超薄高密度柔性集成电路封装基板（FICS）在柔性电路板基础之上,往更高集成密度、更轻薄、更易弯曲扭转的方向发展。随着IC行业进入7-14纳米制程,超薄高密度FICS也进入2m以下制程,对材料和制造过程的品质控制性能要求也不断提升。在FICS表面缺陷检测过程中,仅靠基板传统检测方法,已无法达到工业生产的精度要求。在FICS图像预处理环节中,存在去除噪音的同时去除原有图像的纹理信息等问题。对于高倍显微镜下得到的FICS基板显微成像的图像,其纹理结构和缺陷同时被放大,各类缺陷呈现多样性,其中氧化区域的像素值呈现离散型分布,存在氧化缺陷检测不精准等问题。对于无参考模板的超薄高密度FICS线路检测,检测结果容易出现线路不连续且线路缺陷定位不精准等问题。如何设计出一种同时具有高精度、高效率且鲁棒性强的检测算法成为一大难点。本文主要对超薄高密度FICS外观视觉检测中出现的问题,提出以下五种数学模型:1、在超薄高密度FICS图像预处理环节中,提出两种结合水平集曲率特征与梯度特征的平滑模型。为了有效去除噪音的同时,保留更多的图像原有细节。首先,本文提出的两个模型将图像的水平集曲率特征与梯度阈值相结合,使用更丰富的二阶微分信息作为检测因子去除图像中的噪声。其次,理论分析表明,所提出的两个模型获得的去噪图像可以保留原始图像更详细的纹理信息和边缘信息。此外,实验分析表明,与其他模型相比,所提出的模型具有最高的结构相似性和峰值信噪比,并且具有相对较高的边缘保持指数和最低的均方误差。具体地,利用模型一去噪后图像具有最高的结构相似性和峰值信噪比,以及最低的均方误差。利用模型二去噪图像具有相对较高的边缘保持指数。本文提出的方法可以有效去除超薄高密度FICS图像的噪声,并保留图像的原始细节和边缘信息。2、在超薄高密度FICS图像预处理环节中,提出一种融合梯度和自适应曲率特征的图像去噪模型。本文所提出的模型能够自适应地调节图像的水平集曲率特征与梯度特征所占的权重,将更丰富的图像一阶微分与二阶微分信息作为检测因子进行图像去噪处理。理论分析表明:本文模型在图像平坦区域中的扩散力度大于PM模型;在图像的角点、尖峰处,本文模型可以抑制灰度值的减小,保留图像更多细节及边缘信息。实验分析表明:将本文模型分别与P-M模型、C模型、G-C模型进行去除高斯噪音和椒盐噪声实验对比,本文的模型均有最高的结构相似度、峰值信噪比及边缘保持指数。本文所提出的方法能够有效地去除超薄高密度柔性FICS图像的噪音,同时更多的保留图像原有的细节信息及边缘信息,具有实际工程意义。3、针对高倍镜下的超薄高密度FICS表面氧化缺陷分布检测不精准问题,提出一种区域型变分水平集图像分割模型。在超薄高密度FICS图像缺陷检测环节中,首先,对于演化曲线内部的图像,本文利用K-means聚类得到的聚类中心点的均值与滤波后的图像的加权和,作为演化曲线内部的拟合值;同时,对于演化曲线内部的图像滤波处理,提出一种融合水平集曲率与梯度特征的各向异性扩散模型进行滤波;其次,对于演化曲线外部的图像,引进图像熵作为灰度信息的补充;其次,利用最大绝对均值差,自适应调节演化曲线内外权重比。最后,将该算法应用于超薄高密度FICS表面氧化缺陷检测中,实验对比结果表明,应用本文所提出的区域型变分水平集分割方法,使得提取后的氧化缺陷具有更高的分割精度。4、针对无参考模板的超薄高密度FICS线检测中线路不连续,且缺陷定位不准确的问题,提出了一种提取FICS图像线路特征的检测算法。在超薄高密度FICS图像缺陷检测环节中,本文所提出的检测算法步骤:首先将彩色FICS图像进行K-Means分类;其次进行中值滤波、形态学填充、闭运算,从而得到待分割线路图像的二值图像;最后一步,提出一种保凸间接正则水平集的图像分割模型,应用在FICS二值图像中,从而达到提取超薄高密度FICS图像线路特征的目的。所提出的能量泛函模型由数据项、连接项、正则项组成。数据项引导轮廓向目标边界运动;连接项是水平集函数与辅助函数之间的连接项,使得水平集函数在演化过程中不能偏离辅助函数;正则项是辅助函数的正则项,避免水平集函数在演化过程中出现震荡,并且弱化了水平集函数的过度平滑,避免边界泄露。本文所提出的模型在给定L~2（Ω）空间上为严格凸函数,存在全局唯一极小值。实验仿真表明:将本文的算法应用在提取FICS线路特征中,能够实现线路特征的精准提取,并且提取的线路边界平滑,为高精度测量线宽线距以及高精度定位缺陷位置做出重要铺垫。