CN112561821B - 基于近场扫描的芯片表面电磁数据降噪方法 - Google Patents
基于近场扫描的芯片表面电磁数据降噪方法 Download PDFInfo
- Publication number
- CN112561821B CN112561821B CN202011499241.7A CN202011499241A CN112561821B CN 112561821 B CN112561821 B CN 112561821B CN 202011499241 A CN202011499241 A CN 202011499241A CN 112561821 B CN112561821 B CN 112561821B
- Authority
- CN
- China
- Prior art keywords
- electromagnetic
- image
- noise
- variance
- estimation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000009467 reduction Effects 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000004931 aggregating effect Effects 0.000 claims abstract description 5
- 230000009466 transformation Effects 0.000 claims description 25
- 239000000523 sample Substances 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000003491 array Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 150000003839 salts Chemical class 0.000 description 4
- 235000002566 Capsicum Nutrition 0.000 description 3
- 239000006002 Pepper Substances 0.000 description 3
- 241000722363 Piper Species 0.000 description 3
- 235000016761 Piper aduncum Nutrition 0.000 description 3
- 235000017804 Piper guineense Nutrition 0.000 description 3
- 235000008184 Piper nigrum Nutrition 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000005672 electromagnetic field Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10544—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum
- G06K7/10821—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum further details of bar or optical code scanning devices
- G06K7/10851—Circuits for pulse shaping, amplifying, eliminating noise signals, checking the function of the sensing device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于近场扫描的芯片表面电磁数据降噪方法，包括以下步骤：通过对芯片表面进行近场扫描得到电磁数据；对得到的电磁数据进行信号提取，得到电磁图像；对电磁图像进行局部均值估计和局部噪声方差估计；对电磁图像中的所有相似块的每个像素进行加权平均处理，得到真实图像的基础估计；使用基础估计对电磁图像进行维纳降噪，得到局部估计；使用加权平均对所有得到的局部估计进行聚合，计算出真实图像的最终估计，从而得到最终的降噪图像。本发明的方法能够针对近场扫描的复杂噪声进行有效地降噪。
Description
技术领域
本发明属于电磁数据处理领域，具体涉及一种基于近场扫描的芯片表面电磁数据降噪方法。
背景技术
随着集成电路工艺等电子制造技术的发展，芯片及电路板朝着高集成、高速化方向发展，而这也导致产品的电磁可靠性问题变得越来越严重，而且芯片/电路的集成度高，规模大，一旦发生故障，传统的人工排查也越来越难以进行。基于近场扫描的电磁干扰图像重构是现今处理EMC(电磁兼容性，Electromagnetic Compatibility)设计问题最有效的方法。但是因为近场扫描探头的灵敏度和精度差异的问题，导致扫描得到的数据包含了较多的噪声，这对于后期的信息处理分析带来了极大的困难，因此，需要针对近场扫描电磁数据设计相应的信息提取和降噪处理算法。
目前电磁信息数据的处理的算法比较欠缺，对于芯片表面近场电磁数据，其大部分都是噪声信号，为了将电磁信号与噪声分离出来，传统的方法是求方差，方差大的是电磁信号，方差小的是噪声，但是这种算法需要设置一个阈值，设置阈值的缺点是当电磁信号的方差只是稍微小于该阈值时，该信号不能够被有效地提取出来。另外，电磁数据处理常见的处理算法是降噪，传统的降噪算法有均值法、中值法等，目前比较新颖的方法是基于人工智能的盲去噪方法等。均值法的原理是将一段时间内采集到的N个数据求平均值，作为该时刻采集到的值，但是这种方法对于近场扫描是不现实的，因为近场扫描对集成电路扫描时，读取数据很慢，整个数据采集的过程是十分耗时的，以一个100×100扫描点的区域为例，假设扫描频率范围是100MHZ到1GHz，扫描的频点数为1001个，那么在近场扫描探头对一个扫描点采集数据时，一个扫频的过程就有54毫秒，正常扫描总时间为100×100×54ms＝9min；如果采用均值法降噪的话，比如每采集20次取一次平均值，那么将耗费54ms×20＝1080ms的时间，那么总的扫描时间将达到100×100×1080ms＝3h，显然，因为加入了均值法，使得扫描时间从9分钟变成3小时，这是不能接受的，采用中值法也是同样的结果。该例子为简单起见，仅仅以100×100的扫描区域为例，现实中高集成度的芯片是很小的，同时为了得到准确的原始数据，扫描的密度比100×100还要高，通常都在500×500以上的，这样将会导致更长的扫描时间；而基于人工智能的盲去噪方法尽管降噪效果很好，但是其缺点是首先要求有较多的训练数据，对于近场扫描很难多次对同一个集成电路进行多次扫描获取这些训练数据，其次是基于人工智能的盲去噪方法需要具备较高算力的计算机进行模型训练，并且如果近场扫描对象改变了，还得重新采集数据来重新训练模型，这对于近场扫描是不现实的。此外，近场扫描时遇到的噪声不同于大部分降噪方法假设的高斯噪声，近场扫描中的噪声是电路的热噪声、散弹噪声、闪烁噪声和来自空间的噪声的叠加，比较复杂，目前针对近场扫描噪声的降噪方法是空白的。
综上所述，现有技术的降噪方法不适合近场扫描时进行降噪，没有针对近场扫描复杂噪声的降噪方法。
发明内容
本发明针对现有技术中存在的问题，提供一种基于近场扫描的芯片表面电磁数据降噪方法，能够针对近场扫描的复杂噪声进行有效地降噪。
为了实现上述目的，本发明提供了一种基于近场扫描的芯片表面电磁数据降噪方法，包括以下步骤：通过对芯片表面进行近场扫描得到电磁数据；对得到的电磁数据进行信号提取，得到电磁图像；对电磁图像进行局部均值估计和局部噪声方差估计；对电磁图像中的所有相似块的每个像素进行加权平均处理，得到真实图像的基础估计；使用基础估计对电磁图像进行维纳降噪，得到局部估计；使用加权平均对所有得到的局部估计进行聚合，计算出真实图像的最终估计，从而得到最终的降噪图像。
优选地，所述对得到的电磁数据进行有用信号提取，得到电磁图像包括：对电磁数据的数据矩阵按行方向计算数据矩阵的方差；将计算出来的方差作为一维向量求方差，得到行方差；对数据矩阵按列方向计算数据矩阵的方差；将计算出来的方差作为一维向量求方差，得到列方差；将行方差和列方差求平均值，得到电磁图像的整体方差；将得到的电磁图像的整体方差与设定的方差阈值进行比较，提取出有用信号，得到电磁图像。
优选地，所述对电磁图像进行局部均值估计包括：设置一个滑动窗口，该窗口大小不超过整个电磁图像的大小，计算该窗口内所有像素的均值。
优选地，所述对电磁图像进行局部噪声方差估计包括：设置一个滑动窗口，该窗口大小不超过整个电磁图像的大小，逐个像素地在该窗口遍历，计算得到该窗口的局部噪声方差。
优选地，所述对电磁图像中的所有相似块的每个像素进行加权平均处理，得到真实图像的基础估计包括：对于电磁图像中的每一个块，找到和当前处理的块相似的所有块并堆叠成一个三维数组；对于形成的分组应用三维变换，通过硬阈值变换系数减弱噪声，再进行三维反变换得到所有分组的块的估计，并将它们返回到最初的位置；按块对所有获得的块的估计进行加权平均，计算出真实图像的基础估计。
优选地，所述使用基础估计对电磁图像进行维纳降噪，得到局部估计包括：对于电磁图像中的每一个块，在基础估计中找到和当前处理的块相似的所有块的位置，形成一个三维数组，然后按照这些位置在电磁图像中找出相似块，同样形成一个三维数组，从而得到两个三维数组；对两个分组应用三维变换，使用基础估计的能量谱作为真实的能量谱对电磁图像进行维纳降噪，对降噪过的三维系数执行三维反变换得到所有分组的块的估计，并将这些块估计返回到它们原先的位置。
优选地，所述通过对芯片表面进行近场扫描得到电磁数据包括：将芯片平整地固定在样品台上，调整探头到芯片表面的距离，设置频谱仪的各项参数，对芯片表面进行近场扫描，导出扫描得到的电磁数据。
本发明实施方式的基于近场扫描的芯片表面电磁数据降噪方法，能够针对近场扫描的复杂噪声进行有效地降噪。
附图说明
下面，将结合附图对本发明的优选实施方式进行进一步详细的说明，其中：
图1是本发明一种实施方式的基于近场扫描的芯片表面电磁数据降噪方法的流程图；
图2是本发明一种实施方式的电磁信息数据探测系统的原理框图；
图3是本发明一种实施方式的芯片表面近场扫描信号提取结果示意图；
图4是本发明一种实施方式的电磁图像块匹配和堆叠的示意图；
图5是本发明一种实施方式的应用效果示意图，其中，(a)、(c)是电磁图像降噪前的图像，(b)、(d)是分别对应的电磁图像降噪后的图像。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。
本发明实施方式提供一种基于近场扫描的芯片表面电磁数据降噪方法，对芯片在近场扫描采集的电磁数据进行降噪。本发明实施方式的方法同样适用于对集成电路和电路板的近场扫描电磁数据进行降噪。
图1为本发明一种实施方式的基于近场扫描的芯片表面电磁数据降噪方法的流程图。如图1所示，本发明实施方式的方法包括以下步骤S1-S6：
步骤S1：通过对芯片表面进行近场扫描得到电磁数据；
步骤S2：对得到的电磁数据进行有用信号提取，得到电磁图像；
步骤S3：对电磁图像进行局部均值估计和局部噪声方差估计；
步骤S4：对电磁图像中的所有相似块的每个像素进行加权平均处理，得到真实图像的基础估计；
步骤S5：使用基础估计对电磁图像进行维纳降噪，得到局部估计；
步骤S6：使用加权平均对所有得到的局部估计进行聚合，计算出真实图像的最终估计，从而得到最终的降噪图像。
在步骤S1中，通过对芯片表面进行近场扫描得到电磁数据。在一个实施例中，该步骤利用电磁信息数据探测系统来实现。
图2是本发明一种实施方式的电磁信息数据探测系统的原理框图，如图2所示，该系统主要包括芯片部分、探测部分和处理部分。芯片部分就是待测的芯片11，该部分的芯片11应平整地安装固定，并正常供电；探测部分包括电磁场探头12和频谱仪13，探头12的传感部分到芯片11表面的距离为d，d越小，探测得越准确；处理部分是对频谱仪13从探头12处测量得到的数据进行处理，得到电磁图像14。探测前，应确保芯片能够正常上电，工作正常，并且芯片表面足够平整。如果芯片表面为金属外壳，则应去掉金属外壳，否则无法探测到精准的电磁场，因此为了提高探测精度，可以对芯片做开封处理。具体地，步骤S1可以包括以下步骤：
步骤S1a：将芯片平整地固定在样品台上，并正常上电；
步骤S1b：调整探头12到芯片11表面的距离d，d控制在几百微米，设置探头12在扫描平面15的X-Y方向的扫描步长；
步骤S1c：设置频谱仪13的各项参数；
步骤S1d：从芯片的左下角开始对芯片进行蛇形扫描，直到扫描结束；
步骤S1e：导出扫描得到的电磁数据。
对于导出的电磁数据，再通过处理部分进行后续的信号提取处理并将数据可视化，得到电磁图像14。
在步骤S2中，对在步骤S1中得到的电磁数据进行有用信号提取，得到电磁图像。在该步骤中，执行芯片表面近场扫描信号提取算法，将有用信号从电磁数据中提取出来。有用信号提取出来后，将它们的电磁数据重排成数据矩阵，再应用后续的降噪算法进行降噪。
由于芯片表面近场扫描得到的电磁数据是一个与扫描区域的长和宽的点数相同的二维数据矩阵，该数据矩阵包含了空间的信息，因此不能直接使用传统的求方差的算法，而是还要考虑空间的信息。该算法考虑行扫描方向和列扫描方向的信息，假设数据矩阵I∈Rm×n，具体包括以下步骤：
S21：对数据矩阵按行方向计算数据矩阵的方差，公式如下：
其中，μi是第i行的均值，m和n分别是数据矩阵I的行数和列数。
S22：将步骤S21计算出来的方差作为一个一维向量继续求方差，得到行方差，公式如下：
其中，μrow是第一步算出来的所有varrow(i)的均值，即：
S23：对数据矩阵按列方向进行重复步骤S21和步骤S22的操作，得到列方差，公式如下：
其中，μj是第j列的均值，，varcol为列方差，μcol为varcol(j)的均值，即：
S24：将行方差和列方差求平均值，得到电磁图像的整体方差，公式如下：
S25：将得到电磁图像的整体方差与设定的方差阈值进行比较，提取出有用信号，得到电磁图像。这里利用信号处理的一个原理是，通常情况下，有用信号的方差要比噪声的方差大。步骤S2中提取有用信号的目的是将原始电磁数据的噪声信号都滤除，然后通过后续的降噪处理对提取的有用信号进行降噪，这里的有用信号指的是具有电磁图案的信号，而噪声信号是没有电磁图案的，由于有用信号因为传感探头探测设备、传输线和仪器自身不可避免的引入噪声，所以还需要降噪处理。
图3是本发明一种实施方式的芯片表面近场扫描信号提取结果示意图。图3中幅度比较高的信号(比较高的火柴图)是被提取的信号，其中，带圆圈标记的是信号幅度比较弱的情况，按照传统的提取算法是提取不出这些弱信号的。另外，上述步骤S25中的方差阈值可以根据图3的火柴图来设定。
通过上述步骤S2的有用信号提取，得到带噪的电磁图像。芯片电磁图像是根据近场扫描得到的电磁场数据，并进行相应的处理如单位变换、场变换等对数据进行可视化后所呈现出来的图像。从统计学的角度来看，芯片电磁图像与其它图像一样具备高斯噪声、高斯白噪声、椒盐噪声、伽马噪声等，噪声的类型与近场扫描的芯片类型、近场扫描的系统环境、近场探头和仪器有关；从信号处理的角度来看，由于电磁图像是通过对芯片或集成电路进行近场扫描并进行处理成像得到的，近场扫描的原始数据必定包含了芯片底层的电路噪声，这些噪声包括热噪声、散粒噪声、闪烁噪声、电源和地之间的噪声等。因此对电磁图像降噪的目的就是尽可能地将噪声从图像中或者从信号中分离出来，减少噪声对信号的影响，而能够有效降噪的前提是对噪声的产生机理和分布特性具备一定的先验信息，这些先验信息一般是噪声的均值和方差，根据先验信息对噪声进行合理科学的假设。
为此需要进行电磁图像噪声估计，具体地，在步骤S3中对电磁图像进行局部均值估计和局部噪声方差估计。电磁图像噪声估计是在一幅电磁图像中选择一个尽可能与背景一样无特色的区域，以确保该区域的亮度值的可变性主要由噪声产生。步骤S3通过以下步骤S31和S32进行噪声参数估计。
S31：电磁图像局部均值估计。设置一个滑动窗口，该窗口大小为p×p，通常p＝2t+1，窗口内的像素个数为Ws，该窗口大小不超过整个电磁图像的大小，对于每一个像素点，其坐标为(x，y)，将滑动窗口移动到该像素点的位置，然后计算该窗口内所有像素的均值，公式如下：
S32：电磁图像局部噪声方差估计。设置一个滑动窗口，与步骤S31中的滑动窗口可以是同一个，也可以不是，这个根据实际使用的情况来选择，为方便起见，通常都是设置成一样的，比如3*3的窗口。该窗口大小不超过整个电磁图像的大小，然后逐个像素地在该窗口遍历，计算得到该窗口的局部噪声方差，公式如下：
上述公式中，I表示图像矩阵，Ws表示滑动窗口内像素的总数。
在上述步骤S3中完成电磁图像噪声估计后，接着进行电磁图像变换域协同降噪，以下先对协同降噪的基本思想进行说明。
协同降噪的基本思想是在图像中寻找相似块进行降噪，然后对带噪图像连续提取参考块进行处理，并对于每一个这样的块进行如下的操作：
(a)找到和参考块相似(匹配)的块，并将这些块堆叠成三维数组。图4是本发明一种实施方式的电磁图像块匹配和堆叠的示意图。图4中的搜索窗口相当于上述步骤S31和S32中的滑动窗口。图4所示的相似块计算公式如下：
选取不同的参考块P，根据该公式计算相似块，相似的块放在同一个组，从而得到很多组。其中表示以P为参考块搜索得到的相似块构成的集合，Q表示与P比较的其它块，τhard表示阈值，是人为设置的常数，d(P，Q)表示相似性度量的计算，这里采用欧氏距离进行计算，也就是P和Q对应像素相减的平方，求和后再开方，即：
(b)对这些组执行协同降噪，得到它们的二维估计，并将这些估计返回到它们原先的位置，公式如下：
上式中，表示一个三维变换，它分为两步进行：先将/>里的相似块堆叠起来，形成一个三维的立体块，对每个相似块做二维变换；然后再沿着堆叠的方向做一维变换。γ是一个阈值操作，根据给定的阈值选出符合条件的P。上述二维变换和一维变换结合阈值操作形成协同降噪。
在处理完所有的参考块后，所有获得的块估计可以重叠并且对于每一个相似可以有多个估计。最后对这些估计聚合形成整幅图像的一个估计，完成降噪处理。
关于降噪的具体实现，本发明实施方式分为两大步：基础估计和最终估计。关于基础估计，具体地，在步骤S4中对电磁图像中的所有相似块的每个像素进行加权平均处理，得到真实图像的基础估计。优选地，步骤S4包括以下步骤S41-S43。
S41：对于带噪图像(记为Inoise)中的每一个块，进行分组操作，即，找到和当前处理的块相似的所有块并堆叠成一个三维数组。
S42：协同硬阈值操作，即，对于形成的组应用三维变换，对三维变换的系数进行硬阈值操作，从而达到减弱噪声的目的，分离大部分的噪声，再进行三维反变换得到所有分组的块的估计，并将它们返回到最初的位置。
S43：聚合操作，即，按块对所有获得的重叠块估计进行加权平均，计算出真实图像的基础估计，公式如下：
其中， 表示对三维变换系数进行硬阈值操作后剩下的非零系数的个数，当像素x∈Q时，χQ(x)＝1，否则χQ(x)＝0，/>表示参考块为P，且像素x∈Q时，该像素在协同滤波并做三维反变换后的估计值。因为相似块获取时是有可能重叠的，所以基础估计ubasic(x)就是对所有的相似块的每个像素按照上述公式进行加权平均处理，最终得到一幅图像，记为Ibasic。
在步骤S4中完成基础估计后，在步骤S5和S6中进行最终估计。首先，在步骤S5中使用基础估计对电磁图像进行维纳降噪，得到局部估计。该步骤S5包括改进的分组操作步骤S51和协同维纳降噪步骤S52。
在步骤S51中，对于电磁图像中的每一个块，进行改进的分组操作，具体地，对得到的基础估计Ibasic使用块匹配搜索找到和当前所有处理的块相似的所有块的位置，形成一个三维数组，然后按照这些位置对原图像Inoise找出相似块，同样也形成一个三维数组，从而得到两个三维数组。相似块形成的集合公式如下：
在步骤S52中，进行协同维纳降噪操作，具体地，对上述两个三维数组应用三维变换，使用基础估计的能量谱作为真实的能量谱对带噪图像进行维纳降噪，对降噪过的三维系数执行三维反变换得到所有分组块的估计，并将这些块估计返回到它们原先的位置。公式如下：
维纳降噪系数计算公式：
其中是和基础估计完全一样的三维变换，唯一的区别是在三维变换完成后，对三维变换的系数进行维纳滤波，而不是进行硬阈值操作。σ2是在上述步骤S3中估计出来的局部噪声方差。
对于每个参考块P，使用维纳降噪，计算公式：
其中，表示三维反变换，ωP是前面计算的维纳降噪系数。
在步骤S6中进行聚合操作，即，使用加权平均对所有得到的局部估计进行聚合，计算出真实图像的最终估计。公式如下：
其中，为维纳降噪系数的2范数的倒数的平方；当像素x∈Q时，χQ(x)＝1，否则χQ(x)＝0，/>表示参考块为P，且像素x∈Q时，该像素在维纳降噪并做三维反变换后的估计值。所以最终估计ufinal(x)就是对所有的相似块中的每个像素按照上述公式进行加权平均处理，得到最终的降噪图像。
通过应用本发明实施方式的基于近场扫描的芯片表面电磁数据降噪方法，能够对近场扫描的复杂噪声进行有效地降噪。图5是本发明一种实施方式的应用效果示意图，其中，(a)、(c)是电磁图像降噪前的图像，(b)、(d)是分别与(a)、(c)对应的电磁图像降噪后的图像。在(a)、(c)的电磁图像中，那些像椒盐一样的分布的像素点都是噪声，简称为椒盐噪声，而从(b)、(d)可以看出，椒盐噪声基本都被消除了，只剩下了作为有用信号的电磁图案。
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。
Claims (6)
1.一种基于近场扫描的芯片表面电磁数据降噪方法，其特征在于，包括以下步骤：
通过对芯片表面进行近场扫描得到电磁数据；
对得到的电磁数据进行有用信号提取，得到电磁图像；
对电磁图像进行局部均值估计和局部噪声方差估计；
对电磁图像中的所有相似块的每个像素进行加权平均处理，得到真实图像的基础估计；
使用基础估计对电磁图像进行维纳降噪，得到局部估计；
使用加权平均对所有得到的局部估计进行聚合，计算出真实图像的最终估计，从而得到最终的降噪图像，
所述对得到的电磁数据进行有用信号提取，得到电磁图像包括：
对电磁数据的数据矩阵按行方向计算数据矩阵的方差；
将计算出来的方差作为一维向量求方差，得到行方差；
对数据矩阵按列方向计算数据矩阵的方差；
将计算出来的方差作为一维向量求方差，得到列方差；
将行方差和列方差求平均值，得到电磁图像的整体方差；
将得到的电磁图像的整体方差与设定的方差阈值进行比较，提取出有用信号，得到电磁图像。
2.根据权利要求1所述的方法，其特征在于，所述对电磁图像进行局部均值估计包括：设置一个滑动窗口，该窗口大小不超过整个电磁图像的大小，计算该窗口内所有像素的均值。
3.根据权利要求1所述的方法，其特征在于，所述对电磁图像进行局部噪声方差估计包括：设置一个滑动窗口，该窗口大小不超过整个电磁图像的大小，逐个像素地在该窗口遍历，计算得到该窗口的局部噪声方差。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述对电磁图像中的所有相似块的每个像素进行加权平均处理，得到真实图像的基础估计包括：
对于电磁图像中的每一个块，找到和当前处理的块相似的所有块并堆叠成一个三维数组；
对于形成的分组应用三维变换，通过硬阈值变换系数减弱噪声，再进行三维反变换得到所有分组的块的估计，并将它们返回到最初的位置；
按块对所有获得的块的估计进行加权平均，计算出真实图像的基础估计。
5.根据权利要求1-3中任一项所述的方法，其特征在于，所述使用基础估计对电磁图像进行维纳降噪，得到局部估计包括：
对于电磁图像中的每一个块，在基础估计中找到和当前处理的块相似的所有块的位置，形成一个三维数组，然后按照这些位置在电磁图像中找出相似块，同样形成一个三维数组，从而得到两个三维数组；
对两个分组应用三维变换，使用基础估计的能量谱作为真实的能量谱对电磁图像进行维纳降噪，对降噪过的三维系数执行三维反变换得到所有分组的块的估计，并将这些块估计返回到它们原先的位置。
6.根据权利要求1-3中任一项所述的方法，其特征在于，所述通过对芯片表面进行近场扫描得到电磁数据包括：
将芯片平整地固定在样品台上，调整探头到芯片表面的距离，设置频谱仪的各项参数，对芯片表面进行近场扫描，导出扫描得到的电磁数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011499241.7A CN112561821B (zh) | 2020-12-17 | 2020-12-17 | 基于近场扫描的芯片表面电磁数据降噪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011499241.7A CN112561821B (zh) | 2020-12-17 | 2020-12-17 | 基于近场扫描的芯片表面电磁数据降噪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112561821A CN112561821A (zh) | 2021-03-26 |
| CN112561821B true CN112561821B (zh) | 2024-05-17 |
Family
ID=75063291
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011499241.7A Active CN112561821B (zh) | 2020-12-17 | 2020-12-17 | 基于近场扫描的芯片表面电磁数据降噪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112561821B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113781332B (zh) * | 2021-08-24 | 2023-09-29 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 电磁数据的降噪方法、装置、计算机设备和存储介质 |
| CN115115643B (zh) * | 2022-08-30 | 2022-11-15 | 一道新能源科技(衢州)有限公司 | 一种光伏电池板生产缺陷检测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100111536A (ko) * | 2009-04-07 | 2010-10-15 | 부산대학교 산학협력단 | 표면 밝기 분포의 분산 산출 알고리즘을 이용한 대상물 표면의 영상 검사방법 |
| CN104751418A (zh) * | 2013-12-26 | 2015-07-01 | 联发科技股份有限公司 | 3维区块匹配的图像去噪的方法与装置 |
| CN105260720A (zh) * | 2015-10-19 | 2016-01-20 | 广东欧珀移动通信有限公司 | 指纹识别的方法及装置 |
| CN105528784A (zh) * | 2015-12-02 | 2016-04-27 | 沈阳东软医疗系统有限公司 | 一种前景背景分割的方法和装置 |
| CN109389567A (zh) * | 2018-10-24 | 2019-02-26 | 山东大学 | 一种快速光学成像数据的稀疏滤波方法 |
| CN109727295A (zh) * | 2018-12-17 | 2019-05-07 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 电磁图像提取方法、装置、计算机设备和存储介质 |
-
2020
- 2020-12-17 CN CN202011499241.7A patent/CN112561821B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100111536A (ko) * | 2009-04-07 | 2010-10-15 | 부산대학교 산학협력단 | 표면 밝기 분포의 분산 산출 알고리즘을 이용한 대상물 표면의 영상 검사방법 |
| CN104751418A (zh) * | 2013-12-26 | 2015-07-01 | 联发科技股份有限公司 | 3维区块匹配的图像去噪的方法与装置 |
| CN105260720A (zh) * | 2015-10-19 | 2016-01-20 | 广东欧珀移动通信有限公司 | 指纹识别的方法及装置 |
| CN105528784A (zh) * | 2015-12-02 | 2016-04-27 | 沈阳东软医疗系统有限公司 | 一种前景背景分割的方法和装置 |
| CN109389567A (zh) * | 2018-10-24 | 2019-02-26 | 山东大学 | 一种快速光学成像数据的稀疏滤波方法 |
| CN109727295A (zh) * | 2018-12-17 | 2019-05-07 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 电磁图像提取方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| Image Denoising by Sparse 3-D Transform-Domain Collaborative Filtering;Kostadin Dabov;《IEEE TRANSACTIONS ON IMAGE PROCESSING》;第第16卷卷;第2080-2095页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112561821A (zh) | 2021-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112561821B (zh) | 基于近场扫描的芯片表面电磁数据降噪方法 | |
| Yuan et al. | Hyperspectral image denoising employing a spectral–spatial adaptive total variation model | |
| KR101017611B1 (ko) | 초음파 - ｃｔ 영상 정합을 위한 3차원 초음파 간 영상의 해부학적 특징을 추출하는 시스템 및 방법 | |
| Mäkitalo et al. | Denoising of single-look SAR images based on variance stabilization and nonlocal filters | |
| CN109919870B (zh) | 一种基于bm3d的sar图像相干斑抑制方法 | |
| CN105005975B (zh) | 基于pcnn和图像熵的各向异性扩散的图像去噪方法 | |
| CN109118453B (zh) | 一种背景抑制的图像处理方法 | |
| CN107590785B (zh) | 一种基于sobel算子的布里渊散射谱图像识别方法 | |
| CN110348459B (zh) | 基于多尺度快速地毯覆盖法声呐图像分形特征提取方法 | |
| CN104200434B (zh) | 一种基于噪声方差估计的非局部均值图像去噪方法 | |
| Sari et al. | Noise estimation by utilizing mean deviation of smooth region in noisy image | |
| Chen et al. | A color-guided, region-adaptive and depth-selective unified framework for Kinect depth recovery | |
| CN104217430B (zh) | 基于l1正则化的图像显著性检测方法 | |
| Shedbalkar et al. | A comparative analysis of filters for noise reduction and smoothening of brain MRI images | |
| Shukla et al. | Noise estimation in 2D MRI using DWT coefficients and optimized neural network | |
| CN110766657A (zh) | 一种激光干扰图像质量评价方法 | |
| Zhong et al. | Wavelet-based multiscale anisotropic diffusion with adaptive statistical analysis for image restoration | |
| Shang et al. | Seismic random noise suppression using an adaptive nonlocal means algorithm | |
| Kowalski et al. | Detection of noise in digital images by using the averaging filter name COV | |
| Bhujle et al. | Fast non-local means denoising for MR image sequences | |
| Subudhi et al. | Context dependent fuzzy associated statistical model for intensity inhomogeneity correction from magnetic resonance images | |
| Akl et al. | Structure tensor regularization for texture analysis | |
| CN112817056A (zh) | 一种大地电磁信号去噪方法及系统 | |
| Long et al. | Seisim: structural similarity evaluation for seismic data retrieval | |
| Kashyap et al. | Edge Detection Using Sobel Method With Median Filter |
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 |