隨著計(jì)算機(jī)技術(shù)的不斷進(jìn)步,機(jī)器視覺(jué)技術(shù)已被廣泛地應(yīng)用于人臉識(shí)別、目標(biāo)檢測(cè)、遙感測(cè)距等領(lǐng)域。而圖像識(shí)別技術(shù)又是機(jī)器視覺(jué)的一個(gè)重要的技術(shù)之一。首先,本文首先介紹了選題背景和研究意義,利用機(jī)器視覺(jué)去識(shí)別PCB板圖像的結(jié)構(gòu)特點(diǎn)是否符合標(biāo)準(zhǔn)圖像,并根據(jù)PCB板圖像本身具有很多的紋理特征和較多的邊緣信息的特點(diǎn),確定了圖像特征匹配算法為本文的研究重點(diǎn)。據(jù)此,介紹了國(guó)內(nèi)外圖像識(shí)別匹配算法的研究現(xiàn)狀。其次,簡(jiǎn)要介紹了圖像匹配的原理、圖像特征匹配算法及圖像的灰度變換、圖像降噪和邊緣提取3種預(yù)處理;對(duì)比了 Harris角點(diǎn)法、SIFT算法、PCA—SIFT算法、SURF算法和Hu不變矩這些圖像特征匹配算法的優(yōu)缺點(diǎn),根據(jù)PCB板具有明顯的紋理特征和較多的邊緣信息的特點(diǎn),選擇了特征點(diǎn)識(shí)別算法SIFT和形狀識(shí)別算法Hu不變矩。然后,在分別對(duì)SIFT算法和Hu不變矩算法進(jìn)行介紹后,分析了 SIFT算法在提取邊緣特征點(diǎn)時(shí)對(duì)噪聲較敏感,容易找到錯(cuò)誤的特征點(diǎn),并且會(huì)發(fā)生錯(cuò)誤的特征點(diǎn)匹配的原因;分析了對(duì)于縮放后的簡(jiǎn)單輪廓圖,Hu不變矩在形狀識(shí)別上效率低下的原因。利用RANSAC算法、改進(jìn)的圖像距離公式和Canny算子對(duì)SI... 

【文章來(lái)源】：西華大學(xué)四川省

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１圖像匹配的三大類??Ｆｉｇ．?１．１?Ｔｈｒｅｅ?ｃａｔｅｇｏｒｉｅｓ?ｏｆ?ｉｍａｇｅ?ｍａｔｃｈｉｎｇ??

式２．１中，（ＪＣ，７）分別代表圖像的橫坐標(biāo)和縱坐標(biāo)，參數(shù)表示圖像的尺度因子，??０Ｔ越大，得到的尺度空間圖像越模糊，反之越清晰，通常情況Ｃ的取值為１．６，得到的??二維高斯曲面圖如圖２．３所示。??？？?：?：?？?？??．？?？?？?．?？?？?■??０．０３－?丨：?丨??５〇??□?□??圖２．３二維高斯曲面??Ｆｉｇ．２．３?Ｔｗｏ￣￣ｄｉｍｅｎｓｉｏｎａｌ?Ｇａｕｓｓ?ｆｕｎｃｔｉｏｎ?ｆｅａｔｕｒｅ??在二維圖像／（ＸＪ；）中，尺度空間Ｚ?是高斯核函數(shù)Ｇ?（ＪＣＡｆＴ）與二維??圖像／?（ｘｊ；，?ａ?）卷積得到，如式２．２所示。??Ｌ?（ｘ，ｙ，?（Ｊ?）?＝?Ｇ?（ｘ，ｙ，?ｃｒ?）?＊?／?Ｃｘ，ｙ，?ａ?）?（２．２）??在式２．２中，Ｌ是圖像的尺度空間，（ｘ，ｙ）代表原圖像的點(diǎn)。??通過(guò)以上的處理，我們可以得到原圖的高斯金字塔圖像，如圖２．４所示。??８??

圖２．４高斯圖像金字塔??Ｆｉｇ．２．４?Ｇｕａｓｓｉａｎ?ｉｍａｇｅ?ｐｙｒａｍｉｄ??在圖２．?４中，Ｏｃｔａｖｅ是金子塔的組數(shù)，每組共有Ｓ層（一般為３－５）。每一組間??的關(guān)系可以由式２．２來(lái)表示。??ｓ??ｃｒ（＾）?＝?ｃｒ０?？?２＾?（２．２）??式２．２中，〇〇表示圖像的初始尺度，ｓ表示金字塔每一組中的層數(shù)，Ｃ７（ｓ）第ｓ層??的圖像尺度，而每一組的組內(nèi)尺度關(guān)系由式２．３所示。??＾ｓ＋ｉ?＝〇■，?？２５?（２－３）??而相鄰組的組間關(guān)系可以化簡(jiǎn)為式２．４。??ｓ＋Ｓ??ｃｒ０＾（ｓ）＝ｃｒ？２?ｓ?（２．４）??由式２．３和式２．４可以得到式２．５。??Ｓ??＾〇＋ｉ（５）?＝?２〇－？＊２５?（２．５）??由以上式２．５可知，圖像經(jīng)過(guò)降采樣后，每一層之間的尺度空間關(guān)系為二分之一??的關(guān)系，經(jīng)過(guò)降采樣的金字塔效果圖如圖２．５所示。??９??

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的SIFT圖像匹配算法[J]. 李煬,翟社平.  計(jì)算機(jī)技術(shù)與發(fā)展. 2016(11)
[2]數(shù)字圖像處理技術(shù)綜述[J]. 來(lái)凡盛,潘瑞霞.  甘肅科技. 2015(22)
[3]基于改進(jìn)SIFT算法在圖像匹配中的研究[J]. 彭興璇,唐雪嬌,董星.  微型機(jī)與應(yīng)用. 2015(20)
[4]改進(jìn)的統(tǒng)一Hu矩在圖像目標(biāo)識(shí)別中的應(yīng)用[J]. 張琪,屈嚴(yán),董志芳.  電子器件. 2012(06)
[5]基于SIFT點(diǎn)特征和Canny邊緣特征匹配的多源遙感影像配準(zhǔn)研究[J]. 王萬(wàn)同,韓志剛,劉鵬飛.  計(jì)算機(jī)科學(xué). 2011(07)
[6]統(tǒng)一Hu矩及在電視圖像目標(biāo)識(shí)別中的應(yīng)用[J]. 徐學(xué)強(qiáng),汪渤,賀鵬.  計(jì)算機(jī)工程與應(yīng)用. 2006(29)
[7]目標(biāo)識(shí)別中Hu矩、Zernike矩和小波矩的比較[J]. 姚軍,蔣曉瑜,黃應(yīng)清.  裝甲兵工程學(xué)院學(xué)報(bào). 2006(03)

碩士論文
[1]基于改進(jìn)的SIFT圖像匹配算法研究[D]. 翟雨微.吉林大學(xué) 2017
[2]基于機(jī)器視覺(jué)的醫(yī)藥包片識(shí)別系統(tǒng)研究[D]. 李康軍.湖南大學(xué) 2016
[3]基于特征提取及特征優(yōu)選的豬只姿態(tài)識(shí)別研究[D]. 黨亞男.太原理工大學(xué) 2015
[4]復(fù)雜場(chǎng)景下車(chē)輛跟蹤研究[D]. 金龍.南京航空航天大學(xué) 2015
[5]基于改進(jìn)的SIFT算法圖像匹配的研究[D]. 沈元.河北工業(yè)大學(xué) 2014
[6]基于SIFT算法的圖像配準(zhǔn)算法研究[D]. 楊金龍.揚(yáng)州大學(xué) 2013
[7]結(jié)合小波變換和SIFT算法的遙感圖像快速配準(zhǔn)算法[D]. 李龍龍.哈爾濱工業(yè)大學(xué) 2013
[8]區(qū)域檢測(cè)算子與圖像配準(zhǔn)的應(yīng)用研究[D]. 夏鑫.電子科技大學(xué) 2013
[9]紅外和可見(jiàn)光圖像的配準(zhǔn)融合研究[D]. 盛斐斐.西安電子科技大學(xué) 2013
[10]基于圖分割的SAR圖像配準(zhǔn)方法的研究[D]. 孟慶霞.天津理工大學(xué) 2013



本文編號(hào)：2959377