CN103310447A - 一种基于自适应技术的二维平面采样方法 - Google Patents

一种基于自适应技术的二维平面采样方法 Download PDF

Info

Publication number
CN103310447A
CN103310447A CN2013102316678A CN201310231667A CN103310447A CN 103310447 A CN103310447 A CN 103310447A CN 2013102316678 A CN2013102316678 A CN 2013102316678A CN 201310231667 A CN201310231667 A CN 201310231667A CN 103310447 A CN103310447 A CN 103310447A
Authority
CN
China
Prior art keywords
sampling
grid
point
subregion
subregional
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2013102316678A
Other languages
English (en)
Other versions
CN103310447B (zh
Inventor
王楠
蒋薇
严伟
胡松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Optics and Electronics of CAS
Original Assignee
Institute of Optics and Electronics of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Optics and Electronics of CAS filed Critical Institute of Optics and Electronics of CAS
Priority to CN201310231667.8A priority Critical patent/CN103310447B/zh
Publication of CN103310447A publication Critical patent/CN103310447A/zh
Application granted granted Critical
Publication of CN103310447B publication Critical patent/CN103310447B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及一种基于自适应技术的二维平面采样方法,首先使用均匀的稀疏网格进行一次采样,由评估算法对采样结果进行评价,得到具有不同频率范围的分区域,对各分区域的网格测量点进行替换;然后由新生成的网格对采样物体的表面进行二次采样,再次使用评估算法对测量结果进行评价,根据频率的高低对网格进行修正;如此反复进行修正,直到通过评估算法为止。最后由测量系统根据此测量网格对需采样物体表面进行采样。本发明能保证采样点个数最少,也能保证相同采样点个数情况下,采样效果最佳。

Description

一种基于自适应技术的二维平面采样方法
技术领域
本发明涉及数据采集与处理技术,特别是涉及基于自适应技术的二维平面分区域采样方法。
背景技术
光刻机性能的急剧提升要求使用更大的数值孔径和更短的波长的,由此导致焦深降低。现广泛使用的浸没式光刻机的焦深只能维持在百纳米量级,已大大超过了由真空吸附翘曲、衬底平整度等引起的变化,故要求检焦精度提高,而硅片形貌重构是其中最为核心的技术之一,高速度高精度的硅片形貌重构俨然成为最大的难点。
为了解决这个问题,需要使用具有高速高精度的采样设备和算法。实际使用中,采样周期决定了采样信号的质量,如果周期太小,会使得采样点的数量剧增,造成数据冗余;采样周期太大,会使得模拟信号的某些信息丢失,出现失真。现普遍使用的均匀网格采样点采样技术对所有区域使用统一的频率采样,该采样频率取决于整个平面中的最高频率,使得整体采样过程效率低,速度慢,造成了资源的极大浪费。
另外,考虑到灰尘,硅片平整度和压强的影响,硅片表面会出现毛刺,阶跃等现象,这些信号会引入高频的信号,按照采样定理,系统不能无失真地恢复出这些信号,导致原始图像出现严重失真。
发明内容
本发明技术解决问题:克服现有技术低速低效率的缺点,提供一种基于自适应技术的二维平面采样方法,实现采样点最优化分布,分区域快速重构,分区域间无缝平滑拼接,而且具有速度快,精度高等优点,具有极高的运行效率。
本发明采用的技术方案如下:一种基于自适应技术的二维平面采样方法,根据需采样物体的表面情况进行采样点自适应分布,实现分区域采样,之后使用B样条曲面重构技术分区域快速重构曲面和无缝平滑拼接。
其中,采样点自适应分布技术步骤包括:
步骤S01:使用初始均匀采样网格点对物体形貌进行第一次采样,将结果保存至电脑中;
步骤S02:由评估算法对采样结果进行评价,根据物体形貌的频率带宽特性和突变信号对整个采样区域进行分割,得到具有不同频率范围的分区域,并对各个分区域进行频谱量化,得到分区域的频谱量化值f;
步骤S03:首先以步骤S02中得到的分区域频谱量化值f为依据,按照分区域的网格测量点的点间距
Figure BDA00003335551200021
的规则,利用模板拼接技术对步骤S02中各分区域的网格测量点进行替换,再使用模板拼接技术将各分区域的新网格测量点拼接在一起得到新修正的采样网格点;
步骤S04:使用新修正的采样网格点对采样物体的表面再次进行采样,将结果保存至电脑中;
步骤S05:使用仲裁函数对测量结果进行评价,如果通过,则转到步骤S06;没有通过转到步骤S02;
步骤S06:使用通过仲裁函数后最终生成的二维采样点对物体表面进行采样,得到使用基于自适应技术的二维平面采样方法采集的数据点;
其中,二维平面网格采样点生成技术的实现方式如下包括:
二维平面网格的单个网格形状为正方形,测量点为每个正方形的四个定点,采样频率可通过调整正方形的每条边的长短实现,该正方形网格每边的长度越小采样频率越高,长度越大采样频率越低,具体的值可根据量化出的分区域内的频率值进行调节;
其中,步骤S02中的评估算法实现步骤如下:
(2.1)使用空域判别算法对物体形貌进行区域划分,得到不同频率范围的分区域分割线;
(2.2)对采样点进行角点识别和阶跃信号识别,以识别出的信号为基点对区域进行二次划分,得到突变信号分割线;
(2.3)将(2.1)中得到的不同频率范围的分区域分割线和(2.2)中得到的突变信号分割线结合到一起得到完整的平面分割曲线,使用该完整平面分割线对平面区域进行分割,得到具有不同频率范围的分区域;
(2.4)对(2.3)中得到的各分区域进行傅里叶变换,以此实现对各个分区域的频谱量化,最终得到各个分区域的频谱量化值f;
其中,步骤S03中的模板拼接技术的步骤如下:
(3.1)根据分区域的频谱量化值f生成符合条件的二维网格采样点;
(3.2)对所有分区域进行逐个替换,直至完全替换完成;
(3.3)相邻区域之间的分割线向后收缩1个单位,使分割线成为沟壑;
(3.4)对相邻区域中点数少的边进行插值,使相邻的两个区域在靠近沟壑的边上具有相同的测量点个数,便于使用B样条曲面连接技术对两边上的对应点进行连接;
(3.5)将所有分区域的网格采样点和沟壑连接起来形成新修正的采样网格点。
其中,步骤S03中的模板拼接技术使用B样条曲面连接技术;
本发明与现有技术相比的优点在于:本发明根据需采样物体的表面情况进行采样点自适应分布,实现分区域采样;测量网格点的生成采用评估算法和模板拼接技术实现。首先使用均匀的稀疏网格进行一次采样,由评估算法对采样结果进行评价,得到具有不同频率范围的分区域,对各分区域的网格测量点进行替换,得到新生成的网格测量点;然后由新生成的网格测量点对采样物体的表面进行二次采样,再次使用评估算法对测量结果进行评价,根据频率的高低对网格进行修正;如此反复进行修正,直到通过评估算法为止。最后由测量系统根据此测量网格对需采样物体表面进行采样。本发明能保证采样点个数最少,也能保证相同采样点个数情况下,采样效果最佳。
附图说明
图1为基于自适应技术的二维平面采样算法整体步骤示意图;
图2为自适应二维平面网格采样点生成与拼接技术步骤结构图;
图3为评估算法步骤示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加明确,下面结合附图以及具体实施例对本算法的整体步骤,网格采样点生成及其拼接技术的步骤作进一步介绍。
如图1所示,本发明具体实现步骤如下:
步骤S01:使用初始的均匀网格对物体表面进行第一次采样,将结果保存至电脑中;
步骤S02:对采样点进行低通滤波,去除加型噪音等处理,然后由评估算法对去噪后的采样结果进行评价,根据物体形貌的频率带宽特性和突变信号对整个采样区域进行分割,得到具有不同频率范围的分区域,接着再使用评估算法对各个分区域进行频谱量化;
步骤S03:根据步骤S02中得到的分区域的频域值,通过平面网格采样点生成技术对测量网格的边进行调整,从而实现对采样频率的调整,各个分区域的网格测量点完全生成后,对各个分区域的网格测量点进行替换,逐一替换完成后,使用网格拼接技术将各分区域的测量网格平滑地连接到一起形成一个完整的新修正的测量网格点;
步骤S04:使用新修正的测量网格点对采样物体的表面进行采样,将采集到的二维数据点保存至电脑中;
步骤S05:使用仲裁函数对新的采集点进行去噪,归一化,低值拉伸和高值压缩等处理,之后按公式
Figure BDA00003335551200041
(zi为二维平面采样点对应的数值,n为分区域内采样点的个数)计算得到均值再使用公式
Figure BDA00003335551200043
得到方差σ2,如果方差σ2超过预设的阈值则认为新的采样点无法通过仲裁函数,在阈值范围内,则认为通过仲裁函数;对于不通过的情况,转到步骤S02执行;对于通过的情况,则通过转到步骤S06;
步骤S06:使用最终生成的二维采样点对物体表面进行采样,得到使用基于自适应技术的二维平面采样方法采集的数据点;
如图2所示,步骤S03中的网格拼接技术实现步骤如下:
(3.1)以各分区域内最高频率的2倍为基准,对二维平面网格的正方形边长进行扩展和收缩,扩展和收缩的程度由量化出的分区域频率值决定;
(3.2)使用为各分区域生成的采样网格对各分区域的旧采样网格进行逐个替换,直至完全替换完成;
(3.3)对相邻区域之间的分割线进行沟壑化:以分割线为骨干向两边拓展为具有一定宽度的沟壑;
(3.4)对沟壑两边点数少的一边和沟壑中心进行插值,即在每条正方形边上增加测量点,使得沟壑每条边具有相同的测量点个数,同时每个区域的测量网格点后退1/2沟壑的宽度;
(3.5)将沟壑与各个分区域拼接起来,形成新的网格测量点,使用该方法生成的网格测量点,只要在后期的处理中使用基于B样条的曲面拟合技术即可保证各个区域之间无缝平滑地的连接;
如图3所示,步骤S02中的评估算法实现步骤如下:
(2.1)首先对采样点进行去噪和滤波处理,然后对采样点实现归一化,高值压缩,低值拉伸等处理,接着以四个角作为基点向四周沿拓(沿拓的标准是区域内的方差在一定的范围内),在遇到不能包含的点则自动停止沿拓,接下来以不能包含的点作为起点,向未分割的区域沿拓,直至完成整个区域的分割,最终得到不同频率范围的分区域;
(2.2)先对整个采样区域做横向差分运算,再对整个采样区域做纵向差分运算,将两次差分运算的值做平方根,然后将平方根与邻域的数据作差分运算,将此次差分运算的结果与设定的阈值进行比较,凡是大于阈值的区域则认为是角点、阶跃等突变信号,以这些区域为基点进行连接得到突变信号分割线;
(2.3)对由(2.1)得到的不同频率范围的分区域分割线与(2.2)得到的突变信号分割线作或运算,得到最终分割线;
(2.4)首先使用(2.3)中得到的最终分割线对整个采样区域进行分割,然后对每个分区域进行离散傅里叶变换,接着对每个分区域取分区域频域的上限即可得到各分区域的频域值。
如图4所示,(2.1)中的滤波与去噪处理实现步骤如下:
(2.1.1)采用有限冲激响应数字滤波器(FIR),添加hamming窗来实现低通滤波;
(2.1.2)使用直方图均衡化计算对采集到的数据点进行直方图均衡化,使数据点在整个采样区间上均匀分布,以达到效果增强的效果:
本发明未详细阐述的内容采用本领域的公知技术。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种基于自适应技术的二维平面采样方法,其特征在于实现步骤如下:
步骤S01:使用初始均匀采样网格点对物体形貌进行第一次采样,并将采样结果保存;
步骤S02:由评估算法对采样结果进行评价,根据物体形貌的频率带宽特性对整个采样区域进行分割,得到具有不同频率范围的分区域,并对各个分区域进行频谱量化,得到分区域的频谱量化值f;
步骤S03:首先以步骤S02中得到的分区域频谱量化值f为依据,按照分区域的网格测量点的点间距的规则,利用模板拼接技术对步骤S02中各分区域的网格测量点进行替换,再使用模板拼接技术将各分区域的新网格测量点拼接在一起得到新修正的采样网格点;
步骤S04:由步骤S03中得到的新修正的采样网格点对采样物体的表面进行第二次采样,将采样结果保存;
步骤S05:采用仲裁函数对步骤S04中的采样结果进行仲裁,仲裁通过则转到步骤S06,若无法通过,则转到步骤S02;
步骤S06:使用通过仲裁函数的测量网格对物体表面进行采样,得到使用基于自适应技术的二维平面采样方法采集的数据点。
2.根据权利要求1所述的一种基于自适应技术的二维平面采样方法,其特征在于:步骤S02中的评估算法的步骤如下:
(2.1)使用空域判别算法对物体形貌进行区域划分,得到不同频率范围的分区域分割线;
(2.2)对采样点进行角点识别和阶跃信号识别,以识别出的信号为基点对区域进行二次划分,得到突变信号分割线;
(2.3)将(2.1)中得到的不同频率范围的分区域分割线和(2.2)中得到的突变信号分割线结合到一起得到完整的平面分割曲线,使用该完整平面分割线对平面区域进行分割,得到具有不同频率范围的分区域;
(2.4)对(2.3)中得到的各分区域进行傅里叶变换,从而实现对各个分区域的频谱量化,最终得到各个分区域的频谱量化值f。
3.根据权利要求1所述的一种基于自适应技术的二维平面采样方法,其特征在于:所述步骤S03中的模板拼接技术使用B样条曲面连接技术,具体实现步骤如下:
(3.1)根据分区域的频谱量化值f生成符合条件的二维网格采样点;
(3.2)对所有分区域进行逐个替换,直至完全替换完成;
(3.3)相邻区域之间的分割线向后收缩1个单位,使分割线成为沟壑;
(3.4)对相邻区域中点数少的边进行插值,使相邻的两个区域在靠近沟壑的边上具有相同的测量点个数,便于使用B样条曲面连接技术对两边上的对应点进行连接;
(3.5)将所有分区域的网格采样点和沟壑连接起来形成新修正的采样网格点。
CN201310231667.8A 2013-06-12 2013-06-12 一种基于自适应技术的二维平面采样方法 Expired - Fee Related CN103310447B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310231667.8A CN103310447B (zh) 2013-06-12 2013-06-12 一种基于自适应技术的二维平面采样方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310231667.8A CN103310447B (zh) 2013-06-12 2013-06-12 一种基于自适应技术的二维平面采样方法

Publications (2)

Publication Number Publication Date
CN103310447A true CN103310447A (zh) 2013-09-18
CN103310447B CN103310447B (zh) 2016-01-13

Family

ID=49135624

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310231667.8A Expired - Fee Related CN103310447B (zh) 2013-06-12 2013-06-12 一种基于自适应技术的二维平面采样方法

Country Status (1)

Country Link
CN (1) CN103310447B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485244A (zh) * 2016-10-12 2017-03-08 上海联影医疗科技有限公司 采样方法及装置
CN111739020A (zh) * 2020-07-31 2020-10-02 成都数之联科技有限公司 周期纹理背景缺陷标签自动标注方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1930588A (zh) * 2004-03-12 2007-03-14 皇家飞利浦电子股份有限公司 用于表面渲染的沿边缘的自适应采样
US20080144946A1 (en) * 2006-12-19 2008-06-19 Stmicroelectronics S.R.L. Method of chromatic classification of pixels and method of adaptive enhancement of a color image
CN102289842A (zh) * 2011-06-13 2011-12-21 天津大学 一种蒙特卡罗整体光照自适应方法
CN102567648A (zh) * 2012-01-17 2012-07-11 复旦大学 一种绿地生态评价单元粒度自适应栅格取样方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1930588A (zh) * 2004-03-12 2007-03-14 皇家飞利浦电子股份有限公司 用于表面渲染的沿边缘的自适应采样
US20080144946A1 (en) * 2006-12-19 2008-06-19 Stmicroelectronics S.R.L. Method of chromatic classification of pixels and method of adaptive enhancement of a color image
CN102289842A (zh) * 2011-06-13 2011-12-21 天津大学 一种蒙特卡罗整体光照自适应方法
CN102567648A (zh) * 2012-01-17 2012-07-11 复旦大学 一种绿地生态评价单元粒度自适应栅格取样方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485244A (zh) * 2016-10-12 2017-03-08 上海联影医疗科技有限公司 采样方法及装置
CN111739020A (zh) * 2020-07-31 2020-10-02 成都数之联科技有限公司 周期纹理背景缺陷标签自动标注方法、装置、设备及介质

Also Published As

Publication number Publication date
CN103310447B (zh) 2016-01-13

Similar Documents

Publication Publication Date Title
US9053540B2 (en) Stereo matching by census transform and support weight cost aggregation
CN108805023A (zh) 一种图像检测方法、装置、计算机设备及存储介质
CN103853840B (zh) 一种不均匀散乱点云数据的滤波方法
WO2016106960A1 (zh) 一种对地建筑群遥感图像频谱特性约束的去噪方法
CN103870845A (zh) 点云聚类去噪过程中新的k值优化方法
CN109242799A (zh) 一种变阈值的小波去噪方法
CN104809357B (zh) 一种三维粗糙表面多尺度接触行为的分析方法及装置
CN104463811B (zh) 基于能量泛函的图像平滑与锐化方法
CN104580937A (zh) 一种红外成像系统条纹噪声去除方法
CN103310447B (zh) 一种基于自适应技术的二维平面采样方法
CN105631939B (zh) 一种基于曲率滤波的三维点云畸变校正方法及其系统
CN114241018A (zh) 一种牙齿点云配准方法、系统及可读存储介质
CN113393430B (zh) 用于风机叶片缺陷检测的热成像图像增强训练方法和装置
KR20160113826A (ko) 빅데이터 클러스터링을 위한 K-Means 초기 중심 선정 방법
CN104103037B (zh) 一种图像增强处理方法和装置
CN104537613A (zh) 一种用于改善图像视觉效果的分数阶I-divergence方法
CN103295203A (zh) 一种基于b样条的硅片表面形貌重构的方法
CN103413306B (zh) 一种自适应阈值的Harris角点检测方法
CN102903104A (zh) 一种基于减法聚类的快速图像分割方法
CN105574816B (zh) 消除x光图像的滤线栅影的方法、装置及x光机升级套件
Lv et al. Improved Canny edge detection algorithm based on deep learning
CN105844593A (zh) 一种单幅干涉圆条纹预处理的自动化处理方法
CN109300097A (zh) 基于自适应分块的多序列图像融合方法
CN105301655B (zh) 一种共成像点道集线性噪声去除方法及装置
CN111027441B (zh) 一种基于机载高光谱遥感影像的道路提取方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160113

Termination date: 20210612