owensfletchpe

起首，本論文的方式固然簡單，

就是這麼簡單翻譯

用不到 30 行程式碼，大師說簡單不簡單。

我們國內關於影象處置的碩士論文良多，

等於

是以，是不是要做影象膩滑化處理，照樣需要看運用對象。

因為待測影像與參考影像可能有些許誤差，

上面公式裡的 e 是節制參數，要由利用者去調整。

就不是本來的影象資料，而是一堆邊資訊。

作者的濾波器向量，它真正有採取的動作，

用影象相減法來偵測瑕疵可行嗎？這要看影象的性質。

或許可以多多思考，若何設計一個框架，

其實說穿了，底子沒什麼翻譯

為何我講得很短又簡單？

那麼經過較量爭論後獲得的一維資料，

對於半導體製造來說，這些許差異不影響晶元品質，

這個觀念其實和平滑化（Smoothing）有些相同。

不外，這篇論文研究的影象，來自於電子顯微鏡下的 Wafer，

釀成

對於後續研究者來講，可以測驗考試分歧的核函數，

就是兩張影像在位置 p 的相似度翻譯

看看 Wafer 的照片。

而要看點 p 四周的整個區域 。

作者分成兩個步調，起首是把區塊的差別當成向量，

作者的論文方式明明寫了好幾頁，

論文的問題上有一個單字 Kernel，怎麼我沒提到？

那麼不管區塊對照值 c 的大小如何，

搞欠好可以獲得比作者的實行更好的功效翻譯

也就是說，假如 g(p) 四周和 f(p) 四周類似，

下面就直接舉例。假定區塊的巨細是 2×2，

然後，把這個數值 a 丟到指數函數裡，

最後一個問題。

大家想像一下，如果待測影像整體的亮度偏暗，

萬國翻譯公司們先把它們兩兩相減，獲得：

二者相互比較，若是相似，示意待測影象內沒有瑕疵，

都拿來和參考影像的區塊對照。

 浏覽文章前，建議先至 Google 搜尋下載此論文翻譯

第一個疑問翻譯

因為作者底子沒有效到旋積啊！那是假象！

這個數值 a 就是向量的長度翻譯

在晶元的製造過程當中，有各類造成瑕疵的原因，

在參考影像 g 上複製一個大小為 s 的區塊。

如果有些位置不太類似，就示意待測影象內存在瑕疵翻譯

(7-3)  (6-4)

每個碩士生都有很棒的構思與創意。

第二個框架是向量濾波器。

然後還陸續援用兩篇參考文獻 [16] 和 [30]，

李侑青,資訊工程博士

所以在晶元影象判讀上都邑默示正常。

如果 f'(p) 的數值接近 0，則 p 點判定為瑕疵。

1  2  3  4

可是作者能把方式講得很難，論文寫成翻譯公司看不懂。

每種結果都紛歧樣。

9 8

7 6

如果對原始影象直接採用膩滑化處置懲罰，

首先以 p 為中心，

若是每一個點的旋積濾波器，是 Sobel 運算子，

讓後續研究者能輕易抽換演算法的部份流程翻譯

不過，如果大家手邊正拿著這篇論文，

期刊名稱：Machine Vision and Applications

把 p 附近的區塊都拿出來，共 r 個區塊，

因此，本論文的重點價值就在於它的影像比對方式，

可以接管晶元自己有些許的差異，又可以找出瑕疵。

讓演算法的各個步調可以輕易替代。

原因很簡單，因為不合理。

依照 Kernel Function（核函數）的界說，

仿佛一副很了不得的樣子。

再開根號，獲得  a = sqrt( 120 )，

只是作者不採取膩滑化後直接影象相減，

在待測影像 f 上複製出 r 個大小為 s 的區塊翻譯

若是大家不懂什麼是 Wafer 的話，可以點一下上面的超連結，

乘上 r 個點所對應的像素值 f(p+r)，

因此，以 p+r 為中心，（共有 r 個不同的中心點）

這篇論文屬於影象處理研究領域中的瑕疵偵測，

可是真正跟檢測方式有關的部門卻很少，

然後再拿一張待測的晶元影像，

什麼框架呢？第一是 Kernel Function，

作者認為，不克不及只看 p 這個點，

這就是參考影樣和待測影像在點 p 上的對照了局。

萬國翻譯公司必需說，這就是作者能投稿期刊論文的功力翻譯

例如：

偵測的應用對象是半導體晶元（Wafer）。

為什麼我省略了預估像素值的步驟，

H(v翻譯社 v') = exp ( - (a / e) )

我不由要讚嘆，作者用晦澀名詞介紹簡單數學的實力。

萬國翻譯公司覺得這個框架是論文的精髓。

觀念講完，還沒講到的部份是「區塊如何做對照」。

回憶一下前面，我們有 r 個區塊，

然則現有的核函數有幾十種，

1  2

3  4

第二個問題。

作者採用的方法，是影象比對法。

待測影象的 r 個區塊，離別和參考影像的區塊對照，

固然作者採用的公式很簡單，

8*8 + 6*6 + 4*4 + 2*2 = 120

喔~其實有的，Kernel 就是指數函數的那玩意翻譯

比照一下我所講的話，可能會覺得有些疑問。

要檢測的影像，稱為待測影象 f。

在影象處理根基課程裡，各人可能學過「影象相減」，

有線性的、有指數的、有複數的、有雙曲線的

也就是把 2 維矩陣資料，排成一維向量資料。

但是，區塊比較值 c 假如大，透露表現兩區塊類似。

跟待測影像的像素值相乘的了局，照舊是小的。

本論文想要利用影像處理的體例，主動檢測出瑕疵翻譯

刊號頁碼：February 2010翻譯社 Volume 21翻譯社 Issue 2, pp 129-141

它就是一個二元的向量函數 H(v, v')。

作者比較 g(p) 和 f(p) 是否相似的方法如下。

把影象中某個點，以 d 種濾波器做旋積較量爭論。

所以要算出 r 個比較值。

事實上，作者的方式就是這麼簡單。

然則作者供應了一個很複雜的數學框架，

以晶元的 SEM 影像來講，每次製造的晶元長得都不太一樣，

怎麼知道影象中某一個點 p 是不是類似呢？

但我們無妨可以測驗考試點竄一下濾波器內容，

作者：Maria Zontak and Israel Cohen

對照完以後會獲得 r 個區塊對照了局，

因為在電子顯微鏡底下，影象像素可能代表著微米，

例如雜物掉落、印刷失誤、蝕刻異常。

把這些比較值加起來，

論文名稱：Defect detection in patterned wafers using anisotropic kernels

講到這裡，已經把整篇論文的方法講完了。

怎麼在我的介紹裡面沒講到這個？

英文是：Scanning Electron Microscope（SEM）翻譯

致使漏報（Miss）翻譯

加總得一個預估的待測像素值 f'(p)，

參考影象的區塊是：

作者的想法是，參考影像拿出以 p 為中間的區塊，

論文的介紹到此竣事翻譯下面是小我的一些心得。

傳統影像處理的影像相減法，只有比對點 p翻譯

可能在微米、奈米品級有些許差別翻譯

可能無法分辨是晶元的差別照樣瑕疵的差異，

SEM 拍出來的照片可以到 Wiki 看一下，挺特別的。

然則作者利害的是，他可以寫成向量濾波器，

d-vector filters G = (g₁, g₂翻譯社 ..., g_d)

(9-1)  (8-2)

萬國翻譯公司在這邊解釋一下作者可能的思路。

說他這組濾波器是採用他人的論文設計，

固然作者只是純真地把每一個點擺成一維資料，

我用 Matlab 實做出作者的演算法，