导　　师： 潘中良

授予学位： 硕士

作　　者： ;

机构地区： 华南师范大学

摘　　要： SIFT（Scale-invariant feature transform）算法是用来提取和描述图像中局部特征点的一种高效的方法，同时也是计算机视觉中的一个重要且成功的算法。SIFT算法对于图像局部特征的提取和描述等问题具有很强的处理能力。但是传统的SIFT算法在对于只有少量重合的图像进行拼接的时候，存在着特征点提取样本量不足以及配准精准度不高的问题。为了改善图像拼接中的这两个问题，本文提出了相应的改进算法。　　本文首先介绍了图像拼接的原理和基本步骤，并将该方法应用到PCB缺陷检测中。在此基础上，本文重点介绍了SIFT算法在图像配准中的基本思想和步骤。接着，本文在传统SIFT算法中的特征点提取阶段进行改进，提出一种并行结合Harris特征点的SIFT特征点提取算法。特征点提取后用SIFT特征点描述子进行描述，特征点对匹配的时候提出并实现了一种快速邻域匹配算法对相邻图像进行匹配。基于RANSAC（随机一致性）算法思想，本文提出了一种结合相似性度量的对特征点对的误匹配点进行剔除的算法。本文的主要工作如下:　　(1)在图像配准方面中的特征点提取中，本文在传统的SIFT特征点提取的基础上提出了提取SIFT和Harris特征点，然后将提取到的特征点用SIFT描述子进行描述的算法。这样的改进能够增加更多的特征点以确保后续步骤能有足够的样本量。相比较经典的SIFT特征点的提取和描述，这种方法很好地提高了特征点的提取量。实验结果也验证了本文方法的有效性。　　(2)在图像配准方面中的特征点匹配中，本文在传统的Best-Bin-First(BBF)匹配算法的基础上提出了一种改进的快速最近邻域逼近的匹配法，很好地提高了匹配的精准度。　　(3)在图像配准方面中的获取变换矩阵阶段，本文在传统的随机一致性（RANSAC）特征点提纯算法的基础上�

关 键 词： 印刷电路板 缺陷检测 图像拼接 算法 特征点提取 相似性度量

领　　域： [电子电信—微电子学与固体电子学]