IC晶圆表面缺陷检测技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 本课题的研究意义和背景 | 第10-11页 |
| 1.2 晶圆表面缺陷检测技术发展与研究状况 | 第11-13页 |
| 1.2.1 缺陷检测技术的分类和发展 | 第11-12页 |
| 1.2.2 国内外研究状况与研究热点 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 第二章 IC晶圆表面缺陷检测技术分析 | 第15-24页 |
| 2.1 晶圆表面的缺陷产生原因和类型 | 第15-19页 |
| 2.1.1 晶圆制造流程 | 第15-16页 |
| 2.1.2 晶圆表面缺陷的种类和成因 | 第16-19页 |
| 2.2 光学原理及成像装置 | 第19-23页 |
| 2.2.1 光的反射和散射 | 第19-21页 |
| 2.2.2 缺陷检测系统框架 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 数字图像处理与计算机视觉开源库 | 第24-35页 |
| 3.1 数字图像处理技术简介 | 第24-25页 |
| 3.2 OPENCV简介与使用 | 第25-30页 |
| 3.2.1 OpenCV简介和环境配置 | 第25-28页 |
| 3.2.2 OpenCV基本数据结构和基本函数 | 第28-30页 |
| 3.3 图像预处理 | 第30-34页 |
| 3.3.1 线性滤波 | 第30-32页 |
| 3.3.2 中值滤波器的设计 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 IC晶圆缺陷检测算法 | 第35-49页 |
| 4.1 晶圆缺陷检测算法 | 第35-36页 |
| 4.2 晶圆图像特征提取算法 | 第36-39页 |
| 4.2.1 Hough变换作线状特征提取 | 第36-38页 |
| 4.2.2 Harris角点检测及其改进 | 第38-39页 |
| 4.3 晶圆图像匹配算法 | 第39-44页 |
| 4.3.1 基于灰度的模板匹配算法 | 第39-41页 |
| 4.3.2 基于特征的图像匹配算法 | 第41-44页 |
| 4.4 算法实现与分析讨论 | 第44-48页 |
| 4.4.1 特征提取算法实现与讨论 | 第44-47页 |
| 4.4.2 模板匹配算法实现与讨论 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 晶圆图像超分辨率研究 | 第49-61页 |
| 5.1 超分辨率重建概述 | 第49-51页 |
| 5.1.1 图像超分辨技术概述 | 第49-50页 |
| 5.1.2 超分辨率图像观测模型 | 第50-51页 |
| 5.2 图像超分辨率数理基础 | 第51-53页 |
| 5.2.1 解析延拓理论 | 第51页 |
| 5.2.2 正则化理论 | 第51-52页 |
| 5.2.3 先验知识的定义 | 第52-53页 |
| 5.3 基于重构的图像超分辨算法 | 第53-57页 |
| 5.3.1 光流法作运动估计 | 第53-54页 |
| 5.3.2 凸集投影（POCS）算法 | 第54-56页 |
| 5.3.3 最大后验概率估计（MAP）算法 | 第56-57页 |
| 5.4 实验结果与讨论 | 第57-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 结论和展望 | 第61-63页 |
| 6.1 主要结论 | 第61页 |
| 6.2 研究展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
