圖像的非線性特征提取及其在半導(dǎo)體圖像分割中的應(yīng)用.pdf

1、圖像識別作為一門較新的學(xué)科，由于其所應(yīng)用的范圍廣闊，醫(yī)學(xué)影像、氣象云圖、潮汐觀測、產(chǎn)品外觀檢測、人臉識別等等，都需要用到，所以從一出現(xiàn)就受到了廣泛關(guān)注，其基礎(chǔ)就是圖像分割。
　　本課題通過分析比較多種圖像分割的方法，應(yīng)用到半導(dǎo)體器件的圖像分割中，創(chuàng)新性的把非線性特征提取應(yīng)用到半導(dǎo)體圖像的特征提取及圖像分割中，取得了良好的效果，為進(jìn)一步的實用化奠定了良好的基礎(chǔ)。
　　圖像分割作為圖像處理、目標(biāo)識別以及計算機視覺中的一個重要組成

2、部分，已經(jīng)得到了廣泛的重視與研究，不斷的涌現(xiàn)出新的分割方法，取得了很大的成果，但是由于目標(biāo)圖像的多樣化以及受具體應(yīng)用場合的影響，大部分圖像分割方法可移植性差、計算量較大，對不同的使用場合沒有統(tǒng)一的方式。迄今為止，大多數(shù)的算法主要集中在線性領(lǐng)域內(nèi)，本文創(chuàng)新性的把非線性特征提取用于半導(dǎo)體元器件的定位檢測，起到了良好的效果。
　　在此，將以非線性角度，來具體展示圖像的復(fù)雜性，重點討論了基于非線性特征的圖像分割技術(shù)。對圖像的無監(jiān)督分割與有

3、監(jiān)督分割分別進(jìn)行了研究、仿真與比較，拓展了圖紋分割的新方法。具體取得如下進(jìn)展:
　　(1)對不同的圖紋分割方法進(jìn)行了詳細(xì)的分析和比較。對這些方法的優(yōu)缺點進(jìn)行了總結(jié)，并對其適用性范圍、能力和存在的問題進(jìn)行了討論。
　　(2)在論述非線性科學(xué)的基礎(chǔ)上，引入了復(fù)雜性測度理論，并描述了圖像的復(fù)雜性，揭示了圖像的混沌特性。
　　(3)對大量的Uni-Bonn圖紋、Brodatz圖像、半導(dǎo)體器件圖像進(jìn)行了復(fù)雜性測度的特征提取。包括

4、基于矩不變的圖像粗粒化預(yù)處理、Hilbert曲線掃描方式掃描圖像、對圖像的分塊計算各種復(fù)雜性測度等。實驗證明，將復(fù)雜性作為對于圖紋結(jié)構(gòu)的描述，具有良好的可分性。同時，提出的基于矩不變圖像粗?；椒ㄍ耆鶕?jù)圖像自身的特征選取閾值，分割精度較高，符合實際要求;采用Hilbert曲線掃描方式掃描圖像，在保持圖像空間相關(guān)性的前提下，實現(xiàn)了圖像信息的降維重構(gòu)。
　　(4)采用改進(jìn)的模糊C均值和支持向量機兩種不同類別的聚類方法作為圖像的特征量

5、的圖紋分割方法，分別實現(xiàn)了圖像的分割，得到了較好的圖紋分割效果。同時，對圖紋分割常用的幾種方法與復(fù)雜性測度方法進(jìn)行了比較。實驗表明，在保持一定的分割精度及正確率的條件下，基于復(fù)雜性測度的圖紋分割算法所需的運算量最少，效率最高。
　　(5)以半導(dǎo)體器件外觀識別為例，分析了器件定位設(shè)計過程，采用復(fù)雜性測度對外觀進(jìn)行了識別，初步確定復(fù)雜性測度在器件的識別定位中有很好的前景。
　　(6)介紹了半導(dǎo)體器件定位識別系統(tǒng)的設(shè)計過程，其中器