一种改进的药液异物图像局部特征匹配方法组成比例

本发明专利技术公开了一种改进的药液异物图像局部特征匹配方法，利用改进的特征匹配算法寻找特征点，并利用特征点之间的汉明距离来进行序列图像中待检药品图像的匹配，计算帧间图像的偏差，并对位移的偏差进行补偿，弥补机械电气所造成的图像偏差，提高异物检测准确率；由于特征匹配算法的定位精确至亚像素级，补偿的精确度理论上也可达到亚像素级；本发明专利技术所述的方法实时性高，对480*1280分辨率图像的处理可达到80ms，远高于目前拥有的算法。相较于现有人工方法，该方法具有检测精度高、速度快、重复性好等优势，满足现有生产线实时在线检测的需求，稳定可靠。

【技术实现步骤摘要】

本专利技术属于图像识别领域，特别涉及一种改进的药液异物图像局部特征匹配方法。
技术介绍
药品灌装质量检测是制药过程的一个重要环节，是药品质量安全的可靠保证。在灌装过程中，药液会出现玻璃碎屑、铝屑、橡皮屑、毛发、纤维等可见异物，当异物随药液注入人体血液后，可能导致循环障碍，或者因组织缺氧、静脉炎、水肿等严重后果。目前，医药生产企业对注射液的检测方式多为人工检测，要求工作人员在暗室中进行，配备简单的检测灯箱，在异物检测时手持待检测药品轻轻翻转，通过目视检测异物，此方法存在操作繁琐、检查速度慢，检查人员长时间检测后眼睛容易疲劳，影响检测结果，而且人工灯检易造成二次污染，存在效率低、可靠性差、质量安全得不到保障等诸多缺点，智能灯检机代替人工暗室检测药液异物已成为主流趋势。智能灯检机主要采用序列图像的帧间差分算法来实现对药液中异物的识别与跟踪。但由于机器构件存在安装间隙或外力导致的抖动、机械电气系统的跟踪误差或伺服电机的不同步，CCD工业相机所拍取的序列图像会在水平方向和竖直方向产生偏差，因而导致在序列图像差分时产生许多错误的特征，造成图像提取运动异物失败，异物识别与检测无法正常完成，增加了错误剔除率。
技术实现思路
本专利技术提供了一种改进的药液异物图像局部特征匹配方法，其目的在于，通过改进的特征匹配算法来进行序列图像中待检药品图像的匹配，计算帧间图像的偏差，并对位移的偏差进行补偿，，能弥补机械电气所造成的图像偏差，提高异物检测准确率。一种改进的药液异物图像局部特征匹配方法，包括以下步骤：步骤1：连续采集P张生产线上同一药瓶的序列图像；步骤2：利用AGAST算法检测序列图像每帧图像中的特征点；步骤3：利用采样模板在步骤2所得的每个特征点周围确定n个采样点；步骤4：利用每个特征点对应的采样点中任意两个采样点的灰度值进行比较，按设定的比较准则定义采样点对对应的二进制描述符值，获得每个特征点的1×Cn2维的描述符；由于智能灯检机在序列图像上只会产生水平方向和竖直方向的偏差，故省去了描述子旋转方向上的赋值，提高了算法的运算速度；步骤5：以第一帧为参考帧，分别计算当前帧与参考帧两帧图像中任意两个特征点的描述符之间的汉明距离，以符合设定汉明距离阈值范围的汉明距离对应的特征点对作为两帧图像的匹配点对；步骤6：利用每对匹配点对在对应图像中的像素坐标差值的平均值作为当前帧图像与参考帧图像之间的位移偏差；步骤7：利用步骤6得到的位移偏差对当前帧图像进行位移偏差补偿，从而完成序列图像的匹配。所述利用AGAST算法检测序列图像每帧图像中的特征点的具体过程如下：步骤2.1：依次以图像中每个像素作为圆心P，半径为3像素，构建圆区域；步骤2.2：在每个圆周上连续选取16个像素x；步骤2.3：一个像素x关于它的核P的状态表示为SP→x，被分配如下：其中，S′P→x表示像素x的前一个状态，I表示像素的灰度值，u表示状态仍然未知，t为设定的灰度阈值；一个像素x关于它的核P的状态分别有“更暗”记作d、“相似”记作s、“更亮”记作b、“没有更亮”记作和“没有更暗”记作五种状态；步骤2.4：统计图像中所有像素点的不同状态概率，从而获得图像中像素点五种状态的概率分布，采用逆向归纳法对概率分布构建最优二叉决策树，选出候选特征点；步骤2.5：利用非极大值抑制的方法从候选特征点中选取最终特征点，用于步骤3的处理。所述采样模板是指以步骤2所得的特征点为圆心，分别以δ，2δ，3δ，4δ，5δ为半径做同心圆，再以过圆心的水平轴为基线；分别顺时针，逆时针旋转60度，生成3根轴线；以轴线与同心圆形成的交点所在同心圆组中的位置形成的采样模板；所述采样点是指将采样模板的圆心与特征点重合放置，特征点周围的像素与采样模板重合的点，且包含特征点本身。利用每帧图像中所有特征点的维描述符构建每帧图像的描述符矩阵D，对每帧图像的描述符矩阵D进行降维处理，取描述符矩阵D的前256列，确定每帧图像中每个特征点的描述符为1×256维。所述降维处理的具体步骤如下：步骤A:计算描述符矩阵D的每一列的均值Rj；步骤B:计算每一列均值Rj与0.5的差的绝对值Sj＝|Rj-0.5|；步骤C:按Sj从小到大的顺序，对描述符矩阵D的各列进行排序；步骤D:选取前256列作为每帧图像的最终的描述符矩阵。所述利用每个特征点对应的采样点中任意两个采样点的灰度值进行比较，按设定的比较准则定义采样点对对应的二进制描述符值是指，根据以下公式确定采样点对的二进制描述符值 τ ( p ; x , y ) = 0 , p ( x ) < p ( y ) 1 , p ( x ) ≥ p ( y ) ]]>其中，依次以每个采样点为基点，分别于其他采样点作对比，p(x)和p(y)分别表示基点与对比点的灰度值，不取重复点对。有益效果本专利技术提供了一种改进的药液异物图像局部特征匹配方法，利用改进的特征匹配算法寻找特征点，并利用特征点之间的汉明距离来进行序列图像中待检药品图像的匹配，计算帧间图像的偏差，并对位移的偏差进行补偿，弥补机械电气所造成的图像偏差，提高异物检测准确率；由于特征匹配算法的定位精确至亚像素级，补偿的精确度理论上也可达到亚像素级；本专利技术所述的方法实时性高，对480*1280分辨率图像的处理可达到80ms，远高于目前拥有的算法。相较于现有人工方法，该方法具有检测精度高、速度快、重复性好等优势，满足现有生产线实时在线检测的需求，稳定可靠。附图说明图1为待检测点与周围的像素及其编号；图2为本专利技术所采用的采样模板示意图；图3为本专利技术所述方法的流程图；图4为利用本专利技术所述方法得到的匹配结果示意图；图5为图4对应的匹配结果数据图。具体实施方式下面将结合附图和实施例对本专利技术做进一步的说明。本文档来自技高网...

【技术保护点】
一种改进的药液异物图像局部特征匹配方法，其特征在于，包括以下步骤：步骤1：连续采集P张生产线上同一药瓶的序列图像；步骤2：利用AGAST算法检测序列图像每帧图像中的特征点；步骤3：利用采样模板在步骤2所得的每个特征点周围确定n个采样点；步骤4：利用每个特征点对应的采样点中任意两个采样点的灰度值进行比较，按设定的比较准则定义采样点对对应的二进制描述符值，获得每个特征点的维的描述符；步骤5：以第一帧为参考帧，分别计算当前帧与参考帧两帧图像中任意两个特征点的描述符之间的汉明距离，以符合设定汉明距离阈值范围的汉明距离对应的特征点对作为两帧图像的匹配点对；步骤6：利用每对匹配点对在对应图像中的像素坐标差值的平均值作为当前帧图像与参考帧图像之间的位移偏差；步骤7：利用步骤6得到的位移偏差对当前帧帧图像进行位移偏差补偿，从而完成序列图像的匹配。

【技术特征摘要】
1.一种改进的药液异物图像局部特征匹配方法，其特征在于，包括以下步骤：步骤1：连续采集P张生产线上同一药瓶的序列图像；步骤2：利用AGAST算法检测序列图像每帧图像中的特征点；步骤3：利用采样模板在步骤2所得的每个特征点周围确定n个采样点；步骤4：利用每个特征点对应的采样点中任意两个采样点的灰度值进行比较，按设定的比较准则定义采样点对对应的二进制描述符值，获得每个特征点的维的描述符；步骤5：以第一帧为参考帧，分别计算当前帧与参考帧两帧图像中任意两个特征点的描述符之间的汉明距离，以符合设定汉明距离阈值范围的汉明距离对应的特征点对作为两帧图像的匹配点对；步骤6：利用每对匹配点对在对应图像中的像素坐标差值的平均值作为当前帧图像与参考帧图像之间的位移偏差；步骤7：利用步骤6得到的位移偏差对当前帧帧图像进行位移偏差补偿，从而完成序列图像的匹配。2.根据权利要求1所述的方法，其特征在于，所述利用AGAST算法检测序列图像每帧图像中的特征点的具体过程如下：步骤2.1：依次以图像中每个像素作为圆心P，半径为3像素，构建圆区域；步骤2.2：在每个圆周上连续选取16个像素x，像素x的灰度值记作IP→x；步骤2.3：一个像素x关于它的核P的状态表示为SP→x，被分配如下：其中，S′P→x表示像素x的前一个状态，I表示像素的灰度值，u表示状态仍然未知，t为设定的灰度阈值；一个像素x关于它的核P的状态分别有“更暗”记作d、“相似”记作s、“更亮”记作b、“没有更亮”记作和“没有更暗”记作五种状态；步骤2.4：统计图像中所有像素点的不同状态概率，从而获得图像中像素点五种状态的概率分布，采用逆向归纳法对概率分布构建最优二叉决策树，选出候选特征点；步骤2.5：利用非极大值抑制的方法从候选特征点中选取最终特征点，用于步骤3的处理。3.根据权利要求2所述的方法，其特征在于，所述采样模板是指以步骤2所得的特征点为圆心，分别以δ，2δ，3δ，4δ，5δ为半径做同心圆，再以过圆心的水平轴为基线；分别顺时针，逆时针旋转60度，生成3根轴线；以轴线与同心圆形成的交点所在同心圆组中的位置形成的采样模板；所述采样点是指将采样模板的圆心与特征点重合放置，特...

【专利技术属性】
技术研发人员：张辉，阮峰，李宣伦，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：湖南;43