学位论文 > 优秀研究生学位论文题录展示

LED芯片检测系统视觉图像分析技术研究

作　者: 李蒙
导　师: 薛凌云
学　校: 杭州电子科技大学
专　业: 检测技术与自动化装置
关键词: 图像分析 LED芯片 RHT-LSM 分水岭
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 122次
引　用: 0次
阅　读: 论文下载

内容摘要

LED芯片检测与分选是LED芯片生产中的重要工序。全自动LED芯片检测、分拣设备中的关键技术之一就是机器视觉图像对准定位。视觉定位的过程是通过对待检测、分选的LED芯片图像进行处理与分析,提取并输出图像特征(如边缘、轮廓及标识等),通过这些特征信息的辨析,获取芯片晶粒的形状、位置、姿态等参数,并给伺服控制器提供运动控制参数,完成芯片对准。本文对LED芯片图像分析,以期获得适用于LED视觉定位任务的图像处理技术与方法。LED芯片图像主要表现为含噪背景、芯片片基、电极三类景物,要实现LED视觉定位任务,需对其进行图像分割、目标识别与定位。图像分割是为了获取芯片片基和电极两类感兴趣区域。目标识别即分类过程,需特征提取与分析匹配。定位则是在提取的特征基础上做参数计算,获取目标位置。本文具体研究内容如下:(1) LED图像特征分析。探讨LED芯片图像特征,统计了LED芯片图像的灰度特征。应用几何参数、区域与边缘的7个Hu不变矩开展了对两类电极和片基的特征提取与分析工作。通过数据对比分析,选取可以很好的区分两类电极目标以及片基目标的特征——周长、面积以及边缘的不变矩做为分类依据。(2)基于区域的图像分割技术。根据LED芯片图像的区域特性,应用Otsu双阈值和基于直方图势函数标记的分水岭分割方法对LED图像进行分割。实验结果表明,分水岭分割较Otsu双阈值分割效果更好。Otsu双阈值分割能够将电极、片基和背景三类区域提取出来,但片基区域内部含有误判为背景的区域。标记分水岭分割方法采用直方图多阶势函数自动衰减实现标记提取,在标记基础上的分水岭分割能够将电极、片基和背景区域分离提取,片基内部不会出现误判为背景的区域。而且标记分水岭分割在LED芯片图像的应用中较好的抑制了过分割现象。(3)基于边缘检测的图像分割技术。应用Canny边缘检测算子对LED芯片图像进行边缘检测,获取LED芯片图像的边缘信息,并在Canny边缘基础上对目标区域进行种子填充与区域生长,提取区域信息。利用面积误分率评判分割效果,由Canny算子所得分割结果比采用基于区域的Otsu双阈值分割和直方图势函数标记的分水岭分割结果面积误分率更低。(4)基于Hough变换的特征描述方法。应用Hough变换(HT)实现对LED芯片图像中直线和圆的检测。研究随机Hough变换(RHT)机制,在RHT基础上提出了RHT与最小二乘法(LSM)相结合的算法(RHT- LSM)。该算法首先通过RHT选取合适的点集,再对选取的点集用LSM拟合,使得该算法具有RHT的较强抗干扰能力和LSM对点集拟合的残差最小特性。使用RHT- LSM对已知参数的理想图和缺陷图进行直线和圆的检测实验,验证了算法的有效性和稳定性。在LED芯片图像的应用中,采用RHT-LSM可获得精确的LED芯片形位参数。本文通过对LED芯片检测系统视觉任务相关的图像分析技术的研究,能够实现LED芯片图元分类,计算较精确的形位参数。

全文目录

摘要  5-7
ABSTRACT  7-12
第1章绪论  12-22
  1.1 课题来源及研究背景  12-16
    1.1.1 LED 产业背景  12
    1.1.2 视觉图像检测  12-14
    1.1.3 视觉图像处理分析方法  14-15
    1.1.4 研究意义  15-16
  1.2 LED 视觉检测任务  16-17
  1.3 LED 视觉图像的处理与分析  17
  1.4 图像分析的关键问题  17-20
    1.4.1 图像分割方法  18-19
    1.4.2 图像特征提取与分析  19-20
    1.4.3 特征描述  20
  1.5 研究目标和任务  20
  1.6 主要内容  20-22
第2章 LED 芯片图像特征分析  22-36
  2.1 图像与图像特征  22-29
    2.1.1 基于灰度的特征  23-25
    2.1.2 基于空间的特征  25-26
    2.1.3 形态特征  26-29
  2.2 LED 芯片图像特征  29-35
    2.2.1 LED 芯片灰度特征  30-32
    2.2.2 LED 芯片图像空间特征  32
    2.2.3 LED 芯片图像形态特征  32-35
  2.3 本章小结  35-36
第3章基于区域分割的特征提取方法  36-49
  3.1 图像分割概述  36-37
  3.2 基于阈值的图像分割  37-39
    3.2.1 Otsu 阈值分割  37-38
    3.2.2 Otsu 双阈值分割  38-39
  3.3 基于分水岭思想的图像分割  39-46
    3.3.1 分水岭变换原理  40-43
    3.3.2 基于标记的分水岭变换  43-46
  3.4 区域图像分割实验与分析  46-48
  3.5 本章小结  48-49
第4章基于边缘检测的特征提取方法  49-60
  4.1 图像边缘  49-50
  4.2 边缘检测技术  50-51
  4.3 Canny 算子  51-54
    4.3.1 Canny 算子的基本原理  52-53
    4.3.2 Canny 算子的计算实现  53-54
    4.3.3 Canny 算子边缘检测基本步骤  54
  4.4 基于边缘的区域提取  54-56
    4.4.1 算法原理与实现  55-56
    4.4.2 算法步骤  56
  4.5 边缘图像分割实验与分析  56-59
    4.5.1 Canny 边缘检测实验  56-58
    4.5.2 区域提取实验  58-59
  4.6 本章小结  59-60
第5章基于Hough 变换的特征描述  60-79
  5.1 Hough 变换原理  60-62
    5.1.1 标准Hough 变换(SHT)  61
    5.1.2 随机Hough 变换(RHT)  61-62
  5.2 Hough 变换检测几何基元  62-69
    5.2.1 Hough 变换直线检测  62-66
    5.2.2 Hough 变换圆检测  66-69
  5.3 结合最小二乘法的RHT  69-73
    5.3.1 最小二乘法(LSM)  69-72
    5.3.2 RHT-LSM  72-73
  5.4 RHT-LSM 实验与分析  73-78
  5.5 本章小结  78-79
第6章总结与展望  79-81
致谢  81-82
参考文献  82-86
作者在读期间发表的学术论文与参与的科研工作  86

LED芯片检测系统视觉图像分析技术研究

内容摘要

全文目录

相似论文