基于改進U-Net的量子點STM圖像分割

王 陽, 丁 召, 宋家勇, 趙廣文, 邊歷峰, 楊 晨

(1. 貴州大學 大數據與信息工程學院 半導體功率器件可靠性教育部工程研究中心, 貴陽550025; 2. 中國科學院 蘇州納米技術與納米仿生研究所 納米器件與應用重點實驗室, 蘇州 215123)

1 引 言

量子點納米結構具有獨特的光電特性，是新型光電材料研究的熱點[1]. 在量子點材料研究過程中，可通過掃描隧道顯微鏡(Scanning Tunneling Microscope, STM)圖像對量子點數量、縱橫比等表面特征進行定性定量的分析，進而實現量子點材料量子尺寸效應、表面效應等特性的評估[2-4]. 利用STM圖像識別量子點特征參數，需要對圖像進行分割. 確定量子點像素坐標，將其從復雜背景中分離[5]. 分割后的圖像由于量子點像素坐標確定，有利于定性定量分析. 同時，沒有復雜背景的干擾有利于節約運算成本.

鑒于圖像分割對量子點定性定量分析的意義，諸多研究者在量子點STM圖像分割方面展開了研究. 經典的STM圖像分割以閾值算法為主要代表[6, 7]. Tripathi等人利用Otsu分割算法結合高斯曲線擬合，實現對不同貴金屬亞單層修飾襯底表面STM圖像的分割，并將該算法成功用于襯底表面STM圖像中簇層的檢測[8]. 為了解決Otsu算法自動化閾值分割的盲目性，Ilya Valmianski等人在研究中嘗試使用手動閾值分割的方法對STM進行分割，該方法采用預標識手段對目標區域進行約束，以降低無關背景對目標的干擾，可有效提升了STM圖像的分割質量[9]. 2019年，Tang等人利用自適應閾值分割對量子點及GaAs(001)襯底 STM圖像進行分割，并取得……