摘  要：图像匹配是飞行器末制导的重要方法，其性能的好坏决定了导航系统的总体性能。论文较详细综述了目前图像匹配制导的研究现状、存在问题及研究展望。目前人们主要从匹配前图像预处理、匹配区选择、匹配算法研究和匹配后处理等方面来提高图像匹配制导的性能；目前还没有一种匹配算法能完全满足图像匹配制导的要求，各种方法都存在各自的优缺点和适用范围；图像匹配算法的实时性、匹配有效性和正确率依然是目前和今后一段时间内图像匹配制导的主要研究问题。
关键词：图像匹配；飞行器制导；研究现状；存在问题；研究展望

1  引  言
    图像匹配是图像处理的一项关键技术，可广泛用于目标识别与跟踪、立体视觉、变化检测、机器人导航、测绘等领域，已成为一门新兴的分支学科。随着计算机技术的不断发展，特别是速度更快、价格更低处理芯片的问世，图像匹配速度大大提高，从而使其在飞行器导航与控制等实时性要求很高的领域也得到了广泛应用。与传统的惯性导航、无线电导航等方式比较，图像匹配制导具有自主性强、制导精度高等优点，因此受到人们的高度重视[1-2]。  
    实时图像匹配制导系统的功能是利用地物景象为惯导系统提供精确定位信息，修正其经过长时间飞行所积累的误差，引导飞行器到达预定目标。该系统的工作原理是：事先利用侦察手段获取飞行器下方的地物景象 (基准图像)并存于飞行器载计算机中。然后，当携带相应传感器的飞行器飞过预定的位置范围时，便即时测量出当地的地物景象 (实时图像)。将实时图像和基准图像在飞行器载计算机中进行相关匹配比较，即可以确定出当前飞行器的准确位置，完成定位功能[3-4]。其原理框图如图1所示。

    在这种情况下，由于飞行器惯导系统的误差，匹配必须在大范围内搜索才能完成，这就使得速度与可靠性成为匹配定位的关键。因此，研究合适的图像匹配算法成为取得好的导航性能的关键。
图像匹配导航的待匹配图像是不相似图像间的匹配，且匹配算法必须具有实时、普适性强和定位准确等特点。要实现理想的飞行器导航图像匹配，算法设计难度很大，该问题一直是国内外研究的热点和难点问题。
    本文对飞行器导航图像匹配算法的研究现状进行综述，并简要分析存在的问题以及今后进一步努力的方向。
2  研究现状及分析
    目前人们主要从三个方面的研究来提高图像匹配制导的性能： 一是匹配图像的预处理，二是图像匹配各种算法的研究，三是匹配的后处理研究。
2.1 匹配图像预处理研究
    包括图像匹配区选择、基准图和实时图的预处理算法研究。
    1、图像匹配区选择：理想情况下，实时图应与基准图内的一个且仅有一个子图完全相同。但实际上，由于各种因素的影响，二者并不完全一致，可能造成系统误匹配。因此，要针对地面景象特征，得出合理的匹配区选择准则，使得规划飞行路径时自动选择匹配区成为可能。常用的算法主要有相关长度、独立像元数、自匹配系数、信噪比、互相关峰、子区相似分析、信息量评价等[5-8]。
    2、基准图和实时图的预处理算法研究：由于图像匹配中基准图与实时图的差异，图像的预处理

被证明是提高匹配概率的重要途径。研究适合于不同状况基准图与实时图的预处理方法，以克服匹配图像间的灰度畸变和几何畸变。当匹配图像有相近的灰度分布时，不论采用何种匹配方法，都会取得好的匹配效果。常用算法有Wallis滤波器，四邻点平均法、中值滤波法、高斯滤波法、直方图均衡化、SUSAN滤波、小波预处理算法进行滤波等[9-10]。特别研究强干扰情况下如烟雾干扰下的实时图滤波方法，以增强匹配效果[11]。
2.2 图像匹配算法研究
    面向巡航制导与末制导寻的应用的图像匹配问题的研究主要包括两个方面：一是开展面向图像处理和图像匹配的高速并行计算机及其结构的研究。二是开展各种快速匹配算法的研究工作。
目前人们提出了许多图像匹配方法，一般可以划分为基于灰度的匹配方法，基于特征的匹配方法和关系结构匹配方法[2,12,13]。
    在基于灰度匹配的相似性度量方面人们提出了归一化积相关算法（NPROD）、平均平方差算法（MSD）、平均绝对差算法（MAD）、图像直方图不变特征、频域相关、模糊信息理论、图像的投影特征、局部分形特征、奇异值分解以及基于主成分分析等的匹配度量方法[14-16]。 
为了提高图像匹配定位精度，提出了快速傅立叶变换、相位相关、最小二乘、贝叶斯等匹配方法，还提出了基于图像高分辨率重采样、基于曲面拟合的方法使图像匹配的位置精度提高到子像元水平[17]。
    围绕减少搜索空间和减少匹配时间的问题，人们相继提出了序贯相似性检测算法、两级模板匹配算法、分层序贯匹配算法、多子区域相关匹配算法等各种快速匹配算法。围绕抗噪声干扰和抗几何失真问题，人们相继提出了随机符号变化规则、不变矩等算法。同时，人们对于提高匹配精度和匹配速度有关的各种问题，比如定位精度、噪声、灰度电偏差、量化误差等误差因素对匹配性能的影响，各种预处理技术等都进行了比较系统的研究，有力地推进了图像相关技术在巡航制导和导弹末制导寻的中的应用[18]。
    另外，对飞行器巡航制导图像匹配的基准图像的制备、图像匹配算法的性能评估、匹配算法的并行快速实现以及专用计算机及算法的硬件实现等都进行了深入的研究[19-21]。
为了提高图像匹配算法的速度，基于人工神经网络的并行算法研究得到了重视[22-24]。
    近年来，研究者除了广泛使用序贯相似性检测的算法 (SSDA)、金字塔图像技术来提高图像匹配的速度外，用于快速优化搜索的遗传算法，越来越受到研究者的关注和青睐[25-27]。
    小波变换是近年得到广泛应用的数学工具。与傅立叶变换、窗口傅立叶变换相比，小波变换是空间（时间）和频率的局域变换，因而能有效地从信号中提取信息。它通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析，其在图像处理及模式识别等领域有着重要的应用。在图像匹配方面，主要应用小波变换生成图像金字塔以及进行图像的多尺度边缘特征提取，从而进行由粗到精的图像匹配，增强了图像匹配的精度和可靠性，提高了匹配速度[28-29]。
    基于特征的匹配方法受到重视和广泛的研究[30-35]。点集匹配的相似性度量，除广泛使用的互相关测度之外，Hausdorff距离也是测量相似性的重要准则[36-38]。
    此外，图像预处理、匹配后处理问题，抗局部强干扰问题，克服任意角度的旋转，算法仿真及适应性等问题均引起个广泛研究兴趣[39-41]。
    Maciej ZASUWA等，对基于数字电视图像匹配的地形参考导航系统进行了仿真研究，文中使用图像匹配建立了定位和下视两个子系统，以获得控制点定位和速度这样的导航信息。利用Sobel算子探测图像边缘，用边缘互相关进行匹配，取得了较好的成果。Joakim Waldemark等研究了图像分析在航空侦察和导弹中的应用。文章重点讨论了双脉冲神经网络（PCNN）在各种图像分析中的应用，尤其在航空侦察和导弹制导这样要求实时运算的应用领域。J.-H. Park等对从航空序列图像提取导航参数进行了研究，文中尝试了用滑动窗口的方法实现快速的方差计算以实现快速特征提取。W.Abd-Almageed等基于点特征应用Walsh变换快速实现了包含运动刚体的序列图像的匹配。Bijita Biswas等用模糊矩描述子进行图像匹配，通过图像所包含的边缘、阴影以及二者的混合区域估计描述子的值。该方法对图像的噪声不敏感，且对图像的旋转与比例变化不敏感。Fang-Hsuan Cheng对几何变换与扭曲不敏感的点匹配方法，匹配分两步进行：一是松弛处理，二是进行匹配点对的选择处理；通过实验说明该方法的有效性与实用性。Etienne Vincent等对有关特征匹配的策略进行了讨论。Lihua Zhang等对仿射点集匹配的遗传算法进行了研究，通过构造特征椭圆来减小遗传算法的搜索空间，从而大大提高了运算效率并取得了好的匹配效果。P. Montesinos等用一阶微分不变量对未配准的彩色图像的匹配进行了研究，在该文中首先提出了描述彩色信息的一阶微分不变量，该描述对灰度的仿射变化不敏感。其次，作者实现了一种渐进的点匹配方法。Adam Baumberg对未配准的宽基线立体像对的可靠的特征匹配进行了研究，与传统的立体匹配方法不同，没有像机相对位置及定向的先验知识，这些信息主要从图像的特征匹配获得。用Fourier-Mellin变换使得待匹配的特征与图像的几何旋转、缩放与扭曲无关[42-51]。
2.3 匹配后处理研究
    实时图是一组时间序列图像，研究利用图像之间固有的一些特性和信息进行多次表决，以提高图像匹配的正确率。即利用惯导的先验知识，剔除可能的误匹配点，从而提高下视景象匹配的正确概率。另外，还有对多帧实时图匹配的主、次峰结果，依据惯导位移一致性原则进行决策，进行匹配的后处理工作，从而提高匹配的正确率。
2.4 匹配算法分析
    尽管人们围绕构成图像匹配算法的四个要素即特征空间、相似性度量准则、搜索空间和搜索策略构成了多种多样的图像匹配算法，但目前还没有一种算法能适合所有的应用。工程实际中常用的直接基于图像灰度的归一化互相关算法，具有对景象模式适应能力强、算法简单、易于并行计算等优点，但当匹配图像间存在较大的灰度畸变（如灰度反转）、几何畸变（如存在大的旋转变形）和随机噪声时，匹配难免失败。针对上述问题，人们又对基于特征的匹配算法进行了广泛研究，形成了一些匹配算法。但特征匹配的成败主要取决于匹配图像中是否包含特征（如道路、水系、居民地等），当匹配在均值区域进行时（如水域），匹配同样会失败。 至于关系匹配，由于对图像中的特征之间关系的描述和相似性度量还没有找到合适的方法，因而目前没有取得突破性进展。通过上述分析发现目前还没有一种匹配算法能适应所有的匹配状况，因而该问题一直是匹配制导领域的研究热点和难点问题。
3  研究展望
    目前，计算快捷、精度高、适应性强的匹配算法一直是飞行器导航图像匹配问题研究的核心。
快速图像匹配一直是研究的热点问题。包括各种快速搜索策略的研究，如多分辨率、多模板、序惯检测、遗传算法、信息量评价等思想方法，目的是压缩匹配搜索空间（如减少匹配位置）。还有一些优化算法是为了简化参数搜索空间。其次，涉及匹配算法各个步骤的各种快速算法研究，如快速特征探测、简化的相似性度量准则研究等。再者，即是各种匹配算法的并行实现的研究。总的目的就是为了提高匹配算法的计算速度，满足实时匹配应用要求。
    匹配算法的适应性、有效性也一直是研究的核心问题。匹配正确率是匹配算法是否有用的关键。要提高匹配正确率，匹配算法就必须适应于不同的地表景观，对各种噪声污染、灰度畸变、几何畸变都具有良好的适应性。因此，目前人们主要从匹配前图像的预处理，各种匹配方法研究以及匹配后处理几个方面来综合提高最终的图像匹配正确率。在匹配算法中，克服各种噪声污染、灰度畸变、几何畸变的算法研究（如强烟雾干扰模型研究、尺度与旋转不变的匹配算法研究等），稳健、有效的新的相似性度量准则的研究一直是研究的重点问题。
    针对目前单一算法还不能满足图像匹配制导系统的要求的特点，多个算法的融合与集成可以克服单个算法的局限性，提高匹配的适应性。建立基于知识的多算法集成机制，也是目前研究的一个方向。
4  结 语
    飞行器导航图像匹配算法的研究具有重要的理论意义和实际应用价值。匹配算法经过多年的发展，图像匹配制导技术已越来越自动化、有效和稳健。针对复杂情况的算法也不断涌现。将这些方法进行合理的总结、回顾和展望，更有助于对它们有很好的认识和理解，对已有的研究成果加以更好的利用。对未来进一步的研究方向更加清晰。 
参 考 文 献
[1]  苏康, 金善良. 智能地物景像匹配定位技术研究[J]. 红外与激光工程.2000，29(1): 1-4.
[2]  李俊山， 沈绪榜. 图像匹配技术研究[J]. 微电子学与计算机.2000，(2): 10-14.
[3]  苏康, 关世义, 柳健. 一种实用的归一化互相关景象匹配算法[J]. 宇航学报.1997，18(3): 1-7.
[4]  金善良. 下视景象匹配技术研究[J]. 红外与激光技术.1994，(5): 31-35.
[5]  王晓静,徐大新,许高升. 用于信号、图像和景象匹配的特征区选择方法[J]. 红外与激光工程. 2002, 31(5):378-382.
[6]  杜菁,张天序. 景象匹配区的选择方法[J]. 红外与激光工程. 2003, 32(4):368-371.
[7]  付文兴,王建民,金善良. 一种实用的景象匹配区选择方法[J]. 宇航学报. 2003, 24(4):348-353
[8]  安如，金夏玲，王慧麟等. 基于特征匹配的图像可匹配性研究[J].红外与激光工程.2005，34（4）：469-473.
[9]  张力，张祖勋，张剑清. Wallis滤波在图像匹配中的应用[J]. 武汉测绘科技大学学报.1999，24（1）：24-27
[10] 马龙，缪栋. 光学景象匹配基准图的滤波方法研究[J]. 上海航天.2000，（1）：27-31
[11] 彭双春，刘光斌，张健. 烟雾干扰下的实时图滤波方法研究[J]. 红外与激光工程.2005，134（4）：478-480.
[12] Barbara Zitova, Jan Flusser. Image registration methods: a survey[J]. Image and Vision Computing. 2003,(21): 977–1000
[13] L.G. Brown. A survey of image registration techniques. ACM Computing Surveys.1992, 24(4): 325-376
[14] 冯桂， 卢健，林宗坚. 图像直方图不变特征在图像匹配定位中的应用[J]. 计算机辅助设计与图形学学报.2000，12 (2): 146-148.
[15] 高世海，戴文刚，田仲. 空域和频域相结合的景象匹配算法[J]. 中国图像图形学报.2000，5(4): 345-348.
[16] 田金文，柳健，张天序. 基于模糊信息理论的景象匹配方法[J]. 红外与激光工程.1998，27(3): 28-31.
[17] 赵立初，施鹏飞，俞 勇. 模扳图像匹配中的亚像元定位新方法[J]. 红外与毫米波学报.1999，18(5): 407-411.
[18] 吴晏，丁明跃，彭嘉雄. 基于图像直方图的一维不变矩研究[J]. 华中理工大学学报.1996，24(2): 66-68.
[19] 沈林成，高国华，常文森等. 开放式飞行任务规划方法[J]. 宇航学报.1998，19(2): 13-18.
[20] 杨小冈，缪栋，曹菲. 一种实用的景象匹配仿真方法[J]. 系统仿真学报.2004,16(3):363-369.
[21] 杨静，丘江，刘波. MSEA及其在模板匹配中的应用[J]. 光子学报.2001，30(4): 451-454.
[22] 沈未名，张祖勋，张剑清. 基于神经网络的图像匹配概率松弛算法[J]. 武汉测绘科技大学学报.1996，21（3）：247-251.
[23] 张力，沈未名，张祖勋. 基于约束满足神经网络的整体图像匹配[J]. 武汉测绘科技大学学报.1999，24（3）：216-220.
[24] 桑农,张天序,魏洛刚. 松弛匹配算法的神经网给实现[J]. 通信学报.1996，17（2）：56-52.
[25] 臧铁飞，沈庭芝，陈建军等. 改进的Hausdorff距离和遗传算法在图像匹配中的应用[J]. 北京理工大学学报.2000，20（6）：733-737.
[26] 朱红，赵亦工. 基于遗传算法的快速图像相关匹配[J]. 红外与毫米波学报.1999，18（2）：145-150.
[27] 熊兴华，钱曾波 ，王任享. 遗传算法与最小二乘法相结合的遥感图像子像素匹配[J]. 测绘学报.2001，30（1）：54-59.
[28] 陈鹰 ,叶勤 ,钟志勇. 基于小波变换的雷达与光学图像匹配算法研究[J]. 测绘学报.2000，29（3）：245-249.
[29] 李寒松,徐大新,许高升. 基于复数小波变换的景像匹配算法[J]. 系统工程与电子技术.2002,24(1):83-86.
[30] 张天序,李巍,桑农. 雷达与光学景像共性特征提取与匹配算法研究[J]. 红外与激光工程.1996，25（3）：34-40.
[31] 邓志鹏，杨杰，全勇. 结合特征和时空关联的稳健图像匹配方法[J]. 红外与毫米波学报.2003,22(6):447-450.
[32] Zuxun Zhang, Jianqing Zhang, Mingsheng Liao, et al..Automatic registration of multi-source imagery based on global image matching[J]. Photogrammetric Engineering & Remote Sensing, 2000,66(5):625-629
[33] Leila M.G., B.S.Manjunath. Registration techniques for multisensor remotely sensed imagery[J]. Photogrammetric Engineering & Remote Sensing, 1996,62(9):1049-1056
[34] 安如.基于角点特征的飞行器导航图像匹配算法研究. 博士学位论文，南京大学，2005.
[35] Ru An, Huilin Wang, Xuezhi Feng, Daxin XU,  HE Kai,. Investigation of Image Corner Features Matching Algorithm Based on Heuristic Local Geometric Restriction Strategy. In Proc. of SPIE International Conference On Space Information Technology, vol.5985 59852R1-6.
[36] 汪亚明. 图像匹配的鲁棒型Hausdorff方法[J]. 计算机辅助设计与图形学学报.2002，14（3）：238-241.
[37] 熊智，刘建业，曾庆等. 景象匹配导航系统中的图像匹配算法研究[J]. 中国图像图形学报,2004,9(1):29-34.
[38] 安如，王慧麟，冯学智，徐大新，何凯. 基于图像尺度空间表达与鲁棒Hausdorff距离的快速角点特征匹配方法[J]. 测绘学报.2005，34（2）：101-107
[39] 王永明. 连续景象匹配的后处理算法. 宇航学报. 2004，25（5）：535-540.
[40] 王敬东,徐亦斌,沈春林. 一种新的任意角度旋转的景象匹配方法[J]. 南京航空航天大学学报.2005,37(1):6-11.
[41] 彭双春,刘光斌,王雪梅. 一种实用的抗局部强干扰的景象匹配算法[J]. 遥感信息. 2005,(1):21-23.
[42] Maciej ZASUWA, Janusz NARKIEWICZ. Simulation of terrain reference navigation system based on image matching from digital video camera [J]. ICAS CONGRESS, 2002. 
[43] Joakim Waldemark, Mikael Millberg, Thomas Lindblad,et al. Image analysis for airborne reconnaissance and missile applications [J]. Pattern Recognition Letters. 2000, 21: 239-251.
[44] Bijita Biswas, Amit Konar, Achintya K. Mukherjee. Image matching with fuzzy moment descriptors [J]. Engineering Applications of Artificial Intelligence .2001,14 : 43-49.
[45] Etienne Vincent and Robert Lagani`ere. An empirical study of some feature matching strategies [J].
[46] C. Schmid, R. Mohr. Local gray value invariants for image retrieval [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997,19(5): 530–534.
[47] Fang-Hsuan Cheng. Point pattern matching algorithm invariant to geometrical transformation and distortion [J]. Pattern Recognition Letters. 1996, 17:1429-1435
[48] Etienne Vincent and Robert Lagani`ere. An empirical study of some feature matching strategies [J].
[49] Lihua Zhang, Wenli Xu, Cheng Chang. Genetic algorithm for affined point pattern matching[J]. Pattern Recognition Letters. 2003, 24: 9-19.
[50] P. Montesinos, V. Gouet, R. Deriche, D. Pele´ . Matching color uncalibrated images using differential invariants[J]. Image and Vision Computing .2000,18 : 659–671.
[51] Adam Baumberg. Reliable feature matching across widely separated views. In Conference on Computer Vision and Pattern Recognition, pages 774–781, 2000.