[发明专利]一种基于核密度估计的贴片LED瑕疵标注方法

权利要求书

1.一种基于核密度估计的贴片LED瑕疵标注方法，其特征在于，包括：

步骤1：获得贴片LED图像；

步骤2：建立基于核密度估计的分类器模型；

步骤3：使用分类器模型对图像进行分类，判断图像是否为瑕疵类图像，若是，则执行步骤4，否则，将图像直接输出为非瑕疵类图像；

步骤4：分别对瑕疵类图像中的瑕疵类像素点和非瑕疵类像素点进行标注；

步骤5：对标注后的图像进行去噪处理，获得经过精细化标注的瑕疵类图像；

所述步骤1中的贴片LED图像包括训练图像、测试图像和经过粗标注的瑕疵类图像；所述的训练图像包括非瑕疵图像；所述的测试图像包括非瑕疵图像和瑕疵类图像；

所述的步骤2具体为：

步骤2-1：构建若干个核密度估计分类器；

步骤2-2：分别通过所有图像中处于相同位置的像素点训练核密度估计器，构建分类器模型；

步骤2-3：对分类器模型进行测试；

所述的步骤2-2使用训练图像对核密度估计器进行训练；所述的步骤2-3使用测试图像和经过粗标注的瑕疵类图像对分类器模型进行测试；

所述的分类器模型包括若干个核密度估计分类器，若干个核密度估计分类器通过投票法获得图像分类结果；

所述的核密度估计分类器的核密度估计方法为：

其中，n为样本点个数；K(·)为核函数，该函数为非负函数，积分为1，均值为0；h为平滑参数，称为带宽。

2.根据权利要求1所述的一种基于核密度估计的贴片LED瑕疵标注方法，其特征在于，所述的平滑参数h的计算方法为：

其中，σ为样本的标准差；n为样本点个数。

3.根据权利要求1所述的一种基于核密度估计的贴片LED瑕疵标注方法，其特征在于，所述的步骤3具体为：

分类器模型中的核密度估计分类器对图像的所有像素点进行检测，对所有的像素点进行分类，然后所有的核密度估计分类器通过投票法判断图像是否为瑕疵类图像，若是，则执行步骤4，否则，将图像直接输出为非瑕疵类图像。

4.根据权利要求1所述的一种基于核密度估计的贴片LED瑕疵标注方法，其特征在于，所述的步骤5具体为：

将经过分类器模型处理后的瑕疵类图像和与之对应的粗标注图像进行取交处理，最终获得经过精细化标注的瑕疵类图像。

5.根据权利要求1所述的一种基于核密度估计的贴片LED瑕疵标注方法，其特征在于，所述的核密度估计分类器通过预设瑕疵特征概率密度f₁和预设阈值ε来判断像素点是否为瑕疵类像素点，具体为：若像素点的概率密度f∈(f₁,f₁+ε)，则判断该像素点为瑕疵类像素点，否则，判断该像素点为非瑕疵类像素点。