DOI: 10.17586/2226-1494-2018-18-5-870-877


УДК004.932

ОПРЕДЕЛЕНИЕ ОБЛАСТИ ПЕРЕКРЫТИЯ ИЗОБРАЖЕНИЙ ЭЛЕКТРОННЫХ МОДУЛЕЙ

Игнатенкова О. А., Григоров М. С.


Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования: Игнатенкова О.А., Григоров М.С. Определение области перекрытия изображений электронных модулей// Научно-технический вестник информационных технологий, механики и оптики. 2018. Т. 18. № 5. С. 870–877. doi: 10.17586/2226-1494-2018-18-5-870-877

Аннотация
Исследованы особенности методов определения особых точек на изображениях электронных модулей с целью оценки возможности их применения для выявления области перекрытия. Сделан вывод о недостаточности применения данных методов для однозначного определения наличия области перекрытия. Рассмотрены особенности преобразования к единому центру координат изображений областей электронных модулей, не имеющих области перекрытия. Исследовано разложение матрицы проективного преобразования изображения в суперпозицию простых геометрических преобразований для изображения, получаемого в условиях формирования изображений областей электронных модулей. Предложен алгоритм определения наличия области перекрытия пары изображений областей электронных модулей, основанный на анализе матрицы проективного преобразования и определении параметров аффинного и проективного преобразования изображений при приведении их к единому центру координат. Предложенный алгоритм инвариантен относительно изменений масштаба и ориентации сшиваемых пар изображений областей электронных модулей и позволяет исключить в ходе сшивки изображения, полученные с искажениями, превышающими допустимые значения. Разработанный алгоритм может быть использован для оптимизации автоматизированных компьютерных алгоритмов обработки изображений электронных модулей и получения крупномасштабного изображения электронного модуля требуемого качества.

Ключевые слова: область перекрытия изображений, преобразование изображений, электронный модуль

Список литературы
  1. Игнатенкова О.А., Осипенко А.А. Крупномасштабные изображения электронных модулей // Проблемы фундаментальной и прикладной информатики в управлении, автоматизации и мехатронике: Сборник научных трудов Международной научно-технической конференции. Курск,2017. С. 42–44.
  2. Осипенко А.А., Игнатенкова О.А., Григоров М.С., Басов О.О. Обоснование необходимости совместного применения автоматической оптической инспекции и неразрушающего рентгеновского контроля электронных модулей // Научный результат. Информационные технологии. 2017. Т. 2.№ 2.C. 3–8.doi: 10.18413/2518-1092-2017-2-2-3-8
  3. Theodoridis S., Koutroumbas K. Pattern Recognition. 4th ed. NY: Academic Press, 2009. 984 p.
  4. Rankov V., Locke R.J., Edens R.J. et al. An algorithm for image stitching and blending // Three Dimensional and Multidomensional Microscopy: Image Acquisition and Processing. San Jose, 2005. P. 190–199. doi: 10.1117/12.590536
  5. Adel E., Elmogy M., Elbakry H. Image stitching system based on ORB feature based technique and compensation blending // International Journal of Advanced Computer Science and Applications. 2015.V. 6. N 9.doi: 10.14569/ijacsa.2015.060907
  6. Панков В.В., Каплиева Н.А. Создание панорамных изображений методами компьютерного зрения // Вестник ВГУ. Серия: системный анализ и информационные технологии. 2014. № 4. С. 71–74.
  7. Lowe D.G. Distinctive image features from scale-invariant keypoints // International Journal of Computer Vision. 2004. V. 60. N 2. P. 91–110.doi: 10.1023/b:visi.0000029664.99615.94
  8. Bay H., Ess A., Tuytelaars T., Gool L.V. Speeded-Up Robust Features (SURF) // Computer Vision and Image Understanding. 2008. V. 110. N 3. P. 346–359. doi: 10.1016/j.cviu.2007.09.014
  9. Цудиков М.Б., Акименко Т.А., Горбунова О.Ю. Аппаратно-программное формирование панорамы // Известия ТулГУ. Технические науки. 2012. № 3. С. 356–363.
  10. Khan N.Y., McCane B., Wyvil G. SIFT and SURF performance evaluation against various image deformations on benchmark dataset // Proc. Int. Conf. on Digital Image Computing: Techniques and Applications. 2011. P. 501–506. doi: 10.1109/DICTA.2011.90
  11. Harris C., Stephens M. A combined corner and edge detector // Fourth Alvey Vision Conference. Manchester, 1988. P. 147–151. doi: 10.5244/c.2.23
  12. Trajkovic M., Hedley M. Fast corner detection // Image and Vision Computing. 1998. V. 16. N 2. P. 75–87.
  13. Matas J., Chum O., Urban M., Pajdla T. Robust wide-baseline stereo from maximally stable extremal regions // Image and Vision Computing. 2004. V. 22. N 10. P. 761–767. doi: 10.1016/j.imavis.2004.02.006
  14. Fischler M.A., Bolles R.C. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography // Communications of the ACM. 1981. V. 24. N 6. P. 381–395. doi: 10.1145/358669.358692
  15. Путятин Е.П., Яковлева Е.В., Любченко В.А. Разложение матрицы центроаффинного преобразования для нормализации изображений // Радиоэлектроника и информатика: Харьковский национальный университет радиоэлектроники. 1998. № 4. С. 91–94.


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2018 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика