[发明专利]一种具有旋转不变性的海底地形二维匹配辅助导航方法

权利要求书

1.一种具有旋转不变性的海底地形二维匹配辅助导航方法，其特征在于，包括以下步骤：

1)从多波束测深系统获得实时的条带扫测深度值矩阵阵列，并将高程阵列值转化为灰度值得到模板灰度图；读取主导航系统误差范围内区域的地形二维高程阵列值转化为灰度值，以形成背景灰度图；

2)采用旋转不变的图像矩函数作为特征量，将背景灰度图中搜索与模板灰度图特征量匹配的区域、获得多波束测深系统实时扫测时所处的位置。

2.根据权利要求1所述的具有旋转不变性的海底地形二维匹配辅助导航方法，其特征在于，还包括步骤3)：运行步骤1)和步骤2)若干次，利用多次匹配的结果得到精确航迹并返回至主导航系统修正误差。

3.根据权利要求1所述的具有旋转不变性的海底地形二维匹配辅助导航方法，其特征在于，所述的旋转不变图像矩函数为Zernike矩、Hu矩或小波矩。

4.根据权利要求1所述的具有旋转不变性的海底地形二维匹配辅助导航方法，其特征在于，所述在背景灰度图中搜索与模板灰度图特征量匹配的区域的方法具体为，在背景灰度图中取出一系列子图，并在计算子图的图像矩函数特征量与计算得到的模板灰度图的图像矩函数特征量相比较，通过找到与模板灰度图最匹配的子图，然后以该子图在背景灰度图的位置作为模板灰度图的位置，以确定多波束测深系统实时扫描时所处的位置，其中在计算子图和模板灰度图图像矩函数特征量匹配的过程中采用圆窗口化处理后再计算特征量。

5.根据权利要求1～4所述的具有旋转不变性的海底地形二维匹配辅助导航方法，其特征在于，所述的旋转不变图像矩函数为Zernike矩时，具体步骤如下；

所述步骤1)具体为：

从多波束测深系统获得实时的条带扫测深度值矩形阵列，根据主惯导误差范围从原始先验数据库得到背景深度值矩阵阵列；

把各个深度值转化成0-255之间的灰度值，通过下述公式归一化灰度转换，使深度值矩阵阵列形成待匹配的背景灰度图和模板灰度图；

hi,j′=round(|hi,j|-mini,j{|hi,j|}maxi,j{|hi,j|}-mini,j{|hi,j|}×255)]]>

其中，h_i,j表示二维深度值阵列中第(i，j)个点的深度值，round(·)表示临近取整，|h_i,j|表示第(i，j)个点深度值的绝对值，h′_i,j表示该点转化后的灰度值，分别表示取二维深度值阵列中元素绝对值的最小值和最大值；

所述步骤2)具体为:

针对实时条带模板灰度图，以扫测条带宽度为边长取出初始位置正方形图作为模板图；针对背景灰度图，从左上角开始依次逐像素地取和模板正方形相同大小的图作为子图，直至遍历整个背景图；

对每一个正方形灰度子图和模板图进行如下圆窗口化操作:只取此正方形内切圆的像素点，其余像素点置零；

计算正方形灰度子图和模板图的Zernike多阶矩，具体如下：

为了计算简便和快速，进行方圆变换；

经过方圆变换，有如下关系：

γ＝max{|x|,|y|}

其中，γ表示某点变换后在极坐标系里与原点的半径，x，y分别表示变换前某点在矩形的直角坐标系里的坐标，max{}表示取括号内元素的最大值；

如果|x|＝γ，则ξ=2(γ-x)y|y|+xyγ]]>

如果|y|＝γ，则ξ=2y-xyγ]]>

其中，(γ,ξ)表示变换后对应的该像素点在圆形的极坐标系里的坐标；

若N代表图像的像素数，则坐标值的范围为：

-N2≤x≤N2;-N2≤y≤N2;0≤γ≤N2;]]>1≤ξ≤8γ

像素(γ,ξ)的归一化极坐标(r,θ)为:

r=2γN,θ=πξ4γ]]>

其中，(r,θ)表示归一化到单位圆内的极坐标，N表示图像像素总的点数；

把矩形图像二维分布f(x,y)变换为单位圆极坐标系里的图像分布为g(r,θ)；

根据Zernike矩的定义式：

Znm=n+1πΣk=mnBnmk∫02π∫01rke-imθg(r,θ)rdrdθ,(r<1)]]>

其中，Z_n,m表示图像的n阶m重Zernike矩，B_nmk表示图像的n阶m重径向矩，g(r,θ)即为极坐标系(r,θ)上的图像分布，r表示半径，θ表示角度；

可得，变换后圆形图像的Zernike矩的实部和虚部如下：

Zpq(c)=2p+2N2Σγ=1N/2Rpq(2γN)Σξ=18γcos(πqξ4γ)g(r,θ)]]>

Zpq(s)=-(2p+2)N2Σγ=1N/2Rpq(2γN)Σξ=18γsin(πqξ4γ)g(r,θ)]]>

其中，分别表示p阶q重Zernike矩的实部和虚部，R_pq(·)为Zernike矩的p阶q重径向多项式；

根据Zernike矩的特性，旋转不变量有Zernike矩的各阶模值；

取其中的前四个模值|Z₂₀|,|Z₂₂|,|Z₃₁|,|Z₃₃|作为相似性度量的特征量，记为：

Z(i),(1≤i≤4)；

其中，Z(1)＝|Z₂₀|,Z(2)＝|Z₂₂|,Z(3)＝|Z₃₁|,Z(4)＝|Z₃₃|；

针对背景灰度图，采用遍历搜索法截取每个与实时模板图相同大小的正方形子图，对于每个子图计算四个模值|Z₂₀|,|Z₂₂|,|Z₃₁|,|Z₃₃|，得到每个子图的特征量；

对于模板和每个子图，使用归一化互相关算法作为相似性度量方法，得到最佳匹配子图，即模板的位置；公式如下：

δ(x,y)=Σi=14(ZR(i)-Z‾R)(ZT(i)-Z‾T)Σi=14(ZR(i)-Z‾R)2Σi=14(ZT(i)-Z‾T)2]]>

其中，δ(x,y)表示模板图与坐标为(x,y)的子图之间的相关性系数，值越大，相似性越高；Z_R(i),Z_T(i)分别表示子图和模板图的各阶Zernike矩，分别表示子图和模板图的各阶Zernike矩的平均值；

找到δ(x,y)最大的位置子图，即为最佳匹配位置子图，以该子图范围作为获得多波束测深系统实时扫测时经过的位置范围。