CN114897950A - 图像配准及缺陷检测方法 - Google Patents
图像配准及缺陷检测方法 Download PDFInfo
- Publication number
- CN114897950A CN114897950A CN202210466700.4A CN202210466700A CN114897950A CN 114897950 A CN114897950 A CN 114897950A CN 202210466700 A CN202210466700 A CN 202210466700A CN 114897950 A CN114897950 A CN 114897950A
- Authority
- CN
- China
- Prior art keywords
- image
- registered
- translation amount
- reference image
- pixel
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 230000007547 defect Effects 0.000 title claims abstract description 36
- 238000013519 translation Methods 0.000 claims abstract description 103
- 238000001228 spectrum Methods 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims description 11
- 238000012952 Resampling Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 6
- 230000014616 translation Effects 0.000 description 82
- 239000012071 phase Substances 0.000 description 26
- 238000010586 diagram Methods 0.000 description 10
- 230000000737 periodic effect Effects 0.000 description 9
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000008384 inner phase Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明提供了一种图像配准方法,通过选取待配准图像和所述参考图像的对应区域进行配准,基于对应区域内的相位互相关谱的空域函数峰位的邻域部分计算待配准图像相对于所述参考图像的亚像素级平移量,显著降低配准过程中的计算量,提高了图像配准的精度及效率。本发明还提供了一种图像缺陷检测方法。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像配准方法及缺陷检测方法。
背景技术
在半导体工艺制程中,各种检测设备被用于检测各工艺指标以提升阶段良率,并最终提升整体良率和密切相关的利润回报率。
随着半导体工艺节点的进步,较小的缺陷越来越容易导致器件的失效,随着器件的特征尺寸逐渐小于常见的可见光乃至紫外的波段,对缺陷的检测越来越困难。其中一个主要困难是,特征尺寸小于检测光波长所带来的物理光学现象导致了难以使用模板匹配的方式进行缺陷检测。
因此,一种替代的缺陷检测基于差分图像,即利用晶圆上存在多个相同设计的芯片,认为在相同设计区域的成像结果必然是相同的。将对应的两个区域的图像像素的灰度值进行差分,则有明显区别处即认为有缺陷。
为了确定是哪个区域存在缺陷,可以采用三个甚至更多区域为一组进行差分对比。如图1所示,晶圆100包括多个芯片101,在多个所述芯片101的对应位置包括第一区域102、第二区域103和第三区域104,第一区域102、第二区域103和第三区域104拥有相同的设计。当需要检测第二区域103的图像时,第二区域103的图像为待检测图像,认为第一区域102和第三区域104的图像为参考图像,当第二区域103的图像与第一区域102和第三区域104的图像存在明显差异时,认为第二区域103的图像中存在缺陷。
进行上述缺陷检测方法之前,必须进行图像间的配准,才能得到正确的差分图,但现有技术中图像间的配准精度及效率都较低,严重制约了缺陷检测的精确性及速率。
因此,有必要提供一种新型的图像配准方法及缺陷检测方法以解决现有技术中存在的上述问题。
发明内容
本发明的目的在于提供一种图像配准方法及缺陷检测方法,提高图像配准的精度和效率。
为实现上述目的,本发明的所述图像配准方法,基于待配准图像和参考图像的对应区域进行配准,包括以下步骤:
S1:分别计算所述待配准图像和所述参考图像的所述对应区域的傅里叶频谱;
S2:基于所述对应区域内的待配准图像的傅里叶频谱和参考图像的傅里叶频谱,获取所述对应区域内的相位互相关谱;
S3:对所述对应区域内的相位互相关谱进行逆傅里叶变换以获取所述对应区域内的相位互相关谱的空域函数,寻找所述空域函数的峰位,以获取所述待配准图像相对于所述参考图像的像素级平移量;
S4:基于所述空域函数的峰位的邻域部分计算所述待配准图像相对于所述参考图像的亚像素级平移量;
S5:计算所述像素级平移量和所述亚像素级平移量的和,以得到所述待配准图像相对于所述参考图像的总平移量,根据所述总平移量平移所述待配准图像以完成图像配准。
所述图像配准方法的有益效果在于:通过选取待配准图像和所述参考图像的对应区域进行配准,基于对应区域内的相位互相关谱的空域函数峰位的邻域部分计算待配准图像相对于所述参考图像的亚像素级平移量,显著降低配准过程中的计算量,提高了图像配准的精度及效率。
可选地,所述图像配准方法还包括通过设定阈值对所述待配准图像相对于所述参考图像的像素级平移量进行数值判定及处理,若所述待配准图像相对于所述参考图像的像素级相对平移量大于所述阈值,则执行优化处理步骤。
可选地,所述优化处理步骤包括:
基于所述像素级相对平移量对所述待配准图像进行平移,以获取待配准图像和参考图像的重叠区域;
在所述重叠区域内,重复所述步骤S1至所述步骤S3以计算优化后的像素级平移量,并将优化后的像素级平移量替代为所述待配准图像相对于所述参考图像的像素级平移量。
可选地,所述寻找所述空域函数的峰位,以获取所述待配准图像相对于所述参考图像的像素级平移量,包括:
截取所述空域函数的中心区域;
对所述中心区域进行寻峰,以获取所述像素级平移量。
可选地,所述基于所述空域函数的峰位的邻域部分计算所述待配准图像相对于所述参考图像的亚像素级平移量,包括:
基于所述空域函数的峰位的邻域部分提取局部互相关谱;
计算所述局部互相关谱的质心,以获得所述待配准图像相对于所述参考图像的亚像素级平移量。
可选地,所述图像配准方法还包括获取n组所述待配准图像和所述参考图像的对应区域,对n组所述待配准图像和所述参考图像的对应区域分别执行所述步骤S1至所述步骤S5,以得n对所述总平移量,计算n对所述总平移量的统计值,然后将所述统计值替代为所述待配准图像相对于所述参考图像的总平移量,所述统计值为n对所述总平移量的均值或中值,n为大于或等于2的自然数。
可选地,所述图像配准方法还包括去除n对所述总平移量中的极值,然后计算n对所述总平移量的统计值。
本发明还提供了一种图像缺陷检测方法,包括:
通过所述图像配准方法完成待检测图像与参考图像的图像配准;
对所述待检测图像和所述参考图像进行重采样以获取目标检测区域,识别所述目标检测区域以实现缺陷检测。
所述图像缺陷检测方法的有益效果在于:通过选取待配准图像和所述参考图像的对应区域进行配准,可以有效去除待配准图像和参考图像非对应区域的负面影响,大幅提高获取像素级平移量的精度,同时基于对应区域内的相位互相关谱的空域函数峰位的邻域部分计算待配准图像相对于所述参考图像的亚像素级平移量,显著降低配准过程中的计算量,进一步提高了图像配准的精度及效率,通过配准后的图像进行缺陷检测,提高了缺陷检测的精度。
可选地,所述重采样包括所述待配准图像和所述参考图像进行剪裁,以获取所述待配准图像和所述参考图像的重叠区域,并将所述重叠区域作为所述目标检测区域。
可选地,所述识别所述目标检测区域以实现缺陷检测,包括将所述目标检测区域的图像像素进行差分,基于所述差分的结果检测出缺陷。
附图说明
图1为现有技术中晶圆的示意图;
图2为本发明图像配准方法的流程图;
图3为本发明一些实施例中计算亚像素级平移量的流程图;
图4为本发明一些实施例中参考图像的示意图;
图5为本发明一些实施例中待配准图像的示意图;
图6为本发明一些实施例中相位互相关谱的示意图;
图7为本发明一些实施例中局部互相关谱的示意图;
图8为本发明一些实施例中优化后的相位互相关谱的示意图;
图9为本发明一些实施例中优化后局部互相关谱的示意图;
图10为本发明一些实施例中计算像素级平移量的流程图;
图11为本发明一些实施例中存在周期性结构的参考图像的示意图;
图12为本发明一些实施例中存在周期性结构的待配准图像的示意图;
图13为本发明一些实施例中存在周期性结构的相位互相关谱的示意图;
图14为本发明一些实施例中重采样后待配准图像和参考图像重叠效果的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。除非另外定义,此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本文中使用的“包括”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。
针对现有技术存在的问题,本发明的实施例提供了一种图像配准方法。参照图2,所述图像配准方法基于待配准图像和参考图像的对应区域进行配准,具体包括以下步骤:
S1:分别计算所述待配准图像和所述参考图像的所述对应区域的傅里叶频谱;
S2:基于所述对应区域内的待配准图像的傅里叶频谱和参考图像的傅里叶频谱,获取所述对应区域内的相位互相关谱;
S3:对所述对应区域内的相位互相关谱进行逆傅里叶变换以获取所述对应区域内的相位互相关谱的空域函数,寻找所述空域函数的峰位,以获取所述待配准图像相对于所述参考图像的像素级平移量;
S4:基于所述空域函数的峰位的邻域部分计算所述待配准图像相对于所述参考图像的亚像素级平移量;
S5:计算所述像素级平移量和所述亚像素级平移量的和,以得到所述待配准图像相对于所述参考图像的总平移量,根据所述总平移量平移所述待配准图像以完成图像配准。
示例性的,所述对应区域可以为待配准图像和参考图像的整幅原图,也可以是基于原图而选取的待配准图像和参考图像中具有相同或相似结构的一个相应部分区域。本发明中,可通过对待配准图像和参考图像进行截取,以获取待配准图像和参考图像的至少一组对应区域。
现有技术中,一般直接采用待配准图像和参考图像的原图来进行配准,但对于尺寸较大的图片,直接配准势必降低配准速率。本发明中通过选取待配准图像和所述参考图像的对应区域进行配准,同时基于对应区域内的相位互相关谱的空域函数峰位的邻域部分计算待配准图像相对于所述参考图像的亚像素级平移量,显著降低配准过程中的计算量,提高了图像配准的效率。
一些实施例中,在所述对应区域内,根据傅里叶变换的位移定理,记所述参考图像的函数为g1(x,y),所述参考图像的傅里叶频谱为G1(fx,fy),记所述待配准图像的函数为g2(x,y),所述待配准图像的傅里叶频谱为G2(fx,fy),函数g1(x,y)和函数g2(x,y)的平移关系为:g1(x,y)=g2(x-a,y-b),基于傅里叶变换的位移定理,所述参考图像的傅里叶频谱与所述待配准图像的傅里叶频谱的关系为:G2(fx,fy)=F(g2(x-a,y-b))=G1(fx,fy)exp(-j2π(afx+bfy)),其中,F()表示傅里叶变换操作,a和b表示所述待配准图像相对于所述参考图像的总平移量,fx和fy表示空间频率。
进一步的,根据对应区域内的参考图像的傅里叶频谱G1(fx,fy)和待配准图像的傅里叶频谱G2(fx,fy)的复共轭conj(G2(fx,fy))可以得到对应区域内的相位互相关谱,所述相位互相关谱的公式为
所述相位互相关谱的公式中的exp(j2π(au+bv))为狄拉克函数,对其寻峰,其峰位的坐标值即为所述待配准图像相对于所述参考图像的像素级平移量a和b。
图3为本发明一些实施例中计算亚像素级平移量的流程图。参照图3,所述基于所述空域函数的峰位的邻域部分计算所述待配准图像相对于所述参考图像的亚像素级平移量,包括以下步骤:
S42:基于所述空域函数的峰位的邻域部分提取局部互相关谱;
S43:计算所述局部互相关谱的质心,以获得所述待配准图像相对于所述参考图像的亚像素级平移量。
一些实施例中,所述基于所述空域函数的峰位的邻域部分提取局部互相关谱,包括:以所述空余函数的峰位坐标为中心截取设定大小区域为局部互相关谱。可选地,所述设定大小区域为边长为11的正方形。
一些实施例中,计算所述局部互相谱的质心的公式为
xC=∑xxI′(x,y)/∑xI′(x,y),yC=ΣyyI′(x,y)/∑yI′(x,y)。其中,
I′(x,y)表示局部互相关谱中任意位置(x,y)处的互相关强度,所述质心的位置坐标值(xC,yC)即为所述亚像素级平移量。
采用计算局部互相关谱的质心的方式来获得待配准图像相对于所述参考图像的亚像素级平移量,可以极大地提升获取亚像素级平移量的效率。通过在互相关谱中寻峰,仅能获取像素级平移量;想得到亚像素级平移量,则需要在得到更高精度的互相关谱,这需要成倍地提升互相关谱的计算量。采用取局部互相关谱质心的方式,同时利用互相关谱中各位置的互相关强度的大小关系和互相关强度本身。与此相对的,实测发现,采用该方式并没有明显地降低获取的亚像素级平移量的精度。
一些实施例中,获取所述待配准图像相对于所述参考图像的像素级平移量,还包括通过设定阈值对所述待配准图像相对于所述参考图像的像素级平移量进行数值判定及处理:
若所述待配准图像相对于所述参考图像的像素级相对平移量大于所述阈值,则执行优化处理步骤,所述优化处理步骤包括:基于所述像素级相对平移量对所述待配准图像进行平移,以获取待配准图像和参考图像的重叠区域,在所述重叠区域内,重复执行步骤S1至-所述步骤S3以计算优化后的像素级平移量,并将其替代为所述待配准图像相对于所述参考图像的像素级平移量;
若所述待配准图像相对于所述参考图像的像素级平移量小于或等于所述阈值,则跳过所述优化处理步骤。
当所述待配准图像和所述参考图像存在较大的偏移量时,所述待配准图像和所述参考图像的不重叠区域也会参与至计算所述相位互相关谱中,导致基于所述相位互相关谱的寻峰结果与实际的像素级平移量间可能存在一定偏差;进一步地,对基于该寻峰结果提取的局部互相关谱进行取质心而获得的亚像素级平移量,必然与实际的亚像素级平移量间存在一定偏差。因此,通过对所述像素级平移量进行数值判定及处理,能够有效降低寻峰误差,提高总平移量的精度。
图4为本发明一些实施例中参考图像的示意图。图5为本发明一些实施例中待配准图像的示意图。图6为本发明一些实施例中相位互相关谱的示意图。图7为本发明一些实施例中局部互相关谱的示意图。图8为本发明一些实施例中优化后的相位互相关谱的示意图。图9为本发明一些实施例中优化后局部互相关谱的示意图。
图10为本发明一些实施例中计算像素级平移量的流程图。参照图10,所述寻找所述空域函数的峰位,以获取所述待配准图像相对于所述参考图像的像素级平移量,包括以下步骤:
S31:截取所述空域函数的中心区域;
S32:对所述中心区域进行寻峰,以获取所述像素级平移量。
图11为本发明一些实施例中存在周期性结构的参考图像的示意图。图12为本发明一些实施例中存在周期性结构的待配准图像的示意图。图13为本发明一些实施例中存在周期性结构的相位互相关谱的示意图。
参照图11~图13,所述待配准图像和所述参考图像存在周期性结构,所述相位互相关谱中也存在相同的周期性结构,通过截取所述相位互相关谱空域函数的中心区域,对所述中心区域进行寻峰,以获取所述像素级平移量,能够有效避免因所述待配准图像和所述参考图像中均存在缺陷而导致寻峰失败进而无法得到准确的像素级平移量,也能有效避免因所述互相关谱空域函数的所述周期性结构,而得到偏差了一个或若干个周期的峰位,并进而影响配准结果。
一些实施例中,执行所述基于待配准图像和参考图像分别计算第一傅里叶频谱和第二傅里叶频谱之前,还包括:对所述待配准图像和所述参考图像进行去噪处理。
一些实施例中,所述图像配准方法还包括获取n组所述待配准图像和所述参考图像的对应区域,对n组所述待配准图像和所述参考图像的对应区域分别执行所述步骤S1至所述步骤S5,以得n对所述总平移量,计算n对所述总平移量的统计值,然后将所述统计值替代为所述待配准图像相对于所述参考图像的总平移量,所述统计值为n对所述总平移量的均值或中值,n为大于或等于2的自然数。
一些实施例中,基于待配准图像和参考图像的一组对应区域A1进行配准。在对应区域A1内,获取所述待配准图像的傅里叶频谱M1和参考图像的傅里叶频谱R1,并基于傅里叶频谱M1、傅里叶频谱R1计算对应区域A1内的相位互相关谱C1,对相位互相关谱C1进行逆傅里叶变换以获取相位互相关谱C1的空域函数D1,获取空域函数D1的峰位坐标E1,空域函数的峰位坐标E1即为所述待配准图像相对于所述参考图像的像素级平移量;再基于空域函数D1的峰位的邻域部分计算所述待配准图像相对于所述参考图像的亚像素级平移量F1。
一些实施例中,基于待配准图像和参考图像的n组对应区域A1,A2,……,An进行配准,n≥2。分别获取每组对应区域AN内的待配准图像的傅里叶频谱MN和参考图像的傅里叶频谱RN,并基于傅里叶频谱MN、RN计算对应区域AN内的相位互相关谱CN,对相位互相关谱CN进行逆傅里叶变换以获取相位互相关谱CN的空域函数DN,分别对空域函数DN寻峰以获取其峰位坐标EN,由此可获得n对峰位坐标E1,E2,……,En,计算所述n对峰位坐标E1,E2,……;再基于空域函数DN的峰位的邻域部分计算所述待配准图像相对于所述参考图像的亚像素级平移量FN,由此可获得n对所述亚像素级平移量F1,F2,……,Fn;求取EN和FN的和以获取总平移量GN,由此可获得n对总平移量G1,G2,……,Gn,Gn的统计值Gstatistic,所述统计值Gstatistic为所述待配准图像相对于所述参考图像的总平移量,其中,AN∈(A1,A2,……,An)。示例性的,所述统计值Gstatistic可以为所述n对总平移量G1,G2,……,Gn的均值或中值。
待配准图像和参考图像中,若存在大量缺陷或部分较大的缺陷正好落在配准所采用的对应区域时,会严重影响配准精度,通过对待配准图像和参考图像中多组对应区域均进行配准操作,能够有效减小对准区域内的缺陷引起的配准干扰,从而提高配准精度。
一些实施例中,所述图像配准方法还包括去除n对所述总平移量中的极值,然后计算n对所述总平移量的统计值。
一些实施例中,对所述待配准图像和所述参考图像中的n组区域进行配准,n组区域的总平移量分别为(dx1,dy1)、(dx2,dy2)……(dxn,dyn),其中,dxi1为dx1、dx2……dxn中的最大值,dxi2为dx1、dx2……dxn中的最小值,dyj1为dy1、dy2……dyn中的最大值,dyj2为dy1、dy2……dyn中的最小值,则去除(dxi1,dyi1)、(dxi2,dyi2)、(dxj1,dyj1)和(dxj2,dyj2),获取其余组坐标的中值或均值dxm和dym,则所述总平移量为(dxm和dym)。
当待配准图像或参考图像中有缺陷或噪声时,仅选取一个区域用于配准,有可能得出偏差较大的平移量结果;而选取多个区域分别进行配准,并在几组平移量中进行去除最大值、最小值后取中值或均值的方法,可以有效地避免获取的总平移量因为待配准图像或参考图像中存在的缺陷或噪声出现较大偏差的情况。
本发明还提供了一种图像缺陷检测方法,包括:
通过所述图像配准方法完成待检测图像与参考图像的图像配准;
对所述待检测图像和所述参考图像进行重采样以获取目标检测区域,识别所述目标检测区域以实现缺陷检测。
一些实施例中,所述重采样包括所述待配准图像和所述参考图像进行剪裁,以获取所述待配准图像和所述参考图像的重叠区域,并将所述重叠区域作为所述目标检测区域。
一些实施例中,所述识别所述目标检测区域以实现缺陷检测,包括将所述目标检测区域的图像像素进行差分,基于所述差分的结果检测出缺陷。
图14为本发明一些实施例中重采样后待配准图像和参考图像重叠效果的示意图。
一些实施例中,所述重采样包括采用空间域直接进行插值,所述插值包括双线性插值、双三次插值以及非线性差值。
虽然在上文中详细说明了本发明的实施方式,但是对于本领域的技术人员来说显而易见的是,能够对这些实施方式进行各种修改和变化。但是,应理解,这种修改和变化都属于权利要求书中所述的本发明的范围和精神之内。而且,在此说明的本发明可有其它的实施方式,并且可通过多种方式实施或实现。
Claims (10)
1.一种图像配准方法,其特征在于,基于待配准图像和参考图像的对应区域进行配准,包括以下步骤:
S1:分别计算所述待配准图像和所述参考图像的所述对应区域的傅里叶频谱;
S2:基于所述对应区域内的待配准图像的傅里叶频谱和参考图像的傅里叶频谱,获取所述对应区域内的相位互相关谱;
S3:对所述对应区域内的相位互相关谱进行逆傅里叶变换以获取所述对应区域内的相位互相关谱的空域函数,寻找所述空域函数的峰位,以获取所述待配准图像相对于所述参考图像的像素级平移量;
S4:基于所述空域函数的峰位的邻域部分计算所述待配准图像相对于所述参考图像的亚像素级平移量;
S5:计算所述像素级平移量和所述亚像素级平移量的和,以得到所述待配准图像相对于所述参考图像的总平移量,根据所述总平移量平移所述待配准图像以完成图像配准。
2.根据权利要求1所述的图像配准方法,其特征在于,还包括通过设定阈值对所述待配准图像相对于所述参考图像的像素级平移量进行数值判定及处理,若所述待配准图像相对于所述参考图像的像素级相对平移量大于所述阈值,则执行优化处理步骤。
3.根据权利要求2所述的图像配准方法,其特征在于,所述优化处理步骤包括:
基于所述像素级相对平移量对所述待配准图像进行平移,以获取待配准图像和参考图像的重叠区域;
在所述重叠区域内,重复所述步骤S1至所述步骤S3以计算优化后的像素级平移量,并将优化后的像素级平移量替代为所述待配准图像相对于所述参考图像的像素级平移量。
4.根据权利要求1所述的图像配准方法,其特征在于,所述寻找所述空域函数的峰位,以获取所述待配准图像相对于所述参考图像的像素级平移量,包括:
截取所述空域函数的中心区域;
对所述中心区域进行寻峰,以获取所述像素级平移量。
5.根据权利要求1所述的图像配准方法,其特征在于,所述基于所述空域函数的峰位的邻域部分计算所述待配准图像相对于所述参考图像的亚像素级平移量,包括:
基于所述空域函数的峰位的邻域部分提取局部互相关谱;
计算所述局部互相关谱的质心,以获得所述待配准图像相对于所述参考图像的亚像素级平移量。
6.根据权利要求1所述的图像配准方法,其特征在于,还包括获取n组所述待配准图像和所述参考图像的对应区域,对n组所述待配准图像和所述参考图像的对应区域分别执行所述步骤S1至所述步骤S5,以得n对所述总平移量,计算n对所述总平移量的统计值,然后将所述统计值替代为所述待配准图像相对于所述参考图像的总平移量,所述统计值为n对所述总平移量的均值或中值,n为大于或等于2的自然数。
7.根据权利要求6所述的图像配准方法,其特征在于,还包括去除n对所述总平移量中的极值,然后计算n对所述总平移量的统计值。
8.一种图像缺陷检测方法,其特征在于,包括:
通过权利要求1~7任意一项所述的图像配准方法完成待检测图像与参考图像的图像配准;
对所述待检测图像和所述参考图像进行重采样以获取目标检测区域,识别所述目标检测区域以实现缺陷检测。
9.根据权利要求8所述的图像缺陷检测方法,其特征在于,所述重采样包括所述待配准图像和所述参考图像进行剪裁,以获取所述待配准图像和所述参考图像的重叠区域,并将所述重叠区域作为所述目标检测区域。
10.根据权利要求8所述的图像缺陷检测方法,其特征在于,所述识别所述目标检测区域以实现缺陷检测,包括将所述目标检测区域的图像像素进行差分,基于所述差分的结果检测出缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210466700.4A CN114897950A (zh) | 2022-04-29 | 2022-04-29 | 图像配准及缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210466700.4A CN114897950A (zh) | 2022-04-29 | 2022-04-29 | 图像配准及缺陷检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114897950A true CN114897950A (zh) | 2022-08-12 |
Family
ID=82718745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210466700.4A Pending CN114897950A (zh) | 2022-04-29 | 2022-04-29 | 图像配准及缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114897950A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117557555A (zh) * | 2024-01-08 | 2024-02-13 | 苏州矽行半导体技术有限公司 | 一种逻辑芯片掩膜版缺陷检测方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102053093A (zh) * | 2010-11-08 | 2011-05-11 | 北京大学深圳研究生院 | 一种晶圆表面切割芯片的表面缺陷检测方法 |
CN102054272A (zh) * | 2010-11-03 | 2011-05-11 | 浙江大学 | 一种基于联合分数傅里叶变换的位移矢量探测方法及装置 |
CN102611824A (zh) * | 2010-10-26 | 2012-07-25 | 索尼公司 | 改善利用相位相关估计的运动的精确度和可靠度的方法 |
CN103714546A (zh) * | 2013-12-27 | 2014-04-09 | 北京航空航天大学 | 一种成像光谱仪的数据处理方法 |
CN104268875A (zh) * | 2014-09-26 | 2015-01-07 | 西安电子科技大学 | 基于比值相关函数的sar图像配准方法 |
CN109360203A (zh) * | 2018-10-30 | 2019-02-19 | 京东方科技集团股份有限公司 | 图像配准方法、图像配准装置及存储介质 |
US20190206070A1 (en) * | 2016-05-18 | 2019-07-04 | Auckland Uniservices Limited | Image registration method |
CN110349193A (zh) * | 2019-06-27 | 2019-10-18 | 南京理工大学 | 适用于傅里叶变换光谱仪的快速图像配准方法 |
CN111882588A (zh) * | 2020-07-29 | 2020-11-03 | Oppo广东移动通信有限公司 | 图像块配准方法及相关产品 |
CN113466861A (zh) * | 2021-06-18 | 2021-10-01 | 上海交通大学 | 基于iaa处理的多通道sar-gmti图像配准方法及系统 |
CN114092325A (zh) * | 2021-09-24 | 2022-02-25 | 熵智科技(深圳)有限公司 | 一种荧光图像超分辨重建方法、装置、计算机设备及介质 |
CN114241023A (zh) * | 2021-12-14 | 2022-03-25 | 中国电子科技集团公司第十三研究所 | 亚像素图像配准方法、装置及终端设备 |
-
2022
- 2022-04-29 CN CN202210466700.4A patent/CN114897950A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102611824A (zh) * | 2010-10-26 | 2012-07-25 | 索尼公司 | 改善利用相位相关估计的运动的精确度和可靠度的方法 |
CN102054272A (zh) * | 2010-11-03 | 2011-05-11 | 浙江大学 | 一种基于联合分数傅里叶变换的位移矢量探测方法及装置 |
CN102053093A (zh) * | 2010-11-08 | 2011-05-11 | 北京大学深圳研究生院 | 一种晶圆表面切割芯片的表面缺陷检测方法 |
CN103714546A (zh) * | 2013-12-27 | 2014-04-09 | 北京航空航天大学 | 一种成像光谱仪的数据处理方法 |
CN104268875A (zh) * | 2014-09-26 | 2015-01-07 | 西安电子科技大学 | 基于比值相关函数的sar图像配准方法 |
US20190206070A1 (en) * | 2016-05-18 | 2019-07-04 | Auckland Uniservices Limited | Image registration method |
CN109360203A (zh) * | 2018-10-30 | 2019-02-19 | 京东方科技集团股份有限公司 | 图像配准方法、图像配准装置及存储介质 |
CN110349193A (zh) * | 2019-06-27 | 2019-10-18 | 南京理工大学 | 适用于傅里叶变换光谱仪的快速图像配准方法 |
CN111882588A (zh) * | 2020-07-29 | 2020-11-03 | Oppo广东移动通信有限公司 | 图像块配准方法及相关产品 |
CN113466861A (zh) * | 2021-06-18 | 2021-10-01 | 上海交通大学 | 基于iaa处理的多通道sar-gmti图像配准方法及系统 |
CN114092325A (zh) * | 2021-09-24 | 2022-02-25 | 熵智科技(深圳)有限公司 | 一种荧光图像超分辨重建方法、装置、计算机设备及介质 |
CN114241023A (zh) * | 2021-12-14 | 2022-03-25 | 中国电子科技集团公司第十三研究所 | 亚像素图像配准方法、装置及终端设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117557555A (zh) * | 2024-01-08 | 2024-02-13 | 苏州矽行半导体技术有限公司 | 一种逻辑芯片掩膜版缺陷检测方法 |
CN117557555B (zh) * | 2024-01-08 | 2024-03-22 | 苏州矽行半导体技术有限公司 | 一种逻辑芯片掩膜版缺陷检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109035276B (zh) | 一种图像边缘提取方法、装置及自动驾驶系统 | |
JP5771561B2 (ja) | 欠陥検査方法および欠陥検査装置 | |
CN111758024A (zh) | 一种缺陷检测方法及装置 | |
WO2023070593A1 (zh) | 线宽测量方法、装置、计算处理设备、计算机程序及计算机可读介质 | |
CN104318583B (zh) | 一种可见光宽带光谱图像配准方法 | |
CN114897950A (zh) | 图像配准及缺陷检测方法 | |
JP2009259036A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、記録媒体、及び画像処理システム | |
CN111145198B (zh) | 一种基于快速角点检测的非合作目标运动估计方法 | |
JP2021086616A (ja) | ランダムサンプリング一貫性に基づく魚眼画像の有効領域抽出方法 | |
WO2023287982A1 (en) | Resampled image cross-correlation | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
WO2020114134A1 (zh) | 一种识别金刚砂颗粒的视觉处理方法 | |
CN111062895A (zh) | 一种基于多视场分割的显微图像复原方法 | |
CN108876829B (zh) | 基于非线性尺度空间及径向基函数的sar高精度配准方法 | |
CN112801141B (zh) | 基于模板匹配和孪生神经网络优化的异源图像匹配方法 | |
CN114187189A (zh) | 一种飞行器多光谱影像辐射一致性校正方法 | |
CN112184785B (zh) | 基于mcd度量和vtm的多模态遥感图像配准方法 | |
CN111062972B (zh) | 基于图像频率域转换的图像跟踪方法 | |
CN110660022A (zh) | 一种基于曲面拟合的图像超分辨率重建方法 | |
CN116206139A (zh) | 一种基于局部自卷积的无人机图像升尺度匹配方法 | |
CN115601569A (zh) | 一种基于改进piifd的异源图像优化匹配方法及系统 | |
CN117649451B (zh) | 一种用于寻边器晶圆定位的视觉定位方法 | |
Lee et al. | Active contour method based sub-pixel critical dimension measurement of thin film transistor liquid crystal display (TFT-LCD) patterns | |
CN114187294B (zh) | 基于先验信息的规则晶片定位方法 | |
CN109102476A (zh) | 一种基于弥散圆拟合的多光谱图像散焦模糊核估计方法 |
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 |