CN109781736A - 一种晶元纹理图像周期的自动测量方法和系统 - Google Patents
一种晶元纹理图像周期的自动测量方法和系统 Download PDFInfo
- Publication number
- CN109781736A CN109781736A CN201910017997.4A CN201910017997A CN109781736A CN 109781736 A CN109781736 A CN 109781736A CN 201910017997 A CN201910017997 A CN 201910017997A CN 109781736 A CN109781736 A CN 109781736A
- Authority
- CN
- China
- Prior art keywords
- texture image
- image
- automatic measurement
- period
- wafer texture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明公开了一种晶元纹理图像周期的自动测量方法和系统,包括以下步骤:首先采集到的周期纹理图像进行高斯滤波,已达到过滤信号噪声的目的。接下来对高斯滤波后的图像进行二维快速傅里叶变换,得到图像的频谱和相位,然后对频谱和相位在频域计算自相关。对求取自相关的结果进行求取局部极大值坐标,最后根据极大值坐标求出纹理图像的周期。本发明基于频域自相关的方法快速计算出晶元纹理图像的周期,精度高,速度快,鲁棒性好。
Description
技术领域
本发明属于计算机视觉检测技术领域,具体涉及一种晶元周期纹理图像测量周期的方法和系统。
背景技术
计算机视觉技术具有非接触性,经济性,灵活性和集成性等优点,在工业测试与在线检测领域具有广泛的应用前景。在目前液晶面板行业对晶元缺陷检测过程中,对晶元周期进行测量是不可或缺的关键步骤之一。传统的人工测量的方法具有工作量大,效率低,以及精度难以保证等问题。近年来,随着计算机视觉技术的快速发展,出现了一些基于计算机的视觉测量算法,这些算法可实现某一种或者某一类零件尺寸的自动测量,大大提高了零件的加工生产能力和产品质量。但是受现阶段视觉测量技术发展水平的限制,这些系统大多数是存在视觉测量精度不高,以及所测周期大小的限制的问题,在一些高精度要求的产品上面往往达不到要求,这一问题限制了视觉测量技术在零件加工制造行业的推广。
现已有与本发明最相近似的解决方案是通过将图像转换成一维信号,计算其傅里叶变换,根据连续频谱的最大峰值和次大峰值进行计算对应的周期。例如,中国发明专利申请号CN201710216317.2公开了一种织物图像纹理周期的自动测量方法:将一个二维灰度织物图像按照行和列的方式分别展开为一维行向量和一维列向量,分别对一维行向量和一维列向量进行快速傅里叶变换得到对应的连续频谱,提取连续频谱最大峰值点和次大峰值点对应的主周期,最终根据主周期和次周期的距离匹配函数值来确定最终的周期。
上述现有技术的主要缺点是在视觉图像上,由于采样点的限制,只能测量周期范围为2-30颗像素的周期,而且测量周期为整数周期。
发明内容
为解决以上问题,针对周期范围受限以及测量周期精度不高这个缺点,本发明提高周期的测量范围,并且在视觉图像上达到了亚像素级别。本发明通过在频域求取图像的自相关系数,并运用二项式拟合求出自相关系数中的亚像素精度的局部极大值点,实现了晶元纹理图像的亚像素精度周期测量。
具体的,根据本发明的一个方面,本发明提供了一种晶元纹理图像周期的自动测量方法,包括以下步骤:
对晶元纹理图像进行高斯滤波,去除图像信号噪声;
对滤波后的图像计算快速傅里叶变换,得出图像的相位和幅值信息;
在频域对滤波后的图像进行计算自相关;
求取所述自相关的结果的局部极大值;
计算相邻局部极大值之间的距离,即为晶元纹理图像周期。
优选的,所述高斯滤波中的高斯核采用标准差为1.0,核大小为5*5的整数值高斯核。
优选的,所述快速傅里叶变换,公式如下:
式中f(x,y)代表一幅大小为M x N的图像矩阵,其中x=0,1,2,···,M-1和y=0,1,2,···,N-1,j代表虚部,e代表自然对数函数的底数,F(u,v)表示f(x,y)的快速傅里叶变换结果。
优选的,所述在频域对滤波后的图像进行计算自相关,公式如下:
R=F(u,v)*F*(u,v)
其中F(u,v)为所述快速傅里叶变换结果,F*(u,v)为F(u,v)的共轭复数,R为自相关结果。
优选的,所述求取自相关的结果的局部极大值,包括以下步骤:
对所述自相关结果中每个点上都进行二次多项式拟合,然后检查该点上的拟合曲线是否为极大值点。
优选的,所述检查拟合曲线是否为极大值点的方法为:如果该点在拟合曲线上的一阶导数为0,二阶导数小于0,且该点的灰度值大于150,则将该点确认为极大值点。
优选的,所述计算相邻局部极大值之间的距离,包括以下步骤:
计算左右相邻的两个点的距离即为水平周期,计算竖直相邻的两个点的距离即为竖直周期。
根据本发明的另一个方面,本发明还提供了一种晶元纹理图像周期的自动测量系统,包括:
滤波模块,用于对晶元纹理图像进行高斯滤波,去除图像信号噪声;
傅立叶变换模块,用于对滤波后的图像计算快速傅里叶变换,得出图像的相位和幅值信息;
自相关计算模块,用于在频域对滤波后的图像进行计算自相关;
极大值计算模块,用于求取所述自相关的结果的局部极大值;
周期计算模块,用于计算相邻局部极大值之间的距离,即为晶元纹理图像周期。
根据本发明的另一个方面,本发明还提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上所述的晶元纹理图像周期的自动测量方法。
根据本发明的另一个方面,本发明还提供了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行,以实现如上所述的晶元纹理图像周期的自动测量方法。
与现有技术相比,本发明的有益效果是:通过在频域求取图像的自相关系数,并运用二项式拟合求出自相关系数中的亚像素精度的局部极大值点,最终实现了晶元纹理图像的亚像素精度周期测量。在高精度视觉测量要求行业有着极大的应用价值;本发明还可以进一步扩充,使得利用此方法来适应更多的待测特征(纹理产品的尺寸,计算纹理产品数量等)的测量。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明的自动测量方法流程图。
图2为本发明的晶元纹理图像实例。
图3为本发明的晶元自相关效果图。
图4为本发明的最终的结果效果图。
图5为本发明的自动测量系统结构图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例1
如图1所示,本发明的目标是计算出晶元图像纹理的周期。计算过程如下:
1.对晶元纹理图像如图2进行高斯滤波,去除图像信号噪声;
所述对晶元纹理图像进行高斯滤波,其中高斯滤波中的高斯核采用标准差为1.0,核大小为5*5的整数值高斯核,如下:
2.对滤波后的图像计算快速傅里叶变换,得出图像的相位和幅值信息;
所述对滤波后的图像进行计算傅里叶变换,公式如下:
式中f(x,y)代表一幅大小为M x N的图像矩阵,其中x=
0,1,2,···,M-1和y=0,1,2,···,N-1,j代表虚部,e代表自然对数函数的底数,F(u,v)表示f(x,y)的傅里叶变换结果。计算滤波后图像的傅里叶变换结果,以复数形式表示。
3.在频域对滤波后的图像进行计算自相关;
所述在频域对滤波后的图像进行计算自相关,公式如下:
R=F(u,v)*F*(u,v)
其中F(u,v)为以上第2步中所述傅里叶变换结果,F(u,v)为F(u,v)的共轭复数。
4.对自相关的结果进行求取局部极大值如图3;
A)对步骤3中所得到的结果R中每个点上都进行二次多项式拟合,然后检查该点上的拟合曲线是否为极大值点。如果是极大值,则将该点的坐标记下为(xi,yi)。
B)检查拟合曲线的极大值,其方法在于:如果该点在拟合曲线上的一阶导数为0,二阶导数小于0,且该点的灰度值大于150的话,则将该点确认为极大值点。
5.计算相邻局部极大值之间的距离即为纹理图像的周期如图4。
计算左右相邻的两个点的距离即可得出水平周期,计算竖直相邻的两个点的距离即可得出竖直周期。
本实施例的有益效果是通过在频域求取图像的自相关系数并运用二项式拟合求出自相关系数中的亚像素精度的局部极大值点,最终实现了晶元纹理图像的亚像素精度周期测量。在高精度视觉测量要求行业有着极大的应用价值;本发明还可以进一步扩充,使得利用此方法来适应更多的待测特征(纹理产品的尺寸,计算纹理产品数量等)的测量。
实施例2
本实施例提供一种晶元纹理图像周期的自动测量系统,如图5所示,包括:
滤波模块100,用于对晶元纹理图像进行高斯滤波,去除图像信号噪声;
傅立叶变换模块200,用于对滤波后的图像计算快速傅里叶变换,得出图像的相位和幅值信息;
自相关计算模块300,用于在频域对滤波后的图像进行计算自相关;
极大值计算模块400,用于求取所述自相关的结果的局部极大值;
周期计算模块500,用于计算相邻局部极大值之间的距离,即为晶元纹理图像周期。
本实施例的有益效果是通过在频域求取图像的自相关系数并运用二项式拟合求出自相关系数中的亚像素精度的局部极大值点,最终实现了晶元纹理图像的亚像素精度周期测量。在高精度视觉测量要求行业有着极大的应用价值;本发明还可以进一步扩充,使得利用此系统来适应更多的待测特征(纹理产品的尺寸,计算纹理产品数量等)的测量。
实施例3
本实施例提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如实施例1中所述的晶元纹理图像周期的自动测量方法。
实施例4
本实施例提供一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行,以实现如实施例1中任一所述的晶元纹理图像周期的自动测量方法。
需要说明的是:
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述,构造这类装置所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的虚拟机的创建装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种晶元纹理图像周期的自动测量方法,其特征在于,包括以下步骤:
对晶元纹理图像进行高斯滤波,去除图像信号噪声;
对滤波后的图像计算快速傅里叶变换,得出图像的相位和幅值信息;
在频域对滤波后的图像进行计算自相关;
求取所述自相关的结果的局部极大值;
计算相邻局部极大值之间的距离,即为晶元纹理图像周期。
2.根据权利要求1所述的一种晶元纹理图像周期的自动测量方法,其特征在于:
所述高斯滤波中的高斯核采用标准差为1.0,核大小为5*5的整数值高斯核。
3.根据权利要求1所述的一种晶元纹理图像周期的自动测量方法,其特征在于:
所述快速傅里叶变换,公式如下:
式中f(x,y)代表一幅大小为MxN的图像矩阵,其中x=0,1,2,···,M-1和y=0,1,2,···,N-1,j代表虚部,e代表自然对数函数的底数,F(u,v)表示f(x,y)的快速傅里叶变换结果。
4.根据权利要求1所述的一种晶元纹理图像周期的自动测量方法,其特征在于:
所述在频域对滤波后的图像进行计算自相关,公式如下:
R=F(u,v)*F*(u,v)
其中F(u,v)为所述快速傅里叶变换结果,F*(u,v)为F(u,v)的共轭复数,R为自相关结果。
5.根据权利要求1所述的一种晶元纹理图像周期的自动测量方法,其特征在于:所述求取自相关的结果的局部极大值,包括以下步骤:
对所述自相关结果中每个点上都进行二次多项式拟合,然后检查该点上的拟合曲线是否为极大值点。
6.根据权利要求5所述的一种晶元纹理图像周期的自动测量方法,其特征在于:所述检查拟合曲线是否为极大值点的方法为:如果该点在拟合曲线上的一阶导数为0,二阶导数小于0,且该点的灰度值大于150,则将该点确认为极大值点。
7.根据权利要求1所述的一种晶元纹理图像周期的自动测量方法,其特征在于:所述计算相邻局部极大值之间的距离,包括以下步骤:
计算左右相邻的两个点的距离即为水平周期,计算竖直相邻的两个点的距离即为竖直周期。
8.一种晶元纹理图像周期的自动测量系统,其特征在于,包括:
滤波模块,用于对晶元纹理图像进行高斯滤波,去除图像信号噪声;
傅立叶变换模块,用于对滤波后的图像计算快速傅里叶变换,得出图像的相位和幅值信息;
自相关计算模块,用于在频域对滤波后的图像进行计算自相关;
极大值计算模块,用于求取所述自相关的结果的局部极大值;
周期计算模块,用于计算相邻局部极大值之间的距离,即为晶元纹理图像周期。
9.一种电子设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-8中任一所述的晶元纹理图像周期的自动测量方法。
10.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以实现如权利要求1-8中任一所述的晶元纹理图像周期的自动测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910017997.4A CN109781736B (zh) | 2019-01-09 | 2019-01-09 | 一种晶元纹理图像周期的自动测量方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910017997.4A CN109781736B (zh) | 2019-01-09 | 2019-01-09 | 一种晶元纹理图像周期的自动测量方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109781736A true CN109781736A (zh) | 2019-05-21 |
CN109781736B CN109781736B (zh) | 2021-07-06 |
Family
ID=66499391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910017997.4A Active CN109781736B (zh) | 2019-01-09 | 2019-01-09 | 一种晶元纹理图像周期的自动测量方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109781736B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110530883A (zh) * | 2019-09-30 | 2019-12-03 | 凌云光技术集团有限责任公司 | 一种缺陷检测方法 |
CN110874837A (zh) * | 2019-10-31 | 2020-03-10 | 中导光电设备股份有限公司 | 一种基于局部特征分布的缺陷自动检测方法 |
CN115393303A (zh) * | 2022-08-17 | 2022-11-25 | 上海精积微半导体技术有限公司 | 周期性结构的周期提取方法及晶圆缺陷检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102023168A (zh) * | 2010-11-08 | 2011-04-20 | 北京大学深圳研究生院 | 半导体晶圆表面的芯片检测方法及系统 |
CN102279191A (zh) * | 2010-06-13 | 2011-12-14 | 中钞特种防伪科技有限公司 | 周期性纹理图像中缺陷的检测方法和装置 |
CN106204517A (zh) * | 2015-04-17 | 2016-12-07 | 铭传大学 | 周期性图案的自动光学检测方法 |
CN106991708A (zh) * | 2017-04-27 | 2017-07-28 | 飞依诺科技(苏州)有限公司 | 超声多普勒血流成像的处理方法及处理系统 |
CN107037050A (zh) * | 2017-04-05 | 2017-08-11 | 东华大学 | 一种织物图像纹理周期的自动测量方法 |
KR101884196B1 (ko) * | 2017-05-16 | 2018-08-01 | 주식회사 제이스텍 | 도전성 필름 부착시 압흔상태 검사방법 |
-
2019
- 2019-01-09 CN CN201910017997.4A patent/CN109781736B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102279191A (zh) * | 2010-06-13 | 2011-12-14 | 中钞特种防伪科技有限公司 | 周期性纹理图像中缺陷的检测方法和装置 |
CN102023168A (zh) * | 2010-11-08 | 2011-04-20 | 北京大学深圳研究生院 | 半导体晶圆表面的芯片检测方法及系统 |
CN106204517A (zh) * | 2015-04-17 | 2016-12-07 | 铭传大学 | 周期性图案的自动光学检测方法 |
CN107037050A (zh) * | 2017-04-05 | 2017-08-11 | 东华大学 | 一种织物图像纹理周期的自动测量方法 |
CN106991708A (zh) * | 2017-04-27 | 2017-07-28 | 飞依诺科技(苏州)有限公司 | 超声多普勒血流成像的处理方法及处理系统 |
KR101884196B1 (ko) * | 2017-05-16 | 2018-08-01 | 주식회사 제이스텍 | 도전성 필름 부착시 압흔상태 검사방법 |
Non-Patent Citations (1)
Title |
---|
于海鹏等: "木材纹理的定量化算法探究", 《福建林学院学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110530883A (zh) * | 2019-09-30 | 2019-12-03 | 凌云光技术集团有限责任公司 | 一种缺陷检测方法 |
CN110874837A (zh) * | 2019-10-31 | 2020-03-10 | 中导光电设备股份有限公司 | 一种基于局部特征分布的缺陷自动检测方法 |
CN110874837B (zh) * | 2019-10-31 | 2023-07-25 | 中导光电设备股份有限公司 | 一种基于局部特征分布的缺陷自动检测方法 |
CN115393303A (zh) * | 2022-08-17 | 2022-11-25 | 上海精积微半导体技术有限公司 | 周期性结构的周期提取方法及晶圆缺陷检测方法 |
CN115393303B (zh) * | 2022-08-17 | 2023-11-17 | 上海精积微半导体技术有限公司 | 周期性结构的周期提取方法及晶圆缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109781736B (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Offringa et al. | WSCLEAN: an implementation of a fast, generic wide-field imager for radio astronomy | |
Zhang et al. | Image reconstruction with low-rankness and self-consistency of k-space data in parallel MRI | |
Bouris et al. | Fast and efficient FPGA-based feature detection employing the SURF algorithm | |
CN109781736A (zh) | 一种晶元纹理图像周期的自动测量方法和系统 | |
Anoop et al. | Retracted article: medical image enhancement by a bilateral filter using optimization technique | |
CN101221661B (zh) | 一种图像配准方法及装置 | |
Trusiak et al. | Two-shot fringe pattern phase-amplitude demodulation using Gram-Schmidt orthonormalization with Hilbert-Huang pre-filtering | |
Dimoudi et al. | A GPU implementation of the correlation technique for real-time Fourier domain pulsar acceleration searches | |
Fu et al. | Reconstruction of seismic data with missing traces using normalized Gaussian weighted filter | |
Karnaukhov et al. | Blind identification of linear degradation operators in the Fourier domain | |
Hu et al. | Error tolerance and effects analysis of satellite vibration characteristics and measurement error on TDICCD image restoration | |
Wei et al. | Phase-correction algorithm of deformed grating images in the depth measurement of weld pool surface in gas tungsten arc welding | |
CN110298870A (zh) | 图像的处理方法、处理装置及终端 | |
CN116051532A (zh) | 基于深度学习的工业零件缺陷检测方法、系统及电子设备 | |
CN103927721A (zh) | 基于gpu的运动目标边缘增强方法 | |
CN109345466A (zh) | 电磁成像空变模糊恢复方法及装置 | |
Li et al. | Deep learning based method for phase analysis from a single closed fringe pattern | |
Satake et al. | Special-purpose computer for particle image velocimetry | |
Bohra et al. | Dynamic Fourier ptychography with deep spatiotemporal priors | |
Li et al. | CUDA-based acceleration of collateral filtering in brain MR images | |
Mohamed et al. | Subpixel accuracy analysis of phase correlation shift measurement methods applied to satellite imagery | |
Xu et al. | Research of adaptive threshold edge detection algorithm based on statistics canny operator | |
CN106803866B (zh) | 显示面板的图像处理方法和系统 | |
CN109035230A (zh) | 一种圆孔直径视觉测量方法 | |
Jiang et al. | SIFT implementation based on GPU |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An automatic measurement method and system of wafer texture image period Effective date of registration: 20211014 Granted publication date: 20210706 Pledgee: Zhaoqing Rural Commercial Bank Co.,Ltd. Xinqiao sub branch Pledgor: ZHONGDAO OPTOELECTRONIC EQUIPMENT Co.,Ltd. Registration number: Y2021440000315 |