摘要：為了實現(xiàn)雷達(dá)定位自動化，提高雷達(dá)定位的精度，針對電子海圖信息和雷達(dá)信息匹配定位進行了研究。采用輪廓相似度概略定位與輪廓特征點匹配定位相結(jié)合的方法，克服單一匹配容易誤匹的現(xiàn)象，達(dá)到提高定位精度，保證實時性的目的。詳細(xì)論述了雷達(dá)回波圖象輪廓特征點集和電子海圖圖像輪廓特征點集的建立方法，輪廓相似度的計算和概略定位方法，特征點集匹配集的確定和平差求最或然船位的方法。通過示例驗證了研究的可行性及在各種定位條件下的定位準(zhǔn)確性。

關(guān)鍵詞：船舶、艦船工程；導(dǎo)航雷達(dá)；電子海圖；特征點集；輪廓相似度；匹配定位

傳統(tǒng)的雷達(dá)定位，不僅需要航海人員進行測量標(biāo)繪，存在測量和標(biāo)繪誤差影響定位精度，還可能出現(xiàn)認(rèn)錯目標(biāo)，定位錯誤，危及船舶航行安全的可能性。

隨著科技的發(fā)展，各種新技術(shù)應(yīng)用于航海，特別是電子海圖技術(shù)、圖像采集技術(shù)、噪聲處理技術(shù)等，實現(xiàn)雷達(dá)定位自動化，提高定位精度已經(jīng)成為可能。對此問題，人們已經(jīng)做了許多相關(guān)研究，提出了各種匹配定位的方法[1-2]。但實踐證明，由于雷達(dá)回波圖像的特殊性和海上目標(biāo)的多樣性，采用單一的匹配方法，常常會出現(xiàn)誤匹現(xiàn)象，導(dǎo)致出現(xiàn)較大的定位誤差。

本文以匹配理論為基礎(chǔ)，針對雷達(dá)回波的特征，采用輪廓匹配與特征點匹配相結(jié)合的方法，實現(xiàn)雷達(dá)信息與電子海圖信息的匹配定位，減小誤匹率，提高定位的精度和實時性。

1匹配定位原理與方法

1.1匹配定位原理

同一場景使用不同的傳感器獲得的圖像一般會有所不同，圖像匹配就是尋找兩幅不同圖像之間的空間位置關(guān)系。雷達(dá)和電子海圖信息匹配定位，是根據(jù)雷達(dá)探測的回波圖像和航海保證部門提供的電子海圖圖像，求出雷達(dá)圖像掃描中心對應(yīng)的海圖坐標(biāo)。

圖像匹配的方法很多，如基于圖像灰度[5]、基于特征點[6]、基于輪廓[7-8]等。輪廓匹配是通過計算兩個圖像邊緣的相似度，判斷兩個圖像的一致性。特征點匹配是在兩個圖像中選取一些特征點，建立特征點集，對兩個特征點集進行匹配，從而達(dá)到圖像的匹配。

1.2雷達(dá)匹配定位的特點

雷達(dá)與電子海圖信息匹配定位的特點是：

1)通常匹配的兩幅圖像只存在有規(guī)律的變化(位移、旋轉(zhuǎn)、縮放等)，但雷達(dá)的回波圖象由于雷達(dá)探測的特點及受到各種干擾影響，會出現(xiàn)一些不規(guī)則變形(雜波、遮擋、展寬、粘連等)，和與之匹配的海圖圖像產(chǎn)生較大的差異，加上海上目標(biāo)復(fù)雜，不同位置的目標(biāo)回波非常相似，容易出現(xiàn)誤匹現(xiàn)象。試驗表明，誤匹率首先與目標(biāo)的分布范圍有關(guān)，在沒有干擾、回波方位分布大于45°情況下，利用特征點匹配定位的準(zhǔn)確率約90%，但當(dāng)目標(biāo)回波方位分布范圍小于30°、或受到干擾時，準(zhǔn)確率會急劇降低；誤匹率與推算船位的誤差也有密切關(guān)系，推算船位誤差越大，誤匹率越高。

2)實時性要求比較高，包括信息采集、去噪、匹配的全部定位工作，應(yīng)盡量在1s以內(nèi)完成，匹配定位時間應(yīng)更短。

1.3雷達(dá)匹配定位的方法

根據(jù)雷達(dá)回波和誤匹特點，雷達(dá)與電子海圖匹配定位采用輪廓匹配與特征點匹配相結(jié)合的方法，先計算輪廓相似度，縮小推算船位誤差范圍，然后再用特征點匹配進行精確定位。具體做法是：

1)根據(jù)雷達(dá)回波圖像，建立雷達(dá)回波輪廓特征點集(Q集)，然后以推算船位為中心，采用搜尋方式，以適當(dāng)間隔密度向外擴散性地設(shè)定推算船位，建立每個推算船位對應(yīng)的海圖輪廓特征點集(P集)，計算P集與Q集的相似度，尋找相似度達(dá)到設(shè)定門值(或相似度最大)的點。

2)以此點為中心，進行特征點匹配定位。

此時，由于推算船位誤差較小，P集和Q集差異不大，出現(xiàn)誤匹的可能性大大降低；特征點匹配往往是幾十個點進行平差處理，相當(dāng)于通常雷達(dá)定位測幾十個目標(biāo)，精度可大大提高；雖然采用搜尋式縮小推算船位誤差，由于P集與Q集相似度計算非常簡單，可以保證定位的實時性。

2建立輪廓特征點集

建立輪廓特征點集是匹配定位的基礎(chǔ)，是計算相似度和進行匹配定位的依據(jù)。輪廓特征點集包括雷達(dá)回波特征點集和電子海圖特征點集。

2.1雷達(dá)回波輪廓特征點集(Q集)

根據(jù)雷達(dá)定位測近距離目標(biāo)邊緣的特點，建立雷達(dá)回波輪廓特征點集非常簡單，只需下列兩步：

1)根據(jù)采集的回波信號，換算成方位F和距離D(均取整，單位：方位為度，距離為量程/300)。

2)取每個方向上距離最近的一個回波信號點，組成雷達(dá)回波圖象特征點集(Q集)。

上述建立的雷達(dá)回波特征點集的依據(jù)是：同一方向，只有最近的回波是目標(biāo)邊緣；方位精度為1°，距離精度為量程/300，與雷達(dá)的探測精度基本一致，特征點數(shù)少于360個，可以保證匹配的速度和精度。

2.2電子海圖輪廓特征點集(P集)

根據(jù)雷達(dá)定位的原理，電子海圖輪廓特征點應(yīng)在雷達(dá)探測范圍內(nèi)，位于水面的目標(biāo)，如助航標(biāo)志、島礁岸線等，這些點在電子海圖的海洋陸地(ocldntl)、助航標(biāo)志(anvgptp)等圖層文件中。

建立電子海圖輪廓特征點集方法如下：

1)根據(jù)推算船位選取相應(yīng)的海圖數(shù)據(jù)庫；分別打開含有水面目標(biāo)信息的圖層文件，每個圖層包括圖形文件(﹡．shp)、索引文件(﹡．shx)和屬性文件(﹡．dbs)；

2)按序在屬性文件中讀取記錄屬性，找到對應(yīng)屬性的記錄號，按記錄號到索引文件中獲取記錄偏移量和記錄長度，再到圖形文件中按偏移量和記錄長度，讀取記錄數(shù)據(jù)，根據(jù)矢量海圖的數(shù)據(jù)存儲格式，從記錄中得到位置點信息(a，b)；

3)將位置信息換算成經(jīng)緯度坐標(biāo)（φ，λ）：

(1)

式(1)中，α，b單位為cm，(φz，λz)為海圖基準(zhǔn)點坐標(biāo)；c為海圖比例尺；

4)計算相對推算船位的方位距離(取與Q集一樣的單位并取整)，剔除距離大于量程的點；

重復(fù)“2)”、“3)”、“4)”，直至文件結(jié)束；

5)取每個方向上距離最近的點組成海圖特征點集(P集)。

電子海圖特征點集的建立流程如圖1

3.1輪廓相似度計算

輪廓相似度根據(jù)不同的目的，有不同的定義，Q集中與P集相容特征點的數(shù)量N與特征點總數(shù)M之比，可通過簡單的判斷計數(shù)得到。

圖1 電子海圖特征點集建立流程

與P集相容特征點是指，Q集中有特征點(F，D)，P集中在(F±σF，D±σD)范圍內(nèi)也存在特征點。σF、σD是分別為方位和距離允許誤差。

3.2輪廓相似度應(yīng)用

輪廓相似度的高低，說明兩個點集對應(yīng)區(qū)域之間的差異。相似度越高，兩個區(qū)域越相近，推算船位越接近實際船位。因此，采用搜尋方式，以推算船位為中心，向外擴散性的設(shè)定推算經(jīng)、緯度，計算對應(yīng)的P集，及P集與Q集的相似度，選擇相似度高的推算船位，可以達(dá)到概略定位，縮小推算船位誤差的目的，具體流程如圖2。

圖2 利用相似度概略定位流程

通過圖2的流程計算得到的船位（φ2，λ2），一般要比初始推算船位（φc，λc）接近實際船位。

流程中將向外擴散半徑大于0.75量程作為終止條件，當(dāng)推算誤差大于0.75量程時，量程應(yīng)大一檔工作。µM是相似度的門值，當(dāng)相似度達(dá)到µM時，就認(rèn)為所得船位已滿足所需精度。

P集隨推算船位變化，搜尋過程中需要反復(fù)讀取海圖數(shù)據(jù)，可在第一次建立P集時，將在以推算船位為中心，1.75量程為半徑范圍內(nèi)的屬性符合要求的點，存入臨時內(nèi)存，后面計算P集時，只需對內(nèi)存操作，數(shù)據(jù)量小，不必進行屬性判別，可大大提高速度。

如把初始半徑、擴散步長設(shè)定小一些，得到的結(jié)果將會更接近實際船位，因此可用此法進行特殊情況下定位。

4特征點匹配定位

4.1確定匹配集

確定匹配集就是確定P集和Q集中特征點的對應(yīng)關(guān)系，剔除冗余點。可采用快速匹配算法[9]進行，是一種基于聚類的點匹配方法[10]的改進。具體步驟是：

1)將Q集的點轉(zhuǎn)換為相對雷達(dá)掃描中心的坐標(biāo)（xqj，yqj）：xqj=DsinF，yqj=DcosF。

2)將P集的點轉(zhuǎn)換為相對推算船位的坐標(biāo)（xPi，ypi）：xpi=λ－λc，ypi=φ－φc。

3)計算同一點集中所有兩兩點(pi，pj)、(qa，qb)之間的距離和方向。

（2）

（3）

4)尋找支持度最大的點對，獲取匹配集

對任意一個點對piqa若在點集P和Q中存在其他的點對，如pjqb，同時滿足：

,︱θab-θij︱<σθ,則稱點對pjqb是點對的piqa支持點。σρ和σθ分別為距離和方向的匹配誤差域值。一個點對擁有的支持點對數(shù)量，稱為該點對的支持度。擁有的支持點對數(shù)量，稱為該點對的支持度。

在兩個特征點集中，嘗試所有可能的點對，計算每個點對的支持度，支持度最大的點對和它的全部支持點對就構(gòu)成匹配集。

確定匹配點對集的流程如圖3。

圖3 確定匹配點對集流程

4.2平差定位

平差定位就是根據(jù)匹配點對集的信息，求取最佳的推算船位修正量，進而求得觀測船位。

設(shè)匹配集由M組點對組成，根據(jù)最小二乘法原理，最佳的船位修正量△X和△y的計算公式為設(shè)：

D=M×C-QX2-QY2

則：

（4）

5匹配定位實現(xiàn)與驗證

5.1匹配定位實現(xiàn)

根據(jù)上面分析，導(dǎo)航雷達(dá)與電子海圖信息匹配定位流程如圖4。

圖4 匹配定位流程

在定位計算中，考慮了下列方面：

1)雷達(dá)回波方位分布范圍DF，是一個非常重要的量，許多參數(shù)需根據(jù)DF來確定。如概略定位向外擴散的初始半徑R0和步長B、Q集與P集相容性域值σF和σD、相似度的門值μM匹配點對集的距離誤差域值σp、方位誤差域值σθ等，這些量都是DF的函數(shù)。

2)考慮當(dāng)回波方位分布DF小于45°時，誤匹率比較高，此時不再進行匹配定位，將利用相似度概略定位得到的位置作為實測船位，此時設(shè)定的擴散密度應(yīng)比較高，門值μM較大。

3)特征點匹配定位，隨著特征點數(shù)增加，精度會適當(dāng)提高，但時間會大大增加。由圖3可以看出，確定匹配集需要進行四重循環(huán)，每次循環(huán)的大小分別是Q集和P集的特征點數(shù)，因此，兩個特征點集的大小對匹配定位速度影響很大。經(jīng)過大量計算表明，綜合考慮定位精度和速度，Q集特征點數(shù)取≤75比較合適，當(dāng)點數(shù)>75時，采取等間隔剔除，既可保證定位精度，又能保證定位速度。

5.2匹配定位驗證

利用VC＋＋6.0，對上述研究進行了編程實現(xiàn)，并進行實際匹配試驗，驗證其可行性和定位精度。

試驗條件：試驗船在萬山海區(qū)航行得到的不同位置25幅雷達(dá)回波圖像(量程都是6 nmile，目標(biāo)回波方位分布最大為313°(圖5-A)，最小為17°(圖5-B，每幅圖象有當(dāng)時的GPS(Global Positioning System)位置作為準(zhǔn)確船位，萬山海區(qū)的(1：100 000)電子海圖(C1076)。

圖5 雷達(dá)回波圖象

試驗方法：將雷達(dá)回波圖像，經(jīng)過采集、去噪，建立Q集，對GPS位置增加不大于75%量程的隨機誤差作為推算船位，進行匹配定位。每幅雷達(dá)回波圖像，進行10000次定位試驗，統(tǒng)計定位的誤差情況。為檢驗匹配定位的抗干擾能力，根據(jù)建立Q集的不同，分別進行了3種類型試驗：

1)無干擾，直接利用雷達(dá)回波圖象采集數(shù)據(jù)；

z)輕度干擾，對雷達(dá)回波圖象采集數(shù)據(jù)，加方位小于1°，距離小于100m的隨機誤差；

3)中度干擾，對雷達(dá)回波圖象采集數(shù)據(jù)，加方位小于2°，距離小于200m的隨機誤差。試驗結(jié)果如表1。

表1匹配定位試驗結(jié)果

6結(jié)語

試驗結(jié)果表明，采用輪廓與特征點結(jié)合的方法進行雷達(dá)與電子海圖信息匹配定位，能有效地防止誤匹，具有較高的定位精度、較好的實時性和一定的抗干擾能力。

參考文獻

[l]韓兆剛．雷達(dá)背景信息與電子海圖的疊加顯示[D]．西安：西安電子科技大學(xué)碩士學(xué)位論文，2006．

[2]周莉，華承相，易成濤．基于Hausdorff距離的雷達(dá)圖像與電子海圖實時匹配算法[J]．船舶，2006(6)：48-51．

ZHOU Li，HUA Cheng-xiang，YI Cheng-tao.Real time matching algorithm for radar image with electronic chart based on Hausdorff distance[J]. Ship&.Boat，2006(6)：48-51．

[3]Rosenfel. A，Kak，A C. Digital Picture Processing，Orlando[M].Academic Press，1982.

[4]夏奇.基于點模式匹配的圖像匹配方法的研究[D].武漢：華中科技大學(xué)碩士學(xué)位論文，2004.

[5]Li. H， Manjunath. B S，Mitra. S K. A Contour-Based Approach to Multisensor Image Registration[J].IEEE Transactions on Image Processing. 1995，4(3)：320-340．

[6]Eugenio. F，Marques. F，Marcello. J. A contourbased approach to automatic and accurate registration of multitemporal and multisensor satellite imagecy. Geosience and Remote Sensing Symposium [J]. IGARSS 02. 2002 IEEE International. 2002，6：3390-3392．

[7]Chang S H，Cheng F H，Hsu W H，et al. Fast algonthm for point pattern matching：Invariant to translation，rotation and scale changes[J].Pattern Recognition，1997，30(2)：311-320.

[8]Stokman G，Kopstern S，Benett S. Matching images to models for registration and object detection via clusterning[J].IEEE Transon Pattern Analysis and Machine Intelligenee，1992，PAMI-4(3)：229-241.

作者：何立居，李啟華  來源：中國航海