基于机器视觉的InGaAs量子点表面形貌研究

目录

第一章 绪 论

1.1 研究背景和意义

1.2 研究目的

1.3 国内外研究现状

1.3.1 国内研究现状

1.3.2 国外研究现状

1.4 研究内容

1.5 论文组织结构

第二章 图像拼接算法

2.1 图像拼接流程

2.2 基于Harris角点检测的图像拼接算法

2.2.1 Harris角点检测算法

2.2.2 NCC角点匹配算法

2.3 SIFT算法

2.4 随机抽样一致性算法（RANSAC）

2.5 图像融合

2.6 本章小结

第三章 量子图像拼接算法

3.1 传统的Harris和NCC算法在量子图像中的问题

3.2 基于改进的Harris和二次NCC的量子图像拼接算法

3.2.1 整体框架

3.2.2 量子点、环的计数

3.2.3 基于量子点、环数量的Harris算法阈值设置

3.2.4 二次NCC算法

3.3 实验结果分析

3.3.1 量子点、环计数方法分析

3.3.2 基于量子点、环数量的阈值设置方法分析

3.3.3 误匹配率和时间分析

3.4 基于改进的Harris和二次NCC的量子图像拼接算法总结

3.5 传统SIFT算法在量子图像拼接中的问题

3.6 基于动态阈值和全局信息的SIFT量子图像拼接算法

3.6.1 动态阈值

3.6.2 全局描述子

3.6.3 特征向量的匹配

3.7 实验结果及分析

3.7.1 阈值对特征点数量的影响分析

3.7.2 误匹配率分析

3.8 基于动态阈值和全局信息的SIFT量子图像拼接算法总结

3.9 本章小结

第四章 基于机器视觉 基于机器视觉 基于机器视觉 的量子点 的量子点 形貌图像识别 形貌图像识别 形貌图像识别 研究

4.1 系统结构

4.2 算法设计

4.2.1 衬底斜切角计算

4.2.2 量子点数量和均匀性计算

4.2.3 量子点尺寸和覆盖率计算

4.2.4 量子点晶面指数计算

4.3 结果与分析

4.3.1 计算斜切角分析

4.3.2 计算量子点数量和均匀性分析

4.3.3 计算量子点尺寸分析

4.3.4 计算晶面指数分析

4.4 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

致 谢

参考文献

攻读硕士期间参加发表的论文和参加科研情况

声明