专利名称：一种基于surf特征的航空序列图像位置估计方法
技术领域：
本发明涉及一种基于SURF特征的航空序列图像位置估计方法，该方法能够适应航空序列图像的旋转、尺度变换及噪声干扰，实现飞行器获取的实时图在卫星基准图上位置参数的精确估计。
背景技术：
在视觉导航中，位置参数估计是飞行器自主导航的核心，研究高精度、鲁棒图像匹配方法是提高飞行器位置参数估计的重要手段。本发明利用快速鲁棒特征(Speeded-up robust features, SURF)即一种新的局部 不变特征方法，对子区域的梯度信息进行了整合，可以有效解决实时图与基准图在几何变 换、畸变、仿射变换、视角变换、亮度变换、噪声干扰等情况下的匹配问题。一般情况下，机载摄像机获取的地面影像(实时图)与卫星数字正射影像图(基准图)之间存在较大差异(如尺度、旋转、光照等)，传统的基于模板匹配的方法在图像配准前，需要基于规划航迹预测出实时图相对于基准图的航向偏差，增加了方法的复杂度，且配准误差较大。本发明能够克服图像在几何变化、光照变化、噪声干扰时仍保持一定稳定性的图像局部特征。与传统方法相t匕，基于不变特征的图像匹配在动态环境适应性方面，配准精度和鲁棒性方面均具有较大优势。

发明内容
要解决的技术问题为了避免现有技术的不足之处，本发明提出一种基于SURF特征的航空序列图像位置估计方法。技术方案—种基于SURF特征的航空序列图像位置估计方法，其特征在于步骤如下步骤I多尺度空间构建利用不同尺度的箱式滤波器建立多尺度空间，其中箱式滤波器的尺寸为size = 3+5s ;其中s是σ的倍数，σ为多尺度空间的尺度；步骤2快速Hessian矩阵检测对于图像I中一个给定的点X = (x, y),则Hessian
矩阵Η(χ，σ)对X在尺度σ上定义为
权利要求
1.一种基于SURF特征的航空序列图像位置估计方法，其特征在于步骤如下 步骤I多尺度空间构建利用不同尺度的箱式滤波器建立多尺度空间，其中箱式滤波器的尺寸为size = 3+5s ;其中s是o的倍数，o为多尺度空间的尺度； 步骤2快速Hessian矩阵检测对于图像I中一个给定的点
2.根据权利要求I所述基于SURF特征的航空序列图像位置估计方法，其特征在于所述比例因子《选择0.9。
全文摘要
本发明涉及一种基于SURF特征的航空序列图像位置估计方法，能够适应航空序列图像的旋转、尺度变换及噪声干扰，实现飞行器位置的精确估计。首先，构建了SURF尺度空间，运用快速Hessian矩阵定位极值点，计算出航空图像的64维SURF特征描述子；然后，基于Hessian矩阵迹完成特征点匹配；最后，使用RANSAC方法剔除出格点，实现位置参数的精确估计。本发明针对飞行器工作环境恶劣，以提高视觉导航的精确性为目标，较传统视觉导航方法，能有效克服无人机位置估计过程中，具有对尺度、旋转、光照等因素不敏感的优势，明显改善实时图与基准图的配准精度，对于无人机视觉导航工程化应用具有重要的实际意义。
文档编号G01C11/04GK102865859SQ20121035323
公开日2013年1月9日 申请日期2012年9月21日 优先权日2012年9月21日
发明者李耀军, 潘泉, 赵春晖, 杨峰, 梁彦 申请人:西北工业大学