共焦軸向響應(yīng)曲線峰值位置提取算法
【專利摘要】共焦軸向響應(yīng)曲線峰值位置提取算法屬于共焦掃描光學(xué)測(cè)量【技術(shù)領(lǐng)域】；該方法首先歸一化數(shù)據(jù)，從實(shí)測(cè)數(shù)據(jù)中選取有效數(shù)據(jù)；然后以sinc4(a(x-b))函數(shù)為目標(biāo)函數(shù)，根據(jù)測(cè)量參數(shù)計(jì)算目標(biāo)參數(shù)初值；再以sinc4(a(x-b))函數(shù)為目標(biāo)函數(shù)，利用Levenberg-Marquardt算法進(jìn)行擬合求得目標(biāo)參數(shù)；最后根據(jù)目標(biāo)參數(shù)計(jì)算峰值位置；本發(fā)明共焦軸向響應(yīng)曲線峰值位置提取算法，通過(guò)使用sinc4作為擬合的目標(biāo)函數(shù)來(lái)獲得共焦軸向相應(yīng)曲線峰值位置，可以提高數(shù)據(jù)利用率與測(cè)量不確定度，同時(shí)減少迭代次數(shù)，減少了提取算法的運(yùn)算時(shí)間。
【專利說(shuō)明】共焦軸向響應(yīng)曲線峰值位置提取算法

【技術(shù)領(lǐng)域】
[0001]共焦軸向響應(yīng)曲線峰值位置提取算法屬于共焦掃描光學(xué)測(cè)量【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002]共焦掃描顯微鏡測(cè)量技術(shù)是一種用于微米及亞微米尺度測(cè)量的三維光學(xué)顯微技術(shù)。因其具有無(wú)需樣品制備、測(cè)量速度快、成本低、不損傷測(cè)量表面以及可直接測(cè)量高度大于半波長(zhǎng)的臺(tái)階輪廓等優(yōu)點(diǎn)，而被廣泛用于材料學(xué)、微電子學(xué)、光學(xué)、生物工程學(xué)及醫(yī)學(xué)領(lǐng)域的三維微尺度結(jié)構(gòu)測(cè)量。共焦掃描秒顯微鏡測(cè)量技術(shù)的關(guān)鍵在于共焦軸向相應(yīng)曲線峰值位置提取，這關(guān)系到三維結(jié)構(gòu)測(cè)量的精度，常用的提取方法有最大值法、質(zhì)心法、高斯函數(shù)擬合法。前兩種方法速度較快但精度不高，高斯函數(shù)擬合法精度較高但是速度很慢，并且數(shù)據(jù)利用率較低。因此，現(xiàn)有共焦軸向相應(yīng)曲線峰值位置提取方法無(wú)法兼顧速度和精度。


【發(fā)明內(nèi)容】

[0003]為了解決上述問(wèn)題，本發(fā)明公開(kāi)了一種共焦軸向響應(yīng)曲線峰值位置提取算法，該算法使用sine4作為擬合的目標(biāo)函數(shù)來(lái)獲得共焦軸向相應(yīng)曲線峰值位置，可以提高數(shù)據(jù)利用率與測(cè)量不確定度，同時(shí)減少迭代次數(shù)，減少了提取算法的運(yùn)算時(shí)間。
[0004]本發(fā)明的目的是這樣實(shí)現(xiàn)的:
[0005]一種共焦軸向響應(yīng)曲線峰值位置提取算法，包括以下步驟:
[0006]步驟a、歸一化數(shù)據(jù)，從實(shí)測(cè)數(shù)據(jù)中選取有效數(shù)據(jù)，軸向掃描間隔為z，掃描層數(shù)為N；
[0007]步驟b、以sinc4(a(X-b))函數(shù)為目標(biāo)函數(shù)，根據(jù)測(cè)量參數(shù)計(jì)算目標(biāo)參數(shù)初值和bi ;
[0008]步驟c、以sinc4(a(x_b))函數(shù)為目標(biāo)函數(shù)，利用Levenberg-Marquardt算法進(jìn)行擬合求得目標(biāo)參數(shù)；
[0009]步驟d、根據(jù)目標(biāo)參數(shù)計(jì)算峰值位置。
[0010]上述共焦軸向相應(yīng)峰值位置提取算法，所述步驟a中歸一化數(shù)據(jù)方法為，將測(cè)得的原始數(shù)據(jù)除以該原始數(shù)據(jù)最大值。
[0011]上述共焦軸向相應(yīng)峰值位置提取算法，所述步驟a中有效數(shù)據(jù)為原始數(shù)據(jù)中大于原始數(shù)據(jù)最大值50%的數(shù)據(jù)以及其索引值，或歸一化數(shù)據(jù)中大于歸一化數(shù)據(jù)最大值50%的數(shù)據(jù)以及其索引值。
[0012]上述共焦軸向響應(yīng)曲線峰值位置提取算法，所述步驟b中= π/(Ν’ Xz)，h為原始數(shù)據(jù)最大值所對(duì)應(yīng)的索引值；
[0013]所述參數(shù)b’為原始數(shù)據(jù)或歸一化數(shù)據(jù)最大值的索引值，所述參數(shù)z為共焦軸向相應(yīng)曲線半高寬度。
[0014]上述共焦軸向響應(yīng)曲線峰值位置提取算法，所述步驟c中Levenberg-Marquardt算法的最大迭代次數(shù)N>10000，殘差res〈l X 10_5。
[0015]上述共焦軸向響應(yīng)曲線峰值位置提取算法，所述步驟d中峰值位置為bX軸向掃描間隔。
[0016]有益效果:
[0017]本發(fā)明以sine4函數(shù)作為共焦軸向相應(yīng)曲線擬合的目標(biāo)函數(shù)，并基于此目標(biāo)函數(shù)計(jì)算目標(biāo)參數(shù)的初值，并擬合求得目標(biāo)參數(shù)，最后得到峰值位置，由于sine4函數(shù)更接近理論模型，因此可以提高數(shù)據(jù)利用率與測(cè)量不確定度，進(jìn)而減少迭代次數(shù)，實(shí)現(xiàn)減少提取算法的運(yùn)算時(shí)間的技術(shù)目的。

【專利附圖】

【附圖說(shuō)明】
[0018]圖1是本發(fā)明共焦軸向響應(yīng)曲線峰值位置提取算法流程圖。
[0019]圖2為擬合結(jié)果示意圖。

【具體實(shí)施方式】
[0020]下面結(jié)合附圖和具體實(shí)施例進(jìn)行詳細(xì)說(shuō)明，以便對(duì)本發(fā)明的目的、技術(shù)方案有更深入的理解。
[0021]本實(shí)施例的共焦軸向響應(yīng)曲線峰值位置提取算法，流程圖如圖1所示。該算法包括以下步驟:
[0022]步驟a、歸一化數(shù)據(jù)，具體為將測(cè)得的原始數(shù)據(jù)除以該原始數(shù)據(jù)最大值；從實(shí)測(cè)數(shù)據(jù)中選取有效數(shù)據(jù)，記為(x^ yj，(x2, y2),..., (χη, yn)，軸向掃描間隔為ζ = 0.1 μ m,掃描層數(shù)為N= 200層；其中，所述的有效數(shù)據(jù)為原始數(shù)據(jù)中大于原始數(shù)據(jù)最大值50%的數(shù)據(jù)以及其索引值；
[0023]步驟b、以sinc4(a(x-b))函數(shù)為目標(biāo)函數(shù)，根據(jù)測(cè)量參數(shù)計(jì)算目標(biāo)參數(shù)初值:
[0024]a 的初值 a1 % π /(N，Xz)，N，= 38，ζ = 0.1，即 a, = 0.826 ；
[0025]b的初值h為最大值對(duì)應(yīng)的索引值47 ；
[0026]步驟c、以sinc4(a(x_b))函數(shù)為目標(biāo)函數(shù)，利用Levenberg-Marquardt算法進(jìn)行擬合求得目標(biāo)參數(shù)b = 47.67，最大迭代次數(shù)N>10000，殘差res〈lX10_5 ；
[0027]步驟d、樣品該點(diǎn)的相對(duì)高對(duì)記為bXz = 4.767 ；
[0028]擬合結(jié)果如圖2所示。
[0029]對(duì)每個(gè)掃描點(diǎn)按照上述步驟處理，即得每個(gè)掃描點(diǎn)的相對(duì)高度，由此可得樣品的三維形貌。
[0030]這里需要說(shuō)明的是，同sinc2(a(x-b))相比，采用sine4(a(x_b))函數(shù)為目標(biāo)函數(shù)進(jìn)行擬合，對(duì)于表面平滑的樣品，測(cè)量結(jié)果對(duì)于樣品三維形貌的表達(dá)更加準(zhǔn)確。
[0031]本發(fā)明不局限于上述最佳實(shí)施方式，任何人應(yīng)該得知在本發(fā)明的啟示下作出的結(jié)構(gòu)變化或方法改進(jìn)，凡是與本發(fā)明具有相同或相近的技術(shù)方案，均落入本發(fā)明的保護(hù)范圍之內(nèi)。
【權(quán)利要求】
1.一種共焦軸向響應(yīng)曲線峰值位置提取算法，其特征在于，包括以下步驟: 步驟a、歸一化數(shù)據(jù)，從實(shí)測(cè)數(shù)據(jù)中選取有效數(shù)據(jù)，軸向掃描間隔為z，掃描層數(shù)為N ； 步驟b、以sine4 (a (x-b))函數(shù)為目標(biāo)函數(shù)，根據(jù)測(cè)量參數(shù)計(jì)算目標(biāo)參數(shù)初值B1和Id1 ； 步驟C、以sine4 (a (χ-b))函數(shù)為目標(biāo)函數(shù)，利用Levenberg-Marquardt算法擬合求得目標(biāo)參數(shù)； 步驟d、根據(jù)目標(biāo)參數(shù)計(jì)算峰值位置。
2.根據(jù)權(quán)利要求1所述的共焦軸向相應(yīng)峰值位置提取算法，其特征在于，所述步驟a中歸一化數(shù)據(jù)方法為，將測(cè)得的原始數(shù)據(jù)除以該原始數(shù)據(jù)最大值。
3.根據(jù)權(quán)利要求1所述的共焦軸向相應(yīng)峰值位置提取算法，其特征在于，所述步驟a中有效數(shù)據(jù)為原始數(shù)據(jù)中大于原始數(shù)據(jù)最大值50%的數(shù)據(jù)以及其索引值，或歸一化數(shù)據(jù)中大于歸一化數(shù)據(jù)最大值50%的數(shù)據(jù)以及其索引值。
4.根據(jù)權(quán)利要求1、2或3所述的共焦軸向響應(yīng)曲線峰值位置提取算法，其特征在于，所述步驟b中ai = π /(N’ Xz)，Id1為原始數(shù)據(jù)最大值所對(duì)應(yīng)的索引值。
5.根據(jù)權(quán)利要求4所述的共焦軸向響應(yīng)曲線峰值位置提取算法，其特征在于，所述參數(shù)N’為原始數(shù)據(jù)或歸一化數(shù)據(jù)半高寬度，即為值大于二分之一最大值的數(shù)據(jù)的個(gè)數(shù)。
6.根據(jù)權(quán)利要求1、2或3所述的共焦軸向響應(yīng)曲線峰值位置提取算法，其特征在于，所述步驟c中Levenberg-Marquardt算法的最大迭代次數(shù)N>10000,殘差res〈l X 1CT5。
7.根據(jù)權(quán)利要求1、2或3所述的共焦軸向響應(yīng)曲線峰值位置提取算法，其特征在于，所述步驟d中峰值位置為bXz。
【文檔編號(hào)】G06F19/00GK104361226SQ201410617214
【公開(kāi)日】2015年2月18日 申請(qǐng)日期:2014年11月5日 優(yōu)先權(quán)日:2014年11月5日
【發(fā)明者】劉儉, 譚久彬, 劉辰光, 王紅婷 申請(qǐng)人:哈爾濱工業(yè)大學(xué)