基于連通區域質心形狀上下文的印刷電路板圖像配準方法
【專利摘要】本發明描述一種基于連通區域質心形狀上下文的印刷電路板圖像配準方法。該方法屬于基于特征的圖像配準方法，興趣點為圖像連通區域的質心坐標。質心坐標的特征包括兩部分：一是以該質心坐標為中心，其所在的連通區域的形狀上下文，該形狀上下文描述了該連通區域的形狀特征，因而稱其為形狀描述子；二是該質心坐標相對于該連通區域所在圖像內其他連通區域質心坐標的形狀上下文，該形狀上下文描述了該質心坐標及其所在的連通區域在整幅圖像中的相對位置，因而稱其為相對位置描述子。利用連通區域質心坐標的形狀描述子和相對位置描述子，實現參考圖像和待配準圖像連通區域的精確匹配，進而根據精確比配的連通區域的質心坐標估計出參考圖像和待配準圖像之間的變換參數，并最終將其精確配準。
【專利說明】基于連通區域質心形狀上下文的印刷電路板圖像配準方法
[0001]【技術領域】:本發明涉及一種印刷電路板圖像的配準方法，屬于數字圖像處理領域，具體涉及基于連通區域質心形狀上下文的印刷電路板圖像配準方法。
【背景技術】:
[0002]印制電路板(PCB:Printed Circuit Boards)是電子設備中最基本的組成環節,是電子元器件的支撐體，其質量對于電子產品的性能起著舉足輕重的作用，其質量的檢測對PCB生產至關重要。傳統基于人工目測PCB瑕疵檢測方法無法滿足PCB發展的需要。自動光學檢測(Α0Ι:Automated optical inspection)技術目前是國內外主流的PCB瑕疵檢測技術。在所有AOI技術中，又以基于模板匹配的方法為主，而模板匹配的核心技術就是圖像配準。本發明即是一種PCB圖像的配準技術。
[0003]基于模板匹配的PCB瑕疵檢測，首先需要將待檢測PCB圖像與完好的模板圖像進行配準，然后通過分析配準好的待檢測圖像與模板圖像的差分圖像，檢測出待配準PCB圖像中是否包含瑕疵點。
[0004]圖像配準算法大致可分為兩類:基于區域的方法和基于特征的方法。
[0005]基于區域的方法也稱為類相關法或模板匹配法。該方法一般不需要對圖像進行復雜的預處理，只利用兩幅圖像的某種統計信息作為相似性判別標準，采用適當的搜索算法得到令相似性判別標準最大化的圖像轉換形式，以達到圖像配準的目的。主要特點是實現比較簡單，但應用范圍較窄，不能直接用于校正圖像的非線性形變，而且在最優變換的搜索過程中運算量較大。如文獻I (S.Mashohor, J.R.Evans, T.Arslan.1mageRegistration of Printed Circuit Boardsusing Hybrid Genetic Algorithm.1EEECongress on Evolutionary Computation，page (s):2685-2690, 2006)提出一種混合爬山(hill-climbing)、精英(elitism)策略的遺傳算法進行圖像配準,該算法能處理圖像配準中較簡單的平移和旋轉變換，但難以處理其他復雜的變換，而且很耗時，對初始化參數比較敏感。
[0006]基于特征的圖像配準算法借助圖像中具有的顯著特征結構，將其作為標志位，分別在參考圖像和待匹配圖像中提取出它們，然后再找到兩幅圖像標志位之間的匹配關系，繼而完成空間對位。基于特征的配準方法由于提取了圖像的顯著特征，大大壓縮了圖像信息的數據量，同時較好地保持了圖像的位移、旋轉、比例方面的特征，配準時計算量小，速度較快，應用也更為廣泛。圖像的顯著特征有很多，如點特征(包括角點、高曲率點等)、直線段、邊緣、輪廓、閉合區域特征等。
[0007]在基于特征的圖像配準算法中，點特征是常用的特征，而其中，角點是最常用的特征點。然而，現有的角點檢測方法一般依賴于圖像的梯度的計算，因而易受噪聲及光照變化的影響，而且梯度的計算實際是使用差分來近似，檢測出的角點位置往往偏離真實的角點位置，精度不高，無法滿足PCB檢測這種對精度要求較高的場合。
[0008]在基于特征的圖像配準算法中，邊緣或輪廓也是常用特征。文獻2 (Y.C.Chiou,Y.K.Zhang.An Edge-Based Registration Method for Locating Defects on PCB Films.IPCV CSREA Press (2006), p.209-215.)提出利用邊緣的二階矩及相對角進行圖像配準；文獻3 (胡濤，郭寶平，郭軒，楊歐.基于輪廓特征的圖像配準.光電工程，2009，36 (11):118-122.)首先提取圖像輪廓并計算每個輪廓點的法向角，然后對輪廓點法向角進行直方圖統計，通過對兩幅圖像的輪廓點法向角直方圖進行圓周相關計算來快速估計出兩幅圖像所存在的旋轉角度。文獻 4 (C.S.Chen, C.W.Yeh, P.Y.Yin.A novel Fourier descriptorbased image alignment algorithm for automatic opticalinspection.Journal ofVisual Communication and Image Representation, 2009, Vol.20, pp.178-189.)提出根據組件邊緣的傅里葉描述子的幅值和相位相似測度實現圖像配準。然而，在離散化的數字圖像中，邊緣或輪廓點的精確定位并非易事。通過一般的邊緣檢測算子檢測出的目標邊緣往往并不閉合，存在許多的斷點，經常需要后續邊緣連接處理。通過輪廓跟蹤算法得到的目標輪廓往往有很多的鋸齒狀部分。邊緣片段和鋸齒輪廓的出現影響圖像配準的精度。
[0009]形狀上下文(shapecontext)由文獻 5 (S.Belongie, J.Malik, J.Puzicha.ShapeMatching andObject Recognition Using Shape Context.1EEE Trans.Pattern Analysisand Machine Intelligence, 2002, 24 (4):509-522.)引入，它描述了特征點與其周圍點的相對空間分布(距離和方向)，它滿足平移不變性，對旋轉變換和尺度變換均具有較好的魯棒性。具體參見文獻 6 (Haibin Ling, David ff.Jacobs.Shape Classification Using theInner-Distance.1EEE Transactions On PatternAnalysis And Machine Intelligence,2007,29(2):286-299.)和文獻7 (楊小軍，楊興煒，曾巒等.基于輪廓關鍵點集的形狀分類.南京大學學報(自然科學)，2010，46 (I):47-55.)。
[0010]給定形狀上的η個樣本點Pl，p2，...ρη,點Pi的形狀上下文定義為點Pi與其余η-1個點的相對坐標直方圖1ii:
[0011]hj (k) = #{pj:j ^ i, Pj-Pi e bin(k)}, k = 1..K
[0012]其中bins均勻地劃分以點Pi為中心的對數-極坐標空間，K為空間劃分的總數。兩個形狀上下文比(k)和比(k)的距離Cij定義為如下X 2統計量:[0013]
【權利要求】
1.一種基于連通區域質心形狀上下文的印刷電路板圖像配準方法，其特征在于，包括以下步驟: 步驟1:提取參考圖像和待配準圖像中的連通區域，并計算參考圖像和待配準圖像中各連通區域的質心坐標； 步驟2:以各連通區域質心為中心，計算參考圖像和待配準圖像各連通區域的形狀描述子和相對位置描述子； 步驟3:根據參考圖像和待配準圖像各連通區域的形狀描述子和相對位置描述子，計算參考圖像各連通區域與待配準圖像各連通區域的之間的相似度測度； 步驟4:根據參考圖像和待配準圖像各連通區域之間的相似度測度，確定參考圖像與待配準圖像之間合適的連通區域對； 步驟5:根據步驟4確定的參考圖像與待配準圖像之間合適的連通區域對的質心坐標，估計參考圖像與待配準圖像之間的變換參數； 步驟6:根據步驟5估計得到的參考圖像與待配準圖像之間的變換參數，將待配準圖像與參考圖像進行配準。
2.根據權利要求1所述的方法，其特征在于，圖像的連通區域既包括從連通標記后的二值圖像中獲得的連通分量，也包括經由其他方法從圖像中提取出的構件或對象所在的圖像區域。
3.根據權利要求1所述的方法，其特征在于，連通區域的形狀描述子定義為該連通區域的質心在該連通區域內的形狀上下文(Shape Context)。
4.根據權利要求1所述的方法，其特征在于，連通區域的相對位置描述子定義為該連通區域的質心相對于該連通區域所在圖像內其他連通區域質心的形狀上下文(ShapeContext)。
【文檔編號】G06T7/00GK103854278SQ201210551662
【公開日】2014年6月11日 申請日期:2012年12月6日 優先權日:2012年12月6日
【發明者】鄭成勇 申請人:五邑大學