圖像的非線性特征提取及其在半導體圖像分割中的應用.pdf

1、圖像識別作為一門較新的學科，由于其所應用的范圍廣闊，醫(yī)學影像、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)就受到了廣泛關注，其基礎就是圖像分割。
　　本課題通過分析比較多種圖像分割的方法，應用到半導體器件的圖像分割中，創(chuàng)新性的把非線性特征提取應用到半導體圖像的特征提取及圖像分割中，取得了良好的效果，為進一步的實用化奠定了良好的基礎。
　　圖像分割作為圖像處理、目標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，但是由于目標圖像的多樣化以及受具體應用場合的影響，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域內(nèi)，本文創(chuàng)新性的把非線性特征提取用于半導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雜性，重點討論了基于非線性特征的圖像分割技術。對圖像的無監(jiān)督分割與有

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

4、基于矩不變的圖像粗?；A處理、Hilbert曲線掃描方式掃描圖像、對圖像的分塊計算各種復雜性測度等。實驗證明，將復雜性作為對于圖紋結構的描述，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性的前提下，實現(xiàn)了圖像信息的降維重構。
　　(4)采用改進的模糊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雜性測度方法進行了比較。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)以半導體器件外觀識別為例，分析了器件定位設計過程，采用復雜性測度對外觀進行了識別，初步確定復雜性測度在器件的識別定位中有很好的前景。
　　(6)介紹了半導體器件定位識別系統(tǒng)的設計過程，其中器