基于支持向量機回歸的晶體圖像直線輪廓檢測方法
【專利摘要】本發(fā)明公開了一種基于支持向量機回歸的晶體圖像直線輪廓檢測方法，包括采用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(yù)處理，構(gòu)建關(guān)于直線角度的過完備字典，用LS-SVR的對偶優(yōu)化模型求解出與直線角度所對應(yīng)的稀疏表示系數(shù)，求出直線的角度；引入稀疏約束項來優(yōu)化原始對偶優(yōu)化模型以提高直線角度的精確度；構(gòu)建一個直線偏移量的過完備字典，再根據(jù)對偶優(yōu)化模型解出直線的偏移量。本發(fā)明能在樣本點很少的情況下擬合直線，很好的解決高維數(shù)據(jù)，在最小二乘支持向量機的原始對偶優(yōu)化模型中加入了稀疏約束項，進一步提高了算法的魯棒性，能夠準(zhǔn)確的估計晶體生長中的中心軸的變化情況，并控制生長中的晶體中心軸位置。
【專利說明】基于支持向量機回歸的晶體圖像直線輪廓檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于測量【技術(shù)領(lǐng)域】，具體涉及到一種基于支持向量機回歸的晶體圖像直線輪廓檢測方法。
【背景技術(shù)】
[0002]在單晶硅生長的直徑控制系統(tǒng)中，晶體直徑的控制是保證單晶硅能夠等徑生長的關(guān)鍵步驟，拉單晶的過程始終保持在高溫負(fù)壓的環(huán)境中，直徑檢測必須隔著觀察窗在拉晶爐體外部非接觸式實現(xiàn)，如圖1所示觀測模型，拉晶過程中固態(tài)晶體與液態(tài)溶液的交接處會形成一個明亮的光環(huán)，一般通過調(diào)整這個光環(huán)直徑的大小來控制晶體的等徑生長。然而，只控制等徑生長是不夠的，晶柱體可以看作是不同時間段的許多晶體薄片疊加形成的，如圖2所示，為了確保晶體呈圓柱型生長，那么除了要求晶體薄片具有相同的直徑外，還應(yīng)該約束所有薄片都具有相同的圓心，如果只控制等徑生長就有可能出現(xiàn)等徑不等心(每個圓切片不是在一個中心軸上)的情況發(fā)生，晶體就有可能彎曲生長，如圖3所示模型，嚴(yán)重的情況下，彎曲的單晶會觸及爐壁而導(dǎo)致單晶爐坍塌。所以，為了確保安全生產(chǎn)以及生產(chǎn)出高質(zhì)量的單晶材料，在晶體生長過程中應(yīng)該同時約束每個薄片等徑等軸生長。在拉晶的過程中晶體的兩側(cè)直線邊緣正好能反映出晶體生長中心軸的控制狀態(tài)，因此可以通過控制晶體生長邊緣的變化趨勢來調(diào)節(jié)拉桿的位置與方向，以便最終生成的晶體接近完美的圓柱形。所以當(dāng)前晶柱體直線邊緣的測量在單晶硅生長控制系統(tǒng)中起著至關(guān)重要的作用，檢測晶體直線邊緣的變化趨勢也等價于檢測到了晶體中心軸的變化趨勢，這樣晶體中心軸的估計問題就可以轉(zhuǎn)化為直線檢測問題。
[0003]對于晶體中心軸控制的先進、可靠的方法是非常重要的。它關(guān)系到能否及早發(fā)現(xiàn)問題，以降低不必要的損失。直線擬合問題可以描述為:給定一個二值圖像，其中有一些像素值為I的點離散的分布在像素值為O背景上，直線檢測的目標(biāo)就是尋找擬合這些共線的像素值為I的點的最佳直線，并且估計出直線的角度以及偏移量。近年來也有人提出幾種經(jīng)典的直線檢測算法，《Use of the Hough transform to detect lines and curves inpictures)) (Comm.ACM.vol.15, pp.11-15，1972)提到了霍夫曼變換(Hough)算法,Hough 變換的基本思想是點線的對偶性，由于圖像空間中共線的點對應(yīng)在參數(shù)空間里相交的線，在參數(shù)空間中相交于同一個點的所有直線在圖像空間里都有共線的點與之對應(yīng)，Hough變換是對圖像中的每個點應(yīng)用拉東變換(Radon transform),然后在角度-偏移量二維空間去搜索得到一個最大值點作為最終要估計的直線參數(shù)，因為在二維空間里要對所有的參數(shù)進行全局搜索，所以這種方法往往是非常耗時的?！禨ensor array processing techniquesfor super resolution mult1-line-fitting and straight edge detection)) (IEEETrans.1mage Processing, vol.2, n0.4, pp.454-465，1993) 和〈〈SLIDE: subspace-basedline detection.1EEE Trans.Pattern Analysis and Machine Intelligence)) (PatternAnalysis and Machine Intelligence, vol.16, n0.11, pp.1057-1073，1994)涉及基于子空間的直線檢測(Subspace-based Line DEtection),它是對圖像中的每條直線與一個傳感器陣列上的波陣面輻射之間做類比從而估計出直線的參數(shù)，這種方法在實際應(yīng)用中的估計誤差比較大，效果也往往不太理想。[0004]((Support vector machines framework for linear signal processingKSignalProcessing, vol.85, n0.12, pp.2316-2326，2005)和〈〈Least squares support vectormachine classifiers)) (Neural Process.Lett., vol.9, n0.3, pp.293-300，1999)涉及支持向量機(Support Vector Machine),它是根據(jù)統(tǒng)計學(xué)理論中的最小化原則提出來的，由有限數(shù)據(jù)得到判別函數(shù)，對獨立的測試樣本能夠得到較小的誤差。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的是提供一種基于支持向量機回歸的晶體生長控制方法，解決了現(xiàn)有技術(shù)中由于晶體中心軸變化不穩(wěn)定而導(dǎo)致最終晶體質(zhì)量不高的問題，對晶體生長的過程進行實時監(jiān)控，達到了使晶體穩(wěn)定等徑生長的目的。
[0006]本發(fā)明所采用的技術(shù)方案是:一種基于支持向量機回歸的晶體圖像直線輪廓檢測方法，具體按照以下方式實施:
[0007]步驟1、首先采用CXD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(yù)處理，得到用于估計的采樣點；
[0008]步驟2、基于步驟I中的采樣點，構(gòu)建關(guān)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(yīng)的稀疏表示系數(shù)，再由稀疏表示系數(shù)求出直線的角度。
[0009]步驟3、對步驟2中的LS-SVR的對偶優(yōu)化模型引入稀疏約束項來優(yōu)化原始對偶優(yōu)化模型以提高直線角度的精確度；
[0010]步驟4、基于步驟3得到的直線角度構(gòu)建一個直線偏移量的過完備字典，然后再根據(jù)步驟3中的對偶優(yōu)化模型解出直線的偏移量。
[0011]預(yù)處理采用基于分塊和尋找特征區(qū)域的方法，用行掃描線方法對晶體圖像的兩側(cè)邊緣的樣本點進行采樣，得到用于訓(xùn)練的樣本數(shù)據(jù)，其中，圖像預(yù)處理得到大小為MXM的二值圖像D，灰度為“I”的點表示直線點，而灰度為“O”的點表示背景。
[0012]直線的角度的求解過程具體按照以下步驟實施:
[0013]CXD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(biāo)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(biāo)lx，y}，直線通過其水平方向的偏移量無以傾斜角θ唯一確定，滿足下面關(guān)系:
[0014]X = j tan θ + χ(I)
[0015]由公式⑴知，估計圖像中包含多條直線的偏移量(H…,?)和角度
(θ1; θ2，…，ed)，檢測直線實質(zhì)上是確定直線參數(shù)無和θ ；
[0016]定義向量U:
[0017]U= [I eJU，(2)
[0018]對二進制圖像D進行轉(zhuǎn)換，將二維數(shù)據(jù)轉(zhuǎn)換為一維數(shù)據(jù)，即
【權(quán)利要求】
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(yù)處理，得到用于估計的采樣點； 步驟2、基于步驟I中的采樣點，構(gòu)建關(guān)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(yīng)的稀疏表示系數(shù)，再由稀疏表示系數(shù)求出直線的角度。 步驟3、對步驟2中的LS-SVR的對偶優(yōu)化模型引入稀疏約束項來優(yōu)化原始對偶優(yōu)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(gòu)建一個直線偏移量的過完備字典，然后再根據(jù)步驟3中的對偶優(yōu)化模型解出直線的偏移量X。
2.根據(jù)權(quán)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I預(yù)處理采用基于分塊和尋找特征區(qū)域的方法，用行掃描線方法對晶體圖像的兩側(cè)邊緣的樣本點進行采樣，得到用于訓(xùn)練的樣本數(shù)據(jù)，其中，圖像預(yù)處理得到大小為MXM的二值圖像D，灰度為“I”的點表示直線點，而灰度為“O”的點表示背景。
3.根據(jù)權(quán)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(biāo)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(biāo)lx，y}，直線通過其水平方向的偏移量i以傾斜角θ唯一確定，滿足下面關(guān)系:X = V tan Θ + χ(I) 由公式(I)知,估計圖像中包含多條直線的偏移量(無，毛，...，^)和角度(Q1, θ2，~，ed)，檢測直線實質(zhì)上是確定直線參數(shù)無和θ ； 定義向量U:
4.根據(jù)權(quán)利要求3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3LS-SVR的對偶優(yōu)化模型引入稀疏約束項來優(yōu)化原始對偶優(yōu)化模型以提高直線角度的精確度具體按照如下步驟實施: 公式(11)等價于如下所示的最小化問題:
5.根據(jù)權(quán)利要求4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4偏移量i的計算具體按照如下步驟實施: 假設(shè)與角度4所對應(yīng)的潛在的的偏移量是(?'2，...Λ?ν,)，i = 1，2，一(1.基于I和4，生成一個大小為MXM的二值圖像Β。，其中只包含一條偏移量和角度分別為和為的直線； 基于 Bi;J，(i，j) e [(1，1)，…，(1，吣，(2，1)，…，(2，N2),…，(d，Nd)]，構(gòu)建另一個有
6.根據(jù)權(quán)利要求4或5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:所述的將公式(17)推導(dǎo)成一個標(biāo)準(zhǔn)的二階錐規(guī)劃問題，由Strum開發(fā)的用于處理對稱錐優(yōu)化問題的MATLAB工具來解決，具體按照以下步驟實施: 在SeDuMi中，標(biāo)準(zhǔn)的優(yōu)化問題形式定義為:
【文檔編號】G06T7/00GK103679701SQ201310586593
【公開日】2014年3月26日 申請日期:2013年11月19日 優(yōu)先權(quán)日:2013年11月19日
【發(fā)明者】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 申請人:西安理工大學(xué)