基于梯度和互信息的PCB芯片红外热像配准

【摘要】芯片图像配准是机载电子故障板卡诊断系统进行图像处理的重要环节，配准效果直接影响到下一步芯片的定位识别。本研究采用基于形态学梯度和互信息相结合的红外图像配准方法。该方法不仅考虑所有体素信息，而且有效结合像素在空间位置的相互关系。实验结果表明，该方法能够有效提高配准精度和速度。

【关键词】芯片;红外图像配准;互信息;形态学梯度

1.引言

目前，红外检测技术广泛应用于电气设备和电路板卡的故障检测[1]。机载电子线路板卡上分布有若干芯片，所有芯片都正常工作时才能保证整个板卡实现相应的功能。为了建立板卡上数个典型芯片的红外热像温度标准图库，芯片的图像配准是完成目标识别定位的关键技术之一，配准的结果直接影响到故障的检测与定位。图像配准是指对含有相同目标的两幅（或两幅以上）图像空间位置的对准，并被广泛应用于航空航天、地理信息、图像镶嵌、图像融合、目标识别、医学图像分析、机器人视觉、虚拟现实等领域。图像配准方法[2]可分为基于特征的配准和基于像素的配准。文献[3]中提出了基于互信息的图像配准算法，该算法运算量大且运算速度较慢;同时，由于互信息的计算只考虑了图像的灰度信息而缺乏图像的空间信息，因此使得该算法容易产生误配准[4-5]，配准精度不高。本文针对传统互信息配准算法的不足，提出基于形态学梯度和互信息相结合的图像配准算法。

2.基于形态学梯度互信息的图像配准方法

2.1 互信息配准原理

互信息是信息论的一个基本概念，是两个随机变量统计相关性的测度。两个随机变量A，B，其边缘概率分别为PA（a），PB（b），联合概率为PAB（a，b），如果PAB（a，b）=PA（a）.PB（b），则A，B统计独立。互信息I（a，b）灰度值的联合概率分布PAB（a，b）和将这幅图像视作独立变量时的联合概率PA（a）.PB（b）的距离，即度量两幅图像的依赖程度。当精确配准时，两幅图像的依赖程度高，互信息值大;失配时，依赖程度降低，互信息值小。换言之，当两幅图像几何上对齐，它们对应体素对的强度值的互信息值最大。互信息用公式可表示为：

（1）

然而，通过互信息的计算公式可知：互信息的计算只考虑了图像的灰度信息而缺乏图像的空间信息，使得该方法容易产生误配准，影响配准精度。图像梯度则能考虑到图像自身像素间的空间相关信息，准确反应出图像边缘的灰度变化，从而定位图像中的组织结构轮廓。在图像配准中，灰度变化剧烈的高频位置不仅具有相似的灰度分布，而且具有相似的灰度变化。因此，本文在互信息基础上，提出了一种结合图像高频梯度信息来进行图像配准的形态学梯度互信息的概念。

图1 实验板卡标准图像及其待配准图像

2.2 形态学梯度互信息

本研究采用灰度倒置变换以增强图像的灰度信息，变换公式如下：

（5）

其中h为处理后图像灰度值f为原图像灰度值，hmax，hmin分别是处理后图像的最大，最小灰度值，fmax，fmin分别是原图像的最大，最小灰度值。

本文算法实现的过程是先对待配准的图像进行形态学梯度化，提取其特征图像，然后经过灰度变换处理，增强图像的灰度信息，最后用互信息为相似测度进行配准。

3.实验结果与分析

在Matlab R2009a环境下对本文算法进行了实验验证，如图1中（a）图为实验板卡的标准图像，（c）图为实验板卡的待配准图像。待配准图像是标准图像向左平移2个单位，向上平移10个单位，逆时针旋转15度下的结果。

4.结论

本文针对PCB板芯片红外图像噪声大，灰度变化不明显等特点，首先经形态学梯度来检测图像边缘，然后采用以互信息为测度的配准算法，从而进缩短了配准时间。实验结果证明，本文算法能够有效改善局部极值，极大提高图像配准效率，对图像梯度化处理，配准精度也有很大提升。

参考文献

[1]魏新，马丽华，李云霞，等.改进配准测度的SUFT红外图像快速配准算法[J].电光与控制，2012，19（11）.

[2]叶波，陆雪松，张素，等.基于互信息图像配准中的局部极值问题研究[J].计算机工程与应用，2007，43（6）.

[3]Josien P，Maintz J B，Viergever M.Image registration by maximization of combined mutual information and gradient information[J].IEEE Transaetions on Medial imaging，2000，19（8）：809-814.

[4]陈明，陈武凡，冯前进.基于互信息量和模糊梯度相似性的医学图像配准[J].电子学报，2003，31（12）：1835-1838.