基于卷积的快速景象匹配方法

文档序号:6115410阅读:216来源:国知局
专利名称:基于卷积的快速景象匹配方法
技术领域
本发明属于地形辅助导航系统中图像匹配技术领域。
背景技术
景象匹配就是从包含同一景物(区域)拍摄(录取)下来的两幅图像在空间上进行对准,以确定出这两幅图像之间的相对位置关系的过程。其在导航制导、医学以及数据融合等领域具有十分重要的意义。在其应用过程中,有些情况对速度的要求不高,有些情况对速度的要求很高,如在利用地形辅助导航的巡航导弹飞行过程中,即使是飞行速度不快的亚音速,假如是0.8倍音速,飞行1km,也仅仅需要3.6765秒钟,在这短短的时间内可能需要多次成像匹配,数据的修正以及控制系统的执行等,因此需要匹配算法具有很快的运算速度。归一化互相关技术(Normalized Cross Correlation Method,简称NCC)是一种相对来说抗噪声能力强、匹配准确的匹配算法,因此在导航制导中被广泛应用。但是由于其运算量比较大,采用常规的运算方式起计算速度相对来说比较慢,对于实时性要求比较高的地形辅助导航系统,其运算速度需要进一步提高。

发明内容
本发明的目的在于提高归一化互相关匹配算法(NCC)的运算速度,以便更快速地进行地形辅助导航,或为快速遥感数据融合赢得时间。
本发明的特征在于,该方法是在地形辅助导航系统中的计算机上依次按以下步骤实现的步骤(1),把预先拍摄的某一地区的灰度图像作为参考图,用A表示,把该参考图A输入计算机,图A的大小为mA×nA,矩阵中的值为灰度值;把运载器上传感器拍摄的所述地区的灰度图像作为实时图,用B表示,把该实时图B输入计算机,图B的大小为mB×nB,矩阵中的值为灰度值;所述灰度值的取值范围为0~255;并令实时图子图在参考图上的初始位置为xS=1,yS=1;步骤(2),按下式把实时图矩阵B的行和列的先后顺序都依次互相颠倒,得到矩阵CC(mB-i+1,nB-j+1)=B(i,j),i=1,2,…,mB,j=1,2,…,nB;同时计算sum(B.*B),符号“.*”表示两矩阵中所有相同位置元素两两相乘,“sum”表示求总和;步骤(3),对矩阵A和矩阵C作卷积运算,得到矩阵D,大小为(mA+mB-1)×(nA+nB-1);步骤(4),取所述矩阵D中(mB,nB)到(mA,nA)间的各值作为可能的匹配位置,并用矩阵DA表示;
步骤(5),把DA中的每一项除以sum(B.*B),得到DAB;步骤(6),找出DAB中与数值1最接近的值的位置(xSB,ySB),也就是实时图B在参考图A中的位置,并输出参数(xSB,ySB)。
本发明优点本发明所述方法的匹配速度较现有方法有较大提高。


图1为本发明方法的流程图;图2为图像的坐标定义方式,xS,yS为表示子图起始位置的自变量;图3为求逆序矩阵的方法和流程;图4为求矩阵卷积的方法和流程;图5为例1中参考图以及利用本方法算得的匹配点和实时图以及选择的原始匹配点;图6为例2中参考图以及利用本方法算得的匹配点和实时图以及选择的原始匹配点。
具体实施例方式
1、硬件环境586计算机(CPU 2.7GHZ),操作系统windows xp,安装有Matlab7.0软件2、步骤1)软件配置名称fast_NCC.m位置此软件位于导航制导系统中景象匹配位置功能提高归一化互相关匹配算法的运算速度,快速提供运载器(飞机或导弹等)上传感器所成图像(实时图B)在参考图(A)中的位置。
定义A,参考图,预先拍摄的某一地区的灰度图像B,实时图,运载器上传感器拍摄的灰度图像步骤见下面接口输入为参考图A(可见光图像)和实时图B(可见光或红外图像),输出为实时图B在参考图A中的坐标位置(xSB,ySB)2)匹配步骤a.硬件初始化参数设置jpg格式的灰度参考图A(大小mA×nA)和灰度实时图B(大小mB×nB),形状呈矩形,并且参考图和实时图的分辨率相同,方向一致。
数值范围参考图(200~10000)×(200~10000)实时图(20~1000)×(20~1000)b.实现步骤①调入参考图A(矩阵形式,大小mA×nA)和实时图B(矩阵形式,大小mB×nB),矩阵中的值为某地区的灰度图像。
注灰度为图像中表示亮度大小的数值,大小范围0~255。
②对实时图B按照图3的方法进行逆序运算(也就是矩阵的行和列的先后顺序都互相颠倒),得到矩阵C,同时计算sum(B.*B)(.*表示两个矩阵中所有相同位置元素两两相乘,sum表示所有元素之和)。
③按照图4对A和C进行卷积运算得到矩阵D,大小为(mA+mB-1)×(nA+nB-1)。
④取矩阵D中(mB,nB)到(mA,nA)的各个位置为可能的匹配位置,并记为DA。
⑤DA中每项除以sum(B.*B)得到DAB。
⑥找出DAB中与数值1最接近的值的位置(xSB,ysB)即为图像B的匹配位置,也就是实时图B在参考图中的位置,并输出参数(xSB,ySB)。
注图像中的坐标定义为向右为X方向,向下为Y方向。具体定义见图2(X与n相对应,Y与m相对应)。
本方法的基本原理是把图像匹配中的参考图和实时图转化成两个信号,利用信号的卷积来实现归一化互相关图像匹配(NCC),进而利用矩阵卷积的快速性、整体性,大大提高NCC的运算速度。
为了验证利用卷积运算的快速性和有效性,进行了大量的仿真试验,并同常规的NCC方法(Original Method,按照正常思路进行一层一层计算)以及优化后的NCC方法(FasterMethod,采用一些小技巧,利用.*进行矩阵对应点相乘)作了比较。试验过程中,参考图为显示的整个图像,而实验用的实时图为在整个实时图像中按照一定窗口截取的小图像,这样有利于多次验证。仿真环境为586计算机(CPU 2.7GHZ),操作系统windows xp,安装有Matlab7.0软件。
实例1参考图为可见光图像,大小为200×200,实时图为添加了椒盐噪声的可见光图像,匹配窗口大小分别为30×30和50×50。图5为参考图以及利用本方法算得的匹配点和实时图以及选择的原始匹配点。
实验1的实验结果见表1。
表1例1的匹配时间Tab.1 The matching time of example 1

匹配时间的单位为秒实例2参考图为中红外图像,大小为500×500,实时图为添加了白噪声的中红外图像,匹配窗口大小分别为30×30和50×50。图6为参考图以及利用本方法算得的匹配点和实时图以及选择的原始匹配点。
实例2的实验结果见表2。
表2例2的匹配时间Tab.2 The matching time of example 2

匹配时间的单位为秒通过以上实例发现如下现象(1)在匹配过程中,常规的NCC算法运算时间最多,优化的NCC算法时间较多,卷积所用时间最少,并且与其它两种方法相比少很多;(2)在窗口30×30情况下,对200×200的图像,运算时间比例为1∶37∶48,对500×500的图像,运算时间比例为1∶53∶66。在窗口50×50情况下对200×200的图像,运算时间比例为1∶27∶30,对500×500的图像,运算时间比例为1∶42∶48。可以看出与另两种方法相比,在图像越大,也就是计算量越大的情况下,利用卷积技术优势越明显,运算时间远远低于一个数量级。
实施例子如下为了更清楚地说明问题,举一个简单的二维卷积的例子来说明,设A=1237432332568912122123121133456112719089]]>B=56892113]]>mA=4,nA=5,mB=2,nB=2①对B进行逆序运算得到C=13218956,]]>同时计算sum(B.*B)=13*13+89*89+21*21+56*56=11667(.*表示矩阵中所有相同位置元素两两相乘,sum表示所有元素之和)。
②按照图4对A和C进行卷积运算得到矩阵D=1347811547069033881133177931247661494949201178011900116671646874902039735567180804994680137734984131041259111986129614984.]]>③取矩阵D中(mB,nB)=(2,2)到(mA,nA)=(4,5)=(4,5)的值 为可能的匹配位置,并记为DA。
④DA中每项除以sum(B.*B)得到DAB=113317793124766111780119001166716468355671808049946801/11667=0.09710.15250.26780.65661.00971.02001.00001.41153.04851.54970.42800.5829]]>⑤找出DAB中与数值1最接近的位置(xSB,ySB)=(3,2)即为图像B的匹配位置,也就是实时图B在参考图中的位置(注意到与B匹配的位置是(3,2)),并输出参数(xSB=3,ySB=2)。
注图像中的坐标定义为向右为X方向,向下为Y方向。具体定义见图2(X与n相对应,Y与m相对应)。
权利要求
1.基于卷积的快速图像匹配方法,其特征在于,该方法是在地形辅助导航系统中的计算机上依次按以下步骤实现的步骤(1),把预先拍摄的某一地区的灰度图像作为参考图,用A表示,把该参考图A输入计算机,图A的大小为mA×nA,矩阵中的值为灰度值;把运载器上传感器拍摄的所述地区的灰度图像作为实时图,用B表示,把该实时图B输入计算机,图B的大小为mB×nB,矩阵中的值为灰度值;所述灰度值的取值范围为0~255;并令实时图子图在参考图上的初始位置为xS=1,yS=1;步骤(2),按下式把实时图矩阵B的行和列的先后顺序都依次互相颠倒,得到矩阵CC(mB-i+1,nB-j+1)=B(i,j),i=1,2,…,mB,j=1,2,…,nB;同时计算sum(B.*B),符号“.*”表示两矩阵中所有相同位置元素两两相乘,“sum”表示求总和;步骤(3),对矩阵A和矩阵C作卷积运算,得到矩阵D,大小为(mA+mB-1)×(nA+nB-1);步骤(4),取所述矩阵D中(mB,nB)到(mA,nA)间的各值作为可能的匹配位置,并用矩阵DA表示;步骤(5),把DA中的每一项除以sum(B.*B),得到DAB;步骤(6),找出DAB中与数值1最接近的值的位置(xSB,ySB),也就是实时图B在参考图A中的位置,并输出参数(xSB,ySB)。
全文摘要
本发明属于地形辅助导航系统中图像匹配技术领域,其特征在于在实时图与参考图匹配过程中,利用参考图矩阵与由实时图矩阵得到的逆序矩阵进行卷积运算得到卷积矩阵,并且把该卷积矩阵除以实时图矩阵对应位置两两相乘的总和得到新的矩阵,取该矩阵其中的一定范围作为匹配可能位置,选取与数值1最接近的值的位置为最终匹配位置,该位置即为实时图在参考图的匹配位置。本方法较以往方法的运算速度有十分显著的提高。
文档编号G01C21/30GK1908583SQ200610112438
公开日2007年2月7日 申请日期2006年8月18日 优先权日2006年8月18日
发明者孙卜郊, 周东华, 刘扬, 张玉玲, 肖洋, 黄小念 申请人:清华大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1