集成电路封装的微聚焦X射线图像TV正则化混合去噪方法研究

This project studies Total Variation(TV) regularization algorithms for micro focus X-ray images corrupted with mixed noise in Integrated Circuit(IC) packaging, including:.(1) The mechanism of micro focus X-ray imaging is analyzed and the model of microfocus X-ray images corrupted with mixed noise is established. Based on the mixed noise model and Maximum a Posteriori, the object functions for denoising the images corrupted with mixed noise are built with TV regularization..(2) TV numerical algorithms for denoising mixed noise are studied. This research focused on solving complex fidelity term, adjusting the regularization parameter adaptively and the algorithms’ speed..(3) Based on the sparsity constraints of IC images, dictionary learning term is introduced into TV regularization object functions. The adpative denoising algorithms based on dictionary learning are studied for solving new object functions..The studies on denoising micro focus X-ray image based on TV regularization and dictionary learning are important to high resolution computed tomography.

本项目结合集成电路封装的检测需求，研究微聚焦X射线图像TV正则化混合去噪方法。包括：.(1) 微聚焦X射线图像混合去噪目标函数的建立：分析微聚焦X射线成像机理，建立符合成像机理的含混合噪声图像模型；在MAP框架下，基于TV正则化建立混合去噪的目标函数。.(2) 基于TV正则化的微聚焦X射线图像混合噪声去除算法：针对不同的混合去噪目标函数，研究混合噪声去除数值算法设计。重点解决复杂数据保真项的处理，正则化参数的自适应调整以及算法的求解速度问题。.(3) 基于字典学习和TV正则化的微聚焦X射线图像混合噪声去除：在TV正则化求解的基础上，结合集成电路图像的稀疏性先验知识，建立基于字典学习的混合去噪目标函数，研究适于集成电路微聚焦X射线图像的混合去噪算法。.本项目提出的混合噪声图像模型、基于TV正则化和字典学习的混合去噪方法，对高精度CT的精确恢复和快速重建具有重要的理论意义。

微聚焦X射线图像混合噪声强烈、对比度低，影响集成电路等高精密对象的可靠性检测。本项目基于微聚焦 X 射线成像的机理分析，在图像混合去噪目标函数设计、自适应正则化算法、基于压缩感知的自适应复原重建算法、不完备采样数据的重建优化、求解算法的效率优化等几个方面，开展混合噪声下TV正则化复原重建方法的研究。获得的主要研究成果如下：.(1) 通过对微聚焦X射线成像机理、噪声与信号复合模式的探索，建立了微聚焦X射线的成像模型；并基于上述含噪图像模型构建了去除泊松-高斯混合噪声和乘性-加性混合噪声的正则化去噪目标函数。.(2) 提出了多种混合噪声假设下的自适应正则化算法。通过多种自适应机制的研究，确定了图像平滑区和细节区对自适应机制的需求，以及算法不同求解阶段自适应选择迭代步长的原则。.(3) 提出了多种基于压缩感知的去噪和稀疏重建算法，去除微聚焦X射线图像中的复杂噪声。创造性地提出了数据保真项和稀疏约束项融合的混合去噪算法、联合共稀疏的压缩感知复原和基于多尺度图像块匹配的自适应组稀疏复原重建方法，在强噪声图像的复原重建上取得了很好的结果。.(4) 将随机优化引入到不完备投影数据下的微聚焦X射线图像重建中，大幅度地降低了X射线图像重建对于数据采集完备性的要求。.(5) 从迭代算法的运动规律、多尺度特性对算法效率的影响等多个角度，研究了正则化图像复原和重建算法的效率提升。.(6) 将所研究的模型和算法用于实际的微聚焦X射线图像处理，取得了很好的应用效果。