CN100372089C - 图形评价装置、图形评价方法 - Google Patents
图形评价装置、图形评价方法 Download PDFInfo
- Publication number
- CN100372089C CN100372089C CNB021433445A CN02143344A CN100372089C CN 100372089 C CN100372089 C CN 100372089C CN B021433445 A CNB021433445 A CN B021433445A CN 02143344 A CN02143344 A CN 02143344A CN 100372089 C CN100372089 C CN 100372089C
- Authority
- CN
- China
- Prior art keywords
- aforementioned
- pattern
- profile point
- skeleton
- coordinate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Length-Measuring Devices Using Wave Or Particle Radiation (AREA)
- Image Processing (AREA)
Abstract
一种接受作为评价对象的图形图像数据的输入、对测试图形进行评价的装置,包括产生图形轮廓模型的轮廓生成部分,对上述图形的图像进行与上述图形轮廓模型的图像匹配处理以检测出上述图形的轮廓点的坐标的轮廓点坐标检测部分。
Description
相关申请的交叉引用
本申请要求基于35USC$119,享有2001年9月26日提出的日本国专利申请第2001-294209号的优先权利益;该申请的内容将在此引用作为参考。
技术领域
本发明涉及图形尺寸以及形状测量的图形评价装置、评价方法以及程序。
背景技术
以对半导体的精细图形的评价方法的具体例,对现有技术的图形评价方法予以说明。
对图形的评价,在半导体的制造工艺中是非常重要的,这一点对于通过光刻以及蚀刻工艺而形成的精细图形来说,其重要性尤为显著。以往,一般采用使用电子束的CDSEM(Critical Dimension Scanning ElectronMicroscope临界尺寸电子扫描显微镜)的评价方法对图形的尺寸进行评价(例如,对线形图形的线幅或对圆形图形的孔径)。CDSEM使用检测器捕获通过一次电子束照射而从样品上产生的二次电子,按照对捕获到的二次电子的信号强度得到图形的SEM图像进行处理,评价图形的尺寸等。下面以评价线形图形的线幅为例,具体说明使用CDSEM的现有的图形评价方法。
首先将与样品上形成的线形图形的长轴方向垂直的方向,作为扫描方向,进行电子束扫描,得到SEM图像。其次,根据检测菜单上记录的检测范围(ROI:Region Of Interest),或由操作员指定的ROI,进行SEM图像的取样,例如可以把它保存到能够进行图像处理的计算机的图像存储器里。接着,将SEM装置的上述扫描方向作为X方向,对取样得到的图像的X方向的各像素,做成浓度分布曲线(Line Profile)。由此线形轮廓,例如使用阈值法取得图形轮廓点的坐标。这种情况下取得左右两处的轮廓点(X坐标)。然后以此两个轮廓点之间的距离(X坐标的差)作为线形图形该点像素处的幅值,依次计算每个像素的幅值。输出该值和沿ROI长轴方向的平均值作为最终的线形图形的幅值。由于计算值会受到图像干扰而变动,为消除这种变动,例如可以考虑使用对每个像素点同时测算其上下像素点,以此3个像素点幅值的平均值确定此像素点处的幅值,或轮廓点间距离的值沿ROI长轴方向的平均值作为最终该线形图形的幅值予以输出。同时,对于线形图形这样的沿ROI长轴方向的幅值变化不大的情况下,一般通过选取线像素计算幅值的计算方法可以缩短计算时间。
以此方法检测图形的尺寸时,图像处理需要进行2个步骤。即使用轮廓检测算法检测出被测图形的轮廓的步骤,和由检测出的轮廓点的坐标,按照与检测目的相符的CD(尺寸)检测算法计算出图形尺寸的步骤。其中,CD检测算法可以使用上述例中的轮廓点间距离的平均值,或例如对于非等幅线形图形测量时,可以以轮廓点间的最大距离作为最大线幅,轮廓点间的最小距离作为最小线幅这样的简单方法之外,还有日本国专利特开2000-171230号公报中公开的复杂的计算步骤。但是,作为所有这些方法第一步骤的轮廓检测的方法,使用了阈值法,直线近似法,最大倾斜法等算法。关于这些现有技术在日本国专利特开平9-184714号公报中已被说明。
但是,在上述检测图形轮廓点的现有方法中,由于图形的形状或位置的原因,轮廓无法检测或轮廓检测错误的情况有所发生。而且,在上述的现有方法中,分解图形取得的ROI的尺寸也会改变图形尺寸的检测结果。同时,在上述的现有方法中,必须指定ROI,这就使得在被测图形的形状复杂时,ROI的指定需要复杂的步骤,测量者的工作量增大,甚至导致自动检测的可信性降低。而且,在上述现有方法中,被测图形的对比度/黑白度,或者图形壁侧的锥形角度的变化等都可能引起图形尺寸检测的结果的变化。进而,在上述现有方法中,还存在图形尺寸等的检测结果依赖于检测倍率的问题。
发明内容
根据本发明的第一个方面,提供一种接受作为评价对象的图形的图像数据的输入对前述图形进行评价的装置,其中,该图像数据由作为2维坐标给出的像素的位置和各像素的浓淡值构成,包括:生成由像素数组、存储在像素数组中的浓淡值及轮廓点位置定义的图形轮廓模型的轮廓模型生成部分,以及以前述图形轮廓模型扫描前述图像数据,对前述图形轮廓模型和前述图形进行图像匹配处理、将前述图形的轮廓点的坐标作为2维平面内的坐标进行检测的轮廓点坐标检测部分,前述轮廓点坐标检测部分,能够使前述图形轮廓模型本身或其扫描方向,在前述图像匹配处理中旋转。
前述图形轮廓模型是存储有各个相对浓淡值的单元数组,且在前述单元数组中定义为坐标值的前述轮廓模型的轮廓点的位置被指定。
前述轮廓点坐标检测部分中,含有用户指定的轮廓点的像素的浓淡值、分散值、以及与前述图形轮廓模型的匹配得分至少一项的通过可对每个像素定义的图像处理得到的值定义为轮廓参数,采用由前述的轮廓参数构成的教师数据,对各个像素计算根据前述教师数据的马氏距离。
此外,根据本发明的第二个方面,提供一种图形评价方法,取得作为评价对象的图形的图像数据,其中,该图像数据由作为2维坐标给出的像素的位置和各像素的浓淡值构成,产生由数值数据定义的图形轮廓模型,以及以前述图形轮廓模型扫描前述图像数据,对前述图形轮廓模型和前述图形进行图像匹配处理,将前述图形的轮廓点的坐标作为2维平面内的坐标进行检测,前述图形轮廓模型本身或其扫描方向,在前述图像匹配处理中旋转。
前述产生图形轮廓模型包含对单元数组、前述单元数组中分别存储的相对浓淡值、以及在前述单元数组中定义为坐标值的前述轮廓模型的轮廓点位置进行指定。
具有由用户指定的轮廓点的像素的浓淡值、分散值、以及与前述图形轮廓模型的匹配得分中,至少包含其中一项的通过可对每个像素定义的图像处理得到的值定义为轮廓参数,采用由前述的轮廓参数构成的教师数据,对各个像素计算根据前述教师数据的马氏距离。
附图简述
图1是本发明图形评价装置的一种实施例的构成概略方块图
图2是说明本发明图形评价方法的第1实施例的流程图
图3A至图3C是图形的轮廓模型具体实施例的模式图
图4是作为评价对象的线形图形实施例的轮廓线的局部放大图
图5A和图5B是图2所示流程中的图像匹配处理的说明概念图
图6A至图6E是图2所示流程中的图像匹配处理的一种具体方法的说明概念图
图7是除X轴方向之外,Y轴方向也存在多个像素的图形的轮廓模型的实施例的模式图
图8A至图8C是具有矩形以外形状的图形的轮廓模型具体例的模式图。
图9是以对同一线形图形用电子束连续进行10次照射时的评价结果为例,与以往的评价方法的检测结果的对比图
图10是以通过曝光条件变化而生成的图形的评价结果为例,与以往的评价方法的评价结果的对比图
图11A和图11B是说明本发明中图形评价方法的第2实施例的概念图
图12A至图12D是说明本发明中图形评价方法的第4实施例的概念图
图13是适用于本发明中图形评价方法的第5实施例的对象的图形例的模式图
图14是可以使用本发明中图形评价方法的第5实施例的两个图形的轮廓模型的具体例的模式图
图15是使用于本发明中图形评价方法的第5实施例的效果的模式图
图16是说明定义了多个轮廓点的图形轮廓模型具体例的概念图
具体实施方式
下面参照附图对本发明几个实施例进行详细说明。下面的实施例,是以从CD-SEM装置取到的图形图像,对半导体的精细图形进行评价为例来加以说明。本发明不仅适用于这一领域及CD-SEM装置,作为对图形的一般尺寸和形状的一种新的测量方法,也适用于其他各种工业领域。
(A)图形评价装置的一种实施例
图1是本发明中的图形评价装置的一种实施例的构成概略方块图同图所示的图形评价装置2是由工作站12,输入装置14,存储器16,输出装置18和图像处理装置20构成。
存储器16是用来存储由本发明的图形评价方法的算法所写入的菜单文件。工作站12是用来读出存储器16的菜单文件。在以菜单文件来控制装置全体的同时,根据下面所述的图像处理来检测出图形的轮廓坐标。以此为根据来进行图形测量等的图形评价。输入装置14是键盘和鼠标等的输入工具。输出装置18是通过工作站12从图像处理装置20接收后面所述图形轮廓模型的图像数据和作为评价对象的图形(以下称为评价图形)的图像(以下称为测量对象图像)数据,通过图中未标出的显示器来显示。
图像处理装置20包含CPU22,图像处理部24,图像存储器控制部26和图像存储器28。
图像处理部24在产生图形轮廓模型的同时,接受SEM图像数据等的图像数据的输入,进行后面所述的图像处理。另外,图像处理部24,在后面所述的由实际图像生成图形轮廓模型的时候,可以设定在数据输入装置18显示的实图像上定义评价图形的轮廓的范围指定窗口,以及将指定范围的图像用其他窗口另外显示的显示方式。
图像存储器28具有多个存储区域,按照存储器控制部26的控制,将SEM图像数据与图形轮廓模型数据存储于不同的存储区域。
图1所示图形评价装置2的动作,可参照本发明图形评价方法的实施例图来加以说明。另外,省略以下各图具有相同标号的相同部分的说明。
(B)图形评价方法的实施例
下面对本发明图形评价方法的几种实施例加以说明。
(1)第一实施例
首先,参照图2到图10对本发明的图形评价方法的第一实施例加以说明。在本实施例中对测量线形图形的情况加以说明。
图2是说明本实施例的构成概略流程图如图所示,首先,检测图形的轮廓点,预先生成图形轮廓模型(步骤S1)。图3A到图3C是本实施例的图形轮廓模型的具体例子。图中所示各图形轮廓模型MT1-MT3是储存8位浓度值的像素数组,对各模型也同时定义各轮廓点EP1-EP3的位置。在此,图形轮廓模型的各个轮廓点定义为作为评价对象的图形从左向右看去检测出的轮廓点。图形轮廓模型实际上以数据方式存储在图像处理装置2的图像存储器28内。当登录的图形轮廓模型存在时,不需要在每次检测时都执行此步骤1。
其次,从图中未标出的SEM装置或者从光学摄像装置读取作为评价对象的图形的图像数据,根据菜单文件或按照操作员的操作分离出ROI,得到被测对象的图像(步骤2)。同时,本实施例采用了指定ROI的方法,而按照后述的本发明的图形评价方法,不指定ROI也可以进行检测处理。
再者,例如对图4的局部放大图所示的线形图形P2,以前述的图形轮廓模型作为基准图像进行图像的匹配处理(图2步骤3)。此时,如图5A所示,基准图像从被测对象图像的水平方向从左到右(箭头DS1)扫描,而且,上述基准图像的左右逆转的图像作为新的基准图像,按其逆向(箭头DS2)进行扫描。根据图像的匹配处理,检测出与图形轮廓模型的浓淡谐调值图形的相关度在局部变为极大值的基准图像的位置。此时,对于可能存在轮廓的像素,基于对于该像素浓淡值、分散值、与基准图像的匹配分数,以及通过相对其他每个像素定义的所有图像处理计算出的值,对图像匹配处理的范围予以限定,以缩短处理时间。
以下,参考图6A到图6E对一种图像匹配处理方法予以说明,图6A到图6E是被测对象图像及图形轮廓模型的轮廓部分的沿Y轴方向得到的像素强度的概念图。首先,如图6A所示,对每个像素,计算与图形轮廓模型对应的对象图像部分的相关度,预测相关值VcR。如图6B所示,此相关值VcR根据基准图像的扫描,随着图形轮廓模型与评价图形的轮廓的接近而变大。这样的操作在整个被测对象图像内由ROI指定的整个范围内,或者是在由上述像素值限定的处理范围内执行。然后,如图6C所示,将对各个像素得到的相关值VcR,例如使用高斯函数等予以近似,求出其最大点A(Ax,Ay)的子像素的精度。如图6D所示,最大点A的Y坐标Ay表示轮廓的强度。在本实施例中,为了区别干扰误差点,只有具有一定强度值以上的点才视作轮廓点。再者,如图6E所示,最大点A的X坐标Ax表示评价图形的轮廓点的X坐标。严密地说,为了检测出轮廓点的位置,还需要加上基于由图形轮廓模型定义的轮廓点的位移。
由以上处理,图形轮廓模型的轮廓点EP定义位置的对应位置,成为线形图形P2的轮廓点的坐标(步骤4)。
对于图像匹配处理,可以将基准图像进行黑白反转,也可以调节基准图像的边缘强度。还可以对基准图像进行翻转、放大、或缩小。除了上述基准图像的扫描方法以外,如图5B所示,首先检测出线形图形P2的中心,然后沿水平方向外向或内向(箭头DS5,DS6)分别扫描基准图像。由此,可以缩短图像匹配处理的处理时间。
回到图2,在检测到了轮廓点之后,使用适当的方法计算此线形图形P2的线幅等对评价图形进行测量(步骤5)。线幅的计算方法,例如可以按前述的方法,在水平线上的线的右侧轮廓点和左侧轮廓点看成一对点,计算此一对点间(水平方向的)距离,此距离沿ROI的长轴方向的平均值可以作为线幅予以输出。作为其他的算法,也可使用特愿2001-089731中所记载的DAD法进行图形幅值的计算。在此情况下,由于形成的一对点不限于水平线上,更适合于复杂形状的图形测量。此点引用了特愿2001-089731内容。
下面,对避免发生由于摄像干扰误差造成的图像匹配处理误识别的几种方法进行说明。首先,图形轮廓模型在Y方向的像素数,在图3A至图3C中所示的模型中分别为1,如图7中图形轮廓模型MT5所示,也可预先定义多个像素点。图形轮廓模型自身的Y方向的像素数保持为1,在进行图像匹配处理时用软件设置Y方向的像素数亦可。而且,图形轮廓模型的形状,并不仅限于模式MT1-MT5的矩形,还可以是例如图8A到图8C所示的各种形状。
根据本实施例,由于使用了生成定义相对浓淡值和轮廓点位置的图形轮廓模型,以此图形轮廓模型作为基准图像与测量对象图像进行匹配处理,对使用以往的技术的方法无法测出的图形,也可以高精度,高效率地检测出其轮廓点。而且,在使用与扫描方向垂直的方向具有多个像素的图形轮廓模型时,可以检测出干扰很强的轮廓点,防止误检测。
根据本实施例的图形评价方法,对应于图像数据的采集,在测量图形的对比度以及断面形状发生变化的情况下也可以检测出一定的轮廓点。下面参照图9和图10予以说明。
根据现有的检测方法,对相同的线形图形进行连续的多次照射,检测量会发生偏移。这是因为电子束的照射,使评价图形产生带电,图像的对比度发生变化。图9显示了对相同的线形图形进行连续10次照射时的测量结果的例子。如图9的检测值L1所示,现有的检测方法由于带电的结果,产生大量的检测值的偏移。对此如该图检测值L2所示,利用本实施例的检测方法,会使偏移变小。
另外,图10是以在曝光条件变化的情况下图形的评价结果为例,与以往的评价方法的评价结果的对比图。图10显示了根据断面SEM与检测值的差所评价的偏置作为Y轴。曝光条件变化,会使图形的形状,比如侧面角度发生变化。因此,如图10的检测结果L11,L12所示,现有的技术在计量偏置时,显著地依赖曝光条件。对此,如同图中的计量结果L21,L22所示,根据本实施例的评价方法,适当地选择图形轮廓模型,可降低评价偏置的图形断面形状的依赖性。进而,在以增大检测曝光条件异常的感知度为目的,希望留存评价偏置的图形断面形状的依赖性的情况时,可以选择别的图形轮廓模型。这样一来,根据本实施例,对不同的测量目的,可以随机应变采用不同的检测方法。
另外,现有的对于复杂形状的图形轮廓检测,必须对评价图形指定复杂形状的ROI。为此,对ROI的指定,需要复杂的操作步骤和许多参数。其结果是增加了用户繁琐复杂的操作,使自动检测变得困难。
对此,根据本实施例的方法,如前所述,由于不需要指定ROI,对任何形状,例如凹闭曲线的图形,也可以容易地检测图形的轮廓点。另外对多个圆形图形具有一个检测图像存在的情况,不需特别指定复杂的ROI,也可以检测所有的图形轮廓点。
上面所述,不依赖图像对比度和曝光条件的变化以及不需对ROI进行指定方面,同样适用于后面第2到第5的实施例。
(2)第2实施例
其次,参照图11A和图11B对本发明中的图形评价方法的第2实施例加以说明。本实施例对检测圆形图形的闭曲线轮廓的情况加以说明。
图形轮廓模型,考虑使用与上述第1实施例同样的模型。闭曲线的情况与线形图形不同,轮廓点分布于全方位。因此,不能仅在水平地固定基准图像的扫描方向情况下进行测量。如图11A所示,对圆形图形P4的X方向DS1,DS2,Y方向DS3,DS4进行基准图像扫描,由此,可检测全方位的轮廓点。另外,如图11B所示,与第1实施例相同(参照图5B),首先检测圆形图形P4的中心,从这里开始向X方向的外侧DS5,DS6,以及Y方向的外侧DS7,DS8,或者从各个方向朝里,可以从各个方向扫描基准图像,由此,可以缩短轮廓点的检测时间。上述实施例是旋转基准图像的扫描方向,其旋转度为90度,对于评价图形,也可以以任意的角度进行旋转。这种情况下,轮廓点的检测精度和检测时间成为择中的关系,通常圆形图形以45度旋转角度,可以得到良好的结果。还有,对于图形轮廓模型的Y方向的像素数,像素数越小,轮廓点的检测精度越好。
根据以上的操作步骤,检测了轮廓点之后,可以使用通常的圆形图形的检测步骤。另外,不仅是圆形图形,对线形图形也可采用本实施例的方法对幅值在长轴方向变化而具有曲线部分的线性图形和一个测量图像中,多个线性图形以各种不同角度混合存在的情况下,也可以检测轮廓点。
(3)第3实施例
作为图形轮廓模型必须在轮廓点检测之前,预先定义像素数组和它存储的浓度值以及轮廓点位置。这些定义数据,例如由图7所示的行列数据构成,通过对数据文件的操作可以简单地对它进行创建和修改。在本实施例中,不是对这样的数据文件进行操作,而是提供由实际的图像产生图形轮廓模型的方法。
首先产生图形轮廓模型,由输出装置18(参照图1)显示的实际图像上,使用范围指定窗口的适当的输入装置14,例如鼠标器,来定义哪一部分的轮廓。此时如果设定图像处理部分24使指定的范围在另一窗口扩大显示的话将更为方便。
然后,在实际图像或者是指定范围的扩大图像上通过输入装置14的操作定义图形的轮廓并予以显示。同时,通过鼠标器等的操作指定形态轮廓模型的像素外形。图形轮廓模型就是这样从实际图像上,对其浓淡值以及轮廓点定义的指定像素外形的顺序操作产生的。此时,可能有必要进行例如像素平均值计算的图像处理。而且,浓淡值的线性设置文件可以按照必要的像素数组进行采样而产生。再者,由实际图像产生图形轮廓模型时,由用户指定轮廓点的浓淡值,分散值,与基准图像的匹配得分,以及对其他像素定义的所有图像处理计算出的数值作为参数予以读取,作为教师数据,通过其计算Mahalanobis(马氏)的距离,可以得到更高精度的图像匹配处理的处理范围。
由此,通过本实施例,由于是从实际的测量对象的图像产生图形轮廓模型,可以迅速产生适当的图形轮廓模型,而且可以通过操作员的视觉确认来检测出图形轮廓点的坐标。
(4)第4实施例
上述的实施例中,产生的图形轮廓模型适用于各种倍率的测量图像。但是,为了提高轮廓点的检测精度,应该对应不同的测试图像的倍率,优化图形轮廓模型。即对同一个图形,测量图像的倍率较小时相应减少图形轮廓模型轮廓部分的像素数。相反,倍率较大时增加其像素数。这一点上,以往的测试方法存在着图形尺寸的测量依赖于观察倍率的问题,为了避免这个问题,可以用特开平9-184714中提出的方法。但是,这个方法由于要进行测量倍率的切换需要增加处理时间,而且测量倍率受到装置的电子光学部分性能的很大限制,很难适用于广泛的图形。
使用本实施例的图形评价方法,图形轮廓模型的像素数随着测量倍率温和地变动,即对同一个线形图形P6,如图12A所示当测试倍率为100k倍时,如图12C图形轮廓模型MT11所示,产生轮廓点像素数为1的模型。与此相对,如图12B所示当测量倍率为200k倍时,如图12D图形轮廓模型MT12所示,产生多个像素点的轮廓点模型。像这样的模型变更,如果将对应的计算方法存储于菜单文件的话,就可以对测量倍率进行自动处理。
由此,按照本实施例,对于不同的测量倍率可以产生最适当的图形轮廓模型,因而可以降低图形尺寸的测量对倍率的依赖性。
在上述的第1到第3实施例的轮廓点的检测,由于对测量倍率的依赖性较小,所以与以往的技术相比,具有测量倍率可以自由选择的优点,为了提高轮廓点的检测精度,可以使用本实施例所提供的方法。
(5)第5实施例
使用本实施例,提供了通过对测量对象图像中的一个图形适用于多个图形轮廓模型来检测出复杂图形的轮廓点的检测方法。例如如图13所示的图形P8,由于侧面为梯形,同一图像内,在顶面(上层面)的形状P8t与底面(底层面)的形状P8b混在的情况,例如如图14所示,产生图形轮廓模型MT13a和MT13b,都与基准图像进行匹配处理,由此,如图15所示,可以同时得到分别对应于图形轮廓模型MT13a和MT13b的轮廓点DPa和DPb。同时,如果如图16所示,用具有两个轮廓点EP13a和EP13b的单一图形轮廓模型来取代图形轮廓模型MT13a和MT13b,仍可得到同样的结果。
由此,按照本实施例,由于使用多个图形轮廓模型或具有多个轮廓点的单一图形轮廓模型,可以对由不同的多形状构成的图形的各个构成部分可以同时进行测量。因而可以大幅度缩短测量的时间。而且,可以测量不同形状的构成部分之间的构成关系。
(C)程序及记录媒体
上述图形评价方法的一系列的步骤,可以编入程序,读入可以进行图像处理的计算机内运行。由此可以实现在通用计算机上使用本发明的图形评价方法。上述使图形测试方法的一系列的步骤在可进行图像处理的计算机内运行的程序可以写入软盘或CDROM,读入计算机运行。记录媒体不限于磁盘或光盘这样的可携带式媒体,也可以是硬盘装置或存储器等固定型记录媒体。同时,上述由图形评价方法的一系列的步骤构成的程序可以通过因特网等通信网络(含无线通信)予以发布。而且,上述由图形评价方法的一系列的步骤构成的程序经过加密处理,或变更处理,在压缩状态下,可以通过因特网等有线通信或无线通信,或存储在记录媒体中进行发布。
以上,对本发明的几个实施例予以了说明,本发明不仅仅限于以上形态,同行业者可以从本发明的精神出发,适用于种种变形。上述实施例中,作为评价图形的图像例举了由CDSEM或FEB(场发射显微镜)取得SEM图像的方法来说明的,但并不限于此,例如对一般的光学摄影装置得到的光学图像当然也适用于本发明。而且,本发明的轮廓点检测方法与特愿2001-089731中所记载的DAD法结合,可以同时对多个图形进行评价,从而提高图形评价的精度和效率。
Claims (14)
1.一种接收作为评价对象的图形的图像数据的输入,对前述图形进行评价的装置,其中,该图像数据由作为2维坐标给出的像素的位置和各像素的浓淡值构成,包括:
生成由像素数组、存储在像素数组中的浓淡值及轮廓点位置定义的图形轮廓模型的轮廓模型生成部分,以及
以前述图形轮廓模型扫描前述图像数据,对前述图形轮廓模型和前述图形进行图像匹配处理、将前述图形的轮廓点的坐标作为2维平面内的坐标进行检测的轮廓点坐标检测部分,
前述轮廓点坐标检测部分,能够使前述图形轮廓模型本身或其扫描方向,在前述图像匹配处理中旋转。
2.如权利要求1所述的图形评价装置,其中
前述图形轮廓模型是存储有各个相对浓淡值的单元数组,且在前述单元数组中定义为坐标值的前述轮廓模型的轮廓点的位置被指定。
3.如权利要求1所述的图形评价装置,其中
前述轮廓模型生成部分使用前述图像数据产生前述图形轮廓模型。
4.如权利要求1所述的图形评价装置,其中
前述轮廓模型生成部分,根据前述图像的测量倍率产生前述图形轮廓模型。
5.如权利要求1所述的图形评价装置,其中
前述图形具有多个轮廓形状,
前述轮廓模型生成部分产生多个前述图形轮廓模型,
前述轮廓点坐标检测部分,对应于前述多个图形轮廓模型分别检测前述轮廓形状的轮廓点的坐标。
6.如权利要求2所述的图形评价装置,其中
前述图形轮廓模型中指定了多个前述轮廓模型的轮廓点位置,
前述轮廓点坐标检测部分分别对应于前述多个轮廓模型的轮廓点的位置,检测前述图形的轮廓点的坐标。
7.如权利要求1所述的图形评价装置,其中
前述轮廓点坐标检测部分中,含有用户指定的轮廓点的像素的浓淡值、分散值、以及与前述图形轮廓模型的匹配得分至少一项的通过可对每个像素定义的图像处理得到的值定义为轮廓参数,采用由前述的轮廓参数构成的教师数据,对各个像素计算根据前述教师数据的马氏距离。
8.一种图形评价方法,包括,
取得作为评价对象的图形的图像数据,其中,该图像数据由作为2维坐标给出的像素的位置和各像素的浓淡值构成,
产生由像素数组、存储在像素数组中的浓淡值及轮廓点位置定义的图形轮廓模型,以及
以前述图形轮廓模型扫描前述图像数据,对前述图形轮廓模型和前述图形进行图像匹配处理,将前述图形的轮廓点的坐标作为2维平面内的坐标进行检测,
前述图形轮廓模型本身或其扫描方向,在前述图像匹配处理中旋转。
9.如权利要求8所述的图形评价方法,其中
前述产生图形轮廓模型包含
对单元数组、前述单元数组中分别存储的相对浓淡值、以及在前述单元数组中定义为坐标值的前述轮廓模型的轮廓点位置进行指定。
10.如权利要求8所述的图形评价方法,其中
前述图形轮廓模型用前述图像数据而产生。
11.如权利要求8所述的图形评价方法,其中
前述图形轮廓模型对应于前述图像的测量倍率而产生。
12.如权利要求8所述的图形评价方法,其中
前述图形具有多个轮廓形状,
前述产生图形轮廓模型是产生多个前述图形轮廓模型,
前述检测图形轮廓点的坐标包含检测分别对应于前述多个图形轮廓模型的前述轮廓形状的轮廓点的坐标。
13.如权利要求9所述的图形评价方法,其中
前述图形轮廓模型中指定了多个前述轮廓模型的轮廓点的位置,
前述检测图形轮廓点的坐标包含检测分别对应于前述多个前述轮廓模型的轮廓点位置的轮廓点的坐标。
14.如权利要求8所述的图形评价方法,
具有由用户指定的轮廓点的像素的浓淡值、分散值、以及与前述图形轮廓模型的匹配得分中,至少包含其中一项的通过可对每个像素定义的图像处理得到的值定义为轮廓参数,采用由前述的轮廓参数构成的教师数据,对各个像素计算根据前述教师数据的马氏距离。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001294209 | 2001-09-26 | ||
JP294209/2001 | 2001-09-26 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1411046A CN1411046A (zh) | 2003-04-16 |
CN100372089C true CN100372089C (zh) | 2008-02-27 |
Family
ID=19115855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB021433445A Expired - Fee Related CN100372089C (zh) | 2001-09-26 | 2002-09-26 | 图形评价装置、图形评价方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US7274820B2 (zh) |
CN (1) | CN100372089C (zh) |
TW (1) | TWI240225B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254179A (zh) * | 2010-05-21 | 2011-11-23 | 株式会社其恩斯 | 图像处理设备、图像处理方法以及计算机程序 |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7035446B2 (en) * | 2002-05-22 | 2006-04-25 | Lsi Logic Corporation | Quality measurement of an aerial image |
JP3819828B2 (ja) | 2002-10-21 | 2006-09-13 | 株式会社東芝 | 微細パターン測定方法 |
KR101128558B1 (ko) * | 2003-10-08 | 2012-03-26 | 어플라이드 머티리얼즈 이스라엘 리미티드 | 측정 시스템 및 방법 |
JP4230980B2 (ja) * | 2004-10-21 | 2009-02-25 | 株式会社東芝 | パターンマッチング方法およびプログラム |
JP2006275921A (ja) * | 2005-03-30 | 2006-10-12 | Toshiba Corp | パターン評価方法およびプログラム |
US7702157B2 (en) | 2005-03-30 | 2010-04-20 | Kabushiki Kaisha Toshiba | Pattern evaluation method, pattern matching method and computer readable medium |
JP4828870B2 (ja) * | 2005-06-09 | 2011-11-30 | 株式会社東芝 | 評価パタンの作成方法およびプログラム |
JP4769025B2 (ja) * | 2005-06-15 | 2011-09-07 | 株式会社日立ハイテクノロジーズ | 走査型電子顕微鏡用撮像レシピ作成装置及びその方法並びに半導体パターンの形状評価装置 |
JP4658756B2 (ja) * | 2005-09-14 | 2011-03-23 | 株式会社日立ハイテクノロジーズ | 画像処理装置、画像処理方法および走査型電子顕微鏡 |
CN101025402B (zh) * | 2006-02-17 | 2012-07-04 | 株式会社日立高新技术 | 扫描型电子显微镜装置以及使用它的摄影方法 |
EP2012273B1 (en) * | 2006-04-26 | 2019-05-29 | Mitsubishi Electric Corporation | Object detection device, and object detection device for elevator |
JP2007294739A (ja) * | 2006-04-26 | 2007-11-08 | Toshiba Corp | パターン形状評価方法、プログラムおよび半導体装置の製造方法 |
JP2010032312A (ja) * | 2008-07-28 | 2010-02-12 | Toshiba Corp | パターン評価装置、パターン評価方法およびプログラム |
JP5155938B2 (ja) * | 2009-05-29 | 2013-03-06 | 株式会社東芝 | パターン輪郭検出方法 |
CN102521839B (zh) * | 2011-12-14 | 2013-11-06 | 西安理工大学 | 一种用于退化图像恢复的客观无参考图像质量评价方法 |
US8884223B2 (en) * | 2012-11-30 | 2014-11-11 | Kla-Tencor Corporation | Methods and apparatus for measurement of relative critical dimensions |
KR102078809B1 (ko) * | 2013-10-08 | 2020-02-20 | 삼성디스플레이 주식회사 | 패턴의 선폭 측정 장치 및 그 방법 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06337922A (ja) * | 1993-05-28 | 1994-12-06 | Toshiba Corp | パターン評価方法 |
JPH07330356A (ja) * | 1994-06-10 | 1995-12-19 | Nippon Sheet Glass Co Ltd | ガラスリボンエッジ検出方法および装置 |
JPH08145908A (ja) * | 1994-11-15 | 1996-06-07 | Toshiba Eng Co Ltd | 欠陥検査装置における蛇行追従方式 |
JPH09128543A (ja) * | 1995-10-31 | 1997-05-16 | Omron Corp | モデル画像登録方法および装置並びにそれを利用した物体外観検査装置 |
JPH09184714A (ja) * | 1995-12-28 | 1997-07-15 | Hitachi Ltd | パターン寸法測定方法 |
JPH09223233A (ja) * | 1996-02-19 | 1997-08-26 | Omron Corp | 画像処理方法およびその装置 |
JPH11166813A (ja) * | 1997-12-04 | 1999-06-22 | Asia Electron Inc | 画像処理による寸法計測回路 |
JPH11232463A (ja) * | 1998-02-12 | 1999-08-27 | Fuji Xerox Co Ltd | 画像認識装置および方法 |
US6005978A (en) * | 1996-02-07 | 1999-12-21 | Cognex Corporation | Robust search for image features across image sequences exhibiting non-uniform changes in brightness |
JP2000171230A (ja) * | 1998-09-29 | 2000-06-23 | Toshiba Corp | 微小パタ―ン形状検査方法及びその装置 |
JP2000260699A (ja) * | 1999-03-09 | 2000-09-22 | Canon Inc | 位置検出装置及び該位置検出装置を用いた半導体露光装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2745764B2 (ja) * | 1990-03-08 | 1998-04-28 | 松下電器産業株式会社 | 位置認識装置 |
JPH05280954A (ja) | 1992-04-03 | 1993-10-29 | Shinko Electric Ind Co Ltd | 画像処理装置 |
JPH08161508A (ja) | 1994-12-09 | 1996-06-21 | Mazda Motor Corp | パターン検出方法 |
JP3366497B2 (ja) * | 1995-07-12 | 2003-01-14 | 松下電器産業株式会社 | 部品検出方法 |
CA2259411A1 (en) * | 1997-05-05 | 1998-11-12 | Shell Oil Company | Visual recognition method |
JP3800905B2 (ja) | 1999-07-27 | 2006-07-26 | 松下電工株式会社 | 画像特徴追跡処理方法、画像特徴追跡処理装置、3次元データ作成方法 |
JP2001183116A (ja) | 1999-12-24 | 2001-07-06 | Toppan Printing Co Ltd | マスクパターン形状計測方法 |
JP2001243476A (ja) | 2000-03-02 | 2001-09-07 | Mitsubishi Heavy Ind Ltd | 移動体の監視方法および装置 |
DE10047211B4 (de) * | 2000-09-23 | 2007-03-22 | Leica Microsystems Semiconductor Gmbh | Verfahren und Vorrichtung zur Positionsbestimmung einer Kante eines Strukturelementes auf einem Substrat |
US7133572B2 (en) * | 2002-10-02 | 2006-11-07 | Siemens Corporate Research, Inc. | Fast two dimensional object localization based on oriented edges |
-
2002
- 2002-09-24 US US10/252,521 patent/US7274820B2/en not_active Expired - Lifetime
- 2002-09-25 TW TW091122009A patent/TWI240225B/zh not_active IP Right Cessation
- 2002-09-26 CN CNB021433445A patent/CN100372089C/zh not_active Expired - Fee Related
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06337922A (ja) * | 1993-05-28 | 1994-12-06 | Toshiba Corp | パターン評価方法 |
JPH07330356A (ja) * | 1994-06-10 | 1995-12-19 | Nippon Sheet Glass Co Ltd | ガラスリボンエッジ検出方法および装置 |
JPH08145908A (ja) * | 1994-11-15 | 1996-06-07 | Toshiba Eng Co Ltd | 欠陥検査装置における蛇行追従方式 |
JPH09128543A (ja) * | 1995-10-31 | 1997-05-16 | Omron Corp | モデル画像登録方法および装置並びにそれを利用した物体外観検査装置 |
JPH09184714A (ja) * | 1995-12-28 | 1997-07-15 | Hitachi Ltd | パターン寸法測定方法 |
US6005978A (en) * | 1996-02-07 | 1999-12-21 | Cognex Corporation | Robust search for image features across image sequences exhibiting non-uniform changes in brightness |
JPH09223233A (ja) * | 1996-02-19 | 1997-08-26 | Omron Corp | 画像処理方法およびその装置 |
JPH11166813A (ja) * | 1997-12-04 | 1999-06-22 | Asia Electron Inc | 画像処理による寸法計測回路 |
JPH11232463A (ja) * | 1998-02-12 | 1999-08-27 | Fuji Xerox Co Ltd | 画像認識装置および方法 |
JP2000171230A (ja) * | 1998-09-29 | 2000-06-23 | Toshiba Corp | 微小パタ―ン形状検査方法及びその装置 |
JP2000260699A (ja) * | 1999-03-09 | 2000-09-22 | Canon Inc | 位置検出装置及び該位置検出装置を用いた半導体露光装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254179A (zh) * | 2010-05-21 | 2011-11-23 | 株式会社其恩斯 | 图像处理设备、图像处理方法以及计算机程序 |
CN102254179B (zh) * | 2010-05-21 | 2016-05-11 | 株式会社其恩斯 | 图像处理设备及图像处理方法 |
Also Published As
Publication number | Publication date |
---|---|
TWI240225B (en) | 2005-09-21 |
US20030059104A1 (en) | 2003-03-27 |
US7274820B2 (en) | 2007-09-25 |
CN1411046A (zh) | 2003-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100372089C (zh) | 图形评价装置、图形评价方法 | |
JP3735344B2 (ja) | キャリブレーション装置、キャリブレーション方法、及びキャリブレーション用プログラム | |
EP2549435B1 (en) | Segmentation of a depth map of printed circuit boards | |
KR101155816B1 (ko) | 3차원 계측을 행하는 화상 처리 장치 및 화상 처리 방법 | |
US20050008220A1 (en) | Method, apparatus, and program for processing stereo image | |
US8953855B2 (en) | Edge detection technique and charged particle radiation equipment | |
CN111750804B (zh) | 一种物体测量的方法及设备 | |
US7433542B2 (en) | Method for measuring line and space pattern using scanning electron microscope | |
CN107289856A (zh) | 一种基于cmos图像传感器测量管道空间方位的方法 | |
CN114612412A (zh) | 三维点云数据的处理方法及其用途、电子设备、存储介质 | |
JP2002140693A (ja) | 画像処理パラメータ決定装置、画像処理パラメータ決定方法および画像処理パラメータ決定プログラムを記録した記録媒体 | |
JP2003178314A (ja) | パターン評価装置、パターン評価方法およびプログラム | |
CN115953604B (zh) | 一种不动产地理信息测绘数据采集方法 | |
US6961459B2 (en) | Three-dimensional data processing device, three-dimensional data processing method, and program providing medium | |
CN114266835A (zh) | 一种非量测相机的变形监测控制方法与*** | |
Sadeq | Using total probability in image template matching. | |
JP3447716B2 (ja) | 画像処理装置 | |
JP2961140B2 (ja) | 画像処理方法 | |
US20020110278A1 (en) | Structure-guided image measurement method | |
JP3447717B2 (ja) | 画像処理装置 | |
JPH05108800A (ja) | 画像欠陥判別処理装置 | |
JP4840822B2 (ja) | 画像処理方法、装置およびプログラム | |
Haindl et al. | Fast segmentation of planar surfaces in range images | |
JP4700772B2 (ja) | 画像照合方法および画像照合プログラム | |
KR101906730B1 (ko) | 삼각파 패턴 구조광을 이용하는 3차원 스캐닝 방법 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20080227 Termination date: 20170926 |
|
CF01 | Termination of patent right due to non-payment of annual fee |