滤光片缺陷特征参数选择的熵方法技术

本发明专利技术公开了一种滤光片缺陷特征参数选择的熵方法，包括：从缺陷滤光片图像中分割出包含缺陷的外接矩形，形成缺陷ROI；设置候选特征集F的元素，设置已选特征集S为空集；计算缺陷ROI特征值，构造样本集合；计算候选特征fifk与类C的归一化互信息SU(fifk,C)；根据SU(fifk,C)最大值选出S的第一个元素s1；去除候选特征集F中已选入S的特征及归一化互信息SU(fifk,C)小于阈值的候选特征；计算候选特征集F中每个候选特征fifk的评价函数J(fifk,C,S)的值；根据评价函数J(fifk,C,S)最大值选出已选特征集S的下一个元素；去除候选特征集F中已选入S的特征及评价函数J(fifk,C,S)小于阈值的候选特征；判断候选特征集F是否空集；输出已选特征。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种，包括：从缺陷滤光片图像中分割出包含缺陷的外接矩形，形成缺陷ROI；设置候选特征集F的元素，设置已选特征集S为空集；计算缺陷ROI特征值，构造样本集合；计算候选特征fifk与类C的归一化互信息SU(fifk,C)；根据SU(fifk,C)最大值选出S的第一个元素s1；去除候选特征集F中已选入S的特征及归一化互信息SU(fifk,C)小于阈值的候选特征；计算候选特征集F中每个候选特征fifk的评价函数J(fifk,C,S)的值；根据评价函数J(fifk,C,S)最大值选出已选特征集S的下一个元素；去除候选特征集F中已选入S的特征及评价函数J(fifk,C,S)小于阈值的候选特征；判断候选特征集F是否空集；输出已选特征。【专利说明】
本专利技术涉及滤光片缺陷视觉识别
，尤其涉及一种利用熵原理对滤光片缺陷的特征参数进行选择的方法。
技术介绍
光学薄膜滤光片广泛应用于光通信、激光技术、光学成像与检测等领域，在微型摄像头、生物医学仪器、先进激光系统中起着重要作用。如在光通信领域，滤光片不仅是波分复用系统中实现复用及解复用的关键器件，还常用于掺铒光纤放大器的增益平坦、全光上下话路、波长开关中。在光电广品中，每一个手机摄像头须配备一片滤光片。国内、国际市场对滤光片的需求巨大，国内仅手机摄像头滤光片的年需求量就有700，000, 000片。滤光片的制造过程一般比较复杂，对滤光片外观缺陷进行快速准确检测是提高产品质量的前提。目前主要采取裸眼逐片检测方法，成本高，检测的速度、精度难以保证。视觉检测通过摄像机拍摄被测物图像，利用图像处理等技术实现非接触、高精度的实时测量。利用视觉技术检测滤光片缺陷的一种常用方法是对滤光片缺陷图像进行特征选择，用特征选择后的特征向量训练分类器，然后进行缺陷识别。对多个候选特征进行选择时，评价候选特征重要程度的常用标准包括距离标准、一致性标准、依赖性标准和信息标准。其中信息标准利用信息熵的概念量化特征间的不确定性程度，它不需要预先知道数据分布，能有效度量特征间的非线性关系，许多模拟试验已证实信息标准在多数情况下比其它标准具有更好的性能。采用信息标准评价特征对类别的区分能力时，一种简单、直观的方法是计算每个候选特征f1;…，fD与类别C之间的互信息I (f\;C)，…，I (fD;C)，互信息越大表明候选特征与类别的相关性越强，该候选特征越重要，因此将这些互信息值按降序排列，前面的若干个特征就是选择结果。这种方法的缺点是没有考虑特征之间的相关性或冗余性，如特征fi，f2均与类别C有较强相关性，但与f2之间存在较强相关性(如满足f\=2f2)，那么f1; f2中只应有一个入选，但按上面方法f1; f2将同时入选。为尽量降低入选特征之间的相关性，一种方法是将互信息I (fi ； C)修改为条件互信息I (fi; C/S)，条件互信息I (fi; C/S)表示在当前已选特征集S的条件下候选特征fi与类别C间的互信息。已选特征集S中入选特征越多，条件互信息I(fi;c/s)的计算量及计算复杂度越大，甚至难以计算。另一种方法是将互信息I(fi;c)修改为J(A)=Ufi;0-β Kfi;S)，其中β是调节系数，i(fi;s)表示候选特征4与已选特征集S之间的互信息。I(fi;S)的准确计算也相当困难，常采用近似方法如J (fi) =I (fi, c) -max 或 J (^) =I ; C) - β (I ; S1) +...+I ; sE)),其中Sl，…，sE是当前已选特征集S中的全部入选特征。在计算互信息时，为解决不同特征与类之间互信息取值范围不同的问题，可采用剑桥大学出版社1988年出版《NumericalRecipes in C》一书中互信息的归一化表不方式，即A与B的归一化互信息计算公式为:【权利要求】1.，其特征在于，所述方法包括: 分割缺陷滤光片图像中包含缺陷的外接矩形，形成缺陷ROI ； 设置候选特征集F的元素，设置已选特征集S为空集； 计算所述缺陷ROI的特征值，通过特征值构造样本集合； 计算样本集合中所有样本的候选特征Afk与类C的归一化互信息SU(fifk，C)； 根据归一化互信息SU(fifk，C)最大值选出已选特征集S的第一个元素S1 ;去除候选特征集F中已选入S的特征及归一化互信息SU (fifk，C)小于阈值的候选特征； 计算候选特征集F中每个候选特征Afk的评价函数J(fifk，C，S)的值；根据评价函数J (fifk，C，S)最大值选出已选特征集S的下一个元素；去除候选特征集F中已选入S的特征及评价函数J(fifk，C，S)小于阈值的候选特征；重复该步骤，直至候选特征集F为空集；已选特征集S的元素即为滤光片缺陷特征参数。2.根据权利要求1所述的，其特征在于，所述候选特征集F中的元素称为候选特征fifk，当i=k时Afk表示单一特征fp当i古k时Afk表示fi与fk的组合特征。3.根据权利要求1所述的，其特征在于，所述通过特征值构造样本是对每个缺陷ROI计算指定的D个特征，由D个特征值及特征值的两两组合构成候选特征的一个样本。4.根据权利要求1所述的，其特征在于，所述归一化互信息SU(fifk，C)与评价函数J(fifk，C，S)均转化为熵值来计算，计算时先将候选特征的连续取值离散化，再按熵的公式计算。【文档编号】G06K9/46GK103500336SQ201310449476【公开日】2014年1月8日 申请日期:2013年9月24日 优先权日:2013年9月24日 【专利技术者】吴俊芳, 刘桂雄, 付梦瑶 申请人:华南理工大学本文档来自技高网...

【技术保护点】
滤光片缺陷特征参数选择的熵方法，其特征在于，所述方法包括：分割缺陷滤光片图像中包含缺陷的外接矩形，形成缺陷ROI；设置候选特征集F的元素，设置已选特征集S为空集；计算所述缺陷ROI的特征值，通过特征值构造样本集合；计算样本集合中所有样本的候选特征fifk与类C的归一化互信息SU(fifk,C)；根据归一化互信息SU(fifk,C)最大值选出已选特征集S的第一个元素s1；去除候选特征集F中已选入S的特征及归一化互信息SU(fifk,C)小于阈值的候选特征；计算候选特征集F中每个候选特征fifk的评价函数J(fifk,C,S)的值；根据评价函数J(fifk,C,S)最大值选出已选特征集S的下一个元素；去除候选特征集F中已选入S的特征及评价函数J(fifk,C,S)小于阈值的候选特征；重复该步骤，直至候选特征集F为空集；已选特征集S的元素即为滤光片缺陷特征参数。

【技术特征摘要】

【专利技术属性】
技术研发人员：吴俊芳，刘桂雄，付梦瑶，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：