[发明专利]一种基于Gabor特征与随机降维的晶圆表面缺陷检测方法

摘要

本发明公开了一种基于Gabor特征与随机降维的晶圆表面缺陷检测方法。用CCD相机采集晶圆表面图像，然后对图像进行预处理；设计用于获取晶圆表面纹理特征的40个Gabor滤波器，然后将40个Gabor滤波器与图像做卷积运算得到40幅特征图像；对40幅特征图像采用随机降维：对降维后的图像进行阈值分割，构建针对分割阈值的目标函数，求解目标函数获得最终分割阈值，用最终分割阈值分割图像为前景与背景，确定分割阈值，最终准确检测晶圆表面缺陷。本发明方法可很好地对晶圆表面缺陷进行识别和定位，并且识别的效率也有了很大的提高。

主权项

1.一种基于Gabor特征与随机降维的晶圆表面缺陷检测方法，其特征在于：

步骤1：用CCD相机采集晶圆表面图像，然后对图像进行预处理；

步骤2：特殊设计用于获取晶圆表面纹理特征的40个Gabor滤波器，然后将40个Gabor滤波器与图像做卷积运算得到40幅特征图像；

步骤3：对40幅特征图像采用随机降维：

步骤4：对降维后的图像进行阈值分割，构建针对分割阈值的目标函数，求解目标函数获得最终分割阈值，用最终分割阈值分割图像为前景与背景，确定分割阈值，最终准确检测晶圆表面缺陷。

2.根据权利要求1所述的一种基于Gabor特征与随机降维的晶圆表面缺陷检测方法，其特征在于：所述步骤1中的预处理具体是包括采用中值滤波去除噪声的步骤和中值滤波后进行灰度化的步骤。

3.根据权利要求1所述的一种基于Gabor特征与随机降维的晶圆表面缺陷检测方法，其特征在于：所述步骤2具体为：

2.1)构建以下公式表示的Gabor滤波器：

其中，g(x,y；v,u,ψ,σ,γ)表示考虑了v,u,ψ,σ,γ影响因素的像素点(x,y)的卷积核函数，v代表Gabor滤波波长，u代表Gabor核函数的方向，ψ表示Gabor核函数的相位偏移，σ表示Gabor核函数的标准差，γ表示Gabor核函数的空间纵横比，γ决定了Gabor函数的形状的椭圆度；i表示复数；

选取8个方向和5种波长的滤波器，Gabor核函数的方向u的范围取为0，和Gabor滤波波长v选取5,10,15,20,25的五种波长，每个方向下均对应有五个波长，总共产生40个Gabor滤波器；

2.2)然后，针对每个Gabor滤波器采用以下公式进行卷积运算：

其中，Q(x,y)表示特征图像，g(x‑l,y‑h)为考虑了v,u,ψ,σ,γ影响因素的像素点(x,y)的卷积核函数，l,h表示横纵坐标方向上的偏移量，P(x,y)为输入预处理后的图像中像素点(x,y)的灰度值。

4.根据权利要求1所述的一种基于Gabor特征与随机降维的晶圆表面缺陷检测方法，其特征在于：所述步骤3具体为：

构建随机矩阵R_d×k，随机矩阵R_d×k中的每个元素R_ij为从(0,1)选取的一个随机值，并且所有元素R_ij形成均值为0、方差为1的正态分布，d、k分别表示随机矩阵R_d×k的行数和列数；然后采用以下公式进行降维处理，使得从d维空间的高维特征矩阵A精确映射到k维空间的图像矩阵E：

E＝AR_d×k

其中，A为由40幅特征图像Q(x,y)合并组成的高维特征矩阵，E为降维之后的图像矩阵。

5.根据权利要求1所述的一种基于Gabor特征与随机降维的晶圆表面缺陷检测方法，其特征在于：所述步骤4具体为：

针对分割阈值构建以下公式的目标函数：

其中，Y_m表示目标函数，m表示分割阈值，将灰度值小于分割阈值m的像素点作为前景，将灰度值大于等于分割阈值m的像素点作为背景；p(n)表示前景像素占图像的比例，n表示灰度参数，n＝0‑255；

依次将n从0‑255取值中并带入目标函数中迭代，求解上述目标函数使得目标函数Y_m最大而获得分割阈值m，并作为最终分割阈值，再采用最终分割阈值分割图像的背景和前景，进而获得前景与背景的像素比例，以背景作为晶圆表面缺陷。