深亚微米级IC的图像检测及自动分析技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| TABLE OF CONTENTS | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| ·课题来源及研究意义 | 第14-16页 |
| ·课题来源 | 第14页 |
| ·研究目的及意义 | 第14-16页 |
| ·IC晶片检测技术国内外研究现状 | 第16-17页 |
| ·机器视觉在深亚微米级IC晶片检测中面临的问题 | 第17-18页 |
| ·本课题研究内容 | 第18-20页 |
| 第二章 深亚微米级IC晶片视觉检测问题分析 | 第20-32页 |
| ·缺陷的分类与处理假设 | 第20-24页 |
| ·缺陷的类型 | 第20-23页 |
| ·缺陷的处理假设 | 第23-24页 |
| ·缺陷视觉检测的研究基础 | 第24-27页 |
| ·系统硬件组成 | 第24-25页 |
| ·系统软件组成及工作原理 | 第25-27页 |
| ·图像检测及自动分析技术的研究内容 | 第27-32页 |
| ·数据采集控制策略 | 第28页 |
| ·图像检测策略及检测算法 | 第28-30页 |
| ·特征参数及图像数据管理 | 第30-32页 |
| 第三章 晶片特征缺陷检测方法 | 第32-43页 |
| ·基于像素分布特性的检测方法 | 第32-35页 |
| ·基于边缘特征的检测方法 | 第35-39页 |
| ·基于形态学缺陷边缘的精确检测 | 第35-38页 |
| ·缺陷边界跟踪 | 第38-39页 |
| ·基于骨架特征的检测方法 | 第39-43页 |
| 第四章 冗余物与丢失物缺陷检测技术 | 第43-54页 |
| ·导线走向方向提取 | 第43-45页 |
| ·冗余物缺陷识别 | 第45-48页 |
| ·缺陷特征提取 | 第46页 |
| ·基于数学形态学的缺陷识别 | 第46-48页 |
| ·丢失物缺陷识别 | 第48-54页 |
| ·骨架特征提取及优化 | 第48-50页 |
| ·缺陷识别 | 第50-54页 |
| 第五章 缺陷自动识别技术 | 第54-64页 |
| ·基于区域特征的图像搜索方法 | 第54-58页 |
| ·特征匹配算法分析 | 第54-55页 |
| ·图像特征区域的确定 | 第55-56页 |
| ·基于SSDA的图像加速匹配 | 第56-58页 |
| ·特征提取 | 第58-61页 |
| ·位置信息 | 第59-60页 |
| ·形状特征 | 第60-61页 |
| ·压焊点缺陷自动识别 | 第61-64页 |
| ·二叉树分类算法 | 第61-62页 |
| ·缺陷二叉树识别 | 第62-64页 |
| 第六章 特征数据库 | 第64-82页 |
| ·数据库设计 | 第64-73页 |
| ·模块设计与实现 | 第64-70页 |
| ·物理模型设计 | 第70-73页 |
| ·图像数据模型 | 第73-76页 |
| ·数据模型和元图像表示 | 第73-74页 |
| ·图像数据的存储策略 | 第74-76页 |
| ·检测结果分析报告 | 第76-82页 |
| ·图像检索与数据挖掘 | 第76-79页 |
| ·结果分析报告 | 第79-82页 |
| 结论 | 第82-84页 |
| 参考文献 | 第84-89页 |
| 攻读学位期间发表的论文及科研获奖 | 第89-90页 |
| 独创性声明 | 第90-91页 |
| 致谢 | 第91-92页 |
| 附录1 | 第92-95页 |
| 附录2 | 第95页 |
