[發明專利]基于支持向量機回歸的晶體圖像直線輪廓檢測方法

有效

• 申請號: 201310586593.X
• 申請日: 2013-11-19
• 公開（公告）號: CN103679701A
• 公開（公告）日: 2014-03-26
• 發明（設計）人: 梁軍利;張妙花;曾憲玉;劉丁;范自強;于國陽;柯婷;賈薇;葉欣;范文;李敏
• 申請（專利權）人: 西安理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/66
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 李娜

1.一種基于支持向量機回歸的晶體圖像直線輪廓檢測方法，其特征在于，具體按照以下方式實施：

步驟1、首先采用CCD照相機采集單晶硅生長過程中的邊緣輪廓線圖像，對該邊緣輪廓線圖像進行預處理，得到用于估計的采樣點；

步驟2、基于步驟1中的采樣點，構建關于直線角度的過完備字典然后再用最小二乘支持向量機回歸模型求解出與直線角度所對應的稀疏表示系數，再由稀疏表示系數求出直線的角度。

步驟3、對步驟2中的LS-SVR的對偶優化模型引入稀疏約束項來優化原始對偶優化模型以提高直線角度的精確度；

步驟4、基于步驟3得到的直線角度構建一個直線偏移量的過完備字典，然后再根據步驟3中的對偶優化模型解出直線的偏移量

2.根據權利要求1所述的基于支持向量機回歸的晶體圖像直線輪廓檢測方法，其特征在于：所述的步驟1預處理采用基于分塊和尋找特征區域的方法，用行掃描線方法對晶體圖像的兩側邊緣的樣本點進行采樣，得到用于訓練的樣本數據,其中，圖像預處理得到大小為M×M的二值圖像D，灰度為“1”的點表示直線點，而灰度為“0”的點表示背景。

3.根據權利要求1或2所述的基于支持向量機回歸的晶體圖像直線輪廓檢測方法，其特征在于：所述的步驟2直線的角度的求解過程具體按照以下步驟實施：

CCD照相機采集單晶硅生長過程中的邊緣輪廓線圖像，邊緣輪廓線是一條直線，圖像左上角像素視為坐標原點，水平向右的方向為x軸正向，垂直向下方向為y軸正向，則直線上的點的坐標{x,y}，直線通過其水平方向的偏移量以傾斜角θ唯一確定，滿足下面關系：

x=ytanθ+x~---(1)]]>

由公式(1)知，估計圖像中包含多條直線的偏移量和角度(θ₁,θ₂,…,θ_d)，檢測直線實質上是確定直線參數和θ；

定義向量u：

u＝[1??e^jμ??e^j2μ…e^j(M-1)μ]^T???，（2）

對二進制圖像D進行轉換，將二維數據轉換為一維數據，即

z=Du=[Σi=1dejμ(0×tanθi+x~i)Σi=1dejμ(1×tanθi+x~i)···Σi=1dejμ((M-1)×tanθi+x~i)]T=Σi=1da(θi)si,---(3)]]>

其中，μ是一個常量或者變量，標量向量

經過上述轉換，二進制圖像D轉換為由M個傳感器組成的均勻線性陣列的虛擬快拍信號z，其中第i個信號幅度為s_i，第i個信號，即第i條直線，類似于平面波，平滑移動到圖像第1列像素的左側由實心原點表示的虛擬均勻線性陣列上，其中，向量u中的μ滿足μ|tanθ_i|≤π條件；

為了從單快拍z中估計θ_i，我們建立起來一個關于角度估計的稀疏表示模型，由于這d個信號的入射角（d個直線的傾斜角），取值范圍為：[-90°,90°]，為此，我們考慮將[-90°,90°]細分為N_θ個均勻空間，基于上述均勻間隔化得到的角度集基于公式（4）描述的信號導向矢量結構以及這N_θ個可能入射方向，構造如下的虛擬導向矢量過完備字典：

A=[a(θ~1)a(θ~2)···a(θ~Nθ)]∈CM×Nθ,---(5)]]>

該過完備字典由N_θ列組成，每列具有和公式（4）相同的結構，這樣虛擬均勻線性陣列接受信號z可借助這N_θ列重新表示為：

z＝As+n??????（6）

其中與N_θ個潛在的入射角對應的信號幅度為n為對應的噪聲，當s的第i個元素對應于第d個入射角之一時，則取非零值，否則，其取值為0；

公式（6）可以寫成另外一種實數形式：

z~=A~s~+n~---(7)]]>

其中z~=real(z)imag(z),]]>A~=real(A)-imag(A)imag(A)real(A),]]>s~=real(s)imag(s),]]>n~=real(n)imag(n)]]>

其中real(·)和imag(·)分別表示·的實部與虛部，事實上，公式（7）可以看作是一個虛擬線性系統或是一個線性回歸問題，其中A(i,:)表示虛擬輸入，z(i)表示相關輸出i＝1,2,…,2M，SVR來解下面的線性回歸問題得到稀疏向量

mins~,b12s~Ts+C2Σi=12Me2(i)s.t.z~(i)=A~(i,:)s~+b+e(i),i=1,2,···,2M,---(8)]]>

其中b偏移量，e(i)為誤差項，引入拉格朗日乘子α_i,i＝1,2,…,2M,公式（8）的對偶形式為

L(s~,b,e~,α)=12s~Ts~+C2Σi=12Me~2(i)+Σi=12Mαi{z~(i)-A~(i,:)s~-b-e~(i)}---(9)]]>

優化條件如下：

∂L∂s~=0→s~=Σi=12MαiA~T(i,:)∂L∂b=0→Σi=12Mαi=0,∂L∂e~(i)=0→αi=Ce~(i),i=1,···2M,∂L∂αi=0→z~(i)-A~(i,:)s~-b-e~(i)=0,i=1,···2M.---(10),]]>

根據KKT（Karush-Kuhn-Tucker）條件，公式（9）中描述的問題簡化成如下線性系統

Q+1CI2M12M×111×2M0αb=z~0---(11)]]>

其中α＝[α₁α₂…α_2M]^T，1_2M×1表示一個2M×1維向量，每個元素都是1，只要α和b由式（11）解出來，向量由如下的公式計算出來：

s~=Σi=12MαiA~T(i,:)=A~Tα---(12)]]>

基于計算出陣列信號的虛擬譜其中第i個元素可以表示為

pspec(i)=s~2(i)+s~2(i+Nθ)---(13)]]>

然后對虛擬譜中的元素從大到小進行降序排序，定義sort為降序排序操作，Angle=sort{Pspe，c}譜線中d個最高峰的位置對應估計的角度值

(θ^1,θ^2,···,θ^d)=Angle(1,2,···d)---(14)]]>