印刷电路板（PCB）上的元器件往往都是通过贴片机和插件机安装的,在安装过程中,一旦出现错件、漏件、极性反等问题,将会导致整块PCB板报废,因此在其投入使用前需要对其进行检测。与传统的人工目检方式相比,自动光学检测（AOI）技术可靠性高,稳定性好,有着更高的检测精度。随着电子行业的发展,PCB上的贴片元件正朝着集成度更高、体积更小、层数更多的方向发展,人工目检已经无法适应实际生产需求。因此研究基于图像处理的PCB表面贴装缺陷AOI技术具有重要的学术意义和应用价值。本文详细研究了PCB缺陷检测中的标志点定位、元件图像匹配、圆形元件检测和极性检测等算法,论文的主要研究内容如下:1)针对PCB中的标志点定位,提出了一种基于梯度和随机圆检测的粗精两阶段定位算法。采用改进的Canny算子进行边缘检测并提取边缘轮廓,然后根据梯度和凹凸性对边缘轮廓进行分类,通过一定的约束规则对圆弧进行筛选和聚类,接着采用改进的随机圆检测算法和最小二乘法拟合圆形标志点。2)为了满足AOI系统中的高精度定位需求,通过Zernike矩亚像素边缘检测进行精定位。传统Zernike矩亚像素边缘检测使用理想边缘模型,未考虑到实际边缘中存在过渡区,因此本文在此基础上设计了改进的三灰度边缘检测模型。最后通过仿真实验和公开数据集验证了本文提出的圆形标志点定位算法比其它算法具有较高的拟合精度和效率,并且鲁棒性也较好。3)传统的图像匹配算法不能同时进行旋转和缩放情况下的匹配,并且匹配时间长,计算量大,因此本文提出了一种改进的环形投影匹配算法。首先提出了鲁棒性更好的导数环形投影特征,并通过动态时间扭曲算法进行缩放因子估计和相似度计算,同时采用金字塔搜索进行加速,获得粗匹配候选点后再用伪Zernike矩进行精匹配,最后再通过改进的环形移动技术估计旋转角度。在PCB数据集和其它公开数据集上的实验都证明了本文算法能够高效地对目标元件进行匹配定位,并且可以应用于旋转、缩放、光照变化、噪声干扰、复杂环境、多目标匹配等情况。4)研究了上述算法在PCB缺陷检测中的具体应用,通过实验验证了标志点定位算法还可以用于圆形元件的检测,并在此基础上分析了电解电容和芯片的极性检测方法。最后分析了图像匹配技术在PCB缺陷检测中的具体应用方式。