資源描述：
《MATLAB圖像處理技術(shù)：圖像分割》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、一種SEM圖像高效的圖像分割技術(shù)摘要：在經(jīng)過了大量的實驗探索和努力后，建立了通過自動檢查基準(zhǔn)比較法來取代以往依靠人類眼睛檢查的SEM圖像。這種檢查方法有兩種類型：直接比較法和間接比較法。在實際中，間接比較方法使用更廣泛，這種方法需要分段步驟即分裂原圖像分割成兩個區(qū)域：前景區(qū)域和背景區(qū)域。尤其是SEM圖像分割是不容易的，因為高噪音水平，圖像偏移，變化和多樣性圖案。在以往的工作中，山脊探測器已被廣泛用來檢測和克服具有這些特征的SEM圖像。在本文中，我們提出了一個有效的分割方法上發(fā)展起來的分水嶺分割算法，全局-局部閾值法，高斯濾波器的拉普拉斯算子和非最大值
2、抑制。在對各種SEM圖像分割中的應(yīng)用，所提出的方法對于1D圖像和2D圖像分別顯現(xiàn)了94%和98%的準(zhǔn)確性。1引言：在以前是通過人的眼睛，用于掃描電子顯微鏡（SEM）圖像半導(dǎo)體硅晶片的檢查，人眼檢測然而是具有一定的局限性，而且并不是對測試的所有圖像都是可靠的，所以經(jīng)過許多努力，最終發(fā)現(xiàn)了自動檢測以取代人眼檢查[1，4，5，8，9]。對于自動檢查中兩種類型的比較方法——直接和間接方法，相繼出臺。直接比較方法進(jìn)行比較的基準(zhǔn)圖像和檢驗圖像，這種方法直接計算基準(zhǔn)圖像和檢驗圖像之間的差別。直接比較方法通常能夠較快速和容易找兩者之間的差別。但是，它由于各種偏移值得
3、不同所以很難找到合適的閾值。更廣泛使用的間接比較的方法，不對兩個原圖像進(jìn)行直接的參考和檢驗的比較。相反，它是比較兩個預(yù)處理后的分割圖像。本文提出的分割方法掃描電子顯微鏡（SEM）圖像劃分為兩個區(qū)域，前景和背景。前景部分是導(dǎo)體，而背景部分是絕緣體。SEM圖像從半導(dǎo)體硅的晶圓上得到的。為了有效的將SEM圖像分割成兩個區(qū)域，由于SEM圖像不同于通常的光學(xué)圖像，他的的某些性能應(yīng)予以考慮。首先，它看起來像一個邊緣圖像。由于SEM使用電子掃描，其結(jié)果是依賴于目標(biāo)的的結(jié)構(gòu)。反射的電子的量與結(jié)構(gòu)的變化的量成比例的。在結(jié)構(gòu)上的邊緣，因此，灰度值遠(yuǎn)高于一個平面區(qū)域。其次
4、，它具有不同的灰度值作為材料變得不同。反射的電子的量取決于在材料上被反射的電子。第三，它有強(qiáng)烈的噪音，為了降低噪音，應(yīng)取多張圖像的相同部分計算平均值，以產(chǎn)生最終的SEM圖像，所選擇的圖像越多，平均化，減噪音的結(jié)果越好。然而，為了最大限度地提高計算效率，平均圖像的數(shù)量可能會往往是有限的。最后，該各種圖案的類型，存在不允許預(yù)定義的圖案類型分割算法。我們已經(jīng)完成對兩個種的SEM圖像的工作。其中一個是僅包含一個的材料的掃描電鏡拍攝的區(qū)域，這個圖像只有邊緣成分。我們命名它為1D圖像。另一種是區(qū)域包含兩種不同的材料的SEM圖像，在除了包括邊緣分量，它還包含了前景
5、和背景部分杰出的灰度值。我們把它命名為二維圖像。1D和2D圖像如圖1所示。2預(yù)先處理SEM圖像分割，韓英[1]使用的邊緣信息。他們使用了分割輔助混合脊信號檢測。在工作中，他們聲稱的SEM圖像有強(qiáng)噪聲高產(chǎn)吞吐量。如果正常的邊緣探測器使用，就不會有這么多的無效的邊緣由于噪音的信號。另外，如果使用的常規(guī)的邊緣檢測器，“雙尖端”的效果不能是可以避免的，如圖2所示。因此，他們采用的是脊探測器，而不是正常的邊緣檢測。尋找邊緣脊后，他們基于人類的直覺和智慧來作為的模式識別的[2]。雖然該方法使用分割輔助混合脊信號檢測器上顯示了魯棒性噪聲和性能的優(yōu)越性，它尋找用于回
6、歸高階系數(shù)多項式使得計算量更大。3面臨的問題如圖1和圖2所示，SEM圖像具有一定的的特點，應(yīng)被認(rèn)為是成功的形象檢查處理。首先，在大多數(shù)情況下，它具有很強(qiáng)的噪聲。為了獲得一個SEM圖像具有低噪音，拍攝的圖像從相同的圖像部分的平均值。雖然更少的噪聲的查詢結(jié)果作為圖像進(jìn)行平均數(shù)字平均圖像所需的吞吐量往往是有限的。從圖像信號的剖面圖上看，如果噪音電平高于最大邊緣強(qiáng)度，它的一半很難將它分為兩個區(qū)域。其次，存在兩種類型的掃描電鏡圖像的一方，稱為一維圖像，僅僅包含邊緣分量，另一個所謂2D圖像上，包含邊緣分量，前景和背景成分。的邊緣分量分離一些從背景中的對象包括那些
7、像素具有高灰度值。然而，在SEM圖像中，灰度值這些邊緣部分像素不統(tǒng)一而清晰，足以從背景中分離的目的。最后，存在各種形狀的圖案，其中包括線，矩形，不同寬度的島嶼。沒有預(yù)定形狀的花紋圖案允許分割。4分割正如前面提到的，有兩種類型的圖像，1D圖像和2D圖像。我們建議對不同的圖像使用不同的方法，我們對于1D形象，使用拉普拉斯高斯濾波器和非最大抑制修復(fù)。而對于2D圖像，我們使用分水嶺LoG結(jié)果分割算法和全局-局部閾值法。A.2D圖像2D圖像可以分割的分水嶺分割算法[4]，尤其是洪水背景的方法。如果分水嶺分割直接使用，每個流域的邊界位于中間的邊緣分量，它的形狀是
8、與源圖像不同。洪水背景算法開始時，用邊緣檢測。通過這樣做灰色電平信息被刪除，但也有僅沿組件-它是在源目標(biāo)邊界
