基于特征匹配的IC缺陷检测
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 选题背景 | 第15-16页 |
| 1.2 本课题研究意义 | 第16-17页 |
| 1.3 IC缺陷成因及探测方法 | 第17-20页 |
| 1.3.1 IC缺陷来源 | 第17-18页 |
| 1.3.2 IC缺陷检测现状 | 第18-20页 |
| 1.4 论文研究内容及章节安排 | 第20-23页 |
| 第二章 图像处理与机器学习 | 第23-37页 |
| 2.1 图像预处理 | 第23-27页 |
| 2.1.1 图像增强 | 第23-26页 |
| 2.1.2 中值滤波 | 第26-27页 |
| 2.2 数学形态学 | 第27-29页 |
| 2.2.1 膨胀 | 第27-28页 |
| 2.2.2 腐蚀 | 第28-29页 |
| 2.3 聚类算法 | 第29-30页 |
| 2.4 统计学习理论及支持向量机 | 第30-35页 |
| 2.4.1 统计学习理论基础 | 第30-32页 |
| 2.4.2 支持向量机技术 | 第32-35页 |
| 2.4.3 支持向量机特点 | 第35页 |
| 2.5 本章小结 | 第35-37页 |
| 第三章 IC缺陷检测方法 | 第37-67页 |
| 3.1 图像匹配 | 第37-39页 |
| 3.1.1 差影法 | 第37-38页 |
| 3.1.2 位置特征匹配法 | 第38-39页 |
| 3.2 经典边缘提取算法及图像二值化 | 第39-48页 |
| 3.2.1 方向梯度算子及canny算子 | 第39-43页 |
| 3.2.2 高斯小波变换法 | 第43-46页 |
| 3.2.3 最大类间方差法及迭代阈值法 | 第46-48页 |
| 3.3 基于边缘和二值化位置匹配的IC缺陷检测 | 第48-52页 |
| 3.4 基于颜色特征匹配的IC缺陷检测 | 第52-66页 |
| 3.4.1 灰度空间分析 | 第52-55页 |
| 3.4.2 彩色空间分析 | 第55-64页 |
| 3.4.3 算法实现 | 第64-66页 |
| 3.5 本章小结 | 第66-67页 |
| 第四章 SVM分类与IC缺陷检测 | 第67-81页 |
| 4.1 缺陷检测与支持向量机 | 第67-68页 |
| 4.2 基于支持向量机的分类方法 | 第68-74页 |
| 4.2.1 算法步骤及说明 | 第68-69页 |
| 4.2.2 分类样本特征提取 | 第69-74页 |
| 4.3 实验分析与结论 | 第74-78页 |
| 4.3.1 训练样本获取 | 第74页 |
| 4.3.2 核函数设置 | 第74-75页 |
| 4.3.3 实验结果 | 第75-78页 |
| 4.4 本章小结 | 第78-81页 |
| 第五章 总结与展望 | 第81-83页 |
| 5.1 总结 | 第81页 |
| 5.2 展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-89页 |
| 作者简介 | 第89-90页 |
