基于AKAZE 算法的大尺寸电路板图像拼接研究

范洪浩，刘新妹，殷俊岭

（中北大学 电子测试技术国家重点实验室，山西 太原 030051）

0 引 言

随着科技的发展和工艺制作水平的进步，电路板制作更加精细，电路板的测试更加困难。自动测试系统在对大尺寸电路板测试时，由于设备的限制，无法获得清晰、完整的电路板图像，严重影响了自动测试系统的效率和准确率。因此，实现大尺寸电路板局部特征图片的拼接至关重要。

电路板图像拼接是按照多幅局部重合的电路板图像中的相同特征，通过映射变换拼接成具有超广角视角的大场景图像，并且拼接处看不出明显的痕迹。图像拼接克服了一般成像设备视野小、相机畸变的弊端，在较多领域中被广泛应用。本文通过AKAZE 特征检测算法对多幅局部重复的电路板图像进行特征点检测，提出了一种基于AKAZE 特征检测算法的大尺寸电路板图像拼接。首先采用AKAZE 算法检测多幅局部重合的电路板图像特征，然后经RANSAC 选取最合适的特征点，局部重合的电路板图像经视角变换后，采用权重的方法进行图像融合，完成大尺寸电路板图像的拼接。经测试，所得结果有效地解决了成像弊端，与直接拍摄相比，细节处理好且更加清晰，误差小。

1 电路板图像拼接总体框架

大尺寸电路板图像由多张具有重合区域的不同位置的局部电路板图像拼接而成，实验过程中，采用4 张局部电路板图像进行拼接。本文算法的流程主要有：

首先获得具有重复区域的4 张局部电路板图像，经AKAZE 特征检测算法对多幅局部重合的电路板图像进行关键点检测，通过BFMatcher 和KNN 算法将图像中的关键点进行双向匹配；

然后利用RANSAC 筛除各局部电路板图像中匹配错误的特征点，获得单应性矩阵；

最后对其中一幅局部的电路板图像进行视角变换后，采用以权重方式的图像融合技术完成大尺寸电路板图像的拼接。具体流程如图1 所示。

图1 大尺寸电路板图像拼接流程

2 AKAZE 特征检测算法

2.1 AKAZE 算法的优点

局部特征相关算法中被广泛应用的是SIFT 和SURF。这两种算法都是通过图像金字塔构建高斯尺度空间，但这种构建方式降低了局部的精度，会导致图像边界模糊和细节丢失。而AKAZE 算法采用非线性方式构建，保留了各层中图像的边缘细节信息。

2.2 非线性尺度空间

SIFT 算法采用下采样的方式，而AKAZE 每层中的图像大小与输入图像保持相同。尺度空间同样是金字塔型，共组 图 像、层。scale 用标 记，Octave 用标识，参数如下：

式中：是初始尺度参数；是空间层数；=是总图像数。将尺度参数δ映射到以时间t为单位的尺度参数，得：

2.3 特征点检测及描述

关键点的确定需要在各层中计算黑森矩阵，将其中各点的响应值与相邻的26个点进行比较，判断其是否为最大值。找到关键点后，采用亚像素级别精准定位。

3 不同算法对比

在构建尺度空间方面，SURF 算法的不同之处在于除去了下采样的过程，所有图片的大小并不改变，模糊程度不同。AKAZE 算法构建非线性的尺度空间除能够滤除小细节的优点外，还保留了更多的特征信息。本文选取其中一副待检测的局部电路板图像，如图2 所示。分别采用AKAZE、SIFT、SURF 算法进行检测，统计特征点数量及计算时间，检测结果如图3a）～图3c）所示。

图2 待检测图像

图3 三种算法的检测结果

针对同一局部电路板图像进行检测，检测结果如表1 所示。

由表1 可知，三种算法的检测速度为AKAZE>SIFT>SURF，检测效果为AKAZE>SURF>SIFT。由此可知，对于细节和边界的检测，AKAZE 算法优于SURF 算法和SIFT 算法。

表1 SURF、SIFT、AKAZE 算法检测结果比较

4 实验结果及分析

4.1 拼接图像

本文实验平台为Visual Studio 2017，所有算法基于OpenCV 3.4.5 实现。使用4 幅具有重复区域的局部电路板图像进行拼接，匹配结果如图4 所示。

图4 匹配电路板图像

4.2 拼接结果

对于具有重复区域的4 幅电路板图像，经AKAZE特征检测获得特征点和特征向量后，通过特征描述、单应性矩阵计算等操作，可得到完整的大尺寸电路板的拼接图像，如图5 所示。从实验结果可以看出，电路板图像拼接效果较好，与原电路板图像的重复率达98%。

图5 拼接后的电路板图像

5 结 语

针对一般成像设备视野小、相机畸变而无法获取完整、清晰的大尺寸电路板图像问题，本文提出一种多幅局部重合的电路板图像拼接方法。该算法能够有效降低边界模糊及图像细节的丢失，在与SIFT 和SURF 算法对比中显示出极大的优势。本文中首先利用AKAZE 算法检测出多幅局部重合电路板图像中的关键点；然后采用类似于SURF 特征描述方法，使用BFMatcher 对各电路板图像中的关键点进行匹配，经RANSAC 算法完成关键点的精准匹配；视角变换完成后，以权重方式对重复部分进行融合，最终完成4 幅局部重合的电路板图像的拼接。通过实验验证，本文方法对大尺寸的电路板拼接后的图像与原电路板图像的重复率达98%，大大减少了特征点提取时间与特征点匹配时间，能够解决图像的精确拼接问题，可为后续识别工作提供有效支持。