CN114841894B - 一种光谱畸变的校正方法 - Google Patents

一种光谱畸变的校正方法 Download PDF

Info

Publication number
CN114841894B
CN114841894B CN202210566583.9A CN202210566583A CN114841894B CN 114841894 B CN114841894 B CN 114841894B CN 202210566583 A CN202210566583 A CN 202210566583A CN 114841894 B CN114841894 B CN 114841894B
Authority
CN
China
Prior art keywords
spectrum
data
spectral
line
edge
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.)
Active
Application number
CN202210566583.9A
Other languages
English (en)
Other versions
CN114841894A (zh
Inventor
陈建军
李书勇
谷萌
张诗赟
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.)
Qingdao University of Technology
Original Assignee
Qingdao University of Technology
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 Qingdao University of Technology filed Critical Qingdao University of Technology
Priority to CN202210566583.9A priority Critical patent/CN114841894B/zh
Publication of CN114841894A publication Critical patent/CN114841894A/zh
Application granted granted Critical
Publication of CN114841894B publication Critical patent/CN114841894B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G06T5/80—
    • G06T5/70—
    • G06T5/77—
    • G06T5/90—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10036—Multispectral image; Hyperspectral image
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture

Abstract

本发明提供一种高光谱仪器中光谱畸变的校正方法，方法包括光谱数据的边缘检测、光谱区域的划分、光谱长度的计算、光谱宽度的计算、光谱位置的获取、光谱数据的修复、修复后光谱数据的显示等；该方法采用两个不同阈值的Canny算子对光谱数据进行去噪和边缘检测，然后根据光谱畸变的程度对光谱数据进行分段，再分别对每段光谱的长度和厚度进行精确计算，然后对光谱数据进行修复和显示；该方法能够实现光谱畸变的良好校正，对光谱特征的提取具有重要意义，能够提高光谱仪器的精度。

Description

一种光谱畸变的校正方法
技术领域
本发明涉及高光谱数据处理领域，特别是涉及一种高光谱仪器中光谱畸变的校正方法。
背景技术
目前，高光谱仪器被广泛应用，由原来应用于航空航天方面，逐渐扩大到农业、森林、天文探测、军事、资源勘探以及环境监测等方面。高光谱技术不断进步，逐渐成熟。光谱成像技术是把图像和光谱结合在一起的一种技术，获取目标的相关信息，包括空间信息以及光谱信息。光谱成像技术获取的数据称为光谱数据立方体，分析数据立方体可以提取光谱曲线。
高光谱仪器中按照分光原理可以分成滤光片型、干涉型、计算层析型和色散型。最早出现的是滤光片型光谱仪，光学布局简单，但光谱分辨率较低；干涉型光谱仪是利用傅里叶变换的方法处理图像，具有强集光性，并且能够进行多通道探测，但对仪器的精度要求较高；计算层析型探测速度较快，但成本高；色散型光谱仪有两种类型，可分为光栅成像型和棱镜成像型，具有高分辨率和色散线性的优点，应用广泛。
高光谱仪器中狭缝像会发生畸变，畸变有两种类型，一是谱线弯曲，狭缝像边缘视场和中心视场在光谱维度方向上像点位置的差异；二是色畸变，不同波长狭缝像的长度相对于参考波长狭缝像长度的差值，属于狭缝像放大率的差异。光栅成像型和棱镜成像型仪器在成像时会发生畸变，主要是发生谱线弯曲，当存在谱线弯曲时，会造成光谱仪获取的光谱线和图像信息发生变化，同一行之间探测器像元会产生一定的光谱偏离，原有的图谱混叠形式会发生改变，使得对后续的光谱标定、像元匹配变得更加复杂，后期进行图像处理的难度加大，影响高光谱仪器的精度，使复原图谱的准确度造成一定的误差。
高光谱仪器中狭缝图像畸变又难以完全消除，因此，对高光谱仪器中光谱畸变的校正方法的研究十分重要。使用matlab搭建一个校正系统，进行光谱线的校正，可以减小畸变，从而提高高光谱仪器对目标检测的精度等。对高光谱仪器中光谱畸变的校正方法的研究，是对高光谱仪器获取光谱线后进行应用的基础。
在此背景下，通过分析光谱线的特点，我们提出了一种光谱畸变的校正方法，实现对发生畸变的光谱图进行校正，对后续的光谱特征提取有着重要意义。
发明内容
本发明目的在于对高光谱仪器中的狭缝图像畸变进行校正，提出了一种光谱畸变的校正方法。
本发明提出的一种光谱畸变的校正方法，包括光谱的边缘检测、光谱区域的划分、光谱长度的计算、光谱宽度的计算、获取光谱的位置信息，然后修复光谱数据，最后显示校正后的光谱图像。技术细节如下：
步骤S1：光谱的边缘检测
步骤S1.1：读取光谱数据，将光谱图像转换为灰度图像。
令three_D∈RM*N*3表示读取图像得到的三维彩色图像，one_D∈RM*N表示转换后得到的二维灰度图像，其中M和N分别是图像的高度和宽度。
步骤S1.2：分别采用阈值是0.8和0.2的Canny边缘检测算子对one_D进行处理。
步骤S1.3：对使用阈值为0.8的边缘检测算子处理的边缘数据进行一次函数拟合得到直线，用spectral_position保存直线的斜率和截距数据，以该直线为基准，确定光谱带的上边界和下边界位置，用spectral_position_above保存光谱带的上边界直线的斜率和截距数据，用spectral_position_below保存光谱带的下边界直线的斜率和截距数据。
步骤S1.4：对使用阈值为0.2的边缘检测算子处理后的光谱数据，依据光谱边界数据spectral_position_above和spectral_position_below消除光谱数据中的噪声，得到去噪后的光谱数据get_edge∈RM*N，其中M和N分别是图像的高度和宽度。
步骤S2：光谱区域的划分
步骤S2.1：依据光谱的首尾横坐标得到在水平方向的最小值mincol和最大值maxcol，得到整个区域的宽度col_wide。
步骤S2.2：按照目标划分的区域个数number_of_split_blocks得到每个光谱区域块的宽度block_wide，公式如下：
block_wide = col_wide / number_of_split_blocks
number_of_split_blocks可以根据光谱畸变的程度调整，默认分成3段光谱区域，不能设置划分成1段区域。
步骤S2.3：依据光谱的首端横坐标mincol和光谱区域段的宽度block_wide得到每个区域的开始位置start_plot_x和结束位置end_plot_x，公式如下：
start_plot_x = mincol + (i-1) ×block_wide
end_plot_x = mincol + i×block_wide
其中i=1，2,…,number_of_split_blocks。
步骤S3：光谱长度的计算
步骤S3.1：依据每个区域的开始位置start_plot_x和结束位置end_plot_x，截取每个区域的光谱数据。
步骤S3.2：将每个区域的数据拟合出一条一次函数的直线，用fitting_line保存直线的斜率和截距数据。
步骤S3.3：依据每个区域的开始位置start_plot_x和结束位置end_plot_x，得到直线上两端的坐标start_plot（start_plot_x，start_plot_y）和end_plot（end_plot_x，end_plot_y），公式如下：
start_plot_y=fitting_line (1,1) ×start_plot_x + fitting_line (1,2);
end_plot_y=fitting_line (1,1) ×end_plot_x + fitting_line (1,2);
其中fitting_line (1,1)是直线的斜率，fitting_line (1,2)是直线的截距。
步骤S3.4：依据光谱的首尾点start_plot和end_plot的坐标得到这一段的光谱长度leng_part。
步骤S4：光谱宽度的计算
步骤S4.1：在分段光谱的开始点start_plot处，做直线的法线，用normal_line保存法线的斜率和截距数据。
步骤S4.2：求得法线与光谱相交的点的集合collection_of_ points，遍历分段光谱内所有的点p0，求p0到法线的距离distance是否小于阈值，一般阈值设为1即可，点p0到法线的距离公式如下：
distance= abs(det([p2-p1,p0-p1]))/norm(p2-p1)
其中p1、p2是法线上的两个点，两个点就可以确定这条法线。
步骤S4.3：计算collection_of_ points中符合条件的坐标数据两两之间的距离，取其中的最大值，即作为法线与直线交点处的宽度数据，将其存入total_block_wide∈RL *1，L是光谱的总长度。
步骤S4.4：如果collection_of_ points中没有符合条件的数据，则这一点的宽度数据和前一个点的宽度数据保持一致。
步骤S4.5：将法线normal_line沿着拟合直线fitting_line方向移动1个单位得到下一个点的法线normal_line，法线的斜率不变，截距会发生变化，截距变化的数值公式如下
d=sqrt（k2 + 1）/ k
其中d是截距变化的数值，有正负，k是拟合直线的斜率。
步骤S4.6：回到4.3迭代计算宽度数据，直到数据点宽度个数满足长度数据。
步骤S5：获取光谱的位置信息
步骤S5.1：对整个区域所有边缘数据点进行拟合，拟合结果为一条水平直线，得到一个常数fitting_spectral_position，即为光谱线位置。
步骤S6：修复光谱数据
步骤S6.1：根据光谱宽度数据total_block_wide和位置数据fitting_spectral_position修复光谱数据，得到repaired_spectrum。
步骤S7：显示校正后的光谱图像
步骤S7.1：显示修复后的光谱图像repaired_spectrum。
附图说明
图1光谱数据的原始图像。
图2光谱数据的灰度图像。
图3使用阈值为0.8的canny算子得到的边缘数据。
图4使用阈值为0.2的canny算子得到的边缘数据。
图5去噪后的光谱边缘检测图像。
图6修复后的光谱图像。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
本发明提出方法包括光谱的边缘检测、光谱区域的划分、光谱长度的计算、光谱宽度的计算、获取光谱的位置信息，然后修复光谱数据，最后显示校正后的光谱图像。具体步骤如下：
步骤S1：光谱的边缘检测
步骤S1.1：读取如图1所示光谱数据，将图1转换为灰度图像，如图2所示；
令three_D∈RM*N*3表示读取图1得到的三维彩色图像，one_D∈RM*N表示转换后得到的二维灰度图像，其中M和N分别是图像的高度和宽度。
步骤S1.2：采用两个不同阈值的Canny边缘检测算子对one_D进行处理，结果如图3和图4所示。
步骤S1.3：对图3的边缘数据进行一次函数拟合得到直线，用spectral_position保存直线的斜率和截距数据，以该直线为基准，确定光谱带的上边界和下边界位置，用spectral_position_above保存光谱带的上边界直线的斜率和截距数据，用spectral_position_below保存光谱带的下边界直线的斜率和截距数据。
步骤S1.4：依据光谱边界数据spectral_position_above和spectral_position_below消除图4中光谱以外的噪声，得到去噪后的光谱数据get_edge∈RM*N，其中M和N分别是图像的高度和宽度，去噪结果如图5所示。
步骤S2：光谱区域的划分
步骤S2.1：依据光谱的首尾横坐标得到在水平方向的最小值mincol和最大值maxcol，得到整个区域的宽度col_wide。
步骤S2.2：按照目标划分的区域个数number_of_split_blocks得到每个光谱区域块的宽度block_wide，公式如下：
block_wide = col_wide / number_of_split_blocks
number_of_split_blocks可以根据光谱畸变的程度调整，默认分成3段光谱区域，不能设置划分成1段区域。
步骤S2.3：依据光谱的首端横坐标mincol和光谱区域段的宽度block_wide得到每个区域的开始位置start_plot_x和结束位置end_plot_x，公式如下：
start_plot_x = mincol + (i-1) ×block_wide
end_plot_x = mincol + i×block_wide
其中i=1，2,…,number_of_split_blocks。
步骤S3：光谱长度的计算
步骤S3.1：依据每个区域的开始位置start_plot_x和结束位置end_plot_x，截取每个区域的光谱数据。
步骤S3.2：将每个区域的数据拟合出一条一次函数的直线，用fitting_line保存直线的斜率和截距数据。
步骤S3.3：依据每个区域的开始位置start_plot_x和结束位置end_plot_x，得到直线上两端的坐标start_plot（start_plot_x，start_plot_y）和end_plot（end_plot_x，end_plot_y），公式如下：
start_plot_y=fitting_line (1,1) ×start_plot_x + fitting_line (1,2);
end_plot_y=fitting_line (1,1) ×end_plot_x + fitting_line (1,2);
其中fitting_line (1,1)是直线的斜率，fitting_line (1,2)是直线的截距。
步骤S3.4：依据光谱的首尾点start_plot和end_plot的坐标得到这一段的光谱长度leng_part。
步骤S4：光谱宽度的计算
步骤S4.1：在分段光谱的开始点start_plot处，做直线的法线，用normal_line保存法线的斜率和截距数据。
步骤S4.2：求得法线与光谱相交的点的集合collection_of_ points，遍历分段光谱内所有的点p0，求p0到法线的距离distance是否小于阈值，一般阈值设为1即可，点p0到法线的距离公式如下：
distance= abs(det([p2-p1,p0-p1]))/norm(p2-p1)
其中p1、p2是法线上的两个点，两个点就可以确定这条法线。
步骤S4.3：计算collection_of_ points中符合条件的坐标数据两两之间的距离，取其中的最大值，即作为法线与直线交点处的宽度数据，将其存入total_block_wide∈RL *1，L是光谱的总长度。
步骤S4.4：如果collection_of_ points中没有符合条件的数据，则这一点的宽度数据和前一个点的宽度数据保持一致。
步骤S4.5：将法线normal_line沿着拟合直线fitting_line方向移动1个单位得到下一个点的法线normal_line，法线的斜率不变，截距会发生变化，截距变化的数值公式如下：
d=sqrt（k2 + 1）/ k
其中d是截距变化的数值，有正负，k是拟合直线的斜率。
步骤S4.6：回到4.3迭代计算宽度数据，直到数据点宽度个数满足长度数据。
步骤S5：获取光谱的位置信息
步骤S5.1：对整个区域所有边缘数据点进行拟合，拟合结果为一条水平直线，得到一个常数fitting_spectral_position，即为光谱线位置。
步骤S6：修复光谱数据
步骤S6.1：根据光谱宽度数据total_block_wide和位置数据fitting_spectral_position修复光谱数据，得到repaired_spectrum。
步骤S7：显示校正后的光谱图像
步骤S7.1：显示修复后的光谱图像repaired_spectrum，结果如图6所示。
以上仅是本申请的具体实施方式而已，并非对本申请做任何形式上的限定，凡是依据本申请的技术实质对以上实施方式所做的任意简单修改、等同变化或修饰，均仍属于本申请技术方案的保护范围。

Claims (3)

1.一种光谱畸变的校正方法，其特征在于，包括以下步骤：
S1：采用两个不同阈值的Canny边缘检测算子对光谱数据进行处理，达到去噪和边缘检测的目的，最终获取光谱边缘的数据坐标；
S2：对光谱数据进行分段；
S3：对不同分段区域的光谱边缘数据点用最小二乘法进行一次函数拟合，拟合结果为直线，计算得到分段区域的光谱长度；
S4：求不同分段区域所在直线的法线，获取与法线相交的光谱边缘数据点，依据数据坐标求得对应段光谱的宽度total_block_wide；
S5：对整个区域所有边缘数据点通过最小二乘法进行一次函数拟合，拟合结果为一条水平直线，得到一个常数fitting_spectral_position，即为光谱线位置；
S6：根据光谱宽度数据total_block_wide和位置数据fitting_spectral_position修复光谱数据，得到repaired_spectrum；
S7：显示修复后的光谱图像repaired_spectrum。
2.根据权利要求1所述的一种光谱畸变的校正方法，其特征在于，所述步骤S1中，两个不同阈值的Canny边缘检测算子的函数为：
edge(i,’Canny’,0.8)
edge(i,’Canny’,0.2)
其中i是图像的灰度值矩阵。
3.根据权利要求1所述的一种光谱畸变的校正方法，其特征在于，所述步骤S4中，依据区域的起始点求得第一条法线，下一条法线的截距和上一条相比变化为：
d=sqrt(k2+1)/k
其中d是截距变化大小，有正负，k是区域数据拟合的直线斜率。
CN202210566583.9A 2022-05-24 2022-05-24 一种光谱畸变的校正方法 Active CN114841894B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210566583.9A CN114841894B (zh) 2022-05-24 2022-05-24 一种光谱畸变的校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210566583.9A CN114841894B (zh) 2022-05-24 2022-05-24 一种光谱畸变的校正方法

Publications (2)

Publication Number Publication Date
CN114841894A CN114841894A (zh) 2022-08-02
CN114841894B true CN114841894B (zh) 2024-04-16

Family

ID=82571805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210566583.9A Active CN114841894B (zh) 2022-05-24 2022-05-24 一种光谱畸变的校正方法

Country Status (1)

Country Link
CN (1) CN114841894B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107220939A (zh) * 2016-03-21 2017-09-29 吴健奇 一种基于三角形定标法的岩芯高光谱数据几何畸变校正方法
EP3401656A1 (en) * 2017-05-11 2018-11-14 Nederlandse Organisatie voor toegepast- natuurwetenschappelijk onderzoek TNO Correction of curved projection of a spectrometer slit line
CN109816607A (zh) * 2019-01-22 2019-05-28 北京师范大学 一种基于多层前馈神经网络的二维光纤光谱图像校正技术
CN111076816A (zh) * 2019-12-27 2020-04-28 中国科学院西安光学精密机械研究所 大孔径静态干涉成像光谱仪全视场光谱定标误差校正方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050130321A1 (en) * 2001-04-23 2005-06-16 Nicholson Jeremy K. Methods for analysis of spectral data and their applications
US7315371B2 (en) * 2004-01-23 2008-01-01 P&P Optica Inc. Multi-channel spectrum analyzer

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107220939A (zh) * 2016-03-21 2017-09-29 吴健奇 一种基于三角形定标法的岩芯高光谱数据几何畸变校正方法
EP3401656A1 (en) * 2017-05-11 2018-11-14 Nederlandse Organisatie voor toegepast- natuurwetenschappelijk onderzoek TNO Correction of curved projection of a spectrometer slit line
CN109816607A (zh) * 2019-01-22 2019-05-28 北京师范大学 一种基于多层前馈神经网络的二维光纤光谱图像校正技术
CN111076816A (zh) * 2019-12-27 2020-04-28 中国科学院西安光学精密机械研究所 大孔径静态干涉成像光谱仪全视场光谱定标误差校正方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Analysis and correction of distortions in a spatial heterodyne spectrometer system;JILIN LIU 等;《Applied Optics》;20190320;第58卷(第9期);全文 *
SVM 的光栅成像光谱仪图像畸变校准方法;韩军 等;《红外与激光工程》;20140930;第43卷(第9期);全文 *
光栅色散型成像光谱仪的实验室光谱定标方法研究;马亮;危峻;黄小仙;崔毅;张晓;;激光与光电子学进展;20130210(02);全文 *
基于图像畸变校正的高光谱偏振图像配准方法;王小龙 等;《红外技术》;20180831;第40卷(第8期);全文 *
基于畸变校正的高光谱偏振图像配准方法;贡丽霞;何东中;白艳萍;;激光杂志;20200725(07);全文 *
大口径干涉成像光谱仪扫描速度偏差的评估与校正;曹玮亮;廖宁放;吕航;吴文敏;程灏波;;光学技术;20170915(05);全文 *
机载成像光谱图象边缘辐射畸变校正;郭小方, 王润生;中国图象图形学报;20000125(01);全文 *

Also Published As

Publication number Publication date
CN114841894A (zh) 2022-08-02

Similar Documents

Publication Publication Date Title
CN110689579B (zh) 基于合作目标的快速单目视觉位姿测量方法及测量系统
CN110274877B (zh) 一种基于散射介质的3d光谱成像系统及方法
JP5810314B2 (ja) ステレオ画像処理装置およびステレオ画像処理方法
CN110335204B (zh) 一种热成像图像增强方法
CN103247029B (zh) 一种用于拼接式探测器生成的高光谱图像几何配准方法
US20120213425A1 (en) Combining feature boundaries
CN103323114B (zh) 一种傅里叶变换红外成像光谱仪快速光谱定标校正方法
CN112991287B (zh) 一种基于全卷积神经网络的自动压痕测量方法
CN115661143B (zh) 用于MiniLED晶圆缺陷的快速检测系统
CN106643835A (zh) 光纤法珀腔解调方法及装置和光纤法珀干涉仪
US6154708A (en) Method of processing and correcting spectral data in two-dimensional representation
CN110987181B (zh) 窗扫型干涉高光谱成像系统的光程差在线定标方法
CN114841894B (zh) 一种光谱畸变的校正方法
CN112184785B (zh) 基于mcd度量和vtm的多模态遥感图像配准方法
JP5210571B2 (ja) 画像処理装置、画像処理プログラムおよび画像処理方法
CN113554688B (zh) 一种基于单目视觉的o型密封圈尺寸测量方法
CN111076815B (zh) 一种高光谱图像非均匀性校正方法
Cai et al. Precise reduction of solar spectra observed by the one-meter new vacuum solar telescope
KR20000060731A (ko) 다수의 촬상소자를 이용한 고해상도 촬영 장치의 보정 방법
Yan et al. Study on multichannel passive millimeter-wave radiometer imaging and superresolution
Koloniatis et al. Spectral smile correction for airborne imaging spectrometers
CN117053924B (zh) 透射式光栅谱线弯曲校正方法、系统及相关设备
CN115908429B (zh) 一种泡脚药粉研磨精度检测方法及系统
CN115393303B (zh) 周期性结构的周期提取方法及晶圆缺陷检测方法
CN102998286B (zh) 一种光干涉甲烷浓度检测方法

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