论文部分内容阅读
光学相机在着陆段拍摄的小天体图像具有多细节、高清晰度的特性,拥有比绕飞段图像更加详细的图像特征,被广泛应用于光学自主导航。由于着陆段的小天体图像受到探测器下降速度与光学相机成像时间的影响,从而导致图像模糊,并对图像处理方法的有效性产生一定的影响。在着陆段小天体图像处理过程中,图像特征点匹配方法是图像处理算法的核心,由于小天体图像特征点的匹配精度直接受到图像质量与图像特征点匹配标准的影响,因此,研究高质量的图像复原与高精度的图像特征点匹配方法,对提升着陆段小天体图像导航性能具有重要意义。在着陆段小天体图像处理方法研究中,PCA-SIFT算法作为图像特征点提取与匹配的一种经典方法,理论上可以得到较高的图像特征点匹配精度,但其利用欧氏距离作为相似性匹配标准,将不同维度指标等同于相同刻度级别,使得图像特征点匹配精度降低。本文在深入地研究基于传统PCA-SIFT算法的小天体图像特征点匹配方法后,根据着陆段小天体图像的特征,从优化小天体图像质量和提高图像特征点匹配精度两个角度进行了改进。(1)为了提高模糊小天体图像的复原质量,提出了一种基于频谱特征的图像复原方法。该算法首先利用NSCT滤波器消除小天体图像噪声。再运用模拟退火算法对图像频谱特征进行优化得到点扩散函数,从而确定模糊退化模型。最后,通过Lucy-Richardson算法复原模糊图像。本文采用灰度平均梯度与拉普拉斯梯度对图像复原质量进行了评价。(2)为了提高光学相机拍摄的复原小天体图像特征点匹配精度,本文提出了结合PCA-SIFT与相关系数的算法。该算法首先采用PCA-SIFT算法提取复原小天体图像的特征点,然后选择相关系数作为相似性度量指标,对图像特征点进行匹配与筛选,最后运用RANSAC算法删除错误匹配点对。文中通过美国国家航空航天局提供的图像数据库获取着陆段小天体图像,并通过实验分别仿真上述两种方法。实验结果表明,与传统复原算法相比,本文算法复原的小天体图像质量有较大的提高,为小天体图像特征点匹配奠定了良好的基础;与传统的PCA-SIFT算法进行了对比,相关系数可以减少错误匹配点的产生,有利于探测器着路段图像导航性能的提升。