在低光水平图像强化器中自动检测顶点缺陷,基于光谱最大点直方图统计数据和多线程边界分布模式分析

科学领域:

• 光学和光子学 在光学和光子学.
• 材料科学 材料科学 材料科学
• 图像处理 图像处理

背景情况:

• 微通道板 (MCP) 的顶点缺陷会影响低光水平 (LLL) 图像强化器的质量.
• 传统的检测方法 (视觉,客观) 在准确性和覆盖范围上有局限性.

研究的目的:

• 开发一种自动化,准确和可靠的方法来检测MCP的顶点缺陷.
• 克服现有的主观和客观缺陷检测技术的局限性.

主要方法:

• 提出了一种使用光谱最大点直方图统计和多丝边界模式分析的自动检测方法.
• 采用空间带通过,图像二元化,连接组件分析和滑动窗口扫描.
• 利用光谱图上的直径图统计数据和多线程边界图案的数学分析来识别缺陷.

主要成果:

• 与现有的客观技术相比,拟议的方法显示出更高的检测性能.
• 结果与视觉检查一致,验证了它的准确性.
• 该方法在图像亮度,清晰度,对比度,噪声和均性的变化中显示出强度.

结论:

• 这种新型的自动化方法有效地检测到MCP中的顶点缺陷.
• 这种方法可以提高LLL图像强化器的图像质量.
• 该技术为传统的缺陷检测方法提供了可靠的替代方案.