CN117252879B - 一种用于半导体检测的显微线扫成像系统及其控制方法 - Google Patents
一种用于半导体检测的显微线扫成像系统及其控制方法 Download PDFInfo
- Publication number
- CN117252879B CN117252879B CN202311538310.4A CN202311538310A CN117252879B CN 117252879 B CN117252879 B CN 117252879B CN 202311538310 A CN202311538310 A CN 202311538310A CN 117252879 B CN117252879 B CN 117252879B
- Authority
- CN
- China
- Prior art keywords
- semiconductor
- detection image
- semiconductor detection
- image block
- determining
- 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
- 239000004065 semiconductor Substances 0.000 title claims abstract description 581
- 238000001514 detection method Methods 0.000 title claims abstract description 425
- 238000003384 imaging method Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000006835 compression Effects 0.000 claims abstract description 34
- 238000007906 compression Methods 0.000 claims abstract description 34
- 238000010191 image analysis Methods 0.000 claims abstract description 11
- 238000007689 inspection Methods 0.000 claims description 136
- 230000015654 memory Effects 0.000 claims description 13
- 239000006185 dispersion Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- YTCQFLFGFXZUSN-BAQGIRSFSA-N microline Chemical compound OC12OC3(C)COC2(O)C(C(/Cl)=C/C)=CC(=O)C21C3C2 YTCQFLFGFXZUSN-BAQGIRSFSA-N 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims description 5
- 239000004020 conductor Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000000903 blocking effect Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004626 scanning electron microscopy Methods 0.000 description 1
- 238000004627 transmission electron microscopy Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本申请提供一种用于半导体检测的显微线扫成像系统及其控制方法，对显微线扫成像系统中高分辨率的半导体检测图像进行分块，得到半导体检测图像块集；确定每个半导体检测图像块的特征剧烈度，通过所有半导体检测图像块的特征剧烈度确定半导体检测图像块集的特征剧烈度，进而确定半导体检测图像块子集；确定半导体检测图像块子集中每个半导体检测图像块的细节容量系数，进而确定待压缩的半导体检测图像块子集；进行图像压缩后，得到压缩半导体检测图像；确定压缩半导体检测图像的细微波动度，当所述细微波动度高于预设波动阈值时，对压缩半导体检测图像进行图像分析，得到半导体的检测结果，可有效提高显微线扫成像系统对半导体进行检测的检测效率。
Description
技术领域
本申请涉及半导体检测技术领域，更具体的说，本申请涉及一种用于半导体检测的显微线扫成像系统及其控制方法。
背景技术
显微线扫描成像方法是一种用于半导体检测和研究的高分辨率成像技术，该方法利用高分辨率的成像能力，可以观察半导体材料和器件的微观结构和性能特征，显微线扫描成像方法广泛应用于半导体工业，用于研究晶体材料、探测缺陷、验证工艺、开发新器件等。
显微线扫描成像系统采用具有极高像素密度的探测器，这些探测器可以捕捉微小尺度的特征，例如纳米级的缺陷或结构，与传统的全景或点扫描显微镜不同，显微线扫描成像系统使用线扫描模式，通过在半导体样品上移动线状探测器，可以快速地生成整个半导体样品区域的高分辨率图像，系统通常支持不同的成像模式，包括透射电子显微镜（TEM）和扫描电子显微镜（SEM）等，显微线扫描成像系统采集到的图像可以通过图像处理和分析软件进行后期处理。这些工具可以用于检测缺陷、测量尺寸、分析晶体结构等。
在现有技术中，高分辨率的线扫描成像需要较长的时间，这会对半导体生产和检测效率产生影响，并且显微线扫描成像系统中的高分辨率半导体检测图像的图像数据量庞大，因此在通过半导体检测图像对半导体进行检测时，存在检测效率低下的问题。
发明内容
本申请提供一种用于半导体检测的显微线扫成像系统及其控制方法，以解决显微线扫描成像系统通过半导体检测图像对半导体进行检测时，检测效率低下的技术问题。
为解决上述技术问题，本申请采用如下技术方案：
第一方面，本申请提供一种用于半导体检测的显微线扫成像系统的控制方法，包括如下步骤：
对显微线扫成像系统中高分辨率的半导体检测图像进行分块，得到半导体检测图像块集；
确定所述半导体检测图像块集中每个半导体检测图像块的特征剧烈度，通过所有半导体检测图像块的特征剧烈度确定半导体检测图像块集的特征剧烈度，进而确定半导体检测图像块子集；
确定所述半导体检测图像块子集中每个半导体检测图像块的细节容量系数，根据各个半导体检测图像块的细节容量系数确定待压缩的半导体检测图像块子集；
对所述待压缩的半导体检测图像块子集进行图像压缩，得到压缩半导体检测图像；
通过所述压缩半导体检测图像中每个像素点的陡峭特征确定压缩半导体检测图像的细微波动度，当所述细微波动度高于预设波动阈值时，对所述压缩半导体检测图像进行图像分析，进而得到半导体的检测结果。
在一些实施例中，确定所述半导体检测图像块集中每个半导体检测图像块的特征剧烈度具体包括：
确定每个半导体检测图像块的特征凹凸度；
获取半导体检测图像的预设压缩比率；
对于半导体检测图像块集中每个半导体检测图像块，确定半导体检测图像块的行大小，获取该个半导体检测图像块中所有半导体检测像素点的像素值；
通过所述预设压缩比率、该个半导体检测图像块的特征凹凸度、该个半导体检测图像块的行大小和该个半导体检测图像块中所有半导体检测像素点的像素值确定该个半导体检测图像块的特征剧烈度，进而确定每个半导体检测图像块的特征剧烈度，其中，所述特征剧烈度根据下述公式确定：
其中，表示半导体检测图像块集中第/>个半导体检测图像块的特征剧烈度，表示半导体检测图像块集中第/>个半导体检测图像块的特征凹凸度，/>表示第/>个半导体检测图像块的行大小，/>表示第/>个半导体检测图像块中第/>个半导体检测像素点的像素值，/>表示半导体检测图像的预设压缩比率。
在一些实施例中，通过所有半导体检测图像块的特征剧烈度确定半导体检测图像块集的特征剧烈度是将半导体检测图像块集中所有半导体检测图像块的特征剧烈度的均值作为半导体检测图像块集的特征剧烈度。
在一些实施例中，确定半导体检测图像块子集具体包括：
对于半导体检测图像块集中的所有半导体检测图像块，将半导体检测图像块的特征剧烈度与半导体检测图像块集的特征剧烈度进行比较，进而将所有特征剧烈度小于半导体检测图像块集的特征剧烈度的半导体检测图像块作为半导体检测图像块子集。
在一些实施例中，根据各个半导体检测图像块的细节容量系数确定待压缩的半导体检测图像块子集具体包括：
将半导体检测图像块子集中各个半导体检测图像块按照细节容量系数大小进行降序排列，得到半导体检测图像块序列；
将所述半导体检测图像块序列中的前X个半导体检测图像块作为待压缩的半导体检测图像块子集。
在一些实施例中，对所述待压缩的半导体检测图像块子集进行图像压缩，得到压缩半导体检测图像具体包括：
对待压缩的半导体检测图像块子集进行图像压缩，得到压缩半导体检测图像块子集；
将所述压缩半导体检测图像块子集替换半导体检测图像块集中对应的半导体检测图像块，得到压缩半导体检测图像。
在一些实施例中，通过所述压缩半导体检测图像中每个像素点的陡峭特征确定压缩半导体检测图像的细微波动度具体包括：
确定压缩半导体检测图像中每个像素点的横向陡峭特征和纵向陡峭特征；
确定压缩半导体检测图像的行大小和列大小；
通过所述每个像素点的横向陡峭特征和纵向陡峭特征、所述压缩半导体检测图像的行大小和列大小确定压缩半导体检测图像的细微波动度，其中，所述细微波动度根据下述方式确定：
其中，表示压缩半导体检测图像的细微波动度，/>、/>分别表示压缩半导体检测图像的行大小和列大小，/>表示压缩半导体检测图像中坐标为/>的半导体检测像素点，/>表示半导体检测像素点的横向陡峭特征，/>表示半导体检测像素点的纵向陡峭特征。
第二方面，本申请提供一种用于半导体检测的显微线扫成像系统，包括有控制单元，所述控制单元包括：
半导体检测图像块集获取模块，用于对显微线扫成像系统中高分辨率的半导体检测图像进行分块，得到半导体检测图像块集；
半导体检测图像块子集确定模块，用于确定所述半导体检测图像块集中每个半导体检测图像块的特征剧烈度，通过所有半导体检测图像块的特征剧烈度确定半导体检测图像块集的特征剧烈度，进而确定半导体检测图像块子集；
待压缩半导体检测图像块子集确定模块，用于确定所述半导体检测图像块子集中每个半导体检测图像块的细节容量系数，根据各个半导体检测图像块的细节容量系数确定待压缩的半导体检测图像块子集；
半导体检测图像压缩模块，用于对所述待压缩的半导体检测图像块子集进行图像压缩，得到压缩半导体检测图像；
半导体检测结果确定模块，用于通过所述压缩半导体检测图像中每个像素点的陡峭特征确定压缩半导体检测图像的细微波动度，当所述细微波动度高于预设波动阈值时，对所述压缩半导体检测图像进行图像分析，进而得到半导体的检测结果。
第三方面，本申请提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于从所述存储器中调用并运行所述计算机程序，使得所述计算机设备执行上述的用于半导体检测的显微线扫成像系统的控制方法。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令或代码，当指令或代码在计算机上运行时，使得计算机执行时实现上述的用于半导体检测的显微线扫成像系统的控制方法。
本申请公开的实施例提供的技术方案具有以下有益效果：
本申请提供的一种用于半导体检测的显微线扫成像系统及其控制方法中，对超大像素显微线扫成像得到高分辨率的半导体检测图像进行分块，得到半导体检测图像块集；确定所述半导体检测图像块集中每个半导体检测图像块的特征剧烈度，通过所有半导体检测图像块的特征剧烈度确定半导体检测图像块集的特征剧烈度，进而确定半导体检测图像块子集；确定所述半导体检测图像块子集中每个半导体检测图像块的细节容量系数，根据各个半导体检测图像块的细节容量系数确定待压缩的半导体检测图像块子集；对所述待压缩的半导体检测图像块子集进行图像压缩，得到压缩半导体检测图像；通过所述压缩半导体检测图像中每个像素点的陡峭特征确定压缩半导体检测图像的细微波动度，当所述细微波动度高于预设波动阈值时，对所述压缩半导体检测图像进行图像分析，进而得到半导体的检测结果。
本申请中，首先，通过分块处理和显微线扫成像，可以获取详细的半导体信息，将半导体检测图像图像分块可以并行处理多个半导体检测图像块，这有助于提高半导体的检测和半导体检测图像的分析过程，其次，通过确定特征剧烈度，可以识别半导体检测图像块包含的半导体细节特征或可能的缺陷，通过确定半导体检测图像块子集，可以降低图像处理的复杂性，有助于提高对半导体的检测效率，然后，通过确定细节容量系数，可以量化半导体检测图像块中的信息含量和密度，通过选择细节容量系数较高的半导体检测图像块进行压缩，可以快速处理高分辨率的半导体检测图像，进而，通过确定压缩半导体检测图像，可以减少半导体检测需要处理的图像数据量，最后，通过仅在细微波动度高于波动阈值时执行对压缩半导体检测图像的分析，可以有效地利用计算资源，有效提高显微线扫描成像系统通过半导体检测图像对半导体进行检测的检测效率。
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，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
图1是根据本申请一些实施例所示的用于半导体检测的显微线扫成像系统的控制方法的示例性流程图；
图2是根据本申请一些实施例所示的控制单元的示例性硬件和/或软件的示意图；
图3是根据本申请一些实施例所示的实现用于半导体检测的显微线扫成像系统的控制方法的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请实施例提供一种用于半导体检测的显微线扫成像系统及其控制方法，其核心是对显微线扫成像系统中高分辨率的半导体检测图像进行分块，得到半导体检测图像块集；确定所述半导体检测图像块集中每个半导体检测图像块的特征剧烈度，通过所有半导体检测图像块的特征剧烈度确定半导体检测图像块集的特征剧烈度，进而确定半导体检测图像块子集；确定所述半导体检测图像块子集中每个半导体检测图像块的细节容量系数，根据各个半导体检测图像块的细节容量系数确定待压缩的半导体检测图像块子集；对所述待压缩的半导体检测图像块子集进行图像压缩，得到压缩半导体检测图像；通过所述压缩半导体检测图像中每个像素点的陡峭特征确定压缩半导体检测图像的细微波动度，当所述细微波动度高于预设波动阈值时，对所述压缩半导体检测图像进行图像分析，进而得到半导体的检测结果，有效提高显微线扫描成像系统通过半导体检测图像对半导体进行检测的检测效率。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。参考图1，该图是根据本申请一些实施例所示的一种用于半导体检测的显微线扫成像系统的控制方法的示例性流程图，该用于半导体检测的显微线扫成像系统的控制方法100主要包括如下步骤：
在步骤101，对显微线扫成像系统中高分辨率的半导体检测图像进行分块，得到半导体检测图像块集。
具体实现时，首先，使用显微线扫描成像系统对半导体样品进行成像，通过在半导体样品上方或旁边移动线状探测器，逐步扫描整个半导体样品区域，捕捉高分辨率的半导体检测图像，该半导体检测图像通常非常大，包含了大量的半导体细节信息，为了更方便地处理和分析半导体检测图像，需要将半导体检测图像进行分块，分块可以采用不同的方法，例如将整个图像划分成规则网格，或者根据特定的兴趣区域进行分块，每个半导体检测图像块通常包含一个特定区域的高分辨率信息，将所有生成的半导体检测图像块组合在一起，形成半导体检测图像块集，该半导体检测图像块集包含了整个半导体样品的高分辨率图像信息。
需要说明的是，通过分块处理，可以全面地覆盖整个样品，以获取详细的信息，将半导体检测图像图像分块可以并行处理多个半导体检测图像块，这有助于提高半导体的检测和半导体检测图像的分析过程。
在步骤102，确定所述半导体检测图像块集中每个半导体检测图像块的特征剧烈度，通过所有半导体检测图像块的特征剧烈度确定半导体检测图像块集的特征剧烈度，进而确定半导体检测图像块子集。
在一些实施例中，确定所述半导体检测图像块集中每个半导体检测图像块的特征剧烈度具体可采用下述方式，即：
确定每个半导体检测图像块的特征凹凸度；
获取半导体检测图像的预设压缩比率；
对于半导体检测图像块集中每个半导体检测图像块，确定半导体检测图像块的行大小，获取该个半导体检测图像块中所有半导体检测像素点的像素值；
通过所述预设压缩比率、该个半导体检测图像块的特征凹凸度、该个半导体检测图像块的行大小和该个半导体检测图像块中所有半导体检测像素点的像素值确定该个半导体检测图像块的特征剧烈度，进而确定每个半导体检测图像块的特征剧烈度，具体实现时，所述特征剧烈度可根据下述公式确定：
其中，表示半导体检测图像块集中第/>个半导体检测图像块的特征剧烈度，表示半导体检测图像块集中第/>个半导体检测图像块的特征凹凸度，/>表示第/>个半导体检测图像块的行大小，/>表示第/>个半导体检测图像块中第/>个半导体检测像素点的像素值，/>表示半导体检测图像的预设压缩比率。
需要说明的是，本申请中，特征剧烈度表示半导体检测图像块或半导体检测图像中特征的变化程度，该特征剧烈度与特征的变化程度成正比，特征凹凸度表示半导体检测图像块的纹理粗糙程度，预设压缩比率可以通过半导体检测图像的行列大小来确定，例如，将半导体检测图像的行列之积乘以像素位数，得到半导体检测图像的数据量，通过相同方法确定历史压缩半导体检测图像的数据量，将二者之比作为压缩比率。
在一些实施例中，通过所有半导体检测图像块的特征剧烈度确定半导体检测图像块集的特征剧烈度是指将半导体检测图像块集中所有半导体检测图像块的特征剧烈度的均值作为半导体检测图像块集的特征剧烈度。
在一些实施例中，确定半导体检测图像块子集具体可采用下述方式，即：
对于半导体检测图像块集中的所有半导体检测图像块，将半导体检测图像块的特征剧烈度与半导体检测图像块集的特征剧烈度进行比较，进而将所有特征剧烈度小于半导体检测图像块集的特征剧烈度的半导体检测图像块作为半导体检测图像块子集。
需要说明的是，半导体检测图像块的特征剧烈度小于半导体检测图像块集的特征剧烈度，表明该半导体检测图像块中的图像边缘特诊含量少，不能作为图像的细节部分，半导体检测图像块的特征剧烈度大于半导体检测图像块集的特征剧烈度，表明半导体检测图像块的中包含的主要信息和特征多，可以将其作为边缘块，不需要对该半导体检测图像块进行压缩。
另外，需要说明的是，通过确定特征剧烈度，可以识别出哪些半导体检测图像块包含了半导体最重要的细节特征或可能的缺陷，半导体检测图像块集数据量非常庞大，通过确定半导体检测图像块子集，可以降低图像处理的复杂性，有助于提高对半导体的检测效率。
在步骤103，确定所述半导体检测图像块子集中每个半导体检测图像块的细节容量系数，根据各个半导体检测图像块的细节容量系数确定待压缩的半导体检测图像块子集。
在一些实施例中，确定所述半导体检测图像块子集中每个半导体检测图像块的细节容量系数具体可采用下述方式，即：
确定半导体检测图像块子集中每个半导体检测图像块的数量级；
确定半导体检测图像块子集中每个半导体检测图像块的特征凹凸度；
确定半导体检测图像块子集中每个半导体检测图像块的离散度；
对于半导体检测图像块子集中每个半导体检测图像块，确定半导体检测图像块的相邻半导体检测图像块，进而确定所述半导体检测图像块与相邻半导体检测图像块之间的差异值；
通过所述半导体检测图像块与相邻半导体检测图像块之间的差异值、相邻半导体检测图像块的离散度、所述半导体检测图像块的数量级、特征凹凸度和离散度确定所述半导体检测图像块的细节容量系数，进而确定每个半导体检测图像块的细节容量系数，具体实现时，所述细节容量系数可根据下述公式确定：
其中，表示半导体检测图像块子集中第/>个半导体检测图像块的细节容量系数，/>表示第/>个半导体检测图像块的数量级，/>表示第/>个半导体检测图像块中第/>个半导体检测像素点的像素值，/>表示第/>个半导体检测图像块的特征凹凸度，/>表示半导体检测图像块子集中第/>个和第/>个半导体检测图像块之间的差异值，/>表示半导体检测图像块子集中第/>个和第/>个半导体检测图像块之间的差异值，/>、/>和/>分别表示半导体检测图像块子集中第/>个、第/>个和第/>个半导体检测图像块的离散度。
需要说明的是，本申请中，细节容量系数是用来衡量半导体检测图像块中包含信息量大小的指标，该细节容量系数与信息量大小成正比，半导体检测图像块的数量级是指半导体检测图像块中的像素点总量，离散度表示半导体检测图像块中半导体检测像素点的像素取值的分散程度，差异值是用来衡量两个半导体检测图像块之间差异程度的指标。
具体实现时，通过步骤102中的方式确定半导体检测图像块的特征凹凸度，可以通过确定半导体检测图像块中所有半导体检测像素点的像素均值，将每个半导体检测像素点的像素值减去该像素均值之后，取所有差值的平均值，将该平均值作为半导体检测图像块的离散度，可以确定两个半导体检测图像块之间的协方差，将该协方差的平方作为两个半导体检测图像块之间的差异值。
在一些实施例中，根据各个半导体检测图像块的细节容量系数确定待压缩的半导体检测图像块子集具体可采用下述方式，即：
将半导体检测图像块子集中各个半导体检测图像块按照细节容量系数大小进行降序排列，得到半导体检测图像块序列；
将所述半导体检测图像块序列中的前X个半导体检测图像块作为待压缩的半导体检测图像块子集。
需要说明的是，通过确定细节容量系数，可以量化半导体检测图像块中的信息含量和密度，通过选择细节容量系数较高的半导体检测图像块进行压缩，可以快速处理高分辨率的半导体检测图像，有助于提高对半导体的检测效率。
在步骤104，对所述待压缩的半导体检测图像块子集进行图像压缩，得到压缩半导体检测图像。
在一些实施例中，对所述待压缩的半导体检测图像块子集进行图像压缩，得到压缩半导体检测图像具体可采用下述方式，即：
对待压缩的半导体检测图像块子集进行图像压缩，得到压缩半导体检测图像块子集；
将所述压缩半导体检测图像块子集替换半导体检测图像块集中对应的半导体检测图像块，得到压缩半导体检测图像。
具体实现时，本申请中选择JPEG图像压缩算法分别对待压缩的半导体检测图像块子集中的每个半导体检测图像块进行图像压缩，进而得到压缩半导体检测图像块子集，实际实现时，还可以采用PNG、GIF等图像压缩算法进行压缩，这里不做限定，在半导体检测图像块集中找到压缩半导体检测图像块子集中每个压缩半导体检测图像块对应的半导体检测图像块，将半导体检测图像块对应替换为压缩半导体检测图像块，进而得到压缩半导体检测图像块集，通过该压缩半导体检测图像块集重构得到压缩半导体检测图像。
需要说明的是，通过确定压缩半导体检测图像，可以减少半导体检测需要处理的数据量，并且确保半导体检测图像的完整性和半导体检测图像数据的关键信息不会丢失，有助于提高对半导体检测图像的处理效率。
在步骤105，通过所述压缩半导体检测图像中每个像素点的陡峭特征确定压缩半导体检测图像的细微波动度，当所述细微波动度高于预设波动阈值时，对所述压缩半导体检测图像进行图像分析，进而得到半导体的检测结果。
在一些实施例中，通过所述压缩半导体检测图像中每个像素点的陡峭特征确定压缩半导体检测图像的细微波动度具体可采用下述方式，即：
确定压缩半导体检测图像中每个像素点的横向陡峭特征和纵向陡峭特征；
确定压缩半导体检测图像的行大小和列大小；
通过所述每个像素点的横向陡峭特征和纵向陡峭特征、所述压缩半导体检测图像的行大小和列大小确定压缩半导体检测图像的细微波动度，其中，所述细微波动度根据下述方式确定：
其中，表示压缩半导体检测图像的细微波动度，/>、/>分别表示压缩半导体检测图像的行大小和列大小，/>表示压缩半导体检测图像中坐标为/>的半导体检测像素点，/>表示半导体检测像素点的横向陡峭特征，/>表示半导体检测像素点的纵向陡峭特征。
需要说明的是，本申请中，细微波动度是用于衡量压缩半导体检测图像在细微层次上图像特征波动程度的指标，细微波动度越大，则图像特征波动程度越大，表明该压缩半导体检测图像的纹理特征越明显，压缩半导体检测图像的清晰度越高，横向陡峭特征和纵向陡峭特征分别表示压缩半导体检测图像中半导体检测像素点在水平方向和垂直方向上的变化程度和变化强度，具体实现时，可以将压缩半导体检测图像中半导体检测像素点分别在水平方向和垂直方向上的一阶差分作为横向陡峭特征和纵向陡峭特征。
在一些实施例中，当所述细微波动度高于预设波动阈值时，对所述压缩半导体检测图像进行图像分析，进而得到半导体的检测结果，具体实现时，对压缩半导体检测图像进行进一步的图像分析，得到半导体的检测结果，本申请中图像分析可以是提取图像特征，提取的图像特征中包括有半导体边缘细节、半导体尺寸和晶体结构等，因此，根据提取的图像特征可以得到半导体边缘细节、半导体尺寸和晶体结构的半导体检测结果，这里不再赘述。
需要说明的是，通过仅在细微波动度高于波动阈值时执行对压缩半导体检测图像的分析，可以有效地利用计算资源，提高对于半导体的检测效率。
本申请中，首先，通过分块处理和显微线扫成像，可以获取详细的半导体信息，将半导体检测图像图像分块可以并行处理多个半导体检测图像块，这有助于提高半导体的检测和半导体检测图像的分析过程，其次，通过确定特征剧烈度，可以识别半导体检测图像块包含的半导体细节特征或可能的缺陷，通过确定半导体检测图像块子集，可以降低图像处理的复杂性，有助于提高对半导体的检测效率，然后，通过确定细节容量系数，可以量化半导体检测图像块中的信息含量和密度，通过选择细节容量系数较高的半导体检测图像块进行压缩，可以快速处理高分辨率的半导体检测图像，进而，通过确定压缩半导体检测图像，可以减少半导体检测需要处理的图像数据量，最后，通过仅在细微波动度高于波动阈值时执行对压缩半导体检测图像的分析，可以有效地利用计算资源，有效提高显微线扫描成像系统通过半导体检测图像对半导体进行检测的检测效率。
另外，本申请的另一方面，在一些实施例中，本申请提供一种用于半导体检测的显微线扫成像系统，该显微线扫描成像系统可以为超大像素显微线扫描成像系统，具体实现时，该显微线扫成像系统包括有控制单元，参考图2，该图是根据本申请一些实施例所示的控制单元的示例性硬件和/或软件的示意图，该控制单元200包括：半导体检测图像块集获取模块201、半导体检测图像块子集确定模块202、待压缩半导体检测图像块子集确定模块203、半导体检测图像压缩模块204和半导体检测结果确定模块205，分别说明如下：
半导体检测图像块集获取模块201，本申请中半导体检测图像块集获取模块201主要用于对显微线扫成像系统中高分辨率的半导体检测图像进行分块，得到半导体检测图像块集；
半导体检测图像块子集确定模块202，本申请中半导体检测图像块子集确定模块202主要用于确定所述半导体检测图像块集中每个半导体检测图像块的特征剧烈度，通过所有半导体检测图像块的特征剧烈度确定半导体检测图像块集的特征剧烈度，进而确定半导体检测图像块子集；
待压缩半导体检测图像块子集确定模块203，本申请中待压缩半导体检测图像块子集确定模块203主要用于确定所述半导体检测图像块子集中每个半导体检测图像块的细节容量系数，根据各个半导体检测图像块的细节容量系数确定待压缩的半导体检测图像块子集；
半导体检测图像压缩模块204，本申请中半导体检测图像压缩模块204主要用于对所述待压缩的半导体检测图像块子集进行图像压缩，得到压缩半导体检测图像；
半导体检测结果确定模块205，本申请中半导体检测结果确定模块205主要用于通过所述压缩半导体检测图像中每个像素点的陡峭特征确定压缩半导体检测图像的细微波动度，当所述细微波动度高于预设波动阈值时，对所述压缩半导体检测图像进行图像分析，进而得到半导体的检测结果。
上文详细介绍了本申请实施例提供的用于半导体检测的显微线扫成像系统及其控制方法的示例，可以理解的是，相应的装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在一些实施例中，本申请还提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于从所述存储器中调用并运行所述计算机程序，使得所述计算机设备执行上述的用于半导体检测的显微线扫成像系统的控制方法。
在一些实施例中，参考图3，该图中的虚线表示该单元或该模块为可选的，该图是根据本申请实施例提供的一种用于半导体检测的显微线扫成像系统的控制方法的计算机设备的结构示意图。上述实施例中的上述的用于半导体检测的显微线扫成像系统的控制方法可以通过图3所示的计算机设备来实现，该计算机设备300包括至少一个处理器301、存储器302以及至少一个通信单元305，该计算机设备300可以是终端设备或服务器或芯片。
处理器301可以是通用处理器或者专用处理器。例如，处理器301可以是中央处理器(central processing unit，CPU)，CPU可以用于对计算机设备300进行控制，执行软件程序，处理软件程序的数据，计算机设备300还可以包括通信单元305，用以实现信号的输入(接收)和输出(发送)。
例如，计算机设备300可以是芯片，通信单元305可以是该芯片的输入和/或输出电路，或者，通信单元305可以是该芯片的通信接口，该芯片可以作为终端设备或网络设备或其它设备的组成部分。
又例如，计算机设备300可以是终端设备或服务器，通信单元305可以是该终端设备或该服务器的收发器，或者，通信单元305可以是该终端设备或该服务器的收发电路。
计算机设备300中可以包括一个或多个存储器302，其上存有程序304，程序304可被处理器301运行，生成指令303，使得处理器301根据指令303执行上述方法实施例中描述的方法。可选地，存储器302中还可以存储有数据(如目标审核模型)。可选地，处理器301还可以读取存储器302中存储的数据，该数据可以与程序304存储在相同的存储地址，该数据也可以与程序304存储在不同的存储地址。
处理器301和存储器302可以单独设置，也可以集成在一起，例如，集成在终端设备的系统级芯片(system on chip，SOC)上。
应理解，上述方法实施例的各步骤可以通过处理器301中的硬件形式的逻辑电路或者软件形式的指令完成，处理器301可以是中央处理器、数字信号处理器(digitalsignal processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field programmable gate array，FPGA)或者其它可编程逻辑器件，例如，分立门、晶体管逻辑器件或分立硬件组件。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
例如，在一些实施例中，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令或代码，当指令或代码在计算机上运行时，使得计算机执行时实现上述的用于半导体检测的显微线扫成像系统的控制方法。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (8)
1.一种用于半导体检测的显微线扫成像系统的控制方法，其特征在于，包括如下步骤：
对显微线扫成像系统中高分辨率的半导体检测图像进行分块，得到半导体检测图像块集；
确定所述半导体检测图像块集中每个半导体检测图像块的特征剧烈度，其中，特征剧烈度表示半导体检测图像块或半导体检测图像中特征的变化程度，通过所有半导体检测图像块的特征剧烈度确定半导体检测图像块集的特征剧烈度，进而确定半导体检测图像块子集；
确定所述半导体检测图像块子集中每个半导体检测图像块的细节容量系数，其中，细节容量系数是用来衡量半导体检测图像块中包含信息量大小的指标，根据各个半导体检测图像块的细节容量系数确定待压缩的半导体检测图像块子集；
对所述待压缩的半导体检测图像块子集进行图像压缩，得到压缩半导体检测图像；
通过所述压缩半导体检测图像中每个像素点的陡峭特征确定压缩半导体检测图像的细微波动度，其中，细微波动度是用于衡量压缩半导体检测图像在细微层次上图像特征波动程度的指标，当所述细微波动度高于预设波动阈值时，对所述压缩半导体检测图像进行图像分析，进而得到半导体的检测结果；
其中，确定所述半导体检测图像块集中每个半导体检测图像块的特征剧烈度具体包括：
确定每个半导体检测图像块的特征凹凸度；
获取半导体检测图像的预设压缩比率；
对于半导体检测图像块集中每个半导体检测图像块，确定半导体检测图像块的行大小，获取该个半导体检测图像块中所有半导体检测像素点的像素值；
通过所述预设压缩比率、该个半导体检测图像块的特征凹凸度、该个半导体检测图像块的行大小和该个半导体检测图像块中所有半导体检测像素点的像素值确定该个半导体检测图像块的特征剧烈度，进而确定每个半导体检测图像块的特征剧烈度，其中，所述特征剧烈度根据下述公式确定：
其中，表示半导体检测图像块集中第/>个半导体检测图像块的特征剧烈度，/>表示半导体检测图像块集中第/>个半导体检测图像块的特征凹凸度，/>表示第/>个半导体检测图像块的行大小，/>表示第/>个半导体检测图像块中第/>个半导体检测像素点的像素值，/>表示半导体检测图像的预设压缩比率；
其中，确定所述半导体检测图像块子集中每个半导体检测图像块的细节容量系数具体包括：
确定半导体检测图像块子集中每个半导体检测图像块的数量级；
确定半导体检测图像块子集中每个半导体检测图像块的特征凹凸度；
确定半导体检测图像块子集中每个半导体检测图像块的离散度；
对于半导体检测图像块子集中每个半导体检测图像块，确定半导体检测图像块的相邻半导体检测图像块，进而确定所述半导体检测图像块与相邻半导体检测图像块之间的差异值；
通过所述半导体检测图像块与相邻半导体检测图像块之间的差异值、相邻半导体检测图像块的离散度、所述半导体检测图像块的数量级、特征凹凸度和离散度确定所述半导体检测图像块的细节容量系数，进而确定每个半导体检测图像块的细节容量系数，其中，所述细节容量系数根据下述公式确定：
其中，表示半导体检测图像块子集中第/>个半导体检测图像块的细节容量系数，/>表示第/>个半导体检测图像块的数量级，/>表示第/>个半导体检测图像块中第/>个半导体检测像素点的像素值，/>表示第/>个半导体检测图像块的特征凹凸度，/>表示半导体检测图像块子集中第/>个和第/>个半导体检测图像块之间的差异值，/>表示半导体检测图像块子集中第/>个和第/>个半导体检测图像块之间的差异值，/>、/>和/>分别表示半导体检测图像块子集中第/>个、第/>个和第/>个半导体检测图像块的离散度；
其中，通过所述压缩半导体检测图像中每个像素点的陡峭特征确定压缩半导体检测图像的细微波动度具体包括：
确定压缩半导体检测图像中每个像素点的横向陡峭特征和纵向陡峭特征；
确定压缩半导体检测图像的行大小和列大小；
通过所述每个像素点的横向陡峭特征和纵向陡峭特征、所述压缩半导体检测图像的行大小和列大小确定压缩半导体检测图像的细微波动度，其中，所述细微波动度根据下述方式确定：
其中，表示压缩半导体检测图像的细微波动度，/>、/>分别表示压缩半导体检测图像的行大小和列大小，/>表示压缩半导体检测图像中坐标为/>的半导体检测像素点，表示半导体检测像素点的横向陡峭特征，/>表示半导体检测像素点的纵向陡峭特征。
2.如权利要求1所述的方法，其特征在于，通过所有半导体检测图像块的特征剧烈度确定半导体检测图像块集的特征剧烈度是将半导体检测图像块集中所有半导体检测图像块的特征剧烈度的均值作为半导体检测图像块集的特征剧烈度。
3.如权利要求1所述的方法，其特征在于，确定半导体检测图像块子集具体包括：
对于半导体检测图像块集中的所有半导体检测图像块，将半导体检测图像块的特征剧烈度与半导体检测图像块集的特征剧烈度进行比较，进而将所有特征剧烈度小于半导体检测图像块集的特征剧烈度的半导体检测图像块作为半导体检测图像块子集。
4.如权利要求1所述的方法，其特征在于，根据各个半导体检测图像块的细节容量系数确定待压缩的半导体检测图像块子集具体包括：
将半导体检测图像块子集中各个半导体检测图像块按照细节容量系数大小进行降序排列，得到半导体检测图像块序列；
将所述半导体检测图像块序列中的前X个半导体检测图像块作为待压缩的半导体检测图像块子集。
5.如权利要求1所述的方法，其特征在于，对所述待压缩的半导体检测图像块子集进行图像压缩，得到压缩半导体检测图像具体包括：
对待压缩的半导体检测图像块子集进行图像压缩，得到压缩半导体检测图像块子集；
将所述压缩半导体检测图像块子集替换半导体检测图像块集中对应的半导体检测图像块，得到压缩半导体检测图像。
6.一种用于半导体检测的显微线扫成像系统，其采用权利要求1的控制方法进行控制，其特征在于，该用于半导体检测的显微线扫成像系统包括有控制单元，所述控制单元包括：
半导体检测图像块集获取模块，用于对显微线扫成像系统中高分辨率的半导体检测图像进行分块，得到半导体检测图像块集；
半导体检测图像块子集确定模块，用于确定所述半导体检测图像块集中每个半导体检测图像块的特征剧烈度，通过所有半导体检测图像块的特征剧烈度确定半导体检测图像块集的特征剧烈度，进而确定半导体检测图像块子集；
待压缩半导体检测图像块子集确定模块，用于确定所述半导体检测图像块子集中每个半导体检测图像块的细节容量系数，根据各个半导体检测图像块的细节容量系数确定待压缩的半导体检测图像块子集；
半导体检测图像压缩模块，用于对所述待压缩的半导体检测图像块子集进行图像压缩，得到压缩半导体检测图像；
半导体检测结果确定模块，用于通过所述压缩半导体检测图像中每个像素点的陡峭特征确定压缩半导体检测图像的细微波动度，当所述细微波动度高于预设波动阈值时，对所述压缩半导体检测图像进行图像分析，进而得到半导体的检测结果。
7.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于从所述存储器中调用并运行所述计算机程序，使得所述计算机设备执行权利要求1至5中任一项所述的用于半导体检测的显微线扫成像系统的控制方法。
8.一种计算机可读存储介质，所述计算机可读存储介质中存储有指令或代码，当指令或代码在计算机上运行时，使得计算机执行时实现如权利要求1至5任一项所述的用于半导体检测的显微线扫成像系统的控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311538310.4A CN117252879B (zh) | 2023-11-17 | 2023-11-17 | 一种用于半导体检测的显微线扫成像系统及其控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311538310.4A CN117252879B (zh) | 2023-11-17 | 2023-11-17 | 一种用于半导体检测的显微线扫成像系统及其控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117252879A CN117252879A (zh) | 2023-12-19 |
| CN117252879B true CN117252879B (zh) | 2024-04-05 |
Family
ID=89126811
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311538310.4A Active CN117252879B (zh) | 2023-11-17 | 2023-11-17 | 一种用于半导体检测的显微线扫成像系统及其控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117252879B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110910380A (zh) * | 2019-11-29 | 2020-03-24 | 北京神州绿盟信息安全科技股份有限公司 | 一种合成图片的检测方法及装置 |
| CN111968119A (zh) * | 2020-10-21 | 2020-11-20 | 季华实验室 | 基于半导体缺陷检测的图像处理方法、装置、设备及介质 |
| CN112734760A (zh) * | 2021-03-31 | 2021-04-30 | 惠州高视科技有限公司 | 半导体bump缺陷检测方法、电子设备及存储介质 |
| CN114173131A (zh) * | 2021-11-24 | 2022-03-11 | 武汉众智数字技术有限公司 | 一种基于帧间相关性的视频压缩方法及系统 |
| CN114926417A (zh) * | 2022-05-09 | 2022-08-19 | 华南理工大学 | 高密度柔性fpc表面弱划痕的显微成像检测方法及系统 |
| CN115410119A (zh) * | 2022-08-12 | 2022-11-29 | 山东大学 | 一种基于训练样本自适应生成的剧烈运动检测方法及系统 |
| CN116091321A (zh) * | 2023-04-11 | 2023-05-09 | 苏州浪潮智能科技有限公司 | 图像缩放方法、装置、设备及存储介质 |
| WO2023082834A1 (zh) * | 2021-11-10 | 2023-05-19 | 腾讯科技（深圳）有限公司 | 视频压缩方法、装置、计算机设备和存储介质 |
| CN117014618A (zh) * | 2023-08-07 | 2023-11-07 | 爱芯元智半导体(宁波)有限公司 | 一种基于图像压缩的分块方法、系统及电子设备 |
-
2023
- 2023-11-17 CN CN202311538310.4A patent/CN117252879B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110910380A (zh) * | 2019-11-29 | 2020-03-24 | 北京神州绿盟信息安全科技股份有限公司 | 一种合成图片的检测方法及装置 |
| CN111968119A (zh) * | 2020-10-21 | 2020-11-20 | 季华实验室 | 基于半导体缺陷检测的图像处理方法、装置、设备及介质 |
| CN112734760A (zh) * | 2021-03-31 | 2021-04-30 | 惠州高视科技有限公司 | 半导体bump缺陷检测方法、电子设备及存储介质 |
| WO2023082834A1 (zh) * | 2021-11-10 | 2023-05-19 | 腾讯科技（深圳）有限公司 | 视频压缩方法、装置、计算机设备和存储介质 |
| CN114173131A (zh) * | 2021-11-24 | 2022-03-11 | 武汉众智数字技术有限公司 | 一种基于帧间相关性的视频压缩方法及系统 |
| CN114926417A (zh) * | 2022-05-09 | 2022-08-19 | 华南理工大学 | 高密度柔性fpc表面弱划痕的显微成像检测方法及系统 |
| CN115410119A (zh) * | 2022-08-12 | 2022-11-29 | 山东大学 | 一种基于训练样本自适应生成的剧烈运动检测方法及系统 |
| CN116091321A (zh) * | 2023-04-11 | 2023-05-09 | 苏州浪潮智能科技有限公司 | 图像缩放方法、装置、设备及存储介质 |
| CN117014618A (zh) * | 2023-08-07 | 2023-11-07 | 爱芯元智半导体(宁波)有限公司 | 一种基于图像压缩的分块方法、系统及电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 气体泄漏红外图像动态压缩及增强方法;李家琨 等;光学学报;20170131;第37卷(第1期);第0111003-1至0111003-7页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117252879A (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110189255B (zh) | 基于两级检测的人脸检测方法 | |
| US10223782B2 (en) | Digital rock physics-based trend determination and usage for upscaling | |
| CN113421263B (zh) | 零件缺陷检测方法、设备、介质及计算机程序产品 | |
| KR100836740B1 (ko) | 영상 데이터 처리 방법 및 그에 따른 시스템 | |
| CN112150430A (zh) | 一种利用岩石细观结构数字图像的数值分析方法 | |
| EP3770853B1 (en) | Image processing method, computer program, and recording medium | |
| US11252339B2 (en) | Apparatus and method for high dynamic range counting by pixelated detectors | |
| CN113052804A (zh) | 一种混凝土构件外观质量量化评估处理方法和装置 | |
| JPH11306793A (ja) | 不良解析方法および装置 | |
| CN117252879B (zh) | 一种用于半导体检测的显微线扫成像系统及其控制方法 | |
| CN114463300A (zh) | 钢材表面缺陷检测方法、电子设备、存储介质 | |
| JPH08510580A (ja) | 空間的濾波方法および手段 | |
| CN111104870B (zh) | 基于卫星视频的运动检测方法、装置、设备和存储介质 | |
| CN113052922A (zh) | 裸土识别方法、系统、设备及介质 | |
| CN117237256A (zh) | 一种浅海珊瑚礁监测数据采集方法、装置及设备 | |
| CN117095216A (zh) | 基于对抗生成网络的模型训练方法、系统、设备及介质 | |
| CN116579997A (zh) | 一种晶圆裂痕检测方法、装置、电子设备及存储介质 | |
| CN112613521B (zh) | 基于数据转换的多层次数据分析系统及方法 | |
| Bongers et al. | Microscopic measurements of correlation functions in colloid dispersions | |
| EP3588435B1 (en) | Image processing method, computer program and recording medium | |
| CN102819742B (zh) | 图像处理装置和方法 | |
| CN112364948B (zh) | 一种基于主成分分析的车辆信息存储方法 | |
| CN111598053B (zh) | 图像数据的处理方法及其装置、介质和系统 | |
| KR100849436B1 (ko) | 비디오 워터마킹 기법의 성능 평가를 위한 테스트 동영상선택 방법 및 시스템 | |
| CN117853397A (zh) | 基于多层次特征学习的图像篡改检测与定位方法及系统 |
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 |