CN110009642B - 基于白光干涉测量的三维图像噪声区域重建方法及系统 - Google Patents
基于白光干涉测量的三维图像噪声区域重建方法及系统 Download PDFInfo
- Publication number
- CN110009642B CN110009642B CN201910194588.1A CN201910194588A CN110009642B CN 110009642 B CN110009642 B CN 110009642B CN 201910194588 A CN201910194588 A CN 201910194588A CN 110009642 B CN110009642 B CN 110009642B
- Authority
- CN
- China
- Prior art keywords
- noise
- image
- reconstruction
- noise region
- dimensional
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005305 interferometry Methods 0.000 title claims description 13
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 47
- 239000000463 material Substances 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 229910052710 silicon Inorganic materials 0.000 claims description 6
- 239000010703 silicon Substances 0.000 claims description 6
- 238000002310 reflectometry Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000001914 filtration Methods 0.000 abstract description 4
- 238000012850 discrimination method Methods 0.000 abstract description 2
- 230000003287 optical effect Effects 0.000 description 5
- 238000011084 recovery Methods 0.000 description 3
- 238000004441 surface measurement Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明属于图像处理领域,并具体公开了基于白光干涉测量的三维图像噪声区域重建方法及系统,其首先采用白光干涉轮廓仪获取待测对象表面轮廓的三维高度图像,并提取三维高度图像中各测量点的干涉信号;然后计算各测量点干涉信号的均值和最大值;再根据干涉信号的均值和最大值对测量点进行分类,以将三维高度图像转换为带噪声点的二值图像;最后采用重构算法对带噪声点的二值图像中的噪声点进行重构,以此完成三维图像噪声区域的重建。本发明采用干涉信号判别方法确定三维图像中噪声区域,比滤波方法通过频率分析确定噪声区域更为科学和准确,具有测量准确、方便快捷等优点。
Description
技术领域
本发明属于图像处理领域,更具体地,涉及基于白光干涉测量的三维图像噪声区域重建方法及系统。
背景技术
白光干涉轮廓仪是一种典型的微观显微表面几何特征测量仪器,广泛应用于MEMS、微纳制件、光学阵镜的测量。例如CN101625231A公开的一种白光干涉光学轮廓仪,其包括垂直方向宏微二级驱动及位移计量装置、白光干涉位移传感器和万能工作台。由于受限于光学数值孔径、结构边缘的散射、表面的污染,经过轮廓仪测量得到的三维表面图像中不可避免的存在噪声,图像噪声严重影响对三维图像的观察和分析、表面结构特征的提取、尺寸评定分析。
目前一般采用滤波方法确定噪声区域,上述噪声区域确定方法很容易造成表面结构边缘误判,并且滤波降噪过程容易造成测量表面三维图像的形态学失真和误差。因此,需探究一种新的噪声区域识别方法,以对噪声区域进行合理的重建,获得无噪声的三维图像。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于白光干涉测量的三维图像噪声区域重建方法及系统,其基于白光干涉测量探究三维图像中噪声的产生的机理,建立了基于干涉信号的三维图像噪声区域识别方法,对噪声区域进行合理的重建,获得无噪声的三维图像,对于表面轮廓测量、分析和评定具有重要意义。
为实现上述目的,按照本发明的一个方面,提出了一种基于白光干涉测量的三维图像噪声区域重建方法,其包括如下步骤:
S1采用白光干涉轮廓仪获取待测对象表面轮廓的三维高度图像,并提取三维高度图像中各测量点的干涉信号;
S2计算各测量点干涉信号的均值Iave(x,y)和最大值Imax(x,y);
S3根据干涉信号的均值Iave(x,y)和最大值Imax(x,y)对测量点进行分类,以将三维高度图像转换为带噪声点的二值图像:
其中,l(x,y)为1表示该测量点为噪声点,l(x,y)为0表示该测量点为有效点,k是判别阈值;
S4采用重构算法对带噪声点的二值图像中的噪声点进行重构,以此完成三维图像噪声区域的重建。
作为进一步优选的,步骤S4具体包括如下子步骤:
S41设迭代次数变量i的初始值为1,以待测对象表面轮廓的高度矩阵H0和高度质量矩阵L0作为输入值,采用如下公式进行迭代计算:
其中,A1、A2、A3和A4为对角矩阵;
S42判断矩阵L4i中所有元素是否都为零,若是,则噪声区域重建结束;若否,则转入步骤S43;
S43将迭代获得的L4i和L4i作为输入值,并使i=i+1,然后转入步骤S41重新进行迭代,直至矩阵L4i中所有元素都为零,以此完成噪声区域的重建。
作为进一步优选的,判别阈值k与待测对象的材料反射率有关,优选的,待测对象由硅片材料制成,k=0.35。
按照本发明的另一方面,提供了一种基于白光干涉测量的三维图像噪声区域重建系统,其包括:
白光干涉轮廓仪,用于获取待测对象表面轮廓的三维高度图像,并提取三维高度图像中各测量点的干涉信号;
干涉信号处理模块,用于计算各测量点干涉信号的均值Iave(x,y)和最大值Imax(x,y)
图像处理模块,用于根据干涉信号的均值Iave(x,y)和最大值Imax(x,y)对测量点进行分类,以将三维高度图像转换为带噪声点的二值图像;
区域重构模块,用于基于重构算法对带噪声点的二值图像中的噪声点进行重构,以完成三维图像噪声区域的重建。
作为进一步优选的,图像处理模块采用如下方式对测量点进行分类:
其中,l(x,y)为1表示该测量点为噪声点,l(x,y)为0表示该测量点为有效点,k是判别阈值;
作为进一步优选的,区域重构模块采用如下步骤重建三维图像噪声区域:
S41设迭代次数变量i的初始值为1,以待测对象表面轮廓的高度矩阵H0和高度质量矩阵L0作为输入值,采用如下公式进行迭代计算:
其中,A1、A2、A3和A4为对角矩阵;
S42判断矩阵L4i中所有元素是否都为零,若是,则噪声区域重建结束;若否,则转入步骤S43;
S43将迭代获得的L4i和L4i作为输入值,并使i=i+1,然后转入步骤S41重新进行迭代,直至矩阵L4i中所有元素都为零,以此完成噪声区域的重建。
作为进一步优选的,判别阈值k与待测对象的材料反射率有关,优选的,待测对象由硅片材料制成,k=0.35。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,主要具备以下的技术优点:
1.本发明采用干涉信号判别方法确定测量三维图像中噪声区域,比滤波方法通过频率分析确定噪声区域更为科学和准确,图像重建过程不会导致测量表面三维图像形态学失真,消除噪声同时最大程度保留了表面三维图像的固有特征。
2.本发明在白光干涉轮廓仪测量得到表面测量点的干涉信号和三维图像的基础上,以测量点干涉信号的峰值和均值相对高度差作为判别依据,确定三维图像中的噪声点分布区域,以重构算法迭代循环替换噪声点实现图像噪声区域的重建,具有测量准确、方便快捷等优点。
3.本发明还研究设计了适用于带噪声点图像的重构算法,通过迭代循环的方式以有效高度点循环替换噪声点,从而完成图像噪声区域的重建,重建准确且效率高。
附图说明
图1是基于白光干涉测量的三维图像噪声区域重建方法的流程图;
图2是重构算法循环迭代流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
白光干涉轮廓仪进行垂直扫描测量时可以获得测量区域的干涉图样序列,从这些图样中可以提取测量表面的实际干涉信号,将每个测量点的干涉信号输入到形貌恢复算法就可以分别得到各个点的高度。当前,大多数的白光干涉形貌恢复算法都是假设所获取的实际干涉信号为理想的干涉信号。但是,实际测量中由于各种干扰因素(如台阶边缘、灰尘和低反射率)的影响,很难保证测量区域的每个点都获得理想干涉信号。因为表面形貌算法针对的是理想干涉信号模型,当某个点的光学干涉质量较好时,获得的干涉信号与理想模型接近或相符,通过恢复算法计算得出的高度与该点的实际高度相符,应该被认定为三维图像中的有效高度点。同理,当某个点的光学干涉质量不好时,获得的干涉信号与理想模型偏离很大,会导致通过算法恢复的结果远远偏离该点的实际高度,测量值为无效数据,该点的实际高度仍然是未知的,将这些得到的无效高度点定义为干涉测量获取三维图像中的噪声点。因此,只要通过定量评价每个点获得的实际干涉信号与理想信号的差异,就可以准确区分三维图像里面的噪声和有效高度点。
通过研究和分析大量实测白光干涉信号,发现与理想模型接近的实际干涉信号的最大值与平均值的比例都保持一个较高的稳定值,并且远远大于噪声点获得的实际信号计算的比值。经过大量实验分析,利用式(1)量化这一比值关系,给出一种干涉质量的评价模型,定量地评价每个测量点获得的干涉信号的质量水平,模型评价的结果是将表面测量点对应的高度值分类定义成有效高度和噪声:
其中,Imax、Iave分别是实际干涉信号的最大值和平均值,k是干涉质量判别阈值,其大小依赖于测试样件的反射率,(x,y)为表面测量点坐标,1表示该点的实际干涉信号为非理想信号且测量值为噪声,0表示该点的实际干涉信号符合理想信号且测量值是有效高度。
由式(1)可得到与各测量点对应的l(x,y)值,通过各l(x,y)构建与测量视场等大小的高度质量矩阵L,其用于区分表示三维图像中有效高度点和噪声点,称之为高度质量矩阵,高度质量矩阵L实现了三维图像中的表面测量值科学的分类定义。进一步,可以将三维图像中有效高度点所在的区域称为高度有效区域,噪声所在的图像区域称为高度未知区域。然后采用重构算法充分利用高度质量矩阵,将原始三维图像重构为新的三维图像,以达到既消除了图像噪声,又保留了有效高度点的特征信息。
具体而言,本发明的基于白光干涉测量的三维图像噪声区域重建方法,包括如下步骤:
S1采用白光干涉轮廓仪获取待测对象(例如硅片微结构样件)表面轮廓的三维高度图像,其用高度矩阵H0表示,并提取三维高度图像中各测量点(x,y)的干涉信号,该高度矩阵H0为与测量视场等大小的矩阵,其组成元素为白光干涉轮廓仪测得的各测量点的高度;
S2计算各测量点干涉信号的均值Iave(x,y)和最大值Imax(x,y)
S3根据干涉信号的均值Iave(x,y)和最大值Imax(x,y)对测量点进行分类,以将三维高度图像转换为带噪声点的二值图像:
其中,l(x,y)为1表示该测量点为噪声点,l(x,y)为0表示该测量点为有效点,k是判别阈值,通过各l(x,y)可构建与测量视场等大小的高度质量矩阵L0,其组成元素为1或0,该高度质量矩阵L0与高度矩阵H0的元素一一对应,例如高度矩阵H0的第一行第一列元素为第1测量点的高度值(由白光干涉轮廓仪测得),则高度质量矩阵L0的第一行第一列元素应为第1测量点高度值的转换值(0或1),高度矩阵H0的第一行第二列元素为第2测量点的高度值(由白光干涉轮廓仪测得),则高度质量矩阵L0的第一行第二列元素应为第2测量点高度值的转换值(0或1);
S4采用重构算法对带噪声点的二值图像中的噪声点进行重构,以此完成三维图像噪声区域的重建,其基本原理是将三维图像中噪声分布的高度未知区域(即噪声点),利用其相邻四个方位的有效高度点沿顺时针方向依次循环替换噪声点以完成重构,重构算法循环迭代流程图如图2所示,其包括如下步骤:
S41设迭代次数变量i的初始值为1,以待测对象表面轮廓的高度矩阵H0和高度质量矩阵L0作为输入值,采用如下公式进行迭代计算:
具体的:
其中,X×Y是图像中测量点的数目;
S42判断矩阵L4i中所有元素是否都为零,若是,则噪声区域重建结束;若否,则转入步骤S43;
S43将迭代获得的L4i和L4i作为输入值,并使i=i+1,然后转入步骤S41重新进行迭代,直至矩阵L4i中所有元素都为零,以此完成噪声区域的重建。
其中,判别阈值k与待测对象的材料反射率有关,优选的,本实施例根据硅片材料的反射率,设定判别阈值k=0.35,实际操作过程中,本领域技术人员可以根据实际需要进行限定。
本发明还提供了用于实现上述方法的系统,其包括:
白光干涉轮廓仪,用于获取待测对象表面轮廓的三维高度图像,并提取三维高度图像中各测量点的干涉信号;
干涉信号处理模块,用于计算各测量点干涉信号的均值Iave(x,y)和最大值Imax(x,y);
图像处理模块,用于根据干涉信号的均值Iave(x,y)和最大值Imax(x,y)对测量点进行分类,以将三维高度图像转换为带噪声点的二值图像;图像处理模块采用如下方式对测量点进行分类:
其中,l(x,y)为1表示该测量点为噪声点,l(x,y)为0表示该测量点为有效点,k是判别阈值;
区域重构模块,用于基于重构算法对带噪声点的二值图像中的噪声点进行重构,以完成三维图像噪声区域的重建。
具体的,区域重构模块采用如下步骤重建三维图像噪声区域:
S41设迭代次数变量i的初始值为1,以待测对象表面轮廓的高度矩阵H0和高度质量矩阵L0作为输入值,采用如下公式进行迭代计算:
其中,A1、A2、A3和A4为对角矩阵;
S42判断矩阵L4i中所有元素是否都为零,若是,则噪声区域重建结束;若否,则转入步骤S43;
S43将迭代获得的L4i和L4i作为输入值,并使i=i+1,然后转入步骤S41重新进行迭代,直至矩阵L4i中所有元素都为零,以此完成噪声区域的重建。
通过三维重构算法原始三维图像中高度未知区域分布的噪声被其相邻的有效高度替代,同时,原始三维图像中有效的梯度和角点特征在重构的三维图像中并没有发生太大变化,最大限度地保证了重构前后三维图像中有效特征的一致性。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于白光干涉测量的三维图像噪声区域重建方法,其特征在于,包括如下步骤:
S1采用白光干涉轮廓仪获取待测对象表面轮廓的三维高度图像,并提取三维高度图像中各测量点的干涉信号;
S2计算各测量点干涉信号的均值Iave(x,y)和最大值Imax(x,y);
S3根据干涉信号的均值Iave(x,y)和最大值Imax(x,y)对测量点进行分类,以将三维高度图像转换为带噪声点的二值图像:
其中,l(x,y)为1表示该测量点为噪声点,l(x,y)为0表示该测量点为有效点,k是判别阈值;
S4采用重构算法对带噪声点的二值图像中的噪声点进行重构,以此完成三维图像噪声区域的重建,具体包括如下子步骤:
S41设迭代次数变量i的初始值为1,以待测对象表面轮廓的高度矩阵H0和高度质量矩阵L0作为输入值,采用如下公式进行迭代计算:
其中,A1、A2、A3和A4为对角矩阵;
S42判断矩阵L4i中所有元素是否都为零,若是,则噪声区域重建结束;若否,则转入步骤S43;
S43将迭代获得的H4i和L4i作为输入值,并使i=i+1,然后转入步骤S41重新进行迭代,直至矩阵L4i中所有元素都为零,以此完成噪声区域的重建。
2.如权利要求1所述的基于白光干涉测量的三维图像噪声区域重建方法,其特征在于,判别阈值k与待测对象的材料反射率有关,待测对象由硅片材料制成,k=0.35。
3.一种基于白光干涉测量的三维图像噪声区域重建系统,其特征在于,包括:
白光干涉轮廓仪,用于获取待测对象表面轮廓的三维高度图像,并提取三维高度图像中各测量点的干涉信号;
干涉信号处理模块,用于计算各测量点干涉信号的均值Iave(x,y)和最大值Imax(x,y)
图像处理模块,用于根据干涉信号的均值Iave(x,y)和最大值Imax(x,y)对测量点进行分类,以将三维高度图像转换为带噪声点的二值图像;
区域重构模块,用于基于重构算法对带噪声点的二值图像中的噪声点进行重构,以完成三维图像噪声区域的重建;
图像处理模块采用如下方式对测量点进行分类:
其中,l(x,y)为1表示该测量点为噪声点,l(x,y)为0表示该测量点为有效点,k是判别阈值;
区域重构模块采用如下步骤重建三维图像噪声区域:
S41设迭代次数变量i的初始值为1,以待测对象表面轮廓的高度矩阵H0和高度质量矩阵L0作为输入值,采用如下公式进行迭代计算:
其中,A1、A2、A3和A4为对角矩阵;
S42判断矩阵L4i中所有元素是否都为零,若是,则噪声区域重建结束;若否,则转入步骤S43;
S43将迭代获得的H4i和L4i作为输入值,并使i=i+1,然后转入步骤S41重新进行迭代,直至矩阵L4i中所有元素都为零,以此完成噪声区域的重建。
4.如权利要求3所述的基于白光干涉测量的三维图像噪声区域重建系统,其特征在于,判别阈值k与待测对象的材料反射率有关,待测对象由硅片材料制成,k=0.35。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910194588.1A CN110009642B (zh) | 2019-03-14 | 2019-03-14 | 基于白光干涉测量的三维图像噪声区域重建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910194588.1A CN110009642B (zh) | 2019-03-14 | 2019-03-14 | 基于白光干涉测量的三维图像噪声区域重建方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110009642A CN110009642A (zh) | 2019-07-12 |
CN110009642B true CN110009642B (zh) | 2021-03-26 |
Family
ID=67167096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910194588.1A Expired - Fee Related CN110009642B (zh) | 2019-03-14 | 2019-03-14 | 基于白光干涉测量的三维图像噪声区域重建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110009642B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992461B (zh) * | 2019-12-02 | 2023-04-07 | 哈尔滨工业大学 | 基于非等间隔采样的大型高速回转装备三维形态学滤波方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101127117A (zh) * | 2007-09-11 | 2008-02-20 | 华中科技大学 | 一种利用序列数字减影血管造影图像分割血管数据的方法 |
CN101493892A (zh) * | 2009-02-27 | 2009-07-29 | 中国农业大学 | 图像特征提取方法及装置 |
CN102706538A (zh) * | 2012-05-29 | 2012-10-03 | 天津大学 | 一种保偏光纤消光比自适应解调方法 |
CN103808337A (zh) * | 2012-11-12 | 2014-05-21 | 中国航空工业第六一八研究所 | 一种白光干涉型光纤传感器的噪声信号处理方法 |
CN105844599A (zh) * | 2016-04-11 | 2016-08-10 | 沈阳东软医疗系统有限公司 | 一种图像重建的去噪声方法和装置 |
CN108645335A (zh) * | 2018-05-11 | 2018-10-12 | 西安交通大学 | 一种激光白光复合干涉测量系统及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2314982B1 (en) * | 2009-10-20 | 2020-12-02 | Mitutoyo Corporation | Method and apparatus for determining the height of a number of spatial positions on a sample defining a profile of a surface through white light interferometry |
JP6101706B2 (ja) * | 2011-12-23 | 2017-03-22 | 株式会社ミツトヨ | マシンビジョンシステムにおいて複数の照明設定を使用する合焦点動作 |
US9618320B2 (en) * | 2014-08-29 | 2017-04-11 | Artur Olszak | Heterodyne spectrally controlled interferometry |
-
2019
- 2019-03-14 CN CN201910194588.1A patent/CN110009642B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101127117A (zh) * | 2007-09-11 | 2008-02-20 | 华中科技大学 | 一种利用序列数字减影血管造影图像分割血管数据的方法 |
CN101493892A (zh) * | 2009-02-27 | 2009-07-29 | 中国农业大学 | 图像特征提取方法及装置 |
CN102706538A (zh) * | 2012-05-29 | 2012-10-03 | 天津大学 | 一种保偏光纤消光比自适应解调方法 |
CN103808337A (zh) * | 2012-11-12 | 2014-05-21 | 中国航空工业第六一八研究所 | 一种白光干涉型光纤传感器的噪声信号处理方法 |
CN105844599A (zh) * | 2016-04-11 | 2016-08-10 | 沈阳东软医疗系统有限公司 | 一种图像重建的去噪声方法和装置 |
CN108645335A (zh) * | 2018-05-11 | 2018-10-12 | 西安交通大学 | 一种激光白光复合干涉测量系统及方法 |
Non-Patent Citations (3)
Title |
---|
Algorithm with optimum noise suppression for surface profiling by white-light interferometry;Hirabayashi 等;《PROCEEDINGS OF SPIE》;20031231;第365-376页 * |
基于白光干涉彩色图像的微结构表面形貌测量;郭彤 等;《光学学报》;20140228;第34卷(第2期);第1-7页 * |
快速稳定的白光干涉测量法;董一帆 等;《激光与光电子学进展》;20171231;第1-7页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110009642A (zh) | 2019-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105260709B (zh) | 基于图像处理的水表检定方法、装置及系统 | |
CN105260710B (zh) | 基于图像处理的水表检定方法、装置及系统 | |
CN105740750B (zh) | 指纹活体检测及识别方法与装置 | |
CN112308832B (zh) | 一种基于机器视觉的轴承质量检测方法 | |
CN110335234B (zh) | 一种基于古文物LiDAR点云的三维变化检测方法 | |
CN104833679B (zh) | 一种微观缺陷三维尺度逆向标定及检测方法 | |
CN107622277B (zh) | 一种基于贝叶斯分类器的复杂曲面缺陷分类方法 | |
CN105740829A (zh) | 一种基于扫描线处理的指针式仪表自动读数方法 | |
CN105547834A (zh) | 基于双目视觉的快速应力应变曲线测量系统及方法 | |
CN111415376B (zh) | 汽车玻璃亚像素轮廓提取方法及汽车玻璃检测方法 | |
CN104024793A (zh) | 形状检查方法及其装置 | |
CN106023153B (zh) | 一种测量水体中气泡的方法 | |
von Enzberg et al. | A multiresolution approach to model-based 3-D surface quality inspection | |
Senin et al. | Characterisation of individual areal features | |
Lou et al. | Application of clustering filter for noise and outlier suppression in optical measurement of structured surfaces | |
CN110608685A (zh) | 一种基于树莓派的物体尺寸快速测量方法 | |
CN110009642B (zh) | 基于白光干涉测量的三维图像噪声区域重建方法及系统 | |
Rosenboom et al. | Surface description and defect detection by wavelet analysis | |
CN108335310B (zh) | 一种便携式粒形粒度检测方法及系统 | |
Podsiadlo et al. | Fractal-wavelet based classification of tribological surfaces | |
CN110059573A (zh) | 基于图像识别的野山参分级检定方法 | |
Zhao et al. | Curvature-based registration and segmentation for multisensor coordinate metrology | |
CN111415378B (zh) | 用于汽车玻璃检测的图像配准方法及汽车玻璃检测方法 | |
CN117292181A (zh) | 基于3d点云处理的钣金件孔组分类及全尺寸测量方法 | |
CN115685164A (zh) | 一种三维激光成像仪工作参数测试系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210326 |
|
CF01 | Termination of patent right due to non-payment of annual fee |