论文部分内容阅读
景象匹配区选取是景象匹配导航的一项关键技术,对此项技术展开研究,无论是从加快导弹武器试验鉴定进程还是从节省试验经费上来看,都具有重要的现实意义。本文以巡航导弹景象匹配辅助导航中的景象匹配区选取技术为研究出发点,结合景象匹配辅助导航的特点构建了景象区域适配性特征指标集,研究了基于LSSVRM的景象匹配区分层筛选技术以及基于多特征融合的景象匹配区快速选取技术。通过试验表明,两种方法均能够可靠地自动选取出满足景象匹配辅助导航要求的景象匹配区。本文首先对匹配概率和匹配精度这两个适配性指标进行了研究并给出了计算方法。针对在实际景象匹配区选取工作中无对应图像对进行匹配概率计算的实际,重点对单幅图像自匹配概率的计算方法进行了研究,定义了单幅图像的降质方法及单幅图像匹配概率的计算方法,作为匹配区选取方法研究的基础。在通过多组试验进行匹配精度分析方面,研究了基于误差均值的定义方法和基于误差方差的定义方法,两种方法均可以反映通过多组试验得出的匹配精度。接下来,结合工程应用实际,本文研究了两种景象匹配区选取方法。一是基于分层筛选的适配性分析评估方法。该方法首先通过边缘点数目筛选,将边缘点数目低于阈值的区域剔除,从而大大减少预选区数量,节省计算时间。其次采用LSSVRM模型对经过第一层筛选的候选区域进行匹配概率预测,能够快速可靠的去除预测匹配概率较低的大多数区域。作为LSSVRM模型的输入,图像区域的适配性特征直接影响模型的训练效果。本文提出了2种适配性特征,并结合过往研究文章中用到的10种特征,构建区域特征描述向量,向量共有12维,通过特征指标相关性分析将向量由12维将至9维,作为模型输入。模型测试表明,利用上述特征集训练得到的LSSVRM模型能够较好地预测区域的匹配概率,从而实现区域的快速筛选。最后在剩下的候选区域中进行计算量较大但精度较高的图像自匹配概率的计算,得到最终的匹配区选取结果。二是基于多特征融合的适配性分析评估方法。该方法首先构造能反映匹配区选取准则的图像特征指标集,然后采用二叉树结构模型进行特征融合,并通过遗传算法进化合成得到最优的综合特征,最后利用该综合特征实现匹配区选取,有效地保证了所选区域景象的丰富性、显著性、稳定性和唯一性。最后,在两种景象匹配区选取方法研究的基础上,依据一定的景象匹配区选择流程,进行了同一场景不同匹配参数和多种场景的景象匹配区选取试验,试验结果表明,两种选取方法均能够选取出满足景象匹配辅助导航要求的景象匹配区,且选取出的景象匹配区与通过人工选择的景象匹配区具有较高的一致性。