【技术实现步骤摘要】
本专利技术属于晶圆针印图像检测领域，涉及晶圆针印图像边缘亚像素检测技术，具体涉及一种基于改进区域灰度模型的晶圆针印图像边缘亚像素检测方法。
技术介绍
1、晶圆是指半导体制造过程中使用的圆形硅片，也称为硅片，它是半导体芯片制造的基础材料，通常用于制造集成电路(ic)和其他电子元件，如传感器、发光二极管(led)和太阳能电池等。晶圆检测是指对制造完成的晶圆进行各种测试和检查，以确保晶圆符合特定的质量标准和规范。晶圆针印边缘检测是指在晶圆制造过程中，对晶圆边缘上的针印进行检测和分析的过程。针印是指在晶圆边缘部分刻上的一组用于定位和对准晶圆的小孔或凹槽。在晶圆制造过程中，针印的位置和尺寸非常关键，因为它们对芯片的精度和稳定性有很大影响。在制备晶圆的过程中，有必要对晶圆的边缘进行高精度检测以帮助制造商识别和纠正针印位置和尺寸偏差，从而提高晶圆的质量和稳定性。
2、亚像素检测方法是一种精度较高的图像处理技术，可以在图像分辨率不足时提高检测精度。以下是几种常见的亚像素检测方法：1.插值法，该方法使用插值算法来计算图像中像素之间的亚像素偏移量。最常用的插值算法是双线性插值，它可以对四个相邻的像素进行加权平均，从而获得更精确的像素值。该方法适用于检测基于亚像素级别的物体位置和大小，但是需要进行大量的计算和内存存储，这可能会导致运算速度较慢，对计算机性能要求较高，尤其是对于高分辨率图像处理时。2.矩方法：该方法是一种基于矩计算的图像处理技术，可以用于检测物体的位置和形状。该方法通过计算物体的矩来估计物体的重心位置和方向，从而得到亚像素级
技术实现思路
1、专利技术目的：为了克服现有技术中存在的对晶圆针印边缘检测在粗定位时，采用canny算子提取的边缘在噪声条件下去噪同时无法兼顾保持边缘的缺点，提供一种基于改进区域灰度模型的晶圆针印图像边缘亚像素检测方法，通过设计canny算子结合各向异性扩散滤波去除图像中的噪声和平滑图像，保留图像的边缘和细节信息，并消除图像中的噪声，通过改进子图像合并中的强度值计算方法，设计自适应加权计算，提高图像边缘亚像素检测结果的准确度。
2、技术方案：为实现上述目的，本专利技术提供一种基于改进区域灰度模型的晶圆针印图像边缘亚像素检测方法，包括如下步骤：
3、s1：采集待检测的晶圆针印图像；
4、s2：将采集到的晶圆针印图像进行预处理，将rgb图像转为灰度图；
5、s3：将晶圆针印图像进行边缘点粗提取，生成粗提取图像；
6、s4：根据构建好的改进区域灰度模型，采用改进区域灰度模型法对粗提取图像进行边缘点亚像素检测，输出得到检测结果。
7、进一步地，所述步骤s3中边缘点粗提取的方式为：
8、a1：对晶圆针印图像进行各向异性扩散滤波去噪，将滤波后的图像替换高斯平滑后的图像；
9、a2：计算图像的幅值和梯度；
10、a3：通过非极大值抑制和双阈值法定位图像的粗边缘点生成粗提取图像g0。
11、本专利技术的边缘点粗提取中，将高斯滤波替换为各向异性滤波，通过设计canny算子结合各向异性扩散滤波去除图像中的噪声和平滑图像，保留图像的边缘和细节信息，并消除了图像中的噪声。
12、进一步地，所述步骤a1中各向异性扩散滤波去噪的方式为：
13、构建各向异性滤波离散化方程：
14、
15、其中，和分别为上下左右四个方向的梯度，λ为平滑度控制参数，t为扩散次数，cn、cs、ce和cw为四个方向的扩散系数，其公式为
16、
17、其中，k为扩散门限，计算梯度值使其调整扩散的大小，当趋近于0，扩散在接近边缘处停止；当趋近于1，扩散在非边缘区域，将其平滑处理，以抑制噪声。
18、进一步地，所述步骤a2中图像的幅值和梯度的计算方式为：
19、分别构建水平x和垂直y的模板和并计算水平方向上的幅值gx和垂直方向上的幅值gy，公式如下
20、
21、并计算梯度幅值和梯度方向θ=arctan(gy/gx)。
22、进一步地，所述步骤s4中改进区域灰度模型的构建和检测方法为：
23、b1：以边缘点(i,j)为原点，建立边缘直线方程y＝a+bx，该直线将平面分为强度为a和b两部分，参数a、b、a、b均未知，像素值表达式为：
24、
25、其中，pij为(i,j)下侧的面积(0≤pij≤h2)；
26、在中间像素(i,j)创建5x3窗口，窗口保证边缘从窗口的左侧到右侧穿过，将边缘下方l、m和r列的面积分别标记为sl、sm、sr，以此表示窗口左中右的面积，
27、
28、其中l、m和r的公式如下：
29、
30、联立公式(2)和(3)可得到a，b的参数
31、
32、以窗口左上方对角的三个像素(i,j+2)，(i+1,j+2)，(i+1,j+1)的像素值计算强度值a，以窗口坐下方对角的三个像素(i-1,j-1)，(i-1,j-2)，(i,j-2)的像素值计算强度b；
33、
34、由此，计算直线方程上的所有参数，并得到亚像素坐标点；
35、b2：为计算曲线边缘上的坐标，以二次曲线y＝a+bx+cx2建立边缘模型
36、
37、令h＝1，通过窗口中3列面积可确定a、b和c；
38、
39、边缘强度a和b的计算与步骤b1相同，由此曲线模型上的参数可确定，曲线亚像素坐标可求解得到。
40、进一步地，所述步骤s4中采用改进区域灰度模型法进行边缘点亚像素检测的具体过程为：
41、c1：通过改进区域灰度模型检测粗提取图像g0中的像素坐标点；
42、c2：根据检测的边缘参数，生成9x3子图像；
43、c3：对生成的9x3子图像进行自适应加权合并得到合并图像f1；
44、c4：重复步骤c1～c3，迭代n次后生成图像fn，更新边缘特征参数，求解亚像素边缘点；
45、c5：计算所有针印边缘亚像素坐标点并保存对应坐标点(x,y)，输出检测结果。
46、进一步地，所述步骤c2具体为：
47、c2-1：对图像g0中的每一个边缘点生成9x3子图；
48、计算边缘像素f(i，j)水平和垂直方向的偏导数fx和fy，利用相邻像素的一阶灰度值差分近似代替偏导，
49、
50、穿过边缘像素的斜率为k，则k＝fy/fx本文档来自技高网...
【技术保护点】
1.一种基于改进区域灰度模型的晶圆针印图像边缘亚像素检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于改进区域灰度模型的晶圆针印图像边缘亚像素检测方法，其特征在于，所述步骤S3中边缘点粗提取的方式为：
3.根据权利要求2所述的一种基于改进区域灰度模型的晶圆针印图像边缘亚像素检测方法，其特征在于，所述步骤A1中各向异性扩散滤波去噪的方式为：
4.根据权利要求2所述的一种基于改进区域灰度模型的晶圆针印图像边缘亚像素检测方法，其特征在于，所述步骤A2中图像的幅值和梯度的计算方式为：
5.根据权利要求1所述的一种基于改进区域灰度模型的晶圆针印图像边缘亚像素检测方法，其特征在于，所述步骤S4中改进区域灰度模型的构建和检测方法为：
6.根据权利要求5所述的一种基于改进区域灰度模型的晶圆针印图像边缘亚像素检测方法，其特征在于，所述步骤S4中采用改进区域灰度模型法进行边缘点亚像素检测的具体过程为：
7.根据权利要求6所述的一种基于改进区域灰度模型的晶圆针印图像边缘亚像素检测方法，其特征在于，所述步骤C2具
8.根据权利要求6所述的一种基于改进区域灰度模型的晶圆针印图像边缘亚像素检测方法，其特征在于，所述步骤C3具体为：
9.根据权利要求6所述的一种基于改进区域灰度模型的晶圆针印图像边缘亚像素检测方法，其特征在于，所述步骤C5中针印边缘亚像素坐标点的计算方法为：计算边缘点中心像素到边缘曲线的距离，若边缘斜率|k|<1，取偏移坐标(0,a)，则边缘点(i,j)的亚像素坐标为(i,j+a)；若|k|>1，取偏移坐标(a,0)，则边缘点(i,j)的亚像素坐标为(i+a,j)。
...【技术特征摘要】
1.一种基于改进区域灰度模型的晶圆针印图像边缘亚像素检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于改进区域灰度模型的晶圆针印图像边缘亚像素检测方法，其特征在于，所述步骤s3中边缘点粗提取的方式为：
3.根据权利要求2所述的一种基于改进区域灰度模型的晶圆针印图像边缘亚像素检测方法，其特征在于，所述步骤a1中各向异性扩散滤波去噪的方式为：
4.根据权利要求2所述的一种基于改进区域灰度模型的晶圆针印图像边缘亚像素检测方法，其特征在于，所述步骤a2中图像的幅值和梯度的计算方式为：
5.根据权利要求1所述的一种基于改进区域灰度模型的晶圆针印图像边缘亚像素检测方法，其特征在于，所述步骤s4中改进区域灰度模型的构建和检测方法为：
6.根据权利要求5所述的一种基于改进区域灰度模...
【专利技术属性】
技术研发人员：朱勤华，王璐，马国军，仲重光，张龙，程理泽，刘清洋，刘元贤，
申请(专利权)人：江阴捷芯电子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。