CN115865308A - 一种用于半导体设备维修的图像数据处理方法 - Google Patents

一种用于半导体设备维修的图像数据处理方法 Download PDF

Info

Publication number
CN115865308A
CN115865308A CN202310195080.XA CN202310195080A CN115865308A CN 115865308 A CN115865308 A CN 115865308A CN 202310195080 A CN202310195080 A CN 202310195080A CN 115865308 A CN115865308 A CN 115865308A
Authority
CN
China
Prior art keywords
scrambling
image
scrambled
pixel point
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.)
Granted
Application number
CN202310195080.XA
Other languages
English (en)
Other versions
CN115865308B (zh
Inventor
陈小琴
刘丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Chuanshida Technology Co ltd
Original Assignee
Shenzhen Chuanshida Technology Co ltd
Precision Technology Co ltd Shenzhen Comte
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Chuanshida Technology Co ltd, Precision Technology Co ltd Shenzhen Comte filed Critical Shenzhen Chuanshida Technology Co ltd
Priority to CN202310195080.XA priority Critical patent/CN115865308B/zh
Publication of CN115865308A publication Critical patent/CN115865308A/zh
Application granted granted Critical
Publication of CN115865308B publication Critical patent/CN115865308B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)

Abstract

本发明涉及图像数据处理领域，具体涉及一种用于半导体设备维修的图像数据处理方法，获取半导体设备的灰度图像，根据灰度图像的置乱方向上的灰度游程矩阵中游程长度对应的像素点个数，得到游程长度阈值；利用游程长度阈值和图像尺寸计算扩大系数，对混沌序列中的元素进行扩大，得到置乱步长序列；根据置乱步长序列和置乱方向对像素点进行置乱，根据已置乱的像素点个数计算置乱复杂度；将置乱复杂度大于阈值的图像并作为密文图像；将密文图像、像素点置乱后的位置序列、置乱像素点个数、游程长度阈值进行RSA加密得到补充密文；利用补充密文对密文图像进行解密，得到半导体设备图像，进行后续预防性维修，加密方法安全性高，不易被攻击。

Description

一种用于半导体设备维修的图像数据处理方法
技术领域
本申请涉及图像数据处理领域，具体涉及一种用于半导体设备维修的图像数据处理方法。
背景技术
半导体设备泛指用于生产各类半导体产品所需的生产设备，属于半导体行业产业链的关键支撑环节。半导体设备是半导体产业的技术先导者，芯片设计、晶圆制造和封装测试等需在半导体设备技术允许的范围内设计和制造，设备的技术进步又反过来推动半导体产业的发展。
一旦半导体设备出现故障会影响半导体设备生产，因此半导体设备的预测性至关重要。半导体设备预测性维修是指监测半导体设备工作状态，预测设备的状态发展方向以及可能的故障形式，提前建立预测性维修方案，对半导体设备进行故障前维修。
预测性维修是通过拍摄半导体设备工作状态时的图像进行分析，监测半导体设备工作状态，由于半导体设备工作状态时的图像中包含了半导体设备生产制造芯片的过程，涉及到芯片生产商业机密，为确保芯片生产商业机密的安全性，需要对用于半导体设备预测性维修的半导体设备工作状态时的图像进行加密，使得具有权限掌握密钥的相关人员才可查看。
现有的图像加密方法多为利用混沌映射的方法进行图像置乱，图像中每个像素点的置乱位置仅依赖于混沌序列，使得对于不同的图像中同一个位置的像素点，其置乱位置也相同，容易被利用进行统计分析攻击，且各个像素点之间的置乱位置无关联，容易被利用进行已知明文攻击，安全性低。
发明内容
针对现有的仅依赖于混沌序列的图像加密方法容易被利用进行统计分析攻击，且各个像素点之间的置乱位置无关联，容易被利用进行已知明文攻击，安全性低的问题，本发明提供一种用于半导体设备维修的图像数据处理方法，包括：
获取半导体设备的灰度图像，并设定置乱方向；
根据半导体设备的灰度图像的在置乱方向上的灰度游程矩阵中每个游程长度对应的像素点个数，计算出每个游程长度的优选度，并将优选度最大的游程长度作于游程长度阈值；
以每个灰度值为索引，每个置乱方向为元素，设置密钥字典；
获取混沌序列，利用游程长度阈值和图像尺寸计算出混沌序列中元素的扩大系数，并利用扩大系数对混沌序列中的元素进行扩大，将扩大后的混沌序列作为置乱步长序列；
根据灰度图像中每个未置乱像素点邻域中的已置乱像素点个数计算每个像素点的混乱度，选取混乱度最小的未置乱像素点作为待置乱像素点；
利用待置乱像素点的灰度值，在密钥字典中得到待置乱像素点的置乱方向；利用置乱像素点的序号，在置乱步长序列中获取对应序号的元素，作为置乱像素点的置乱步长；
根据置乱步长和置乱方向构建置乱方向向量，利用置乱方向向量对待置乱像素点进行置乱，将置乱后的半导体设备图像作为密文图像进行存储。
进一步地，所述设定置乱方向的具体方法为：
根据预设尺寸构建正方形的图像块；
获取图像块中心像素点到图像块中其他像素点的方向，得到方向角度序列；
对方向序列去重，得到方向角度集合；
将方向角度集合作为置乱方向角度集合，方向角度集合中每个角度为每个置乱方向。
进一步地，所述根据灰度游程矩阵中每个游程长度对应的像素点个数，计算出每个游程长度的优选度的方法为：
Figure SMS_1
式中，
Figure SMS_2
为游程长度m的优选度，j为灰度游程矩阵中的第j列，k为灰度级个数，i 为灰度游程矩阵中的第i行，
Figure SMS_3
为图像大小，
Figure SMS_4
为灰度游程矩阵中第i行第j列的元素，
Figure SMS_5
为灰度游程矩阵中第j列对应的游程长度，
Figure SMS_6
为灰度游程矩阵中第i行第m列的元素，
Figure SMS_7
为灰度游程矩阵中第m列对应的游程长度。
进一步地，所述以每个灰度值为索引，每个置乱方向为元素，设置密钥字典的方法为：
根据灰度值的范围将每个灰度值作为密钥字典的一个索引，每个索引对应一个位置；
将所有置乱方向随机填入到密钥字典中，并且密钥字典中每个位置只能填一个置乱方向，得到密钥字典。
进一步地，所述获取混沌序列，利用游程长度阈值和图像尺寸计算出混沌序列中元素的扩大系数，并利用扩大系数对混沌序列中的元素进行扩大的方法为：
获取混沌序列，方法为：
利用混沌映射的方法，获取长度为
Figure SMS_8
的一维混沌序列，混沌序列中每个元 素的范围为
Figure SMS_9
；
Figure SMS_10
和
Figure SMS_11
为图像的长和宽；
计算出混沌序列中元素的扩大系数，公式为：
Figure SMS_12
式中，
Figure SMS_13
为混沌序列中元素的扩大系数，
Figure SMS_14
为图像长；
Figure SMS_15
为图像宽，
Figure SMS_16
为游程长度阈 值；
利用扩大系数对混沌序列中的元素进行扩大，方法为：
将混沌序列中每个元素乘以扩大系数
Figure SMS_17
并向上取整并加上游程阈值，得到扩大后 的混沌序列。
进一步地，所述根据灰度图像中每个未置乱像素点邻域中的已置乱像素点个数计算每个像素点的混乱度的方法为：
获取每个未置乱像素点中心的
Figure SMS_18
的邻域中包含的所有已置乱像素点的个 数；
Figure SMS_19
为游程长度阈值；
将该所有已置乱像素点的个数除以
Figure SMS_20
的平方，得到的商值，作为 每个未置乱像 素点的混乱度。
进一步地，所述利用置乱方向向量对待置乱像素点进行置乱的方法为：
获取待置乱像素点的置乱方向向量；
将置乱方向向量指向的位置作为待置乱像素点的置乱位置；
若待置乱像素点的置乱位置超出图像外时，将待置乱像素点放在本轮置乱中，第一个待置乱像素点原本的位置上，保存当前待置乱像素点的位置，作为结束点；结束本轮置乱；
若待置乱像素点的置乱位置未超出图像，并且待置乱像素点的置乱位置为本轮置乱的第一个待置乱像素点原本的位置上，则将待置乱像素点放在本轮置乱中，第一个待置乱像素点原本的位置上，保存当前待置乱像素点的置乱位置，作为结束点，结束本轮置乱；
若待置乱像素点的置乱位置未超出图像，并且待置乱像素点的置乱位置不为本轮置乱的第一个待置乱像素点原本的位置上，则将待置乱像素点放在置乱位置上，将置乱位置上原本的像素点作为下一个待置乱像素点；
对下一个待置乱像素点重复上述步骤进行像素点置乱，直至结束本轮置乱，并记录本轮置乱的结束点以及本轮置乱的像素点个数；
在本轮置乱结束后，重新选取混乱度最小的未置乱像素点作为待置乱像素点，按照上述步骤进行下一轮置乱。
进一步地，所述根据每个像素点的邻域内未置乱像素点的个数和已置乱的像素点个数，得到半导体设备图像的置乱复杂度的方法为：
获取半导体设备图像中每个像素点在
Figure SMS_21
邻域内未置乱像素点的个数和邻域 内所有像素点总数的占比，并选取出最大占比；
Figure SMS_22
为游程长度阈值；
获取半导体设备图像中已经置乱的像素点的个数在半导体设备图像总像素点个数中的占比；
以e为底数，以最大占比为指数，得到指数幂，将该指数幂的倒数，与半导体设备图像中已经置乱的像素点的个数在半导体设备图像总像素点个数中的占比相乘，得到的值作为半导体设备图像的置乱复杂度。
进一步地，所述利用置乱方向向量对待置乱像素点进行置乱，将置乱后的半导体设备图像作为密文图像进行存储还包括：
在每一轮置乱结束后，根据每个像素点的邻域内未置乱像素点的个数和已置乱的像素点个数，得到半导体设备图像的置乱复杂度；
当置乱复杂度大于复杂度阈值时，图像置乱完成，将置乱后的半导体设备图像作为密文图像。
进一步地，所述密文图像还包括补充密文和解密方法：
补充密文为：
将密文图像、每个像素点置乱后的位置序列、已置乱像素点个数、游程长度阈值进行RSA加密的结果作为补充密文；
解密方法为：
利用补充密文对密文图像进行解密，得到半导体设备图像。
本发明的有益效果是：
（1）本方案结合半导体设备图像特征获取游程长度阈值，从而得到置乱步长序列，使得置乱后的图像更加混乱，破坏了半导体设备图像中灰度分布规律，置乱效果更好；
（2）本方案通过对一个待置乱像素点进行置乱，根据置乱结果获取下一个待置乱像素点，即本方案中的置乱方法是链式的，改变图像中任意一个像素点的值，即可导致最终得到的密文图像大不相同，具有非常好的雪崩效应，可抵抗选择明文攻击。
（3）本方案根据待置乱像素点的灰度值与置乱步长序列中的元素获取待置乱像素点的置乱位置，与图像特征结合紧密，对于不同的图像中对应的像素点置乱后的结果是不同的；本方案解决了现有的依据混沌映射置乱的方法对于不同的图像中同一个位置的像素点置乱位置相同而易被统计分析攻击的问题。
（4）本方案根据密钥字典确定待置乱像素点的置乱方向，若改变加密字典中一小部分，则会导致对应的待置乱像素点的置乱方向改变，又因为本方案中的置乱方法是链式的，一个待置乱像素点的置乱方向改变，会最终得到的密文图像大不相同，具有非常好的密钥敏感性；
（5）本方案根据未置乱像素点的分布特征，获取每个未置乱像素点的混乱度，从而选择初始的待置乱像素点，可确保最终置乱结果的混乱度，同时使得加密方法更加高效；
（6）本方案根据已置乱像素点和未置乱像素点的分布特征，计算置乱结果的复杂度，根据复杂度进行多轮置乱，确保了最终置乱的效果，使得置乱结果更加复杂，可抵抗统计分析攻击。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的一种用于半导体设备维修的图像数据处理方法流程图；
图2是本发明的一种用于半导体设备维修的图像数据处理方法中的置乱方向示意图；
图3是本发明的一种用于半导体设备维修的图像数据处理方法中的方向上不存在像素点的示意图；
图4是本发明的一种用于半导体设备维修的图像数据处理方法的置乱过程中的置乱位置超出的示意图；
图5是本发明的一种用于半导体设备维修的图像数据处理方法的置乱过程中的置乱位置为本轮置乱第一个待置乱像素点的初始位置的示意图；
图6是本发明的一种用于半导体设备维修的图像数据处理方法的置乱过程中的置乱位置既未超出也并非本轮置乱第一个待置乱像素点的初始位置的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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做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。
本发明的一种用于半导体设备维修的图像数据处理方法的实施例，如图1所示，一种用于半导体设备维修的图像数据处理方法，包括：
步骤一：获取半导体设备的灰度图像，并设定置乱方向；根据半导体设备的灰度图像的在置乱方向上的灰度游程矩阵中每个游程长度对应的像素点个数，计算出每个游程长度的优选度，并将优选度最大的游程长度作于游程长度阈值；
该步骤的目的是，获取半导体设备的灰度图像，并根据灰度游程矩阵对半导体设备的灰度图像进行特征分析，计算出游程长度阈值。
其中，获取半导体设备的灰度图像的方法为：
通过架设在半导体设备周围以及半导体设备内部的相机，拍摄多张半导体设备RGB图像。由于半导体设备RGB图像涉及芯片制造机密，需要进行加密。
将半导体设备RGB图像每个通道的图像看作一幅灰度图像，记作半导体设备图像，后续针对每张半导体设备图像进行加密。
其中，根据半导体设备的灰度图像的在置乱方向上的灰度游程矩阵中每个游程长度对应的像素点个数，计算出每个游程长度的优选度，并将优选度最大的游程长度作于游程长度阈值的方法为：
（1）设定置乱方向，方法为：
首先获取方向集合，根据预设尺寸构建正方形的图像块，在本发明实施例中预设 尺寸设置为5，即构建一个
Figure SMS_23
的图像块，获取图像块中心像素点到图像块中其他像素点 的方向，如图2所示，得到方向角度序列，对方向序列去重，得到方向角度集合
Figure SMS_24
，其中
Figure SMS_25
为方向集合中第一个方向，
Figure SMS_26
为方向集合中最后一个方向，
Figure SMS_27
为方 向集合中元素的个数，将方向角度序列作为置乱方向集合，将方向角度序列中每个角度作 为一个置乱方向；
（2）获取游程长度阈值：
因为本方案利用像素点置乱的方法实现半导体设备图像的加密，为了使得像素点置乱的更加混乱，需要结合半导体设备图像特征，获取游程阈值，根据游程阈值决定像素点置乱的范围；
游程长度阈值的具体获取方法为：
首先获取半导体设备图像中的灰度最大值
Figure SMS_28
与灰度最小值
Figure SMS_29
，将
Figure SMS_30
范围内的灰 度值均等划分至
Figure SMS_31
个灰度级；
然后获取半导体设备图像在
Figure SMS_32
方向上的灰度游程矩阵，
Figure SMS_33
方向上的灰度游程矩阵 中的每个值表示对应灰度级在图像中
Figure SMS_34
方向上的游程长度为对应游程长度的个数；
获取置乱方向集合中每个方向的子灰度游程矩阵，将所有方向的子灰度游程矩阵对应位置的值求均值，作为新的灰度游程矩阵中对应位置的值，将新的灰度游程矩阵，记作灰度游程矩阵；灰度游程矩阵中列数代表游程长度的大小，行数代表灰度级的大小，矩阵中第i行第j列的元素表示灰度级i且游程长度为j出现的次数。
根据综合灰度游程矩阵中每个游程长度对应的像素点个数，计算出每个游程长度的优选度，计算公式为：
Figure SMS_35
式中，
Figure SMS_36
为游程长度m的优选度，j为灰度游程矩阵中的第j列，k为灰度级个数，i 为灰度游程矩阵中的第i行，
Figure SMS_37
为图像大小，
Figure SMS_38
为灰度游程矩阵中第i行第j列的元素，
Figure SMS_39
为灰度游程矩阵中第j列对应的游程长度，
Figure SMS_40
为灰度游程矩阵中第i行第m列的元素，
Figure SMS_41
为灰度游程矩阵中第m列对应的游程长度。
该公式的具体意义为：
Figure SMS_42
表示所有灰度级游程长度为
Figure SMS_43
时对应的像素点个数；
Figure SMS_44
表示所有灰度级游程长度小于等于
Figure SMS_45
时对应的像素点个数；
Figure SMS_46
为图像大小，表示图像中像素点的个数；
为了方便后续说明，本实施例中公式中的部分内容使用简单字母进行代替，具体如下：
A=
Figure SMS_47
将该部分内容使用字母A代替；
B=
Figure SMS_48
将该部分内容使用字母B代替；
Figure SMS_49
表示所有灰度级游程长度小于等于
Figure SMS_50
时对应的像素点个数占图像中像素点的 个数的比例；
Figure SMS_51
为双曲正切函数，用来限制当
Figure SMS_52
不同时，A的变化速度；
Figure SMS_53
表示所有灰度级游程长度为
Figure SMS_54
时对应的像素点个数；
B为所有灰度级游程长度为
Figure SMS_55
时对应的像素点个数占图像中像素点的个数的比 例；
图像具有局部相似性，本方案目的为选择最优游程长度作为游程阈值，使得后期每个像素点的置乱范围大于该游程阈值从而破坏图像的局部相似性，打破灰度之间的关联性；
Figure SMS_56
值越大，表示以第
Figure SMS_57
个游程长度为游程阈值进行置乱时，越多的像素点可 跳出局部范围，对图像的局部相似性破坏程度越大；如果只根据
Figure SMS_58
值的大小选择游程 阈值，可能会导致选择的游程阈值过大，使得后期置乱时大部分像素点跳出图像的范围从 而导致置乱出错，因此结合
Figure SMS_59
进行限制；
当所有灰度级游程长度为
Figure SMS_60
时对应的像素点个数占图像中像素点的个数的比例 越大时，第
Figure SMS_61
个游程长度为
Figure SMS_62
越重要，以第
Figure SMS_63
个游程长度为游程阈值进行置乱时，相较于 前一个游程长度为由游程阈值进行置乱对图像的局部相似性破坏程度的增益越大，以第
Figure SMS_64
个游程长度为游程阈值进行置乱时的置乱效果越明显，同时由于图像的局部相似性，包含 像素点个数最多的所有灰度级的游程长度不会太大，因此以B为限制；
结合
Figure SMS_65
与
Figure SMS_66
获取第
Figure SMS_67
个游程长度的优选度，当优选度越大，以第
Figure SMS_68
个游程长 度为游程阈值进行置乱时的效果越好；反之当优选度越小，以第
Figure SMS_69
个游程长度为游程阈值 进行置乱时的效果越差。
步骤二：以每个灰度值为索引，每个置乱方向为元素，设置密钥字典；获取混沌序列，利用游程长度阈值和图像尺寸计算出混沌序列中元素的扩大系数，并利用扩大系数对混沌序列中的元素进行扩大，将扩大后的混沌序列作为置乱步长序列；
该步骤的目的是，设置和密钥字典，利用游程长度阈值计算扩张系数对混沌序列进行扩张得到置乱步长序列；
其中，以每个灰度值为索引，每个置乱方向为元素，设置密钥字典的方法为：
根据灰度值的范围
Figure SMS_70
,将每个灰度值作为密钥字典的一个索引，即密钥字典 的索引为
Figure SMS_71
，每个索引对应一个位置，即一个灰度级对应一个方向，且一个位置只能 有一个方向，
将
Figure SMS_72
个置乱方向随机填入到密钥字典中，并且密钥字典中每个位置只能填一个置 乱方向，得到密钥字典，要求密钥字典中每个位置只能填一次，每个置乱方向可以填入16个 位置，如此得到的密钥字典。密钥字典共有
Figure SMS_73
种可能性，因此，密钥字典复杂，密钥 空间大，可抵抗暴力破解攻击。
至此，获取了密钥字典，密钥字典由加密端和解密端预先约定并存储；
需要说明的是，由于图像中以一个像素点为中心点，以中心点开始的任意一个方 向上不一定存在像素点，如图3所示，图中
Figure SMS_74
的图像块中方向
Figure SMS_75
上不存在像素点。而置乱 时，需确保待置乱像素点的置乱方向上存在像素点才能实现置乱，为确保每个置乱方向上 都存在像素点，对置乱方向进行限制，将置乱方向集合中每个方向作为置乱方向，此时共有
Figure SMS_76
个置乱方向。
其中，利用游程长度阈值和图像尺寸计算出混沌序列中元素的扩大系数，并利用扩大系数对混沌序列中的元素进行扩大，将扩大后的混沌序列作为置乱步长序列的具体方法为：
（1）获取混沌序列，方法为：
利用混沌映射的方法，获取长度为
Figure SMS_77
的一维混沌序列，混沌序列中每个元 素的范围为
Figure SMS_78
，
Figure SMS_79
为图像大小即
Figure SMS_80
和
Figure SMS_81
为图像的长和宽；
（2）计算出混沌序列中元素的扩大系数，公式为：
Figure SMS_82
式中，
Figure SMS_83
为混沌序列中元素的扩大系数，
Figure SMS_84
为图像长；
Figure SMS_85
为图像宽，
Figure SMS_86
为游程长度阈 值，
Figure SMS_87
表示获取
Figure SMS_88
和
Figure SMS_89
的最小值扩大系数是为了使得像素点的置乱范围较大 从而达到更好的置乱效果；
（3）利用扩大系数对混沌序列中的元素进行扩大，方法为：
将混沌序列中每个元素乘以扩大系数
Figure SMS_90
并向上取整并加上游程阈值，得到扩大后 的混沌序列；
（4）将扩大后的混沌序列作为置乱步长序列，置乱步长序列中每个元素都大于游程阈值，确保了像素点在置乱时可跳出局部范围，破坏图像的局部相似性，打破灰度之间的关联性，使得置乱后的图像更加混乱。
步骤三：根据灰度图像中每个未置乱像素点邻域中的已置乱像素点个数计算每个像素点的混乱度，选取混乱度最小的未置乱像素点作为待置乱像素点；利用待置乱像素点的灰度值，在密钥字典中得到待置乱像素点的置乱方向；利用置乱像素点的序号，在置乱步长序列中获取对应序号的元素，作为置乱像素点的置乱步长；
该步骤是获取图像中的未置乱像素点的邻域像素点分布情况，根据分布情况筛选出待置乱像素点，并根据待置乱像素点的特征在步骤二中的密钥字典和置乱步长序列中获取到待置乱像素点的置乱信息，用于后续置乱操作；
其中，根据灰度图像中每个未置乱像素点邻域中的已置乱像素点个数计算每个像素点的混乱度的方法为：
获取每个未置乱像素点中心的
Figure SMS_91
的邻域中包含的所有已置乱像素点的个 数；
将该所有已置乱像素点的个数除以
Figure SMS_92
的平方，得到的商值，作为每个未置乱像素 点的混乱度；
具体计算公式为：
Figure SMS_93
公式中，
Figure SMS_94
为第t个未置乱像素点的混乱度，
Figure SMS_97
为游程阈值，
Figure SMS_100
表示尺寸为
Figure SMS_95
的图像块中包含的所有像素点个数；
Figure SMS_99
表示在以第
Figure SMS_101
个未置乱像素点为中心的
Figure SMS_102
的图像块中包含的所有已置乱像素点的个数，即第
Figure SMS_96
个未置乱像素点的
Figure SMS_98
邻 域内已置乱像素点的个数；
该公式的意义为：当
Figure SMS_103
越大，第
Figure SMS_106
个未置乱像素点的
Figure SMS_109
邻域内已置乱像素点 的个数越多，第
Figure SMS_105
个未置乱像素点的混乱度越大；反之当
Figure SMS_107
越小，第
Figure SMS_108
个未置乱像素点的
Figure SMS_110
邻域内已置乱像素点的个数越少，第
Figure SMS_104
个未置乱像素点的混乱度越小，此时越应优 先选择混乱度小的未置乱像素点作为初始的待置乱像素点，增加混乱度小的未置乱像素点 所处区域的混乱度。
进一步的，获取混乱度最小的未置乱像素点作为初始的待置乱像素点。若存在多个未置乱像素点的混乱度一致且最小，则在此些未置乱像素点中随机选择一个作为初始的待置乱像素点。
本方案根据未置乱像素点的分布特征，获取每个未置乱像素点的混乱度，从而选择初始的待置乱像素点，可确保最终置乱结果的混乱度，同时使得置乱更加高效；
进一步的，利用待置乱像素点的灰度值，在密钥字典中得到待置乱像素点的置乱方向；利用置乱像素点的序号，在置乱步长序列中获取对应序号的元素，作为置乱像素点的置乱步长，具体如下：
利用待置乱像素点的灰度值作为索引，在密钥字典中进行匹配，得到待置乱像素点的置乱方向；
获取当前待置乱像素点的序号
Figure SMS_111
，如第一个进行置乱的待置乱像素点的序号为1， 第2个进行置乱的待置乱像素点的序号为2，以此类推。获取置乱步长序列中第
Figure SMS_112
个元素，作 为待置乱像素点的置乱步长。
步骤四：根据置乱步长和置乱方向构建置乱方向向量，利用置乱方向向量对待置乱像素点进行置乱，将置乱后的半导体设备图像作为密文图像进行存储；
该步骤的目的构建置乱方向向量，对待置乱像素点进行置乱，并且获取每一轮置乱后的半导体设备图像的置乱复杂度，根据复杂度和复杂度阈值得到置乱完成的半导体设备图像，作为密文图像进行后续分析。
其中，根据置乱步长和置乱方向构建置乱方向向量的方法为：
当前待置乱像素点的置乱步长作为模长，将置乱方向作为方向，模长和方向构成置乱方向向量；
其中，用置乱方向向量对待置乱像素点进行置乱的方法为：
（1）获取待置乱像素点的置乱方向向量；
（2）将置乱方向向量指向的位置作为待置乱像素点的置乱位置；
（3）若待置乱像素点的置乱位置超出图像外时，将待置乱像素点放在本轮置乱中，第一个待置乱像素点原本的位置上，保存当前待置乱像素点的位置，作为结束点；结束本轮置乱；
如图4所示，图中1，2，3，4表示的是像素点位置，设1为本轮置乱中，第一个待置乱像素点的位置；若有某置乱像素点，置乱位置依次为1，2，3，4，由于置乱位置3的下一个置乱位置4超出了图像，则将置乱位置3作为本轮置乱的结束点（结束时的像素点位置），并且将该置乱像素点放置在1上，本轮置乱结束；
若待置乱像素点的置乱位置未超出图像，并且待置乱像素点的置乱位置为本轮置乱的第一个待置乱像素点原本的位置上，则将待置乱像素点放在本轮置乱中，第一个待置乱像素点原本的位置上，保存当前待置乱像素点的置乱位置，作为结束点，结束本轮置乱；
如图5所示，置乱像素点位于置乱位置3时，下一个置乱位置为1，也就是本轮置乱的第一个待置乱像素点的原本位置（初始位置），则将置乱像素点放置在1上，并将1作为本轮置乱的结束点；
若待置乱像素点的置乱位置未超出图像，并且待置乱像素点的置乱位置不为本轮置乱的第一个待置乱像素点原本的位置上，则将待置乱像素点放在置乱位置上，将置乱位置上原本的像素点作为下一个待置乱像素点；
如图6所示，置乱像素点位于置乱位置3时，下一个置乱为4，即未超出图像，也并非本轮置乱的第一个待置乱像素点原本的位置（不是1），因此，将置乱像素点放置在4上，将4上原来的像素点作为下一个置乱像素点进行置乱；
（4）对下一个待置乱像素点重复上述步骤进行像素点置乱，直至直到步骤（3）中发生时停止时，记录本轮置乱的结束点以及本轮置乱的像素点个数，结束本轮置乱；
（5）在本轮置乱结束后，重新选取混乱度最小的未置乱像素点作为待置乱像素点，按照上述步骤进行下一轮置乱。
至此，完成了一轮置乱操作，实现了像素点的链式置乱，当前待置乱像素点的置乱位置决定了下一个待置乱像素点的获取。使得加密结果具有非常好的雪崩效应，即改变图像中任意一个像素点的值，可导致最终得到的密文图像大不相同，可抵抗选择明文攻击。又通过设置停止条件，确保了置乱不会溢出图像之外；
进一步的，在每一轮置乱结束后根据每个像素点的邻域内未置乱像素点的个数和已置乱的像素点个数，得到半导体设备图像的置乱复杂度；当置乱复杂度大于复杂度阈值时，图像置乱完成，将置乱后的半导体设备图像作为密文图像；
其中，根据每个像素点的邻域内未置乱像素点的个数和已置乱的像素点个数，得到半导体设备图像的置乱复杂度的方法为：
（1）获取半导体设备图像中每个像素点在
Figure SMS_113
邻域内未置乱像素点的个数和 邻域内所有像素点总数的占比，并选取出最大占比
Figure SMS_114
；
Figure SMS_115
公式中，
Figure SMS_119
，
Figure SMS_122
表示尺寸为
Figure SMS_126
的图像块中包含的所有像 素点个数；
Figure SMS_118
表示在以第
Figure SMS_121
个像素点为中心的
Figure SMS_124
的图像块中包含的所有未置乱像素 点的个数，即第
Figure SMS_128
个像素点的
Figure SMS_117
邻域内未置乱像素点的个数；
Figure SMS_123
表示第
Figure SMS_127
个像素点 的
Figure SMS_129
邻域内未置乱像素点的个数的比例；获取每个像素点的
Figure SMS_116
邻域内未置乱 像素点的个数的比例，
Figure SMS_120
表示比例中的最大值，即
Figure SMS_125
的局部区域内未置乱像素点的个 数的比例的最大值；
（2）以e为底数，以最大占比为指数，得到指数幂，将该指数幂的倒数，与半导体设备图像中已经置乱的像素点的个数在半导体设备图像总像素点个数中的占比相乘，得到的值作为半导体设备图像的置乱复杂度；具体计算公式为：
Figure SMS_130
公式中，
Figure SMS_131
为半导体设备图像的置乱复杂度，
Figure SMS_132
为
Figure SMS_133
的负相关函数，
Figure SMS_134
具体含义为e的
Figure SMS_135
次方；当前图像中已置乱像素点的比例越大，且所有局部区域内未置乱像 素点的个数的比例越小时，置乱结果越复杂；反之，当前图像中已置乱像素的比例越小或存 在一个或多个局部区域内未置乱像素点的个数的比例较大时，置乱结果复杂度较小。
进一步的，当置乱复杂度大于复杂度阈值时，图像置乱完成，将置乱后的半导体设备图像作为密文图像，具体为：
当半导体设备图像的置乱复杂度
Figure SMS_136
时，完成半导体设备图像的置乱；
当复杂度
Figure SMS_137
时，通过步骤三中获取下一个初始的待置乱像素点，根据步骤四中 的，利用置乱方向向量对待置乱像素点进行置乱的方法，开始新的一轮置乱，重复步骤三和 步骤四中的置乱过程，进行多轮置乱，直到置乱结果复杂度大于阈值
Figure SMS_138
时停止，完成半导体 设备图像的置乱，
Figure SMS_139
由人工设置，经验值为0.9，通过获取置乱结果复杂度，根据置乱结果复 杂度重复多轮置乱，确保了最终置乱结果的复杂性，使得置乱效果更好，可抵抗统计分析攻 击。
至此，完成了半导体设备图像的置乱，获得了置乱图像、每一轮置乱的结束点序列（置乱像素点的位置序列）以及每一轮置乱的像素点个数，并将置乱图像作为密文图像；
进一步的，将密文图像、每个像素点置乱后的位置序列、已置乱像素点个数、游程长度阈值进行RSA加密的结果作为补充密文；利用补充密文对密文图像进行解密，得到半导体设备图像，进行后续预防性维修；
本步骤是根据置乱后得到的像素点信息构造补充密文，对图像进行解密用于预测性维修。
其中，补充密文的获取方法为：
将所有轮置乱的结束点按照顺序构成结束点序列，将所有轮置乱的像素个数按照顺序构成像素点个数序列。对结束点序列（每个像素点置乱后的位置序列）、（每一轮置乱的）像素点个数序列以及步骤一获得的游程阈值利用现有的加密方法如RSA进行加密，将加密结果作为补充密文；
至此，获取了密文图像和补充密文。将密文图像以及补充密文存储或传输至解密端。
其中，利用补充密文对密文图像进行解密，得到半导体设备图像，进行后续预防性维修的方法为：
解密端获得密文图像以及补充密文，根据补充密文对密文图像进行解密：
利用现有的解密方法如RSA对补充密文进行解密，获得结束点序列、像素点个数序列以及步骤一获得的游程阈值；
根据游程阈值以及补充密钥获取置乱步长序列；
对结束点序列以及像素点个数序列进行反序获得反序结束点序列和反序像素点个数序列；
获取反序像素点个数序列中所有元素的加和得到置乱像素点总数，获取置乱步长序列中第一个位置到第置乱像素点总数个位置的元素，并进行反序排列，得到解密步长序列；
获取反序结束点序列中第一个结束点，开始一轮解密，一轮解密操作包括：
以密文图像中该结束点位置的像素点为本轮初始的待解密像素点，对待解密像素点进行解密，对待解密像素点的解密操作包括：将待解密像素点的灰度值作为索引，获取密钥字典中对应位置的方向，获取该方向的反方向，即与该方向相差180°的方向作为待解密像素点的解密方向，根据待解密像素点的序号获取解密步长序列中该序号位置的步长，步长和解密方向构成解密方向向量，以待解密像素点解密方向向量的原点，获取解密方向向量所指的位置作为解密位置，将待解密像素点放置在解密位置，将解密位置原本的像素点作为下一个待解密像素点；
重复对待解密像素点进行解密操作，直到本轮解密包含的解密像素点个数等于反序像素点个数序列中对应的像素点个数减一时停止，将下一个待解密像素点放置在本轮初始的待解密像素点的原本的位置，本轮解密操作结束；
依次获取反序结束点序列中每个结束点进行多轮解密操作，直到解密轮数等于反序结束点序列中结束点的个数时停止，此时得到的解密图像即为加密前的半导体设备图像。
至此，完成了半导体设备图像的解密，可根据解密的半导体设备图像进行分析，识别其运行状态，以便进行及时预防性维修。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种用于半导体设备维修的图像数据处理方法，其特征在于，包括：
获取半导体设备的灰度图像，并设定置乱方向；
根据半导体设备的灰度图像的在置乱方向上的灰度游程矩阵中每个游程长度对应的像素点个数，计算出每个游程长度的优选度，并将优选度最大的游程长度作于游程长度阈值；
以每个灰度值为索引，每个置乱方向为元素，设置密钥字典；
获取混沌序列，利用游程长度阈值和图像尺寸计算出混沌序列中元素的扩大系数，并利用扩大系数对混沌序列中的元素进行扩大，将扩大后的混沌序列作为置乱步长序列；
根据灰度图像中每个未置乱像素点邻域中的已置乱像素点个数计算每个像素点的混乱度，选取混乱度最小的未置乱像素点作为待置乱像素点；
利用待置乱像素点的灰度值，在密钥字典中得到待置乱像素点的置乱方向；利用置乱像素点的序号，在置乱步长序列中获取对应序号的元素，作为置乱像素点的置乱步长；
根据置乱步长和置乱方向构建置乱方向向量，利用置乱方向向量对待置乱像素点进行置乱，将置乱后的半导体设备图像作为密文图像进行存储。
2.根据权利要求1所述的一种用于半导体设备维修的图像数据处理方法，其特征在于，所述设定置乱方向的具体方法为：
根据预设尺寸构建正方形的图像块；
获取图像块中心像素点到图像块中其他像素点的方向，得到方向角度序列；
对方向序列去重，得到方向角度集合；
将方向角度集合作为置乱方向角度集合，方向角度集合中每个角度为每个置乱方向。
3.根据权利要求1所述的一种用于半导体设备维修的图像数据处理方法，其特征在于，所述根据灰度游程矩阵中每个游程长度对应的像素点个数，计算出每个游程长度的优选度的方法为：
Figure QLYQS_1
式中，
Figure QLYQS_2
为游程长度m的优选度，j为灰度游程矩阵中的第j列，k为灰度级个数，i为灰度游程矩阵中的第i行，/>
Figure QLYQS_3
为图像大小，/>
Figure QLYQS_4
为灰度游程矩阵中第i行第j列的元素，/>
Figure QLYQS_5
为灰度游程矩阵中第j列对应的游程长度，/>
Figure QLYQS_6
为灰度游程矩阵中第i行第m列的元素， />
Figure QLYQS_7
为灰度游程矩阵中第m列对应的游程长度。
4.根据权利要求1所述的一种用于半导体设备维修的图像数据处理方法，其特征在于，所述以每个灰度值为索引，每个置乱方向为元素，设置密钥字典的方法为：
根据灰度值的范围将每个灰度值作为密钥字典的一个索引，每个索引对应一个位置；
将所有置乱方向随机填入到密钥字典中，并且密钥字典中每个位置只能填一个置乱方向，得到密钥字典。
5.根据权利要求1所述的一种用于半导体设备维修的图像数据处理方法，其特征在于，所述获取混沌序列，利用游程长度阈值和图像尺寸计算出混沌序列中元素的扩大系数，并利用扩大系数对混沌序列中的元素进行扩大的方法为：
获取混沌序列，方法为：
利用混沌映射的方法，获取长度为
Figure QLYQS_8
的一维混沌序列，混沌序列中每个元素的范围为/>
Figure QLYQS_9
；/>
Figure QLYQS_10
和/>
Figure QLYQS_11
为图像的长和宽；
计算出混沌序列中元素的扩大系数，公式为：
Figure QLYQS_12
式中，
Figure QLYQS_13
为混沌序列中元素的扩大系数，/>
Figure QLYQS_14
为图像长；/>
Figure QLYQS_15
为图像宽，/>
Figure QLYQS_16
为游程长度阈值；
利用扩大系数对混沌序列中的元素进行扩大，方法为：
将混沌序列中每个元素乘以扩大系数
Figure QLYQS_17
并向上取整并加上游程阈值，得到扩大后的混沌序列。
6.根据权利要求1所述的一种用于半导体设备维修的图像数据处理方法，其特征在于，所述根据灰度图像中每个未置乱像素点邻域中的已置乱像素点个数计算每个像素点的混乱度的方法为：
获取每个未置乱像素点中心的
Figure QLYQS_18
的邻域中包含的所有已置乱像素点的个数；/>
Figure QLYQS_19
为游程长度阈值；
将该所有已置乱像素点的个数除以
Figure QLYQS_20
的平方，得到的商值，作为 每个未置乱像素点的混乱度。
7.根据权利要求1所述的一种用于半导体设备维修的图像数据处理方法，其特征在于，所述利用置乱方向向量对待置乱像素点进行置乱的方法为：
获取待置乱像素点的置乱方向向量；
将置乱方向向量指向的位置作为待置乱像素点的置乱位置；
若待置乱像素点的置乱位置超出图像外时，将待置乱像素点放在本轮置乱中，第一个待置乱像素点原本的位置上，保存当前待置乱像素点的位置，作为结束点；结束本轮置乱；
若待置乱像素点的置乱位置未超出图像，并且待置乱像素点的置乱位置为本轮置乱的第一个待置乱像素点原本的位置上，则将待置乱像素点放在本轮置乱中，第一个待置乱像素点原本的位置上，保存当前待置乱像素点的置乱位置，作为结束点，结束本轮置乱；
若待置乱像素点的置乱位置未超出图像，并且待置乱像素点的置乱位置不为本轮置乱的第一个待置乱像素点原本的位置上，则将待置乱像素点放在置乱位置上，将置乱位置上原本的像素点作为下一个待置乱像素点；
对下一个待置乱像素点重复上述步骤进行像素点置乱，直至结束本轮置乱，并记录本轮置乱的结束点以及本轮置乱的像素点个数；
在本轮置乱结束后，重新选取混乱度最小的未置乱像素点作为待置乱像素点，进行下一轮置乱。
8.根据权利要求1所述的一种用于半导体设备维修的图像数据处理方法，其特征在于，所述根据每个像素点的邻域内未置乱像素点的个数和已置乱的像素点个数，得到半导体设备图像的置乱复杂度的方法为：
获取半导体设备图像中每个像素点在
Figure QLYQS_21
邻域内未置乱像素点的个数和邻域内所有像素点总数的占比，并选取出最大占比；/>
Figure QLYQS_22
为游程长度阈值；/>
获取半导体设备图像中已经置乱的像素点的个数在半导体设备图像总像素点个数中的占比；
以e为底数，以最大占比为指数，得到指数幂，将该指数幂的倒数，与半导体设备图像中已经置乱的像素点的个数在半导体设备图像总像素点个数中的占比相乘，得到的值作为半导体设备图像的置乱复杂度。
9.根据权利要求1所述的一种用于半导体设备维修的图像数据处理方法，其特征在于，所述利用置乱方向向量对待置乱像素点进行置乱，将置乱后的半导体设备图像作为密文图像进行存储还包括：
在每一轮置乱结束后，根据每个像素点的邻域内未置乱像素点的个数和已置乱的像素点个数，得到半导体设备图像的置乱复杂度；
当置乱复杂度大于复杂度阈值时，图像置乱完成，将置乱后的半导体设备图像作为密文图像。
10.根据权利要求1所述的一种用于半导体设备维修的图像数据处理方法，其特征在于，所述密文图像还包括补充密文和解密方法：
补充密文为：
将密文图像、每个像素点置乱后的位置序列、已置乱像素点个数、游程长度阈值进行RSA加密的结果作为补充密文；
解密方法为：
利用补充密文对密文图像进行解密，得到半导体设备图像。
CN202310195080.XA 2023-03-03 2023-03-03 一种用于半导体设备维修的图像数据处理方法 Active CN115865308B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310195080.XA CN115865308B (zh) 2023-03-03 2023-03-03 一种用于半导体设备维修的图像数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310195080.XA CN115865308B (zh) 2023-03-03 2023-03-03 一种用于半导体设备维修的图像数据处理方法

Publications (2)

Publication Number Publication Date
CN115865308A true CN115865308A (zh) 2023-03-28
CN115865308B CN115865308B (zh) 2023-06-16

Family

ID=85659875

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310195080.XA Active CN115865308B (zh) 2023-03-03 2023-03-03 一种用于半导体设备维修的图像数据处理方法

Country Status (1)

Country Link
CN (1) CN115865308B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040202326A1 (en) * 2003-04-10 2004-10-14 Guanrong Chen System and methods for real-time encryption of digital images based on 2D and 3D multi-parametric chaotic maps
CN105975866A (zh) * 2016-04-26 2016-09-28 长安大学 基于同类系数置乱的jpeg图像加密方法
CN111105339A (zh) * 2019-12-23 2020-05-05 郑州轻工业大学 一种基于多维混沌系统和约瑟夫置乱的图像加密方法
US10819881B1 (en) * 2015-03-12 2020-10-27 Igor Vladimir Smolyar System and method for encryption/decryption of 2-D and 3-D arbitrary images
CN112714235A (zh) * 2020-12-22 2021-04-27 郑州轻工业大学 一种基于填充曲线和相邻像素比特置乱的图像加密方法
CN113507546A (zh) * 2021-06-01 2021-10-15 暨南大学 基于dct-64的图像加密方法
CN115567186A (zh) * 2022-09-22 2023-01-03 沈阳理工大学 一种混沌优选的深度窗口置乱加密方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040202326A1 (en) * 2003-04-10 2004-10-14 Guanrong Chen System and methods for real-time encryption of digital images based on 2D and 3D multi-parametric chaotic maps
US10819881B1 (en) * 2015-03-12 2020-10-27 Igor Vladimir Smolyar System and method for encryption/decryption of 2-D and 3-D arbitrary images
CN105975866A (zh) * 2016-04-26 2016-09-28 长安大学 基于同类系数置乱的jpeg图像加密方法
CN111105339A (zh) * 2019-12-23 2020-05-05 郑州轻工业大学 一种基于多维混沌系统和约瑟夫置乱的图像加密方法
CN112714235A (zh) * 2020-12-22 2021-04-27 郑州轻工业大学 一种基于填充曲线和相邻像素比特置乱的图像加密方法
CN113507546A (zh) * 2021-06-01 2021-10-15 暨南大学 基于dct-64的图像加密方法
CN115567186A (zh) * 2022-09-22 2023-01-03 沈阳理工大学 一种混沌优选的深度窗口置乱加密方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
WANG XING-YUAN 等: "A new image encryption algorithm based on chaos" *
廖春成;廖春龙;: "基于像素位置置乱和替代的超混沌图像加密算法" *
郑继明;汤智睿;邓建秀;林姚;: "基于Logistic混沌映射的数字图像加密算法", 科技与创新 *
钟厚桥;李建民;林振荣;王振;: "基于超混沌序列的图像加密方案" *

Also Published As

Publication number Publication date
CN115865308B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
Abraham et al. Secure image encryption algorithms: A review
CN102360488B (zh) 一种基于混沌轨道扰动的数字图像加密方法
CN109102452B (zh) 一种基于拉丁方阵置乱和双向扩散的图像加密方法
CN109660696B (zh) 一种新的图像加密方法
CN103491279B (zh) 超混沌Lorenz系统的4-邻域异或图像加密方法
CN111597574B (zh) 一种基于空间扩散结构的并行图像加密系统及方法
CN107292184B (zh) 图像加密方法、装置及密钥流生成方法和密钥流生成器
CN103258312B (zh) 具有快速密钥流生成机制的数字图像加密方法
CN115314600B (zh) 一种化肥生产监控数据管理方法
CN108055121A (zh) 图像的加密方法与解密方法
CN109242751B (zh) 一种基于混沌帐篷映射与dna译码的图像加密方法
Sabery et al. A new approach for image encryption using chaotic logistic map
CN107633474A (zh) 一种具有快速密钥流生成过程的混沌彩色图像加密方法
Chattopadhyay et al. A verifiable (n, n) secret image sharing scheme using XOR operations
CN115865308A (zh) 一种用于半导体设备维修的图像数据处理方法
US20090232306A1 (en) Communication system and communication method
CN113076551A (zh) 基于提升方案和跨分量置乱的彩色图像加密方法
Slimane et al. A novel image encryption scheme using chaos, hyper-chaos systems and the secure Hash algorithm SHA-1
CN114025054B (zh) 一种智能电网图像加密传输方法和系统
Álvarez Marañón et al. A new secret sharing scheme for images based on additive 2-dimensional cellular automata
Gu et al. A novel image encryption scheme based on hyperchaotic cellular automaton
CN106651737B (zh) 一种基于拼图策略和混沌系统的彩色图像加密方法
CN117390684B (zh) 基于切片层级关联的数据加密处理方法及系统
CN113645367B (zh) 批量图像组合加密方法及装置
CN115310114B (zh) 一种小程序用户数据处理方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230522

Address after: Building 201, Pingtang A5, Xinzhuang Community, Matian Street, Guangming District, Shenzhen City, Guangdong Province, 518106

Applicant after: SHENZHEN CHUANSHIDA TECHNOLOGY Co.,Ltd.

Address before: 518106 101, Building A5, Pingtang, Second Industrial Zone, Xinzhuang Community, Matian Street, Guangming District, Shenzhen City, Guangdong Province

Applicant before: PRECISION TECHNOLOGY Co.,Ltd. SHENZHEN COMTE

Applicant before: SHENZHEN CHUANSHIDA TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant