圖象模板匹配技術(shù)探針臺系統(tǒng)

1、圖象模板匹配技術(shù)探針臺系統(tǒng)    摘    要  主要論述了數(shù)字圖像處理技術(shù)在探針臺系統(tǒng)中的應(yīng)用，分析了基于灰度信息的模板匹配算法以及自動(dòng)對準(zhǔn)技術(shù)的原理及實(shí)現(xiàn)手段，為其它電子專用設(shè)備中自動(dòng)識別對準(zhǔn)的應(yīng)用提供一些思路與技巧。 關(guān)鍵詞  機(jī)器視覺;模板匹配;探針臺   1 引言     半導(dǎo)體器件與集成電路制造工藝中，從單晶硅棒的制取到最終器件制造的完成需要經(jīng)過復(fù)雜的工序，粗略地劃分可分為前道工序和后道工序，而探針臺(Prober)正好是前后道工序之間用于半導(dǎo)體器件芯片

2、的電參數(shù)特性進(jìn)行測試的關(guān)鍵設(shè)備，它可以將電參數(shù)特性不符合要求的芯片用打點(diǎn)器(Inker)做一明顯的標(biāo)記，便于在后道工序中及時(shí)將其剔除，這樣就有效地提高了半導(dǎo)體器件生產(chǎn)的成品率，大大降低了器件的制造成本。     測試作為集成電路工藝中重要一環(huán)，探針臺的精度直接影響到整個(gè)生產(chǎn)。也由于整個(gè)半導(dǎo)體前道工藝的發(fā)展提高，晶圓的集成電路品體的個(gè)數(shù)、品體圖形都更加精密復(fù)雜，要求探針臺在提高機(jī)械精度的同時(shí)，探針臺的對準(zhǔn)精度，對準(zhǔn)效率都有更高的要求，這就迫使我們必須掌握自動(dòng)識別對準(zhǔn)是如何實(shí)現(xiàn)的這樣一個(gè)關(guān)鍵技術(shù)。探針臺的識別對準(zhǔn)實(shí)現(xiàn)框圖如圖1所示。   

3、 圖1 探針臺實(shí)現(xiàn)框圖    2 模板匹配原理： 模板匹配就是拿已知的模板圖像，和原圖像中同樣大小的一塊區(qū)域去對比。最開始時(shí)，模板的左上角點(diǎn)和圖像的左上角點(diǎn)是重合的，拿模板和原圖像中同樣大小的一塊區(qū)域去對比，然后平移到下一個(gè)像素，仍然進(jìn)行同樣的操作，所有的位置都對完后，差別最小的那塊就是我們要找的物體。如圖2所示，模板T( m*n個(gè)像素)疊放在被搜索圖S( W*個(gè)像素)上平移，模板覆蓋被搜索圖的那塊區(qū)域叫子圖 。i，j為子圖左上角在被搜索圖S上的坐標(biāo)。搜索范圍是：    一種算法是衡量T和Sij的誤差，其公式為：  

4、;                                                  

5、;                                                  

6、0;                                                  

7、60;                                                 

8、60;                            圖2  模板與被搜索圖的關(guān)系                    

9、                                      E(i,j)為最小值處即為匹配目標(biāo)。 展開上式：    通過比較T和Sij的相似性，完成模板匹配過程。  

10、0;  上式右邊第三項(xiàng)表示模板的總能量，是一個(gè)常數(shù)與 (i,j)無關(guān)，第一項(xiàng)是模板覆蓋下那塊圖像子圖的能量，它隨(i,j) 位置而緩慢改變，第二項(xiàng)是子圖像和模板的互相關(guān)，隨(i,j) 而改變。T和S匹配時(shí)這一項(xiàng)的取值最大，因此我們可以用下列相關(guān)函數(shù)做相似度測度:                            &

11、#160;         或者歸一化為：                         其中，搜索位置數(shù)為匹配過程中要匹配的所有參考點(diǎn)的個(gè)數(shù)，相關(guān)計(jì)算量為計(jì)算每一個(gè)搜索參考點(diǎn)是計(jì)算模板和搜索子圖相似性所需要的計(jì)算量。所以提高匹配效率就應(yīng)該從減少這兩個(gè)數(shù)來進(jìn)行。下面討論的抽樣點(diǎn)的互相關(guān)匹

12、配算法就是減少了相關(guān)計(jì)算量，而分層匹配的互相關(guān)算法則從減少搜索位置數(shù)來提高匹配速度。 2.1 抽樣點(diǎn)的互相關(guān)匹配算法     圖象模板匹配的關(guān)鍵是對模板和搜索子圖進(jìn)行相似性的檢測，這種檢測建立在模板和搜索子圖灰度信息的基礎(chǔ)上，利用的圖象灰度信息越多越可以更好地度量兩者之間的相似程度。然而應(yīng)用中利用的圖象信息對少與匹配實(shí)現(xiàn)的速度有很大的關(guān)系，利用的信息越多，需要的計(jì)算量就會越大，匹配速度會越低。圖象模板匹配的算法研究是在滿足一定的匹配精度的情況下，盡量減少計(jì)算量。      抽樣點(diǎn)匹配的方法是在互相關(guān)匹配時(shí)計(jì)算模板上所有的像素

13、的基礎(chǔ)上的改進(jìn)。圖象相關(guān)匹配時(shí)，從模板和搜索子圖中抽取一部分像素來計(jì)算匹配值，而不是計(jì)算模板和搜索子圖上所有的點(diǎn)。這樣在不改變匹配時(shí)搜索所有可能的匹配點(diǎn)時(shí)，減少了每個(gè)匹配參考點(diǎn)上的相關(guān)計(jì)算量。經(jīng)驗(yàn)表明在背景比較簡單，平均灰度變化不大的情況下匹配100個(gè)點(diǎn)，一般就可以找到正確的匹配位置。對于一個(gè) 的模板來說省掉了 的相關(guān)計(jì)算量，所以合理的確定有效的匹配點(diǎn)的個(gè)數(shù)得到的時(shí)間效果是很可觀的。實(shí)驗(yàn)結(jié)果表明使用這種抽樣點(diǎn)的方法是可以應(yīng)用的，在保證精度的同時(shí)，提高了計(jì)算速度。     本文中省略點(diǎn)的方法是通過在圖象上等間隔取點(diǎn)來實(shí)現(xiàn)的，假設(shè)圖象的高度和寬度為lHeight和lW

14、idth，取水平方向的間隔IntervalH 和豎直方向的間隔IntervalV分別為lWidth/N和lHeight/M，則在匹配中可以得到 (N+1)*(M+1)個(gè)匹配點(diǎn)，這 (N+1)*(M+1)個(gè)匹配點(diǎn)可以均勻地分布在圖象上。 2.2 分層搜索的互相關(guān)匹配算法 人們在搜索物體的時(shí)候，視覺習(xí)慣是先確定搜索目標(biāo)的大概位置，然后再關(guān)注要搜索的細(xì)節(jié)內(nèi)容，類比這一過程，本節(jié)提出基于圖象金字塔模型的分層圖象匹配方法。     算法的實(shí)現(xiàn)過程如下：     首先，將搜索圖 S(i,j)和模板T(m,n) 進(jìn)行相同的分層處理，方法是在圖象上等

15、間隔跳躍地取點(diǎn)（采樣），在圖象的行的方向和列的方向上可以間隔不同。從而得到一個(gè)分辨率較低和維數(shù)較小的圖象。比如對 像素的圖進(jìn)行分層，每個(gè)三個(gè)像素點(diǎn)取一個(gè)點(diǎn)，那么得到新圖象為 像素，這樣的結(jié)果將使搜索位置數(shù)大大減少。     其次，先粗后細(xì)的匹配過程。在粗匹配中找到具有叫高匹配值的潛在的位置，設(shè)定適當(dāng)?shù)牟蓸娱g隔，降低圖象的維數(shù)。應(yīng)用基本的模板匹配方法找到粗匹配位置，經(jīng)過粗匹配就是要盡最大可能地剔除非匹配的位置。精匹配是在粗匹配給定的位置的基礎(chǔ)上進(jìn)行精度較高的匹配過程，匹配方法要有較高的精度。逐步恢復(fù)原來的分辨率進(jìn)行精匹配。最后給出匹配的最佳結(jié)果。  

16、60;  模板的匹配過程分為粗匹配過程和精匹配過程。兩個(gè)匹配過程可以采用不同的匹配方法，進(jìn)行不同的組合。在粗匹配過程中，可以選擇運(yùn)算量小計(jì)算速度快的算法。在精匹配過程中，要選用精度較高的算法。 2.3 幾種互相關(guān)算法的實(shí)驗(yàn)數(shù)據(jù) 本實(shí)驗(yàn)選取一張240×240pixel的灰度圖作為搜索的目標(biāo)圖片，在其中選取了從40×40pixel到140×140pixel的圖片作為模板，如圖3所示。其中表1是利用Evision軟件的模板匹配算法進(jìn)行模板匹配的結(jié)果，該軟件采用了亞像素插值算法，匹配結(jié)果的精度從像素級提高到了亞像素級別。表2是采用抽樣點(diǎn)的互相關(guān)模板匹配算法，在模

17、板中將抽樣點(diǎn)控制在121個(gè)點(diǎn)，這些點(diǎn)均勻地分布在模板圖象中。從實(shí)驗(yàn)的結(jié)果可以看出，匹配的精度與Evision軟件的匹配結(jié)果相同，只是沒有進(jìn)行亞像素插值。匹配的時(shí)間隨圖片的增大而減小，這是由于抽樣點(diǎn)的匹配算法忽略了模板大小對相關(guān)計(jì)算量的影響，只與搜索的位置數(shù)有關(guān)。隨著模板尺寸的增大，搜索位置數(shù)減少，從而減少了總計(jì)算量。表3是采用分層匹配算法，在粗匹配過程和精匹配過程中都采用了互相關(guān)算法。在粗匹配過程當(dāng)中，將目標(biāo)圖片隔三個(gè)像素取一個(gè)點(diǎn)，搜索位置數(shù)由原來的240×240個(gè)點(diǎn)減少到60×60個(gè)點(diǎn)。從實(shí)驗(yàn)的結(jié)果可以看到匹配精度達(dá)到了要求。在忽略精匹配的計(jì)算量的情況下，分層匹配算法的計(jì)

18、算量是沒有加速的 ，（L是間隔點(diǎn)）這樣提高了匹配精度，也提高了匹配的速度。                    圖3 不同尺寸的圖片      表1  Evision軟件的測試結(jié)果 Table1  Test result of algorithm in Evision    模板大小 &

19、#160;     X 坐標(biāo)       Y 坐標(biāo)      匹配系數(shù)    時(shí)間(ms)       40×40       128.00       128.00    

20、60; 0.992881       112       60×60       130.05       127.01      0.996524        96     &

21、#160; 80×80       125.98       115.00      0.992866        87    100×100       130.05      

22、; 128.00      0.995177        63    120×120       127.06       112.00      0.996320        54&#

23、160;   140×140       130.00       128.00      0.995241        36      表2 抽樣點(diǎn)匹配算法的結(jié)果 Table 2 Test result of sampled points cross correla

24、tion matching     模板大小       X 坐標(biāo)       Y 坐標(biāo)      匹配系數(shù)      時(shí)間(ms)       40×40        128 

25、      128      0.985424       248       60×60        130       127      0.985748  

26、60;    217       80×80        125       115      0.987845       155    100×100    

27、60;   130       128      0.985748       142    120×120        127       112      0.986320&

28、#160;      93    140×140        130       128      0.985241       62      表3 分層搜索匹配算法的結(jié)果 Table 3 Test res

29、ult of layer matching     模板大小       X 坐標(biāo)       Y 坐標(biāo)      匹配系數(shù)    時(shí)間(ms)       40×40        128 

30、;      128      0.992145       79       60×60        130       127      0.985642  

31、60;    63       80×80        125       115      0.965214       54    100×100     

32、;   130       128      0.985623       43    120×120        127       112      0.984562       32    140×140      &