期刊文献+

基于SURF特征的PCB元件匹配研究 被引量:7

Research on printed circuit board component matching based on SURF
在线阅读 下载PDF
导出
摘要 通过研究基于印刷线路板(printed circuit board,PCB)中芯片元件的特征,提出了一种利用SURF(speeded up robust fea-tures)特征与颜色信息进行PCB元件特征匹配的方法。在对PCB元件特征进行分析的基础上,计算SURF特征描述,并利用融合颜色信息的最近邻法则寻找元件之间的匹配点对,最终给出匹配判决。实验结果表明本方法误判率低、匹配精度高、鲁棒性强,可以用于PCB元件的配准检测中。 This paper proposes a novel method to match PCB (printed circuit board) components, which combines SURF (speeded up robust features ) and color information. On the basis of analyzing PCB component features, SURF and color information of each component in the printed circuit board are calculated and the nearest neighbor search algorithm is utilized to find out the matching point groups. Experimental result indicates that the method features low rate of false positive, high matching accuracy and strong robustness, and can be applied in PCB component matching system.
出处 《仪器仪表学报》 EI CAS CSCD 北大核心 2011年第9期2004-2009,共6页 Chinese Journal of Scientific Instrument
基金 浙江省公益性技术应用研究计划项目(No.2011C31014) 浙江科技学院学科交叉预研项目(No.2010JC02Y)资助
关键词 PCB匹配 特征提取 SURF特征 PCB matching feature extraction speeded up robust feature
作者简介 侯北平,2005年于浙江大学获得博士学位,现为浙江科技学院副教授,主要研究方向为图像处理、机器学习。E—mail:houbeiping@126.com.朱文,硕士,现为浙江科技学院讲师,主要研究方向为图像处理、智能控制。E—mail:joywenzhu@126.com.于爱华,2002年毕业于南京理工大学,获硕士学位,现为浙江科技学院讲师,主要研究方向为自动控制、信号处理。E—mail:yuaihua_seu@163.com。
  • 相关文献

参考文献15

二级参考文献78

共引文献267

同被引文献56

  • 1王庆国,隗剑秋,张治勇,吴燕玲.地形表达中的DEM形式和等高线形式比较[J].武汉化工学院学报,2005,27(2):22-23. 被引量:3
  • 2周晓乐,张清.利用DEM数字高程模型计算坡度的差异性分析[J].水土保持研究,2006,13(6):145-146. 被引量:11
  • 3杨顺辽,苏明,钟立,李泽军.基于图像处理的印制电路板缺陷自动检测[J].计算机测量与控制,2007,15(5):591-592. 被引量:14
  • 4四川省国土资源厅.全国矿产资源利用观状调查项目办公室.矿区资源储量核查技术要求解谈.2012-01-16[2014-05-02].http://www. scdlr. gov. cn/adminrool/site/site/portal/sc/common_c. pollal[ contentld = 189375 ] [ categoryld = 4487 ] [ categoryCode = 001001013013 ].
  • 5任自珍.基于等高线特征分析的LiDAR建筑物与道路提取.成都:西南交通大学,2009.
  • 6马俊生.滑坡体数字高程模型(DEM)的构建及其应用研究.武汉:武汉理工大学,2005.
  • 7张万华.基于区域SURF的图像匹配算法研究.上海:华东理工大学,2010.
  • 8Lowe D G.Distinctive image features from scale-invariant keypoints[J].International Journal of Computer Vision,2004,60(2):91-110.
  • 9Chapelle O,Vapnik V,Bousquet O,et al.Choosing Multiple Parameters for Support Vector Machines[J].Machine Learning,2002(1-3):131-159.
  • 10Bay H,Tuytelaars T,Van Gool L.Speeded-up robust features(SURF)[J].Computer Vision and Image Understanding,2008,110(3):346-359.

引证文献7

二级引证文献18

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部