matlab的图像处理技术：图像分割new

《matlab的图像处理技术：图像分割new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、一种SEM图像高效的图像分割技术摘要：在经过了大量的实验探索和努力后，建立了通过自动检查基准比较法来取代以往依靠人类眼睛检查的SEM图像。这种检查方法有两种类型：直接比较法和间接比较法。在实际中，间接比较方法使用更广泛，这种方法需要分段步骤即分裂原图像分割成两个区域：前景区域和背景区域。尤其是SEM图像分割是不容易的，因为高噪音水平，图像偏移，变化和多样性图案。在以往的工作中，山脊探测器已被广泛用来检测和克服具有这些特征的SEM图像。在本文中，我们提出了一个有效的分割方法上发展起来的分水岭分割算法，全局-局部阈值法，高斯滤波器的拉普拉斯

2、算子和非最大值抑制。在对各种SEM图像分割中的应用，所提出的方法对于1D图像和2D图像分别显现了94%和98%的准确性。1引言：在以前是通过人的眼睛，用于扫描电子显微镜（SEM）图像半导体硅晶片的检查，人眼检测然而是具有一定的局限性，而且并不是对测试的所有图像都是可靠的，所以经过许多努力，最终发现了自动检测以取代人眼检查[1，4，5，8，9]。对于自动检查中两种类型的比较方法——直接和间接方法，相继出台。直接比较方法进行比较的基准图像和检验图像，这种方法直接计算基准图像和检验图像之间的差别。直接比较方法通常能够较快速和容易找两者之间的差

3、别。但是，它由于各种偏移值得不同所以很难找到合适的阈值。更广泛使用的间接比较的方法，不对两个原图像进行直接的参考和检验的比较。相反，它是比较两个预处理后的分割图像。本文提出的分割方法扫描电子显微镜（SEM）图像划分为两个区域，前景和背景。前景部分是导体，而背景部分是绝缘体。SEM图像从半导体硅的晶圆上得到的。为了有效的将SEM图像分割成两个区域，由于SEM图像不同于通常的光学图像，他的的某些性能应予以考虑。首先，它看起来像一个边缘图像。由于SEM使用电子扫描，其结果是依赖于目标的的结构。反射的电子的量与结构的变化的量成比例的。在结构上的

4、边缘，因此，灰度值远高于一个平面区域。其次，它具有不同的灰度值作为材料变得不同。反射的电子的量取决于在材料上被反射的电子。第三，它有强烈的噪音，为了降低噪音，应取多张图像的相同部分计算平均值，以产生最终的SEM图像，所选择的图像越多，平均化，减噪音的结果越好。然而，为了最大限度地提高计算效率，平均图像的数量可能会往往是有限的。最后，该各种图案的类型，存在不允许预定义的图案类型分割算法。我们已经完成对两个种的SEM图像的工作。其中一个是仅包含一个的材料的扫描电镜拍摄的区域，这个图像只有边缘成分。我们命名它为1D图像。另一种是区域包含两种不

5、同的材料的SEM图像，在除了包括边缘分量，它还包含了前景和背景部分杰出的灰度值。我们把它命名为二维图像。1D和2D图像如图1所示。2预先处理SEM图像分割，韩英[1]使用的边缘信息。他们使用了分割辅助混合脊信号检测。在工作中，他们声称的SEM图像有强噪声高产吞吐量。如果正常的边缘探测器使用，就不会有这么多的无效的边缘由于噪音的信号。另外，如果使用的常规的边缘检测器，“双尖端”的效果不能是可以避免的，如图2所示。因此，他们采用的是脊探测器，而不是正常的边缘检测。寻找边缘脊后，他们基于人类的直觉和智慧来作为的模式识别的[2]。虽然该方法使用

6、分割辅助混合脊信号检测器上显示了鲁棒性噪声和性能的优越性，它寻找用于回归高阶系数多项式使得计算量更大。3面临的问题如图1和图2所示，SEM图像具有一定的的特点，应被认为是成功的形象检查处理。首先，在大多数情况下，它具有很强的噪声。为了获得一个SEM图像具有低噪音，拍摄的图像从相同的图像部分的平均值。虽然更少的噪声的查询结果作为图像进行平均数字平均图像所需的吞吐量往往是有限的。从图像信号的剖面图上看，如果噪音电平高于最大边缘强度，它的一半很难将它分为两个区域。其次，存在两种类型的扫描电镜图像的一方，称为一维图像，仅仅包含边缘分量，另一个所

7、谓2D图像上，包含边缘分量，前景和背景成分。的边缘分量分离一些从背景中的对象包括那些像素具有高灰度值。然而，在SEM图像中，灰度值这些边缘部分像素不统一而清晰，足以从背景中分离的目的。最后，存在各种形状的图案，其中包括线，矩形，不同宽度的岛屿。没有预定形状的花纹图案允许分割。4分割正如前面提到的，有两种类型的图像，1D图像和2D图像。我们建议对不同的图像使用不同的方法，我们对于1D形象，使用拉普拉斯高斯滤波器和非最大抑制修复。而对于2D图像，我们使用分水岭LoG结果分割算法和全局-局部阈值法。A.2D图像2D图像可以分割的分水岭分割算法

8、[4]，尤其是洪水背景的方法。如果分水岭分割直接使用，每个流域的边界位于中间的边缘分量，它的形状是与源图像不同。洪水背景算法开始时，用边缘检测。通过这样做灰色电平信息被删除，但也有仅沿组件-它是在源目标边界