基于遗传算法的最大熵双阈值分割的芯片缺陷图像分割

本文着重提出一种针对塑封芯片缺陷的基于遗传算法的最大熵双阈值分割算法,对芯片缺陷进行识别分割提取。塑封是指把支撑集成芯片的引线框架、集成芯片和键合引线等部分用塑封材料包裹密封起来,从而为集成芯片提供保护和隔热的功能。由于塑封为非气密性封装,故塑封工艺流程中容易产生各类缺陷,降低芯片的可靠性。对塑封完成的芯片进行质量检测可以避免缺陷芯片进入下一生产环节。传统的的图像缺陷阈值分割方法对其焊层图像缺陷分割的效果并不理想,本文结合缺陷超声图像本身的灰度高度图和自身特点进行分析后,提出基于遗传算法的最大熵双阈值分割法进行图像分割,最大熵结合了遗传算法的鲁棒性,并行性,效率高等优点,很好的对缺陷的细节进行分割,明显优于传统的算法。

叠加噪声干扰图像双阈值像素级分割方法

受干扰噪声的影响,在对图像进行分割处理时,难以实现对目标区域边缘的准确判断,导致错分的情况。为此,提出了叠加噪声干扰图像双阈值像素级分割方法。以叠加噪声干扰图像的灰度直方图为基础,在计算熵值的前提下,设置两个初始阈值为灰度范围的三等分点,按照步长5的标准迭代,并确定熵最大的阈值组合为叠加噪声干扰图像的最大熵双阈值。在分割阶段,利用计算得到的叠加噪声干扰图像最大熵双阈值进行边缘检测,并引入了一个3×3的窗口,计算噪声周围像素的平均值,实现对噪声像素的赋值,实现像素级分割。测试结果表明,该方法不仅实现了对背景的有效分割,还未造成目标区域缺失,且像素错分情况始终处于较低水平,对应的占比未超过0.60%。

SAR图像舰船目标快速检测方法研究

随着SAR图像分辨率的不断提高,传统CFAR检测算法由于速率较慢,已经不能满足实际应用的需求。针对高分率SAR图像,提出了一种两级舰船目标快速检测算法。第一级采用改进的最大熵双阈值检测算法将图像分割为目标、疑似目标、背景三部分;第二级采用改进的双参数CFAR检测算法,在第一级结果基础上进行自适应二次检测,最后得到舰船目标。通过真实SAR图像数据实验表明,提出的算法具有良好的检测性能,更符合实际高分辨率SAR图像舰船目标检测的应用需求。