驱动AM-OLED的2-a-Si:H TFT的设计与制作

a-Si：H／SiNx：H TFT在长时间栅偏应力作用下，会产生阈值电压漂移，这主要是由绝缘层电荷注入和有源层亚稳态产生而引起的。针对电荷注入现象，文章首先通过控制源气体SiH4和NH3流量的不同，利用PECVD制作了不同N／Si比（0．87～1．68）的氮化硅绝缘材料，对其进行了椭偏、红外和光电子散射能谱（EDS）测试。制作了不同的MIS结构电容，对其进行老化实验和C-V测试分析，结果表明稍富氮（N／Si比稍大于标准Si3N4的化学计量比1．33）的氮化硅做成的M1S样品在老化前后C-V曲线偏移不是很明显，表明其缺陷态密度相对较小，能够有效减小半导体／绝缘层界面间的电荷注入。设计了驱动OLED的2-a-Si：H TFT像素电路及其阵列版图，优化了电路中的几个关键参数，即T1的W／L=2．5、T2的W／L=25和存储电容Cs=0．8pF。运用7PEP生产工艺，制作了13cm（5．2in）的TFT阵列样品。对TFT进行I-V特性测试，其开态电流为10μA，开关比为10^6；对AMOLED显示屏样品进行了静态驱动下的亮度测试，其最高亮度为341cd／m^2。     

MLS结构的电容-电压特性

本文报导在 Si 衬底上拉制聚酰胺 LB 膜的电容-电压特性,结果表明:它具有与其它绝缘膜相似的特性,为聚酰胺 LB 膜应用于场效应器件奠定了基础。     

MOS结构准静态测试中的异常C—V曲线

本文报导了MOS结构在准静态测试中的异常电容-电压曲线。讨论了它们产生的原因。     

C-V模型与工业CT相结合的几何测量方法

针对工业生产中复杂封闭内腔几何尺寸很难测量的问题,提出一种基于C-V模型的工业CT几何测量方法.首先利用C-V模型提取目标边缘坐标点的有序链码,然后利用Green定理和欧氏距离公式计算目标区域的面积和周长.在提取目标边缘坐标点的步骤中,把边缘灰度先验知识融入C-V模型以提高测量精度;在计算目标区域的面积和周长的过程中,合理地选择目标边缘有序坐标点和插值有序坐标点,再一次提高几何测量精度.实验结果表明,与2DFacet模型测量方法相比,文中方法测量精度约提高1个数量级;并已将该方法应用于实际中.     

结合局部特征和全局信息的自适应活动轮廓模型

提出一种新的基于全局图像信息和局部图像特征的活动轮廓分割模型。模型的总能量函数主要包括3项:全局能量项、局部能量项和自适应调节项。其中,全局能量项整合了图像的全局信息,局部能量项则考虑了图像的局部特征,而二者的权重会根据上下文内容自适应调整。由于在模型中充分利用了图像全局信息和局部特征,因而有效地提高了分割的精度。此外,加入了凸优化技术,以获取模型的全局最优解。最后,采用Split-Bregman方法进行快速求解,使得模型的分割效率大大提高。实验结果表明,该模型对初始化具有较好的鲁棒性,在分割精度上有了较大的提升,特别是分割速度比C-V模型快1.5倍到2倍。     

基于全散度的C-V模型阈值法

为了提高传统C-V模型的收敛速度并降低其对噪声的敏感性,提出基于全散度的C-V模型及其快速阈值分割算法。将Bregman散度与全散度统一获得新的全散度,并将其引入C-V模型的拟合偏差项,提高图像灰度值与分割区域平均灰度偏差值计算的鲁棒性。同时,采用变分水平集理论获得基于直方图的快速阈值计算方法。实验结果表明,该方法分割效果及收敛速度得到提高,且具有较好的鲁棒性和抗噪性。     

基于主动轮廓的声呐图像水雷识别方法

针对声呐图像具有噪声大、目标边缘模糊等特点,提出了一种基于主动轮廓的声呐图像水雷目标识别方法.首先根据水雷目标在声呐图像中的形状特征,采用水平集思想,得到了引入超椭圆形状约束的水平集函数;然后根据水雷目标在声呐图像中的灰度特征,采用Chan-Vese模型的演化思想,提出了一种基于超椭圆形状约束的多相水平集主动轮廓模型.将该模型用于声呐图像水雷目标的识别实验,实验结果表明,该方法对声呐图像中的水雷目标具有很好的识别效果,而且具有抗噪性和抗变形性能.     

基于C-V模型和MRF的脑部MRI分割

为准确分割脑部磁共振图像(MRI)的灰质、白质和背景,提出一种基于C-V模型和马尔可夫随机场的全自动分割方法。采用C-V模型与形态学相结合的方法对脑MRI进行预处理,去除多余脑组织,获得待分割图像。引入灰度场局部熵的思想对惩罚因子进行估计,利用马尔可夫随机场模型建模实现脑灰白质的分割,并运用形态学方法获得最终分割结果。对96幅IBSR图像和46幅临床图像进行实验,结果表明,该方法能够实现脑部MRI灰白质的全自动分割,且具有较好的分割精度和较快的处理速度。     

多相主动轮廓模型的眼底图像杯盘分割

目的 视盘及视杯的检测对于分析眼底图像和视网膜视神经疾病计算机辅助诊断来说十分重要,利用医学眼底图像中视盘和视杯呈现椭圆形状这一特征,提出了椭圆约束下的多相主动轮廓模型,实现视盘视杯的同时精确分割。方法 该算法根据视盘视杯在灰度图像中具有不同的区域亮度,建立多相主动轮廓模型,然后将椭圆形约束内嵌于该模型中。通过对该模型的能量泛函进行求解,得到椭圆参数的演化方程。分割时首先设定两条椭圆形初始曲线,根据演化方程,驱动曲线分别向视盘和视杯方向进行移动。当轮廓线到达视盘、视杯边缘时,曲线停止演化。结果 在不同医学眼底图像中对算法进行验证,对算法抗噪性、不同初始曲线选取等进行了实验,并与多种算法进行了对比。实验结果表明,本文模型能够同时分割出视盘及视杯,与其他模型的分割结果相比,本文算法的分割结果更加准确。结论 本文算法可以精确分割医学眼底图像中的视盘和视杯,该算法不需要预处理,具有较强的鲁棒性和抗噪性。     

复杂相变热图序列相变线跟踪与应用

针对复杂相变热图序列相变线自动提取问题,提出一种基于帧间差分信息的C-V主动轮廓模型提取方法。首先建立一种基于结构特征的图像精确匹配指标,解决相变热图序列中部分帧的位置偏移问题;然后利用与模板图像的帧间差分及差分图像的对比度增强获取有效相变信息;最后在考虑帧间相变线关联性的基础上,提出一种融合形状先验特征的C-V主动轮廓模型相变线跟踪算法。实验结果表明,该算法解决了目前方法无法解决的序列图像中多相变线、拓扑变化等问题,能适应多种不同类型的模型实验物,且运算速度较经典C-V模型有很大提高。基于该算法开发的软件系统在实际中得到成功应用。