【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种激光芯片热沉图像优化处理方法、系统、设备以及介质。
技术介绍
1、在芯片制造领域，随着设计的复杂性和工艺的多样化，每个生产批次的芯片产出量受到限制，进而造成可用于模型训练的样本数据量显著不足。直接使用这些有限的数据进行模型训练，往往会导致模型的泛化能力受限，容易出现过拟合的问题。尽管小样本学习方法能在一定程度上缓解此问题，但其效果仍然无法与基于大量数据的训练相媲美。这种情况下，客户的芯片可能因模型误判而遭受大量损失。
2、此外，芯片制造过程中的每道工序都可能引入较大的波动，这些波动会直接影响到最终芯片的质量。例如，外部材料的不同可能导致芯片发光颜色的差异，或工艺上的小批量失误可能产生不良品。这些质量波动会要求在模型训练中提前考虑并加入相应的缺陷样本。
3、同时，不同型号的芯片具有各异的特性和缺陷模式，这要求针对每种型号的芯片训练特定的检测模型。然而，由于每种型号芯片的样本数量有限，直接训练专用模型变得不切实际，此时数据增强技术的重要性凸显出来。
4、另外，检测设备的多样性和成像过程中的诸多因素(如光线条件、拍摄角度等)会导致图像质量的差异。这种差异使得模型在训练时难以覆盖所有可能的情况，从而导致检测结果的不一致性，增加漏检和误判的风险，最终影响整体的产品良品率。
5、再者，热沉的粗糙度不一致以及表面缺陷的识别难度，给模型训练带来了极大的挑战，这也是导致模型效果不佳的重要因素。
技术实现思路
1、(一
2、鉴于现有技术的上述缺点、不足，本专利技术提供一种激光芯片热沉图像优化处理方法、系统、设备以及介质，其解决了激光芯片热沉的粗糙程度不一致，表面缺陷难以分清，工艺过程中的复杂程度，芯片类型、缺陷种类较多带来的识别难度的技术问题。
3、(二)技术方案
4、为了达到上述目的，本专利技术采用的主要技术方案包括：
5、第一方面，本专利技术实施例提供一种激光芯片热沉图像优化处理方法，包括：
6、从待处理的热沉图像中识别并提取缺陷子图；
7、重构缺陷子图的像素值以均衡灰度级分布，并引入顶帽变换和滤波器来优化调整缺陷子图，输出优化处理后的缺陷子图；
8、对优化处理后的缺陷子图进行至少一种图像增强处理；
9、响应于用户的融合指令，将增强后的缺陷子图与选定的背景图像进行融合，以实现单个增强后的缺陷子图融合到背景图像的多个区域或者多个增强后的缺陷子图融合到背景图像的单个区域。
10、可选地，从待处理的热沉图像中识别并提取缺陷子图包括：
11、对待处理的热沉图像进行包含去噪和平滑滤波的预处理；
12、通过canny算法，计算预处理之后的待处理的热沉图像中每个像素点的梯度强度和方向，以确定边缘的候选点；
13、根据设定的高低阈值，确定包含强边缘和弱边缘的边缘和非边缘；其中，非边缘是指梯度强度低于低阈值的边缘像素点，强边缘是指梯度强度高于高阈值的边缘像素点，弱边缘是指梯度强度位于低阈值和高阈值之间且八邻域像素的边缘像素点和非边缘像素占比大于设定占比的边缘像素点；
14、从强边缘开始，进行边缘跟踪，并将与强边缘相连的弱边缘纳入边缘轮廓中，从而形成最终的边缘点集合；
15、基于最终的边缘点集合，结合获取的热沉图像的先验知识，确定包含潜在缺陷的roi区域，以生成缺陷子图。
16、可选地，重构缺陷子图的像素值以均衡灰度级分布包括：
17、计算缺陷子图的灰度直方图，通过遍历缺陷子图的每个像素并记录对应的灰度值，得到各个灰度级的像素数量；
18、分析灰度直方图的分布特征，识别出灰度峰值区域和谷值区域；
19、根据灰度峰值区域和谷值区域和各个灰度级的像素数量，并引入一个调整项，确定映射函数；
20、采用所确定的映射函数对缺陷子图进行逐像素分配处理，将每个像素的灰度值映射到新的灰度值上，以重构缺陷子图；
21、其中，映射函数为：
22、
23、式中，sk是输出图像的灰度级，t是映射函数，rk是输入图像的灰度级，k为灰度级索引，nk为是灰度级为k的像素数量，nj为是灰度级为j的像素数量，ni为是灰度级为i的像素数量，n是图像中的总像素数量，l是灰度级的数量。
24、可选地，并引入顶帽变换和滤波器来优化调整缺陷子图，输出优化处理后的缺陷子图包括：
25、将重构后的缺陷子图划分为若干个局部区域，对于每个局部区域，计算包含平均值、中位数以及标准差的灰度特征值；
26、利用计算得到的灰度特征值，动态确定每个局部区域对应的结构元素的尺寸；
27、根据每个局部区域对应的结构元素对对应的局部区域进行开运算，从而得到背景估计图；
28、将缺陷子图与经过开操作得到的背景估计图进行逐像素相减，得到初步处理的缺陷子图；
29、采用gabor滤波器对初步处理的缺陷子图进行滤波处理以响应图像中的边缘信息，输出优化处理后的缺陷子图；
30、其中，gabor滤波器为：
31、
32、式中，x'＝xcosθ+ysinθ,y'＝-xsinθ+ycosθ，λ为滤波器的波长、θ为滤波器纹理的方向、ψ为滤波器的相位偏移、γ为滤波器的空间宽高比，σ为滤波器的变异率，i为虚数单位，x和y分别代表图像中的水平和垂直位置。
33、可选地，对优化处理后的缺陷子图进行至少一种图像增强处理包括：
34、计算优化处理后的缺陷子图的均值；
35、根据均值设置相应的gamma值，其中，当均值大于某一预设阈值时，设置gamma值在1.0以上，当缺陷子图的均值小于另一预设阈值时，设置gamma值在0至1.0之间；
36、采用所设置的gamma值对缺陷子图进行gamma矫正，得到gamma矫正后的缺陷子图；
37、对gamma矫正后的缺陷子图进行对数变换，将图像的乘性关系转换为加性关系，以分离亮度和反射率；
38、对对数变换后的缺陷子图进行快速傅里叶变换，并对高频成分进行增强；
39、对增强后的图像进行逆傅里叶变换，并进行指数变换，得到同态滤波处理后的缺陷子图；
40、选择旋转变换、缩放变换或翻转变换中的一种或多种对同态滤波处理后的缺陷子图进行空间位置、形状或方向的调整，得到图像增强处理后的缺陷子图。
41、可选地，响应于用户的融合指令，将增强后的缺陷子图与选定的背景图像进行融合，以实现单个增强后的缺陷子图融合到背景图像的多个区域或者多个增强后的缺陷子图融合到背景图像的单个区域包括：
42、接收并解析用户输入的融合指令，确定待融合的缺陷子图、选定的背景图像、融合的区域以及融合的方式；
43、根据融合指令，从缺陷子图中提取选定区域内的包含缺陷的本文档来自技高网...
【技术保护点】
1.一种激光芯片热沉图像优化处理方法，其特征在于，包括：
2.如权利要求1所述的激光芯片热沉图像优化处理方法，其特征在于，从待处理的热沉图像中识别并提取缺陷子图包括：
3.如权利要求1所述的激光芯片热沉图像优化处理方法，其特征在于，重构缺陷子图的像素值以均衡灰度级分布包括：
4.如权利要求1所述的激光芯片热沉图像优化处理方法，其特征在于，引入顶帽变换和滤波器来优化调整缺陷子图，输出优化处理后的缺陷子图包括：
5.如权利要求1所述的激光芯片热沉图像优化处理方法，其特征在于，对优化处理后的缺陷子图进行至少一种图像增强处理包括：
6.如权利要求1-5任一项所述的激光芯片热沉图像优化处理方法，其特征在于，响应于用户的融合指令，将增强后的缺陷子图与选定的背景图像进行融合，以实现单个增强后的缺陷子图融合到背景图像的多个区域或者多个增强后的缺陷子图融合到背景图像的单个区域包括：
7.如权利要求6所述的激光芯片热沉图像优化处理方法，其特征在于，采用预设的叠加或组合策略，将多个缺陷子图在选定的背景图像区域内进行合并包括：>
8.一种激光芯片热沉图像优化处理系统，其特征在于，包括：
9.一种激光芯片热沉图像优化处理设备，其特征在于，包括：
10.一种计算机可读介质，其上存储有计算机可执行指令，其特征在于，可执行指令被处理器执行时实现如权利要求1-7任一项所述的激光芯片热沉图像优化处理方法。
...【技术特征摘要】
1.一种激光芯片热沉图像优化处理方法，其特征在于，包括：
2.如权利要求1所述的激光芯片热沉图像优化处理方法，其特征在于，从待处理的热沉图像中识别并提取缺陷子图包括：
3.如权利要求1所述的激光芯片热沉图像优化处理方法，其特征在于，重构缺陷子图的像素值以均衡灰度级分布包括：
4.如权利要求1所述的激光芯片热沉图像优化处理方法，其特征在于，引入顶帽变换和滤波器来优化调整缺陷子图，输出优化处理后的缺陷子图包括：
5.如权利要求1所述的激光芯片热沉图像优化处理方法，其特征在于，对优化处理后的缺陷子图进行至少一种图像增强处理包括：
6.如权利要求1-5任一项所述的激光芯片热沉图像优化处理方...
【专利技术属性】
技术研发人员：王珲荣，肖鹏，向州州，张朝阳，
申请(专利权)人：湖南奥创普科技有限公司，
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。