圖象模板匹配技巧在探針臺(tái)系統(tǒng)中的利用

1、圖象模板匹配技巧 在探針臺(tái)系統(tǒng) 中的利用摘 要 首要論述了數(shù)字圖像處理技巧 在探針臺(tái)系統(tǒng)中的利用 ，分析了基于灰度信息的模板匹配算法以及主動(dòng) 對(duì)準(zhǔn)技巧 的原理及實(shí)現(xiàn)手法 ，為其它電子專(zhuān)用設(shè)備中主動(dòng) 辨認(rèn) 對(duì)準(zhǔn)的利用 供給 一些思路與技術(shù) 。要害 詞 機(jī)器視覺(jué);模板匹配;探針臺(tái)1 引言 半導(dǎo)體器件與集成電路制作 工藝中，從單晶硅棒的制取到最終器件制作 的完成需要經(jīng)過(guò)繁雜 的工序，粗略地劃分可分為前道工序和后道工序，而探針臺(tái)(Prober)正好是前后道工序之間用于半導(dǎo)體器件芯片的電參數(shù)特征 進(jìn)行測(cè)試的要害 設(shè)備，它可以將電參數(shù)特征 不符合請(qǐng)求 的芯片用打點(diǎn)器(Inker)做一明顯的標(biāo)記，便于在后道

2、工序中及時(shí)將其剔除，這樣就有效地進(jìn)步 了半導(dǎo)體器件生產(chǎn)的成品率，大大降低了器件的制作 成本。 測(cè)試作為集成電路工藝中首要 一環(huán)，探針臺(tái)的精度直接影響到全部 生產(chǎn)。也由于全部 半導(dǎo)體前道工藝的發(fā)展進(jìn)步 ，晶圓的集成電路品體的個(gè)數(shù)、品體圖形都更加精密繁雜 ，請(qǐng)求 探針臺(tái)在進(jìn)步 機(jī)械精度的同時(shí)，探針臺(tái)的對(duì)準(zhǔn)精度，對(duì)準(zhǔn)效率都有更高的請(qǐng)求 ，這就迫使我們必須控制 主動(dòng) 辨認(rèn) 對(duì)準(zhǔn)是如何實(shí)現(xiàn)的這樣一個(gè)要害 技巧 。探針臺(tái)的辨認(rèn) 對(duì)準(zhǔn)實(shí)現(xiàn)框圖如圖1所示。圖1 探針臺(tái)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(duì)照 。最起頭時(shí)，模板的左上角點(diǎn)和圖像的左上角點(diǎn)是重合的，

3、拿模板和原圖像中同樣大小的一塊區(qū)域去對(duì)照 ，然后平移到下一個(gè)像素，仍然進(jìn)行同樣的操作，所有的地位 都對(duì)完后，區(qū)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，模板籠罩 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)。搜索領(lǐng)域是：一種算法是衡量T和Sij的誤差，其公式為： 圖2 模板與被搜索圖的關(guān)系 E(i,j)為最小值處即為匹配目標(biāo)。展開(kāi)上式：通過(guò)對(duì)比 T和Sij的類(lèi)似 性，完成模板匹配歷程 。 上式右邊第三項(xiàng)表現(xiàn) 模板的總能量，是一個(gè)常數(shù)與 (i,j)無(wú)關(guān)，第一項(xiàng)是模板籠罩 下那塊圖像子圖的能量，它隨(i,j)

4、 地位 而緩慢轉(zhuǎn)變 ，第二項(xiàng)是子圖像和模板的互相干 ，隨(i,j) 而轉(zhuǎn)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干 函數(shù)做類(lèi)似 度測(cè)度: 或者歸一化為： 其中，搜索地位 數(shù)為匹配歷程 中要匹配的所有參考點(diǎn)的個(gè)數(shù)，相干 盤(pán)算 量為盤(pán)算 每一個(gè)搜索參考點(diǎn)是盤(pán)算 模板和搜索子圖類(lèi)似 性所需要的盤(pán)算 量。所以進(jìn)步 匹配效率就該當(dāng)從減少這兩個(gè)數(shù)來(lái)進(jìn)行。下面討論的抽樣點(diǎn)的互相干 匹配算法就是減少了相干 盤(pán)算 量，而分層匹配的互相干 算法則從減少搜索地位 數(shù)來(lái)進(jìn)步 匹配速度。2.1 抽樣點(diǎn)的互相干 匹配算法 圖象模板匹配的要害 是對(duì)模板和搜索子圖進(jìn)行類(lèi)似 性的檢測(cè)，這種檢測(cè)建立在模板和搜索子

5、圖灰度信息的根基 上，利用的圖象灰度信息越多越可以更好地度量?jī)烧咧g的類(lèi)似 程度。然而利用 中利用的圖象信息對(duì)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，需要的盤(pán)算 量就會(huì)越大，匹配速度會(huì)越低。圖象模板匹配的算法鉆研 是在滿足必然的匹配精度的情況下，盡量減少盤(pán)算 量。 抽樣點(diǎn)匹配的法子是在互相干 匹配時(shí)盤(pán)算 模板上所有的像素的根基 上的改善。圖象相干 匹配時(shí)，從模板和搜索子圖中抽取一部分像素來(lái)盤(pán)算 匹配值，而不是盤(pán)算 模板和搜索子圖上所有的點(diǎn)。這樣在不轉(zhuǎn)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)上的相干 盤(pán)算 量。經(jīng)驗(yàn)表明在背景對(duì)比 簡(jiǎn)略 ，平均灰度變更 不大的情況下匹配100

6、個(gè)點(diǎn)，一般就可以找到正確的匹配地位 。對(duì)于一個(gè) 的模板來(lái)說(shuō)省掉了 的相干 盤(pán)算 量，所以合理的斷定 有效的匹配點(diǎn)的個(gè)數(shù)得到的光陰 效果是很可觀的。實(shí)驗(yàn)效果 表明應(yīng)用 這種抽樣點(diǎn)的法子是可以利用 的，在保證精度的同時(shí)，進(jìn)步 了盤(pán)算 速度。 本文中省略點(diǎn)的法子是通過(guò)在圖象上等間隔取點(diǎn)來(lái)實(shí)現(xiàn)的，假設(shè)圖象的高度和寬度為lHeight和lWidth，取程度 方向的間隔IntervalH 和豎直方向的間隔IntervalV分辨為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)可以均勻地散播在圖象上。2.2 分層搜索的互相干 匹配算

7、法人們?cè)谒阉魑矬w的時(shí)候，視覺(jué)習(xí)慣是先斷定 搜索目標(biāo)的大概地位 ，然后再關(guān)注要搜索的細(xì)節(jié)內(nèi)容，類(lèi)比這一歷程 ，本節(jié)提出基于圖象金字塔模型的分層圖象匹配法子。 算法的實(shí)現(xiàn)歷程 如下： 首先，將搜索圖 S(i,j)和模板T(m,n) 進(jìn)行雷同 的分層處理，法子是在圖象上等間隔跳躍地取點(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)分手率較低和維數(shù)較小的圖象。比如對(duì) 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，這樣的效果 將使搜索地位 數(shù)大大減少。 其次，先粗后細(xì)的匹配歷程 。在粗匹配中找到具有叫高匹配值的潛在的地位 ，設(shè)定適當(dāng)?shù)牟蓸娱g隔，降低圖象的維數(shù)。利用

8、根基的模板匹配法子找到粗匹配地位 ，經(jīng)過(guò)粗匹配就是要盡最大可能地剔除非匹配的地位 。精匹配是在粗匹配給定的地位 的根基 上進(jìn)行精度較高的匹配歷程 ，匹配法子要有較高的精度。逐步恢復(fù)原本的分手率進(jìn)行精匹配。最后給出匹配的最佳效果 。 模板的匹配歷程 分為粗匹配歷程 和精匹配歷程 。兩個(gè)匹配歷程 可以采納 不同的匹配法子，進(jìn)行不同的組合。在粗匹配歷程 中，可以選擇運(yùn)算量小盤(pán)算 速度快的算法。在精匹配歷程 中，要選用精度較高的算法。2.3 幾種互相干 算法的實(shí)驗(yàn)數(shù)據(jù)本實(shí)驗(yàn)選取一張240240pixel的灰度圖作為搜索的目標(biāo)圖片，在其中選取了從4040pixel到140140pixel的圖片作為模板，

9、如圖3所示。其中表1是利用Evision軟件的模板匹配算法進(jìn)行模板匹配的效果 ，該軟件采納 了亞像素插值算法，匹配效果 的精度從像素級(jí)進(jìn)步 到了亞像素級(jí)別。表2是采納 抽樣點(diǎn)的互相干 模板匹配算法，在模板中將抽樣點(diǎn)把持 在121個(gè)點(diǎn)，這些點(diǎn)均勻地散播在模板圖象中。從實(shí)驗(yàn)的效果 可以看出，匹配的精度與Evision軟件的匹配效果 雷同 ，只是沒(méi)有進(jìn)行亞像素插值。匹配的光陰 隨圖片的增大而減小，這是由于抽樣點(diǎn)的匹配算法漠視了模板大小對(duì)相干 盤(pán)算 量的影響，只與搜索的地位 數(shù)有關(guān)。隨著模板尺寸的增大，搜索地位 數(shù)減少，從而減少了總盤(pán)算 量。表3是采納 分層匹配算法，在粗匹配歷程 和精匹配歷程 中都采

10、納 了互相干 算法。在粗匹配歷程 當(dāng)中，將目標(biāo)圖片隔三個(gè)像素取一個(gè)點(diǎn)，搜索地位 數(shù)由原本的240240個(gè)點(diǎn)減少到6060個(gè)點(diǎn)。從實(shí)驗(yàn)的效果 可以看到匹配精度達(dá)到了請(qǐng)求 。在漠視精匹配的盤(pán)算 量的情況下，分層匹配算法的盤(pán)算 量是沒(méi)有加速的 ，（L是間隔點(diǎn)）這樣進(jìn)步 了匹配精度，也進(jìn)步 了匹配的速度。 圖3 不同尺寸的圖片表1 Evision軟件的測(cè)試效果 Table1 Test result of algorithm in Evision模板大小 X 坐標(biāo) Y 坐標(biāo) 匹配系數(shù)光陰 (ms) 4040 128.00 128.00 0.992881 112 6060 130.05 127.01 0.

11、996524 96 8080 125.98 115.00 0.992866 87100100 130.05 128.00 0.995177 63120120 127.06 112.00 0.996320 54140140 130.00 128.00 0.995241 36表2 抽樣點(diǎn)匹配算法的效果 Table 2 Test result of sampled points cross correlation matching模板大小 X 坐標(biāo) Y 坐標(biāo) 匹配系數(shù) 光陰 (ms) 4040 128 128 0.985424 248 6060 130 127 0.985748 217 8080 1

12、25 115 0.987845 155100100 130 128 0.985748 142120120 127 112 0.986320 93140140 130 128 0.985241 62表3 分層搜索匹配算法的效果 Table 3 Test result of layer matching模板大小 X 坐標(biāo) Y 坐標(biāo) 匹配系數(shù)光陰 (ms) 4040 128 128 0.992145 79 6060 130 127 0.985642 63 8080 125 115 0.965214 54100100 130 128 0.985623 43120120 127 112 0.984562 32140140 130 128 0.985692 213 探針臺(tái)主動(dòng) 對(duì)準(zhǔn)的實(shí)現(xiàn)轉(zhuǎn)換成電機(jī)的旋轉(zhuǎn)脈沖： 脈沖。上述是利用模板匹配的根基原理，在實(shí)際利用 中，由于機(jī)械的誤差的影響，通過(guò)電機(jī)旋轉(zhuǎn)的角度與盤(pán)算 的效果 總是有誤差的，為了達(dá)到精度請(qǐng)求 ，筆者采納 了多次逼近的法子，其算法流程圖如圖5所示。其中d的大小是晶片（Die）的尺寸的整數(shù)倍圖4未對(duì)準(zhǔn)的晶圓圖5 晶圓主動(dòng) 對(duì)準(zhǔn)流程圖4收?qǐng)?語(yǔ) 主動(dòng) 辨認(rèn) 對(duì)準(zhǔn)技巧 將會(huì)越來(lái)越多地利用 在電了專(zhuān)用