[发明专利]用于PCB板拼接的特征点检测优化方法

说明书

本发明涉及数据处理技术领域，具体涉及一种用于PCB板拼接的特征点检测优化方法，该方法采集PCB板的表面图像；利用SIFT算法对表面图像构建尺度空间，获取同一频程下的高斯差分图像；计算高斯差分图像之间的差异系数，进而得到边缘的优化必要性；计算高斯差分图像的方差，基于优化必要性和方差对同一倍频程的图像进行边缘优化，得到边缘优化图像，将不同倍频程的边缘优化图像再进行图像叠加进行边缘优化，得到最终的优化图像；对优化图像进行尺度空间的极值检测、特征点定位、特征方向赋值以及特征点描述，完成图像匹配，本发明能够增加后续匹配中可用的边缘特征描述子，提高SIFT算法的图像匹配准确性。

技术领域

本发明涉及数据处理技术领域，具体涉及一种用于PCB板拼接的特征点检测优化方法。

背景技术

在采集大面积PCB板的图像时，由于相机的视野有限，需要同时使用多台相机拍摄PCB板的不同部位，得到多幅具有重叠区域的图像。图像拼接技术就是通过利用图像之间的重叠区域，将多幅图像拼接成一幅完整的高分辨率图像，解决相机由于自身不足无法直接拍摄完整目标的问题，是目前机器视觉领域的研究热点，图像配准是图像拼接的关键，配准的结果直接影响最后图像拼接的质量。目前已提出的图像配准方法中基于特征点的SIFT匹配算法提取出的角点在图像尺度变换、旋转和光照变化等条件下具有良好的不变性。

SIFT是一种基于尺度空间的，对图像缩放、旋转、甚至仿射变换保持不变性的图像局部特征描述算子。该算法以高斯差分金字塔图像为核心，生成各不同尺度大小的图像，并获取在不同尺度图像中不随着尺度变化而变化的特征点来进行图像匹配。

现有SIFT算法具体流程为构建尺度空间、检测局部极值得到初始关键点、删除不合适的关键点、计算关键点方向、计算关键点描述子，而在构建尺度空间利用高斯滤波器生成高斯差分金字塔图像时，会使得不同尺度下图像因为高斯核的模糊作用而将边缘特征变得模糊不连续，使得关键特征提取不准确。

发明内容

为了解决现有SIFT算法中图像匹配准确性低的问题，本发明提供一种用于PCB板拼接的特征点检测优化方法，所采用的技术方案具体如下：

本发明一个实施例提供了一种用于PCB板拼接的特征点检测优化方法，该方法包括以下步骤：

俯视采集PCB板的表面图像；利用SIFT算法对表面图像构建尺度空间，对同一频程的相邻平滑系数对应的表面图像进行差分得到高斯差分图像；

根据高斯差分图像中同一倍频程和不同倍频程中表面图像之间的差异，计算高斯差分图像之间的差异系数，获取高斯差分图像中灰度值为1的像素点，结合所述差异系数得到边缘的优化必要性；

计算高斯差分图像的方差，基于所述优化必要性和所述方差对同一倍频程的表面图像进行边缘优化，得到边缘优化图像，将不同倍频程的边缘优化图像再进行图像叠加进行边缘优化，得到最终的优化图像；

对所述优化图像进行尺度空间的极值检测、特征点定位、特征方向赋值以及特征点描述，完成图像匹配。

优选的，所述差异系数的获取方法为：

获取同一倍频程图像的所有差分图像的积分图像，通过统计同一倍频程种第一层与其他层图像之间的差异大小，以及不同倍频程的积分图像之间的差异获取所述差异系数。

优选的，所述优化必要性的获取方法为：

以每个倍频程下不同层图像中差异系数在所有像素点的统计值中的占比作为所述优化必要性；所述统计值为高斯差分图像中灰度值为1的像素点数量。

优选的，所述计算高斯差分图像的方差，包括：

计算高斯差分金字塔中所有高斯差分图像在每个位置处的灰度均值，计算高斯差分图像中每个位置处的灰度值与对应的灰度均值的灰度差异，所有位置处的灰度差异平方的均值即为所述高斯差分图像的方差。

本发明实施例至少具有如下有益效果：