[發(fā)明專利]基于多階數(shù)分?jǐn)?shù)階小波包變換的芯片外觀缺陷檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010121346.2
• 申請(qǐng)日: 2020-02-26
• 公開(kāi)（公告）號(hào): CN111402204B
• 公開(kāi)（公告）日: 2021-07-06
• 發(fā)明（設(shè)計(jì)）人: 孫昊;劉偉華;高會(huì)軍
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06K9/62;G01N21/95
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 張換男

1.一種基于多階數(shù)分?jǐn)?shù)階小波包變換的芯片外觀缺陷檢測(cè)方法，其特征在于，所述方法具體包括以下步驟：

步驟一、使用單通道黑白相機(jī)獲取芯片外觀圖像；

步驟二、分別對(duì)步驟一獲取圖像進(jìn)行整數(shù)階數(shù)小波包分解和階數(shù)為p1、p2、p3、p4的分?jǐn)?shù)階小波包分解，獲得整數(shù)階數(shù)小波包分解結(jié)果和階數(shù)p1、p2、p3、p4對(duì)應(yīng)的分?jǐn)?shù)階小波包分解結(jié)果；

所述步驟二的具體過(guò)程為：

對(duì)步驟一獲取的圖像進(jìn)行階數(shù)為p1的分?jǐn)?shù)階小波包分解：

在行方向上，采用公式(1)對(duì)步驟一獲取圖像的數(shù)字信號(hào)進(jìn)行離散p1階傅里葉變換，得到離散p1階傅里葉變換結(jié)果DFrFT_p1(I)；

式中，I為步驟一獲取圖像的數(shù)字信號(hào)，N為數(shù)字信號(hào)的長(zhǎng)度，W^N為N×N的矩陣，和為N×N的對(duì)角線矩陣；

矩陣W^N、和的定義為：

式中，W^N[m,n]為矩陣W^N中第m行第n列的元素，p1為階數(shù)，j是虛數(shù)單位，m＝1,2，…，N，n＝1,2，…，N；

為矩陣中第n行第n列的元素，Δt為時(shí)間域的采樣間隔；

為矩陣中第n行第n列的元素，Δu為離散p1階傅里葉變換的采樣間隔；

Δt和Δu滿足如下關(guān)系：

在列方向上，再對(duì)DFrFT_p1(I)進(jìn)行離散p1階傅里葉變換，得到二維p1階分?jǐn)?shù)階傅里葉變換結(jié)果；

在行方向上，對(duì)得到的二維p1階分?jǐn)?shù)階傅里葉變換結(jié)果進(jìn)行小波包分解，得到低通濾波結(jié)果L和高通濾波結(jié)果H，在列方向上，再分別對(duì)L和H進(jìn)行小波包分解，得到二維p1階分?jǐn)?shù)階傅里葉變換結(jié)果的近似部分LL以及細(xì)節(jié)部分HL、LH和HH；

近似部分LL以及細(xì)節(jié)部分HL、LH和HH組成第一層；

同理，再對(duì)第一層的每個(gè)部分分別進(jìn)行小波包分解，獲得第二層；第二層包括對(duì)近似部分LL進(jìn)行小波包分解獲得的1個(gè)近似部分和3個(gè)細(xì)節(jié)部分、對(duì)細(xì)節(jié)部分HL進(jìn)行小波包分解獲得的1個(gè)近似部分和3個(gè)細(xì)節(jié)部分、對(duì)細(xì)節(jié)部分LH進(jìn)行小波包分解獲得的1個(gè)近似部分和3個(gè)細(xì)節(jié)部分、對(duì)細(xì)節(jié)部分HH進(jìn)行小波包分解獲得的1個(gè)近似部分和3個(gè)細(xì)節(jié)部分；即獲得第二層包含的16個(gè)部分；

再對(duì)第二層的每個(gè)部分分別進(jìn)行小波包分解，獲得第三層包含的64個(gè)部分，最終獲得包含三層的階數(shù)p1對(duì)應(yīng)的分?jǐn)?shù)階小波包分解結(jié)果；

再重復(fù)上述過(guò)程，獲得階數(shù)p2對(duì)應(yīng)的分?jǐn)?shù)階小波包分解結(jié)果、階數(shù)p3對(duì)應(yīng)的分?jǐn)?shù)階小波包分解結(jié)果、階數(shù)p4對(duì)應(yīng)的分?jǐn)?shù)階小波包分解結(jié)果；

通過(guò)對(duì)步驟一獲取圖像直接進(jìn)行整數(shù)階數(shù)小波包分解，得到整數(shù)階數(shù)小波包分解結(jié)果；

步驟三、分別計(jì)算步驟二得到的分解結(jié)果中每個(gè)部分對(duì)應(yīng)的矩陣的特征，將計(jì)算出的特征作為步驟一獲取圖像的紋理特征；再提取出步驟一獲取圖像的幾何特征和梯度特征；

步驟四、基于變分貝葉斯混合模型將步驟三得到的圖像特征進(jìn)行降維，得到降維后的特征；

步驟五、將步驟四得到的降維后特征輸入支持向量機(jī)分類器中，得到芯片外觀缺陷類型分類結(jié)果，完成對(duì)芯片外觀缺陷的檢測(cè)。

2.根據(jù)權(quán)利要求1所述的一種基于多階數(shù)分?jǐn)?shù)階小波包變換的芯片外觀缺陷檢測(cè)方法，其特征在于，所述步驟三的具體過(guò)程為：

分別計(jì)算出階數(shù)p1對(duì)應(yīng)的分?jǐn)?shù)階小波包分解結(jié)果中每個(gè)部分對(duì)應(yīng)的矩陣C_i的特征；

其中，C_i為階數(shù)p1對(duì)應(yīng)的分?jǐn)?shù)階小波包分解結(jié)果中的第i個(gè)部分對(duì)應(yīng)的矩陣，μ為C_i的均值，σ為C_i的標(biāo)準(zhǔn)差；C_i[m′,n′]為矩陣C_i中第m′行第n′列的元素，M為矩陣C_i的行數(shù)，N′為矩陣C_i的列數(shù)；

同理，計(jì)算出階數(shù)p2對(duì)應(yīng)的分?jǐn)?shù)階小波包分解結(jié)果中每個(gè)部分對(duì)應(yīng)的矩陣的特征、階數(shù)p3對(duì)應(yīng)的分?jǐn)?shù)階小波包分解結(jié)果中每個(gè)部分對(duì)應(yīng)的矩陣的特征、階數(shù)p4對(duì)應(yīng)的分?jǐn)?shù)階小波包分解結(jié)果中每個(gè)部分對(duì)應(yīng)的矩陣的特征和整數(shù)階數(shù)小波包分解結(jié)果中每個(gè)部分對(duì)應(yīng)的矩陣的特征；

將上述計(jì)算出的特征作為圖像的紋理特征；再提取出圖像的幾何特征和梯度特征。

3.根據(jù)權(quán)利要求2所述的一種基于多階數(shù)分?jǐn)?shù)階小波包變換的芯片外觀缺陷檢測(cè)方法，其特征在于，所述階數(shù)p1的取值為0.2，階數(shù)p2的取值為0.4，階數(shù)p3的取值為0.6，階數(shù)p4的取值為0.8。