景象匹配定位制导中误匹配消除方法

杜 江，杨建华，石 静

(1.中国兵器工业试验测试研究院，陕西 渭南 714200；2.西北工业大学，西安 710129)

景象匹配定位制导中误匹配消除方法

杜 江1，杨建华2，石 静2

(1.中国兵器工业试验测试研究院，陕西 渭南 714200；2.西北工业大学，西安 710129)

为了提高景象匹配定位的精确性和可靠性，针对景象匹配中存在误匹配问题，对SURF算法的2种匹配方法效果进行研究与比较，提出2种匹配点取交集和RANSAC估计消除误匹配的方法，即利用二者匹配结果交集消除部分误匹配，再通过RANSAC估计直线模型参数消除剩余误匹配。实验结果表明，该方法可以很好地消除误匹配。

景象匹配；匹配方法；误匹配；交集；直线模型

0 引言

现代战争已经从传统机械化转向高技术信息化，20世纪90年代至今，在全球局部地区的几场战争中已经确立了精确制导武器在现代战争中的重要地位[1-3]。在制导过程中，导引头不断获取实时图像，然后与基准图像进行匹配，这需要大量的智能化信息处理，而完成这一任务所依赖基础就是景象匹配技术。景象匹配技术在导航制导中的研究已经开展很多年，国内外在图像匹配定位上均做了大量的研究，已经达到了应用的阶段[4-5]。

针对图像误匹配严重影响定位精度的问题，本文研究通过对加速鲁棒特征(speeded up robust features，SURF)算法的2种匹配方法匹配结果取交集和随机抽样一致(random sample consensus，RANSAC)算法消除误匹配。

1 景象误匹配分析

景象匹配是在基准图像上唯一地准确定位实时图像或模版图像的计算处理过程[6]，实则也是2幅图像之间的空间坐标和相应灰度的匹配。假设实时图I1(x,y)为景象区域A的成像，基准图I2(x,y)中包含景象区域A与区域A相连的其他景象区域，则二者的关系可以表示为

I2(x,y)=g(I1(f(x,y)))。

(1)

式中：f是一个二维空间的坐标变换；g是一个一维的灰度变换；x、y为像素坐标。

由式(1)得：基准图与实时图正确匹配点之间存在一一对应关系；但是因为实际中地形、地貌有时候会出现相似的地方，造成多个相似特征点，除匹配点对应出错外，也会出现一对多、多对一现象[7-8]。由于基准图的地理坐标位置(或与目标的相对位置)是事先知道的，那么实时图中横纵坐标与地理经纬度坐标之间也存在唯一的对应关系；如果拟合出这种对应关系，则不满足对应关系的点也属于误匹配点。

2 SURF算法误匹配消除

近年来，图像局部不变性特征是图像处理领域的一个研究热点。文献[9]提出的SURF算法运算速度快、鲁棒性强，对于需要实时运算的场合，如导弹寻的制导时的目标识别，通常需要在很短时间内完成特征点搜索、特征向量生成、特征向量匹配、目标锁定等工作，SURF算法比较适应这种需求[10]。文献[10-12]详细描述了SURF的基本原理。这里重点研究SURF中基于最近邻距离的匹配和基于最近邻距离与次近邻距离比率的匹配2种匹配方法。

当2幅图像的SURF特征向量生成以后，下一步就是将兴趣点特征向量的欧氏距离作为2幅图像的相似性判定度量。取一幅图像中的某个兴趣点，并找出其与另一幅图像中欧氏距离最近的前2个兴趣点。基于最近邻距离的匹配中，认为2幅图中特征向量欧氏距离最近的2个点为一对匹配点，距离越近，匹配成功率越高[13]。如图1与表1所示，基准图与实时图基于最近邻距离匹配，SURF会对所有的兴趣点特征向量进行距离计算并匹配，将所有的最近邻距离从小到大排序，选择前N对匹配点观察匹配效果(N=50，100，200)，可以发现随着选取值N的增大，误匹配点对数增加。

基于最近邻距离与次近邻距离比率的匹配中，如果最近邻的距离除以次近邻的距离小于某个比例阈值，则接受这一对匹配点。选择的阈值越低，匹配点数目越少；但是更加稳定[14]。如图2与表2所示，基准图和实时图基于最近邻距离与次近邻距离比率的匹配，由于经过阈值T(T=0.8)筛选，匹配点对数明显减少，如果继续降低阈值(T=0.7，0.6)，误匹配点对数也会相应减少。

在景象匹配中，实时图一般包含的是基准图的一部分景物或者景象，如果基于最近邻距离匹配，除了在排序中距离小的点对匹配成功率很高外，相当多的匹配都是误匹配。而第二种匹配方法中，虽然匹配成功率较高，但是仍有误匹配存在；如果阈值降得过低，则会减少匹配点，影响其后的定位解算。因此可以在第一种匹配点对中选取与第二种匹配点对数量等同并且距离小的前N对点，取二者之间的匹配点对的交集，则可以有效剔除一些误匹配，提高匹配准确率。

匹配点数误匹配点数502100920021

表2 基于不同距离比率阈值匹配

3 RANSAC误匹配再消除

在景象匹配定位制导中，图像定位精度和定位可靠性直接影响到导弹的命中精度，因此要求能够准确、可靠地完成匹配定位工作。通常情况下，导弹惯性偏差能够保证在某个确定的范围内，也保证了实时图落在基准图上，并且方向偏差较小[15]。基准图中图像坐标与真实坐标对应关系已知，如果实时图与基准图匹配完全准确，图像中的横纵坐标与现实中的地理坐标存在一一对应关系，即横坐标与经度对应，纵坐标与纬度对应。如图3所示，选择匹配点画出图像坐标与真实坐标对应关系，很容易发现无论是横坐标对应经度还是纵坐标对应纬度，都近似于一条直线。

图像匹配中往往可以得到数以百计的特征点匹配对，即使经过第2节中2种匹配方法匹配点对取交集，仍然会有误匹配点存在，如果误匹配点与大部分点偏离很大，拟合的直线与理想直线会发生很大的偏差，可用随机抽样一致性RANSAC算法进一步剔除误匹配点。

RANSAC是一种估计数学模型参数的迭代算法，通过采样和验证的策略，求解大部分样本都能满足的数学模型的参数。迭代时，每次从数据集中采样模型需要的最少数目样本，计算数学模型的参数，然后在数据集中统计符合该模型参数的样本数目，最多样本符合的参数就被认为是最终模型的参数值。符合模型的样本点叫做内点，不符合模型的样本点叫做外点或者野点[16]。此例中确定直线方程需要2个数据点，RANSAC每次随机抽取2个样本点，得到直线方程后，再计算其他点到该直线的距离。如果距离小于阈值则被认为是内点，否则被认为是外点，然后统计符合该直线方程的内点数量；如此不断重复采样和验证，可估计出很多直线方程参数。最终，具有最多内点的直线就被认为是最终数学模型的参数估计。由于第2节中2种匹配结果取交集已经消除了一些误匹配，所以RANSAC迭代的次数也会随之减少，可进一步提升匹配效率。

4 实验与结果分析

本文运用Matlab2010b进行仿真实验，在主频为Intel 3.10 Hz、内存为3GB的PC机上运行，通过对2种匹配方法取交集消除误匹配、RANSAC算法再次消除误匹配以及定位解算进行验证。

1)SURF算法2种匹配方法取交集减少误匹配。基于最近邻距离的匹配结果中，特征向量距离越小，准确率越高；但是由于所有特征点都参与匹配，随着距离增大，匹配可信度会降低。而基于最近邻距离与次近邻距离比率的匹配中，只保留了距离比率大于阈值的匹配点对，匹配数量大大减少；但仍不能保证准确率。经过多次实验验证，从中取一例，如图4与表3所示，阈值仍取0.8，与图2(a)结果相比，2种匹配结果取交集后误匹配点明显减少。

表3 2种匹配结果取交集

2)RANSAC再次消除误匹配及定位解算。经过对SURF 2种匹配方法匹配结果取交集后，仍然可能会有误匹配存在，所以有必要用RANSAC算法进一步将误匹配点消除，由于一部分误匹配已被消除，所以RANSAC计算效率将提高。每次任取2个点得出直线方程，不断计算点到直线距离，距离小于阈值的点作为内点。通过不断地采取样本点与验证直线方程参数，拥有最多内点的直线即为理想模型参数估计。对上面的结果进行RANSAC估计，结果如图5所示，2种对应关系更加贴近于直线。

用RANSAC误匹配点再消除后进行匹配，如图6与表4所示，误匹配点继续减少，匹配准确率进一步提高。

阈值匹配点数误匹配点数0.8862

5 结束语

本文对景象匹配定位原理进行了阐述，对基于局部不变特征的SURF算法的2种匹配方法匹配结果进行分析对比，并应用RANSAC算法再次消除误匹配点。

局部不变特征算法SURF匹配中，特征向量间的欧氏距离越近，特征点的匹配准确度越高，但是全部用来解算不仅显得冗余，还会增加错误率；引入最近邻距离与次近邻距离比率阈值匹配后，虽然取得合适的匹配点数量，但是准确率不及前者：对2种方法匹配结果取交集不仅可以消除部分误匹配，而且还会减少随后RANSAC的迭代次数和验证次数，减少运行时间，可以为快速定位解算提供保证。

[1] 毛国辉.精确制导武器与战争法[J].国防科技，2010，31(6)：33-37.

[2] 毕开波.导弹武器及其制导技术[M].北京：国防工业出版社，2013：100-102.

[3] 赵晶，来庆福，戴幻尧，等.导弹武器全制导技术发展分析[J].中国电子科学研究院学报，2012，7(1)：34-41.

[4] 梁薇，张科.精确制导武器发展及其关键技术[J].火力与指挥控制，2008，33(12)：5-7.

[5] 刘建业，曾庆化，赵伟，等.导航系统理论与应用[M].西安：西北工业大学出版社，2010：418-420.

[6] 李言俊，张科.景象匹配与目标识别技术[M].西安：西北工业大学出版社，2009：3-5.

[7] 邱亚辉，李长青，崔有帧.RANSAC算法在剔除图像配准中误匹配点的应用[J].影像技术，2014，26(4)：46-47.

[8] 薛振华，王萍，张楚涵，等.图像匹配中去除误配的对抗性优化方法的改进[J].计算机应用，2012，32(11)：3157-3160.

[9] BAUER J，SUNDERHAUF N，PROTZEL P.Comparing several implementations of two recently published feature detectors[EB/OL].(2014-04-03)[2016-08-18].https：//www.tu-chemnitz.de/etit/proaut/forschung/rsrc/iav07-surf.pdf.

[10]王永明，王贵锦.图像局部不变性特征与描述[M].北京：国防工业出版社，2010：89-90.

[11]熊智，陈方，王丹，等.SAR/INS组合导航中基于SURF的鲁棒景象匹配算法[J].南京航空航天大学学报，2011，43(1)：49-54.

[12]BAY H，TUYTELAARS T，GOOL V L.SURF：speeded up robust feature[EB/OL].(2006-10-26)[2016-08-18].http：//www.vision.ee.ethz.ch/～surf/eccv06.pdf.

[13]BAY H，TUYTELAARS T，GOOL V L.Speeded up robust features(SURF)[J].Computer Vision and Image Understanding，2008，110(3)：346-359.

[14]王君本，卢选民，贺兆.一种基于快速鲁棒特征的图像匹配算法[J].计算机工程与科学，2011，33(2)：112-115.

[15]曲圣杰，潘泉，赵春晖，等.景象匹配辅助导航系统匹配置信度评估方法[J].中国惯性技术学报，2011，19(6)：713-719.

[16]曲天伟，安波，陈桂兰.改进的RANSAC算法在图像配准中的应用[J].计算机应用，2010，30(7)：1849-1851.

Mismatching eliminating method of scene matching，positioning and guidance

DUJiang1，YANGJianhua2，SHIJing2

(1.NORINCO Group Test and Measuring Academy，Weinan，Shaanxi 714200，China；2.Northwestern Polytechnical University，Xi’an 710129，China)

In order to improve the accuracy and the reliability of scene matching and positioning，aiming at the problem of mismatching in scene matching，the paper studied and compared the effects of the two matching methods based on SURF algorithm，and proposed to get the intersection of matching points from the two methods and estimate mismatching points by means of RANSAC algorithm：some mismatching points were eliminated during generating the intersection，and then the remaining mismatching points were eliminated via the estimation parameters of a linear model with RANSAC algorithm.Experimental result showed that the proposed method could effecitively eliminate mismatching points.

scene matching；matching method；mismatching；intersection；linear model

2016-09-09

杜江(1987—)，男，河南三门峡人，硕士，工程师，研究方向为组合导航及景象匹配理论及应用。

杜江，杨建华，石静.景象匹配定位制导中误匹配消除方法[J].导航定位学报，2017，5(3)：5-8,18.(DU Jiang，YANG Jianhua，SHI Jing.Mismatching eliminating method of scene matching，positioning and guidance[J].Journal of Navigation and Positioning，2017，5(3)：5-8,18.)

10.16547/j.cnki.10-1096.20170302.

P228

A

2095-4999(2017)03-0005-05