[发明专利]基于局部不变几何特征的广义霍夫变换图像匹配方法

说明书

技术领域

本发明属于机器视觉技术领域，更具体地，涉及一种图像匹配方法。

背景技术

在集成电路（IC）制造业中，高速度、高精度的进行拾取、放置芯片是影响生产效率的关键操作。而拾取、放置芯片又依赖于高速度、高精度的对芯片进行定位。随着机器视觉技术的快速发展，其在目标定位中表现出极佳的优越性，因此机器视觉技术在IC制造业得到非常广泛应用。应用于芯片定位的机器视觉系统主要由光源，相机，图像匹配模块组成。调节光源至合适亮度，通过相机采集芯片图像，图像采集板卡将图像传输至工控机，通过图像匹配算法计算出芯片位置及旋转角度，将位置及旋转角度传送给电机，电机控制机械手对芯片进行拾取。现代IC制造工艺要求芯片定位精度达到um甚至nm级别，速度达到10ms内。在整个机器视觉系统中，图像匹配技术是机器视觉系统的核心，是实现高速度、高精度芯片定位的关键。在实际的生产过程中，常常出现模板图像与目标图像存在旋转的情况，由于旋转的存在，使得图像匹配算法变的更加复杂。

为了能够对任意旋转角度进行匹配，目前广泛采用广义霍夫变换图像匹配。广义霍夫变换是由霍夫变换发展而来以实现对任意形状进行定位的算法。因其对噪声、遮挡、光照变化具有较强的鲁棒性，广义霍夫变换得到国内外学者的广泛研究。然而，当目标存在旋转时，传统的广义霍夫变换具有巨大的内存需求和很高的计算复杂度，这些缺点都严重制约其实现高速度、高精度的实现图像匹配。

针对广义霍夫变换存在的缺点，目前出现了一些改进的方法。如为降低广义霍夫变换的内存需求，Lee等在文献“Generalized Hough transform in object recognition”（Pattern Recognition,1992.Vol.III.Conference C:Image,Speech and Signal Analysis,Proceedings.,11th IAPR International Conference on.IEEE,1992:285-289.）中提出将图像参考点限定到图像的边缘上。虽然Lee的方法可以极大的降低广义霍夫变换的内存需求，但当目标图像存在遮挡，残缺时，参考点的选择将极大影响匹配结果，从而降低了算法的鲁棒性。

为降低广义霍夫变换的累加器的大小，并加速匹配过程，Ulrich M等在文献“Real-time object recognition using a modified generalized Hough transform”（Pattern Recognition,2003,36(11):2557-2570.）中提出采用分层的策略来进行匹配。其首先分别对模板图像和目标图像建立图像金字塔，图像匹配从金字塔顶层开始进行。由于在金字塔的顶层的分辨率很低，很快可以得到粗略的位置和旋转角度。在顶层得到粗略的位置和旋转角度后，在下一层的匹配过程中，位置搜索范围将限制在粗略位置周围，角度搜索范围也限制在粗略旋转角度周围。基于这种分层策略，匹配结果从粗到精，也提高了匹配的速度。虽然Ulrich改善了广义霍夫变换的性能，但在其匹配过程中，采用的特征依旧是边缘点的梯度方向，即其依然是基于传统的广义霍夫变换。

Tsai等在文献“An improved generalized Hough transform for the recognition of overlapping objects”（Image and Vision computing,1997,15(12):877-888.）中提出使用最小二乘来进行圆拟合来计算边缘点的曲率半径，并以此为特征。虽然边缘处的曲率半径是旋转不变的，但用最小二乘圆拟合来计算边缘点的曲率半径，不仅会增加每个边缘点处的计算量，而且匹配结果依赖于曲率半径的估计精度。特别是，当模板图像和目标图像的边缘主要是直线时，此算法就会失效。

Aguado等在文献“Invariant characterization of the Hough transform for pose estimation of arbitrary shapes”（Pattern Recognition,2002,35(5):1083-1097）中提出以两个边缘点处的切线夹角为特征来改进广义霍夫变换。对于任意边缘点，将边缘点的梯度方向向量逆时针旋转固定角度，沿着由边缘点和梯度方向向量旋转后的方向定义的直线上找到第二个边缘点。然而当梯度算子存在小误差时，或在目标图像上存在多目标时，第二个边缘点将会找错，这将严重影响算法的精度。

发明内容