一种基于蚁群智能的无人机机器视觉图像匹配方法

摘要

本发明提供了一种基于蚁群智能的无人机机器视觉图像匹配方法。采用中值滤波法进行平滑滤波，以消除图像的随机干扰噪声；采用交叉边缘检测法对图像进行图像锐化处理，以加强图像中的轮廓边缘和细节；给定原始图像，将每个像素看作一只蚂蚁，将当前像素和邻域像素的灰度差与灰度差阈值作比较，小于该阈值的邻域像素个数即所要提取的邻域特征；根据图像特征提取特点给出初始聚类中心加以引导，以减少蚂蚁行走的盲目性，并将蚂蚁与聚类中心的相似度作为引导函数。利用蚁群智能对图像和模板的特征集合进行匹配运算，最终得到无人机机器视觉图像匹配结果。该方法的优点是计算速度快、适应性强、匹配精度高，并具有较强的抗干扰性。

主权项

1.本发明一种基于蚁群智能的无人机机器视觉图像匹配方法，其特征在于：该方法的具体步骤如下：(1)图像预处理技术研究：<1>采用中值滤波法进行平滑滤波，以消除图像的随机干扰噪声，使图像的失真尽可能的少；<2>采用交叉边缘检测法对图像进行图像锐化处理，以加强图像中的轮廓边缘和细节；(2)基于蚁群智能对模板和图像进行特征提取：给定原始图像，将每个像素看作一只蚂蚁，将当前像素和邻域像素的灰度差与灰度差阈值作比较，小于该阈值的邻域像素个数即所要提取的邻域特征；图像特征提取过程中，每只蚂蚁是以灰度、梯度和邻域为特征的三维向量，图像匹配就是这些具有不同特征的蚂蚁搜索食物源的过程；给定原始图像X，将每个像素Xj看作一只蚂蚁，则可根据上述方法进行特征提取；任意像素Xi到Xj的距离为dij，可采用欧几里德距离对其进行计算：$d_{\mathrm{ij}}=\sqrt{\underset{k=1}{\overset{m}{\Sigma }}{p}_k{(x_{\mathrm{ik}}-x_{\mathrm{jk}})}^2}$ 式中，p为加权因子，其值根据像素各分量对聚类的影响程度设定；如像素分量对某聚类的影响程度较小，则取p＝1；反之，若影响程度较大，则取p＝4；(3)基于蚁群智能的图像模板匹配运算：假设x，y是匹配坐标，s和a是匹配过程中旋转和尺度因子的变化值，HW(x，y)表示Hausdcrf距离，(x，y，s，a)构成了解空间中四个待确定的参数，则基于蚁群算法的图像匹配适应度函数可定义如下：$f(x,y,s,a)=\frac{1}{1+H_W(x,y)}$ (4)基于蚁群智能的图像匹配系统软硬件实现：基于蚁群智能的图像匹配系统硬件总体设计采用基于现场可编程门阵列的方案，处理器采用具有高性能、低功耗、接口丰富的处理器作为系统的SOC处理器；软件系统总体分底层、中层和高层三层，这三层分别用于实现图像预处理、特征提取与识别及无人机位置与姿态计算。