[发明专利]一种基于图像扩散特征的图像配准方法

说明书

本发明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Isubgt;fft/subgt;(x,y)；步骤三：基于扩散理论对二维傅里叶谱Isubgt;fft/subgt;(x,y)进行扩散处理，得到扩散后的二维傅里叶谱Isubgt;fft_new/subgt;(x,y)；步骤四：根据扩散后的二维傅里叶谱Isubgt;fft_new/subgt;(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。

技术领域

本发明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。

背景技术

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。

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。

发明内容

发明目的：本发明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；本发明可实现成本低，操作简单，计算复杂度低，图像配准效果较好。

本发明的技术方案是：

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_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。

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。

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。

进一步，所述步骤三中，所述扩散处理包括以下步骤：