结合频谱与空间信息的边缘提取算法研究-光学工程专业论文.docxVIP

承诺书 本人声明所呈交的博/硕士学位论文是本人在导师指导下 进行的研究工作及取得的研究成果。除了文中特别加以标注和 致谢的地方外，论文中不包含其他人已经发表或撰写过的研究 成果，也不包含为获得南京航空航天大学或其他教育机构的学 位或证书而使用过的材料。 本人授权南京航空航天大学可以将学位论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后适用本承诺书） 作者签名： 日 期： 南京航空航天大学硕士学位论文 南京航空航天大学硕士学位论文 结合频谱与空间信息的边缘提算法研究 结合频谱与空间信息的边缘提算法研究 摘 要 作为解决当前能源危机的清洁能源之一，太阳能是未来能源发展的主要方向。多晶硅是 太阳能电池最主要的衬底，其结晶度对光—电转换效率有着直接的影响。由于目前多晶硅电 池结晶度检测中使用的人工抽样目测方法存在较多缺陷，而采用机器检测的方法可以大大提 高检测速度，且可避免人工检测时因用眼疲劳的缘故导致硅片的检测结果前后不一致，因此 利用机器实现结晶度自动检测便成为一个必然趋势。本文通过将灰度直方图这一频谱信息与 空间梯度信息相结合，获得了图像的分割阈值，并利用梯度信息对初始边缘进行优化，提取 了多晶硅电池的晶畴边缘，为晶畴区域统计奠定了技术基础。本文研究内容主要包括多晶硅 图像获取、图像去噪、图像分割和初始边缘优化等。通过调整图像获取时的各种参数（包括 光照、相机参数和偏振态等），以提高图像对比度，降低噪声；通过分析边缘点与噪点特征， 在抑制噪声的过程中，最大限度地保留了原图中的边缘点；图像分割中，为克服光照不均对 图像的影响，我们对图像进行了分块，并在每一个小块内，将灰度直方图与空间梯度信息相 结合以自适应地获取分割阈值；初始边缘优化中，本文将原图中的梯度信息与初始边缘相结 合，以消除伪边缘并修补丢失边缘，从而提高边缘提取的准确度。实验结果表明，本文设计 的算法可以较准确地获取多晶硅图像边缘，为晶畴轮廓识别和多晶硅电池结晶度机器检测奠 定了基础。 关键词：多晶硅，梯度信息，灰度直方图，图像分割，边缘优化 I PAGE PAGE IV III III ABSTRACT Solar energy is the main direction of energy development in the future. Polysilicon is the main substrate solar cell, its crystallinity of polycrystalline silicon solar cell has direct impact to photoelectric conversion efficiency. At present, the detection means of polycrystalline silicon cells crystallinity is mainly sampling visual detection, it has many disadvantages. Machine vision detection can greatly improve the detection speed and avoid the inconsistence of visual detection and the detection deviation of different worker, it will be an inevitable trend of polysilicon battery testing field in future. This paper proposed an edge detection method combining frequency spectrum information with spatial information. The edge of crystal domain in polycrystalline silicon cells was obtained via four steps: image acquisition, image de-noising, image segmentation and edge optimization. By adjusting the illumination, camera parameters and the polarization state, the high-quality images of polysilicon battery cell were obtained; basing on the