LTCC电路基板金层表面斑点问题研究

针对LTCC电路基板金层表面斑点问题开展研究,观察了LTCC电路基板表面斑点显微形貌,对斑点组成成分进行定性分析,推断出LTCC电路基板表面斑点形成的原因。分别采用化学清洗和重烧法去除基板表面斑点,对比了两种方法的实验结果,确定了一种去除斑点的有效方法。实验结果表明:LTCC电路基板金层表面红色斑点组成成分为Ag2S,采用重烧法可以消除表面斑点,不损害基板性能,斑点消除区金层金丝键合强度没有减弱并满足国军标使用要求。建议通过加强印刷、烧结环节过程把控,以及采用真空或氮气密封LTCC基板的方式,有效减少金层斑点的形成。     

碳化硅晶圆高温磁控溅射制备铝薄膜异常结晶现象

在碳化硅表面使用高温磁控溅射法制备铝薄膜过程中有时会出现异常“斑点”现象,针对出现该异常现象可能的原因进行了研究,确认其主要因素为溅射温度和溅射功率,SiC表面状态和金属体系对异常现象的出现影响很小。采用白光干涉仪测定正常和异常区域表面形貌和粗糙度,结果表明“斑点”区域粗糙度明显低于正常区域,两者分别为1.7和5.6 nm。采用聚焦离子束分析技术对比剖面结构差异,发现“斑点”区域存在明显晶粒合并现象,金属表面晶界比正常区域少很多。“斑点”形成的可能原因是沉积过程温度过高,导致Al膜沉积初始成核过程中大量晶核合并、晶界消失,从而表面粗糙度显著降低。     

95％Al2O3陶瓷斑点产生的原因分析及控制措施

首先分析了可能形成斑点的几种化学元素，再从95％Al2O3陶瓷生产过程中原料、设备、工艺以及环境等方面，分析讨论了斑点产生的原因，最后提出采取的有效预防控制措施。     

基于Nakagami分布的自适应斑点抑制与边缘增强方法

超声图像中的特殊斑点噪声严重影响了图像质量,针对此问题提出了一种基于Nakagami分布的自适应斑点抑制与边缘增强方法.根据斑点噪声的Nakagami分布模型,设计一个基于斑点局部统计特性的自适应滤波器.并应用"窄条"技术以不同方向与长度的"窄条"来近似图像的局部线性特性,滤波区域采用"窄条"代替常用的方形窗口,其中"窄条"的方向由假设试验优化方法确定,"窄条"长度与斑点的局部统计特性相关.实验证明,该方法在抑制斑点噪声、保留与增强图像边缘和细节方面均具有良好的性能.     

X射线影像增强器输出荧光屏斑点问题的减少

本文介绍了X射线影像增强器输出屏斑点形成原因及其解决方法。     

一种基于区域生长法的背景图像斑点提取方法

提出了一种基于区域生长法的背景图像斑点提取方法.运用优化的区域生长法判断图像的连通区域,并以此实现背景斑点的提取.实验表明,该方法能大大减少对堆栈空间的依赖,提高运算速度.对背景斑点提取具有良好的应用价值.     

真空电弧阴极斑点烧蚀形貌实验及建模仿真研究综述

阴极斑点是真空电弧等离子体的重要源头,而真空电弧阴极斑点烧蚀形貌形成的过程是对阴极斑点特性展开研究的基础,对于提高真空电弧相关设备的性能及寿命有重要的理论指导意义。为对真空电弧阴极斑点烧蚀形貌形成的过程进行系统性的回顾,本文从实验与仿真两方面的研究现状进行了综述分析。论文总结分析了国内外对阴极斑点微观行为的实验研究,从建模仿真的角度综述了阴极斑点理论模型的发展历程,进一步对阴极斑点烧蚀形貌二维与三维模型的主要仿真结果总结分析。通过仿真与实验结果对比,讨论了现有真空电弧阴极斑点烧蚀形貌形成过程的实验与仿真研究存在的不足,并对其进一步展开研究进行了展望。     

一种基于压缩感知的斑点噪声去除算法

针对现有斑点噪声去除算法去噪效果不明显、噪声残留度高等问题,将压缩感知(Compressed Sensing,CS)理论结合到图像处理中,提出一种基于压缩感知的斑点噪声去除算法。提出了斑点噪声模型,利用CS理论建立去噪模型并归纳其优化问题。将问题的解决方案分为3个步骤:稀疏表示、更新字典与图像重构。利用改善的正交匹配追踪算法(OMP)与奇异值分解算法(K-SVD),获得去噪后的重建图像。最后与现有的常用去噪算法进行性能仿真对比实验,在视觉感受与峰值信噪比(PSNR)2项评价指标上,均表明该算法具有较好的斑点噪声去除效果。     

氧化铅摄象管靶面斑点的研究

本文介绍几种常用的观察和分析氧化铅摄象管靶面斑点的方法。研讨各种斑点形成的机理和制作工艺、原材料纯度对氧化铅摄象管斑点形成的影响,提出减少和消除各种斑点的工艺措施,使氧化铅摄象管的斑点得到改善。     

一种新的多尺度非线性阈值斑点噪声抑制方法

本文针对影响医学超声图象质量的斑点噪声问题,提出了一种基于自适应前处理的多尺度非线性阈值斑点噪声抑制方法。方法的特点是有机地将自适应加权中值滤波和小波分析多尺度非线性阈值两种方法结合在一起．对离体器官超声图象处理的结果表明,这一新方法在有效去除斑点噪声的同时,很好地保留了图象细节。