[发明专利]一种激光芯片缺陷图像的特征提取技术

说明书

本发明是计算机视觉和图像处理领域，针对傅里叶变换和小波变换等特征提取方法所存在的变形稳定性差的问题加以改进。将所有沿着路径的输出散射信号，先通过计算小波系数模量，然后迭代应用到传递信号的每一层。散射通过在下一层恢复小波系数，避免了信息的丢失。通过深度卷积网络进行散射化，解出一阶和二阶散射系数，得到具体的散射卷积网络架构，最终输出缺陷特征。

技术领域

本发明属于计算机视觉和图像处理领域，具体涉及图像特征提取技术，尤其是一种激光芯片缺陷图像特征提取技术。

背景技术

缺陷类型自动识别技术是目前激光器芯片检测系统的重要技术之一，也是光学和图像领域的研究热点。对于激光器芯片，由于缺陷有裂痕，杂质，静电损伤，腔面错位等多种形式，而且缺陷部位尺寸较小，也无现成的缺陷图像数据库。对缺陷图像的特征提取极为关键。缺陷的特征向量通常需要具有平移不变性，也就是对于变形要具有一定的稳定性。平移的不变性表示可用配准算法、自相关或用傅里叶变换的模量来构造。然而，该不变量对于变形并不稳定。为了避免傅里叶变换的不稳定性，可使用局部波的形式，如小波更换正弦波。小波为局部函数且变换结果对于变形来说很稳定，但是其髙频却不具有平移不变性。

发明内容

本发明就是针对傅里叶变换和小波变换等特征提取方法所存在的变形稳定性差的问题，加以改进。本发明提出一种变形稳定性较高的基于散射变换的深度卷积网络的激光芯片缺陷图片特征提取技术。

本发明解决其技术问题所采用的技术方案是：

一种激光芯片缺陷图像的特征提取技术,所述方法包括以下步骤：

1)采集到包含激光芯片缺陷的图像；

2)对采集到的包含激光芯片缺陷的图像进行缺陷区域的分离提取；

3)将分离提取得到的缺陷图像基于散射变换的深度卷积网络的特征提取，过程如下:通过扩张和旋转小波变换得到二维方向小波，再建立平移不变的二维方向小波，随后对小波模进行新的小波再分解从而恢复高频信息，再在小波变换和模量操作子上进一步迭代，利用迭代后的小波系数计算出下一层的所有传递信号，解出一阶和二阶散射系数，得到具体的散射卷积网络架构；

4)通过支持向量机SVM进行分类。

进一步，所述步骤3)中，通过扩张和旋转小波变换，获得二维的方向小波如式：

ψ_j,γ＝2^-2jψ(2^-jr_-γu)

式中j>0，确定了ψ_j,γ的尺度，u代表ψ_j,γ的位置索引，r_-γ代表ψ_j,γ旋转-γ度，确定了ψ_j,γ的方向；

然后对缺陷图像信号f进行小波变换，通过与均值滤波器进行卷积建立平移不变的二维方向小波，如式：

对小波模|f*ψ_γ|进行新的小波再分解，恢复高频信息，进而获得新的不变特征，如式：

定义小波模传播算子

式中W_j,γ＝ψ_j,γ(2^-ju)

沿路经j₁→j₂(j₁>j₂)，γ₁→γ₂迭代一次可得：