巡航制导中的景象匹配是无人飞行器视觉测量的一部分,测量环境比一般地面机器视觉测量复杂性高。文章对巡航制导中的景象匹配算法做了如下研究:首先,建立了巡航制导中景象匹配模型,并进行了分析和应用。结合地面机器视觉测量理论和自动巡航飞行器的环境特征,初步建立了自动飞行器视觉测量模型,用于巡航制导中景象匹配视觉测量。文章用三层二维坐标系视图定义景象匹配,分析了三个坐标系视图属性。结合巡航制导中景象匹配的数学模型,分析了景象匹配的误差来源和误差形式,给出用于景象匹配初始对准的“两点法”和景象匹配结果修正到制导平台中心的方法。其次,设计了基于像素的景象匹配算法。本文给出了基于距离的相似性度量,并将其和Nprod(Normalized Product correlation)度量进行比较。仿真实验表明,本文提出的方法比Nprod度量对尺度、旋转和亮度变化具有更强的鲁棒性。再次,探索了模仿生物视觉的景象匹配算法,主要是关于CBCL(Center for Bio-logical & Computational Learning)模型在景象匹配中的适用性研究。文章提出一种基于Gabor滤波器、最大化和相似性度量相结合的算法,应用到了景象匹配实验中;文章利用Gabor滤波器的σ参数和滤波器尺寸的关系,由图像的尺寸确定CBCL模型中Gabor滤波器的参数。在景象匹配问题中,CBCL模型运算量大、基准图形建立困难。文章在CBCL模型的基础上,利用基于模板特征的景象匹配算法,建立特殊训练集来抑制图像扰动对景象匹配的影响。最后,给出了一种景象匹配仿真实验流程和方法,对文章中涉及的一些算法进行了实验,给出了实验分析。