本文以飞行器导航图像匹配算法为研究目标，探索基于角点特征的飞行器导航图像匹配算法的新思路，为飞行器导航图像匹配提供有效算法。旨在提高飞行器导航图像匹配算法的性能，包括算法的有效性、定位精度、匹配速度以及适应性等。 首先对图像匹配算法的核心问题进行了探讨；其次讨论了匹配图像的预处理问题，对匹配区选择及图像分辨率不同的处理进行了详细分析；然后建立了快速角点探测算法，并对角点探测算法从计算速度和定位精度上与常用的角点探测算法进行了比较；最后给出了模糊点集快速匹配算法以及通过自动搜索匹配点对进行图像匹配的算法。对上述角点探测及匹配算法进行了实验，说明了本文算法的有效性。 图像匹配算法是图像匹配导航系统的核心，其性能决定了系统的总体性能。为了提高图像匹配导航系统导航的实时性和精度，研究合适的图像匹配算法具有重要的理论意义和实用价值。用于飞行器导航的图像匹配，是不相似图像间的匹配，匹配的基准图像与实时图像间灰度差异大，具有几何变形且空间分辨率不同。 用于飞行器导航的图像匹配算法，首先必须计算速度快，满足实时处理的要求；其次，算法必须具备优良的性能，能适应不同的地表景观，且能克服图像间灰度的变化、几何变形以及分辨率的差异；最后，算法必须具备较高的定位精度。目前在飞行器导航中所采用的图像匹配算法主要有平均绝对差算法和归一化互相关算法等。此类算法虽具有使用简便、对景象模式适应能力较强等优点，但该类算法计算量大且对噪声较敏感。当图像中存在高频窄带随机噪声时，相关函数易出现多峰值，且在遮蔽区和特征贫乏区进行匹配时易出错。另外，对于匹配图像间存在较大的几何变形，如存在较大角度的旋转时，匹配难免失败。 图像中的点特征是图像灰度变化的反映，是图像本质特性的表现。用点特征进行匹配，能有效地克服基于灰度相关匹配的受噪声及灰度变化的影响且能 有效克服图像的几何变形以及分辨率的差异。此外，用点特征进行匹配，减少了用于匹配的信息量，可获得较快的匹配速度。 基于上述背景，本文以农村较为平坦地区的飞行器仿真CCD图像、IRS-C遥感图像为实时图像，仿真图像、SPOT（pan）为基准图像进行算法研究与实验。主要研究内容和结论如下： 1、飞行器导航图像匹配基本问题探讨 飞行器导航图像匹配是不相似图像的匹配，匹配图像间存在灰度变化、几何变形和分辨率的差异。匹配算法必须满足计算速度快、有效性强和定位准确等要求。针对上述特点，提出了基于角点特征的图像匹配方法。图像匹配算法主要包含三个核心问题：用于匹配的特征、相似性度量准则以及匹配的快速搜索策略。本论文选择用于匹配的特征是图像的角点特征。相似性度量准则为改进的Hausdorff距离和角点最大重复率以及精确寻找匹配点对的旋转不变角点描述方法。匹配的快速搜索策略，采用了对实时图像进行信息量评价的方法，主要有图像信息熵、图像累加梯度模以及提取出的角点数量。根据实时图像的信息量，决定是否进行匹配。这样压缩了匹配的搜索空间，加快了匹配速度，提高了匹配的正确性。对于匹配图像间存在的灰度变化，采用的角点特征本身就对灰度变化不敏感且是旋转不变的。对于匹配图像间存在旋转变形，本研究探讨了克服旋转的角点描述方法，使本文的方法具有旋转不变性。对于匹配图像分辨率的差异，分析了图像的尺度空间表达思想，给出了适合本文算法的尺度差异的处理方法。 2、快速角点特征提取算法研究 很多计算机视觉问题都依赖于图像低级特征（角点、边缘以及多边形等）的提取。角点特征是其中应用最广泛的一种图像特征。基于角点特征图像匹配结果的好坏，很大程度上取决于角点的提取。本研究给出了一种改进的快速角点提取方法。首先进行角点粗探测，然后根据粗探测的结果再进行角点几何结构分析，即图像中的像元如果为角点，它必须满足角点的圈层结构。通常认为角点处各个方向上灰度差变化都较大，所以角点响应函数使用了反映角点突出性的响应函数，使提取的角点含有更高的信息量。通过与SUSAN角点探测方法的比较，说明该算法具有快速、有效的特点。 3、匹配图像分辨率不同的处理方法 对图像的尺度空间表达思想及自动尺度选择特征探测进行了深入的研究，旨在解决待匹配图像间存在较大分辨率的差异问题。当匹配图像分辨率已知时，运用图像的尺度空间表达思想，选择不同尺寸的高斯滤波核，对不同分辨率的实时图像和基准图像进行低通滤波，使两图像具有相近的分辨率，提高了两图像探测角点的重复率和正确匹配概率；当匹配图像分辨率未知时，特征提 取及匹配将在多尺度框架下进行。运用尺度不变角点探测方法进行角点提取，运用尺度与旋转不变描述矢量对角点特征进行描述，比较描述矢量，进而找出匹配点对，实现图像的匹配。 4、快速匹配搜索策略研究 提高图像匹配速度的方法有：遗传算法、基于图像金字塔和小波多重表达的粗－精匹配策略以及在匹配搜索过程中常用的邻域排除法、扫描终止法和前向跳跃法等。根据图像信息量的评价，论文研究了基于实时图像信息量评价的快速搜索策略。匹配仅在有一定信息量的区域进行，即只有当实时图像信息量大于一定数值时才进行匹配；匹配仅在实时图像与基准图像信息量相当的那些图像对上进行。这样既压缩了匹配搜索空间，加快了匹配速度又提高了匹配正确概率。因为信息贫乏区极易成为图像的自相似区域，再加上缺乏稳定图像特征，匹配很难成功。图像信息量的评价方法主要有信息熵、累加梯度模。探测出的角点数量也能概略反映图像所含信息量。 5、模糊点集匹配相似性度量准则研究 实时图像和基准图像的匹配是不相似图像间的匹配，经过角点探测后得到的点集必然存在噪声点、出格点、多点、少点等情况。论文综合考虑了这些特点，给出了一种改进的模糊点集匹配相似性度量准则一改进的Hausdorff距离和角点最大重复率。改进的Hausdorff距离为去除出格点后的平均距离。运用该度量准则，有效地提高了正确匹配概率，并能准确获得关于匹配情况的正确信息。 6、建立基于图像角点位置和相互关系的模糊点集匹配方法—Hausdorff距离方法 首先运用图像的尺度空间表达思想，选择不同尺寸的高斯滤波核，对不同分辨率的实时图像和基准图像进行低通滤波，使两图像具有相近的分辨率。然后，进行角点提取。对已探测的实时和基准角点二值图像用3-4DT方法进行距离变换，得到距离图像。最后进行图像匹配，即应用图像信息量的评价思想进行搜索匹配，以改进的Hausdorff距离最短和角点重复率最大为最佳匹配。基于图像角点位置和相互关系的模糊点集匹配方法与归一化互相关方法进行了比较，取得了好的匹配效果。 7、建立尺度与旋转不变的精确寻找匹配点对的角点匹配方法 首先进行角点提取，并对角点特征进行描述，根据描述矢量的比较获得初始匹配点对；其次，依据一定的约束策略剔除错误匹配点对，得到正确的匹配点对；最后采用一定的变换模型进行匹配纠正。在匹配过程中，点特征的描述方法及剔除错误点对的约束策略是关键问题。本研究采用了旋转不变的互相关函数进行角点描述。不同于摄影测量图像处理中基于核线几何和概率松弛的剔 除错误点对的约束策略，本文采用的方法为渐进的局部几何约束策略，即匹配点对的邻近点对中，应有一部分为正确匹配点对，即部分匹配点对之间的角度基本相等且对应的矢量模长度比基本一致。最后，对极少量的错误点对，通过计算点位中心矩的方法再加以剔除。这样就得到了最终正确的匹配点集。另外，在角点提取以及匹配策略上都考虑了匹配图像分辨率不同的因素。 综上所述，论文研究的主要内容是图像匹配导航系统中基于角点特征的图像匹配方法，为飞行器导航图像匹配提供有效的算法和策略。对快速角点特征提取算法、匹配图像间分辨率不同的处理方法、快速匹配搜索策略、模糊点集匹配相似性度量准则作了深入的研究，构建了基于图像角点位置和相互关系的模糊点集匹配方法－Hausdorff距离方法及尺度与旋转不变的精确寻找匹配点对的角点匹配方法。本文方法同样可为需要进行图像匹配的领域所用。 论文创新点：以飞行器仿真CCD图像和不同时间的SPOT（Pan）、IRS-lC（pan）等遥感图像为主要实验数据，对基于角点特征的飞行器导航图像匹配算法进行了较为深入的探讨和研究。基于SUSAN和角点几何结构分析的思想，设计了一种改进的快速角点探测算法；提出了一种改进的Hausdorff距离与角点最大重复率作为相似性度量的方法以及利用图像信息量进行快速搜索和基于角点位置的匹配算法；针对匹配图像间的尺度差异和旋转，提出在初始匹配的基础上，基于矢量模、矢量夹角和点位分布中心矩剔除错误初始匹配点对的方法，提高了匹配的效率和精度，具有科学意义和重要的实用价值。