基于SURF算法的遥控器面板印刷缺陷自动检测方法

摘要

本发明公开了一种基于SURF算法的遥控器面板印刷缺陷自动检测方法，通过制作遥控器模板图像，对待检测样品图像进行直方图均衡化，通过SURF算法分别求得模板图和待测图的特征点，利用分块加速后的最近邻匹配法来匹配特征点，根据匹配的结果求得单应性矩阵，利用单应性矩阵对待测图进行仿射变换得到校正图，对叠加掩膜后的模板图和校正图做差影处理，对差影结果进行二值化和形态学处理，判断待检测样品是否合格，如果待检测样品有缺陷，定位缺陷位置，如果待检测样品没有缺陷，判断为合格样品，完成检测。该方法能有效地检测出待测样品中的缺陷，并准确定位缺陷位置。

主权项

一种基于SURF算法的遥控器面板印刷缺陷自动检测方法，包括如下步骤：步骤1：通过对多张无缺陷的标准遥控器图像进行灰度值平均化并裁剪不规则的边缘来制作遥控器模板图像；步骤2：对待检测样品图像进行直方图均衡化；步骤3：通过SURF算法分别求得模板图像和待测图的特征点，利用分块加速后的最近邻匹配法来匹配特征点，具体实施步骤为：1)步骤1a：利用Hessian矩阵行列式的局部最大值来检测候选极值点的位置，在得到候选极值点后再在尺度空间和邻域空间进行精确定位，给定图像I中的点x＝(x，y)，则Hessian矩阵H(x，σ)在尺度为σ处x点的定义为：$H(x,\sigma )=\left[\begin{array}{cc}{L}_{\mathrm{xx}}(x,\sigma )& L_{\mathrm{xy}}(x,\sigma )\\ L_{\mathrm{xy}}(x,\sigma )& L_{\mathrm{yy}}(x,\sigma )\end{array}\right]---\left(1\right)$为了加速卷积的速度，SURF算法用盒子滤波器模板与图像的卷积D_xx，D_yy，D_xy来代替L_xx(x，σ)，L_yy(x，σ)，L_xy(x，σ)，则Hessian近似矩阵H_approx的行列式为：det(H_approx)＝D_xxD_yy‑(0.9D_xy)²    (2)其中0.9为经验调节参数，确定候选极值点后再比较候选极值点及其周围尺度空间和邻域空间内的26个像素点，只有都大于或都小于这26个像素点才被确定为极值点；2)步骤2a：利用半径为6s的邻域内的像素点的Haar小波响应值来描述SURF的特征点，其中s为特征点所在的尺度值，Haar小波边长为4s；按照主方向选取20s×20s的正方形区域，将该区域划分成16(4×4)个子区域，对每个子区域计算25(5×5)个空间归一化的采样点的Haar小波响应，对每个子区域，分别计算四个量：∑dx、∑dy、∑|dx|、∑|dy|，这样每个特征点将得到一个64(16×4)维的矢量，然后对得到的64维向量进行归一化；3)步骤3a：针对模板图像中的每一个特征点像素位置为(x_i，y_i)，则只搜索待检测图中分布在以(x_i，y_i)为中心，40×40大小区域内的特征点；步骤4：根据匹配的结果求得单应性矩阵，利用单应性矩阵对待测图进行仿射变换得到校正图；步骤5：对模板图像和校正图叠加掩膜后做差影处理；步骤6：对差影结果进行二值化和形态学处理，判断待检测样品是否合格，如果待检测样品有缺陷，定位缺陷位置；如果待检测样品没有缺陷，判断为合格样品，完成检测。