买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】一种纳米压印晶圆图像采集处理方法_青岛天仁微纳科技有限责任公司_202311114562.4 

申请/专利权人:青岛天仁微纳科技有限责任公司

申请日:2023-08-31

公开(公告)日:2024-04-02

公开(公告)号:CN117094909B

主分类号:G06T5/70

分类号:G06T5/70;G03F7/00;G06N3/0464;G06N3/08

优先权:

专利状态码:有效-授权

法律状态:2024.04.02#授权;2023.12.08#实质审查的生效;2023.11.21#公开

摘要:本发明公开了一种纳米压印晶圆图像采集处理方法,属于图像处理技术领域,本发明中分别对标准纳米压印晶圆图像和采集的纳米压印晶圆图像进行切分,分别得到各标准图像子块和各采集图像子块,从而实现对两图像的分块,方便进行同区域对比,均采用特征提取通道进行特征提取,分别得到第二特征数据和第一特征数据,通过第二特征数据和第一特征数据的比较,得到每个采集图像子块的噪声分布程度,对对应的采集图像子块进行去噪处理,得到去噪纳米压印晶圆图像,解决了现有图像去噪处理方法均会造成图像边缘不清楚,增加图像的模糊程度的问题。

主权项:1.一种纳米压印晶圆图像采集处理方法,其特征在于,包括以下步骤:S1、分别对标准纳米压印晶圆图像和采集的纳米压印晶圆图像进行切分,得到各标准图像子块和各采集图像子块;S2、采用第一特征提取通道对标准图像子块进行特征提取,得到第一特征数据;S3、采用第二特征提取通道对采集图像子块进行特征提取,得到第二特征数据;S4、根据第二特征数据和第一特征数据,得到噪声分布程度;S5、根据每个采集图像子块对应的噪声分布程度,对采集的纳米压印晶圆图像进行去噪处理,得到去噪纳米压印晶圆图像;所述S2和S3中第一特征提取通道和第二特征提取通道结构相同,均包括:第一卷积层、第二卷积层、第一最大池化层、第二最大池化层、第一平均池化层、第二平均池化层、第一Concat层和第二Concat层;所述第一卷积层的输入端作为第一特征提取通道或第二特征提取通道的输入端,其输出端分别与第一最大池化层的输入端和第一平均池化层的输入端连接;所述第一Concat层的输入端分别与第一最大池化层的输出端和第一平均池化层的输出端连接,其输出端与第二卷积层的输入端连接;所述第二卷积层的输出端分别与第二最大池化层的输入端和第二平均池化层的输入端连接;所述第二Concat层的输入端分别与第二最大池化层的输出端和第二平均池化层的输出端连接,其输出端作为第一特征提取通道或第二特征提取通道的输出端;所述S4包括以下分步骤:S41、将第二特征数据和第一特征数据进行按位相减,得到差值序列;S42、根据差值序列,计算噪声分布程度;所述S42中计算噪声分布程度的公式为: ,其中,为噪声分布程度,为均值权重,为最大值权重,xi为差值序列中第i个差值,max{xi}为取最大值,N为差值序列中差值的数量,||为绝对值运算;所述S5包括以下分步骤:S51、根据每个采集图像子块对应的噪声分布程度,对相同位置的采集图像子块进行去噪处理,得到去噪图像子块;S52、将去噪图像子块进行拼接,得到去噪纳米压印晶圆图像;所述S51包括以下分步骤:S511、找到采集图像子块上的异常像素点;S512、将异常像素点的像素值、邻近区域像素点的像素值和对应采集图像子块的噪声分布程度输入像素值预测模型中,得到异常像素点的预测像素值;S513、采用异常像素点的预测像素值替换异常像素点原本的像素值,得到去噪图像子块;所述S511中采集图像子块上的像素点满足以下条件公式时,该像素点为异常像素点,其中,条件公式为: ,其中,fx,y为x,y处像素点的像素值,fx,y+1为x,y+1处像素点的像素值,fx,y-1为x,y-1处像素点的像素值,fx+1,y为x+1,y处像素点的像素值,fx-1,y为x-1,y处像素点的像素值,||为绝对值运算,fth为异常阈值,x为像素点的横坐标,y为像素点的纵坐标;所述S512中像素值预测模型为: ,其中,为第k个异常像素点的预测像素值,为sigmoid激活函数,为噪声分布程度,fk为第k个异常像素点原本的像素值,fk,j为第k个异常像素点邻近区域内第j个像素点的像素值,M为邻近区域内的像素点的数量,θ为修正系数,为偏移系数;所述修正系数θ和偏移系数的具体值通过训练得到,将获取的异常像素点的像素值、邻近区域像素点的像素值和对应采集图像子块的噪声分布程度构建为训练样本,采用训练样本对像素值预测模型进行训练,直到像素值预测模型输出的预测像素值与标注的真实像素值的差值的绝对值小于误差阈值时,结束训练;训练像素值预测模型的损失函数为: ,其中,Ln为第n次训练的损失函数,为第n次训练的像素值预测模型输出的预测像素值,e为自然常数,fn为第n次训练对应的标注的真实像素值,ln为对数函数。

全文数据:

权利要求:

百度查询: 青岛天仁微纳科技有限责任公司 一种纳米压印晶圆图像采集处理方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。