陳世偉，楊小岡，張勝修，王雪梅

（火箭軍工程大學(xué)控制工程系，陜西　西安 710025）

基于自適應(yīng)上下文信息的目標(biāo)相對定位方法

陳世偉，楊小岡，張勝修，王雪梅

（火箭軍工程大學(xué)控制工程系，陜西西安 710025）

針對成像末制導(dǎo)中地面固定目標(biāo)識別難度大的問題，基于最穩(wěn)定極值（maximally stable external region，MSER）區(qū)域提出一種新的相對定位識別算法。提取基準(zhǔn)圖中目標(biāo)周圍具有尺度和仿射不變特性的MSER特征，根據(jù)權(quán)重指數(shù)自適應(yīng)選取一定數(shù)量的MSER特征作為上下文地標(biāo)。提取實(shí)時圖中的MSER特征，與上下文地標(biāo)基于規(guī)則化互相關(guān)準(zhǔn)則進(jìn)行特征匹配，利用雙層匹配矯正策略減少誤匹配，得到匹配特征對。提取匹配特征對的中心點(diǎn)作為參考點(diǎn)求解基準(zhǔn)圖與實(shí)時圖之間的空間映射關(guān)系，進(jìn)而利用最小二乘擬合一次多項(xiàng)式計算實(shí)時圖中目標(biāo)的位置坐標(biāo)。實(shí)驗(yàn)結(jié)果表明，針對復(fù)雜地面場景，該方法的最大相對定誤差不大于3個像素?；緷M足成像末制導(dǎo)對自動目標(biāo)識別算法穩(wěn)健性好、識別精度高、抗干擾能力強(qiáng)等要求。

上下文地標(biāo)；相對定位；最穩(wěn)定極值區(qū)域；目標(biāo)識別

網(wǎng)址：www.sys-ele.com

0　引　言

目標(biāo)自動識別是成像末制導(dǎo)過程中的一個技術(shù)難點(diǎn)，尤其是針對地面復(fù)雜背景下的目標(biāo)識別，存在目標(biāo)形態(tài)各異、背景遮擋，特征適應(yīng)性差等諸多困難［1-2］。文獻(xiàn)［3］提出利用目標(biāo)圖像的仿射梯度方向直方圖特征進(jìn)行目標(biāo)直接識別，針對簡單背景，該方法具備很好的旋轉(zhuǎn)不變性和錯切不變性。文獻(xiàn)［4］提出以目標(biāo)的三維模型為基礎(chǔ)來制作匹配模板圖像，在一定信噪比的前提下，可實(shí)現(xiàn)目標(biāo)的有效識別。以上這些算法都是利用目標(biāo)自身的特征信息來進(jìn)行識別，因此這些方法通常只適用于簡單背景下的高大、顯著目標(biāo)，而對于背景復(fù)雜、距離遠(yuǎn)、低矮、存在遮攔等情況下的目標(biāo)則很難或者不能直接識別。針對這一問題，文獻(xiàn)［5］提出了改進(jìn)的光電混合聯(lián)合變換相關(guān)器對遮攔目標(biāo)進(jìn)行探測和識別，雖然取得不錯的效果，但本質(zhì)上仍然依賴目標(biāo)自身的特征信息。文獻(xiàn)［6］提出一種上下文不變性的機(jī)場檢測方法，擺脫了對目標(biāo)自身信息的依賴，但沒有實(shí)現(xiàn)目標(biāo)的精確定位。文獻(xiàn)［7］提出了一種相對定位方法，其思想是首先選擇目標(biāo)附近的高大、顯著、容易識別的“上下文地標(biāo)”進(jìn)行識別，進(jìn)而利用它與直接目標(biāo)之間在實(shí)時圖中的相對位置關(guān)系對直接目標(biāo)進(jìn)行相對定位，從根本上擺脫了對目標(biāo)特征信息的依賴。但是，該方法的運(yùn)用也存在一些問題：目標(biāo)周圍需要有高大、容易識別的上下文地標(biāo)，這就限制了算法的適用范圍；需要探測器的位置和姿態(tài)信息進(jìn)行三維坐標(biāo)變換計算，這直接將飛行器的中制導(dǎo)誤差引入到目標(biāo)相對定位中，并且無法消除。

針對上述兩個問題，本文提出一種新的地面固定目標(biāo)相對定位識別方法。基本思想是利用目標(biāo)區(qū)域的遙感偵查圖像作為基準(zhǔn)圖，自適應(yīng)提取目標(biāo)周圍的MSER特征區(qū)域作為上下文地標(biāo)，并與實(shí)時圖中提取的最穩(wěn)定極值（maximally stable external region，MSER）特征區(qū)域進(jìn)行匹配識別，得到一定數(shù)量的匹配特征點(diǎn)對，最后利用直接目標(biāo)與特征點(diǎn)對的相對位置不變性，計算直接目標(biāo)在實(shí)時圖中的位置。具體流程如圖1所示。

圖1　目標(biāo)相對定位算法流程圖

1　相對定位技術(shù)

1.1相對定位原理

設(shè)t1（u，υ）為實(shí)時圖上一點(diǎn)，t2（x，y）是基準(zhǔn)圖上的對應(yīng)點(diǎn)，兩者的坐標(biāo)之間存在一種非線性變換f，即

理論上，實(shí)時圖與基準(zhǔn)圖上所有的共同點(diǎn)都應(yīng)該滿足這種空間映射關(guān)系。由于拍攝位置、角度不同，兩幅圖像之間會存在一定的幾何畸變，相對定位的本質(zhì)上也是一種空間坐標(biāo)的幾何校正［8-9］。

用多項(xiàng)式逼近表示式（1）即為式（2）。

式（2）即為最終的像素相對定位計算式，其中n為多項(xiàng)式階次，一次變換式只能校正線性失真，如剛性變換、仿射變換，二次多項(xiàng)式可以校正徑向畸變，而三次多項(xiàng)式不僅可校正上述幾何畸變，還可消除透視效果［1011］。

1.2相對定位誤差分析

影響相對定位精度的誤差可以分為兩類：一類為隨機(jī)誤差，主要是由匹配點(diǎn)對的定位隨機(jī)誤差決定；另一類為方法誤差，主要是由多項(xiàng)式的階次決定，多項(xiàng)式的階次越高越逼近真實(shí)模型。針對隨機(jī)誤差因素，為了避免個別匹配點(diǎn)對的隨機(jī)定位誤差影響所求坐標(biāo)變換方程系數(shù)的精度，通常采用多選匹配點(diǎn)對而后按最小二乘法求解系數(shù)，使擬合誤差平方和ε為最小，也就是使

式中，L為選取的匹配點(diǎn)對的個數(shù)；n為多項(xiàng)式階次，其中s= 0，1，…，n；t=0，1，…，n-s。

通過求解式（4），即可求出aij。同理可求出bij，再將其代回式（2）就可實(shí)現(xiàn)兩個坐標(biāo)系之間的變換。

針對相對定位的方法誤差，理論上選擇的多項(xiàng)式階次越高，定位精度越高，但同時需要的匹配點(diǎn)對也越多，計算量也越大。下面通過實(shí)驗(yàn)進(jìn)一步分析各誤差因素對相對定位精度的影響，為保證結(jié)論的有效性，取一組飛行器實(shí)飛序列圖像來進(jìn)行誤差分析。文中假設(shè)探測器視場張角為3.4°× 4.3°，圖像大小為320×256。實(shí)驗(yàn)中選擇第1幀圖像為基準(zhǔn)圖，依次間隔100幀共取8幅圖像作為實(shí)時圖。在基準(zhǔn)圖與實(shí)時圖上取12組匹配點(diǎn)對，并加入2～3個像素的匹配點(diǎn)隨機(jī)定位誤差。另外，在第7幅實(shí)時圖上設(shè)置兩個誤匹配點(diǎn)。圖2給出了相對定位誤差仿真曲線。其中，橫坐標(biāo)表示圖像幀序列，與飛行器向目標(biāo)飛行的過程一致；縱坐標(biāo)表示相對定位的距離誤差在圖像上表現(xiàn)的像素個數(shù)；L 1代表采用最小二乘擬合一次多項(xiàng)式，L2代表采用最小二乘擬合三次多項(xiàng)式，L 3代表采用一次多項(xiàng)式。從實(shí)驗(yàn)結(jié)果可以看出，采用最小二乘擬合多項(xiàng)式系數(shù)可以很好地抑制隨機(jī)誤差，而采用多項(xiàng)式的階次對定位誤差的影響并不明顯；從第7幅實(shí)時圖的定位誤差結(jié)果可以看出，誤匹配對定位精度的影響很明顯；綜合上述情況，采用最小二乘擬合一次多項(xiàng)式對定位誤差的抑制效果最好。因此，本文采用最小二乘擬合一次多項(xiàng)式作為相對定位計算模型。

圖2　相對定位誤差曲線

2　上下文地標(biāo)自適應(yīng)選取算法

根據(jù)相對定位原理［12］，首先需要在目標(biāo)附近尋找易識別且具有不變特征的上下文地標(biāo)作為基準(zhǔn)參考點(diǎn)。2005年文獻(xiàn)［13］對6種主流局部不變特征檢測子進(jìn)行比較，發(fā)現(xiàn)使用MSER方法檢測出的局部特征在視角變換、尺度變換、光照變換、圖像壓縮和圖像模糊這五種情況下具有更好的不變性。因此，這里采用MSER特征區(qū)域作為上下文地標(biāo)。

2.1最穩(wěn)定極值區(qū)域

文獻(xiàn)［14］在研究寬基線圖像匹配問題時提出了最穩(wěn)定極值區(qū)域算法。該方法通過給定的一系列閾值分割得到一組二值圖像，接著分析前后相鄰閾值圖像間的連通區(qū)域，最終得到若干個MSER。這些MSER分為MSER+和MSER-，可以理解為圖像最暗與最亮的區(qū)域。

當(dāng)灰度圖像通過0～255的256個閾值時，記錄從0開始的大于閾值的像素點(diǎn)，這樣記錄下的相鄰點(diǎn)就形成了極值區(qū)域。那么對于比較寬的閾值范圍內(nèi)形狀保持穩(wěn)定的區(qū)域就形成了MSER+。通過同樣方法（使灰度圖像通過255～0的閾值）可以得到MSER-。MSER具有良好的穩(wěn)定性、抗噪性和仿射不變性，并且計算簡單高效。

2.2上下文地標(biāo)的自適應(yīng)選取

最穩(wěn)定極值區(qū)域作為一種不規(guī)則的仿射不變區(qū)域，這不利于特征描述操作。通常需要對這些不規(guī)則的特征區(qū)域進(jìn)行擬合，如橢圓擬合、多邊形擬合、凸包圍擬合等。由于特征區(qū)域協(xié)方差矩陣的特征值和特征向量唯一確定一個橢圓，因此這里采用橢圓擬合方法。如圖3（a）所示。

提取后的MSER特征區(qū)域數(shù)量很多，其中一些特征區(qū)域并不適合作為上下文地標(biāo)。因此，如何選取自動選取上下文地標(biāo)非常關(guān)鍵。如果設(shè)置固定的面積閾值，一方面可能會造成符合條件的特征區(qū)域過少甚至沒有，另一方面可能造成特征區(qū)域過多從而增加后續(xù)的匹配識別工作量。從識別的角度分析，上下文地標(biāo)應(yīng)該具備面積較大、特征顯著、目標(biāo)附近、數(shù)量適當(dāng)?shù)忍攸c(diǎn)。因此，這里采用比例選取、總量控制、就近取點(diǎn)的策略來選取上下文地標(biāo)。具體方法如下，首先計算每一個特征區(qū)域的選擇權(quán)重指數(shù)，然后將所有特征區(qū)域按選擇權(quán)重指數(shù)從大到小排序，最后取前10個作為上下文地標(biāo)，如圖3（b）所示（圖中黑色框體表示直接目標(biāo)）。

圖3　上下文地標(biāo)提取

選擇權(quán)重指數(shù)λi可以通過式（5）得出。

式中，Si為特征區(qū)域面積；Li為特征區(qū)域擬合橢圓中心與直接目標(biāo)中心的距離。

上下文地標(biāo)選取之后，需要將它們進(jìn)行逐一的編號、定位，并建立與直接目標(biāo)對應(yīng)的位置變換關(guān)系矩陣，最后將這些數(shù)據(jù)作為基準(zhǔn)數(shù)據(jù)模板儲存起來用于后續(xù)的目標(biāo)匹配識別。

3　上下文地標(biāo)的匹配定位

通過第1.2節(jié)的相對定位誤差分析可知，影響相對定位精度的主要原因是上下文地標(biāo)的定位誤差。因此實(shí)現(xiàn)上下文地標(biāo)的精確匹配定位是相對定位技術(shù)的關(guān)鍵所在。

3.1基于規(guī)則化互相關(guān)的MSER特征匹配

在末制導(dǎo)階段，飛行器雖然按照預(yù)定的航跡和姿態(tài)進(jìn)入目標(biāo)成像區(qū)域，但是成像過程仍然會受到視角、拍攝距離等因素影響，同一場景的實(shí)時圖與基準(zhǔn)圖會出現(xiàn)復(fù)雜的形變。如何對實(shí)時圖與基準(zhǔn)圖提取的MSER特征進(jìn)行關(guān)聯(lián)匹配是一個關(guān)鍵問題?；ハ嚓P(guān)性在特征匹配中有較好的應(yīng)用，但是不能抗旋轉(zhuǎn)、尺度等畸變影響，因此不能直接應(yīng)用。

特征區(qū)域規(guī)則化就是將不同尺寸的MSER特征橢圓區(qū)域映射為某個固定大小的圓形區(qū)域。假設(shè)橢圓的中心在點(diǎn)Xo處，特征區(qū)域規(guī)則化的數(shù)學(xué)描述為：對于橢圓上的點(diǎn)X=（x，y）T，尋找一個2×2的變換矩陣A，使得式（6）成立。

式中，r為規(guī)則化后的圓半徑。因?yàn)辄c(diǎn)X在橢圓上，故有

式中，U為協(xié)方差矩陣。

由式（6）和式（7）可得

通過變換矩陣A，可將橢圓區(qū)域映射至一個固定大小的圓形區(qū)域。特征區(qū)域規(guī)則化結(jié)果如圖3（c）所示。

歸則化后的MSER區(qū)域可以消除扭曲變形、尺度大小和旋轉(zhuǎn)方向上的差異。針對MSER區(qū)域這一優(yōu)點(diǎn)，引入特征區(qū)域之間的互相關(guān)性指標(biāo)corr作為匹配量度。兩個特征區(qū)域之間的互相關(guān)性指標(biāo)可以通過式（9）得出。

式中，MSERm（i，j）和MSERn（i，j）分別代表兩幅圖像中的MSER區(qū)域的灰度值。

由于在參考圖上設(shè)定的相對定位點(diǎn)數(shù)量有限，且互相關(guān)性指標(biāo)計算簡單，因此采用窮盡搜索法來尋找實(shí)時圖上的匹配特征區(qū)域。

3.2雙層匹配矯正

當(dāng)特征區(qū)域之間灰度信息區(qū)別明顯時，直接采用相關(guān)性指標(biāo)，設(shè)置恰當(dāng)?shù)拈撝禃r即表示實(shí)現(xiàn)正確匹配。但對于復(fù)雜地面復(fù)雜背景，出現(xiàn)區(qū)域灰度信息接近的概率很高，因此會出現(xiàn)一對多的誤匹配情況。針對這個問題，文獻(xiàn)［15］提出采用隨機(jī)采樣一致性（random sample consensus，RANSAC）算法［16］來消除誤匹配。但RANSAC算法的迭代次數(shù)沒有上限。對于存在較多誤差的觀測數(shù)據(jù)集，尋找支撐點(diǎn)集需要的迭代次數(shù)非常高，將會浪費(fèi)很多的時間。

針對以上不足，本文設(shè)計了一種雙層匹配識別策略。首先對匹配特征對進(jìn)行預(yù)檢測，即利用位置權(quán)重指數(shù)μ來消除大量一對多的誤匹配情況，對于每組一對多匹配，只取權(quán)重指數(shù)最大的一對，然后再采用RANSAC算法進(jìn)一步剔除誤匹配特征對，從而實(shí)現(xiàn)上下文地標(biāo)的精確匹配識別。位置權(quán)重指數(shù)μ可由式（10）計算得出。

式中，corr為互相關(guān)性指標(biāo)；d*為每對匹配特征區(qū)域擬合橢圓中心的2-范數(shù)。

4　實(shí)驗(yàn)結(jié)果與分析

4.1實(shí)驗(yàn)結(jié)果的評價指標(biāo)

根據(jù)相對定位原理，正確識別上下文地標(biāo)的個數(shù)越多，相對定位精度越高，相反如果出現(xiàn)了誤識別，將會影響目標(biāo)的相對定位精度。因此，本文以整體像素誤差?為相對定位精度的評價指標(biāo)，來直接反映目標(biāo)的相對定位精度；以相對誤識別率（relative error recognition probability，RERP）作為單次識別實(shí)驗(yàn)的評價指標(biāo)，來間接反映目標(biāo)的相對定位精度；將絕對誤識別率（absolute error recognition probability，AERP）作為多次識別實(shí)驗(yàn)的評價指標(biāo)，來考察算法的穩(wěn)健性。

式中，Ni為第i次單次識別實(shí)驗(yàn)中誤識別個數(shù)；Mi為正確識別個數(shù)；Oi為不能識別個數(shù)。

從式（11）～式（13）可以看出?越小，RERP越小，則直接目標(biāo)的定位精度越高；AERP越小，算法穩(wěn)健性越好。

4.2實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)環(huán)境為：因特爾酷睿1.7 GHz處理器，4 GB內(nèi)存，Windows 8操作系統(tǒng)，Matlab R2014a計算平臺。實(shí)驗(yàn)選取10組不同類型的復(fù)雜地面場景圖像，分別采用MSER特征和尺度不變特征變換（scale-invariant feature transform，SIFT）特征作為上下文地標(biāo)，進(jìn)行目標(biāo)相對定位實(shí)驗(yàn)，其中圖像分辨率320×256，MSER特征區(qū)域中取擬合橢圓中心作為匹配點(diǎn)，基準(zhǔn)圖中提取的SIFT特征點(diǎn)中隨機(jī)選取目標(biāo)周圍的10個作為上下文地標(biāo)。

表1給出本次實(shí)驗(yàn)的數(shù)據(jù)對比結(jié)果。從實(shí)驗(yàn)結(jié)果可以看出，上下文地標(biāo)的誤匹配率對直接目標(biāo)相對定位精度的影響很大，SIFT特征不具有仿射不變性，出現(xiàn)了很高的誤匹配率，而MSER特征具有較好的仿射不變性，誤匹配率較低；匹配點(diǎn)對的定位誤差也對相對定位精度有一定影響，MSER特征采用擬合橢圓中心作為匹配點(diǎn)，存在一定的定位隨機(jī)誤差，因此即使沒有誤匹配的情況下也會存在一定的相對定位誤差。另外，由于SIFT特征點(diǎn)較多，計算復(fù)雜性較大，相對于MSER特征實(shí)時性相對較差。

表1　實(shí)驗(yàn)數(shù)據(jù)對比結(jié)果

圖4～圖6給出3組MSER特征和SIFT特征用于相對定位的對比實(shí)驗(yàn)結(jié)果。其中，每組實(shí)驗(yàn)結(jié)果中分圖（a）、分圖（c）為上下文地標(biāo)匹配識別結(jié)果，分圖（b）、分圖（d）為直接目標(biāo)相對定位結(jié)果，每幅圖像中左半部分為基準(zhǔn)圖，右半部分為實(shí)時圖。這3組實(shí)驗(yàn)考慮了成像末制導(dǎo)過程中可能出現(xiàn)的尺度、旋轉(zhuǎn)、平移等各種圖像畸變情況，充分考察算法的適應(yīng)能力和魯棒性。從實(shí)驗(yàn)結(jié)果可以看出，本文算法的目標(biāo)相對定位誤差最大不超過3個像素，圖4（a）中出現(xiàn)一個誤匹配點(diǎn)對，但并沒有對相對定位結(jié)果產(chǎn)生明顯影響，這說明算法具有較好的魯棒性。圖6（a）中盡管沒有誤匹配現(xiàn)象，但圖6（b）仍然出現(xiàn)了3個像素的相對定位誤差，這樣也說明匹配點(diǎn)對存在一定的隨機(jī)定位誤差。考慮到本文算法對上下文地標(biāo)的選取原則，限定在目標(biāo)周圍隨機(jī)選取10個SIFT特征點(diǎn)，這樣就增加了SIFT特征點(diǎn)的誤匹配幾率。因此，采用本文的相對定位策略，利用SIFT特征的相對定位精度很低。

圖4　尺度變化目標(biāo)相對定位實(shí)驗(yàn)結(jié)果

圖5　旋轉(zhuǎn)變化目標(biāo)相對定位實(shí)驗(yàn)結(jié)果

圖6　平移變化目標(biāo)相對定位實(shí)驗(yàn)結(jié)果

5　結(jié)　論

（1）通過自適應(yīng)提取、識別目標(biāo)周圍的MSER特征形成上下文地標(biāo)，進(jìn)而利用相對定位技術(shù)對目標(biāo)進(jìn)行定位識別，解決了前視成像末制導(dǎo)中針對背景復(fù)雜、距離遠(yuǎn)、低矮、存在遮攔等情況下的地面固定目標(biāo)的識別定位問題。

（2）相對于文獻(xiàn)［7］中的相對定位方法，文中選用MSER特征作為上下文地標(biāo)，擺脫了對目標(biāo)周圍高大顯著地標(biāo)的依賴，隔離了飛行器的制導(dǎo)誤差。另外，實(shí)驗(yàn)過程中對比了SIFT特征，MSER特征具有更高的匹配識別成功率。實(shí)驗(yàn)結(jié)果表明，針對復(fù)雜地面建筑場景，文中算法的最大相對定位誤差不超過3個像素，基本滿足了成像末制導(dǎo)對目標(biāo)識別精度的要求。

（3）從實(shí)驗(yàn)結(jié)果可以看出，本文算法的目標(biāo)相對定位精度還有進(jìn)一步提高的空間。改進(jìn)的措施主要有兩個：一是提高M(jìn)SER特征區(qū)域的中心擬合精度，二是提高上下文地標(biāo)的正確匹配識別率。這也將是下一步工作的重點(diǎn)研究內(nèi)容。

［1］Jia P，Xu N，Zhang Y，et al.Automatic target recognition based on local feature extraction［J］.Optics and Precision Engineering，2013，21（7）：1898-1903.（賈平，徐寧，張葉，等.基于局部特征提取的目標(biāo)自動識別［J］.光學(xué)精密工程，2013，21（7）：1898 1903.）

［2］Ratches J A.Review of current aided automatic target acquisition technology for military target acquisition tasks［J］.Optical Engineering，2011，50（7）：1-8.

［3］Song D，Tang L B，Zhao B J.The object recognition algorithm based on affine histogram of oriented gradient［J］.Journal of Electronics&Information Technology，2013，35（6）：1429 1434.（宋丹，唐林波，趙保軍.基于仿射梯度方向直方圖特征的目標(biāo)識別算法［J］.電子與信息學(xué)報，2013，35（6）：1429-1434.）

［4］Yang X Y，Zhang T X.Method of target recognition from images based on complex natural scenes［J］.Systems Engineering and Electronics，2011，33（1）：13-16.（楊校余，張?zhí)煨?一種基于復(fù)雜地物背景圖像的目標(biāo)識別方法［J］.系統(tǒng)工程與電子技術(shù)，2011，33（1）：13-16.）

［5］Hua M，Chen Y，Wang W S.Research on the technology of partial masked target recognition［J］.Key Engineering Materials，2013，552：560-566.

［6］Firat O，Tursun O T，Vural F T Y.Application of context invariants in airport region of interest detection for multi-spectral satellite imagery［C］//Proc.of the Signal Processing and Communications Applications Conference，2012：1-4.

［7］Li Z J，Liu Y，Chen Z P.Relative positioning technology of FLIR ground targets in terminal guidance［J］.Infrared and Laser Engineering，2012，41（11）：2861-2864.（李志軍，劉洋，陳曾平.前視紅外地面固定目標(biāo)末制導(dǎo)相對定位技術(shù)［J］.紅外與激光工程，2012，41（11）：2861-2864.）

［8］William K P.Pratt digital image Process［M］.3rd ed.New York：Wiley，2001.

［9］Lin W，Wang Z Q，Gao F D.Real time digital correction for distortion in photoelectronical measuring system［J］.Opticsand Precision Engineer，2007，15（2）：277-282.（凌偉，王志乾，高峰端.光電測量系統(tǒng)畸變的實(shí)時數(shù)字校正［J］.光學(xué)精密工程，2007，15（2）：277-282.）

［10］Shah S，Aggarwa J K.A simple calibration procedure for fisheye lens camera［C］//Proc.of the IEEE International Conference on Robotics and Automation，1994：3422-3427.

［11］Castleman K R.Digital image processing［M］.2nd ed.Upper Saddle River：Prentice Hall，1996：387-418.

［12］Zhang G G，Wei Z.A novel calibration approach to structured light 3D vision inspection［J］.Optics&Laser Technology，2002，34（5）：373-380.

［13］Mikolajczyk K，Tuytelaars T.A comparison of affine region detectors［J］.International Journal of Computer Vision，2005，65（2）：43-72.

［14］Matas J，Chum O，Urban M，et al.Robust wide-baseline stereo from maximally stable external regions［J］.Image Vision Computing，2004，22（10）：761-767.

［15］Chen B，Zhao Y G.A new approach to scene matching during

electro-optical imaging terminal guidance［J］.Acta Optica Sinica，2010，30（1）：163-165.（陳冰，趙亦工.一種新的光電成像末制導(dǎo)景象匹配方法［J］.光學(xué)學(xué)報，2010，30（1）：163-165.）

［16］Hartley B，Zisserman A.Multipleυiew geometry in computer υision［M］.2nd ed.Cambridge：Cambridge University Press，2003：290-293.

Relative positioning method of target based on adaptive context information

CHEN Shi-wei，YANG Xiao-gang，ZHANG Sheng-xiu，WANG Xue-mei
（Department of Control Engineering，Rocket Force Uniυersity of Engineering，Xi'an 710025，China）

According to the difficulties of the recognition for the ground stationary target in imaging terminal guidance，a new localization and recognition approach based on the maximally stable external region（MSER）is proposed.MSER features which are scale and affine invariant are extracted respectively around the target in the reference image.A certain amount of MSER features are adaptively selected as context landmarks according to the weighting exponent.The matching feature pairs between the MSER features extracted from the real-time image and the context landmarks are obtained based on the normalized cross correlation criterion.The double matching correction strategy is used to reduce the probability of mismatching.The center points taken as the reference points are extracted from the matching feature pairs to solve the space mapping relation between the reference image and the real-time image.The position coordinate of the target in the real-time image is calculated according to a polynomial based on the least squares fitting.In view of the complex ground scene，the experiments demonstrate that the maximum relative error location probability of the method is less than 3 pixels.It can satisfy the imaging terminal guidance for automatic target recognition algorithm requirements of higher precision and rapid speed，as well as strong anti-jamming and stabilization.

context landmark；relative position；maximally stable external region（MSER）；target recognition

TP 394.1

A

10.3969/j.issn.1001-506X.2016.05.02

1001-506X（2016）05-0984-06

2015-04-22；

2015-10-19；網(wǎng)絡(luò)優(yōu)先出版日期：2015-12-23。

網(wǎng)絡(luò)優(yōu)先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20151223.1019.008.html

國家自然科學(xué)基金（61203189）；二炮院校青年基金（2014QNJJ023）資助課題

陳世偉（1979-），男，講師，博士研究生，主要研究方向?yàn)闄C(jī)器視覺、先進(jìn)控制理論。

E-mail：cshw3876@tom.com

楊小岡（1978-），男，副教授，博士，主要研究方向?yàn)闄C(jī)器視覺、精確制導(dǎo)。E-mail：yangxiaogang@163.com

張勝修（1965-），男，教授，博士，主要研究方向?yàn)橄冗M(jìn)控制理論、精確制導(dǎo)技術(shù)。

E-mail：ZSHX@tom.com

王雪梅（1968-），女，教授，主要研究方向?yàn)榫_制導(dǎo)技術(shù)。

E-mail：WXM1968@163.com