基于Qtree_ORB算法的電池包圖像配準*

任永強，李 潤，李掌珠

(合肥工業大學機械工程學院，合肥 230009)

0 引言

圖像配準作為圖像處理中的一項基本技術，其主要用于求解不同傳感器、不同視角、不同時間獲取的圖像的最佳幾何變換，在目標識別、圖像診斷、圖像拼接、缺陷檢測等領域有著廣泛應用。其中圖像特征點的提取與匹配是圖像配準的關鍵步驟。

常用的特征點提取方法有SIFT(scale invariant feature transform)、SURF(speeded up robust features)、ORB(oriented fast and rotated brief)和AKAZE算法[1]。目前在工業中，ORB算法由于檢測特征點速度快的優點被廣泛應用。鐘鵬程等[2]提出將ORB和SURF相結合的方法完成圖像匹配，雖然魯棒性增加了，但是提取的特征點較少且出現“簇集”現象。成怡等[3]利用余弦相似度改進ORB算法，提高精確度的同時，增加了運行時間。針對標準ORB算法分布不均勻的問題，RAúL[4]等在ORB_SLAM2中提出Qtree_ORB(quadtree-based ORB algorithm)算法，采用四叉樹對特征點進行均勻化，但是標準Qtree_ORB存在四叉樹過度分割，部分特征點質量較差的情況。廖泓真等[5]使用四叉樹均勻化特征點，并采用GMS篩選匹配點對，但是四叉樹過度分割的情況沒有得到改善，并且精度達不到缺陷檢測的要求。針對上述問題，本文在Qtree_ORB算法的基礎上，設定Harris響應閾值在進行四叉樹劃分前篩選部分特征點并在原有的基礎上增加劃分深度判定條件，在提取特征點后使用融合的特征點描述符進行描述，通過空間余弦值進行預篩選并利用PROSAC算法得到強匹配點和變換矩陣，最后如果得到的變換矩陣不能滿足檢測要求，可以使用RMSProp算法對矩陣進行優化，得到更為精確的圖像變換矩陣。……