基于数学形态学的量子点检测方法技术

一种基于数学形态学的量子点检测方法，包括如下步骤：步骤1：对原始量子点图像做预处理，增强图像对比度；步骤2：利用带标记的分水岭分割方法对量子点图像进行初步分割，使每个量子点划分到不同的区域；步骤3：将量子点从各自区域中提取出来；步骤4：对提取出来的每个量子点去除衬底；步骤5：得到去除衬底后的量子点，对每个量子点进行标记，提取量子点的各几何形貌特征参数，完成量子点检测。该方法能有效分割出量子点边界，准确提取量子点，快速统计量子点的各几何形貌参数；具有对背景噪声不敏感的优点。

【技术实现步骤摘要】

本专利技术涉及图像处理
，特别是一种。
技术介绍
以量子点为代表的半导体纳米结构有着重要的应用前景。而量子点的形状，几何尺寸，密度等都是很重要的材料參数，对器件性能有很大的影响，获得这些数据对器件研究有着重大的意义。目前，对这些重要材料參数的检测和评价，都是在较大半导体表面对大数量的量子点进行统计测量，获得测量的平均結果。而量子点尺寸，几何形貌等不均匀性会掩盖许多量子点独特的量子物理特性，而这些量子物理特性又是构筑许多纳米光电子器件及单电子器件的基础。目前，表征量子点表面形貌最常用的手段是原子力显微镜(AFM)，比如说量子点的 高度的提取，如果仅以量子点顶点的高度直接測量值作为量子点的高度，那样的结果是十分粗糙的，误差很大。而AFM给出的数据的测量基准是所有采样点的高度的平均值，所以测量的高度值完全依赖于这个平均值基准。虽然AFM设备具有一般颗粒检测算法，但是由于基准衬底高度的变化，AFM针尖在平衡位置附近振动等问题，迄今为止，还没能全自动地精确的测量量子点的尺寸，形状，密度等工具，必须依赖手工或者半手工方式。然而手工或者半手工測量量子点大小強烈地依赖于测量者的经验，在决定量子点的大小的过程中，存在诸多产生错误结果的可能性，因此我们需要更可靠的，不依赖于测量者经验判断的方法，实现全自动地精确测量量子点形状，尺寸，密度等几何形貌參数。近年来，AFM硬件技术的进步使AFM在分辨精度和測量速度方面都有了打的提升。另ー方面，随着图像处理技术的发展，为更精确地分析和解读样本表面几何形貌提供了可能。但是到目前为止，绝大部分的AFM的图像增强工作都是采用手工操作离线处理模式，其主要方法是采用专业图像处理软件系统综合应用各种空域和频域滤波技木。而这些方法都只是在AFM中引入数据处理技木，并不是以数据分析为基础，不能正确分析和评价AFM測量各种影响因素的分布，増加了测量的不确定度，同时减小了測量结果的可信性。本专利基于数学形态学方法，以分析AFM原始数据为基础，研究AFM数据中几何形貌信息的提取，实现量子点等颗粒的自动分析和几何形貌參数的计算。
技术实现思路
本专利技术的目的在于，提出一种，以分析AFM原始数据为基础，实现量子点等颗粒的自动分析和几何形貌參数的计算。该方法能有效分割出量子点边界，准确提取量子点，快速统计量子点的各几何形貌參数；具有对背景噪声不敏感的优点。本专利技术提供一种，包括如下步骤步骤I :对原始量子点图像做预处理，增强图像对比度；步骤2 :利用带标记的分水岭分割方法对量子点图像进行初歩分割，使每个量子点划分到不同的区域；步骤3 :将量子点从各自区域中提取出来；步骤4 :对提取出来的每个量子点去除衬底；步骤5 :得到去除衬底后的量子点，对每个量子点进行标记，提取量子点的各几何形貌特征參数，完成量子点检测。从上述技术方案可以看出，本专利技术具有以下技术效果I、本专利技术提供的，对AFM针尖在平衡位置附近振动，衬底基准高度变化等多种噪声的干扰有较强的容错性和抗干扰性，測量准确度较高。 2、本专利技术提供的，提取量子点过程中采用原始量子点高度减去边界上高度的中值的方法提取量子点，能更大程度上得到量子点真实高度，减小因量子点粘连而导致的量子点提取误差。3、本专利技术提供的，对有粘连的量子点仍有很好的统计結果。4、本专利技术提供的，采用数学形态学方法提取量子点，过程简单，计算速度快。附图说明为进ー步说明本专利技术的
技术实现思路
，以下结合附图及实施案例对本专利技术详细说明如后，其中图I是本专利技术提供的一种的具体实施步骤；图2是本专利技术提供的利用带标记的分水岭分割方法对量子点图像进行初歩分割的具体实施步骤；图3是本专利技术实施案例中的实验样本，为待处理的原始AFM图像；图4是本专利技术实施案例中增强处理后的AFM图像；图5是本专利技术实施案例中得到的量子点分割结果；图6是本专利技术实施案例中量子点提取結果。具体实施例方式如图I所示，本专利技术提供的一种，包括如下步骤步骤101 :对原始量子点图像做预处理，增强图像对比度。图像增强方法采用形态学高帽变换和低帽变换相结合的方法对图像进行增强预处理。高帽变换是原始图像与其开运算之差。因为开运算用来去除比结构元更小的亮点，同时保持灰度级和较大亮区特性的相对不变，因此高帽变换后的图像能体现图像的原始图像的灰度峰值。相反，低帽变换是原始图像与其闭运算之差。因为闭运算操作消除与结构元素相比尺寸较小的暗细节，而保持图像整体灰度值和大的暗区域基本不受影响，因此低帽变换后的图像能体现原始图像的灰度谷值。原始图像加上高帽变换后的图像TH(f)，再减去低帽变换后的图像BH(f)，得到增强后的图像用h表示，定义为h = f+TH(f)-BH(f)原始图像加上高帽变换后的结果，可以使图像中灰度值较大的区域更亮，再减去低帽变换后的结果，就可以使图像中的灰度值较小的区域更暗，使细节更加明显，从而达到增强图像对比度的效果(參阅图4)。步骤102 :利用带标记的分水岭分割方法对量子点图像进行初歩分割，使每个量子点划分到不同的区域，如图5所示。其中利用如图2所示的带标记的分水岭分割方法对量子点图像进行初歩分割的算法，具体实施步骤为步骤Ia :利用形态学开闭运算的重构处理增强后的图像(參阅图2)，获取每个量子点的局部极大值，并将局部极大值叠加到原始，实现前景标记。其中基于形态学开闭运算的重构指先对图像腐蚀后进行形态学重建，得到基于开的重建图像；在基于开的重建图像上对图像膨胀后进行形态学重建得到基于开闭运算的重构图像。 步骤2a :通过计算“骨架影响范围”来“细化”背景(參阅图2)，计算局部极大值 图像的距离变换来实现，然后寻找结果的分水岭脊线来实现背景标记。距离变换指定像素和最近的非零像素的距离。使用欧几里德距离公式来计算距离变换。步骤3a :修改分割函数(參阅图2)，使其在前景和背景标记位置有极小值。将图像的梯度幅值作为分割函数，使用Sobel边缘算子对图像进行水平和垂直方向的滤波，然后求取模值，Sobel算子滤波后的图像在边界处会现实比较大的值，在没有边界处的值会很小。修改后的梯度幅值只在前景和背景标记位置有极小值，避免了过分割现象的产生。步骤4a :对修改后的分割函数做分水岭变换(參阅图2)，得到量子点分割线。步骤103 :将量子点从各自区域中提取出来。根据量子点的定义，具体为定义量子点为ー个ニ元图像QDi,设QDi所在的区域为CBi,其边界为WSi,提取水坝上的中值点hmed = median (f (x) x e WSs),重新定义提取量子点的表达式「00361 OD 1,_ hwed jc t CjB. and f ^x) > hmed' 丨.. Ootherwise得到最后提取出来的量子点QDitl如果采用减去水坝上最大值的方法来提取量子点，当量子点有粘连时会产生很大的误差，而衬底表面的灰度值整体变化并不大，因此采用减去水坝上的中值点来提取量子点，能得到更好的提取效果。步骤104 :对提取出来的每个量子点去除衬底，对每个量子点在不同高度的底面积进行取样，得到高度与面积的分布曲线，根据曲线分布判断衬底存在与否以及衬底存在的高度。比如，当某一高度的面积差突然増大，并大于我们设定的阈值时，我们便认为在这一高度出现了衬底。假设我们得到的衬底本文档来自技高网...

【技术保护点】
一种基于数学形态学的量子点检测方法，包括如下步骤：步骤1：对原始量子点图像做预处理，增强图像对比度；步骤2：利用带标记的分水岭分割方法对量子点图像进行初步分割，使每个量子点划分到不同的区域；步骤3：将量子点从各自区域中提取出来；步骤4：对提取出来的每个量子点去除衬底；步骤5：得到去除衬底后的量子点，对每个量子点进行标记，提取量子点的各几何形貌特征参数，完成量子点检测。

【技术特征摘要】
1.一种基于数学形态学的量子点检测方法，包括如下步骤 步骤1:对原始量子点图像做预处理，增强图像对比度； 步骤2 :利用带标记的分水岭分割方法对量子点图像进行初歩分割，使每个量子点划分到不同的区域； 步骤3 :将量子点从各自区域中提取出来； 步骤4 :对提取出来的每个量子点去除衬底； 步骤5 :得到去除衬底后的量子点，对每个量子点进行标记，提取量子点的各几何形貌特征參数，完成量子点检测。2.如权利要求I所述的基于数学形态学的量子点检测方法，其中所述的增强图像对比度，是采用形态学高帽变换和低帽变换相结合的方法对图像进行增强预处理；其是将原始图像加上高帽变换后的图像TH(f)，使图像中灰度值较大的区域更亮；接着再减去低帽变换得到的图像BH(f)，使图像中的灰度值较小的区域更暗，使细节更加明显，从而达到增强图像对比度的效果。3.如权利要求I所述的基于数学形态学的量子点检测方法，其中所述的利用带标记的分水岭分割方法对量子点图像进行初歩分割的算法，具体实施步骤为 步骤Ia :利用基于形态学开闭运算的重构计算...

【专利技术属性】
技术研发人员：徐露露，鲁华祥，边昳，陈旭，龚国良，刘文鹏，张放，金敏，陈刚，
申请(专利权)人：中国科学院半导体研究所，
类型：发明
国别省市：