[发明专利]一种激光芯片缺陷图像的特征提取技术在审
| 申请号： | 201811310873.7 | 申请日： | 2018-11-06 |
| 公开（公告）号： | CN109447172A | 公开（公告）日： | 2019-03-08 |
| 发明（设计）人： | 贾华宇;马珺;李明 | 申请（专利权）人： | 太原理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06T7/00 |
| 代理公司： | 太原科卫专利事务所(普通合伙) 14100 | 代理人： | 朱源;曹一杰 |
| 地址： | 030024 *** | 国省代码： | 山西;14 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 散射 小波系数 卷积 特征提取技术 图像处理领域 变形稳定性 傅里叶变换 计算机视觉 传递信号 激光芯片 缺陷特征 缺陷图像 散射系数 散射信号 特征提取 网络架构 小波变换 输出 迭代 二阶 一阶 应用 改进 恢复 网络 | ||
【主权项】：
1.一种激光芯片缺陷图像的特征提取技术，其特征在于：所述步骤如下：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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于太原理工大学，未经太原理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811310873.7/，转载请声明来源钻瓜专利网。
