所述的基于图像扩散特征的图像配准方法，其特征在于：所述步骤一中，使用无人机专用光电吊舱设备采集实时地面二维图像。3.根据权利要求1所述的基于图像扩散特征的图像配准方法，其特征在于：所述步骤三中，所述扩散处理包括：在Sobolev空间中计算图像形成过程的Diffusion特点与形成图像特征之间的映射关系，从而进行图像扩散处理。4.根据权利要求3所述的基于图像扩散特征的图像配准方法，其特征在于：所述步骤三中，所述扩散处理包括以下步骤：步骤a)：计算二维傅里叶谱I
fft
(x...

【专利技术属性】
技术研发人员：王雪，齐媛媛，陈群，刘畅，徐国靖，贺越生，
申请(专利权)人：中国航空无线电电子研究所，
类型：发明
国别省市：