專利名稱：用于獲取和處理復(fù)合圖像的系統(tǒng)及方法
技術(shù)領(lǐng)域：
一般來說，本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，更具體來講，涉及用于獲取和處理復(fù)合圖像的系統(tǒng)及方法。
背景技術(shù)：
采用數(shù)字獲取系統(tǒng)捕捉的全息圖包含與被查看對(duì)象的材料特性及拓?fù)浣Y(jié)構(gòu)有關(guān)的信息。通過捕捉相同對(duì)象的不同示例的序列全息圖，對(duì)象之間的變化可在數(shù)維中測(cè)量。全息圖的數(shù)字處理允許直接比較對(duì)象的實(shí)際像波。這些像波包含比傳統(tǒng)的非全息圖像明顯更多的關(guān)于小細(xì)節(jié)的信息，因?yàn)閳D像相位信息保留在全息圖中，而在傳統(tǒng)圖像中則被丟失。比較全息圖像的系統(tǒng)的最終目的是量化對(duì)象之間的差異，并確定是否存在顯著差異。
比較全息圖的過程因全息圖生成過程和對(duì)象處理中涉及的變量而成為艱難的任務(wù)。具體來說，為了有效地比較對(duì)應(yīng)的全息圖像，兩個(gè)或兩個(gè)以上全息圖像必須被獲取和登記或者“匹配”，使得圖像接近對(duì)應(yīng)。另外，在獲取和登記全息圖像之后，對(duì)圖像進(jìn)行比較以便確定圖像之間的差異。登記和比較相應(yīng)圖像的現(xiàn)有技術(shù)往往要求大量處理和時(shí)間。這類時(shí)間和處理要求限制了數(shù)字全息成像系統(tǒng)的吞吐量及整體效率。


通過參照以下結(jié)合附圖的描述，可獲得對(duì)本實(shí)施例及其優(yōu)點(diǎn)的更完整了解，附圖中，相同的參考標(biāo)號(hào)表示相同的特征，以及附圖包括圖1是流程圖，表示基于密度的登記方法；
圖2是流程圖，表示基于幅度的登記方法；圖3是流程圖，表示一種用于全息相位圖像的登記方法；圖4是流程圖，表示一種用于全息復(fù)合圖像的登記方法；圖5是刪除了置信值計(jì)算的簡(jiǎn)化登記系統(tǒng)的流程圖；圖6是流程圖，表示一種用于全息復(fù)合圖像的簡(jiǎn)化登記系統(tǒng)；圖7是用于確定位置細(xì)化的晶片的說明示圖；圖8是數(shù)字全息成像系統(tǒng)的示圖；圖9是從CCD照相機(jī)獲取的全息圖的圖像；圖10是圖10的放大部分，表示邊緣細(xì)節(jié)；圖11是采用快速傅立葉變換(FFT)運(yùn)算變換的全息圖像；圖12是表示邊帶的全息圖像；圖13是集中于載頻的全息FFT的象限；圖14表示在應(yīng)用巴特沃思低通濾波器之后圖14的邊帶；圖15表示幅度圖像；圖16表示相位圖像；圖17表示差值圖像；圖18表示第二差值圖像；圖19表示閾差值圖像；圖20表示第二閾差值圖像；圖21表示邏輯“與”運(yùn)算之后的兩個(gè)閾差值圖像的圖像；圖22表示帶缺陷的幅度圖像；以及圖23表示帶缺陷的相位圖像。
詳細(xì)說明參照?qǐng)D1至圖23，最佳地理解優(yōu)選實(shí)施例及其優(yōu)點(diǎn)，其中，相同的標(biāo)號(hào)用來表示相似及對(duì)應(yīng)的零件。
以下發(fā)明涉及數(shù)字全息成像系統(tǒng)及應(yīng)用，例如在標(biāo)題為“Direct-to-Digital Holography and Holovision”的美國(guó)專利第6078392號(hào)、標(biāo)題為“Improvements to Acquisition and Replay Systems for Directto Digital Holography and Holovision”的美國(guó)專利第6525821號(hào)、標(biāo)題為“System and Method for Correlated Noise Removal in ComplexImaging Systems”的美國(guó)專利申請(qǐng)第09/949266號(hào)以及標(biāo)題為“Systemand Method for Registering Complex Images”的美國(guó)專利申請(qǐng)第09/949423號(hào)中所述，通過引用將其全部結(jié)合到本文中。
本發(fā)明包含自動(dòng)圖像登記及處理技術(shù)，開發(fā)這些技術(shù)以滿足直接數(shù)字全息照相(DDH)缺陷檢驗(yàn)系統(tǒng)的特殊需要，如本文所述。在DDH系統(tǒng)中，可逐個(gè)像素地比較流式全息圖，用于全息圖生成之后的缺陷檢測(cè)。
本發(fā)明的一個(gè)實(shí)施例包括采用下述反饋置信測(cè)量進(jìn)行自動(dòng)圖像匹配和登記的系統(tǒng)及方法。登記系統(tǒng)為DDH系統(tǒng)中的多個(gè)圖像匹配任務(wù)提供技術(shù)及算法，例如運(yùn)行時(shí)晶片檢驗(yàn)、畫面匹配細(xì)化以及旋轉(zhuǎn)晶片校準(zhǔn)。在一些實(shí)施例中，用于實(shí)現(xiàn)這種登記系統(tǒng)的系統(tǒng)可包括含以下方面的若干主要方面搜索策略，多個(gè)數(shù)據(jù)輸入能力，在傅立葉域中實(shí)現(xiàn)的歸一化相關(guān)性，噪聲濾波，相關(guān)峰值圖案搜索，置信定義及計(jì)算，子像素精度建模，以及自動(dòng)目標(biāo)搜索機(jī)制。
圖像登記信號(hào)的傅立葉變換是信號(hào)的唯一表示，即，信息內(nèi)容在兩個(gè)不同域中彼此唯一確定。因此，給定具有某種程度疊合的兩個(gè)圖像f1(x，y)和f2(x，y)，通過傅立葉變換F1(wx，wy)和F2(wx，wy)，它們的空間關(guān)系也可由其傅立葉變換之間的關(guān)系唯一表示。例如，空間域中的兩個(gè)信號(hào)之間的仿射變換可根據(jù)傅立葉變換的移位定理、縮放定理以及旋轉(zhuǎn)定理由傅立葉變換唯一表示。如果在f1(x，y)和f2(x，y)之間存在仿射變換，則它們的空間關(guān)系可表示為x′y′=abcdxy+x0y0]]>
其中A=abcd|]]>表示旋轉(zhuǎn)、縮放和傾斜差異，以及 表示平移。如果是無噪環(huán)境，則兩個(gè)圖像由下式彼此相關(guān)f1(x，y)＝f2(ax+by+x0，cx+dy+y0)；以及它們的傅立葉變換表示如下F2(wx,wy)=|A|F1(ATwxwy)e-j(wxx0+wyy0),]]>其中AT表示A的轉(zhuǎn)置，以及|A|是其行列式。這個(gè)推導(dǎo)的重要性在于，這個(gè)等式將仿射參數(shù)在傅立葉空間中分為兩組平移和線性變換，它告訴我們，平移由傅立葉相位差來確定，而幅度則是移位不變的，且通過線性分量|A|彼此相關(guān)。
在最簡(jiǎn)單的情況中平移模型、即一個(gè)圖像只是另一個(gè)圖像的移位形式，如以下情況f1(x，y)＝f2(x+x0，y+y0)。
它們的傅立葉變換具有下列關(guān)系F2(wx,wy)=F1(wx,wy)·ej(wxx0+wyy0),]]>根據(jù)傅立葉移位定理，它相當(dāng)于F2(wx,wy)F1*(wx,wy)|F2(wx,wy)F1*(wx,wy)|=ej(wxx0+wyy0).]]>上式左邊是通過兩個(gè)信號(hào)可能的最大功率歸一化的交叉功率譜。它還稱作相干函數(shù)。兩個(gè)信號(hào)具有相同的幅度頻譜，但具有與空間平移對(duì)應(yīng)的線性相位差。兩個(gè)圖像的相干函數(shù)Γ12(wx，wy)還通過下式與功率譜密度(PSD)和交叉功率譜密度(XPSD)定義的它們的互相關(guān)性相關(guān)
Γ12(wx,wy)=xpsdpsd1·psd2,]]>其中，xpsd為兩個(gè)圖像的交叉功率譜密度，以及psd1和psd2分別為f1和f2的功率譜密度。假定它是固定隨機(jī)過程，則它的真實(shí)PSD為真實(shí)自相關(guān)函數(shù)的傅立葉變換。圖像的自相關(guān)函數(shù)的傅立葉變換提供PSD的樣本估算。同樣，交叉功率密度xpsd可通過將f2的二維傅立葉變換與f1的二維傅立葉變換相乘來估算。因此，兩個(gè)圖像的相干函數(shù)可由下式估算Γ12(wx,wy)≅F2(wx,wy)F1*(wx,wy)|F2(wx,wy)F1*(wx,wy)|]]>以上相干函數(shù)是空間頻率的函數(shù)，其中它的幅度表明互相關(guān)函數(shù)中呈現(xiàn)的功率幅度。它也是互相關(guān)(CC)的頻率表示，即，互相關(guān)的傅立葉變換，由傅立葉變換的相關(guān)定理表示如下f1(x，y)f2(x，y)F2(wx，wy)F1(-wx，-wy)，其中，表示空間相關(guān)。對(duì)于實(shí)信號(hào)，傅立葉變換是共軛對(duì)稱的，即F1(-wx，-wy)＝F1(wx，-wy)可能的最大相關(guān)功率是 的估算。幅度平方相干|Γ12(wx，wy)|2為0與1之間的實(shí)函數(shù)，它提供各頻率的兩個(gè)圖像之間的相關(guān)量度。在給定頻率，當(dāng)相關(guān)功率與可能的最大相關(guān)功率相同時(shí)，兩個(gè)圖像觀察到相同圖案，以及功率只由一個(gè)縮放因子改變。在這種情況下，CC＝1。當(dāng)兩個(gè)圖像具有不同圖案時(shí)，功率在兩個(gè)功率譜密度中為異相，以及交叉功率譜密度將具有比最大可能的情況更低的功率。為此，相干函數(shù)可用于圖像匹配，以及相干值是兩個(gè)圖像之間的相關(guān)的量度。
根據(jù)以上所述理論，兩個(gè)圖像的匹配位置、即登記點(diǎn)可通過查找最大CC在空間域中的位置來導(dǎo)出。CC的傅立葉逆變換(即相干函數(shù)的估算)為F-1(F2(wx,wy)F1*(wx,wy)|F2(wx,wy)F1*(wx,wy)|)=F-1(ej(wxx0+wyy0))=δ(x0,y0),]]>它為迪拉克δ函數(shù)。這是CC在空間域中的表示，并且δ函數(shù)的位置正好是登記所在的位置。
對(duì)于實(shí)信號(hào)以及具有有限帶寬(離散傅立葉變換的有限大小)和空間信號(hào)的周期擴(kuò)展的假設(shè)的系統(tǒng)，δ函數(shù)變成單位脈沖。給定具有某種程序疊合的兩個(gè)信號(hào)，其交叉功率譜中的信號(hào)功率大部分集中于空間域中的相干峰值，處于登記點(diǎn)。噪聲功率隨機(jī)分布于某些相干峰值中。相干峰值的幅度是兩個(gè)圖像之間的疊合的直接量度。更準(zhǔn)確地說，相干峰值中的功率對(duì)應(yīng)于重疊區(qū)域的百分比，而不相干峰值中的功率則對(duì)應(yīng)于非重疊區(qū)域的百分比。
噪聲、特征空間選擇和濾波器的影響理論上，受關(guān)注特征的相干在頻域的所有頻率上應(yīng)當(dāng)為1，并且在空間域的登記點(diǎn)上應(yīng)當(dāng)為δ脈沖。但是，噪聲通常使相關(guān)面失真。這些噪聲包括時(shí)變?cè)肼?A/C噪聲)，例如背反射噪聲、載波漂移和過程變化導(dǎo)致的變化；固定圖案噪聲(D/C噪聲)，例如照度不均勻性、不良像素、照相機(jī)劃痕、光路上的灰塵和焦距差、舞臺(tái)傾斜；以及(3)隨機(jī)噪聲。
如果這些噪聲存在，則可將一個(gè)圖像看作三個(gè)圖像以相加和相乘方式的重疊fn(x，y)＝Nm(x，y)*f(x，+y)Na(x，y)，其中，Nm(x，y)是相乘噪聲源；Na(x，y)是相加噪聲源；以及fn(x，y)是被噪聲導(dǎo)致失真的信號(hào)。
Fa(x，y)＝Fm(x，y)F(x，y)+Fa(x，y)其中，F(xiàn)m(x，y)是相乘噪聲源的傅立葉變換；Fa(x，y)是相加噪聲源的傅立葉變換；以及Fn(x，y)是被噪聲導(dǎo)致失真的信號(hào)的傅立葉變換。
所觀察的信號(hào)是具有其傅立葉變換Fn(x，y)的fn(x，y)。噪聲處理的目的是僅對(duì)該信號(hào)進(jìn)行相干峰值收斂。實(shí)現(xiàn)這個(gè)目標(biāo)主要有兩種方式(1)從所觀察的信號(hào)重構(gòu)其原始信號(hào)f(x，y)或者其原始傅立葉變換F(x，y)；(2)盡可能地減小噪聲，以便增加對(duì)信號(hào)的收斂的可能性，即使信號(hào)被部分消除或衰減。
噪聲消除的第一種方法要求采用各噪聲源進(jìn)行噪聲建模，通常要求不同的模型。第二種方法集中于通過任何方式進(jìn)行噪聲消除，即使它還消除或衰減該信號(hào)，這為我們提供了更多的操作余地。因此，我們主要將第二種技術(shù)用于圖像匹配的任務(wù)。此外，在空間域以及頻域中考慮該問題是有益的。在噪聲抗噪聲登記系統(tǒng)的設(shè)計(jì)中已經(jīng)考慮以下觀察情況首先，所有頻率一般同樣地起作用，因此，窄帶噪聲在頻域中更易于處理。
其次，在不同照度下得到的圖像數(shù)據(jù)通常顯示緩慢變化差異。照度不均勻性通常表現(xiàn)為圖像上的低頻變化。
另外，頻域中的載波漂移、即空間域中的相位傾斜為低頻、舞臺(tái)傾斜、舞臺(tái)高度中的緩慢變化，并且過程變化大部分為低頻噪聲。A/C噪聲一般為低頻。離焦灰塵也處于頻域中的較低側(cè)。背反射噪聲大部分為較低頻率。
隨機(jī)噪聲通常處于相對(duì)較高頻率。低頻噪聲以及高頻噪聲對(duì)于任何相互相似性測(cè)量和相干峰值收斂都是有害的。
高頻內(nèi)容與對(duì)比度反轉(zhuǎn)無關(guān)?；陬l率的技術(shù)是相對(duì)地畫面無關(guān)的以及是多傳感器可能的，因?yàn)樗鼘?duì)頻譜能量的變化不敏感。只有頻率相位信息用于相關(guān)，它相當(dāng)于各圖像的白化，以及白化對(duì)于亮度的線性變化是不變的，并且使相關(guān)測(cè)量無關(guān)。
如果存在白噪聲，則互相關(guān)是最佳的。因此，廣義加權(quán)函數(shù)可在采取傅立葉逆變換之前引入相位差。加權(quán)函數(shù)可根據(jù)所需的抗噪聲度的類型來選擇。因此，存在一系列相關(guān)技術(shù)，包括相位相關(guān)和傳統(tǒng)的互相關(guān)。
為此，特征空間可采用突出邊緣、固有結(jié)構(gòu)的輪廓、顯著特征等。邊緣表現(xiàn)對(duì)象邊界的特征，因此可用于圖像匹配和登記。下面是提取這些特征的幾個(gè)備選濾波器。
巴特沃思低通濾波器用來構(gòu)成BPF，如下所示weight=11+(rcutoff2)2·order-11+(rcutoff1)2·order,]]>其中，order(階)為巴特沃思階；r是到DC的距離；cutoff1和cutoff2分別是低端和高端的截止頻率；以及weight(權(quán))為該點(diǎn)的濾波器系數(shù)。
BPF可用來選擇頻率的任何窄帶。
空間域中的邊緣增強(qiáng)濾波器邊緣增強(qiáng)濾波器用來捕捉邊緣、輪廓和顯著特征中的信息。邊緣點(diǎn)可被看作是灰度級(jí)突然變化的像素位置。對(duì)于連續(xù)圖像f(x，y)，其導(dǎo)數(shù)假定為在邊緣方向的局部最大值。因此，一種邊緣檢測(cè)技術(shù)是測(cè)量在方向θ上沿r的f的梯度。當(dāng)(/θ)(f/θ)＝0時(shí)，得出f/r的最大值。這得出(∂f∂r)max=(∂f∂x)2+(∂f∂y)2,]]>以及θadge=arctan(∂f∂y/∂f∂x)]]>它們可按照數(shù)字形式重新寫為，g(x，y)＝g2x(x，y)+g2y(x，y)以及
θ(x,y)=arctan(gy(x,y)gx(x,y))]]>其中，gx(x，y)和gy(x，y)是沿X和Y方向的垂直梯度，通過采用梯度算子卷積圖像來獲得。為了節(jié)省計(jì)算，往往采用幅度梯度g(x，y)＝|gx(x，y)|+|gy(x，y)|下面列出部分公共梯度算子。
梯度Hx=-11,Hy=-11]]>RobertsHx=01-10,Hy=100-1]]>SobelHx=-101-202-101,Hy=-1-2-1000121]]>當(dāng)灰度級(jí)轉(zhuǎn)變相當(dāng)突然、如階梯函數(shù)時(shí)，一階導(dǎo)數(shù)算子最為有效。隨著轉(zhuǎn)變區(qū)域變得更寬，應(yīng)用二階導(dǎo)數(shù)更為有利。另外，這些算子需要多個(gè)濾波器通過，每個(gè)主方向一個(gè)。這種方向相關(guān)性可通過采用二階導(dǎo)數(shù)算子來消除。在一些實(shí)施例中，方向無關(guān)拉普拉斯濾波器是優(yōu)選的，并定義為▿2f=∂2f∂2x+∂2f∂2y]]>典型的濾波器H具有形式H=-1-1-1-1C-1-1-1-1]]>其中，C為控制內(nèi)容的參數(shù)。值C＝8創(chuàng)建僅邊緣(edge-only)濾波器，以及原件中的銳邊在已濾波圖像中表現(xiàn)為一對(duì)峰值。大于8的C的值將邊緣與圖像本身以不同比例組合，從而創(chuàng)建邊緣增強(qiáng)圖像。
在一些情況下，為了增加相關(guān)峰值高度，還希望增加邊緣厚度。但是，這種過程也加寬相關(guān)峰值，因此降低登記精度。它對(duì)于多分辨率方案中的低分辨率匹配也許有用。
一般來說，空間域中的邊緣增強(qiáng)濾波器的目的是(1)控制信息內(nèi)容以進(jìn)入登記流程；(2)變換特征空間；(3)捕捉顯著特征的邊緣信息；(4)銳化信號(hào)的相關(guān)峰值；(5)解決密度反轉(zhuǎn)問題；以及(6)具有比邊緣檢測(cè)或第一導(dǎo)數(shù)更寬的邊界。
空間域中的確定閾邊緣增強(qiáng)圖像通常仍然包含噪聲。但是，噪聲在邊緣強(qiáng)度中看來比在固有結(jié)構(gòu)弱很多，因此邊緣增強(qiáng)特征進(jìn)一步確定閾以消除具有小邊緣強(qiáng)度的點(diǎn)。在一些實(shí)施例中，確定已濾波圖像的閾可以消除大部分A/C噪聲、D/C噪聲以及隨機(jī)噪聲。
可通過計(jì)算已濾波圖像的標(biāo)準(zhǔn)偏差σ并將它用來確定可最理想地消除噪聲但仍然保留足夠信號(hào)用于相關(guān)的位置，自動(dòng)地選擇閾。閾值定義為閾值＝numSigma·σ其中，numSigma是控制進(jìn)入登記系統(tǒng)的信息內(nèi)容的參數(shù)。這個(gè)參數(shù)最好憑經(jīng)驗(yàn)設(shè)置。
在確定閾之后，閾值以下的點(diǎn)最好通過將其清除來禁用，同時(shí)具有強(qiáng)邊緣強(qiáng)度的其余的點(diǎn)能夠通過濾波器并進(jìn)入后續(xù)相關(guān)操作。值得注意的是，提高基于區(qū)域的登記的健壯性及可靠性的邊緣增強(qiáng)的概念來自基于特征的技術(shù)。但是，與基于特征的技術(shù)不同，圖像沒有限制到二進(jìn)制圖像。通過保持這些強(qiáng)邊緣點(diǎn)的邊緣強(qiáng)度值，已濾波圖像仍然是灰度級(jí)數(shù)據(jù)。這樣做的優(yōu)點(diǎn)在于，不同邊緣點(diǎn)的邊緣強(qiáng)度值攜帶邊緣的位置信息。不同的位置信息將以不同方式選擇相關(guān)過程。因此，這種技術(shù)保留登記精度。
圖像匹配的置信本論述是有關(guān)相關(guān)面以及該表面的相干峰值。如本論述中所用的，特征是顯性的特征，即畫面中的主要特征。在相關(guān)面上存在兩種峰值相干峰值和不相干峰值。與特征對(duì)應(yīng)的所有峰值是相干的，其它所有峰值是不相干的，即對(duì)應(yīng)于噪聲。
相干峰值的一些實(shí)例如下所述-X和Y中具有周期Tx和Ty的周期信號(hào)產(chǎn)生具有相同周期的多個(gè)周期性相干峰值。這些峰值具有大約相等的強(qiáng)度，其中的最高峰值最可能處于中央，朝邊緣的峰值具有不斷衰落的強(qiáng)度。
-任何局部重復(fù)的信號(hào)還產(chǎn)生多個(gè)相干峰值。最高的相干峰值最可能處于登記點(diǎn)，以及其它所有二級(jí)峰值對(duì)應(yīng)于局部特征重復(fù)性。
-在許多情況下，相關(guān)面呈現(xiàn)sinc函數(shù)的性能，通?？醋饕蚓哂杏邢迬挼南到y(tǒng)中的離散傅立葉變換的有限大小導(dǎo)致的響應(yīng)特性。主瓣具有算法應(yīng)當(dāng)會(huì)聚的最高峰值，但也存在具有峰值的多個(gè)副瓣。
不相干峰值在存在噪聲時(shí)出現(xiàn)。隨機(jī)噪聲功率隨機(jī)分布于某些相干峰值中。A/C以及D/C噪聲都將使相干峰值偏移、失真及發(fā)散。噪聲還使相干峰值產(chǎn)生諧音、分叉、模糊。
相干峰值的幅度是兩個(gè)圖像之間的疊合的直接量度。更準(zhǔn)確地說，相干峰值中的功率對(duì)應(yīng)于重疊區(qū)域中的主要特征的百分比，而不相干峰值中的功率則對(duì)應(yīng)于噪聲和非重疊區(qū)域的百分比。
因此，以下兩種度量被開發(fā)并共同用來評(píng)估圖像匹配的質(zhì)量。首先是第一相干峰值的高度。其次是第一相干峰值以及相干或不相干的第二峰值之間的強(qiáng)度中的差異，即相關(guān)系數(shù)。
采用這些度量的另一個(gè)優(yōu)點(diǎn)在于，它們根據(jù)已經(jīng)實(shí)時(shí)可用的相關(guān)面計(jì)算，同時(shí)還計(jì)算校準(zhǔn)差值。效率和實(shí)時(shí)速度在大部分圖像匹配應(yīng)用中是關(guān)鍵，在這種應(yīng)用中，實(shí)時(shí)置信反饋信號(hào)是成功的自動(dòng)目標(biāo)搜索系統(tǒng)、例如其中要求自動(dòng)多FOV(multi-FOV)搜索的晶片旋轉(zhuǎn)校準(zhǔn)的關(guān)鍵。
搜索空間和子像素建模搜索策略的任務(wù)在登記的這種實(shí)現(xiàn)中往往是微不足道的，因?yàn)樵诟盗⑷~逆變換之后，整個(gè)相關(guān)面已經(jīng)可用于搜索。登記點(diǎn)是幅度相關(guān)面的最大峰值。對(duì)整個(gè)搜索空間上的峰值的一次掃描通常是足夠的。這是所檢測(cè)的整數(shù)登記。
為了找出子像素偏移，子像素建模按以下方式進(jìn)行。二維拋物線面可定義為Z＝ax2+by2+cxy+dx+ey+f.
這個(gè)二階多項(xiàng)式適于(0，0)處的整數(shù)峰值附近的3×3點(diǎn)相關(guān)面。
Z1Z2···Z9=x12y12x1y1x1y11x22y22x2y2x2y21······························x92y92x9y9x9y91abcdef]]>其中，(x，y)是這9個(gè)點(diǎn)的坐標(biāo)，它對(duì)于x和y可簡(jiǎn)化為[-1，0，1]。基于矩陣偽逆運(yùn)算對(duì)上式的最小平方解提供對(duì)系數(shù)的估算abcdef=x12y12x1y1x1y11x22y22x2y2x2y21·························1x92y92x9y9x9y91-1Z1Z2···Z9|]]>在這個(gè)3×3塊中登記的子像素位置處于拋物線的峰值位置，它通過相對(duì)x和y取拋物線方程的偏倒數(shù)并將其設(shè)置為零來確定∂Z∂x=2ax+cy+d=0]]>∂Z∂y=2by+cx+e=0]]>它給出x=2db-cec2-4aby=2ae-dcc2-4ab]]>整數(shù)峰值和子像素偏移的坐標(biāo)用來確定整個(gè)圖像的最終登記偏移。
圖1表示基于密度的登記方法的一種實(shí)現(xiàn)。該方法以提供測(cè)試密度圖像10(也可稱作第一圖像)和參考密度圖像(12)開始。兩個(gè)圖像分別經(jīng)過邊緣增強(qiáng)(14和16)，然后采用確定閾操作(18和20)從邊緣增強(qiáng)圖像中消除噪聲。然后采用傅立葉變換來變換圖像(22和24)。
兩個(gè)已變換圖像則用于相干函數(shù)計(jì)算(26)，以及對(duì)其應(yīng)用傅立葉逆變換(28)。隨后，幅度運(yùn)算在所選搜索范圍內(nèi)執(zhí)行(30)。然后，執(zhí)行置信計(jì)算(32)，以及圖像的匹配可根據(jù)從其中導(dǎo)出的置信值被接受或拒絕(34)。如果置信值處于可接受范圍內(nèi)，則登記過程進(jìn)入整數(shù)平移和子像素建模(36)，以及圖像的匹配被接受(38)。如果置信值不在可接受范圍內(nèi)，則開始新的搜索(40)。
圖2表示基于幅度的登記方法的一種實(shí)現(xiàn)。該方法以提供測(cè)試全息圖(50)和參考全息圖(52)開始。采用傅立葉變換對(duì)兩個(gè)全息圖分別進(jìn)行變換(54和56)，以及邊帶提取應(yīng)用于各圖像(58和60)。隨后，采用帶通濾波器對(duì)兩個(gè)圖像分別濾波(62和64)。然后，采用傅立葉逆變換對(duì)所得圖像分別進(jìn)行變換(66和68)，以及對(duì)各所得圖像執(zhí)行幅度運(yùn)算(70和72)。結(jié)果在采用傅立葉變換運(yùn)算進(jìn)行變換(78和80)之前進(jìn)行閾確定(74和76)。
兩個(gè)已變換圖像則用于相干函數(shù)計(jì)算(82)，以及對(duì)其應(yīng)用傅立葉逆變換(84)。隨后，幅度操作在所選搜索范圍內(nèi)執(zhí)行(86)。然后，執(zhí)行置信計(jì)算(88)，以及圖像的匹配可根據(jù)從其中導(dǎo)出的置信值被接受或拒絕(90)。如果置信值處于可接受范圍內(nèi)，則登記過程進(jìn)入整數(shù)平移和子像素建模(92)，以及圖像的匹配被接受(94)。如果置信值不在可接受范圍內(nèi)，則開始新的搜索(96)。
圖3表示基于相位圖像的登記方法的一種實(shí)現(xiàn)。該方法以提供測(cè)試全息圖(100)和參考全息圖(102)開始。采用傅立葉變換對(duì)兩個(gè)全息圖分別進(jìn)行變換(104和106)，以及邊帶提取應(yīng)用于各圖像(108和110)。隨后，采用低通濾波器對(duì)兩個(gè)圖像分別濾波(112和114)。然后，采用傅立葉逆變換對(duì)所得圖像分別進(jìn)行變換(116和118)，以及對(duì)各所得圖像執(zhí)行相位運(yùn)算(120和122)。然后對(duì)所得圖像執(zhí)行相位已知的增強(qiáng)(124和126)。結(jié)果在采用傅立葉變換運(yùn)算進(jìn)行變換(132和134)之前進(jìn)行閾確定(128和130)。
兩個(gè)已變換圖像則用于相干函數(shù)計(jì)算(136)，以及對(duì)其應(yīng)用傅立葉逆變換(138)。隨后，幅度運(yùn)算在所選搜索范圍內(nèi)執(zhí)行(140)。然后，執(zhí)行置信計(jì)算(142)，以及圖像的匹配可根據(jù)從其中導(dǎo)出的置信值被接受或拒絕(144)。如果置信值處于可接受范圍內(nèi)，則登記過程進(jìn)入整數(shù)平移和子像素建模(146)，以及圖像的匹配被接受(148)。如果置信值不在可接受范圍內(nèi)，則開始新的搜索(150)。
圖4表示基于復(fù)數(shù)的登記方法的一種實(shí)現(xiàn)。該方法以提供測(cè)試全息圖(152)和參考全息圖(154)開始。采用傅立葉變換對(duì)兩個(gè)全息圖分別進(jìn)行變換(156和158)，以及邊帶提取應(yīng)用于各圖像(160和162)。隨后，采用帶通濾波器對(duì)所得圖像進(jìn)行濾波(164和166)。
兩個(gè)已濾波圖像則用于相干函數(shù)計(jì)算(168)，以及對(duì)其應(yīng)用傅立葉逆變換(170)。隨后，幅度運(yùn)算在所選搜索范圍內(nèi)執(zhí)行(172)。然后，執(zhí)行置信計(jì)算(174)，以及圖像的匹配可根據(jù)從其中導(dǎo)出的置信值被接受或拒絕(176)。如果置信值處于可接受范圍內(nèi)，則登記過程進(jìn)入整數(shù)平移和子像素建模(178)，以及圖像的匹配被接受(180)。如果置信值不在可接受范圍內(nèi)，則開始新的搜索(182)。
在一些實(shí)施例中，可通過消除置信評(píng)估來進(jìn)行簡(jiǎn)化。一般包括(1)采用圖像共軛乘積代替相干函數(shù)計(jì)算，即無需通過兩個(gè)圖像的最大可能功率對(duì)交叉功率譜密度進(jìn)行歸一化，以及(2)消除置信計(jì)算和接受/拒絕測(cè)試。方法的其余部分基本上與其最初形式相同。例如，基于復(fù)數(shù)的登記系統(tǒng)的簡(jiǎn)化形式如圖5所示。
圖5表示基于復(fù)數(shù)的登記方法的一種簡(jiǎn)化實(shí)現(xiàn)。該方法以提供測(cè)試全息圖(200)和參考全息圖(202)開始。采用傅立葉變換對(duì)兩個(gè)全息圖分別進(jìn)行變換(204和206)，以及邊帶提取應(yīng)用于各圖像(208和210)。隨后，采用帶通濾波器對(duì)所得圖像進(jìn)行濾波(212和214)。
兩個(gè)已濾波圖像則用來確定圖像共軛乘積(216)，以及對(duì)其應(yīng)用傅立葉逆變換(218)。隨后，幅度運(yùn)算在所選搜索范圍內(nèi)執(zhí)行(220)。則登記過程進(jìn)入整數(shù)平移和子像素建模(222)，以及圖像的匹配被接受及上報(bào)(224)。
對(duì)于特定應(yīng)用的某種技術(shù)或者多種技術(shù)的組合的選擇是系統(tǒng)工程選擇，并取決于許多因素。其中重要因素為所需功能性、系統(tǒng)整體優(yōu)化、可用數(shù)據(jù)流、濾波實(shí)現(xiàn)的便捷性和可行性、噪聲濾波結(jié)果和健壯性、整個(gè)系統(tǒng)速度和成本、系統(tǒng)可靠性。
提供下列實(shí)例以說明這些原則。
運(yùn)行時(shí)缺陷檢測(cè)在運(yùn)行時(shí)晶片檢驗(yàn)的應(yīng)用中，系統(tǒng)速度和精度是主要的。為此，已經(jīng)可用的復(fù)合頻率數(shù)據(jù)流可用于這個(gè)方面。因此，可簡(jiǎn)化登記，如圖6所示。
圖6表示一種用于當(dāng)邊帶在數(shù)據(jù)流中可用時(shí)登記全息復(fù)合圖像的方法的簡(jiǎn)化實(shí)現(xiàn)。該方法以提供測(cè)試邊帶(250)和參考邊帶(252)開始。各邊帶分別采用帶通濾波器(254和256)。
兩個(gè)已濾波圖像則用來確定圖像共軛乘積(258)，以及對(duì)其應(yīng)用傅立葉逆變換260。隨后，幅度運(yùn)算在所選搜索范圍內(nèi)執(zhí)行(262)。則登記過程進(jìn)入整數(shù)平移和子像素建模(264)，以及圖像的匹配被接受及上報(bào)(266)。
晶片中心檢測(cè)(或者管芯零或其它點(diǎn)位置細(xì)化。)圖7表示登記過程如何應(yīng)用于將晶片坐標(biāo)系與舞臺(tái)坐標(biāo)系對(duì)齊。晶片300放置在卡盤上，以及在可能匹配所存儲(chǔ)參考圖案的坐標(biāo)位置獲取圖像。對(duì)圖像執(zhí)行下面提供的程序，以便確定參考圖案的實(shí)際位置與圖案的假定位置之間的偏移(Δx 302，Δy 304)。第二步是重復(fù)登記程序，以便確定及校正管芯網(wǎng)格軸與舞臺(tái)軸之間的旋轉(zhuǎn)角θ306。
在本應(yīng)用的特定實(shí)施例中，必需采用算法的完全形式。
登記(平移，置信，圖像1，圖像2，...)它通過計(jì)算它們的平移差值來登記(復(fù)合頻率、復(fù)合空間、幅度、相位或密度的)兩個(gè)圖像，并返回通知是否成功匹配的實(shí)時(shí)置信測(cè)量，下列程序被開發(fā)用于晶片中心檢測(cè)和旋轉(zhuǎn)角檢測(cè)。
給定圖像片作為模板(例如256×256)，執(zhí)行以下步驟步驟1.在取模板的當(dāng)前位置取FOV 308，圖像1(假定它是具有接近實(shí)際晶片中心的特征的圖像段)。
步驟2.將模板零填充到圖像1的大小。
步驟3.調(diào)用登記(平移，置信，圖像1，填充模板，...)。
步驟4.如果(置信.maxxCorrlst＞＝T1以及置信.測(cè)量＞＝T2)則停止。輸出平移并計(jì)算晶片中心。
步驟5.從基于步驟4所檢測(cè)的平移的位置的圖像1提取256×256的圖像片。
步驟6.采用模板和所提取的圖像片重復(fù)步驟3(執(zhí)行256×256登記)。
步驟7.重復(fù)步驟4。
步驟8.通過從它的具有P％重疊的相鄰FOV提取FOV，來執(zhí)行循環(huán)搜索311，轉(zhuǎn)到步驟3。
步驟9.重復(fù)步驟4、步驟5和步驟6，直到步驟4中的條件被滿足或者發(fā)信號(hào)通知它超出預(yù)定搜索范圍。
步驟10.如果在搜索范圍中沒有發(fā)現(xiàn)匹配，則輸出失敗信號(hào)并處理此情況。
以上步驟利用四個(gè)參數(shù)T1、T2、numSigma和P％。T1是最小Coors相關(guān)系數(shù)；T2是最小置信值；numSigma是噪聲閾，它控制在邊緣增強(qiáng)之后進(jìn)入登記系統(tǒng)的信息內(nèi)容；以及P％是提取相鄰FOV時(shí)的重疊。在一個(gè)實(shí)施例中，在對(duì)模板零填充的情況下，重疊應(yīng)當(dāng)＞＝50％*256個(gè)像素，因?yàn)樗恍枰采w原始模板的一部分。根據(jù)實(shí)驗(yàn)，下列設(shè)定對(duì)成功搜索是典型的T1＝0.4，T2＝0.1，numSigma＝3.5。
其它參數(shù)與實(shí)時(shí)登記中相似。
在一些實(shí)施例中，填充方案也可用傾斜方案取代。
旋轉(zhuǎn)角檢測(cè)為了標(biāo)識(shí)旋轉(zhuǎn)角檢測(cè)，給定晶片中心，執(zhí)行下列步驟步驟1.沿左側(cè)的晶片中心線取FOV 310，圖像1，(這可以也是一步校準(zhǔn)的邊緣管芯)。
步驟2.沿相對(duì)晶片中心與左側(cè)FOV對(duì)稱的右側(cè)的晶片中心線取FOV 312，圖像2。
步驟3.調(diào)用登記(平移，置信，圖像1，圖像2，...)。
步驟4.如果(置信.maxxCorrlst＞＝T1以及置信.測(cè)量＞＝T2)則停止。輸出平移并計(jì)算旋轉(zhuǎn)角。
步驟5.通過取上方或下方具有P％重疊的另一個(gè)FOV，來執(zhí)行螺旋搜索，轉(zhuǎn)到步驟3。
步驟6.重復(fù)步驟4和步驟5，直到步驟4中的條件被滿足或者發(fā)信號(hào)通知它超出預(yù)定搜索范圍。
步驟7.如果在搜索范圍中沒有發(fā)現(xiàn)匹配，則輸出失敗信號(hào)并處理此情況。
應(yīng)當(dāng)沿以上檢測(cè)的晶片中心線或者沿接近中心的平行線(其中的特征保證存在，例如取模板圖像的位置)取數(shù)據(jù)。
參數(shù)與晶片中心檢測(cè)中相同。注意，一個(gè)方向(在螺旋搜索的情況下為Y)的P％重疊將保證在網(wǎng)格(網(wǎng)格是其中數(shù)據(jù)實(shí)際上相對(duì)與其匹配FOV對(duì)應(yīng)的實(shí)際位置來提取)的最差情況下的一對(duì)FOV之間的(50％+P％/2)重疊區(qū)域。
以上所述技術(shù)提供許多有利特性。包括固定圖案(D/C噪聲)、時(shí)變圖案(A/C噪聲)和隨機(jī)噪聲等的噪聲可通過空間域中實(shí)現(xiàn)的新穎濾波器達(dá)到100％的消除。濾波器對(duì)于所使用的不同數(shù)據(jù)采用不同形式。一般來說，首先增強(qiáng)高頻空間特征的邊緣。只有強(qiáng)特征才能通過濾波器，而噪聲則不進(jìn)入此過程。然后，灰度級(jí)邊緣強(qiáng)度數(shù)據(jù)而不是原始密度/相位用于下列相關(guān)過程。
相關(guān)過程在速度和效率的傅立葉域中來實(shí)現(xiàn)。在大部分實(shí)施例中，快速傅立葉變換(FFT)用來實(shí)現(xiàn)傅立葉變換運(yùn)算。
各匹配的置信值的使用是有利的。這個(gè)置信值采用二維相關(guān)面的峰值圖案來定義。與相關(guān)系數(shù)一起，這個(gè)置信值提供對(duì)圖像匹配質(zhì)量的可靠測(cè)量。
提供一種用于從所需數(shù)量的視野(FOV)的全自動(dòng)搜索(與目標(biāo)對(duì)象的機(jī)械平移結(jié)合)直到匹配正確目標(biāo)為止的機(jī)制也是有利的。每次移動(dòng)的質(zhì)量通過在登記計(jì)算過程中定義的置信來測(cè)量，以及置信值還可用來接受匹配或拒絕它，并開始新的搜索。
自動(dòng)晶片旋轉(zhuǎn)校準(zhǔn)完全使任何晶片旋轉(zhuǎn)衰減的校正自動(dòng)化。這對(duì)于晶片檢驗(yàn)系統(tǒng)中的晶片設(shè)置是重要的。它減少了算子的設(shè)置時(shí)間，并實(shí)現(xiàn)晶片導(dǎo)航的所需精度。登記系統(tǒng)為檢驗(yàn)系統(tǒng)提供用于晶片校準(zhǔn)的健壯、可靠且有效的子系統(tǒng)。
所述方法提高了接受各種輸入數(shù)據(jù)的靈活性。在DDH晶片旋轉(zhuǎn)校準(zhǔn)的情況下，這種方法可接受五種主要數(shù)據(jù)格式，以及直接根據(jù)這些數(shù)據(jù)來計(jì)算登記參數(shù)a.復(fù)合頻率數(shù)據(jù)；b.復(fù)合空間數(shù)據(jù)；c.從全息圖中提取的幅度數(shù)據(jù)；d.從全息圖中提取的相位數(shù)據(jù)；以及e.僅密度數(shù)據(jù)。這種靈活性提供了開發(fā)整體上更可靠且有效的系統(tǒng)的可能性。
比較全息圖像本發(fā)明還包括用于為了標(biāo)識(shí)對(duì)象中的變化或者對(duì)象之間的差異而比較全息圖像的系統(tǒng)及方法。如圖8所示，一般表示為340的成像系統(tǒng)包括主要組件1)機(jī)械定位系統(tǒng)380，具有鏈接到系統(tǒng)控制計(jì)算機(jī)350的計(jì)算機(jī)控制；2)光系統(tǒng)370，用于創(chuàng)建全息圖，包括照明源；3)數(shù)據(jù)獲取及處理計(jì)算機(jī)系統(tǒng)360；4)處理算法，可用于在處理系統(tǒng)360中運(yùn)行；并且還可包括5)用于監(jiān)控子系統(tǒng)的系統(tǒng)(沒有明確示出)。
成像系統(tǒng)340通過以總共六個(gè)自由度(x，y，θ，z，翻轉(zhuǎn)，傾斜)定位光系統(tǒng)的視野(FOV)中的對(duì)象的一個(gè)示例，并采用獲取系統(tǒng)360獲取數(shù)字全息圖以及執(zhí)行第一級(jí)全息圖處理，來進(jìn)行工作。所得圖像波的中間表示可存儲(chǔ)在臨時(shí)緩沖器中。
然后，指示定位系統(tǒng)380移動(dòng)到具有FOV中的新對(duì)象的新位置，并重復(fù)初始獲取序列。定位系統(tǒng)用于新位置的坐標(biāo)從虛擬映射及檢驗(yàn)計(jì)劃中導(dǎo)出。這個(gè)步驟和獲取序列重復(fù)進(jìn)行，直至達(dá)到第一對(duì)象的第二示例。
距離測(cè)量裝置最好與定位系統(tǒng)380結(jié)合用于產(chǎn)生表示對(duì)象與測(cè)量裝置之間的距離的一組離散樣本。數(shù)學(xué)算法則用來產(chǎn)生具有查找功能的映射表，用于確定總共三個(gè)自由度(z，翻轉(zhuǎn)，傾斜)的目標(biāo)值，作為總共三個(gè)輸入坐標(biāo)(x，y，θ)的輸入給出。
在這一點(diǎn)上，光系統(tǒng)370獲取對(duì)象的第二示例的全息圖，它經(jīng)過處理以便產(chǎn)生圖像波的中間表示。第一示例的相應(yīng)表示從臨時(shí)緩沖器中檢索，并且兩個(gè)表示被對(duì)齊并濾波。通過對(duì)頻域中的對(duì)象的表示執(zhí)行唯一處理，可在這一點(diǎn)上實(shí)現(xiàn)許多益處。這兩個(gè)示例之間的比較(參考差異圖像描述)可以進(jìn)行，并且結(jié)果存儲(chǔ)在臨時(shí)緩沖器中。這個(gè)過程可對(duì)包含對(duì)象的第二示例的其它FOV重復(fù)進(jìn)行。
定位系統(tǒng)380到達(dá)對(duì)象的第三示例，并且先前兩個(gè)步驟(中間表示以及與第二示例的比較)完成。第一與第二示例之間的比較的結(jié)果從臨時(shí)緩沖器中檢索，并且噪聲抑制和源邏輯算法最好可應(yīng)用于所檢索的以及當(dāng)前比較。
然后可分析結(jié)果并產(chǎn)生匯總統(tǒng)計(jì)。這些結(jié)果被傳送給監(jiān)督控制器。當(dāng)獲取對(duì)象的新示例時(shí)，這個(gè)循環(huán)重復(fù)進(jìn)行。
產(chǎn)生復(fù)合圖像之間的差值本發(fā)明考慮產(chǎn)生兩個(gè)復(fù)合圖像之間的差值的變化。
可采用幅度差。首先，兩個(gè)復(fù)合圖像最好被轉(zhuǎn)換為幅度表示，并且計(jì)算所得幅度之間的差值的幅度(逐個(gè)像素)。在一個(gè)實(shí)施例中，這表示被成像的兩個(gè)表面之間的反射率的差異。
可采用相位差。首先，兩個(gè)復(fù)合圖像最好被轉(zhuǎn)換為相位表示，并且計(jì)算所得相位值之間的有效相位差(逐個(gè)像素)。這可以按照所述方式直接執(zhí)行，或者通過在兩個(gè)圖像已經(jīng)過幅度歸一化之后計(jì)算它們的逐個(gè)像素比率的相位來執(zhí)行。在一個(gè)實(shí)施例中，這表示被成像的兩個(gè)表面之間的高度差。
還可采用向量差。首先，兩個(gè)復(fù)合圖像在復(fù)合域中直接相減，然后計(jì)算所得復(fù)數(shù)差的幅度。這個(gè)差值以有利方式結(jié)合幅度差與相位差的示象。例如，在相位差可能為噪聲的情況下，幅度可能較小，因而減輕相位噪聲對(duì)所得向量差的影響。
校準(zhǔn)和比較兩個(gè)連續(xù)差值圖像本發(fā)明還考慮兩個(gè)連續(xù)差值圖像的校準(zhǔn)及比較，以便確定哪些差異是兩者共同的。將一個(gè)差值圖像移位以匹配另一個(gè)的數(shù)量通常由最初計(jì)算差值圖像所執(zhí)行的先前步驟中已知，即圖像A移位數(shù)量a以便匹配圖像B，并且產(chǎn)生差值圖像AB，同時(shí)圖像B移位數(shù)量b以便匹配圖像C，并且產(chǎn)生差值圖像BC。因此，將圖像BC移位以便匹配圖像AB的適當(dāng)數(shù)量為-b。下面描述確定兩個(gè)差值圖像共同具有的哪些差異的三種備選方法。
在一個(gè)實(shí)施例中，對(duì)差值圖像確定閾，然后兩個(gè)閾限制圖像其中之一移位適當(dāng)數(shù)量，四舍五入為最接近的完整像素。公共差值則通過移位及沒有移位的閾限制差值圖像的邏輯“與”(或乘法)表示。
在另一個(gè)實(shí)施例中，差值圖像在確定閾之前首先被移位適當(dāng)(子像素)數(shù)量，然后再對(duì)圖像確定閾。然后公共差通過上述邏輯“與”(或乘法)來計(jì)算。
在另一個(gè)實(shí)施例中，差值圖像中的一個(gè)在確定閾之前被移位適當(dāng)(子像素)數(shù)量并與第二圖像結(jié)合。兩個(gè)圖像的組合可以是幾個(gè)數(shù)學(xué)函數(shù)中的任一個(gè)，其中包括逐個(gè)像素算術(shù)平均和逐個(gè)像素幾何平均。在組合兩個(gè)差值圖像之后，對(duì)結(jié)果確定閾。
示例操作以下論述提供對(duì)本發(fā)明的示例操作的描述。首先，全息圖采用CCD照相機(jī)來獲取(如圖9和圖10所示)并存儲(chǔ)在存儲(chǔ)器中。對(duì)象波定義為 并且參考波為
忽略照相機(jī)的非線性以及噪聲，所記錄的全息圖的密度為 兩個(gè)波之間的相位差 定義為 并且表示兩條邊之間的角度的向量差 為Δk→=(k→A-k→B).]]>等式(1)簡(jiǎn)化為 其中，μ0表示相干因子。埃德加已經(jīng)證明了沿這些線的其它詳細(xì)情況。
在優(yōu)選實(shí)施例中，這個(gè)步驟可作為由數(shù)字全息成像系統(tǒng)本身進(jìn)行的直接圖像捕捉并傳送給存儲(chǔ)器來實(shí)現(xiàn)，或者通過從磁盤讀取已捕捉圖像在脫機(jī)程序中進(jìn)行模擬。在這個(gè)特定優(yōu)選實(shí)施例中，圖像作為16位灰度級(jí)被存儲(chǔ)，但采用實(shí)際范圍(0-4095)的12位，因?yàn)槟鞘钦障鄼C(jī)的完整范圍。
隨后，全息圖像最好經(jīng)過處理，以便提取從對(duì)象返回的復(fù)合波前，如圖11所示。在一個(gè)優(yōu)選實(shí)施例中，對(duì)所捕捉(以及可靠增強(qiáng))全息圖執(zhí)行快速傅立葉變換(FFT)。全息圖密度的FFT表示為 隨后，找到全息圖像的載頻。在一個(gè)實(shí)施例中，這首先要求邊帶集中的頻率(如圖12所示)必須被設(shè)置，以便適當(dāng)?shù)馗綦x邊帶。這可對(duì)所處理的第一全息圖以及用于所有后續(xù)圖像的相同位置進(jìn)行，或者載頻可對(duì)每個(gè)單個(gè)全息圖重新設(shè)置。首先，查找來自等式(2)的全息圖FFT的位置q→=Δk→]]>(或q→=-Δk→).]]>由于邊帶的模數(shù)在這兩個(gè)位置呈現(xiàn)峰值，因此可通過搜索離開q→=0]]>的FFT{Ihol}的模數(shù)，來找到預(yù)期位置。
在一些實(shí)施例中，邊帶的搜索區(qū)域定義為參數(shù)。全息圖FFT的模數(shù)在所定義區(qū)域中計(jì)算，并且最大點(diǎn)的位置被選擇作為載頻。在所有實(shí)現(xiàn)中，搜索區(qū)域可指定為受關(guān)注區(qū)域(最大和最小x及y值)。
在特定實(shí)施例中，通過FFT模數(shù)在找到的最大值區(qū)域中的內(nèi)插，載頻計(jì)算到子像素精度。為了校正載頻的子像素位置，F(xiàn)FT則在隔離邊帶之后通過僅相位函數(shù)來調(diào)制。
邊帶的搜索區(qū)域可指定為傅立葉域中的受關(guān)注區(qū)域或者指定為在傅立葉域中沒有搜索的、離開x和y軸的像素?cái)?shù)量。在一些實(shí)施例中，這個(gè)參數(shù)可有選擇地修改?；蛘撸脩艨梢钥蛇x地設(shè)置邊帶的手動(dòng)位置，它將載頻位置設(shè)置為用于所有圖像的固定值。(在特定實(shí)施例中，通過將搜索區(qū)域設(shè)置為單點(diǎn)，可實(shí)現(xiàn)相同效果。)對(duì)于檢驗(yàn)系列，載頻可假定是穩(wěn)定的，因此不需要對(duì)每個(gè)全息圖重新計(jì)算。載頻可找到一次，并且那個(gè)頻率在相同檢驗(yàn)中用于所有后續(xù)全息圖。
在定位邊帶之后，集中于載頻的全息圖FFT的象限被提取，如圖13所示。邊帶象限的這種隔離從等式(3)中減少邊帶項(xiàng)其中之一，并對(duì)它調(diào)制以消除對(duì) 的相關(guān)性 這個(gè)步驟的實(shí)現(xiàn)是簡(jiǎn)單的。注意，在一些實(shí)施例中，象限沒有從FFT中提取，而是FFT重新集中于載頻并保持其原始分辨率。
然后，所提取的邊帶可經(jīng)過濾波。在特定實(shí)施例中，巴特沃思低通濾波器應(yīng)用于所提取邊帶，以便從自相關(guān)頻帶中減小任何混淆的影響以及減小圖像中的噪聲。
低通濾波器 應(yīng)用于邊帶，如圖14所示。已濾波邊帶是我們希望重構(gòu)的復(fù)合圖像波 的FFT
FFT{ψ(r→)}=sideband·H(q→)---(5)]]>巴特沃思低通濾波器由下式定義H(q→)=11+(|q→|/qc)2N---(6)]]>其中，qc為濾波器的截止頻率(即，自其中的濾波器增益降低到處其值一半的濾波器中心的距離)，并且N為濾波器的階(即濾波器截止的速度)。
在使用離軸照度的實(shí)施例中，低通濾波器可能需要偏心移動(dòng)，以便更精確地捕捉邊帶信息。設(shè) 表示我們希望設(shè)置濾波器中心的位置(偏移向量)，則巴特沃思濾波器的等式為H(q→)=11+(|q→-q→off|/qc)2N---(7)]]>在優(yōu)選實(shí)施例中，巴特沃思濾波器對(duì)于給定參數(shù)和圖像大小應(yīng)當(dāng)只計(jì)算一次，并存儲(chǔ)用于各圖像。
在優(yōu)選實(shí)施例中，又稱作濾波器“大小”或“半徑”的截止頻率以及濾波器的階必須被指定。
如果需要離軸濾波器，則濾波器中心的偏移向量還應(yīng)當(dāng)被指定；這個(gè)參數(shù)還應(yīng)當(dāng)是有選擇可調(diào)整的。在一個(gè)優(yōu)選實(shí)施例中，表明是否使用低通濾波器或帶通濾波器的標(biāo)志可允許用來選擇處理軟件中所采用的濾波器類型。
在一些實(shí)施例中，處理軟件程序具有采用帶通濾波器代替低通濾波器的能力。采用帶通濾波器已經(jīng)表明改進(jìn)特定缺陷晶片的缺陷檢測(cè)性能。帶通濾波器實(shí)現(xiàn)為巴特沃思低通和高通濾波器的一系列乘法；高通濾波器可定義為“一減低通濾波器”，并且指定與低通濾波器相同的參數(shù)類型。
隨后，對(duì)已濾波邊帶執(zhí)行傅立葉逆變換(IFFT)，以便導(dǎo)出復(fù)合圖像波，從而分別產(chǎn)生幅度圖像和相位圖像，如圖15和圖16所示。已濾波邊帶的IFFT產(chǎn)生ψ(r→)=μ0A(r→)B(r→)eiΔψ(r→)---(8)]]>其中已經(jīng)假定，低通濾波器的孔徑完全隔離邊帶。實(shí)際上，這是不可能的，但該假設(shè)是實(shí)現(xiàn)易處理表達(dá)所需的，并且等式(7)沒有適當(dāng)?shù)乇硎窘Y(jié)果。
如果所得復(fù)合圖像的相位不是足夠平坦(即，圖像上存在若干相位纏繞)，則可應(yīng)用平面場(chǎng)校正以改進(jìn)結(jié)果。這包括將復(fù)合圖像除以參考平面(鏡像)的復(fù)合圖像，以便校正照明亮度以及(尤其是)背景相位的變化。
首先， 表示參考平面全息圖的復(fù)合圖像(按照以上所述進(jìn)行處理)。平面場(chǎng)校正全息圖為ψ′(r→)=ψ(r→)φ(r→)---(9)]]>為了實(shí)現(xiàn)這個(gè)步驟，在先前檢驗(yàn)過程中，平面場(chǎng)全息圖被處理為復(fù)合圖像。那個(gè)圖像被存儲(chǔ)并從該過程逐個(gè)像素分為各復(fù)合圖像。用來產(chǎn)生復(fù)合圖像的參數(shù)(邊帶搜索區(qū)域和濾波器參數(shù))對(duì)于平面場(chǎng)全息圖通常與對(duì)于檢驗(yàn)全息圖相同。
參考平面校正密度以及相位，因此，從等式(8)產(chǎn)生的結(jié)果模數(shù)圖像 對(duì)于查看或者僅幅度處理算法可能不是很有用。這個(gè)問題可通過將參考平面圖像 修改成在每個(gè)像素具有單位模數(shù)來減小。然后平面場(chǎng)校正僅校正檢驗(yàn)圖像中的非平面相位。
差值運(yùn)算差值運(yùn)算是標(biāo)識(shí)兩個(gè)相應(yīng)復(fù)合圖像之間的差異所需的。執(zhí)行差值運(yùn)算的一個(gè)優(yōu)選方法如以下所述。
在獲得兩個(gè)復(fù)合圖像之后，兩個(gè)圖像經(jīng)過對(duì)齊，使得兩個(gè)圖像的直接減法將顯示兩者之間的任何差異。在此實(shí)施例中，登記算法基于兩個(gè)圖像的互相關(guān)。由于登記算法基于兩個(gè)圖像的互相關(guān)，因此，通過從圖像中消除DC電平和低頻變化，可提高性能。這允許銳邊和特征的高頻內(nèi)容比低頻變化的任何校準(zhǔn)更為突出。
巴特沃思高通濾波器 可應(yīng)用于(在頻域中)要登記的復(fù)合圖像ψ1和ψ2的每個(gè)Ψn(q→)=FFT{ψn}=sideband·H(q→)·HHP(q→)---(10)]]>這有效地對(duì)圖像進(jìn)行帶通濾波。高通濾波器HHP定義為HHP(q→)=1-11+(|q→|/qc)2N---(11)]]>高通濾波步驟的實(shí)現(xiàn)是簡(jiǎn)單的。所用的高通濾波器的大小可以是用戶定義的，或者作為以上應(yīng)用的低通濾波器的大小的固定百分比來確定。高通濾波器最好是計(jì)算一次，并存儲(chǔ)應(yīng)用于每個(gè)圖像。
高通濾波器HHP的截止頻率和階可由用戶指定，或者固定為與低通濾波器參數(shù)的預(yù)定關(guān)系。在一些實(shí)施例中，可能希望將這個(gè)步驟的參數(shù)限制到與低通濾波器參數(shù)的固定關(guān)系，以便減少用戶變量的數(shù)量。
濾波之后，計(jì)算兩個(gè)圖像的互相關(guān)?；ハ嚓P(guān)表面的峰值最好出現(xiàn)于圖像之間的正確登記偏移的位置。
兩個(gè)帶通濾波圖像之間的互相關(guān) 通過取第一圖像與第二圖像的軛之積的傅立葉逆變換來計(jì)算γn,n+1(r→)=IFFT{Ψn(q→)·Ψn+1*(q→)}---(12)]]>兩個(gè)圖像之間的登記偏差對(duì)應(yīng)于互相關(guān)表面達(dá)到其最大值的位置。兩個(gè)圖像之間的登記偏差為值 表示為 對(duì)于它 為最大。對(duì)于最大值搜索集中于互相關(guān)的原點(diǎn)的區(qū)域。一旦找到最大值的位置，二次曲面適合集中于那個(gè)位置的3×3鄰近區(qū)域，并且適合曲面的峰值的子像素位置用作子像素登記偏差。二次曲面的方程為
ax2+bxy+cy2+dx+ey+f＝0(13)系數(shù)a、b、c、d、e和f的值經(jīng)由矩陣解例程來計(jì)算。計(jì)算對(duì)于項(xiàng)x2、xy等的3×3鄰近區(qū)域中的值的9×6矩陣(A)，并且形成(未知)系數(shù)z→=abcdefT]]>的6×1向量。與各位置對(duì)應(yīng)的互相關(guān)的值代入9×1向量h→=[|γ(r1→)||γ(r2→)|···]T.]]>矩陣A的形式為A=x12x1y1y12x1y11x22x2y2y22x2y21··················x92x9y9y92x9y91---(14)]]>濾波表面的系數(shù)則通過解 的方程(14)來尋找A·z→=h→---(15)]]>二次曲面的最大值的位置(xmax，ymax)則由系數(shù) 來計(jì)算，并用作子像素登記偏差值。
xmax=2c·d-b·eb2-4a·c---(16)]]>ymax=2a·e-b·db2-4a·c---(17)]]>互相關(guān)表面為最大值的位置的確定可通過幾種不同方式來實(shí)現(xiàn)。在一個(gè)實(shí)現(xiàn)中，可通過將二次曲面適合集中于最大值的3×3鄰近區(qū)域，并查找適合表面的最大值的位置，來執(zhí)行內(nèi)插。在另一個(gè)實(shí)現(xiàn)中，存在分別采用各方向(x和y)上的三個(gè)點(diǎn)來執(zhí)行這種內(nèi)插的選項(xiàng)。
最大登記偏差通常必須被指定，往往指定為圖像可相對(duì)彼此移動(dòng)以實(shí)現(xiàn)校準(zhǔn)的任何方向上的像素的最大數(shù)量。
主要描述的登記移位確定完成登記過程。注意，這個(gè)過程一般符合以上更詳細(xì)說明的登記過程。
確定兩個(gè)圖像之間的登記移位之后，第一圖像移位那個(gè)數(shù)量以便將其對(duì)齊第二圖像。圖像 移位登記數(shù)量 ψn′(r→)=ψn(r→-r→max)---(18)]]>由于登記移位 通常為非整數(shù)值，因此必須選擇內(nèi)插抽樣圖像的方法。用于內(nèi)插的兩種優(yōu)選方法是雙線性內(nèi)插和頻域內(nèi)插。雙線性內(nèi)插采用對(duì)預(yù)期子像素位置的四個(gè)最近完整像素在空間域中執(zhí)行。假定希望查找位置(x+Δx，y+Δy)處的ψ的內(nèi)插值，其中，x和y是整數(shù)，且0≤x＜1以及0≤y＜1。雙線性內(nèi)插值計(jì)算為ψ(x+Δx，y+Δy)＝(1-Δx)·[(1-Δy·ψ(x，y)+Δy·ψ(x，y+1)]+Δx·[(1-Δy)·ψ(x+1，y)+Δy·ψ(x+1，y+1)](19)頻域內(nèi)插采用傅立葉變換的基本移位屬性來執(zhí)行ψ(x+Δx，y+Δy)＝IFFT{ψ(u，v)·e-12π(Δx·u+Δy·v)}(20)對(duì)于等式(19)，Δx和Δy的范圍沒有限制。
被比較的兩個(gè)圖像必須經(jīng)過歸一化，使得當(dāng)相減時(shí)，它們的幅度和相位將對(duì)齊并產(chǎn)生接近零的結(jié)果，除了在缺陷處。有兩種主要方法用來對(duì)復(fù)合圖像歸一化。在稱作“復(fù)合歸一化”的第一種最簡(jiǎn)單的方法中，一對(duì)中的第一圖像通過將它與兩個(gè)圖像的復(fù)合平均的比率相乘被歸一化到第二個(gè)。圖像的復(fù)合平均值定義為μψ=1N2(Σr→Re{ψ(r→)}+i·Σr→lm{ψ(r→)})---(21)]]>其中，N2為圖像中的像素?cái)?shù)量。將圖像 歸一化到 的等式為ψn′′(r→)=μψn+1μψn·ψn′(r→)]]>在稱作“幅度-相位歸一化”的第二種方法中，圖像的幅度和相位直接對(duì)齊，而不是實(shí)部與虛部。首先，計(jì)算圖像幅度的平均值
μ|ψ|=1N2Σr→|ψ(r→)|---(22)]]>其次，計(jì)算兩個(gè)圖像之間的相位偏移。計(jì)算兩個(gè)圖像之間的相位差∠ψn+1-∠ψn′=∠(ψn+1ψn′)=tan-1(ψn+1ψn′)]]>為了查找相位偏移，需要計(jì)算將在圖像中產(chǎn)生最少相位躍變的這個(gè)相位差值圖像的相位偏移。由于預(yù)計(jì)這個(gè)圖像相當(dāng)均勻，因此更可靠地查找導(dǎo)致最大相位躍變數(shù)量的相位偏移，然后斷定正確的相位偏移為與那一個(gè)的π半徑偏移。結(jié)果是相位偏移Δφ，它將與幅度平均比率配合用于將第一圖像歸一化到第二個(gè)ψn+1′′(r→)=μ|ψn+1|μ|ψn′|·ψn′(r→)·e-iΔφ---(23)]]>這個(gè)步驟的實(shí)現(xiàn)從數(shù)學(xué)描述上是相當(dāng)簡(jiǎn)單的。幅度-相位歸一化往往是更為計(jì)算密集的，并且采用在波前匹配步驟時(shí)可能是不必要的。如果采用了波前匹配，則根本不需要執(zhí)行歸一化步驟，因?yàn)椴ㄇ捌ヅ涫且环N形式的歸一化。
波前匹配將第二圖像的相位調(diào)整圖像之間的相位比的濾波形式，以便從相位異常導(dǎo)致的差值圖像中消除低頻變化。首先，圖像之間的相位差通過兩個(gè)復(fù)合圖像相除來查找ρ(r→)=ψn′′(r→)ψn+1(r→)---(24)]]>然后在頻域中采用具有極低截止頻率的濾波器對(duì)這個(gè)比較進(jìn)行低通濾波ρfilt(r→)=IFFT{FFT{ρ(r→)}·L(r→)}---(25)]]>其中， 是具有六個(gè)像素的截止頻率的三階巴特沃思濾波器。這個(gè)濾波比用來修改第二圖像，使得相位差中的低頻變化最小
ψ~n+1(r→)=ψn+1(r→)·ρfilt(r→)---(26)]]>這個(gè)步驟的實(shí)現(xiàn)采用以上等式是簡(jiǎn)單的。這個(gè)步驟中使用的低通濾波器的階和截止頻率是固定的。另外還要注意，在一個(gè)優(yōu)選實(shí)施例中，第二圖像是經(jīng)過此算法修改的一個(gè)而不是第一個(gè)。這將使比率因邊界像素上的分母中的零值而是未確定的情況下的像素的數(shù)量最少。
在一些情況下，對(duì)圖像移位時(shí)處理邊界像素的實(shí)現(xiàn)之間的差異可能使這個(gè)步驟在整個(gè)圖像上傳播差異。直到及除非移位過程中邊界像素的處理在各種實(shí)現(xiàn)中相同，否則波前匹配步驟將導(dǎo)致整個(gè)圖像中的差異。這些差異通常相當(dāng)小。另外，波前匹配可能因FFT的周期性假設(shè)而導(dǎo)致邊界附近的偽像。這些偽像的影響可能超出排除在缺陷之外的邊界區(qū)域。
然后，計(jì)算兩個(gè)已登記歸一化相位校正圖像之間的向量差，如圖17中的第一差值圖像并且圖18中的第二差值圖像所示。圖像之間的差為|Δψn+1,l(r→)|=|ψ~n+1(r→)-ψn′′(r→)|---(27)]]>這個(gè)步驟的實(shí)現(xiàn)是簡(jiǎn)單的。注意，在備選實(shí)施例中，相位差和幅度差也可用來檢測(cè)缺陷。
差值圖像的邊緣附近的像素設(shè)置為零，以便排除那些區(qū)域中的缺陷檢測(cè)，它們易于產(chǎn)生偽像。圖像的各邊的像素的指定數(shù)量之內(nèi)的向量差值圖像中的每個(gè)像素設(shè)置為零。這要求要清零的各邊的像素?cái)?shù)量必須被指定。在一些實(shí)施例中，像素?cái)?shù)量取為等于像素中最大允許登記移位。
缺陷檢測(cè)對(duì)向量差值圖像確定閾，以便表明每對(duì)圖像之間的可能缺陷的位置，如圖19和圖20所示。計(jì)算向量差值圖像 的標(biāo)準(zhǔn)偏差。閾值以標(biāo)準(zhǔn)偏差的用戶指定倍數(shù)來設(shè)置，并且差值圖像以那個(gè)值來確定閾δn+1,n(r→)=1,|Δψn+1,n(r→)|>kσ0,|Δψn+1,n(r→)|≤kσ---(28)]]>初始閾值根據(jù)整個(gè)差值圖像的標(biāo)準(zhǔn)偏差來計(jì)算。在一個(gè)實(shí)現(xiàn)中，通過重算排除了閾值以上的像素的標(biāo)準(zhǔn)偏差，直到?jīng)]有其它變化，來重復(fù)修改閾。這有效地降低了具有許多缺陷、有時(shí)具有相當(dāng)多缺陷的圖像的閾。在一個(gè)優(yōu)選實(shí)施例中，以其來對(duì)圖像確定閾的標(biāo)準(zhǔn)偏差的倍數(shù)由用戶指定。
然后，對(duì)齊用來確定缺陷源自哪個(gè)圖像的兩個(gè)確定閾的差值圖像。由于任何對(duì)的第一圖像與該對(duì)的第二圖像對(duì)齊，因此兩個(gè)所得差值圖像處于不同參考幀中。在互相比較的三個(gè)復(fù)合圖像ψ1、ψ2和ψ3的序列中，第一確定閾差值δ2，1與ψ2對(duì)齊，并且第二差值δ3，2與ψ3對(duì)齊。由于這兩個(gè)確定閾的差值圖像將產(chǎn)生圖像ψ2的缺陷，因此圖像δ3，2必須移位，使得它與ψ2對(duì)齊。由于確定閾圖像的二進(jìn)制性質(zhì)，只需要將圖像對(duì)齊到完整像素精度。圖像ψ2和ψ3之間的登記移位已經(jīng)從先前到子像素精度的計(jì)算中已知；這個(gè)移位 四舍五入到最接近的完整像素(表示為 并以與它先前的應(yīng)用(將圖像2移位到與圖像3對(duì)齊)相反的方向應(yīng)用到δ3，2δ3,2′(r→)=δ3,2(r→+r→max′)---(29)]]>這個(gè)步驟的實(shí)現(xiàn)是簡(jiǎn)單的。
隨后，邏輯“與”運(yùn)算應(yīng)用于對(duì)齊的確定閾差值圖像，以便消除沒有出現(xiàn)在兩個(gè)圖像中的任何檢測(cè)到的缺陷，如圖21所示。這減少了假正片缺陷的數(shù)量，并將缺陷分配到序列中的適當(dāng)圖像。
當(dāng)圖像ψ2與相應(yīng)圖像ψ1和ψ3比較時(shí)所發(fā)現(xiàn)的圖像ψ2中的缺陷由下式給出d2(r→)=δ2,1(r→)∩δ3,2′(r→)---(30)]]>在一個(gè)特定實(shí)施例中，邏輯“與”實(shí)現(xiàn)為兩個(gè)確定閾圖像的乘法，因?yàn)樗鼈兊闹迪拗茷?或者1。
在一個(gè)備選實(shí)施例中，以上步驟可重新排序，使得校準(zhǔn)和邏輯“與”步驟在確定閾之前執(zhí)行，可用子像素校準(zhǔn)來代替，并且邏輯“與”步驟變?yōu)檎鎸?shí)乘法。
在一些實(shí)施例中，所得缺陷區(qū)域可在它們降低到某個(gè)大小閾值以下時(shí)被丟棄。另外，對(duì)缺陷區(qū)域的形態(tài)操作可用來“清理”它們的形狀。形狀修改可實(shí)現(xiàn)為數(shù)學(xué)形態(tài)操作，即形態(tài)閉合。這個(gè)算子描述如下。
設(shè)K表示算子的結(jié)構(gòu)元素(或核心)。定義對(duì)稱集合K~={-r→:r→∈K},]]>它是K在原點(diǎn)附近的反映。集合到點(diǎn) 的平移由下標(biāo)表示；例如，平移到點(diǎn) 的集合K為 。集合處理形態(tài)erosion(侵蝕)和dilation(擴(kuò)展)由下式定義侵蝕dΘK~={s→:Ks→⊆d(s→)}=∩r→∈Kd(-r→)---(31)]]>擴(kuò)展 符號(hào)Θ和分別表示Minkowski減法和Minkowski加法。二進(jìn)制圖像d的侵蝕具有真實(shí)像素，其中結(jié)構(gòu)元素K可被平移，同時(shí)完全保留在真實(shí)像素的原始區(qū)域中。d的擴(kuò)展為真，其中K可被平移，并且仍然在一點(diǎn)或多點(diǎn)與d的真實(shí)點(diǎn)相交。
形態(tài)斷開和閉合操作是侵蝕和擴(kuò)展的序列應(yīng)用，如下所示斷開d·K(r→)=[(dΘK~)⊕K](r→)---(33)]]>閉合d·K(r→)=[(d⊕K)ΘK](r→)---(34)]]>
具有正方形核心(K)的形態(tài)閉合是對(duì)于缺陷映射d的形狀修改的最可能的操作。
大小限制可通過對(duì)每個(gè)連接分量中的像素?cái)?shù)量計(jì)數(shù)來實(shí)現(xiàn)。這個(gè)步驟可能與連接的分量分析結(jié)合。在一個(gè)實(shí)施例中，形狀修改利用數(shù)學(xué)形態(tài)操作，尤其是具有3×3正方形核心的形態(tài)閉合。
在一個(gè)優(yōu)選實(shí)施例中，要必須對(duì)大小限制操作指定要接受的最小缺陷大小。在一些實(shí)施例中，這個(gè)參數(shù)可以是用戶修改的。對(duì)于形狀修改操作，核心的大小和形狀加上形態(tài)算子的類型必須由用戶指定。另外，用戶還可指定是否完全使用形狀修改。
所得缺陷圖像 中具有非零像素的區(qū)域被轉(zhuǎn)換為“連接分量”描述。連接分量例程最好查找在x方向連續(xù)的缺陷簇。一旦線性缺陷串被標(biāo)識(shí)，它與在y方向上可能接觸的其它斑點(diǎn)合并。合并涉及重新定義完全包含缺陷簇的最小邊界長(zhǎng)方形。例如50個(gè)缺陷的限制可施加到檢測(cè)例程中，以便提高效率。如果在任何點(diǎn)，缺陷標(biāo)志超過極限加容限，則分析中止。一旦整個(gè)圖像被掃描，則合并程序連續(xù)地重復(fù)進(jìn)行，直到缺陷沒有增加。
連接分量則表示為幅度圖像，如圖22所示，或者表示為相位圖像，如圖23所示。在一個(gè)實(shí)施例中，連接分量映射到結(jié)果文件中，并且計(jì)算缺陷的基本統(tǒng)計(jì)。在一個(gè)特定實(shí)施例中，僅上報(bào)缺陷的邊界長(zhǎng)方形的坐標(biāo)。
雖然已經(jīng)詳細(xì)描述了所公開的實(shí)施例，但應(yīng)當(dāng)理解，可對(duì)實(shí)施例進(jìn)行各種變化、替換和變更，而沒有背離其精神和范圍。
權(quán)利要求
1.一種用于登記相應(yīng)密度圖像的方法，包括提供第一密度圖像；提供第二相應(yīng)密度圖像；對(duì)所述第一密度圖像和所述第二密度圖像分別執(zhí)行邊緣增強(qiáng)運(yùn)算；對(duì)所述第一密度圖像和所述第二密度圖像分別執(zhí)行噪聲消除確定閾運(yùn)算；采用傅立葉變換分別變換所述第一密度圖像和所述第二密度圖像；采用第一密度圖像和所述第二密度圖像計(jì)算相干函數(shù)；采用傅立葉逆變換來變換所述相干函數(shù)；對(duì)所述已變換相干函數(shù)執(zhí)行幅度運(yùn)算；根據(jù)所述幅度運(yùn)算計(jì)算置信值；以及采用所述計(jì)算置信值來確定所述第一密度圖像與所述登記之間的對(duì)應(yīng)的可接受性。
2.如權(quán)利要求1所述的方法，其特征在于還包括采用數(shù)字全息成像系統(tǒng)來提供所述第一密度圖像和所述第二密度圖像。
3.如權(quán)利要求1所述的方法，其特征在于，計(jì)算所述置信值的步驟采用至少一個(gè)所標(biāo)識(shí)相干峰值。
4.如權(quán)利要求1所述的方法，其特征在于，計(jì)算所述置信值的步驟還包括確定第一相干峰值與第二峰值之間的強(qiáng)度的差異。
5.一種用于登記全息圖像的方法，包括提供第一全息圖像和第二相應(yīng)全息圖像；采用傅立葉變換分別變換所述第一全息圖像和所述第二全息圖像；對(duì)所述所得第一全息圖像和所述第二全息圖像分別執(zhí)行邊帶提取運(yùn)算；采用帶通濾波器分別對(duì)所述所得第一全息圖像和所述第二全息圖像濾波；采用傅立葉逆變換分別變換所述所得第一全息圖像和所述第二全息圖像；對(duì)所述所得第一全息圖像和所述第二全息圖像分別執(zhí)行幅度運(yùn)算；對(duì)所述所得第一全息圖像和所述第二全息圖像分別執(zhí)行噪聲消除確定閾；采用傅立葉變換分別變換所述所得第一全息圖像和所述第二全息圖像；計(jì)算所述所得第一全息圖像和所述第二全息圖像的相干函數(shù)；采用傅立葉逆變換來變換所述相干函數(shù)；對(duì)所述所得已變換相干函數(shù)執(zhí)行幅度運(yùn)算；根據(jù)所述幅度運(yùn)算計(jì)算置信值；以及根據(jù)所述置信值來確定所述第一全息圖像與所述第二全息圖像之間的對(duì)應(yīng)的可接受性。
6.如權(quán)利要求5所述的方法，其特征在于還包括采用數(shù)字全息成像系統(tǒng)來提供所述第一全息圖像和所述第二全息圖像。
7.如權(quán)利要求5所述的方法，其特征在于，計(jì)算所述置信值的步驟采用至少一個(gè)所標(biāo)識(shí)相干峰值。
8.如權(quán)利要求5所述的方法，其特征在于，計(jì)算所述置信值的步驟還包括確定第一相干峰值與第二峰值之間的強(qiáng)度的差異。
9.一種用于登記全息圖像的方法，包括提供第一全息圖像和第二相應(yīng)全息圖像；采用傅立葉變換分別變換所述第一全息圖像和所述第二全息圖像；對(duì)所述所得第一全息圖像和所述第二全息圖像分別執(zhí)行邊帶提取運(yùn)算；采用低通濾波器分別對(duì)所述所得第一全息圖像和所述第二全息圖像濾波；采用傅立葉逆變換分別變換所述所得第一全息圖像和所述第二全息圖像；對(duì)所述所得第一全息圖像和所述第二全息圖像分別執(zhí)行相位運(yùn)算；對(duì)所述所得第一全息圖像和所述第二全息圖像分別執(zhí)行相位已知邊緣增強(qiáng)運(yùn)算；對(duì)所述所得第一全息圖像和所述第二全息圖像分別執(zhí)行噪聲消除確定閾；采用傅立葉變換分別變換所述所得第一全息圖像和所述第二全息圖像；計(jì)算所述所得第一全息圖像和所述第二全息圖像的相干函數(shù)；采用傅立葉逆變換來變換所述相干函數(shù)；對(duì)所述所得已變換相干函數(shù)執(zhí)行幅度運(yùn)算；根據(jù)所述幅度運(yùn)算計(jì)算置信值；以及根據(jù)所述置信值來確定所述第一全息圖像與所述第二全息圖像之間的對(duì)應(yīng)的可接受性。
10.如權(quán)利要求9所述的方法，其特征在于還包括采用數(shù)字全息成像系統(tǒng)來提供所述第一全息圖像和所述第二全息圖像。
11.如權(quán)利要求9所述的方法，其特征在于，計(jì)算所述置信值的步驟采用至少一個(gè)所標(biāo)識(shí)相干峰值。
12.如權(quán)利要求9所述的方法，其特征在于，計(jì)算所述置信值的步驟還包括確定第一相干峰值與第二峰值之間的強(qiáng)度的差異。
13.一種用于登記全息圖像的方法，包括提供第一全息圖像和第二相應(yīng)全息圖像；采用傅立葉變換分別變換所述第一全息圖像和所述第二全息圖像；對(duì)所述所得第一全息圖像和所述第二全息圖像分別執(zhí)行邊帶提取運(yùn)算；采用帶通濾波器分別對(duì)所述所得第一全息圖像和所述第二全息圖像濾波；計(jì)算所述所得第一全息圖像和所述第二全息圖像的相干函數(shù)；采用傅立葉逆變換來變換所述相干函數(shù)；對(duì)所述所得已變換相干函數(shù)執(zhí)行幅度運(yùn)算；根據(jù)所述幅度運(yùn)算計(jì)算置信值；以及根據(jù)所述置信值來確定所述第一全息圖像與所述第二全息圖像之間的對(duì)應(yīng)的可接受性。
14.如權(quán)利要求13所述的方法，其特征在于還包括采用數(shù)字全息成像系統(tǒng)來提供所述第一全息圖像和所述第二全息圖像。
15.如權(quán)利要求13所述的方法，其特征在于，計(jì)算所述置信值的步驟采用至少一個(gè)所標(biāo)識(shí)相干峰值。
16.如權(quán)利要求13所述的方法，其特征在于，計(jì)算所述置信值的步驟還包括確定第一相干峰值與第二峰值之間的強(qiáng)度的差異。
17.一種用于登記全息圖像的方法，包括提供第一全息圖像和第二相應(yīng)全息圖像；采用傅立葉變換分別變換所述第一全息圖像和所述第二全息圖像；對(duì)所述所得第一全息圖像和所述第二全息圖像分別執(zhí)行邊帶提取運(yùn)算；采用帶通濾波器分別對(duì)所述所得第一全息圖像和所述第二全息圖像濾波；計(jì)算所述所得第一全息圖像和所述第二全息圖像的所述共軛乘積；采用傅立葉逆變換來變換所述共軛乘積；對(duì)所述所得已變換共軛乘積執(zhí)行幅度運(yùn)算；根據(jù)所述幅度運(yùn)算計(jì)算置信值；以及根據(jù)所述置信值來確定所述第一全息圖像與所述第二全息圖像之間的對(duì)應(yīng)的可接受性。
18.如權(quán)利要求17所述的方法，其特征在于還包括采用數(shù)字全息成像系統(tǒng)來提供所述第一全息圖像和所述第二全息圖像。
19.如權(quán)利要求17所述的方法，其特征在于，計(jì)算所述置信值的步驟采用至少一個(gè)所標(biāo)識(shí)相干峰值。
20.如權(quán)利要求17所述的方法，其特征在于，計(jì)算所述置信值的步驟還包括確定第一相干峰值與第二峰值之間的強(qiáng)度的差異。
21.一種用于登記全息圖像的方法，包括提供第一全息圖像和第二相應(yīng)全息圖像；采用傅立葉變換分別變換所述第一全息圖像和所述第二全息圖像；對(duì)所述所得第一全息圖像和所述第二全息圖像分別執(zhí)行邊帶提取運(yùn)算；采用帶通濾波器分別對(duì)所述所得第一全息圖像和所述第二全息圖像濾波；計(jì)算所述所得第一全息圖像和所述第二全息圖像的所述共軛乘積；采用傅立葉逆變換來變換所述共軛乘積；對(duì)所述所得已變換共軛乘積執(zhí)行幅度運(yùn)算；以及對(duì)所述所得幅度圖像執(zhí)行整數(shù)平移和子像素建模運(yùn)算。
22.如權(quán)利要求21所述的方法，其特征在于還包括采用數(shù)字全息成像系統(tǒng)來提供所述第一全息圖像和所述第二全息圖像。
23.一種用于在數(shù)字全息成像系統(tǒng)中登記測(cè)試全息圖像和參考全息圖像的方法，包括從所述測(cè)試圖像提供測(cè)試邊帶以及從所述參考圖像提供參考邊帶；采用帶通濾波器分別對(duì)所述測(cè)試邊帶和所述參考邊帶濾波；計(jì)算所述所得測(cè)試邊帶和參考邊帶的所述共軛乘積；采用傅立葉逆變換來變換所述共軛乘積；對(duì)所述所得已變換共軛乘積執(zhí)行幅度運(yùn)算；以及對(duì)所述所得幅度圖像執(zhí)行整數(shù)平移和子像素建模運(yùn)算。
24.如權(quán)利要求23所述的方法，其特征在于還包括采用數(shù)字全息成像系統(tǒng)來提供所述測(cè)試全息圖像和所述參考全息圖像。
25.一種用于比較相應(yīng)全息圖像的方法，包括獲取第一全息圖像；獲取與所述第一全息圖像對(duì)應(yīng)的第二全息圖像；比較所述第一全息圖像和所述第二全息圖像，并獲取第一差值圖像描述；獲取與所述第二全息圖像對(duì)應(yīng)的第三全息圖像；比較所述第二全息圖像和所述第三全息圖像，并獲取第二差值圖像描述；以及比較所述第一差值圖像和所述第二差值圖像描述。
26.如權(quán)利要求25所述的方法，其特征在于還包括在所述頻域中比較所述第一全息圖像、所述第二全息圖像和所述第三全息圖像。
27.如權(quán)利要求25所述的方法，其特征在于還包括在所述空間域中比較所述第一全息圖像、所述第二全息圖像和所述第三全息圖像。
28.一種用于產(chǎn)生第一復(fù)合圖像與第二相應(yīng)復(fù)合圖像之間的差異的方法，包括將所述第一復(fù)合圖像和所述第二復(fù)合圖像轉(zhuǎn)換為幅度表示；以及計(jì)算所述所得幅度表示之間的差異的幅度。
29.一種用于產(chǎn)生第一復(fù)合圖像與相應(yīng)的第二復(fù)合圖像之間的相位差的方法，包括將所述第一復(fù)合圖像和所述第二復(fù)合圖像轉(zhuǎn)換為第一相位圖像和第二相位圖像；以及計(jì)算所述第一相位圖像與所述第二相位圖像之間的有效相位差。
30.一種用于產(chǎn)生第一復(fù)合圖像與第二相應(yīng)復(fù)合圖像之間的差異的方法，包括在所述復(fù)數(shù)域中將所述第一復(fù)合圖像與所述第二復(fù)合圖像相減；以及計(jì)算所述所得復(fù)數(shù)差值的幅度。
31.一種用于在數(shù)字全息成像系統(tǒng)中確定差值圖像之間的公共差值的方法，包括對(duì)第一差值圖像和第二差值圖像確定閾；以及將所述確定閾的圖像之一移位所選量，使得所述兩個(gè)差值圖像的所述公共差值由所述移位確定閾圖像和未移位確定閾差值圖像的邏輯“與”來表示。
32.一種用于在數(shù)字全息成像系統(tǒng)中確定差值圖像之間的公共差值的方法，包括將所述差值圖像之一移位所選量；對(duì)所述移位差值圖像確定閾；以及通過執(zhí)行所述移位未確定閾圖像和移位確定閾圖像的邏輯“與”，來計(jì)算所述公共差值。
33.一種用于在數(shù)字全息成像系統(tǒng)中確定兩個(gè)相應(yīng)差值圖像之間的公共差值的方法，包括將所述第一差值圖像移位所選量；將所述移位圖像與所述第二圖像組合；以及對(duì)所述組合圖像確定閾。
全文摘要
在數(shù)字全息成像系統(tǒng)中，可逐個(gè)像素地比較流式全息圖，用于全息圖生成之后的缺陷檢測(cè)。具有反饋置信的自動(dòng)圖像匹配、登記和比較方法允許運(yùn)行實(shí)晶片檢驗(yàn)、畫面匹配細(xì)化、旋轉(zhuǎn)晶片校準(zhǔn)以及差值圖像的登記和比較。
文檔編號(hào)G06T7/00GK1695166SQ03824976
公開日2005年11月9日 申請(qǐng)日期2003年9月12日 優(yōu)先權(quán)日2002年9月12日
發(fā)明者X·L·戴, A·M·埃爾－克哈沙布, M·亨特, C·T·托馬斯, E·弗爾克爾, M·舒爾茨 申請(qǐng)人:恩萊因公司