图像处理方法、装置、电子设备、存储介质及程序产品制造方法及图纸

本申请提供了一种图像处理方法、装置、电子设备、存储介质及程序产品；方法包括：获取模板图像和待配准图像；从模板图像中识别出多个特征点，确定多个特征点对应的多个候选区域；提取候选区域的图像特征，将图像特征映射为候选区域的置信度，其中，置信度表征候选区域的唯一性和不变性；从多个候选区域中取出置信度小于置信度阈值的候选区域，将剩余的多个候选区域作为多个参考区域；基于多个参考区域构建多组配准模板；确定多组配准模板中与待配准图像的梯度差异最小的目标配准模板，基于目标配准模板对待配准图像进行配准操作。通过本申请，能够高效地生成配准模板，简化图像配准的流程。流程。流程。

【技术实现步骤摘要】
图像处理方法、装置、电子设备、存储介质及程序产品


[0001]本申请涉及图像处理技术，尤其涉及一种图像处理方法、装置、电子设备、存储介质及程序产品。

技术介绍

[0002]相关技术的工业质检方案，通常使用基于特征匹配以及基于模板匹配的图像配准方法进行图像进行配准对齐。
[0003]申请人在实施本申请实施例的过程中发现：
[0004]一方面，基于特征匹配的方法需要分别在模板图像和待配准图像中提取特征以确定特征点特征匹配，但是特征点提取和特征描述都是算法自动生成的结果，这类算法所自动选取的特征区域仅考虑了特征丰富性，由于对配准的精度和成功率要求极高，且图像的模式单一，因此并不适合用作工业图像的配准。
[0005]另一方面，基于模板匹配的方法需要在配准之前对每个拍摄点位的模板图像进行手工标注，选择其中的若干个图像区域作为参考区域。当工业产品质检过程中需要配准的图像点位特别多时，就需要消耗大量的人力成本来对各个点位的模板图像进行标注。
[0006]综上，相关技术缺乏从模板图像准确高效提取配准模板的方案，导致配准效率较低。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：获取模板图像和待配准图像；从所述模板图像中识别出多个特征点，确定所述多个特征点对应的多个候选区域；提取所述候选区域的图像特征，将所述图像特征映射为所述候选区域的置信度，其中，所述置信度表征所述候选区域的唯一性和不变性；从所述多个候选区域中取出所述置信度小于置信度阈值的候选区域，将剩余的多个候选区域作为多个参考区域；基于所述多个参考区域构建多组配准模板；确定所述多组配准模板中与所述待配准图像的梯度差异最小的目标配准模板，基于所述目标配准模板对所述待配准图像进行配准操作。2.根据权利要求1所述的方法，其特征在于，从所述模板图像中识别出多个特征点，包括：调用高斯差分函数对所述模板图像执行卷积处理，得到所述模板图像的高斯差分图像；针对所述高斯差分图像中的每个像素点，执行以下处理：确定所述像素点的多个相邻像素点；当所述像素点的尺寸均大于所述多个相邻像素点的尺寸，或者所述像素点的尺寸均小于所述多个相邻像素点的尺寸时，确定所述像素点为所述高斯差分图像中的极值点；将所述高斯差分图像中的极值点作为所述模板图像的特征点。3.根据权利要求1所述的方法，其特征在于，所述确定所述多个特征点对应的多个候选区域，包括：从所述多个特征点中取出尺寸小于尺寸阈值的特征点，将剩余的多个特征点作为多个第一目标特征点；对所述多个第一目标特征点执行最远点采样处理，得到多个第二目标特征点；将以每个所述第二目标特征点为中心且符合设定尺寸的矩形区域，作为候选区域。4.根据权利要求3所述的方法，其特征在于，所述对所述多个第一目标特征点执行最远点采样处理，得到多个第二目标特征点，包括：将每个所述第一目标特征点组合为特征点集合；从所述特征点集合中选取任意一个特征点；令n为取值从1开始递增的整数变量，n的最大值为N
‑
1，N为所述特征点集合中特征点的总数，迭代n执行以下处理：从所述特征点集合中未被选取的剩余特征点中选取特征点Pn，其中，所述特征点Pn与已被选取的特征点之间的欧式距离，大于其他剩余特征点与所述已被选取的特征点的欧式距离；按照所述特征点集合中N个特征点被选取的从先到后的次序，从所述N个特征点中选取M个特征点作为第二目标特征点，其中，所述M为大于2且小于所述N的整数。5.根据权利要求1所述的方法，其特征在于，所述提取所述候选区域的图像特征，将所述图像特征映射为所述候选区域的置信度，包括：调用卷积网络对所述模板图像在所述候选区域对应的子图像块执行卷积处理，得到所
述候选区域的卷积图像特征；调用残差网络对所述候选区域的卷积图像特征执行残差处理，得到所述候选区域的残差图像特征；调用激活层对所述残差图像特征执行映射处理，得到所述图像特征的预测概率；将所述预测概率确定为所述图像特征对应的候选区域的置信度。6.根据权利要求5所述的方法，其特征在于，所述卷积网络、所述残差网络和所述激活层构成候选区域筛选网络；在所述提取所述候选区域的图像特征之前，所述方法还包括：通过以下方式训练候选区域筛选网络：获取包括标注值的训练图像样本，其中，所述标注值用于表征所述训练图像样本满足唯一性和不变性的置信度；调用所述卷积网络对所述训练图像样本执行卷积处理，得到所述训练图像样本的卷积图像特征；调用所述残差网络对所述训练图像样本的卷积图像特征执行残差处理，得到所述训练图像样本的残差图像特征；调用激活网络对所述训练图像样本的残差图像特征执行激活处理，得到所述图像特征对应的候选区域的置信度；将所述置信度与所述标注值带入损失函数，得到所述候选区域筛选网络的损失值；基于所述损失值在所述候选区域筛选网络进行反向传播，以更新所述候选区域筛选网络的参数。7.根据权利要求1所述的方法，其特征在于，所述基于所述多个参考区域构建多组配准模板，包括：将每个所述参考区域组合为参考区域集合；对所述参考区域集合执行多轮采样处理，将每轮采样得到的多个参考区域组合为一组配准模板，其中，每轮采样处理中首次采样得到的参考区域不同。8.根据权利要求1所述的方法，其特征在于，所述确定所述多组配准模板中与所述待配准图像的梯度差异最小的目标配准模板，包括：针对每组所述配准模板执行以下处理：提取所述待配准图像的第一边缘图像特征矩阵以及所述配准模板的第二边缘图像特征矩阵；确定所述第一边缘图像特征...

【专利技术属性】
技术研发人员：刘亮，章吴浩，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：