一种电路板的光学图像与红外图像之间的配准方法及装置制造方法及图纸

本发明专利技术公开一种电路板的可见光图像与红外图像之间的配准方法及装置。配准方法为：采用图像区域分块统计信息熵，并根据阈值，提取其高熵信息区域作为后续检测特征点的原始图像，在提高特征点质量的同时提升检测效率；选用FAST+SIFT算法相结合的方法提取图像特征点；采用改进的SIFT特征点环形描述子；根据FLANN匹配法与改进的RANSAC算法，完成特征点匹配与误匹配剔除，从而实现图像的精匹配。本发明专利技术在图像匹配时，通过选择更能体现出图像特征的点进行匹配，在保证匹配精度的同时改善了传统SIFT算法在进行特征点提取时效率较慢，响应强度不高的问题，在配准效率与精度上相比于传统算法均有明显提高。传统算法均有明显提高。传统算法均有明显提高。

【技术实现步骤摘要】
一种电路板的光学图像与红外图像之间的配准方法及装置


[0001]本专利技术涉及图像处理领域中的一种基于图像熵和改进的SIFT算法结合的红外与光学图像配准方法及采用所述配准方法的配准装置，尤其涉及一种电路板的光学图像与红外图像之间的配准方法及装置。

技术介绍

[0002]各类电子产品、各种电器中都会使用大量各种各样的电路板，电路板的应用越来越广泛，而电路板的机构与功能也越来越复杂，当其出现故障后，用传统接触式诊断方式必然需要花费大量时间和精力。其中红外热像检测技术是一种非接触式检测技术，已经在很多领域得到成功应用，电路板故障检测就是其重要用途之一。电路板在工作时各元件存在不同热辐射，获取红外图像后进行图像处理，将处理后的故障红外图像和未发生故障的电路板红外图像进行特征比较分析，通过智能算法判定故障部位及故障元件。
[0003]由于红外图像分辨率较低，成像过程中会丢失很多图像信息，使电路板故障位置及元器件的判断变得异常困难，而光学成像清晰，图像信息呈现完整。因此将红外图像与光学图像进行融合，可实现对产品印制电路板故障缺陷分布的精准检测，但因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电路板的可见光图像与红外图像之间的配准方法，其特征在于，所述配准方法包括以下步骤：步骤一、将所述电路板的可见光图像和红外图像作为输入图像；步骤二、针对所述两输入图像均采用非重叠滑动窗口遍历，并分割窗口，计算分割后窗口区域的信息熵，根据获取的信息熵形成的直方图，将高于给定预设信息熵阈值的图像局部区域定义为高熵区域，低于给定信息熵阈值的图像局部区域定义为低熵区域，所述高熵区域用于后续算法特征提取而参与特征点检测，所述低熵区域不参与特征点检测；步骤三、采用SIFT+FAST算法对红外图像中筛选出的高熵区域和可见光图像中筛选出的高熵区域分别进行特征点检测，分别筛选出具有代表性的点作为各自的SIFT特征点；步骤四、对两图像检测出的SIFT特征点，分别构建环形描述符并进行PCA降维处理，分别获取可见光图像的64维特征向量描述符和红外图像的64维特征向量描述符；步骤五、以欧式距离与余弦相似度作为两图像的相似性度量指标，计算两幅图像上特征点特征向量的欧式距离与余弦相似度，采用最近邻/次近邻FLANN算法对参考图像和待匹配图像进行初始匹配，并采用RANSAC算法剔除其中的错误匹配，最终实现可见光图像和红外图像之间的精匹配。2.根据权利要求1所述的电路板的光学图像与红外图像之间的配准方法，其特征在于，在步骤二中，利用信息熵阈值筛选高熵区域与低熵区域方法包括以下步骤：首先，采用非重叠滑动窗口分别对可见光图像和红外图像进行分割，用多个非重叠滑动窗口遍历每个图像，对每个图像按窗口大小进行分割，并计算每个窗口区域的信息熵；其次，根据获取信息熵形成的直方图，设置分割阈值即所述信息熵阈值，对计算出信息熵的窗口区域进行筛选，并保留大于设定信息熵阈值的窗口区域进行后续SIFT+FAST算法特征点提取，小于信息熵阈值的窗口区域则不进行后续特征点检测。3.根据权利要求2所述的电路板的光学图像与红外图像之间的配准方法，其特征在于，对于离散形式的二维图像，其信息熵P
i,j
的计算公式为：P
i,j
＝f(i,j)/W
·
h其中，W、h分别为图片的宽、高，(i,j)为一个二元组，i表示某个滑动窗口内中心的灰度值，j为该窗口内除了中心像素的灰度均值；f(i,j)表示(i,j)这个二元组在整个图像中出现的次数，H为图像二维灰度熵。4.根据权利要求1所述的电路板的光学图像与红外图像之间的配准方法，其特征在于，在步骤三中，采用SIFT+FAST算法对每个图像中筛选出的高熵区域进行特征点检测的检测方法包括以下步骤：首先，构建高斯尺度空间；图像的高斯尺度空间被定义为函数L(x,y,σ)：L(x,y,σ)＝G(x,y,σ)*I(x,y)其中，I(x,y)为输入图像，G(x,y,σ)为尺度可变高斯函数，(x,y)是图像上点坐标，σ是高斯模糊系数；每一组内的相邻层相减得到高斯差分金字塔DOG，后续特征点的提取都是在
DOG金字塔上进行的，DOG算子D(x,y,σ)的公式如下：D(x,y,σ)＝(G(x,y,kσ)
‑
G(x,y,σ))*I(x,y)＝L(x,y,kσ)－L(x,y,σ)其中，k为比例系数；其次，高斯尺度空间特征点检测及精确定位；在高斯尺度空间内搜索所有尺度和图像位置，在所有尺度每一层图像上进行极值点定位，通过判断以该点为中心，半径为3画圆的方法，当边缘上的16个像素点中最少有12个像素点满足都比I
x
+T1大或者都比I
x
－T1小时，则认为此点为关键点，然后通过拟合三维二次函数来精确的确定关键点位置和尺度，其中I
x
为检测点的像素值，T1为像素范围阈值；接着，去除低对比度的点和位于图像边缘的点；通过设定对比度阈值和Hessian矩阵去除这两种不稳定的点；最后，计算特征点方向；利用关键点邻域像素的梯度方向特点，从而实现图像的旋转不变性；以特征点为中心的多个邻域窗口内采样，并用直方图统计邻域像素的梯度方向；梯度直方图的范围是0—360
°
，每45度为一个方向，将直方图分为8个方向，即每个特征点有8个梯度方向信息；直方图的峰值代表了该特征点处邻域梯度的主方向，即作为该特征点的方向；同时使用高斯函数对直方图进行平滑，减少突变的影响，在梯度方向直方图中，当存在另外一个相当于主峰值80％能量的峰值时，则将这个方向认为是该特征点的辅方向；一个特征点可能会被指定具有多个方向，一个主方向，一个以上辅方向，用于增强匹配的鲁棒性。5.根据权利要求4所述的电路板的光学图像与红外图像之间的配准方法，其特征在于，在去除低对比度的点和位于图像边缘的点时，利用拟合三维二次函数将所述极值点精确...

【专利技术属性】
技术研发人员：黄海鸿，郑心遥，李磊，胡嘉琦，周帮来，刘志峰，
申请(专利权)人：中国电器科学研究院股份有限公司，
类型：发明
国别省市：