Wire Recognition on the Chip Photo based on Histogram

Jhang Kyoungson

Wire Recognition on the Chip Photo based on Histogram

Recommendations

Search

Questions

칩 사진 상의 와이어 인식 방법

Type: Academic journal

Author: Jhang Kyoungson (충남대학교)

Journal: The Institute of Electronics and Information Engineers Journal of the Institute of Electronics and Information Engineers Vol.53 No.5 KCI Excellent Accredited Journal

Published: 2016.5

Pages: 111 - 120 (10page)

Usage

📌

Topic

📖

Background

🔬

Method

🏆

Result

Wire Recognition on the Chip Photo based on Histogram

Abstract· Keywords

Report Errors

Wire recognition is one of the important tasks in chip reverse engineering since connectivity comes from wires. Recognized wires are used to recover logical or functional representation of the corresponding circuit. Though manual recognition provides accurate results, it becomes impossible, as the number of wires is more than hundreds of thousands. Wires on a chip usually have specific intensity or color characteristics since they are made of specific materials. This paper proposes two stage wire recognition scheme; image binarization and then the process of determining whether regions in binary image are wires or not. We employ existing techniques for two processes. Since the second process requires the characteristics of wires, the users needs to select the typical wire region in the given image. The histogram characteristic of the selected region is used in calculating histogram similarity between the typical wire region and the other regions. The first experiment is to select the most appropriate binarization scheme for the second process. The second experiment on the second process compares three proposed methods employing histogram similarity of grayscale or HSV color since there have not been proposed any wire recognition method comparable by experiment. The best method shows more than 98% of true positive rate for 25 test examples.

칩 상에서 연결을 담당하는 와이어의 인식은 칩 역공학에서 가장 중요한 부분 중 하나이다. 칩 사진에서 인식된 와이어는 칩 회로의 논리 수준 또는 기능 수준 표현을 복원하는데 사용된다. 기존의 칩 역공학에서 주로 사용되는 수작업에 의한 와이어 인식은 정확한 결과를 제공하지만, 한 칩이나 블록에 속한 와이어의 수가 수십 만개 또는 그 이상이 될 경우 너무 많은 시간이 걸리는 단점이 있다. 칩 상의 와이어는 그 재료에 따라 특정한 밝기나 색상 특성을 가지고 있다. 따라서, 본 논문에서는 칩 사진에 나타나는 영역의 밝기나 색상 특성을 이용하여 와이어 여부를 판단하는 2단계 방법을 제안한다. 즉, 이미지 이진화 과정과 이진 이미지에 나타나는 영역에 대한 와이어 여부를 판단하는 과정으로 이루어진다. 활용되는 기법들은 기존에 제안된 기법들을 이용한다. 둘째 단계에서, 와이어 영역의 특성을 지정해주기 위해서 사용자는 특정 와이어 영역을 선택하는 과정을 수행해야 한다. 선택된 와이어 영역의 히스토그램 특성은 다른 영역과의 히스토그램 유사도를 계산하는 데 사용된다. 첫 번째 실험은, 기존에 제안된 몇 가지 이미지 이진화 기법 중에서 둘째 단계를 위해 적절한 한 가지 기법을 선택하기 위한 것이다. 와이어 영역 판별 방법에 대한 둘째 실험은, 실험적으로 비교 가능한 기존 방법이 없는 관계로, 본 논문에서 제안하는 그레이 스케일 또는 HSV 컬러를 이용하는 히스토그램 유사도 비교 방법 세 가지에 대한 비교 실험 결과를 제시한다. 제일 성능이 좋은 방법은, 와이어 영역으로 판단한 영역이 진짜 와이어 영역인 비율이 98% 이상임을 확인하였다.

#칩 역공학 #와이어 인식 #히스토그램 #그레이스케일 이미지 #HSV #이미지 이진화 (chip reverse engineering #wire recognition #histogram #grayscale image #HSV #image binarization)

요약
Abstract
Ⅰ. 서론
Ⅱ. 제안된 방법의 소개
Ⅲ. 이미지 이진화 기법 선택을 위한 실험
Ⅳ. 와이어 인식 방법에 대한 실험 결과
V. 요약과 향후 연구
REFERENCES

References (18)

Add References

[학술지(정기간행물)] - J. Kumagai / 2000 / Chip detectives [reverse engineering] / IEEE Spectrum 37 (11) : 43 ~ 48

[인터넷자원] - Chipworks Inc. / / On Chipworks

[학술대회논문] - J. P. Lewis / 1995 / Fast Normalized Cross-Correlation / Proceedings of Vision Interface, 1995 1995 (1) : 120 ~ 123

[학술지(정기간행물)] - W. Ouyang / 2011 / Performance Evaluation of Full Search Equivalent Pattern Matching Algorithms / IEEE Trans. Pattern Anal. Mach. Intell 34 (1) : 127 ~ 143

[인터넷자원] - M. Schobert / / Degate Website

Recommendations

It is an article recommended by DBpia according to the article similarity. Check out the related articles!

Related Authors

장경선

Affiliation 충남대학교

Fields Engineering > Computer Science TOP 10% Engineering > Mechanical Engineering > General Mechanical Engineering

Articles 63 Usage 3,282

Comments(0)

Write first comments.

UCI(KEPA) : I410-ECN-0101-2016-569-002801528

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

Abstract· Keywords

AI Summary

Topic

Background

Method

Result

주요내용

Contents

References (18)

Recommendations

Related Authors

Recently viewed articles

Comments(0)