CN102289684A - 一种机载光学景像匹配实时图像自适应处理方法 - Google Patents
一种机载光学景像匹配实时图像自适应处理方法 Download PDFInfo
- Publication number
- CN102289684A CN102289684A CN2011102150599A CN201110215059A CN102289684A CN 102289684 A CN102289684 A CN 102289684A CN 2011102150599 A CN2011102150599 A CN 2011102150599A CN 201110215059 A CN201110215059 A CN 201110215059A CN 102289684 A CN102289684 A CN 102289684A
- Authority
- CN
- China
- Prior art keywords
- realtime graphic
- cos
- sin
- airborne
- psi
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
一种机载光学景像匹配实时图像自适应处理方法,首先对影响机载光学景像匹配实时图像成像质量的因素进行分析;其次,对机载光学景像匹配实时图像进行分类;然后,分类建立机载光学景像匹配实时图像的自适应处理和校正模型;最后,对机载光学景像匹配实时图像进行处理和校正,并选出可纹理特征丰富、独立像元数多的机载光学景像匹配实时图像供景像匹配系统使用。本发明能提高机载光学景像匹配系统的可靠性和定位精度。
Description
技术领域
本发明涉及一种景像匹配实时图像自适应处理方法,特别是一种机载光学景像匹配实时图像自适应处理方法,适用于机载景像匹配系统。
背景技术
景像匹配技术是利用飞行器装载图像传感器在飞行过程中采集的实时景像图与预先制备的基准景像图进行实时匹配计算而获得精确定位信息的技术。从海湾战争、科索沃战争和伊拉克战争中可以看出,欧美等先进国家将景像匹配技术应用在战术飞机和无人机上取得了巨大的经济和军事效益。目前,我国利用景像匹配技术实现飞机精确导航定位以及对地精确攻击的应用研究才刚刚起步,尚未系统地、深入地开展机载景像匹配关键技术问题研究,与国外先进水平差距很大,严重制约了我国机载景像匹配系统的发展与应用。在当前的严峻形式下,特别是在北斗卫星导航系统尚未建成(预计2020年建成)的情况下,我国应大力发展机载景像匹配导航技术,以提高我国军用飞机的导航定位精度和精确对地攻击精度。景像匹配技术在巡航弹等精确制导武器上应用时,其在低空以匀速直线运动穿过匹配区,航线以及匹配区的位置和大小都是预先确定的。然而在飞机上应用时,受飞机飞行高度、机动性以及飞行航线(除民航客机)等不确定因素的影响,飞机的运动不再是直线运动,因此导致景像匹配技术在飞机上应用时产生了诸多新问题,例如在机动飞行过程中,飞机的偏航、滚动与俯仰角将引起成像发生畸变,图像的光照分布不均;飞机振动(包括线振动、抖动和颤振)以及电子快门的时间延迟,造成图像模糊;由于飞机的飞行高度跨度大,可见光图像传感器获取图像时易受环境因素(云、雨和雾等)的影响等。为解决现有系统算法的不足,本发明采用景像匹配实时图像和基准图的先验信息对景像实时图像分类器支持向量进行训练学习,将实时图像进行分类,通过分类建立景像实时图像校正模型,完成景像实时图像自适应处理和校正,该方法保证了机载景像匹配系统能获得可靠性高的实时图像。
发明内容
本发明要解决的技术问题:克服现有景像匹配系统在飞机上应用时景像实时图像畸变和误差导致景像匹配系统可靠性降低,提出一种机载光学景像匹配实时图像自适应处理方法。
本发明采用的技术方案为:在分析影响机载光学景像匹配实时图像成像质量因素的基础上,对机载光学景像匹配实时图像进行分类,建立机载光学景像匹配实时图像自适应处理和校正模型,选出可靠性高、鲁棒性强的机载光学景像匹配实时图像供景像匹配系统使用,提高机载光学景像匹配系统的可靠性和定位精度。具体实现步骤为:
(1)分析影响机载光学景像匹配实时图像成像质量的主要因素:
(1.1)飞机的水平机动飞行造成图像出现旋转变化、仿射畸变以及光照不均;
(1.2)飞机的高度机动飞行造成图像比例发生变化以及云、雨、雾及烟尘等天气因素的影响使得图像噪声大,对比度低;
(1.3)飞机飞行易受气流的影响,出现低频振动、高频振动和抖动现象,使得图像模糊,甚至不能成像。
(2)对机载光学景像匹配实时图像进行分类的步骤为:
(2.1)对实时图像的先验知识信息进行计算,所述先验知识信息包括纹理信息、统计信息以及与基准图进行相关运算获得的相关度信息;
(2.2)利用实时图像的先验知识信息数据对支持向量机进行学习和训练,完成对实时图像的分类。
(3)分类建立机载光学景像匹配实时图像的自适应处理和校正模型的步骤为:
(3.1)利用实时图像所在区域的基准图信息构建期望图像灰度级的概率模型改善图像横纹和提高图像信噪比,其概率模型为:
p(x)=a·exp[-a(y-ymin)] (1)
式中,a为给定的调节参数,x为变换前的实时图像灰度级,y为变换后期望的实时图像灰度级;ymin为变换后期望实时图像灰度级的最小值;
(3.2)分别通过灰度线性变换法、统计量法、指数变换法和直方图均衡化对实时图像的灰度级进行调整,改善实时图像的对比度,获得增强后的实时图像;
(3.3)根据机载组合导航系统或稳定平台提供飞机的俯仰角θ、滚动角γ和偏航角ψ,建立畸变校正模型为:
式中,[x y z]T为校正后的图像,[x′y′z′]T为校正前的图像,h0为飞行高度,T为转置符号。
本发明的优点在于:
(1)在对影响机载光学景像匹配实时图像成像质量因素进行分析的基础上,将实时图像进行分类,并分类建立图像的自适应处理和校正模型;
(2)根据基准图像的先验信息(统计信息、相关运算信息和纹理信息等),选出纹理特征丰富和独立像元数多的实时图像供景像匹配系统使用,使得图像质量差和纹理特征稀少的实时图像不参与匹配运算,从而保证了系统的可靠性。
附图说明
图1为本发明方法的原理流程图;
图2为本发明方法的实时图像分类原理图;
图3为本发明方法的实时图像分类校正原理图;
图4(a)为一种机载光学景像匹配实时图像自适应处理方法的试飞实时图像;
图4(b)为一种机载光学景像匹配实时图像自适应处理方法的图4(a)对应的基准图;
图4(c)为一种机载光学景像匹配实时图像自适应处理方法的图4(a)处理后结果;
图5(a)为一种机载光学景像匹配实时图像自适应处理方法的理想实时图像;
图5(b)为一种机载光学景像匹配实时图像自适应处理方法的有畸变的实际实时图像;
图5(c)为一种机载光学景像匹配实时图像自适应处理方法的畸变校正后的实时图像。
具体实施方式
如图1所示,本发明的具体实现步骤如下:
(1)如图2所示,分析影响机载光学景像匹配实时图像成像质量的主要因素有:
(1.1)飞机的水平机动飞行造成图像出现旋转变化、仿射畸变以及光照不均;
(1.2)飞机的高度机动飞行造成图像比例发生变化以及云、雨、雾及烟尘等天气因素的影响使得图像噪声大,对比度低;
(1.3)飞机飞行受气流的影响,出现低频振动、高频振动和抖动现象,使得图像模糊,甚至不能成像。
(2)对机载光学景像匹配实时图像进行分类的步骤为:
(2.1)对实时图像的先验知识信息进行计算和统计分析,所述先验知识信息包括纹理信息、统计信息以及与基准图进行相关运算获得的相关度信息;
(2.2)利用实时图像的先验知识信息和统计分析数据对支持向量机进行学习和训练,完成对实时图像的分类。
(3)如图3所示,分类建立机载光学景像匹配实时图像的自适应处理和校正模型的步骤为:
(3.1)如图4(a)-图4(c)所示,利用实时图像所在区域的基准图信息构建期望图像灰度级的概率模型改善图像横纹和提高图像信噪比,其概率模型为:
p(x)=a·exp[-a(y-ymin)] (1)
式中,a为给定的调节参数,x为变换前的实时图像灰度级,y为变换后期望的实时图像灰度级;ymin为变换后期望实时图像灰度级的最小值;
(3.2)分别通过灰度线性变换法、统计量法、指数变换法和直方图均衡化对实时图像的灰度级进行调整,改善实时图像的对比度,获得增强后的实时图像;
(3.3)如图5(a)-图5(c)所示,根据机载组合导航系统或稳定平台提供飞机的俯仰角θ、滚动角γ和偏航角ψ,建立畸变校正模型为:
式中,[x y z]T为校正后的图像,[x′y′z′]T为校正前的图像,h0为飞行高度,T为转置符号。
Claims (3)
1.一种机载光学景像匹配实时图像自适应处理方法,其特征在于包括以下步骤:
(1)对影响机载光学景像匹配实时图像成像质量的因素进行分析;
(2)对机载光学景像匹配实时图像进行分类;
(3)分类建立机载光学景像匹配实时图像的自适应处理和校正模型;
(4)对机载光学景像匹配实时图像进行自适应处理和校正,并选出供景像匹配系统使用的机载光学景像匹配实时图像;
所述步骤(1)中影响机载光学景像匹配实时图像成像质量的因素划分为:
(1.1)飞机的水平机动飞行造成图像出现旋转变化、仿射畸变以及光照不均;
(1.2)飞机的高度机动飞行造成图像比例发生变化以及天气因素的影响使得图像噪声大,对比度低,所述天气因素包括云、雨、雾及烟尘;
(1.3)飞机飞行受气流的影响,出现低频振动、高频振动和抖动现象,使得图像模糊,甚至不能成像。
2.根据权利要求1所述的一种机载光学景像匹配实时图像处理方法,其特征在于:所述步骤(2)对机载光学景像匹配实时图像进行分类的步骤为:
(2.1)对实时图像的先验知识信息进行计算,所述先验知识信息包括纹理信息、统计信息以及与基准图进行相关运算获得的相关度信息;
(2.2)利用实时图像的先验知识信息对支持向量机进行学习和训练,完成对实时图像的分类。
3.根据权利要求1所述的一种机载光学景像匹配实时图像处理方法,其特征在于:所述步骤(3)分类建立机载光学景像匹配实时图像的自适应处理和校正模型的步骤为:
(3.1)利用实时图像所在区域的基准图信息构建期望图像灰度级的概率模型改善图像横纹和提高图像信噪比,其概率模型为:
p(x)=a·exp[-a(y-ymin)] (1)
式中,a为给定的调节参数,x为变换前的实时图像灰度级,y为变换后期望的实时图像灰度级;ymin为变换后期望实时图像灰度级的最小值;
(3.2)分别通过灰度线性变换法、统计量法、指数变换法和直方图均衡化对实时图像的灰度级进行调整,改善实时图像的对比度,获得增强后的实时图像;
(3.3)根据机载组合导航系统或稳定平台提供飞机的俯仰角θ、滚动角γ和偏航角ψ,建立畸变校正模型为:
式中,[x y z]T为校正后的图像,[x′y′z′]T为校正前的图像,h0为飞行高度,T为转置符号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110215059 CN102289684B (zh) | 2011-07-29 | 2011-07-29 | 一种机载光学景像匹配实时图像自适应处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110215059 CN102289684B (zh) | 2011-07-29 | 2011-07-29 | 一种机载光学景像匹配实时图像自适应处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102289684A true CN102289684A (zh) | 2011-12-21 |
CN102289684B CN102289684B (zh) | 2013-04-03 |
Family
ID=45336090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110215059 Active CN102289684B (zh) | 2011-07-29 | 2011-07-29 | 一种机载光学景像匹配实时图像自适应处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102289684B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102739946A (zh) * | 2012-06-01 | 2012-10-17 | 清华大学 | 一种车载或机载图像采集与重构方法及使用该方法的系统 |
CN103425988A (zh) * | 2013-07-03 | 2013-12-04 | 江南大学 | 一种具有圆弧几何基元的实时定位与匹配方法 |
CN103778612A (zh) * | 2014-02-13 | 2014-05-07 | 同济大学 | 一种基于全色影像的卫星颤振探测与补偿方法 |
CN104184957A (zh) * | 2014-09-17 | 2014-12-03 | 中国科学院光电技术研究所 | 一种适用于空间探测成像的基于自适应预期图像平均亮度的自动曝光控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1116962A2 (de) * | 2000-01-14 | 2001-07-18 | LFK-Lenkflugkörpersysteme GmbH | Verfahren zur autonomen Detektion von Hubschraubern |
US20070002138A1 (en) * | 2005-07-01 | 2007-01-04 | The Boeing Company | Method for generating a synthetic perspective image |
CN101398901A (zh) * | 2008-10-31 | 2009-04-01 | 中国航空无线电电子研究所 | 用于辅助导航的快速图像匹配方法 |
CN102073873A (zh) * | 2011-01-28 | 2011-05-25 | 华中科技大学 | 一种基于支持向量机的sar景象匹配区选取方法 |
-
2011
- 2011-07-29 CN CN 201110215059 patent/CN102289684B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1116962A2 (de) * | 2000-01-14 | 2001-07-18 | LFK-Lenkflugkörpersysteme GmbH | Verfahren zur autonomen Detektion von Hubschraubern |
US20070002138A1 (en) * | 2005-07-01 | 2007-01-04 | The Boeing Company | Method for generating a synthetic perspective image |
CN101398901A (zh) * | 2008-10-31 | 2009-04-01 | 中国航空无线电电子研究所 | 用于辅助导航的快速图像匹配方法 |
CN102073873A (zh) * | 2011-01-28 | 2011-05-25 | 华中科技大学 | 一种基于支持向量机的sar景象匹配区选取方法 |
Non-Patent Citations (1)
Title |
---|
赵龙: "基于非线性最优滤波的地形辅助惯性导航算法", 《第二届中国卫星导航学术年会论文集》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102739946A (zh) * | 2012-06-01 | 2012-10-17 | 清华大学 | 一种车载或机载图像采集与重构方法及使用该方法的系统 |
CN102739946B (zh) * | 2012-06-01 | 2014-12-24 | 清华大学 | 一种车载或机载图像采集与重构方法及使用该方法的系统 |
CN103425988A (zh) * | 2013-07-03 | 2013-12-04 | 江南大学 | 一种具有圆弧几何基元的实时定位与匹配方法 |
CN103425988B (zh) * | 2013-07-03 | 2017-05-24 | 江南大学 | 一种具有圆弧几何基元的实时定位与匹配方法 |
CN103778612A (zh) * | 2014-02-13 | 2014-05-07 | 同济大学 | 一种基于全色影像的卫星颤振探测与补偿方法 |
CN103778612B (zh) * | 2014-02-13 | 2016-08-24 | 同济大学 | 一种基于全色影像的卫星颤振探测与补偿方法 |
CN104184957A (zh) * | 2014-09-17 | 2014-12-03 | 中国科学院光电技术研究所 | 一种适用于空间探测成像的基于自适应预期图像平均亮度的自动曝光控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102289684B (zh) | 2013-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784333B (zh) | 基于点云带权通道特征的三维目标检测方法及系统 | |
CN102353377B (zh) | 一种高空长航时无人机组合导航系统及其导航定位方法 | |
CN110197231B (zh) | 基于可见光和红外光图像融合的鸟情探测设备及识别方法 | |
CN102289684B (zh) | 一种机载光学景像匹配实时图像自适应处理方法 | |
CN112346096B (zh) | 一种高低轨遥感卫星舰船目标航迹与点迹关联方法及系统 | |
CN111337012A (zh) | 滑行道上的飞行器定位 | |
CN106874932B (zh) | 基于快速稀疏描述的sar目标型号识别方法 | |
CN109492525B (zh) | 一种测量基站天线工程参数的方法 | |
CN111709968A (zh) | 一种基于图像处理的低空目标探测跟踪方法 | |
CN114034296A (zh) | 一种导航信号干扰源检测与识别方法及系统 | |
CN115240089A (zh) | 一种航空遥感图像的车辆检测方法 | |
CN113066050A (zh) | 一种基于视觉的空投货台航向姿态解算方法 | |
CN113933828A (zh) | 一种无人艇环境自适应多尺度目标检测方法及系统 | |
CN111311640B (zh) | 一种基于运动估计的无人机识别跟踪方法 | |
CN110927765B (zh) | 激光雷达与卫星导航融合的目标在线定位方法 | |
CN111091077B (zh) | 一种基于图像相关性和模板匹配的车速检测方法 | |
CN109190693A (zh) | 基于块稀疏贝叶斯学习的变体目标高分辨距离像识别方法 | |
Negahdaripour | Calibration of DIDSON forward-scan acoustic video camera | |
CN106204596B (zh) | 一种基于高斯拟合函数与模糊混合估计的全色波段遥感影像云检测方法 | |
CN102322864B (zh) | 一种机载光学鲁棒景像匹配导航定位方法 | |
CN111523392A (zh) | 一种基于卫星正射影像全姿态的深度学习样本制备方法及识别方法 | |
CN116246139A (zh) | 一种无人艇航行环境基于多传感器融合的目标识别方法 | |
CN109886132A (zh) | 一种云海背景飞机目标检测方法、装置及系统 | |
CN113253619B (zh) | 一种船舶数据信息的处理方法及装置 | |
CN115984751A (zh) | 一种基于多通道多尺度融合的孪生网络遥感目标跟踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |