专利名称：用于获取和处理复合图像的系统及方法
技术领域：
一般来说，本发明涉及数据处理领域，更具体来讲，涉及用于获取和处理复合图像的系统及方法。
背景技术：
采用数字获取系统捕捉的全息图包含与被查看对象的材料特性及拓扑结构有关的信息。通过捕捉相同对象的不同示例的序列全息图，对象之间的变化可在数维中测量。全息图的数字处理允许直接比较对象的实际像波。这些像波包含比传统的非全息图像明显更多的关于小细节的信息，因为图像相位信息保留在全息图中，而在传统图像中则被丢失。比较全息图像的系统的最终目的是量化对象之间的差异，并确定是否存在显著差异。
比较全息图的过程因全息图生成过程和对象处理中涉及的变量而成为艰难的任务。具体来说，为了有效地比较对应的全息图像，两个或两个以上全息图像必须被获取和登记或者“匹配”，使得图像接近对应。另外，在获取和登记全息图像之后，对图像进行比较以便确定图像之间的差异。登记和比较相应图像的现有技术往往要求大量处理和时间。这类时间和处理要求限制了数字全息成像系统的吞吐量及整体效率。
通过参照以下结合附图的描述，可获得对本实施例及其优点的更完整了解，附图中，相同的参考标号表示相同的特征，以及附图包括图1是流程图，表示基于密度的登记方法；
图2是流程图，表示基于幅度的登记方法；图3是流程图，表示一种用于全息相位图像的登记方法；图4是流程图，表示一种用于全息复合图像的登记方法；图5是删除了置信值计算的简化登记系统的流程图；图6是流程图，表示一种用于全息复合图像的简化登记系统；图7是用于确定位置细化的晶片的说明示图；图8是数字全息成像系统的示图；图9是从CCD照相机获取的全息图的图像；图10是图10的放大部分，表示边缘细节；图11是采用快速傅立叶变换(FFT)运算变换的全息图像；图12是表示边带的全息图像；图13是集中于载频的全息FFT的象限；图14表示在应用巴特沃思低通滤波器之后图14的边带；图15表示幅度图像；图16表示相位图像；图17表示差值图像；图18表示第二差值图像；图19表示阈差值图像；图20表示第二阈差值图像；图21表示逻辑“与”运算之后的两个阈差值图像的图像；图22表示带缺陷的幅度图像；以及图23表示带缺陷的相位图像。
详细说明参照图1至图23，最佳地理解优选实施例及其优点，其中，相同的标号用来表示相似及对应的零件。
以下发明涉及数字全息成像系统及应用，例如在标题为“Direct-to-Digital Holography and Holovision”的美国专利第6078392号、标题为“Improvements to Acquisition and Replay Systems for Directto Digital Holography and Holovision”的美国专利第6525821号、标题为“System and Method for Correlated Noise Removal in ComplexImaging Systems”的美国专利申请第09/949266号以及标题为“Systemand Method for Registering Complex Images”的美国专利申请第09/949423号中所述，通过引用将其全部结合到本文中。
本发明包含自动图像登记及处理技术，开发这些技术以满足直接数字全息照相(DDH)缺陷检验系统的特殊需要，如本文所述。在DDH系统中，可逐个像素地比较流式全息图，用于全息图生成之后的缺陷检测。
本发明的一个实施例包括采用下述反馈置信测量进行自动图像匹配和登记的系统及方法。登记系统为DDH系统中的多个图像匹配任务提供技术及算法，例如运行时晶片检验、画面匹配细化以及旋转晶片校准。在一些实施例中，用于实现这种登记系统的系统可包括含以下方面的若干主要方面搜索策略，多个数据输入能力，在傅立叶域中实现的归一化相关性，噪声滤波，相关峰值图案搜索，置信定义及计算，子像素精度建模，以及自动目标搜索机制。
图像登记信号的傅立叶变换是信号的唯一表示，即，信息内容在两个不同域中彼此唯一确定。因此，给定具有某种程度叠合的两个图像f1(x，y)和f2(x，y)，通过傅立叶变换F1(wx，wy)和F2(wx，wy)，它们的空间关系也可由其傅立叶变换之间的关系唯一表示。例如，空间域中的两个信号之间的仿射变换可根据傅立叶变换的移位定理、缩放定理以及旋转定理由傅立叶变换唯一表示。如果在f1(x，y)和f2(x，y)之间存在仿射变换，则它们的空间关系可表示为x′y′=abcdxy+x0y0]]>
其中A=abcd|]]>表示旋转、缩放和倾斜差异，以及 表示平移。如果是无噪环境，则两个图像由下式彼此相关f1(x，y)＝f2(ax+by+x0，cx+dy+y0)；以及它们的傅立叶变换表示如下F2(wx,wy)=|A|F1(ATwxwy)e-j(wxx0+wyy0),]]>其中AT表示A的转置，以及|A|是其行列式。这个推导的重要性在于，这个等式将仿射参数在傅立叶空间中分为两组平移和线性变换，它告诉我们，平移由傅立叶相位差来确定，而幅度则是移位不变的，且通过线性分量|A|彼此相关。
在最简单的情况中平移模型、即一个图像只是另一个图像的移位形式，如以下情况f1(x，y)＝f2(x+x0，y+y0)。
它们的傅立叶变换具有下列关系F2(wx,wy)=F1(wx,wy)·ej(wxx0+wyy0),]]>根据傅立叶移位定理，它相当于F2(wx,wy)F1*(wx,wy)|F2(wx,wy)F1*(wx,wy)|=ej(wxx0+wyy0).]]>上式左边是通过两个信号可能的最大功率归一化的交叉功率谱。它还称作相干函数。两个信号具有相同的幅度频谱，但具有与空间平移对应的线性相位差。两个图像的相干函数Γ12(wx，wy)还通过下式与功率谱密度(PSD)和交叉功率谱密度(XPSD)定义的它们的互相关性相关
Γ12(wx,wy)=xpsdpsd1·psd2,]]>其中，xpsd为两个图像的交叉功率谱密度，以及psd1和psd2分别为f1和f2的功率谱密度。假定它是固定随机过程，则它的真实PSD为真实自相关函数的傅立叶变换。图像的自相关函数的傅立叶变换提供PSD的样本估算。同样，交叉功率密度xpsd可通过将f2的二维傅立叶变换与f1的二维傅立叶变换相乘来估算。因此，两个图像的相干函数可由下式估算Γ12(wx,wy)≅F2(wx,wy)F1*(wx,wy)|F2(wx,wy)F1*(wx,wy)|]]>以上相干函数是空间频率的函数，其中它的幅度表明互相关函数中呈现的功率幅度。它也是互相关(CC)的频率表示，即，互相关的傅立叶变换，由傅立叶变换的相关定理表示如下f1(x，y)f2(x，y)F2(wx，wy)F1(-wx，-wy)，其中，表示空间相关。对于实信号，傅立叶变换是共轭对称的，即F1(-wx，-wy)＝F1(wx，-wy)可能的最大相关功率是 的估算。幅度平方相干|Γ12(wx，wy)|2为0与1之间的实函数，它提供各频率的两个图像之间的相关量度。在给定频率，当相关功率与可能的最大相关功率相同时，两个图像观察到相同图案，以及功率只由一个缩放因子改变。在这种情况下，CC＝1。当两个图像具有不同图案时，功率在两个功率谱密度中为异相，以及交叉功率谱密度将具有比最大可能的情况更低的功率。为此，相干函数可用于图像匹配，以及相干值是两个图像之间的相关的量度。
根据以上所述理论，两个图像的匹配位置、即登记点可通过查找最大CC在空间域中的位置来导出。CC的傅立叶逆变换(即相干函数的估算)为F-1(F2(wx,wy)F1*(wx,wy)|F2(wx,wy)F1*(wx,wy)|)=F-1(ej(wxx0+wyy0))=δ(x0,y0),]]>它为迪拉克δ函数。这是CC在空间域中的表示，并且δ函数的位置正好是登记所在的位置。
对于实信号以及具有有限带宽(离散傅立叶变换的有限大小)和空间信号的周期扩展的假设的系统，δ函数变成单位脉冲。给定具有某种程序叠合的两个信号，其交叉功率谱中的信号功率大部分集中于空间域中的相干峰值，处于登记点。噪声功率随机分布于某些相干峰值中。相干峰值的幅度是两个图像之间的叠合的直接量度。更准确地说，相干峰值中的功率对应于重叠区域的百分比，而不相干峰值中的功率则对应于非重叠区域的百分比。
噪声、特征空间选择和滤波器的影响理论上，受关注特征的相干在频域的所有频率上应当为1，并且在空间域的登记点上应当为δ脉冲。但是，噪声通常使相关面失真。这些噪声包括时变噪声(A/C噪声)，例如背反射噪声、载波漂移和过程变化导致的变化；固定图案噪声(D/C噪声)，例如照度不均匀性、不良像素、照相机划痕、光路上的灰尘和焦距差、舞台倾斜；以及(3)随机噪声。
如果这些噪声存在，则可将一个图像看作三个图像以相加和相乘方式的重叠fn(x，y)＝Nm(x，y)*f(x，+y)Na(x，y)，其中，Nm(x，y)是相乘噪声源；Na(x，y)是相加噪声源；以及fn(x，y)是被噪声导致失真的信号。
Fa(x，y)＝Fm(x，y)F(x，y)+Fa(x，y)其中，Fm(x，y)是相乘噪声源的傅立叶变换；Fa(x，y)是相加噪声源的傅立叶变换；以及Fn(x，y)是被噪声导致失真的信号的傅立叶变换。
所观察的信号是具有其傅立叶变换Fn(x，y)的fn(x，y)。噪声处理的目的是仅对该信号进行相干峰值收敛。实现这个目标主要有两种方式(1)从所观察的信号重构其原始信号f(x，y)或者其原始傅立叶变换F(x，y)；(2)尽可能地减小噪声，以便增加对信号的收敛的可能性，即使信号被部分消除或衰减。
噪声消除的第一种方法要求采用各噪声源进行噪声建模，通常要求不同的模型。第二种方法集中于通过任何方式进行噪声消除，即使它还消除或衰减该信号，这为我们提供了更多的操作余地。因此，我们主要将第二种技术用于图像匹配的任务。此外，在空间域以及频域中考虑该问题是有益的。在噪声抗噪声登记系统的设计中已经考虑以下观察情况首先，所有频率一般同样地起作用，因此，窄带噪声在频域中更易于处理。
其次，在不同照度下得到的图像数据通常显示缓慢变化差异。照度不均匀性通常表现为图像上的低频变化。
另外，频域中的载波漂移、即空间域中的相位倾斜为低频、舞台倾斜、舞台高度中的缓慢变化，并且过程变化大部分为低频噪声。A/C噪声一般为低频。离焦灰尘也处于频域中的较低侧。背反射噪声大部分为较低频率。
随机噪声通常处于相对较高频率。低频噪声以及高频噪声对于任何相互相似性测量和相干峰值收敛都是有害的。
高频内容与对比度反转无关。基于频率的技术是相对地画面无关的以及是多传感器可能的，因为它对频谱能量的变化不敏感。只有频率相位信息用于相关，它相当于各图像的白化，以及白化对于亮度的线性变化是不变的，并且使相关测量无关。
如果存在白噪声，则互相关是最佳的。因此，广义加权函数可在采取傅立叶逆变换之前引入相位差。加权函数可根据所需的抗噪声度的类型来选择。因此，存在一系列相关技术，包括相位相关和传统的互相关。
为此，特征空间可采用突出边缘、固有结构的轮廓、显著特征等。边缘表现对象边界的特征，因此可用于图像匹配和登记。下面是提取这些特征的几个备选滤波器。
巴特沃思低通滤波器用来构成BPF，如下所示weight=11+(rcutoff2)2·order-11+(rcutoff1)2·order,]]>其中，order(阶)为巴特沃思阶；r是到DC的距离；cutoff1和cutoff2分别是低端和高端的截止频率；以及weight(权)为该点的滤波器系数。
BPF可用来选择频率的任何窄带。
空间域中的边缘增强滤波器边缘增强滤波器用来捕捉边缘、轮廓和显著特征中的信息。边缘点可被看作是灰度级突然变化的像素位置。对于连续图像f(x，y)，其导数假定为在边缘方向的局部最大值。因此，一种边缘检测技术是测量在方向θ上沿r的f的梯度。当(/θ)(f/θ)＝0时，得出f/r的最大值。这得出(∂f∂r)max=(∂f∂x)2+(∂f∂y)2,]]>以及θadge=arctan(∂f∂y/∂f∂x)]]>它们可按照数字形式重新写为，g(x，y)＝g2x(x，y)+g2y(x，y)以及
θ(x,y)=arctan(gy(x,y)gx(x,y))]]>其中，gx(x，y)和gy(x，y)是沿X和Y方向的垂直梯度，通过采用梯度算子卷积图像来获得。为了节省计算，往往采用幅度梯度g(x，y)＝|gx(x，y)|+|gy(x，y)|下面列出部分公共梯度算子。
梯度Hx=-11,Hy=-11]]>RobertsHx=01-10,Hy=100-1]]>SobelHx=-101-202-101,Hy=-1-2-1000121]]>当灰度级转变相当突然、如阶梯函数时，一阶导数算子最为有效。随着转变区域变得更宽，应用二阶导数更为有利。另外，这些算子需要多个滤波器通过，每个主方向一个。这种方向相关性可通过采用二阶导数算子来消除。在一些实施例中，方向无关拉普拉斯滤波器是优选的，并定义为▿2f=∂2f∂2x+∂2f∂2y]]>典型的滤波器H具有形式H=-1-1-1-1C-1-1-1-1]]>其中，C为控制内容的参数。值C＝8创建仅边缘(edge-only)滤波器，以及原件中的锐边在已滤波图像中表现为一对峰值。大于8的C的值将边缘与图像本身以不同比例组合，从而创建边缘增强图像。
在一些情况下，为了增加相关峰值高度，还希望增加边缘厚度。但是，这种过程也加宽相关峰值，因此降低登记精度。它对于多分辨率方案中的低分辨率匹配也许有用。
一般来说，空间域中的边缘增强滤波器的目的是(1)控制信息内容以进入登记流程；(2)变换特征空间；(3)捕捉显著特征的边缘信息；(4)锐化信号的相关峰值；(5)解决密度反转问题；以及(6)具有比边缘检测或第一导数更宽的边界。
空间域中的确定阈边缘增强图像通常仍然包含噪声。但是，噪声在边缘强度中看来比在固有结构弱很多，因此边缘增强特征进一步确定阈以消除具有小边缘强度的点。在一些实施例中，确定已滤波图像的阈可以消除大部分A/C噪声、D/C噪声以及随机噪声。
可通过计算已滤波图像的标准偏差σ并将它用来确定可最理想地消除噪声但仍然保留足够信号用于相关的位置，自动地选择阈。阈值定义为阈值＝numSigma·σ其中，numSigma是控制进入登记系统的信息内容的参数。这个参数最好凭经验设置。
在确定阈之后，阈值以下的点最好通过将其清除来禁用，同时具有强边缘强度的其余的点能够通过滤波器并进入后续相关操作。值得注意的是，提高基于区域的登记的健壮性及可靠性的边缘增强的概念来自基于特征的技术。但是，与基于特征的技术不同，图像没有限制到二进制图像。通过保持这些强边缘点的边缘强度值，已滤波图像仍然是灰度级数据。这样做的优点在于，不同边缘点的边缘强度值携带边缘的位置信息。不同的位置信息将以不同方式选择相关过程。因此，这种技术保留登记精度。
图像匹配的置信本论述是有关相关面以及该表面的相干峰值。如本论述中所用的，特征是显性的特征，即画面中的主要特征。在相关面上存在两种峰值相干峰值和不相干峰值。与特征对应的所有峰值是相干的，其它所有峰值是不相干的，即对应于噪声。
相干峰值的一些实例如下所述-X和Y中具有周期Tx和Ty的周期信号产生具有相同周期的多个周期性相干峰值。这些峰值具有大约相等的强度，其中的最高峰值最可能处于中央，朝边缘的峰值具有不断衰落的强度。
-任何局部重复的信号还产生多个相干峰值。最高的相干峰值最可能处于登记点，以及其它所有二级峰值对应于局部特征重复性。
-在许多情况下，相关面呈现sinc函数的性能，通常看作因具有有限带宽的系统中的离散傅立叶变换的有限大小导致的响应特性。主瓣具有算法应当会聚的最高峰值，但也存在具有峰值的多个副瓣。
不相干峰值在存在噪声时出现。随机噪声功率随机分布于某些相干峰值中。A/C以及D/C噪声都将使相干峰值偏移、失真及发散。噪声还使相干峰值产生谐音、分叉、模糊。
相干峰值的幅度是两个图像之间的叠合的直接量度。更准确地说，相干峰值中的功率对应于重叠区域中的主要特征的百分比，而不相干峰值中的功率则对应于噪声和非重叠区域的百分比。
因此，以下两种度量被开发并共同用来评估图像匹配的质量。首先是第一相干峰值的高度。其次是第一相干峰值以及相干或不相干的第二峰值之间的强度中的差异，即相关系数。
采用这些度量的另一个优点在于，它们根据已经实时可用的相关面计算，同时还计算校准差值。效率和实时速度在大部分图像匹配应用中是关键，在这种应用中，实时置信反馈信号是成功的自动目标搜索系统、例如其中要求自动多FOV(multi-FOV)搜索的晶片旋转校准的关键。
搜索空间和子像素建模搜索策略的任务在登记的这种实现中往往是微不足道的，因为在傅立叶逆变换之后，整个相关面已经可用于搜索。登记点是幅度相关面的最大峰值。对整个搜索空间上的峰值的一次扫描通常是足够的。这是所检测的整数登记。
为了找出子像素偏移，子像素建模按以下方式进行。二维抛物线面可定义为Z＝ax2+by2+cxy+dx+ey+f.
这个二阶多项式适于(0，0)处的整数峰值附近的3×3点相关面。
Z1Z2···Z9=x12y12x1y1x1y11x22y22x2y2x2y21······························x92y92x9y9x9y91abcdef]]>其中，(x，y)是这9个点的坐标，它对于x和y可简化为[-1，0，1]。基于矩阵伪逆运算对上式的最小平方解提供对系数的估算abcdef=x12y12x1y1x1y11x22y22x2y2x2y21·························1x92y92x9y9x9y91-1Z1Z2···Z9|]]>在这个3×3块中登记的子像素位置处于抛物线的峰值位置，它通过相对x和y取抛物线方程的偏倒数并将其设置为零来确定∂Z∂x=2ax+cy+d=0]]>∂Z∂y=2by+cx+e=0]]>它给出x=2db-cec2-4aby=2ae-dcc2-4ab]]>整数峰值和子像素偏移的坐标用来确定整个图像的最终登记偏移。
图1表示基于密度的登记方法的一种实现。该方法以提供测试密度图像10(也可称作第一图像)和参考密度图像(12)开始。两个图像分别经过边缘增强(14和16)，然后采用确定阈操作(18和20)从边缘增强图像中消除噪声。然后采用傅立叶变换来变换图像(22和24)。
两个已变换图像则用于相干函数计算(26)，以及对其应用傅立叶逆变换(28)。随后，幅度运算在所选搜索范围内执行(30)。然后，执行置信计算(32)，以及图像的匹配可根据从其中导出的置信值被接受或拒绝(34)。如果置信值处于可接受范围内，则登记过程进入整数平移和子像素建模(36)，以及图像的匹配被接受(38)。如果置信值不在可接受范围内，则开始新的搜索(40)。
图2表示基于幅度的登记方法的一种实现。该方法以提供测试全息图(50)和参考全息图(52)开始。采用傅立叶变换对两个全息图分别进行变换(54和56)，以及边带提取应用于各图像(58和60)。随后，采用带通滤波器对两个图像分别滤波(62和64)。然后，采用傅立叶逆变换对所得图像分别进行变换(66和68)，以及对各所得图像执行幅度运算(70和72)。结果在采用傅立叶变换运算进行变换(78和80)之前进行阈确定(74和76)。
两个已变换图像则用于相干函数计算(82)，以及对其应用傅立叶逆变换(84)。随后，幅度操作在所选搜索范围内执行(86)。然后，执行置信计算(88)，以及图像的匹配可根据从其中导出的置信值被接受或拒绝(90)。如果置信值处于可接受范围内，则登记过程进入整数平移和子像素建模(92)，以及图像的匹配被接受(94)。如果置信值不在可接受范围内，则开始新的搜索(96)。
图3表示基于相位图像的登记方法的一种实现。该方法以提供测试全息图(100)和参考全息图(102)开始。采用傅立叶变换对两个全息图分别进行变换(104和106)，以及边带提取应用于各图像(108和110)。随后，采用低通滤波器对两个图像分别滤波(112和114)。然后，采用傅立叶逆变换对所得图像分别进行变换(116和118)，以及对各所得图像执行相位运算(120和122)。然后对所得图像执行相位已知的增强(124和126)。结果在采用傅立叶变换运算进行变换(132和134)之前进行阈确定(128和130)。
两个已变换图像则用于相干函数计算(136)，以及对其应用傅立叶逆变换(138)。随后，幅度运算在所选搜索范围内执行(140)。然后，执行置信计算(142)，以及图像的匹配可根据从其中导出的置信值被接受或拒绝(144)。如果置信值处于可接受范围内，则登记过程进入整数平移和子像素建模(146)，以及图像的匹配被接受(148)。如果置信值不在可接受范围内，则开始新的搜索(150)。
图4表示基于复数的登记方法的一种实现。该方法以提供测试全息图(152)和参考全息图(154)开始。采用傅立叶变换对两个全息图分别进行变换(156和158)，以及边带提取应用于各图像(160和162)。随后，采用带通滤波器对所得图像进行滤波(164和166)。
两个已滤波图像则用于相干函数计算(168)，以及对其应用傅立叶逆变换(170)。随后，幅度运算在所选搜索范围内执行(172)。然后，执行置信计算(174)，以及图像的匹配可根据从其中导出的置信值被接受或拒绝(176)。如果置信值处于可接受范围内，则登记过程进入整数平移和子像素建模(178)，以及图像的匹配被接受(180)。如果置信值不在可接受范围内，则开始新的搜索(182)。
在一些实施例中，可通过消除置信评估来进行简化。一般包括(1)采用图像共轭乘积代替相干函数计算，即无需通过两个图像的最大可能功率对交叉功率谱密度进行归一化，以及(2)消除置信计算和接受/拒绝测试。方法的其余部分基本上与其最初形式相同。例如，基于复数的登记系统的简化形式如图5所示。
图5表示基于复数的登记方法的一种简化实现。该方法以提供测试全息图(200)和参考全息图(202)开始。采用傅立叶变换对两个全息图分别进行变换(204和206)，以及边带提取应用于各图像(208和210)。随后，采用带通滤波器对所得图像进行滤波(212和214)。
两个已滤波图像则用来确定图像共轭乘积(216)，以及对其应用傅立叶逆变换(218)。随后，幅度运算在所选搜索范围内执行(220)。则登记过程进入整数平移和子像素建模(222)，以及图像的匹配被接受及上报(224)。
对于特定应用的某种技术或者多种技术的组合的选择是系统工程选择，并取决于许多因素。其中重要因素为所需功能性、系统整体优化、可用数据流、滤波实现的便捷性和可行性、噪声滤波结果和健壮性、整个系统速度和成本、系统可靠性。
提供下列实例以说明这些原则。
运行时缺陷检测在运行时晶片检验的应用中，系统速度和精度是主要的。为此，已经可用的复合频率数据流可用于这个方面。因此，可简化登记，如图6所示。
图6表示一种用于当边带在数据流中可用时登记全息复合图像的方法的简化实现。该方法以提供测试边带(250)和参考边带(252)开始。各边带分别采用带通滤波器(254和256)。
两个已滤波图像则用来确定图像共轭乘积(258)，以及对其应用傅立叶逆变换260。随后，幅度运算在所选搜索范围内执行(262)。则登记过程进入整数平移和子像素建模(264)，以及图像的匹配被接受及上报(266)。
晶片中心检测(或者管芯零或其它点位置细化。)图7表示登记过程如何应用于将晶片坐标系与舞台坐标系对齐。晶片300放置在卡盘上，以及在可能匹配所存储参考图案的坐标位置获取图像。对图像执行下面提供的程序，以便确定参考图案的实际位置与图案的假定位置之间的偏移(Δx 302，Δy 304)。第二步是重复登记程序，以便确定及校正管芯网格轴与舞台轴之间的旋转角θ306。
在本应用的特定实施例中，必需采用算法的完全形式。
登记(平移，置信，图像1，图像2，...)它通过计算它们的平移差值来登记(复合频率、复合空间、幅度、相位或密度的)两个图像，并返回通知是否成功匹配的实时置信测量，下列程序被开发用于晶片中心检测和旋转角检测。
给定图像片作为模板(例如256×256)，执行以下步骤步骤1.在取模板的当前位置取FOV 308，图像1(假定它是具有接近实际晶片中心的特征的图像段)。
步骤2.将模板零填充到图像1的大小。
步骤3.调用登记(平移，置信，图像1，填充模板，...)。
步骤4.如果(置信.maxxCorrlst＞＝T1以及置信.测量＞＝T2)则停止。输出平移并计算晶片中心。
步骤5.从基于步骤4所检测的平移的位置的图像1提取256×256的图像片。
步骤6.采用模板和所提取的图像片重复步骤3(执行256×256登记)。
步骤7.重复步骤4。
步骤8.通过从它的具有P％重叠的相邻FOV提取FOV，来执行循环搜索311，转到步骤3。
步骤9.重复步骤4、步骤5和步骤6，直到步骤4中的条件被满足或者发信号通知它超出预定搜索范围。
步骤10.如果在搜索范围中没有发现匹配，则输出失败信号并处理此情况。
以上步骤利用四个参数T1、T2、numSigma和P％。T1是最小Coors相关系数；T2是最小置信值；numSigma是噪声阈，它控制在边缘增强之后进入登记系统的信息内容；以及P％是提取相邻FOV时的重叠。在一个实施例中，在对模板零填充的情况下，重叠应当＞＝50％*256个像素，因为它只需要覆盖原始模板的一部分。根据实验，下列设定对成功搜索是典型的T1＝0.4，T2＝0.1，numSigma＝3.5。
其它参数与实时登记中相似。
在一些实施例中，填充方案也可用倾斜方案取代。
旋转角检测为了标识旋转角检测，给定晶片中心，执行下列步骤步骤1.沿左侧的晶片中心线取FOV 310，图像1，(这可以也是一步校准的边缘管芯)。
步骤2.沿相对晶片中心与左侧FOV对称的右侧的晶片中心线取FOV 312，图像2。
步骤3.调用登记(平移，置信，图像1，图像2，...)。
步骤4.如果(置信.maxxCorrlst＞＝T1以及置信.测量＞＝T2)则停止。输出平移并计算旋转角。
步骤5.通过取上方或下方具有P％重叠的另一个FOV，来执行螺旋搜索，转到步骤3。
步骤6.重复步骤4和步骤5，直到步骤4中的条件被满足或者发信号通知它超出预定搜索范围。
步骤7.如果在搜索范围中没有发现匹配，则输出失败信号并处理此情况。
应当沿以上检测的晶片中心线或者沿接近中心的平行线(其中的特征保证存在，例如取模板图像的位置)取数据。
参数与晶片中心检测中相同。注意，一个方向(在螺旋搜索的情况下为Y)的P％重叠将保证在网格(网格是其中数据实际上相对与其匹配FOV对应的实际位置来提取)的最差情况下的一对FOV之间的(50％+P％/2)重叠区域。
以上所述技术提供许多有利特性。包括固定图案(D/C噪声)、时变图案(A/C噪声)和随机噪声等的噪声可通过空间域中实现的新颖滤波器达到100％的消除。滤波器对于所使用的不同数据采用不同形式。一般来说，首先增强高频空间特征的边缘。只有强特征才能通过滤波器，而噪声则不进入此过程。然后，灰度级边缘强度数据而不是原始密度/相位用于下列相关过程。
相关过程在速度和效率的傅立叶域中来实现。在大部分实施例中，快速傅立叶变换(FFT)用来实现傅立叶变换运算。
各匹配的置信值的使用是有利的。这个置信值采用二维相关面的峰值图案来定义。与相关系数一起，这个置信值提供对图像匹配质量的可靠测量。
提供一种用于从所需数量的视野(FOV)的全自动搜索(与目标对象的机械平移结合)直到匹配正确目标为止的机制也是有利的。每次移动的质量通过在登记计算过程中定义的置信来测量，以及置信值还可用来接受匹配或拒绝它，并开始新的搜索。
自动晶片旋转校准完全使任何晶片旋转衰减的校正自动化。这对于晶片检验系统中的晶片设置是重要的。它减少了算子的设置时间，并实现晶片导航的所需精度。登记系统为检验系统提供用于晶片校准的健壮、可靠且有效的子系统。
所述方法提高了接受各种输入数据的灵活性。在DDH晶片旋转校准的情况下，这种方法可接受五种主要数据格式，以及直接根据这些数据来计算登记参数a.复合频率数据；b.复合空间数据；c.从全息图中提取的幅度数据；d.从全息图中提取的相位数据；以及e.仅密度数据。这种灵活性提供了开发整体上更可靠且有效的系统的可能性。
比较全息图像本发明还包括用于为了标识对象中的变化或者对象之间的差异而比较全息图像的系统及方法。如图8所示，一般表示为340的成像系统包括主要组件1)机械定位系统380，具有链接到系统控制计算机350的计算机控制；2)光系统370，用于创建全息图，包括照明源；3)数据获取及处理计算机系统360；4)处理算法，可用于在处理系统360中运行；并且还可包括5)用于监控子系统的系统(没有明确示出)。
成像系统340通过以总共六个自由度(x，y，θ，z，翻转，倾斜)定位光系统的视野(FOV)中的对象的一个示例，并采用获取系统360获取数字全息图以及执行第一级全息图处理，来进行工作。所得图像波的中间表示可存储在临时缓冲器中。
然后，指示定位系统380移动到具有FOV中的新对象的新位置，并重复初始获取序列。定位系统用于新位置的坐标从虚拟映射及检验计划中导出。这个步骤和获取序列重复进行，直至达到第一对象的第二示例。
距离测量装置最好与定位系统380结合用于产生表示对象与测量装置之间的距离的一组离散样本。数学算法则用来产生具有查找功能的映射表，用于确定总共三个自由度(z，翻转，倾斜)的目标值，作为总共三个输入坐标(x，y，θ)的输入给出。
在这一点上，光系统370获取对象的第二示例的全息图，它经过处理以便产生图像波的中间表示。第一示例的相应表示从临时缓冲器中检索，并且两个表示被对齐并滤波。通过对频域中的对象的表示执行唯一处理，可在这一点上实现许多益处。这两个示例之间的比较(参考差异图像描述)可以进行，并且结果存储在临时缓冲器中。这个过程可对包含对象的第二示例的其它FOV重复进行。
定位系统380到达对象的第三示例，并且先前两个步骤(中间表示以及与第二示例的比较)完成。第一与第二示例之间的比较的结果从临时缓冲器中检索，并且噪声抑制和源逻辑算法最好可应用于所检索的以及当前比较。
然后可分析结果并产生汇总统计。这些结果被传送给监督控制器。当获取对象的新示例时，这个循环重复进行。
产生复合图像之间的差值本发明考虑产生两个复合图像之间的差值的变化。
可采用幅度差。首先，两个复合图像最好被转换为幅度表示，并且计算所得幅度之间的差值的幅度(逐个像素)。在一个实施例中，这表示被成像的两个表面之间的反射率的差异。
可采用相位差。首先，两个复合图像最好被转换为相位表示，并且计算所得相位值之间的有效相位差(逐个像素)。这可以按照所述方式直接执行，或者通过在两个图像已经过幅度归一化之后计算它们的逐个像素比率的相位来执行。在一个实施例中，这表示被成像的两个表面之间的高度差。
还可采用向量差。首先，两个复合图像在复合域中直接相减，然后计算所得复数差的幅度。这个差值以有利方式结合幅度差与相位差的示象。例如，在相位差可能为噪声的情况下，幅度可能较小，因而减轻相位噪声对所得向量差的影响。
校准和比较两个连续差值图像本发明还考虑两个连续差值图像的校准及比较，以便确定哪些差异是两者共同的。将一个差值图像移位以匹配另一个的数量通常由最初计算差值图像所执行的先前步骤中已知，即图像A移位数量a以便匹配图像B，并且产生差值图像AB，同时图像B移位数量b以便匹配图像C，并且产生差值图像BC。因此，将图像BC移位以便匹配图像AB的适当数量为-b。下面描述确定两个差值图像共同具有的哪些差异的三种备选方法。
在一个实施例中，对差值图像确定阈，然后两个阈限制图像其中之一移位适当数量，四舍五入为最接近的完整像素。公共差值则通过移位及没有移位的阈限制差值图像的逻辑“与”(或乘法)表示。
在另一个实施例中，差值图像在确定阈之前首先被移位适当(子像素)数量，然后再对图像确定阈。然后公共差通过上述逻辑“与”(或乘法)来计算。
在另一个实施例中，差值图像中的一个在确定阈之前被移位适当(子像素)数量并与第二图像结合。两个图像的组合可以是几个数学函数中的任一个，其中包括逐个像素算术平均和逐个像素几何平均。在组合两个差值图像之后，对结果确定阈。
示例操作以下论述提供对本发明的示例操作的描述。首先，全息图采用CCD照相机来获取(如图9和图10所示)并存储在存储器中。对象波定义为 并且参考波为
忽略照相机的非线性以及噪声，所记录的全息图的密度为 两个波之间的相位差 定义为 并且表示两条边之间的角度的向量差 为Δk→=(k→A-k→B).]]>等式(1)简化为 其中，μ0表示相干因子。埃德加已经证明了沿这些线的其它详细情况。
在优选实施例中，这个步骤可作为由数字全息成像系统本身进行的直接图像捕捉并传送给存储器来实现，或者通过从磁盘读取已捕捉图像在脱机程序中进行模拟。在这个特定优选实施例中，图像作为16位灰度级被存储，但采用实际范围(0-4095)的12位，因为那是照相机的完整范围。
随后，全息图像最好经过处理，以便提取从对象返回的复合波前，如图11所示。在一个优选实施例中，对所捕捉(以及可靠增强)全息图执行快速傅立叶变换(FFT)。全息图密度的FFT表示为 随后，找到全息图像的载频。在一个实施例中，这首先要求边带集中的频率(如图12所示)必须被设置，以便适当地隔离边带。这可对所处理的第一全息图以及用于所有后续图像的相同位置进行，或者载频可对每个单个全息图重新设置。首先，查找来自等式(2)的全息图FFT的位置q→=Δk→]]>(或q→=-Δk→).]]>由于边带的模数在这两个位置呈现峰值，因此可通过搜索离开q→=0]]>的FFT{Ihol}的模数，来找到预期位置。
在一些实施例中，边带的搜索区域定义为参数。全息图FFT的模数在所定义区域中计算，并且最大点的位置被选择作为载频。在所有实现中，搜索区域可指定为受关注区域(最大和最小x及y值)。
在特定实施例中，通过FFT模数在找到的最大值区域中的内插，载频计算到子像素精度。为了校正载频的子像素位置，FFT则在隔离边带之后通过仅相位函数来调制。
边带的搜索区域可指定为傅立叶域中的受关注区域或者指定为在傅立叶域中没有搜索的、离开x和y轴的像素数量。在一些实施例中，这个参数可有选择地修改。或者，用户可以可选地设置边带的手动位置，它将载频位置设置为用于所有图像的固定值。(在特定实施例中，通过将搜索区域设置为单点，可实现相同效果。)对于检验系列，载频可假定是稳定的，因此不需要对每个全息图重新计算。载频可找到一次，并且那个频率在相同检验中用于所有后续全息图。
在定位边带之后，集中于载频的全息图FFT的象限被提取，如图13所示。边带象限的这种隔离从等式(3)中减少边带项其中之一，并对它调制以消除对 的相关性 这个步骤的实现是简单的。注意，在一些实施例中，象限没有从FFT中提取，而是FFT重新集中于载频并保持其原始分辨率。
然后，所提取的边带可经过滤波。在特定实施例中，巴特沃思低通滤波器应用于所提取边带，以便从自相关频带中减小任何混淆的影响以及减小图像中的噪声。
低通滤波器 应用于边带，如图14所示。已滤波边带是我们希望重构的复合图像波 的FFT
FFT{ψ(r→)}=sideband·H(q→)---(5)]]>巴特沃思低通滤波器由下式定义H(q→)=11+(|q→|/qc)2N---(6)]]>其中，qc为滤波器的截止频率(即，自其中的滤波器增益降低到处其值一半的滤波器中心的距离)，并且N为滤波器的阶(即滤波器截止的速度)。
在使用离轴照度的实施例中，低通滤波器可能需要偏心移动，以便更精确地捕捉边带信息。设 表示我们希望设置滤波器中心的位置(偏移向量)，则巴特沃思滤波器的等式为H(q→)=11+(|q→-q→off|/qc)2N---(7)]]>在优选实施例中，巴特沃思滤波器对于给定参数和图像大小应当只计算一次，并存储用于各图像。
在优选实施例中，又称作滤波器“大小”或“半径”的截止频率以及滤波器的阶必须被指定。
如果需要离轴滤波器，则滤波器中心的偏移向量还应当被指定；这个参数还应当是有选择可调整的。在一个优选实施例中，表明是否使用低通滤波器或带通滤波器的标志可允许用来选择处理软件中所采用的滤波器类型。
在一些实施例中，处理软件程序具有采用带通滤波器代替低通滤波器的能力。采用带通滤波器已经表明改进特定缺陷晶片的缺陷检测性能。带通滤波器实现为巴特沃思低通和高通滤波器的一系列乘法；高通滤波器可定义为“一减低通滤波器”，并且指定与低通滤波器相同的参数类型。
随后，对已滤波边带执行傅立叶逆变换(IFFT)，以便导出复合图像波，从而分别产生幅度图像和相位图像，如图15和图16所示。已滤波边带的IFFT产生ψ(r→)=μ0A(r→)B(r→)eiΔψ(r→)---(8)]]>其中已经假定，低通滤波器的孔径完全隔离边带。实际上，这是不可能的，但该假设是实现易处理表达所需的，并且等式(7)没有适当地表示结果。
如果所得复合图像的相位不是足够平坦(即，图像上存在若干相位缠绕)，则可应用平面场校正以改进结果。这包括将复合图像除以参考平面(镜像)的复合图像，以便校正照明亮度以及(尤其是)背景相位的变化。
首先， 表示参考平面全息图的复合图像(按照以上所述进行处理)。平面场校正全息图为ψ′(r→)=ψ(r→)φ(r→)---(9)]]>为了实现这个步骤，在先前检验过程中，平面场全息图被处理为复合图像。那个图像被存储并从该过程逐个像素分为各复合图像。用来产生复合图像的参数(边带搜索区域和滤波器参数)对于平面场全息图通常与对于检验全息图相同。
参考平面校正密度以及相位，因此，从等式(8)产生的结果模数图像 对于查看或者仅幅度处理算法可能不是很有用。这个问题可通过将参考平面图像 修改成在每个像素具有单位模数来减小。然后平面场校正仅校正检验图像中的非平面相位。
差值运算差值运算是标识两个相应复合图像之间的差异所需的。执行差值运算的一个优选方法如以下所述。
在获得两个复合图像之后，两个图像经过对齐，使得两个图像的直接减法将显示两者之间的任何差异。在此实施例中，登记算法基于两个图像的互相关。由于登记算法基于两个图像的互相关，因此，通过从图像中消除DC电平和低频变化，可提高性能。这允许锐边和特征的高频内容比低频变化的任何校准更为突出。
巴特沃思高通滤波器 可应用于(在频域中)要登记的复合图像ψ1和ψ2的每个Ψn(q→)=FFT{ψn}=sideband·H(q→)·HHP(q→)---(10)]]>这有效地对图像进行带通滤波。高通滤波器HHP定义为HHP(q→)=1-11+(|q→|/qc)2N---(11)]]>高通滤波步骤的实现是简单的。所用的高通滤波器的大小可以是用户定义的，或者作为以上应用的低通滤波器的大小的固定百分比来确定。高通滤波器最好是计算一次，并存储应用于每个图像。
高通滤波器HHP的截止频率和阶可由用户指定，或者固定为与低通滤波器参数的预定关系。在一些实施例中，可能希望将这个步骤的参数限制到与低通滤波器参数的固定关系，以便减少用户变量的数量。
滤波之后，计算两个图像的互相关。互相关表面的峰值最好出现于图像之间的正确登记偏移的位置。
两个带通滤波图像之间的互相关 通过取第一图像与第二图像的轭之积的傅立叶逆变换来计算γn,n+1(r→)=IFFT{Ψn(q→)·Ψn+1*(q→)}---(12)]]>两个图像之间的登记偏差对应于互相关表面达到其最大值的位置。两个图像之间的登记偏差为值 表示为 对于它 为最大。对于最大值搜索集中于互相关的原点的区域。一旦找到最大值的位置，二次曲面适合集中于那个位置的3×3邻近区域，并且适合曲面的峰值的子像素位置用作子像素登记偏差。二次曲面的方程为
ax2+bxy+cy2+dx+ey+f＝0(13)系数a、b、c、d、e和f的值经由矩阵解例程来计算。计算对于项x2、xy等的3×3邻近区域中的值的9×6矩阵(A)，并且形成(未知)系数z→=abcdefT]]>的6×1向量。与各位置对应的互相关的值代入9×1向量h→=[|γ(r1→)||γ(r2→)|···]T.]]>矩阵A的形式为A=x12x1y1y12x1y11x22x2y2y22x2y21··················x92x9y9y92x9y91---(14)]]>滤波表面的系数则通过解 的方程(14)来寻找A·z→=h→---(15)]]>二次曲面的最大值的位置(xmax，ymax)则由系数 来计算，并用作子像素登记偏差值。
xmax=2c·d-b·eb2-4a·c---(16)]]>ymax=2a·e-b·db2-4a·c---(17)]]>互相关表面为最大值的位置的确定可通过几种不同方式来实现。在一个实现中，可通过将二次曲面适合集中于最大值的3×3邻近区域，并查找适合表面的最大值的位置，来执行内插。在另一个实现中，存在分别采用各方向(x和y)上的三个点来执行这种内插的选项。
最大登记偏差通常必须被指定，往往指定为图像可相对彼此移动以实现校准的任何方向上的像素的最大数量。
主要描述的登记移位确定完成登记过程。注意，这个过程一般符合以上更详细说明的登记过程。
确定两个图像之间的登记移位之后，第一图像移位那个数量以便将其对齐第二图像。图像 移位登记数量 ψn′(r→)=ψn(r→-r→max)---(18)]]>由于登记移位 通常为非整数值，因此必须选择内插抽样图像的方法。用于内插的两种优选方法是双线性内插和频域内插。双线性内插采用对预期子像素位置的四个最近完整像素在空间域中执行。假定希望查找位置(x+Δx，y+Δy)处的ψ的内插值，其中，x和y是整数，且0≤x＜1以及0≤y＜1。双线性内插值计算为ψ(x+Δx，y+Δy)＝(1-Δx)·[(1-Δy·ψ(x，y)+Δy·ψ(x，y+1)]+Δx·[(1-Δy)·ψ(x+1，y)+Δy·ψ(x+1，y+1)](19)频域内插采用傅立叶变换的基本移位属性来执行ψ(x+Δx，y+Δy)＝IFFT{ψ(u，v)·e-12π(Δx·u+Δy·v)}(20)对于等式(19)，Δx和Δy的范围没有限制。
被比较的两个图像必须经过归一化，使得当相减时，它们的幅度和相位将对齐并产生接近零的结果，除了在缺陷处。有两种主要方法用来对复合图像归一化。在称作“复合归一化”的第一种最简单的方法中，一对中的第一图像通过将它与两个图像的复合平均的比率相乘被归一化到第二个。图像的复合平均值定义为μψ=1N2(Σr→Re{ψ(r→)}+i·Σr→lm{ψ(r→)})---(21)]]>其中，N2为图像中的像素数量。将图像 归一化到 的等式为ψn′′(r→)=μψn+1μψn·ψn′(r→)]]>在称作“幅度-相位归一化”的第二种方法中，图像的幅度和相位直接对齐，而不是实部与虚部。首先，计算图像幅度的平均值
μ|ψ|=1N2Σr→|ψ(r→)|---(22)]]>其次，计算两个图像之间的相位偏移。计算两个图像之间的相位差∠ψn+1-∠ψn′=∠(ψn+1ψn′)=tan-1(ψn+1ψn′)]]>为了查找相位偏移，需要计算将在图像中产生最少相位跃变的这个相位差值图像的相位偏移。由于预计这个图像相当均匀，因此更可靠地查找导致最大相位跃变数量的相位偏移，然后断定正确的相位偏移为与那一个的π半径偏移。结果是相位偏移Δφ，它将与幅度平均比率配合用于将第一图像归一化到第二个ψn+1′′(r→)=μ|ψn+1|μ|ψn′|·ψn′(r→)·e-iΔφ---(23)]]>这个步骤的实现从数学描述上是相当简单的。幅度-相位归一化往往是更为计算密集的，并且采用在波前匹配步骤时可能是不必要的。如果采用了波前匹配，则根本不需要执行归一化步骤，因为波前匹配是一种形式的归一化。
波前匹配将第二图像的相位调整图像之间的相位比的滤波形式，以便从相位异常导致的差值图像中消除低频变化。首先，图像之间的相位差通过两个复合图像相除来查找ρ(r→)=ψn′′(r→)ψn+1(r→)---(24)]]>然后在频域中采用具有极低截止频率的滤波器对这个比较进行低通滤波ρfilt(r→)=IFFT{FFT{ρ(r→)}·L(r→)}---(25)]]>其中， 是具有六个像素的截止频率的三阶巴特沃思滤波器。这个滤波比用来修改第二图像，使得相位差中的低频变化最小
ψ~n+1(r→)=ψn+1(r→)·ρfilt(r→)---(26)]]>这个步骤的实现采用以上等式是简单的。这个步骤中使用的低通滤波器的阶和截止频率是固定的。另外还要注意，在一个优选实施例中，第二图像是经过此算法修改的一个而不是第一个。这将使比率因边界像素上的分母中的零值而是未确定的情况下的像素的数量最少。
在一些情况下，对图像移位时处理边界像素的实现之间的差异可能使这个步骤在整个图像上传播差异。直到及除非移位过程中边界像素的处理在各种实现中相同，否则波前匹配步骤将导致整个图像中的差异。这些差异通常相当小。另外，波前匹配可能因FFT的周期性假设而导致边界附近的伪像。这些伪像的影响可能超出排除在缺陷之外的边界区域。
然后，计算两个已登记归一化相位校正图像之间的向量差，如图17中的第一差值图像并且图18中的第二差值图像所示。图像之间的差为|Δψn+1,l(r→)|=|ψ~n+1(r→)-ψn′′(r→)|---(27)]]>这个步骤的实现是简单的。注意，在备选实施例中，相位差和幅度差也可用来检测缺陷。
差值图像的边缘附近的像素设置为零，以便排除那些区域中的缺陷检测，它们易于产生伪像。图像的各边的像素的指定数量之内的向量差值图像中的每个像素设置为零。这要求要清零的各边的像素数量必须被指定。在一些实施例中，像素数量取为等于像素中最大允许登记移位。
缺陷检测对向量差值图像确定阈，以便表明每对图像之间的可能缺陷的位置，如图19和图20所示。计算向量差值图像 的标准偏差。阈值以标准偏差的用户指定倍数来设置，并且差值图像以那个值来确定阈δn+1,n(r→)=1,|Δψn+1,n(r→)|>kσ0,|Δψn+1,n(r→)|≤kσ---(28)]]>初始阈值根据整个差值图像的标准偏差来计算。在一个实现中，通过重算排除了阈值以上的像素的标准偏差，直到没有其它变化，来重复修改阈。这有效地降低了具有许多缺陷、有时具有相当多缺陷的图像的阈。在一个优选实施例中，以其来对图像确定阈的标准偏差的倍数由用户指定。
然后，对齐用来确定缺陷源自哪个图像的两个确定阈的差值图像。由于任何对的第一图像与该对的第二图像对齐，因此两个所得差值图像处于不同参考帧中。在互相比较的三个复合图像ψ1、ψ2和ψ3的序列中，第一确定阈差值δ2，1与ψ2对齐，并且第二差值δ3，2与ψ3对齐。由于这两个确定阈的差值图像将产生图像ψ2的缺陷，因此图像δ3，2必须移位，使得它与ψ2对齐。由于确定阈图像的二进制性质，只需要将图像对齐到完整像素精度。图像ψ2和ψ3之间的登记移位已经从先前到子像素精度的计算中已知；这个移位 四舍五入到最接近的完整像素(表示为 并以与它先前的应用(将图像2移位到与图像3对齐)相反的方向应用到δ3，2δ3,2′(r→)=δ3,2(r→+r→max′)---(29)]]>这个步骤的实现是简单的。
随后，逻辑“与”运算应用于对齐的确定阈差值图像，以便消除没有出现在两个图像中的任何检测到的缺陷，如图21所示。这减少了假正片缺陷的数量，并将缺陷分配到序列中的适当图像。
当图像ψ2与相应图像ψ1和ψ3比较时所发现的图像ψ2中的缺陷由下式给出d2(r→)=δ2,1(r→)∩δ3,2′(r→)---(30)]]>在一个特定实施例中，逻辑“与”实现为两个确定阈图像的乘法，因为它们的值限制为0或者1。
在一个备选实施例中，以上步骤可重新排序，使得校准和逻辑“与”步骤在确定阈之前执行，可用子像素校准来代替，并且逻辑“与”步骤变为真实乘法。
在一些实施例中，所得缺陷区域可在它们降低到某个大小阈值以下时被丢弃。另外，对缺陷区域的形态操作可用来“清理”它们的形状。形状修改可实现为数学形态操作，即形态闭合。这个算子描述如下。
设K表示算子的结构元素(或核心)。定义对称集合K~={-r→:r→∈K},]]>它是K在原点附近的反映。集合到点 的平移由下标表示；例如，平移到点 的集合K为 。集合处理形态erosion(侵蚀)和dilation(扩展)由下式定义侵蚀dΘK~={s→:Ks→⊆d(s→)}=∩r→∈Kd(-r→)---(31)]]>扩展 符号Θ和分别表示Minkowski减法和Minkowski加法。二进制图像d的侵蚀具有真实像素，其中结构元素K可被平移，同时完全保留在真实像素的原始区域中。d的扩展为真，其中K可被平移，并且仍然在一点或多点与d的真实点相交。
形态断开和闭合操作是侵蚀和扩展的序列应用，如下所示断开d·K(r→)=[(dΘK~)⊕K](r→)---(33)]]>闭合d·K(r→)=[(d⊕K)ΘK](r→)---(34)]]>
具有正方形核心(K)的形态闭合是对于缺陷映射d的形状修改的最可能的操作。
大小限制可通过对每个连接分量中的像素数量计数来实现。这个步骤可能与连接的分量分析结合。在一个实施例中，形状修改利用数学形态操作，尤其是具有3×3正方形核心的形态闭合。
在一个优选实施例中，要必须对大小限制操作指定要接受的最小缺陷大小。在一些实施例中，这个参数可以是用户修改的。对于形状修改操作，核心的大小和形状加上形态算子的类型必须由用户指定。另外，用户还可指定是否完全使用形状修改。
所得缺陷图像 中具有非零像素的区域被转换为“连接分量”描述。连接分量例程最好查找在x方向连续的缺陷簇。一旦线性缺陷串被标识，它与在y方向上可能接触的其它斑点合并。合并涉及重新定义完全包含缺陷簇的最小边界长方形。例如50个缺陷的限制可施加到检测例程中，以便提高效率。如果在任何点，缺陷标志超过极限加容限，则分析中止。一旦整个图像被扫描，则合并程序连续地重复进行，直到缺陷没有增加。
连接分量则表示为幅度图像，如图22所示，或者表示为相位图像，如图23所示。在一个实施例中，连接分量映射到结果文件中，并且计算缺陷的基本统计。在一个特定实施例中，仅上报缺陷的边界长方形的坐标。
虽然已经详细描述了所公开的实施例，但应当理解，可对实施例进行各种变化、替换和变更，而没有背离其精神和范围。
权利要求
1.一种用于登记相应密度图像的方法，包括提供第一密度图像；提供第二相应密度图像；对所述第一密度图像和所述第二密度图像分别执行边缘增强运算；对所述第一密度图像和所述第二密度图像分别执行噪声消除确定阈运算；采用傅立叶变换分别变换所述第一密度图像和所述第二密度图像；采用第一密度图像和所述第二密度图像计算相干函数；采用傅立叶逆变换来变换所述相干函数；对所述已变换相干函数执行幅度运算；根据所述幅度运算计算置信值；以及采用所述计算置信值来确定所述第一密度图像与所述登记之间的对应的可接受性。
2.如权利要求1所述的方法，其特征在于还包括采用数字全息成像系统来提供所述第一密度图像和所述第二密度图像。
3.如权利要求1所述的方法，其特征在于，计算所述置信值的步骤采用至少一个所标识相干峰值。
4.如权利要求1所述的方法，其特征在于，计算所述置信值的步骤还包括确定第一相干峰值与第二峰值之间的强度的差异。
5.一种用于登记全息图像的方法，包括提供第一全息图像和第二相应全息图像；采用傅立叶变换分别变换所述第一全息图像和所述第二全息图像；对所述所得第一全息图像和所述第二全息图像分别执行边带提取运算；采用带通滤波器分别对所述所得第一全息图像和所述第二全息图像滤波；采用傅立叶逆变换分别变换所述所得第一全息图像和所述第二全息图像；对所述所得第一全息图像和所述第二全息图像分别执行幅度运算；对所述所得第一全息图像和所述第二全息图像分别执行噪声消除确定阈；采用傅立叶变换分别变换所述所得第一全息图像和所述第二全息图像；计算所述所得第一全息图像和所述第二全息图像的相干函数；采用傅立叶逆变换来变换所述相干函数；对所述所得已变换相干函数执行幅度运算；根据所述幅度运算计算置信值；以及根据所述置信值来确定所述第一全息图像与所述第二全息图像之间的对应的可接受性。
6.如权利要求5所述的方法，其特征在于还包括采用数字全息成像系统来提供所述第一全息图像和所述第二全息图像。
7.如权利要求5所述的方法，其特征在于，计算所述置信值的步骤采用至少一个所标识相干峰值。
8.如权利要求5所述的方法，其特征在于，计算所述置信值的步骤还包括确定第一相干峰值与第二峰值之间的强度的差异。
9.一种用于登记全息图像的方法，包括提供第一全息图像和第二相应全息图像；采用傅立叶变换分别变换所述第一全息图像和所述第二全息图像；对所述所得第一全息图像和所述第二全息图像分别执行边带提取运算；采用低通滤波器分别对所述所得第一全息图像和所述第二全息图像滤波；采用傅立叶逆变换分别变换所述所得第一全息图像和所述第二全息图像；对所述所得第一全息图像和所述第二全息图像分别执行相位运算；对所述所得第一全息图像和所述第二全息图像分别执行相位已知边缘增强运算；对所述所得第一全息图像和所述第二全息图像分别执行噪声消除确定阈；采用傅立叶变换分别变换所述所得第一全息图像和所述第二全息图像；计算所述所得第一全息图像和所述第二全息图像的相干函数；采用傅立叶逆变换来变换所述相干函数；对所述所得已变换相干函数执行幅度运算；根据所述幅度运算计算置信值；以及根据所述置信值来确定所述第一全息图像与所述第二全息图像之间的对应的可接受性。
10.如权利要求9所述的方法，其特征在于还包括采用数字全息成像系统来提供所述第一全息图像和所述第二全息图像。
11.如权利要求9所述的方法，其特征在于，计算所述置信值的步骤采用至少一个所标识相干峰值。
12.如权利要求9所述的方法，其特征在于，计算所述置信值的步骤还包括确定第一相干峰值与第二峰值之间的强度的差异。
13.一种用于登记全息图像的方法，包括提供第一全息图像和第二相应全息图像；采用傅立叶变换分别变换所述第一全息图像和所述第二全息图像；对所述所得第一全息图像和所述第二全息图像分别执行边带提取运算；采用带通滤波器分别对所述所得第一全息图像和所述第二全息图像滤波；计算所述所得第一全息图像和所述第二全息图像的相干函数；采用傅立叶逆变换来变换所述相干函数；对所述所得已变换相干函数执行幅度运算；根据所述幅度运算计算置信值；以及根据所述置信值来确定所述第一全息图像与所述第二全息图像之间的对应的可接受性。
14.如权利要求13所述的方法，其特征在于还包括采用数字全息成像系统来提供所述第一全息图像和所述第二全息图像。
15.如权利要求13所述的方法，其特征在于，计算所述置信值的步骤采用至少一个所标识相干峰值。
16.如权利要求13所述的方法，其特征在于，计算所述置信值的步骤还包括确定第一相干峰值与第二峰值之间的强度的差异。
17.一种用于登记全息图像的方法，包括提供第一全息图像和第二相应全息图像；采用傅立叶变换分别变换所述第一全息图像和所述第二全息图像；对所述所得第一全息图像和所述第二全息图像分别执行边带提取运算；采用带通滤波器分别对所述所得第一全息图像和所述第二全息图像滤波；计算所述所得第一全息图像和所述第二全息图像的所述共轭乘积；采用傅立叶逆变换来变换所述共轭乘积；对所述所得已变换共轭乘积执行幅度运算；根据所述幅度运算计算置信值；以及根据所述置信值来确定所述第一全息图像与所述第二全息图像之间的对应的可接受性。
18.如权利要求17所述的方法，其特征在于还包括采用数字全息成像系统来提供所述第一全息图像和所述第二全息图像。
19.如权利要求17所述的方法，其特征在于，计算所述置信值的步骤采用至少一个所标识相干峰值。
20.如权利要求17所述的方法，其特征在于，计算所述置信值的步骤还包括确定第一相干峰值与第二峰值之间的强度的差异。
21.一种用于登记全息图像的方法，包括提供第一全息图像和第二相应全息图像；采用傅立叶变换分别变换所述第一全息图像和所述第二全息图像；对所述所得第一全息图像和所述第二全息图像分别执行边带提取运算；采用带通滤波器分别对所述所得第一全息图像和所述第二全息图像滤波；计算所述所得第一全息图像和所述第二全息图像的所述共轭乘积；采用傅立叶逆变换来变换所述共轭乘积；对所述所得已变换共轭乘积执行幅度运算；以及对所述所得幅度图像执行整数平移和子像素建模运算。
22.如权利要求21所述的方法，其特征在于还包括采用数字全息成像系统来提供所述第一全息图像和所述第二全息图像。
23.一种用于在数字全息成像系统中登记测试全息图像和参考全息图像的方法，包括从所述测试图像提供测试边带以及从所述参考图像提供参考边带；采用带通滤波器分别对所述测试边带和所述参考边带滤波；计算所述所得测试边带和参考边带的所述共轭乘积；采用傅立叶逆变换来变换所述共轭乘积；对所述所得已变换共轭乘积执行幅度运算；以及对所述所得幅度图像执行整数平移和子像素建模运算。
24.如权利要求23所述的方法，其特征在于还包括采用数字全息成像系统来提供所述测试全息图像和所述参考全息图像。
25.一种用于比较相应全息图像的方法，包括获取第一全息图像；获取与所述第一全息图像对应的第二全息图像；比较所述第一全息图像和所述第二全息图像，并获取第一差值图像描述；获取与所述第二全息图像对应的第三全息图像；比较所述第二全息图像和所述第三全息图像，并获取第二差值图像描述；以及比较所述第一差值图像和所述第二差值图像描述。
26.如权利要求25所述的方法，其特征在于还包括在所述频域中比较所述第一全息图像、所述第二全息图像和所述第三全息图像。
27.如权利要求25所述的方法，其特征在于还包括在所述空间域中比较所述第一全息图像、所述第二全息图像和所述第三全息图像。
28.一种用于产生第一复合图像与第二相应复合图像之间的差异的方法，包括将所述第一复合图像和所述第二复合图像转换为幅度表示；以及计算所述所得幅度表示之间的差异的幅度。
29.一种用于产生第一复合图像与相应的第二复合图像之间的相位差的方法，包括将所述第一复合图像和所述第二复合图像转换为第一相位图像和第二相位图像；以及计算所述第一相位图像与所述第二相位图像之间的有效相位差。
30.一种用于产生第一复合图像与第二相应复合图像之间的差异的方法，包括在所述复数域中将所述第一复合图像与所述第二复合图像相减；以及计算所述所得复数差值的幅度。
31.一种用于在数字全息成像系统中确定差值图像之间的公共差值的方法，包括对第一差值图像和第二差值图像确定阈；以及将所述确定阈的图像之一移位所选量，使得所述两个差值图像的所述公共差值由所述移位确定阈图像和未移位确定阈差值图像的逻辑“与”来表示。
32.一种用于在数字全息成像系统中确定差值图像之间的公共差值的方法，包括将所述差值图像之一移位所选量；对所述移位差值图像确定阈；以及通过执行所述移位未确定阈图像和移位确定阈图像的逻辑“与”，来计算所述公共差值。
33.一种用于在数字全息成像系统中确定两个相应差值图像之间的公共差值的方法，包括将所述第一差值图像移位所选量；将所述移位图像与所述第二图像组合；以及对所述组合图像确定阈。
全文摘要
在数字全息成像系统中，可逐个像素地比较流式全息图，用于全息图生成之后的缺陷检测。具有反馈置信的自动图像匹配、登记和比较方法允许运行实晶片检验、画面匹配细化、旋转晶片校准以及差值图像的登记和比较。
文档编号G06T7/00GK1695166SQ03824976
公开日2005年11月9日 申请日期2003年9月12日 优先权日2002年9月12日
发明者X·L·戴, A·M·埃尔－克哈沙布, M·亨特, C·T·托马斯, E·弗尔克尔, M·舒尔茨 申请人:恩莱因公司