【技术实现步骤摘要】
本专利技术涉及图像处理，特别是针对扫描电子显微镜（scanning electronmicroscope, sem）图像处理的细分领域，具体是一种基于形态学处理的扫描电镜图像轮廓提取方法。
技术介绍
1、随着半导体技术的飞速发展，集成电路的集成度不断提高，其内部结构的复杂度也随之增加。扫描电子显微镜作为观察和分析材料微观结构的重要工具，在集成电路制造过程中扮演着至关重要的角色。sem图像能够提供高分辨率的表面形貌信息，是评估集成电路制造工艺质量、识别潜在缺陷及优化工艺参数的重要依据。
2、然而，直接从sem图像中提取准确的轮廓信息并非易事。首先，sem图像中往往包含大量复杂的背景噪声和干扰信号，如电子束散射效应、样品表面不平整引起的阴影等，这些因素会严重影响轮廓的准确识别。其次，由于成像条件限制（如扫描电压、束流大小等）或样品本身特性（如材料导电性差异），sem图像中的轮廓可能出现断裂、模糊或重叠现象，进一步增加了轮廓提取的难度。
3、传统的轮廓提取方法，如基于阈值分割、边缘检测等方法，虽然在一定程度上能够实现轮廓的初步识别，但往往难以有效应对上述挑战。特别是在处理集成电路等高精度要求的场景时，这些方法往往存在轮廓提取不完整、误识别率高等问题，难以满足实际应用的需求。
4、因此，开发一种能够自动、准确、高效地提取扫描电镜图像中轮廓信息的方法，对于提升集成电路制造工艺分析的水平、促进半导体产业的进步具有重要意义。形态学操作是图像处理领域中的一个重要分支，它基于图像的形状和结构特征进行分析和处理。
技术实现思路
1、本专利技术的第一个目的是针对现有技术的不足，提出了一种基于形态学处理的扫描电镜轮廓提取方法，旨在高效、准确地提取扫描电镜图像中的轮廓信息，以支持集成电路等微纳结构的工艺分析与检测。具体
技术实现思路
如下：
2、首先，在步骤s10中，本专利技术接收并输入扫描电镜图像作为处理对象，并以灰度图的形式读入，得到二维灰度值数组信息。
3、随后，在步骤s20中，本专利技术采用基于图像梯度的轮廓提取算法，直接对输入的扫描电镜图像进行轮廓提取，得到初步的轮廓，作为第一图形。这一步骤的目的在于充分提取图像中的原始信息，为后续处理奠定基础。然而，此步骤得到的初步轮廓会包含很多多余的错误轮廓，并且由于成像的限制，真实图形的部分边界会比较模糊，导致提取的轮廓不连续。
4、接着，在步骤s30中，为了增强轮廓的连续性和完整性，本专利技术对第一图形进行膨胀操作，得到第二图形。膨胀操作能够有效填补轮廓间的小间隙，增强真实轮廓的连续性。此时，背景区域将被轮廓分割成若干个独立区域。
5、在此基础上，利用区域生长算法，自动选择应填充的区域，在这些区域内设定种子，填充这些区域，如步骤s40所示。这一步骤可以将图形区域与空白区域区分开。
6、然而，由于图像复杂性和算法局限性的存在，自动填充的结果可能仍需人工干预。因此，在步骤s50中，本专利技术允许用户手动调整区域填充结果，得到更为精确的第三图形。
7、随后，在步骤s60中，为了消除膨胀操作可能引入的尺寸偏差，本专利技术对第三图形进行腐蚀操作，得到第四图形。腐蚀操作能够恢复轮廓的原始形态，同时去除不必要的背景噪声。
8、最后，在步骤s70中，为了进一步提高轮廓提取的质量，本专利技术设定面积阈值，消除轮廓提取结果中的小面积图形。这些小面积轮廓往往是噪声或无关细节，通过设定合理的阈值，可以将其有效滤除。最后对滤除小面积图形后的图形进行轮廓提取，最终输出清晰、准确的最终轮廓。
9、进一步的，步骤s20包括：
10、在s201步骤中，本专利技术首先对输入的扫描电镜图像进行高斯滤波处理，去除图像中的噪声和细节，同时保留图像的主要特征。
11、接着，在s202步骤中，本专利技术对滤波后的图像进行梯度计算，得到梯度图形。
12、随后，在s203步骤中，本专利技术对梯度图形进行非极大值抑制处理。通过比较每个像素点与其邻域像素的梯度大小，仅保留梯度方向上的局部最大值作为边缘点，有效去除了梯度图形中的非边缘像素点，保留了真实的轮廓信息。
13、同时，在s204步骤中，本专利技术通过对扫描电镜图像的像素灰度值进行排序，得到20%分位数，即灰度值较低的像素点所占的比例。利用这一统计信息，本专利技术结合滤波后的图像，计算出了预期轮廓长度。
14、最后，在s205步骤中，本专利技术根据预期轮廓长度，使用二分法确定了第一阈值和第二阈值。通过这两个阈值，本专利技术对梯度图形中的轮廓进行了筛选，去除了不符合条件的轮廓段，得到了最终的轮廓结果。
15、进一步的，步骤s40包括：
16、在s401步骤中，本专利技术首先遍历第二图形。通过采用深度优先搜索算法，本专利技术能够准确地确定图像中独立区域的个数，并为每个区域确定一个种子点。
17、接着，在s402步骤中，本专利技术对扫描电镜图像的像素灰度值进行全局排序，以得到整体像素灰度值的中位数。
18、随后，在s403步骤中，本专利技术针对每个独立区域，再次对扫描电镜图像的像素灰度值进行排序，以得到每个区域像素灰度值的中位数。
19、最后，在s404步骤中，本专利技术通过比较整体的中位数和每个区域的中位数，来判断是否需要翻转该区域的像素。如果整体的中位数小于某个区域的中位数，说明该区域的灰度值普遍较高，说明该区域为图形区域的概率比较大，本专利技术将翻转该区域的像素，即将其灰度值进行反转处理。
20、本专利技术的第二个目的是提供一种用于实现上述方法的扫描电镜图像轮廓提取与优化系统，包括：
21、图像输入模块，用于获取图像并转化为灰度图；
22、轮廓提取模块，用于提取灰度图的轮廓；
23、膨胀模块，用于对灰度图的轮廓进行膨胀；
24、区域填充模块，用于对膨胀后的轮廓分割出的区域进行填充；
25、用户交互模块，用于对区域填充结果进行手动调整；
26、腐蚀模块，用于对调整后的填充结果进行腐蚀；
27、轮廓优化模块，用于对腐蚀后的图形进行优化，提取获得最终轮廓。
28、本专利技术的第三个目的是提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法。
29、本专利技术的第四个目的是提供一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
30、与现有技术相比，本专利技术的技术方案具有以下有益效果：
31、本专利技术提出了一种基于形态学处理的扫描电镜图像轮廓提取方法，旨在解决现有技术中的不足，为集成电路制造领域提供更加精准本文档来自技高网...
【技术保护点】
1.一种基于形态学处理的扫描电镜图像轮廓提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于形态学处理的扫描电镜图像轮廓提取方法，其特征在于，步骤S20中所述基于图像梯度的轮廓提取算法包括以下步骤：高斯滤波、梯度计算、非极大值抑制、自动确定阈值。
3.根据权利要求2所述的基于形态学处理的扫描电镜图像轮廓提取方法，其特征在于，步骤S20所述的基于图像梯度的轮廓提取算法具体为：
4.根据权利要求1所述的基于形态学处理的扫描电镜图像轮廓提取方法，其特征在于，步骤S40中所述区域生长算法包括以下步骤：确定独立区域个数及每个区域对应的种子、确定扫描电镜图像的像素值的中位数、根据独立区域的像素值的中位数与扫描电镜图像的中位数决定是否翻转该区域像素。
5.根据权利要求4所述的基于形态学处理的扫描电镜图像轮廓提取方法，其特征在于，步骤S40中所述区域生长算法包括以下步骤：
6.根据权利要求1所述的基于形态学处理的扫描电镜图像轮廓提取方法，其特征在于，所述腐蚀操作和膨胀操作使用的核的大小相同。
7.一种用于实现权
8.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1至6中任一项所述的方法。
9.一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法。
...【技术特征摘要】
1.一种基于形态学处理的扫描电镜图像轮廓提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于形态学处理的扫描电镜图像轮廓提取方法，其特征在于，步骤s20中所述基于图像梯度的轮廓提取算法包括以下步骤：高斯滤波、梯度计算、非极大值抑制、自动确定阈值。
3.根据权利要求2所述的基于形态学处理的扫描电镜图像轮廓提取方法，其特征在于，步骤s20所述的基于图像梯度的轮廓提取算法具体为：
4.根据权利要求1所述的基于形态学处理的扫描电镜图像轮廓提取方法，其特征在于，步骤s40中所述区域生长算法包括以下步骤：确定独立区域个数及每个区域对应的种子、确定扫描电镜图像的像素值的中位数、根据独立区域的像素值的中位数与扫描电镜图像的中位数决定...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。