任永强, 吕华鑫, 晏文彬, 李 润

(合肥工业大学 机械工程学院,安徽 合肥 230009)

图像配准作为图像处理中的一项基本问题,主要被用于求解不同传感器、不同视角、不同时间获取的图像的最佳几何变换,因此，在目标识别、图像诊断、图像拼接、缺陷检测等领域有着广泛应用[1]。其中图像特征点的提取与匹配是图像配准的关键步骤。文献[2-3]提出的SIFT特征检测算法,因对光线、尺度、平移、旋转等具有较强的适应性,从而在图像配准领域得到广泛使用;但在特征点匹配过程中,很容易产生大量的误匹配点,导致图像配准时精度较低。

目前众多学者提出了很多优化的方法。文献[4]直接使用随机抽样一致性(random sample consensus,RANSAC)算法去除外点,但在内点概率较低的情况下估计出的变换矩阵精度较低;文献[5]采用相似三角形的方法去除误匹配点对,但在外点较多时算法容易找出错误的相似三角形,因此鲁棒性较差;文献[6]使用Canny边缘算子与Harris角点结合的方法解决尺度不变特征变换(scale invariant feature transform,SIFT)特征点检测中包含大量无用点的过程,并引入均方根误差来预先删除RANSAC算法迭代过程中产生的错误匹配点,这种方式虽可靠性较高,但过程太复杂,效率较低。

为了改善PCB板缺陷检测时的图像配准精度问题,本文提出一种基于SIFT特征提取的图像配准优化方法。在SIFT算法提取特征后,先利用特征点之间的距离粗过滤去除误匹配点对;再利用改进的RANSAC算法来细过滤,得到精确的匹配点对,并求得对应的变换矩阵;最后设计误差损失函数,使用梯度下降的方法来拟合更加精确的图像变换矩阵。……