CN117095020A - 含噪声电子束图像的轮廓提取方法、装置、系统和介质 - Google Patents
含噪声电子束图像的轮廓提取方法、装置、系统和介质 Download PDFInfo
- Publication number
- CN117095020A CN117095020A CN202311061398.5A CN202311061398A CN117095020A CN 117095020 A CN117095020 A CN 117095020A CN 202311061398 A CN202311061398 A CN 202311061398A CN 117095020 A CN117095020 A CN 117095020A
- Authority
- CN
- China
- Prior art keywords
- electron beam
- image
- gray level
- gray
- edge
- 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
- 238000010894 electron beam technology Methods 0.000 title claims abstract description 383
- 238000000605 extraction Methods 0.000 title claims abstract description 112
- 238000001914 filtration Methods 0.000 claims abstract description 89
- 238000012545 processing Methods 0.000 claims abstract description 32
- 230000000877 morphologic effect Effects 0.000 claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 230000009466 transformation Effects 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 42
- 238000004590 computer program Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 abstract description 10
- 230000008030 elimination Effects 0.000 abstract description 5
- 238000003379 elimination reaction Methods 0.000 abstract description 5
- 230000009467 reduction Effects 0.000 abstract description 5
- 230000003287 optical effect Effects 0.000 description 35
- 238000012937 correction Methods 0.000 description 28
- 230000000694 effects Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 12
- 229920002120 photoresistant polymer Polymers 0.000 description 12
- 238000009826 distribution Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000001259 photo etching Methods 0.000 description 6
- 238000011282 treatment Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000001878 scanning electron micrograph Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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 using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种含噪声电子束图像的轮廓提取方法、装置、系统和介质,利用平均值和标准差根据三西格玛原则确定过滤区间,将过滤电子束灰度图像进行分段线性变换;用滤波算法对增强电子束灰度图像进行滤波;利用边缘提取算子对滤波电子束灰度图像进行边缘提取,将初次电子束灰度图像轮廓和原始电子束灰度图像进行叠加,对叠加电子束灰度图像进行迭代;对迭代得到的迭代电子束灰度图像进行形态学处理;进行图像与运算,得到目标电子束单边缘图像。设置过滤区间,根据三西格玛原则进行初步降噪处理,保护图像点同时去除部分噪声点,提高消除噪声效率。进行分段线性变化,增强图像对比度,轮廓提取更加精准。形态学处理,与操作获取精准的单边缘图像。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种含噪声电子束图像的轮廓提取方法、装置、系统和介质。
背景技术
随着集成电路制造技术的不断发展,图形关键尺寸越来越小,产业界对于图形边缘质量的要求并没有放松。
对于图像的边缘部分,不允许存在光刻胶残留、结构粘连、桥接等异常情况。在半导体生产过程中,当线宽尺寸小于光刻光源波长,由于光的衍射效应会导致图像失真,使得在硅片上的成像与设计版图不同,出现边缘圆角、线宽不均、图形畸变等光学临近效应。光学临近效应会影响产品的外观和电气性能,降低芯片的成品率。
为了应对光的衍射效应造成的影响,产业界提出了光学临近效应修正(OPC,Optical Proximity Correction)技术。光学临近效应修正技术是一种光刻分辨率增强技术,使用计算方法对掩模版上的图形做修正,调整光刻掩模上透光区域图形的拓扑结构或者在掩模上添加细小的辅助图形,使得光刻胶成像结果尽可能接近掩模图形的技术,可以用来修正衍射效应,来保证生产电路的电气性能。
光学临近效应修正技术分为基于经验的光学临近效应修正和基于模型的光学临近效应修正。基于经验的光学临近效应修正技术受经验和图形复杂度影响大,精度较低;基于模型的光学临近效应修正技术是使用光学模型和光刻胶化学模型计算曝光后的图形,需要大量的数据进行拟合。
为了保证光学临近效应修正掩模修正精度,需要使用高精度的光学模型和光刻胶模型,特别是光刻胶模型的建立,需要使用大量测试图形进行建模,数据越多越精准,建模的精度就越高。在实际建模过程中,传统的建模所使用的测试版图多为一维图形,更多使用关键尺寸数据进行建模。但是在应用于二维图形时,由于图案复杂度的增加,基于关键尺寸测量数据的模型精度将受到极大限制和制约,使得光学临近效应修正精度和修正版图质量往往与曝光后的图形结果存在偏差。因此,在建立二维图形光学临近效应修正模型(光刻胶模型)时,选择使用图形轮廓进行建模,二维图像的边缘是区域属性发生突变的地方,图像边缘处亮度变化大,是图像信息最集中的地方,包含着丰富的信息。使用图形轮廓建模能够有助于丰富建模图形的种类,提高模型对复杂图形的适用性和精度。
但是,随着技术节点缩小,版图尺寸减小导致电子束测量图像的噪声增加,信噪比降低,即所获得的二维图形存在非常明显的图像噪声,这对于准确提取轮廓图形,并进而进行光学临近效应修正建模具有极大地制约。
受图像噪声的影响,提取轮廓时会出现伪边缘、多边缘或者边缘缺失、断裂等问题,提取效果不佳。因此,如何提高含噪声电子束图像的轮廓提取的准确性,改善提取效果,是本领域需要解决的技术问题。
发明内容
有鉴于此,提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本申请的目的在于提供一种含噪声电子束图像的轮廓提取方法、装置、系统和介质,可以提高含噪声电子束图像的轮廓提取的准确性,改善提取效果。
为实现上述目的,本申请有如下技术方案:
第一方面,本申请实施例提供了一种含噪声电子束图像的轮廓提取方法,包括:
获取原始电子束灰度图像;计算所述原始电子束灰度图像像素点灰度值的平均值和标准差;
利用所述平均值和所述标准差根据三西格玛原则确定过滤区间,根据所述过滤区间过滤所述原始电子束灰度图像,得到过滤电子束灰度图像;
将所述过滤电子束灰度图像进行分段线性变换,得到增强电子束灰度图像;利用自适应中值滤波算法对所述增强电子束灰度图像进行滤波,得到滤波电子束灰度图像;利用边缘提取算子对所述滤波电子束灰度图像进行边缘提取,得到初次电子束灰度图像轮廓;
将所述初次电子束灰度图像轮廓和所述原始电子束灰度图像进行叠加,得到叠加电子束灰度图像,对所述叠加电子束灰度图像进行去噪和边缘提取迭代;
当所述迭代达到预设次数时,则对迭代得到的迭代电子束灰度图像进行形态学处理,得到目标电子束图像边缘轮廓曲线图像;
将所述目标电子束图像边缘轮廓曲线图像进行图像与运算,得到目标电子束单边缘图像。
在一种可能的实现方式中,所述对迭代得到的迭代电子束灰度图像进行形态学处理,得到目标电子束图像边缘轮廓曲线图像,包括:
将所述迭代电子束灰度图像进行闭运算,得到运算电子束灰度图像;
对所述第一电子束灰度图像进行孔洞填充,得到填充电子束灰度图像;
标记所述填充电子束灰度图像中的连通域,将面积小于预设值的所述连通域去除,以得到所述目标电子束图像边缘轮廓曲线图像。
在一种可能的实现方式中,所述获取原始电子束灰度图像,包括:
采集当前电子束图像;
判断所述当前电子束图像是否为单通道灰度图像;
若是,则将当前电子束图像作为所述原始电子束灰度图像;
若否,则将当前电子束图像进行灰度转换,得到所述原始电子束灰度图像。
在一种可能的实现方式中,所述对所述叠加电子束灰度图像进行去噪和边缘提取迭代,包括:
利用自适应中值滤波算法对所述叠加电子束灰度图像进行去噪,得到去噪电子束灰度图像;
利用边缘提取算子对所述去噪电子束灰度图像进行边缘提取,得到边缘提取电子束灰度图像。
第二方面,本申请实施例提供了一种含噪声电子束图像的轮廓提取装置,包括:
获取单元,用于获取原始电子束灰度图像;计算所述原始电子束灰度图像像素点灰度值的平均值和标准差;
过滤单元,用于利用所述平均值和所述标准差根据三西格玛原则确定过滤区间,根据所述过滤区间过滤所述原始电子束灰度图像,得到过滤电子束灰度图像;
轮廓单元,用于将所述过滤电子束灰度图像进行分段线性变换,得到增强电子束灰度图像;利用自适应中值滤波算法对所述增强电子束灰度图像进行滤波,得到滤波电子束灰度图像;利用边缘提取算子对所述滤波电子束灰度图像进行边缘提取,得到初次电子束灰度图像轮廓;
叠加单元,用于将所述初次电子束灰度图像轮廓和所述原始电子束灰度图像进行叠加,得到叠加电子束灰度图像,对所述叠加电子束灰度图像进行去噪和边缘提取迭代;
形态单元,用于当所述迭代达到预设次数时,则对迭代得到的迭代电子束灰度图像进行形态学处理,得到目标电子束图像边缘轮廓曲线图像;
运算单元,用于将所述目标电子束图像边缘轮廓曲线图像进行图像与运算,得到目标电子束单边缘图像。
在一种可能的实现方式中,所述形态单元,具体用于:
将所述迭代电子束灰度图像进行闭运算,得到运算电子束灰度图像;
对所述第一电子束灰度图像进行孔洞填充,得到填充电子束灰度图像;
标记所述填充电子束灰度图像中的连通域,将面积小于预设值的所述连通域去除,以得到所述目标电子束图像边缘轮廓曲线图像。
在一种可能的实现方式中,所述获取单元,具体用于:
采集当前电子束图像;
判断所述当前电子束图像是否为单通道灰度图像;
若是,则将当前电子束图像作为所述原始电子束灰度图像;
若否,则将当前电子束图像进行灰度转换,得到所述原始电子束灰度图像。
在一种可能的实现方式中,所述叠加单元,具体用于:
利用自适应中值滤波算法对所述叠加电子束灰度图像进行去噪,得到去噪电子束灰度图像;
利用边缘提取算子对所述去噪电子束灰度图像进行边缘提取,得到边缘提取电子束灰度图像。
第三方面,本申请实施例提供了一种含噪声电子束图像的轮廓提取系统,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上述所述含噪声电子束图像的轮廓提取方法的步骤。
第四方面,本申请实施例提供了一种计算机可读介质,所述计算机可读介质上存储有计算机程序,所述计算机程序被处理执行时实现如上述所述含噪声电子束图像的轮廓提取方法的步骤。
与现有技术相比,本申请实施例具有以下有益效果:
本申请实施例提供了一种含噪声电子束图像的轮廓提取方法、装置、系统和介质,该方法包括:获取原始电子束灰度图像;计算原始电子束灰度图像像素点灰度值的平均值和标准差;利用平均值和标准差根据三西格玛原则确定过滤区间,根据过滤区间过滤原始电子束灰度图像,得到过滤电子束灰度图像;将过滤电子束灰度图像进行分段线性变换,得到增强电子束灰度图像;利用自适应中值滤波算法对增强电子束灰度图像进行滤波,得到滤波电子束灰度图像;利用边缘提取算子对滤波电子束灰度图像进行边缘提取,得到初次电子束灰度图像轮廓;将初次电子束灰度图像轮廓和原始电子束灰度图像进行叠加,得到叠加电子束灰度图像,对叠加电子束灰度图像进行去噪和边缘提取迭代;当迭代达到预设次数时,则对迭代得到的迭代电子束灰度图像进行形态学处理,得到目标电子束图像边缘轮廓曲线图像;将目标电子束图像边缘轮廓曲线图像进行图像与运算,得到目标电子束单边缘图像。从而本申请采用设置过滤区间的方法,根据三西格玛原则进行初步降噪处理,在保护图像点的同时去除部分噪声点,提高消除噪声的效率。进行部分线性变化,增强图像对比度,进一步使得轮廓提取更加精准。结合形态学处理,使用与操作获取精准的单边缘图像。提高含噪声电子束图像的轮廓提取的准确性,改善提取效果。
附图说明
为了更清楚地说明本申请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,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1示出了本申请实施例提供的一种含噪声电子束图像的轮廓提取方法的流程图;
图2示出了本申请实施例提供的一种原始电子束灰度图像的示意图;
图3示出了本申请实施例提供的一种原始电子束灰度图像的灰度分布统计图;
图4示出了本申请实施例提供的一种初次电子束灰度图像轮廓的示意图;
图5示出了本申请实施例提供的一种迭代电子束灰度图像的示意图;
图6示出了本申请实施例提供的一种目标电子束图像边缘轮廓曲线图像的示意图;
图7示出了本申请实施例提供的一种目标电子束单边缘图像的示意图;
图8示出了本申请实施例提供的一种含噪声电子束图像的轮廓提取装置的示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图对本申请的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本申请,但是本申请还可以采用其它不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施例的限制。
正如背景技术中的描述,随着集成电路制造技术的不断发展,图形关键尺寸越来越小,产业界对于图形边缘质量的要求并没有放松。
对于图像的边缘部分,不允许存在光刻胶残留、结构粘连、桥接等异常情况。在半导体生产过程中,当线宽尺寸小于光刻光源波长,由于光的衍射效应会导致图像失真,使得在硅片上的成像与设计版图不同,出现边缘圆角、线宽不均、图形畸变等光学临近效应。光学临近效应会影响产品的外观和电气性能,降低芯片的成品率。
为了应对光的衍射效应造成的影响,产业界提出了光学临近效应修正(OPC,Optical Proximity Correction)技术。光学临近效应修正技术是一种光刻分辨率增强技术,使用计算方法对掩模版上的图形做修正,调整光刻掩模上透光区域图形的拓扑结构或者在掩模上添加细小的辅助图形,使得光刻胶成像结果尽可能接近掩模图形的技术,可以用来修正衍射效应,来保证生产电路的电气性能。
光学临近效应修正技术分为基于经验的光学临近效应修正和基于模型的光学临近效应修正。基于经验的光学临近效应修正技术受经验和图形复杂度影响大,精度较低;基于模型的光学临近效应修正技术是使用光学模型和光刻胶化学模型计算曝光后的图形,需要大量的数据进行拟合。
为了保证光学临近效应修正掩模修正精度,需要使用高精度的光学模型和光刻胶模型,特别是光刻胶模型的建立,需要使用大量测试图形进行建模,数据越多越精准,建模的精度就越高。在实际建模过程中,传统的建模所使用的测试版图多为一维图形,更多使用关键尺寸数据进行建模。但是在应用于二维图形时,由于图案复杂度的增加,基于关键尺寸测量数据的模型精度将受到极大限制和制约,使得光学临近效应修正精度和修正版图质量往往与曝光后的图形结果存在偏差。因此,在建立二维图形光学临近效应修正模型(光刻胶模型)时,选择使用图形轮廓进行建模,二维图像的边缘是区域属性发生突变的地方,图像边缘处亮度变化大,是图像信息最集中的地方,包含着丰富的信息。使用图形轮廓建模能够有助于丰富建模图形的种类,提高模型对复杂图形的适用性和精度。
但是,随着技术节点缩小,版图尺寸减小导致电子束测量图像的噪声增加,信噪比降低,即所获得的二维图形存在非常明显的图像噪声,这对于准确提取轮廓图形,并进而进行光学临近效应修正建模具有极大地制约。
受图像噪声的影响,提取轮廓时会出现伪边缘、多边缘或者边缘缺失、断裂等问题,提取效果不佳。因此,如何提高含噪声电子束图像的轮廓提取的准确性,改善提取效果,是本领域需要解决的技术问题。
为了解决以上技术问题,本申请实施例提供了一种含噪声电子束图像的轮廓提取方法、装置、系统和介质,该方法包括:获取原始电子束灰度图像;计算原始电子束灰度图像像素点灰度值的平均值和标准差;利用平均值和标准差根据三西格玛原则确定过滤区间,根据过滤区间过滤原始电子束灰度图像,得到过滤电子束灰度图像;将过滤电子束灰度图像进行分段线性变换,得到增强电子束灰度图像;利用自适应中值滤波算法对增强电子束灰度图像进行滤波,得到滤波电子束灰度图像;利用边缘提取算子对滤波电子束灰度图像进行边缘提取,得到初次电子束灰度图像轮廓;将初次电子束灰度图像轮廓和原始电子束灰度图像进行叠加,得到叠加电子束灰度图像,对叠加电子束灰度图像进行去噪和边缘提取迭代;当迭代达到预设次数时,则对迭代得到的迭代电子束灰度图像进行形态学处理,得到目标电子束图像边缘轮廓曲线图像;将目标电子束图像边缘轮廓曲线图像进行图像与运算,得到目标电子束单边缘图像。从而本申请采用设置过滤区间的方法,根据三西格玛原则进行初步降噪处理,在保护图像点的同时去除部分噪声点,提高消除噪声的效率。进行部分线性变化,增强图像对比度,进一步使得轮廓提取更加精准。结合形态学处理,使用与操作获取精准的单边缘图像。提高含噪声电子束图像的轮廓提取的准确性,改善提取效果。
示例性方法
参见图1所示,为本申请实施例提供的一种含噪声电子束图像的轮廓提取方法的流程图,包括:
S101:获取原始电子束灰度图像;计算所述原始电子束灰度图像像素点灰度值的平均值和标准差。
在本申请实施例中,可以获取原始电子束灰度图像;计算原始电子束灰度图像像素点灰度值的平均值和标准差。
具体的,根据SEM(scanning electron microscope,扫描电子显微镜)图像特征,电子束强度反映了目标结构的表面形貌特征,其输出图像采用灰度像素值进行表征,灰度范围为0-255像素值。参见图2所示,为本申请实施例提供的一种原始电子束灰度图像的示意图。可选的,在一些场合使用CD-SEM(critical dimension SEM,关键尺寸扫描电子显微镜)进行专用的尺寸测量,其所获取的图像也是原始电子束灰度图像的来源。
在SEM图像的获取过程中和图像传输过程中,不可避免的会出现噪声。图像噪声的出现会影响轮廓提取的精度。图像噪声是图像中干扰人类正确认知和理解图像信息的重要因素。对图像噪声进行初步的滤除,可提高轮廓提取的清晰度。图像噪声具有随机性,可以选择使用概率密度函数进行噪声描述和分析。对原始灰度值图像进行像素值统计,计算其所有像素点灰度值的平均值,并计算像素点灰度值的标准差。均值代表图像灰度的平均水平,标准差代表图像像素值与均值的离散程度。
参见图3所示,为本申请实施例提供的一种原始电子束灰度图像的灰度分布统计图,横坐标为原始电子束灰度图像的像素值,纵坐标为原始电子束灰度图像的像素值对应的灰度值。
该图显示,存在2个像素值区间及对应峰值,其中像素值分布较高的区间为线条结构的顶部和边缘位置产生的电子束强度分布,像素值分布较低的区间为线条结构之间位置产生的电子束强度分布。在本实施例中,根据目标需要,选择较高电子束强度分布区间作为分析和参考区间。
S102:利用所述平均值和所述标准差根据三西格玛原则确定过滤区间,根据所述过滤区间过滤所述原始电子束灰度图像,得到过滤电子束灰度图像。
在本申请实施例中,过滤区间是指设定一个图像点过滤区间,在这个区间范围内的像素点判定为图像点,进行保留,不在这个区间范围内的像素点进行消除。
在本申请实施例中,可以计算出原始电子束灰度图像的均值μ,和标准差σ,根据三西格玛原则,初步设定过滤区间为(μ—3σ,μ+3σ),设置过滤区间后,分析图像直方图,高电子束强度分布区间符合过滤区间的要求,大部分像素点集中在置信区间中,通过设置过滤区间,将不在过滤区间范围的点设置为噪声点,在过滤区间的像素点判定为图像点,达到初步消除部分尖锐噪声的目的,减小噪声点的范围,可以提高消除噪声的效率。
S103:将所述过滤电子束灰度图像进行分段线性变换,得到增强电子束灰度图像;利用自适应中值滤波算法对所述增强电子束灰度图像进行滤波,得到滤波电子束灰度图像;利用边缘提取算子对所述滤波电子束灰度图像进行边缘提取,得到初次电子束灰度图像轮廓。
在本申请实施例中,分段线性变换是图像增强的一种方法,是有选择地对某一灰度值进行扩展,可以增强图像对比度,改善图像视觉效果。
具体的,可以将上述得到的过滤电子束灰度图像,对像素值分布较低的线条结构对应的区间,保留原有像素值,不做处理。对于像素值分布较高的线条结构的顶部和边缘位置对应的区间,灰度值线性映射到0-255区间范围内。经过分段线性处理后,想要提取的特征边缘可以更加突出的显示出来。
然后,本申请实施例可以利用自适应中值滤波算法对增强电子束灰度图像进行滤波,得到滤波电子束灰度图像,
去噪处理是指,对SEM图像进行处理,将图像中的噪声滤除,还原出无噪声的图像,并且最大限度的保留图像中原有的细节信息。常用的去噪算法有中值滤波、高斯滤波、均值滤波、维纳滤波等。
具体的,本申请实施例可以选取自适应中值滤波对增强电子束灰度图像进行去噪。自适应中值滤波可以根据邻域内噪声的浓度自动调节滤波窗口尺寸的大小,增强去除高浓度噪声的性能。经过自适应中值滤波去噪的图像,噪声点显著减小,图像边缘更加清晰。
本申请实施例的去噪处理是指,对增强电子束灰度图像进行处理,将图像中的噪声滤除,还原出无噪声的图像,并且最大限度的保留图像中原有的细节信息。可选的,还可以采用中值滤波、高斯滤波、均值滤波和维纳滤波等算法。
此外,参见图4所示,为本申请实施例提供的一种初次电子束灰度图像轮廓的示意图。本申请实施例还可以利用边缘提取算子对滤波电子束灰度图像进行边缘提取,得到初次电子束灰度图像轮廓。
具体的,初次边缘提取是指使用边缘提取算子进行边缘提取,获取初次电子束灰度图像轮廓,该图像的特点是提取到的边缘与实际图像中的实际边缘相近,能提取到灰度值变化较大的区域边界,获取到的为双边缘图像。
在本实施例中获取的双边缘图像包含真实的边缘和伪边缘,伪边缘是指使用边缘检测算子进行检测时,将缺陷点或者背景中灰度变化大的地方识别为边缘。进行边缘检测时,伪边缘的出现影响图像边缘提取的精确度。
S104:将所述初次电子束灰度图像轮廓和所述原始电子束灰度图像进行叠加,得到叠加电子束灰度图像,对所述叠加电子束灰度图像进行去噪和边缘提取迭代。
在本申请实施例中,可以将初次电子束灰度图像轮廓和原始电子束灰度图像进行叠加,得到叠加电子束灰度图像,对叠加电子束灰度图像进行去噪和边缘提取迭代。
具体的,可以将初次电子束灰度图像轮廓和原始电子束灰度图像进行叠加,得到叠加电子束灰度图像,即在提取边缘后与原始灰度图像进行叠加,该步骤的目的是强化图像边缘,使图像变得更加锐利。
进行去噪和边缘提取迭代,参见图5所示,为本申请实施例提供的一种迭代电子束灰度图像的示意图。可以降低图像噪声,提高边缘提取的准确度。获取更准确的图像边缘,
S105:当所述迭代达到预设次数时,则对迭代得到的迭代电子束灰度图像进行形态学处理,得到目标电子束图像边缘轮廓曲线图像;
S106:将所述目标电子束图像边缘轮廓曲线图像进行图像与运算,得到目标电子束单边缘图像。
在本申请实施例中,当迭代达到预设次数时,则跳出循环,输出图像。使用迭代的处理方法可以提高边缘处理的精度,对边缘进行细化处理,获取更加准确的双边缘图像。经过迭代处理后,可以精准的获得图像范围,去除部分伪边缘,将边缘限定在该范围内,以便于进一步的形态学处理。
参见图6所示,为本申请实施例提供的一种目标电子束图像边缘轮廓曲线图像的示意图。形态学处理指,从图像中提取对表达和描绘区域形状有意义的图像分量,以便于进一步进行图像分析和目标识别。得到目标电子束图像边缘轮廓曲线图像,即背景-线条处因灰度值剧烈变化而提取到的边缘。
最后再进行与操作,参见图7所示,为本申请实施例提供的一种目标电子束单边缘图像的示意图。指两张图像的每个像素值进行二值化与操作,目的是从一幅图像中获取感兴趣的区域。
在本实施例中,逻辑与操作的对象是经过形态学处理的边缘图像和仅经过一次自适应滤波处理后提取的边缘图像,对形态学处理后图像进行边缘提取,获取到目标电子束单边缘图像,为保证边缘轮廓提取的准确性,将获取的边界图像适当膨胀后,与初次电子束灰度图像轮廓进行与操作,获取目标电子束单边缘图像。
在一种可能的实现方式中,本申请实施例提供的对迭代得到的迭代电子束灰度图像进行形态学处理,得到目标电子束图像边缘轮廓曲线图像,具体可以包括:
将迭代电子束灰度图像进行闭运算,得到运算电子束灰度图像;对第一电子束灰度图像进行孔洞填充,得到填充电子束灰度图像;标记填充电子束灰度图像中的连通域,将面积小于预设值的连通域去除,以得到目标电子束图像边缘轮廓曲线图像。
即在本申请实施例中,获取的迭代电子束灰度图像,参见图5,存在边缘断裂、双边缘等问题。进行SEM图像分析时,选取背景-线条交界处作为图像边缘,由于边缘附近像素值高,提取边缘时会提取到双边缘。进行SEM测量时,我们需要的是背景(或,结构凹处)至线条处的边缘,线条内部获取的边缘需要进行滤除。使用先进行先膨胀后腐蚀的操作,即先进行闭运算。此步骤的目的是填充白色物体内细小黑色区域、连接临近物体的作用,也可以在不明显改变其面积的情况下平滑边界。图像先进行膨胀处理,将亮区扩展,连接断裂边缘。再对图像进行腐蚀处理,去除伪边缘,还原真实边缘,得到运算电子束灰度图像。在此操作后,进行填充孔洞处理,填充孔洞的作用是线条内被白色区域包围的黑色区域,此步骤可以去除线条内的不连通域,获取准确的边缘,得到填充电子束灰度图像。
经过膨胀、腐蚀、填充孔洞等形态学处理,线条内部仍然存在黑色区域,存在于图像的边界位置,这些在线条内部的区域会影响边缘提取的结果,在边缘提取后会出现伪边缘,需要在提取边缘前进行去除。这些黑色区域未被白色区域包裹,不符合填充孔洞操作的要求。这些线条内部残余的黑色区域,具有长度短、面积小的特点。本实施例中,我们采用标记连通域,去除图像中面积过小的连通域的方法,可以去除掉不满足线条要求的小区域,获得精准的线条区域范围,参见图6所示,得到目标电子束图像边缘轮廓曲线图像。
在一种可能的实现方式中,本申请实施例提供的获取原始电子束灰度图像,具体可以包括:
采集当前电子束图像;判断当前电子束图像是否为单通道灰度图像;若是,则将当前电子束图像作为原始电子束灰度图像;若否,则将当前电子束图像进行灰度转换,得到原始电子束灰度图像。
具体的,在本申请实施例中,可以判断当前电子束图像是否为单通道灰度图像,将其他类型的图像转换为灰度图像。以便后续进行统一标准化处理。
在一种可能的实现方式中,本申请实施例提供的对叠加电子束灰度图像进行去噪和边缘提取迭代,具体可以包括:
利用自适应中值滤波算法对叠加电子束灰度图像进行去噪,得到去噪电子束灰度图像;利用边缘提取算子对去噪电子束灰度图像进行边缘提取,得到边缘提取电子束灰度图像。
具体的,本申请实施例可以选取图像迭代处理的方法进行图像处理,迭代是指反复对图像进行某种运算,对图像边缘进行细化处理。
在本实施例中,利用自适应中值滤波算法对叠加电子束灰度图像进行去噪,得到去噪电子束灰度图像,降低图像噪声,提高边缘提取的准确度。
在本实施例中,利用边缘提取算子对去噪电子束灰度图像进行边缘提取,得到边缘提取电子束灰度图像,获取更准确的图像边缘,获取边缘提取图。
在本实施例中,判定设定的迭代次数与循环变量之间的关系,若循环变量小于迭代预设次数,进行下一次迭代处理。当不满足循环变量小于迭代次数的条件时,跳出循环,输出图像。
本申请实施例提供了一种含噪声电子束图像的轮廓提取方法,该方法包括:获取原始电子束灰度图像;计算原始电子束灰度图像像素点灰度值的平均值和标准差;利用平均值和标准差根据三西格玛原则确定过滤区间,根据过滤区间过滤原始电子束灰度图像,得到过滤电子束灰度图像;将过滤电子束灰度图像进行分段线性变换,得到增强电子束灰度图像;利用自适应中值滤波算法对增强电子束灰度图像进行滤波,得到滤波电子束灰度图像;利用边缘提取算子对滤波电子束灰度图像进行边缘提取,得到初次电子束灰度图像轮廓;将初次电子束灰度图像轮廓和原始电子束灰度图像进行叠加,得到叠加电子束灰度图像,对叠加电子束灰度图像进行去噪和边缘提取迭代;当迭代达到预设次数时,则对迭代得到的迭代电子束灰度图像进行形态学处理,得到目标电子束图像边缘轮廓曲线图像;将目标电子束图像边缘轮廓曲线图像进行图像与运算,得到目标电子束单边缘图像。从而本申请采用设置过滤区间的方法,根据三西格玛原则进行初步降噪处理,在保护图像点的同时去除部分噪声点,提高消除噪声的效率。进行部分线性变化,增强图像对比度,进一步使得轮廓提取更加精准。结合形态学处理,使用与操作获取精准的单边缘图像。提高含噪声电子束图像的轮廓提取的准确性,改善提取效果。
示例性装置
参见图8所示,为本申请实施例提供的一种含噪声电子束图像的轮廓提取装置的示意图,包括:
获取单元201,用于获取原始电子束灰度图像;计算所述原始电子束灰度图像像素点灰度值的平均值和标准差;
过滤单元202,用于利用所述平均值和所述标准差根据三西格玛原则确定过滤区间,根据所述过滤区间过滤所述原始电子束灰度图像,得到过滤电子束灰度图像;
轮廓单元203,用于将所述过滤电子束灰度图像进行分段线性变换,得到增强电子束灰度图像;利用自适应中值滤波算法对所述增强电子束灰度图像进行滤波,得到滤波电子束灰度图像;利用边缘提取算子对所述滤波电子束灰度图像进行边缘提取,得到初次电子束灰度图像轮廓;
叠加单元204,用于将所述初次电子束灰度图像轮廓和所述原始电子束灰度图像进行叠加,得到叠加电子束灰度图像,对所述叠加电子束灰度图像进行去噪和边缘提取迭代;
形态单元205,用于当所述迭代达到预设次数时,则对迭代得到的迭代电子束灰度图像进行形态学处理,得到目标电子束图像边缘轮廓曲线图像;
运算单元206,用于将所述目标电子束图像边缘轮廓曲线图像进行图像与运算,得到目标电子束单边缘图像。
在一种可能的实现方式中,所述形态单元,具体用于:
将所述迭代电子束灰度图像进行闭运算,得到运算电子束灰度图像;
对所述第一电子束灰度图像进行孔洞填充,得到填充电子束灰度图像;
标记所述填充电子束灰度图像中的连通域,将面积小于预设值的所述连通域去除,以得到所述目标电子束图像边缘轮廓曲线图像。
在一种可能的实现方式中,所述获取单元,具体用于:
采集当前电子束图像;
判断所述当前电子束图像是否为单通道灰度图像;
若是,则将当前电子束图像作为所述原始电子束灰度图像;
若否,则将当前电子束图像进行灰度转换,得到所述原始电子束灰度图像。
在一种可能的实现方式中,所述叠加单元,具体用于:
利用自适应中值滤波算法对所述叠加电子束灰度图像进行去噪,得到去噪电子束灰度图像;
利用边缘提取算子对所述去噪电子束灰度图像进行边缘提取,得到边缘提取电子束灰度图像。
本申请实施例提供了一种含噪声电子束图像的轮廓提取装置,应用于该装置的方法包括:获取原始电子束灰度图像;计算原始电子束灰度图像像素点灰度值的平均值和标准差;利用平均值和标准差根据三西格玛原则确定过滤区间,根据过滤区间过滤原始电子束灰度图像,得到过滤电子束灰度图像;将过滤电子束灰度图像进行分段线性变换,得到增强电子束灰度图像;利用自适应中值滤波算法对增强电子束灰度图像进行滤波,得到滤波电子束灰度图像;利用边缘提取算子对滤波电子束灰度图像进行边缘提取,得到初次电子束灰度图像轮廓;将初次电子束灰度图像轮廓和原始电子束灰度图像进行叠加,得到叠加电子束灰度图像,对叠加电子束灰度图像进行去噪和边缘提取迭代;当迭代达到预设次数时,则对迭代得到的迭代电子束灰度图像进行形态学处理,得到目标电子束图像边缘轮廓曲线图像;将目标电子束图像边缘轮廓曲线图像进行图像与运算,得到目标电子束单边缘图像。从而本申请采用设置过滤区间的方法,根据三西格玛原则进行初步降噪处理,在保护图像点的同时去除部分噪声点,提高消除噪声的效率。进行部分线性变化,增强图像对比度,进一步使得轮廓提取更加精准。结合形态学处理,使用与操作获取精准的单边缘图像。提高含噪声电子束图像的轮廓提取的准确性,改善提取效果。
在上述实施例的基础上,本申请实施例提供了一种含噪声电子束图像的轮廓提取系统,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上述含噪声电子束图像的轮廓提取方法的步骤。
在上述实施例的基础上,本申请实施例还提供了一种计算机可读介质,所述计算机可读介质上存储有计算机程序,所述计算机程序被处理执行时实现如上述含噪声电子束图像的轮廓提取方法的步骤。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述系统中所包含的;也可以是单独存在,而未装配入该系统中。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其它实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅是本申请的优选实施方式,虽然本申请已以较佳实施例披露如上,然而并非用以限定本申请。任何熟悉本领域的技术人员,在不脱离本申请技术方案范围情况下,都可利用上述揭示的方法和技术内容对本申请技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本申请技术方案的内容,依据本申请的技术实质对以上实施例所做的任何的简单修改、等同变化及修饰,均仍属于本申请技术方案保护的范围内。
Claims (10)
1.一种含噪声电子束图像的轮廓提取方法,其特征在于,包括:
获取原始电子束灰度图像;计算所述原始电子束灰度图像像素点灰度值的平均值和标准差;
利用所述平均值和所述标准差根据三西格玛原则确定过滤区间,根据所述过滤区间过滤所述原始电子束灰度图像,得到过滤电子束灰度图像;
将所述过滤电子束灰度图像进行分段线性变换,得到增强电子束灰度图像;利用自适应中值滤波算法对所述增强电子束灰度图像进行滤波,得到滤波电子束灰度图像;利用边缘提取算子对所述滤波电子束灰度图像进行边缘提取,得到初次电子束灰度图像轮廓;
将所述初次电子束灰度图像轮廓和所述原始电子束灰度图像进行叠加,得到叠加电子束灰度图像,对所述叠加电子束灰度图像进行去噪和边缘提取迭代;
当所述迭代达到预设次数时,则对迭代得到的迭代电子束灰度图像进行形态学处理,得到目标电子束图像边缘轮廓曲线图像;
将所述目标电子束图像边缘轮廓曲线图像进行图像与运算,得到目标电子束单边缘图像。
2.根据权利要求1所述的方法,其特征在于,所述对迭代得到的迭代电子束灰度图像进行形态学处理,得到目标电子束图像边缘轮廓曲线图像,包括:
将所述迭代电子束灰度图像进行闭运算,得到运算电子束灰度图像;
对所述第一电子束灰度图像进行孔洞填充,得到填充电子束灰度图像;
标记所述填充电子束灰度图像中的连通域,将面积小于预设值的所述连通域去除,以得到所述目标电子束图像边缘轮廓曲线图像。
3.根据权利要求1所述的方法,其特征在于,所述获取原始电子束灰度图像,包括:
采集当前电子束图像;
判断所述当前电子束图像是否为单通道灰度图像;
若是,则将当前电子束图像作为所述原始电子束灰度图像;
若否,则将当前电子束图像进行灰度转换,得到所述原始电子束灰度图像。
4.根据权利要求1所述的方法,其特征在于,所述对所述叠加电子束灰度图像进行去噪和边缘提取迭代,包括:
利用自适应中值滤波算法对所述叠加电子束灰度图像进行去噪,得到去噪电子束灰度图像;
利用边缘提取算子对所述去噪电子束灰度图像进行边缘提取,得到边缘提取电子束灰度图像。
5.一种含噪声电子束图像的轮廓提取装置,其特征在于,包括:
获取单元,用于获取原始电子束灰度图像;计算所述原始电子束灰度图像像素点灰度值的平均值和标准差;
过滤单元,用于利用所述平均值和所述标准差根据三西格玛原则确定过滤区间,根据所述过滤区间过滤所述原始电子束灰度图像,得到过滤电子束灰度图像;
轮廓单元,用于将所述过滤电子束灰度图像进行分段线性变换,得到增强电子束灰度图像;利用自适应中值滤波算法对所述增强电子束灰度图像进行滤波,得到滤波电子束灰度图像;利用边缘提取算子对所述滤波电子束灰度图像进行边缘提取,得到初次电子束灰度图像轮廓;
叠加单元,用于将所述初次电子束灰度图像轮廓和所述原始电子束灰度图像进行叠加,得到叠加电子束灰度图像,对所述叠加电子束灰度图像进行去噪和边缘提取迭代;
形态单元,用于当所述迭代达到预设次数时,则对迭代得到的迭代电子束灰度图像进行形态学处理,得到目标电子束图像边缘轮廓曲线图像;
运算单元,用于将所述目标电子束图像边缘轮廓曲线图像进行图像与运算,得到目标电子束单边缘图像。
6.根据权利要求5所述的装置,其特征在于,所述形态单元,具体用于:
将所述迭代电子束灰度图像进行闭运算,得到运算电子束灰度图像;
对所述第一电子束灰度图像进行孔洞填充,得到填充电子束灰度图像;
标记所述填充电子束灰度图像中的连通域,将面积小于预设值的所述连通域去除,以得到所述目标电子束图像边缘轮廓曲线图像。
7.根据权利要求5所述的装置,其特征在于,所述获取单元,具体用于:
采集当前电子束图像;
判断所述当前电子束图像是否为单通道灰度图像;
若是,则将当前电子束图像作为所述原始电子束灰度图像;
若否,则将当前电子束图像进行灰度转换,得到所述原始电子束灰度图像。
8.根据权利要求5所述的装置,其特征在于,所述叠加单元,具体用于:
利用自适应中值滤波算法对所述叠加电子束灰度图像进行去噪,得到去噪电子束灰度图像;
利用边缘提取算子对所述去噪电子束灰度图像进行边缘提取,得到边缘提取电子束灰度图像。
9.一种含噪声电子束图像的轮廓提取系统,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1-4任意一项所述含噪声电子束图像的轮廓提取方法的步骤。
10.一种计算机可读介质,其特征在于,所述计算机可读介质上存储有计算机程序,所述计算机程序被处理执行时实现如权利要求1-4任意一项所述含噪声电子束图像的轮廓提取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311061398.5A CN117095020A (zh) | 2023-08-22 | 2023-08-22 | 含噪声电子束图像的轮廓提取方法、装置、系统和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311061398.5A CN117095020A (zh) | 2023-08-22 | 2023-08-22 | 含噪声电子束图像的轮廓提取方法、装置、系统和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117095020A true CN117095020A (zh) | 2023-11-21 |
Family
ID=88769355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311061398.5A Pending CN117095020A (zh) | 2023-08-22 | 2023-08-22 | 含噪声电子束图像的轮廓提取方法、装置、系统和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117095020A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117372567A (zh) * | 2023-12-06 | 2024-01-09 | 华芯程(杭州)科技有限公司 | 一种版图生成方法、装置、设备及介质 |
-
2023
- 2023-08-22 CN CN202311061398.5A patent/CN117095020A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117372567A (zh) * | 2023-12-06 | 2024-01-09 | 华芯程(杭州)科技有限公司 | 一种版图生成方法、装置、设备及介质 |
CN117372567B (zh) * | 2023-12-06 | 2024-02-23 | 华芯程(杭州)科技有限公司 | 一种版图生成方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3435684B2 (ja) | 画像情報処理装置 | |
US7515764B2 (en) | Image processing apparatus using morphology | |
US20230377158A1 (en) | Image segmentation method, apparatus, device, and medium | |
Jung et al. | Robust watershed segmentation using wavelets | |
CN117095020A (zh) | 含噪声电子束图像的轮廓提取方法、装置、系统和介质 | |
CN113592782B (zh) | 一种复合材料碳纤维芯棒x射线图像缺陷提取方法及系统 | |
CN111507055B (zh) | 电路设计版图和电镜扫描图像的配准方法及系统、电路设计版图和其成像误差计算方法 | |
CN115797300A (zh) | 一种基于自适应梯度阈值canny算子的边缘检测方法及其装置 | |
JP7170605B2 (ja) | 欠陥検査装置、欠陥検査方法、およびプログラム | |
CN113538498B (zh) | 一种基于局部二值化的印章图像分割方法、电子设备和可读存储介质 | |
JP2013002839A (ja) | ひび割れ検出方法 | |
CN110889374A (zh) | 印章图像处理方法、装置、计算机及存储介质 | |
JP4801697B2 (ja) | 画像形成方法,画像形成装置、及びコンピュータプログラム | |
CN112711999A (zh) | 图像识别方法、装置、设备及计算机存储介质 | |
El Hassani et al. | Efficient image denoising method based on mathematical morphology reconstruction and the Non-Local Means filter for the MRI of the head | |
CN110298816B (zh) | 一种基于图像重生成的桥梁裂缝检测方法 | |
CN112288680A (zh) | 汽车轮毂x射线图像的缺陷区域自动提取方法及系统 | |
CN114627113B (zh) | 一种印制电路板缺陷检测方法及系统及装置及介质 | |
CN112287933B (zh) | 一种汽车轮毂x射线图像文字干扰的去除方法及系统 | |
CN106910166B (zh) | 一种图像处理方法和装置 | |
CN111652806B (zh) | 一种图像去阴影的方法和系统 | |
JP6196517B2 (ja) | 目標画像生成支援装置、目標画像生成支援方法およびプログラム | |
Tao | Enhanced Canny Algorithm for Image Edge Detection in Print Quality Assessment | |
CN112070689A (zh) | 一种基于深度图像的数据增强方法 | |
CN115953459B (zh) | 一种复杂光照条件下的激光条纹中心线提取方法 |
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 |