基于局部线模型的彩色IC图像融合

在集成电路的反向分析中，为了降低复杂度，通常需要将彩色图像变换成灰度图像，即将彩色图像的3个灰度分量图像融合得到一幅新的质量更高的灰度图像后再进行后续处理。由于IC(integrated circuit)线网图像具有局部相似性，因此仅在自动选取的局部孤立线邻域内进行融合以得到适用于全局的最优线性组合系数。为了描述图像中感兴趣的特征，为局部孤立线建立了一种新的线模型，并将基于模型的融合分为特征提取、特征增强和噪声抑制3步来完成。实验结果表明，基于局部线模型的融合方法在增强感兴趣的特征和提高图像质最上优于传统算法。     

基于图像分割和加权Fisher判据的彩色IC图像降维

在处理彩色集成电路(IC)图像的过程中,为了降低计算的复杂度,经常需要将彩色图像转换成灰度图像后再进行处理。本文将数据降维中优化判据的思想引入彩色图像到灰度图像的转换中。为了求得最优降维方向,必须寻找一个判据来衡量各个降维方向上形成的灰度图像的质量。文中采用加权的Fisher判据来衡量图像的质量。在将图像分割成区域后,判据中的类间距离反映了区域之间的对比度,类内距离反映了区域内部之间的均匀性,权重反映了区域之间的相邻关系。这样将图像降维分成四步,先挑选样本图像,然后用混合高斯模型进行分割,再优化带权重的Fisher判据得到最优降维方向,最后利用最优降维方向将彩色图像转换成灰度图像。在对彩色IC样本图像进行降维的实验中,该方法能得到比其他方法质量更好的灰度图像。