来源：期刊VIP网 时间：
作者：周慧子;刘跃霖;刘青;李建武;
单位：北京理工大学计算机学院;珠海格力电器股份有限公司大数据中心;沈阳建筑大学中新国际工程学院;河北科技大学经济管理学院;
摘要：针对深度学习算法无法兼容设备检测及新样本收集、检测时效性及泛化能力差的瓶颈，提出了一种基于SURF特征改进的传统模板匹配检测算法。首先，使用SURF算法对图像进行特征提取，采用乘积量化理论构建搜索树，结合特征点空间位置信息快速筛选匹配点；其次，根据匹配点获取单应性矩阵和仿射变换矩阵，通过两矩阵结合筛选“内点”进行偏移量计算并执行图像配准；最后，结合局部缺陷密度度量法思想，综合区域前景及区域背景加权方式计算缺陷密度，通过缺陷密度判定标签是否合格，同时针对小字符特征少又含有局部偏移的场景，使用改进方法避免误判。结果表明，所提算法在自建数据集上的准确率、召回率及F1分别为98.67%、97.69%及98.18%,均优于主流方法，在设备上实际应用时满足实时性要求。该算法能有效提升特征点稳定性和检测精度，为其实际应用提供了技术参考。
关键词：图像处理;;缺陷检测;;SURF特征;;图像配准;;缺陷密度
基金资助：国家重点研发计划项目(2024YFE0198300,2019YFB1310803)
