圖像匹配製導

圖像匹配製導是飛彈制導技術的一種，主要用於巡航飛彈與彈道飛彈的制導。它是基於地表特徵與地理位置之間的對應關係，利用遙感圖像特徵獲取制導信息，控制飛彈飛向目標的制導技術。

中文名稱	圖像匹配製導
英文名稱	pattern matching guidance
定　　義	利用遙感圖像特徵獲取制導信息，控制飛彈飛向目標的制導技術。
套用學科	航空科技（一級學科），航空武器系統（二級學科）

定義

隨著遙感對地觀測技術（RS）、全球定位系統技術（GPS）和地理信息處理技術（GIS）的發展以及“3S”集成技術的進一步套用，圖像匹配製導技術已成為當前“3S”技術套用研究的熱點內容。

隨著計算機技術的不斷發展，特別是速度更快，價格更低的處理晶片問世，圖像匹配速度大大提高，從而使其在飛行器導航與控制等實用性要求很高的領域也得到了廣泛採用。隨著現代高技術戰爭的發展，單一的慣性制導方式已不能滿足精度的要求，常常採用慣性、GPS、地形匹配、光學景象匹配等制導方式相融合的組合導航方式。與傳統的慣性導航、無線電導航等方式比較，圖像匹配導航具有自主性強、制導精度高等優點，因此受到人們的高度重視。

圖像匹配製導系統的功能是利用地物景象為慣導系統提供精確定位信息，修正其經過長時間飛行所積累的誤差，引導飛行器到達預定的目標。該系統的工作原理是：實現利用偵察手段獲取飛行器下方的地物景象（基準圖像）並存於飛行器載計算機中，然後，當攜帶相應的感測器的飛行器飛過預定的位置範圍時，便即使測量出當地的地物景象（實時圖像）。將實時圖像和基準圖像在飛行器計算機中進行相關匹配比較，即可以確定出當前飛行器的準確位置，完成定位功能。

圖像匹配算法

圖像匹配製導基於圖像匹配技術，又稱景象匹配或者模板匹配，就是在一幅較大的圖像（稱為基準圖像）上唯一地準確定位一幅較小圖像。（稱為實時圖像或者模板圖象）的計算過程處理，其中實時圖像包含有基準圖像的局部景象或景物。它既可以用於飛彈制導中的導航定位和目標識別，也可以用會圖像融合前的校準，是數字圖像處理和計算機視覺領域中一個基礎性研究課題。

從數字的角度來看，鏡象匹配是兩幅圖像之間的空間坐標和相應灰度的匹配。假設 為景象區域A的成像， 中不僅包含景象區域A，而且還包含與區域A相連的其它鏡像區域，則二者的關係可以表示為 式中，f是一個二維空間的坐標變換，而g是一個一維的灰度變換。

從上式看出，景象匹配問題就是一個要尋找最佳的灰度的空間坐標變換。在實際情況中，由於造成灰度差異的原因非常多，如成像時灰度分配差異，物體本身的屬性變化（移動，生長變化等）等，因此有時灰度差異是無法完全去除的。相比較而言，圖像之間的坐標匹配更加關鍵。在實際匹配過程中，圖像之間並不能通過一個或多個坐標變換來達到坐標上的完全匹配。例如，不同時期的地標特徵、植被、河流所造成的遙感圖像可能是不同的，如森林的砍伐，河流的改道等。在這種情況下，無法用一個簡單的變換模型來建立兩幅圖像之間的關係，也無法按照之前給出的算式來進行匹配計算，對於這種情況，常採用的方法是尋找圖像中不變或變化很小的特徵作為匹配的依據，只要這些特徵之間能達到上式所描述的關係，就認為兩幅圖像之間達到了匹配，並不要求兩幅圖像在每一個像素上都一一對應。

在匹配進行前，首先要確定的是圖像之間的變換關係，即圖像之間變換的數學模型。數學模型的確定依賴於圖像之間的差異類型，也就是依賴於造成圖像差異的原因。圖像之間的差異可分為相關差異和非相關差異。相關差異主要是幾何上的差異，是由感測器的位置變化和感測器的噪聲引起的，例如光照、天氣、陰影等，這類差異是無法預先知道的，很難用某種數學模型來完全精確的描述，通常只能用相應的數學模型來近似模擬。

匹配算法基本要素

1.特徵空間

特徵空間是在圖像中所抽取的用於景象匹配的圖像信息，特徵空間的選擇決定了圖像的哪些特徵參與匹配，哪些特徵被忽略。例如，當選取結構特徵時，區域紋理特徵將被忽略。所選擇特徵可以使圖像上每個像素點的灰度值，可以是線交叉點，高曲率點等一些顯著特徵，也可以是矩中心量，中心等統計特徵或高層結構描述與句法描述等高級特徵。特徵的選擇非常重要，合理的選擇特徵空間既可以減少匹配算法的計算量，也可以降低成像畸變對匹配性能的影響，提高匹配算法對景象模式的適應能力。由於不同的特徵使用了圖像中的不同信息，因而具有不同的適用性，具體套用時須根據不同的圖像和景象匹配要求來選擇合適的特徵。

2.相似性度量

相似性度量是衡量匹配圖像特徵之間的相似程度的量度，也可稱為匹配準則，這個準則就是判斷兩幅圖像是否達到匹配的標準，因而在圖像匹配中要做的第一項工作就是選擇合適的相似性度量。

3.搜尋空間

景象匹配問題是一個參數的最優估計問題，待估計參數組成的空間即是搜尋空間，也就是說，搜尋空間是指所有可能的變換所組成的空間。由於搜尋空間是用於校正圖像的一類幾何變換，因而成像畸變的類型和強度決定了搜尋空間的組成和範圍。圖像的幾何變換可以分為全局的、局部的和位移場形式的三類。其中，全局的變換通常基於矩陣代數理論，用一個參數矩陣來描述整個圖像的變換。局部變換又被稱為彈性映射，允許變換參數有位置依賴性，即不同的位置具有不同的變換參數模型，並且變換參數往往只是定義在某些特定的關鍵點上。位移場形式的變換又稱為光流場變換法，是在某種規整化機制的約束下，利用一個連續的函式最佳化機制，計算出圖像中每一點的獨立位移量。

4.搜尋算法

搜尋算法又稱搜尋策略，其目的是在搜尋空間中找到一個最優變換，使得兩幅圖像之間的相似性度量值達到最大值。雖然，在眾多的匹配參數中遍歷所有的參數肯定是不合適的，會導致極大的計算量，因此尋找最佳的搜尋策略對於減少計算量有重要意義，搜尋空間越複雜，選擇合適的算法就越重要。常用的搜尋算法有窮舉搜尋，層次性搜尋，多尺度搜尋，序慣判決，鬆弛算法，廣義Hough變換，線性規劃，樹與圖匹配，動態規劃，啟發式搜尋等。每一種搜尋算法都有其優點， 也都有其局限性。在多數情況下，搜尋算法的選擇是由其變換模型的特點和所採用的特徵來決定的。

景象匹配算法的分類

基於區域（Area-based）的景象匹配算法

基於區域的景象匹配算法包括灰度相關算法，相位相關算法等。在這類算法中，圖像的像素點陣直接參與景象的匹配運算。這類算法所採用的相似性度量有歸一化互相關，互相關係數，相位相關等。由於這類算法參與匹配運算的是圖像的像素點陣，並且在特徵提取過程中不必像特徵匹配算法那樣捨棄大量信息，因此具有使用簡便，對景象模式適應力比較強等優點，但不足之處是對成像畸變的適應能力較弱。

基於特徵（Feature-based）的景象匹配算法

這類算法在景象匹配時需要首先提取圖像中的特徵，然後再建立兩幅圖像特徵之間的匹配對應關係。這類算法的優點是對成像畸變的適應能力較強。當匹配圖像之間存在難以矯正的畸變時，基於區域的匹配算法不能獲得滿意的匹配結果，而基於特徵的匹配算法則可以通過特徵空間和相似性度量的選擇來減弱或消除成像畸變對匹配性能的影響。這種算法的缺點是在特徵提取過程中會損失大量的圖像信息，因此它對於圖像類型的適應能力不如基於區域的匹配算法。