【技术实现步骤摘要】
一种基于深度学习的工业印刷品图像配准方法及装置
本专利技术属于工业印刷品缺陷检测领域,具体涉及一种基于深度学习的工业印刷品图像配准方法及装置。
技术介绍
图像配准是计算视觉领域中一个重要的研究方向,主要目的是对不同条件下(光照度、拍摄角度和拍摄位置等)的两幅或多幅图像进行匹配,实现几何对齐。目前,图像配准可分为传统配准方法和基于深度学习的图像配准方法。传统配准方法有传统刚性配准方法和传统非刚性配准算法两种,其中传统刚性配准算法,例如基于特征的图像配准算法,通过在图像参数空间搜索灰度、边缘以及人工设计的特征,例如SIFT特征、AKAZE特征等,然后根据源图间特征的映射关系利用仿射变换实现配准。图像源之间的特征相对稳定,该类配准算法具有一定的尺度和旋转不变性。但由于图像低级特征和人工设计的特征数量有限,很难准确表征图像间的真实形变,无法在源图出现复杂形变的情况下使用;传统非刚性配准算法,例如基于光流场的DEMONS配准算法,通过迭代运算,对源图间的位移场进行优化直至算法收敛,该算法能够获取良好的配准精度,但算法收敛速度慢,配准耗时长,无法满足工业实时性检测的要求。深度学习图像配准算法在近些年得到了快速的发展,在解决非刚性配准问题上表现出优异的性能。深度学习图像配准算法是通过卷积神经网络提取待配准图像与模板图像之间的形变参数,依据变换参数调整待配准图的形态。按照学习方式的不同,可分为有监督配准算法和无监督配准算法。有监督配准算法依赖大量人工标注的数据样本训练网络,但样本标注难度大,人工标注与真实形变数据也存在差异, ...
【技术保护点】
1.一种基于深度学习的工业印刷品图像配准方法,其特征在于,所述方法包括:/nS1:采用CMOS工业相机对生产线上的印刷品进行图像采集,得到N种印刷品图像;/nS2:从N种印刷品图像中任选一种印刷品图像并从中抽取两张图像,分别作为模板图像和待配准图像;/nS3:根据对应切割规则从所述模板图像和所述待配准图像中分别提取尺寸相同的切片,得到一组模板图像切片和对应的待配准图像切片,将所述模板图像切片和待配准图像切片按照深度方向进行融合得到图像切片对,将所述图像切片对输入配准网络模型中进行推理,得到配准图像切片;/nS4:将所述配准图像切片舍去边缘部分,然后进行切片对位拼接,得到完整的配准印刷品图像。/n
【技术特征摘要】
1.一种基于深度学习的工业印刷品图像配准方法,其特征在于,所述方法包括:
S1:采用CMOS工业相机对生产线上的印刷品进行图像采集,得到N种印刷品图像;
S2:从N种印刷品图像中任选一种印刷品图像并从中抽取两张图像,分别作为模板图像和待配准图像;
S3:根据对应切割规则从所述模板图像和所述待配准图像中分别提取尺寸相同的切片,得到一组模板图像切片和对应的待配准图像切片,将所述模板图像切片和待配准图像切片按照深度方向进行融合得到图像切片对,将所述图像切片对输入配准网络模型中进行推理,得到配准图像切片;
S4:将所述配准图像切片舍去边缘部分,然后进行切片对位拼接,得到完整的配准印刷品图像。
2.根据权利要求1所述的一种基于深度学习的工业印刷品图像配准方法,其特征在于,所述配准网络模型包括编码器、解码器、中间层、空间变换层以及最后层,所述编码器包括第一编码层和第二编码层,所述解码器包括第一解码层和第二解码层,所述中间层包括池化层和卷积层,所述空间变换层包括对编码器中不同尺度的特征图进行非刚性配准。
3.根据权利要求2所述的一种基于深度学习的工业印刷品图像配准方法,其特征在于,所述“将所述图像切片对输入配准网络模型中进行推理,得到配准图像切片”具体实现步骤为:
S31、第一编码层接收输入的图像切片对进行特征提取并输出尺度为(W,H,C)的特征图,其中W和H分别表示图像的长和宽,C是通道数,表示图像的深度,采用1×1×1的卷积核对第一编码层输出的特征图进行卷积降维得到尺度为(W,H,1)的第一特征图,第二编码层将第一编码层输出的特征图先进行池化处理后再进行卷积运算并输出尺度为(W/2,H/2,C)的特征图,采用1×1×1的卷积核对第二编码层输出的特征图进行卷积运算得到尺度为(W/2,H/2,1)的第二特征图;
S32、中间层对第二编码层输出的特征图先进行池化处理再进行卷积运算,得到尺度为(W/4,H/4,C)的中间层输出特征图,第二解码层将所述中间层输出特征图上采样得到尺度为(W/2,H/2,C)的特征图,将所述尺度为(W/2,H/2,C)的特征图与第二编码层输出的特征图进行融合,融合后的特征图通过第二解码层进行卷积运算后得到第二解码层的输出特征图,采用3×3×2的卷积核对第二解码层的输出特征图进行卷积降维得到尺度为(W/2,H/2,2)的第二图像配准场;
S33、将第二特征图和第二图像配准场经过空间变换层的运算得到尺度为(W/2,H/2,1)的第二配准特征图;
S34、将第二配准特征图上采样至尺度(W,H,1),将第二解码层的输出特征图上采样至尺度(W,H,C),然后与第一编码层的输出特征图三者融合,融合后进行卷积运算得到第一解码层的尺度为(W,H,C)的输出特征图;
S...
【专利技术属性】
技术研发人员:李东明,卢光明,邸亮,范元一,陈勇杰,
申请(专利权)人:哈尔滨工业大学深圳,深圳富桂精密工业有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。