PCB板识别中HU矩和SIFT算法改进研究
发布时间：2021-01-05 22:03
随着计算机技术的不断进步,机器视觉技术已被广泛地应用于人脸识别、目标检测、遥感测距等领域。而图像识别技术又是机器视觉的一个重要的技术之一。首先,本文首先介绍了选题背景和研究意义,利用机器视觉去识别PCB板图像的结构特点是否符合标准图像,并根据PCB板图像本身具有很多的纹理特征和较多的边缘信息的特点,确定了图像特征匹配算法为本文的研究重点。据此,介绍了国内外图像识别匹配算法的研究现状。其次,简要介绍了图像匹配的原理、图像特征匹配算法及图像的灰度变换、图像降噪和边缘提取3种预处理;对比了 Harris角点法、SIFT算法、PCA—SIFT算法、SURF算法和Hu不变矩这些图像特征匹配算法的优缺点,根据PCB板具有明显的纹理特征和较多的边缘信息的特点,选择了特征点识别算法SIFT和形状识别算法Hu不变矩。然后,在分别对SIFT算法和Hu不变矩算法进行介绍后,分析了 SIFT算法在提取边缘特征点时对噪声较敏感,容易找到错误的特征点,并且会发生错误的特征点匹配的原因;分析了对于缩放后的简单轮廓图,Hu不变矩在形状识别上效率低下的原因。利用RANSAC算法、改进的图像距离公式和Canny算子对SI...
【文章来源】：西华大学四川省
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
图１．１图像匹配的三大类??Ｆｉｇ．?１．１?Ｔｈｒｅｅ?ｃａｔｅｇｏｒｉｅｓ?ｏｆ?ｉｍａｇｅ?ｍａｔｃｈｉｎｇ??
式２．１中，（ＪＣ，７）分别代表图像的横坐标和纵坐标，参数表示图像的尺度因子，??０Ｔ越大，得到的尺度空间图像越模糊，反之越清晰，通常情况Ｃ的取值为１．６，得到的??二维高斯曲面图如图２．３所示。??？？?：?：?？?？??．？?？?？?．?？?？?■??０．０３－?丨：?丨??５〇??□?□??图２．３二维高斯曲面??Ｆｉｇ．２．３?Ｔｗｏ￣￣ｄｉｍｅｎｓｉｏｎａｌ?Ｇａｕｓｓ?ｆｕｎｃｔｉｏｎ?ｆｅａｔｕｒｅ??在二维图像／（ＸＪ；）中，尺度空间Ｚ?是高斯核函数Ｇ?（ＪＣＡｆＴ）与二维??图像／?（ｘｊ；，?ａ?）卷积得到，如式２．２所示。??Ｌ?（ｘ，ｙ，?（Ｊ?）?＝?Ｇ?（ｘ，ｙ，?ｃｒ?）?＊?／?Ｃｘ，ｙ，?ａ?）?（２．２）??在式２．２中，Ｌ是图像的尺度空间，（ｘ，ｙ）代表原图像的点。??通过以上的处理，我们可以得到原图的高斯金字塔图像，如图２．４所示。??８??
图２．４高斯图像金字塔??Ｆｉｇ．２．４?Ｇｕａｓｓｉａｎ?ｉｍａｇｅ?ｐｙｒａｍｉｄ??在图２．?４中，Ｏｃｔａｖｅ是金子塔的组数，每组共有Ｓ层（一般为３－５）。每一组间??的关系可以由式２．２来表示。??ｓ??ｃｒ（＾）?＝?ｃｒ０?？?２＾?（２．２）??式２．２中，〇〇表示图像的初始尺度，ｓ表示金字塔每一组中的层数，Ｃ７（ｓ）第ｓ层??的图像尺度，而每一组的组内尺度关系由式２．３所示。??＾ｓ＋ｉ?＝〇■，?？２５?（２－３）??而相邻组的组间关系可以化简为式２．４。??ｓ＋Ｓ??ｃｒ０＾（ｓ）＝ｃｒ？２?ｓ?（２．４）??由式２．３和式２．４可以得到式２．５。??Ｓ??＾〇＋ｉ（５）?＝?２〇－？＊２５?（２．５）??由以上式２．５可知，图像经过降采样后，每一层之间的尺度空间关系为二分之一??的关系，经过降采样的金字塔效果图如图２．５所示。??９??
【参考文献】：
期刊论文
[1]改进的SIFT图像匹配算法[J]. 李炀,翟社平. 计算机技术与发展. 2016(11)
[2]数字图像处理技术综述[J]. 来凡盛,潘瑞霞. 甘肃科技. 2015(22)
[3]基于改进SIFT算法在图像匹配中的研究[J]. 彭兴璇,唐雪娇,董星. 微型机与应用. 2015(20)
[4]改进的统一Hu矩在图像目标识别中的应用[J]. 张琪,屈严,董志芳. 电子器件. 2012(06)
[5]基于SIFT点特征和Canny边缘特征匹配的多源遥感影像配准研究[J]. 王万同,韩志刚,刘鹏飞. 计算机科学. 2011(07)
[6]统一Hu矩及在电视图像目标识别中的应用[J]. 徐学强,汪渤,贺鹏. 计算机工程与应用. 2006(29)
[7]目标识别中Hu矩、Zernike矩和小波矩的比较[J]. 姚军,蒋晓瑜,黄应清. 装甲兵工程学院学报. 2006(03)
硕士论文
[1]基于改进的SIFT图像匹配算法研究[D]. 翟雨微.吉林大学 2017
[2]基于机器视觉的医药包片识别系统研究[D]. 李康军.湖南大学 2016
[3]基于特征提取及特征优选的猪只姿态识别研究[D]. 党亚男.太原理工大学 2015
[4]复杂场景下车辆跟踪研究[D]. 金龙.南京航空航天大学 2015
[5]基于改进的SIFT算法图像匹配的研究[D]. 沈元.河北工业大学 2014
[6]基于SIFT算法的图像配准算法研究[D]. 杨金龙.扬州大学 2013
[7]结合小波变换和SIFT算法的遥感图像快速配准算法[D]. 李龙龙.哈尔滨工业大学 2013
[8]区域检测算子与图像配准的应用研究[D]. 夏鑫.电子科技大学 2013
[9]红外和可见光图像的配准融合研究[D]. 盛斐斐.西安电子科技大学 2013
[10]基于图分割的SAR图像配准方法的研究[D]. 孟庆霞.天津理工大学 2013
本文编号：2959377
【文章来源】：西华大学四川省
【文章页数】：81 页
【学位级别】：硕士
【部分图文】：
图１．１图像匹配的三大类??Ｆｉｇ．?１．１?Ｔｈｒｅｅ?ｃａｔｅｇｏｒｉｅｓ?ｏｆ?ｉｍａｇｅ?ｍａｔｃｈｉｎｇ??
式２．１中，（ＪＣ，７）分别代表图像的横坐标和纵坐标，参数表示图像的尺度因子，??０Ｔ越大，得到的尺度空间图像越模糊，反之越清晰，通常情况Ｃ的取值为１．６，得到的??二维高斯曲面图如图２．３所示。??？？?：?：?？?？??．？?？?？?．?？?？?■??０．０３－?丨：?丨??５〇??□?□??图２．３二维高斯曲面??Ｆｉｇ．２．３?Ｔｗｏ￣￣ｄｉｍｅｎｓｉｏｎａｌ?Ｇａｕｓｓ?ｆｕｎｃｔｉｏｎ?ｆｅａｔｕｒｅ??在二维图像／（ＸＪ；）中，尺度空间Ｚ?是高斯核函数Ｇ?（ＪＣＡｆＴ）与二维??图像／?（ｘｊ；，?ａ?）卷积得到，如式２．２所示。??Ｌ?（ｘ，ｙ，?（Ｊ?）?＝?Ｇ?（ｘ，ｙ，?ｃｒ?）?＊?／?Ｃｘ，ｙ，?ａ?）?（２．２）??在式２．２中，Ｌ是图像的尺度空间，（ｘ，ｙ）代表原图像的点。??通过以上的处理，我们可以得到原图的高斯金字塔图像，如图２．４所示。??８??
图２．４高斯图像金字塔??Ｆｉｇ．２．４?Ｇｕａｓｓｉａｎ?ｉｍａｇｅ?ｐｙｒａｍｉｄ??在图２．?４中，Ｏｃｔａｖｅ是金子塔的组数，每组共有Ｓ层（一般为３－５）。每一组间??的关系可以由式２．２来表示。??ｓ??ｃｒ（＾）?＝?ｃｒ０?？?２＾?（２．２）??式２．２中，〇〇表示图像的初始尺度，ｓ表示金字塔每一组中的层数，Ｃ７（ｓ）第ｓ层??的图像尺度，而每一组的组内尺度关系由式２．３所示。??＾ｓ＋ｉ?＝〇■，?？２５?（２－３）??而相邻组的组间关系可以化简为式２．４。??ｓ＋Ｓ??ｃｒ０＾（ｓ）＝ｃｒ？２?ｓ?（２．４）??由式２．３和式２．４可以得到式２．５。??Ｓ??＾〇＋ｉ（５）?＝?２〇－？＊２５?（２．５）??由以上式２．５可知，图像经过降采样后，每一层之间的尺度空间关系为二分之一??的关系，经过降采样的金字塔效果图如图２．５所示。??９??
【参考文献】：
期刊论文
[1]改进的SIFT图像匹配算法[J]. 李炀,翟社平. 计算机技术与发展. 2016(11)
[2]数字图像处理技术综述[J]. 来凡盛,潘瑞霞. 甘肃科技. 2015(22)
[3]基于改进SIFT算法在图像匹配中的研究[J]. 彭兴璇,唐雪娇,董星. 微型机与应用. 2015(20)
[4]改进的统一Hu矩在图像目标识别中的应用[J]. 张琪,屈严,董志芳. 电子器件. 2012(06)
[5]基于SIFT点特征和Canny边缘特征匹配的多源遥感影像配准研究[J]. 王万同,韩志刚,刘鹏飞. 计算机科学. 2011(07)
[6]统一Hu矩及在电视图像目标识别中的应用[J]. 徐学强,汪渤,贺鹏. 计算机工程与应用. 2006(29)
[7]目标识别中Hu矩、Zernike矩和小波矩的比较[J]. 姚军,蒋晓瑜,黄应清. 装甲兵工程学院学报. 2006(03)
硕士论文
[1]基于改进的SIFT图像匹配算法研究[D]. 翟雨微.吉林大学 2017
[2]基于机器视觉的医药包片识别系统研究[D]. 李康军.湖南大学 2016
[3]基于特征提取及特征优选的猪只姿态识别研究[D]. 党亚男.太原理工大学 2015
[4]复杂场景下车辆跟踪研究[D]. 金龙.南京航空航天大学 2015
[5]基于改进的SIFT算法图像匹配的研究[D]. 沈元.河北工业大学 2014
[6]基于SIFT算法的图像配准算法研究[D]. 杨金龙.扬州大学 2013
[7]结合小波变换和SIFT算法的遥感图像快速配准算法[D]. 李龙龙.哈尔滨工业大学 2013
[8]区域检测算子与图像配准的应用研究[D]. 夏鑫.电子科技大学 2013
[9]红外和可见光图像的配准融合研究[D]. 盛斐斐.西安电子科技大学 2013
[10]基于图分割的SAR图像配准方法的研究[D]. 孟庆霞.天津理工大学 2013
本文编号：2959377
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2959377.html
