一种基于实时图像检测技术分析晶体生长形状和尺寸分布的方法

摘要

本发明提供一种基于实时图像检测技术的在线分析反应釜结晶过程晶体生长形状和尺寸分布方法。首先，针对图像尺寸较大问题，对实时采集的图像进行压缩，并滤波去噪；针对图像光照不均问题，采用图像增强技术，便于图像分割。其次，对分割后的图像的进行尺寸、形状和纹理特征提取，引入内距描述因子区分不同晶体的基本形状。利用聚类算法筛除图像中的颗粒碎片和一些无统计意义的颗粒。然后，采用基于亚像素边缘检测和圆拟合的尺寸标定算法来计算晶体颗粒的尺寸，得到尺寸分布。最后，利用特征降维和支持向量机识别晶体的形状。本发明能够在线提取多幅图像中的晶体颗粒，在线获取晶体生长形状与尺寸分布信息，有助于实时分析反应釜内结晶工况和调控优化。

主权项

一种基于实时图像检测技术分析晶体生长形状和尺寸分布方法，其特征在于，包括以下步骤：第一步，图像处理采用小波变换的图像压缩技术降低图像尺寸，防止实时分析中图像较大造成时间滞后；采用导向滤波和冲击滤波结合的方式进行图像滤波；采用图像增强技术，对目标区域进行基于多尺度Retinex算法的增强处理，解决晶体图像光照不均的问题；采用最小交叉熵分割方法提取晶体轮廓；第二步，结合晶体控制因素，对晶体的尺寸特征、形状特征和纹理特征进行特征提取，计算晶体尺寸和分析晶习；所述的晶体的尺寸特征包括长度、宽度、面积和周长；所述的晶体的形状特征包括圆形度、矩形度、长宽比、离心率、凹凸度、傅里叶描述子、几何矩和内距描述子IDD；所述的晶体的纹理特征包括对比度、能量、熵和分形维数；其中，内距描述因子IDD区分不同晶体的基本形状，提取晶体的内距描述子IDD过程为：晶体颗粒中心到边缘的距离称为内距，其表示曲线为：$\left\{\begin{array}{c}x=x\left(\theta \right)\\ y=y\left(\theta \right)\end{array}\right.,-\pi \le \theta \le \pi ---\left(19\right)$边缘点为(x_n,y_n)，n＝1,2,…,N，中心(x_c,y_c)为：$\left\{\begin{array}{c}{x}_c=\frac{1}{N}\underset{n=0}{\overset{N-1}{\Sigma }}{x}_n\\ y_c=\frac{1}{N}\underset{n=0}{\overset{N-1}{\Sigma }}{y}_n\end{array}\right.---\left(20\right)$内距计算公式为：$d_n=\sqrt{{(x_c-x_n)}^2+{(y_c-y_n)}^2}---\left(21\right)$内距方差为：${\rho }_n=d_n-\bar{d}---\left(22\right)$其中，为均值，内距描述因子IDD为：$Bd=S_d/\bar{d}---\left(24\right)$其中，S_d为ρ_n的方差；第三步，筛选颗粒按照颗粒的面积进行K‑means聚类，自动筛除相对较小的颗粒；按照凸凹度的标准筛除粘连严重的颗粒，凸凹度较小的颗粒划分为粘连晶体；具体过程为：将颗粒面积分为大、中、小和极小4组；设面积集合为X＝{x(i)|i＝1,2,…,m}，聚类中心为μ(j),j＝1,…,k，基于K均值聚类的筛选为：3.1)把x(i)分配到c(i)类别中，表达式为：$c\left(i\right)=\arg \underset{j}{min}\left|\right|x\left(i\right)-\mu \left(j\right)|{|}^2---\left(25\right)$3.2)更新X的类中心μ(j)，有$\mu \left(j\right)=\frac{\underset{i=1}{\overset{m}{\Sigma }}1\{c\left(i\right)=j\}x\left(i\right)}{\underset{i=1}{\overset{m}{\Sigma }}1\{c\left(i\right)=j\}}---\left(26\right)$聚类后,对应最小μ(j)的j^*由下式得出，$j^{*}=\arg \underset{j}{min}\mu \left(j\right),j=1,...,k---\left(27\right)$所有在j^*类内的颗粒作为极小颗粒被删除；同理，计算颗粒的凸凹度，将其分为2类，最小类中心的颗粒为粘连颗粒，将被删除；留下的颗粒将用作后续的测量和识别；第四步，测量晶体尺寸在测量晶体尺寸之前，用圆形微米尺对图像进行像素当量标定：将微米尺放置在成像点处；为了提高边缘检测定位的精度，采用亚像素边缘检测，对边缘点进行圆拟合，求出圆的半径；求出本成像系统的像素当量；测量晶体的二维尺寸，采用最小最适矩形拟合颗粒轮廓，求出该矩形的长轴和短轴，即为该颗粒的长度和宽度；第五步，识别晶体形状5.1)特征集为非线性，采用基于谱回归核判别法SRKDA的特征降维模型对特征集进行降维；5.2)采用支持向量机SVM对降维后的特征集进行分类；其中，在SVM训练模型参数时，由于SVM的C、g两个参数需预先给出，采用交叉验证法选取C、g两个参数；选取原则为在模型识别率最高的情况下，C取最小值时对应g的值。