基于支持向量机回归的晶体图像直线轮廓检测方法
【专利摘要】本发明公开了一种基于支持向量机回归的晶体图像直线轮廓检测方法，包括采用CCD照相机采集单晶硅生长过程中的边缘轮廓线图像，对该边缘轮廓线图像进行预处理，构建关于直线角度的过完备字典，用LS-SVR的对偶优化模型求解出与直线角度所对应的稀疏表示系数，求出直线的角度；引入稀疏约束项来优化原始对偶优化模型以提高直线角度的精确度；构建一个直线偏移量的过完备字典，再根据对偶优化模型解出直线的偏移量。本发明能在样本点很少的情况下拟合直线，很好的解决高维数据，在最小二乘支持向量机的原始对偶优化模型中加入了稀疏约束项，进一步提高了算法的鲁棒性，能够准确的估计晶体生长中的中心轴的变化情况，并控制生长中的晶体中心轴位置。
【专利说明】基于支持向量机回归的晶体图像直线轮廓检测方法
【技术领域】
[0001]本发明属于测量【技术领域】，具体涉及到一种基于支持向量机回归的晶体图像直线轮廓检测方法。
【背景技术】
[0002]在单晶硅生长的直径控制系统中，晶体直径的控制是保证单晶硅能够等径生长的关键步骤，拉单晶的过程始终保持在高温负压的环境中，直径检测必须隔着观察窗在拉晶炉体外部非接触式实现，如图1所示观测模型，拉晶过程中固态晶体与液态溶液的交接处会形成一个明亮的光环，一般通过调整这个光环直径的大小来控制晶体的等径生长。然而，只控制等径生长是不够的，晶柱体可以看作是不同时间段的许多晶体薄片叠加形成的，如图2所示，为了确保晶体呈圆柱型生长，那么除了要求晶体薄片具有相同的直径外，还应该约束所有薄片都具有相同的圆心，如果只控制等径生长就有可能出现等径不等心(每个圆切片不是在一个中心轴上)的情况发生，晶体就有可能弯曲生长，如图3所示模型，严重的情况下，弯曲的单晶会触及炉壁而导致单晶炉坍塌。所以，为了确保安全生产以及生产出高质量的单晶材料，在晶体生长过程中应该同时约束每个薄片等径等轴生长。在拉晶的过程中晶体的两侧直线边缘正好能反映出晶体生长中心轴的控制状态，因此可以通过控制晶体生长边缘的变化趋势来调节拉杆的位置与方向，以便最终生成的晶体接近完美的圆柱形。所以当前晶柱体直线边缘的测量在单晶硅生长控制系统中起着至关重要的作用，检测晶体直线边缘的变化趋势也等价于检测到了晶体中心轴的变化趋势，这样晶体中心轴的估计问题就可以转化为直线检测问题。
[0003]对于晶体中心轴控制的先进、可靠的方法是非常重要的。它关系到能否及早发现问题，以降低不必要的损失。直线拟合问题可以描述为:给定一个二值图像，其中有一些像素值为I的点离散的分布在像素值为O背景上，直线检测的目标就是寻找拟合这些共线的像素值为I的点的最佳直线，并且估计出直线的角度以及偏移量。近年来也有人提出几种经典的直线检测算法，《Use of the Hough transform to detect lines and curves inpictures)) (Comm.ACM.vol.15, pp.11-15，1972)提到了霍夫曼变换(Hough)算法,Hough 变换的基本思想是点线的对偶性，由于图像空间中共线的点对应在参数空间里相交的线，在参数空间中相交于同一个点的所有直线在图像空间里都有共线的点与之对应，Hough变换是对图像中的每个点应用拉东变换(Radon transform),然后在角度-偏移量二维空间去搜索得到一个最大值点作为最终要估计的直线参数，因为在二维空间里要对所有的参数进行全局搜索，所以这种方法往往是非常耗时的。《Sensor array processing techniquesfor super resolution mult1-line-fitting and straight edge detection)) (IEEETrans.1mage Processing, vol.2, n0.4, pp.454-465，1993) 和〈〈SLIDE: subspace-basedline detection.1EEE Trans.Pattern Analysis and Machine Intelligence)) (PatternAnalysis and Machine Intelligence, vol.16, n0.11, pp.1057-1073，1994)涉及基于子空间的直线检测(Subspace-based Line DEtection),它是对图像中的每条直线与一个传感器阵列上的波阵面辐射之间做类比从而估计出直线的参数，这种方法在实际应用中的估计误差比较大，效果也往往不太理想。[0004]((Support vector machines framework for linear signal processingKSignalProcessing, vol.85, n0.12, pp.2316-2326，2005)和〈〈Least squares support vectormachine classifiers)) (Neural Process.Lett., vol.9, n0.3, pp.293-300，1999)涉及支持向量机(Support Vector Machine),它是根据统计学理论中的最小化原则提出来的，由有限数据得到判别函数，对独立的测试样本能够得到较小的误差。
【发明内容】
[0005]本发明的目的是提供一种基于支持向量机回归的晶体生长控制方法，解决了现有技术中由于晶体中心轴变化不稳定而导致最终晶体质量不高的问题，对晶体生长的过程进行实时监控，达到了使晶体稳定等径生长的目的。
[0006]本发明所采用的技术方案是:一种基于支持向量机回归的晶体图像直线轮廓检测方法，具体按照以下方式实施:
[0007]步骤1、首先采用CXD照相机采集单晶硅生长过程中的边缘轮廓线图像，对该边缘轮廓线图像进行预处理，得到用于估计的采样点；
[0008]步骤2、基于步骤I中的采样点，构建关于直线角度的过完备字典然后再用最小二乘支持向量机回归模型求解出与直线角度所对应的稀疏表示系数，再由稀疏表示系数求出直线的角度。
[0009]步骤3、对步骤2中的LS-SVR的对偶优化模型引入稀疏约束项来优化原始对偶优化模型以提高直线角度的精确度；
[0010]步骤4、基于步骤3得到的直线角度构建一个直线偏移量的过完备字典，然后再根据步骤3中的对偶优化模型解出直线的偏移量。
[0011]预处理采用基于分块和寻找特征区域的方法，用行扫描线方法对晶体图像的两侧边缘的样本点进行采样，得到用于训练的样本数据，其中，图像预处理得到大小为MXM的二值图像D，灰度为“I”的点表示直线点，而灰度为“O”的点表示背景。
[0012]直线的角度的求解过程具体按照以下步骤实施:
[0013]CXD照相机采集单晶硅生长过程中的边缘轮廓线图像，边缘轮廓线是一条直线，图像左上角像素视为坐标原点，水平向右的方向为X轴正向，垂直向下方向为y轴正向，则直线上的点的坐标lx，y}，直线通过其水平方向的偏移量无以倾斜角θ唯一确定，满足下面关系:
[0014]X = j tan θ + χ(I)
[0015]由公式⑴知，估计图像中包含多条直线的偏移量(H…,?)和角度
(θ1; θ2，…，ed)，检测直线实质上是确定直线参数无和θ ；
[0016]定义向量U:
[0017]U= [I eJU，(2)
[0018]对二进制图像D进行转换，将二维数据转换为一维数据，即
【权利要求】
1.一种基于支持向量机回归的晶体图像直线轮廓检测方法，其特征在于，具体按照以下方式实施: 步骤1、首先采用CCD照相机采集单晶硅生长过程中的边缘轮廓线图像，对该边缘轮廓线图像进行预处理，得到用于估计的采样点； 步骤2、基于步骤I中的采样点，构建关于直线角度的过完备字典然后再用最小二乘支持向量机回归模型求解出与直线角度所对应的稀疏表示系数，再由稀疏表示系数求出直线的角度。 步骤3、对步骤2中的LS-SVR的对偶优化模型引入稀疏约束项来优化原始对偶优化模型以提高直线角度的精确度； 步骤4、基于步骤3得到的直线角度构建一个直线偏移量的过完备字典，然后再根据步骤3中的对偶优化模型解出直线的偏移量X。
2.根据权利要求1所述的基于支持向量机回归的晶体图像直线轮廓检测方法，其特征在于:所述的步骤I预处理采用基于分块和寻找特征区域的方法，用行扫描线方法对晶体图像的两侧边缘的样本点进行采样，得到用于训练的样本数据，其中，图像预处理得到大小为MXM的二值图像D，灰度为“I”的点表示直线点，而灰度为“O”的点表示背景。
3.根据权利要求1或2所述的基于支持向量机回归的晶体图像直线轮廓检测方法，其特征在于:所述的步骤2直线的角度的求解过程具体按照以下步骤实施: CCD照相机采集单晶硅生长过程中的边缘轮廓线图像，边缘轮廓线是一条直线，图像左上角像素视为坐标原点，水平向右的方向为X轴正向，垂直向下方向为y轴正向，则直线上的点的坐标lx，y}，直线通过其水平方向的偏移量i以倾斜角θ唯一确定，满足下面关系:X = V tan Θ + χ(I) 由公式(I)知,估计图像中包含多条直线的偏移量(无，毛，...，^)和角度(Q1, θ2，~，ed)，检测直线实质上是确定直线参数无和θ ； 定义向量U:
4.根据权利要求3所述的基于支持向量机回归的晶体图像直线轮廓检测方法，其特征在于:所述的步骤3LS-SVR的对偶优化模型引入稀疏约束项来优化原始对偶优化模型以提高直线角度的精确度具体按照如下步骤实施: 公式(11)等价于如下所示的最小化问题:
5.根据权利要求4所述的基于支持向量机回归的晶体图像直线轮廓检测方法，其特征在于:所述的步骤4偏移量i的计算具体按照如下步骤实施: 假设与角度4所对应的潜在的的偏移量是(?'2，...Λ?ν,)，i = 1，2，一(1.基于I和4，生成一个大小为MXM的二值图像Β。，其中只包含一条偏移量和角度分别为和為的直线； 基于 Bi;J，(i，j) e [(1，1)，…，(1，吣，(2，1)，…，(2，N2),…，(d，Nd)]，构建另一个有
6.根据权利要求4或5所述的基于支持向量机回归的晶体图像直线轮廓检测方法，其特征在于:所述的将公式(17)推导成一个标准的二阶锥规划问题，由Strum开发的用于处理对称锥优化问题的MATLAB工具来解决，具体按照以下步骤实施: 在SeDuMi中，标准的优化问题形式定义为:
【文档编号】G06T7/00GK103679701SQ201310586593
【公开日】2014年3月26日 申请日期:2013年11月19日 优先权日:2013年11月19日
【发明者】梁军利, 张妙花, 曾宪玉, 刘丁, 范自强, 于国阳, 柯婷, 贾薇, 叶欣, 范文, 李敏 申请人:西安理工大学