[发明专利]一种载人航天器AIT过程超高清全景图像配准技术

说明书

基于传统的SIFT配准算法容易将不同位置相同小目标上的特征点识别为同一特征点，导致特征点匹配错误，影响全景图像拼接的结果，为解决该问题，本发明提出一种载人航天器AIT过程超高清全景图像配准技术，在特征配准时利用感知哈希算法(Perceptual hash algorithm，PHA)对匹配点对进行粗提纯，之后判断匹配点是否在特定目标上，并去除特定目标上的匹配点，解决了特征配准时配准错误的问题，具体步骤如下：S1：利用单站点采集的原始数据构建特定目标检测的训练样本集；S2：基于Haar特征级联分类器训练检测模型；S3：基于SIFT方法确定图像匹配点对；S4：利用感知哈希算法对匹配点对进行粗提纯；S5：基于检测模型去除特定目标上的匹配点对；S6：构建图像变换模型。

技术领域

本发明涉及一种载人航天器AIT过程超高清全景图像配准技术，属于数字图像处理技术领域。

背景技术

图像配准技术是全景图像拼接中最核心的一项内容。全景图像配准包括基于图像灰度的匹配方法、基于变换域的匹配方法和基于图像特征的匹配方法。基于特征的配准方法首先从图像上选取特征信息，然后以图像特征为标准，对图像重叠区域的特征集进行搜索匹配。基于尺度空间不变特征(Scale-invariant feature transform，SIFT)的图像配准算法不仅对旋转、尺度缩放、亮度变化保持不变性，而且对视角变化、仿射变换、噪声也保持稳定性，因此在全景图像配准中得到广泛应用。

然而，传统的SIFT配准算法存在特征配准错误的问题。载人航天器舱外图像存在不同位置目标一致的情况，这些目标具有目标和背景对比度较大，目标尺寸较小的特点，比如载人航天器舱外的小标识、小工装。基于传统的SIFT配准算法容易将不同位置相同小目标上的特征点识别为同一特征点，导致特征点匹配错误，影响全景图像拼接的结果。

发明内容

本发明所要解决的技术问题是：克服现有技术的不足，提出一种载人航天器AIT过程超高清全景图像配准技术，在特征配准时利用感知哈希算法(Perceptual hashalgorithm，PHA)对匹配点对进行粗提纯，之后判断匹配点是否在特定目标上，并去除特定目标上的匹配点，解决了特征配准时配准错误的问题。

本发明目的通过以下技术方案予以实现：

一种载人航天器AIT过程超高清全景图像配准技术包括下面几个步骤：

S1：利用单站点采集的原始数据构建特定目标检测的训练样本集。

S2：基于Haar特征级联分类器训练检测模型。

S3：基于SIFT方法确定图像匹配点对。

S4：利用感知哈希算法对匹配点对进行粗提纯。

S5：基于检测模型去除特定目标上的匹配点对。

S6：构建图像变换模型。

S1：利用单站点采集的原始图像构建特定目标检测的训练样本集所述步骤S1具体包括步骤S11和步骤S12。

S11：根据载人航天器舱外的结构确定不同位置存在目标一致的特定目标。

S12：构建特定目标检测的训练样本集

训练样本集由正样本集和负样本集构成，利用单站点采集的原始图像构建训练样本集。假设待拼接图像的尺度大小为M×N，从待拼接图像序列中截取每个特定目标的正视图，并将每个正视图缩小c倍，缩小后的尺寸为u×u。

本发明特定目标为绝对刚性物体，因此通过对每个特定目标的1张正视图进行三维旋转和改变亮度等方式扩充正样本集。根据特定目标在载人航天器上的状态确定目标在三维旋转时的旋转角度范围。通过随机改变正视图的三维旋转角度和亮度构建每个特定目标的T个正样本集。