JP2010231044A - パターン検査装置及びパターン検査方法 - Google Patents

Abstract

【課題】ＳＥＭ画像等の画像中に含まれる欠陥パターンを基準パターンを利用して効率的かつ高精度に検出することを可能にするパターン検査装置を提供する。
【解決手段】比較基準となるリファレンスパターン画像１３１における所定の特徴点の位置情報を登録するリファレンスパターン登録処理Ｓ１と、検査対象画像１３２から抽出された輪郭線の位置情報と特徴点の位置情報とに基づいて検査対象画像１３２に含まれる欠陥候補パターンを探索する欠陥候補パターン探索処理Ｓ２と、リファレンスパターン画像１３１における特徴点に対応した輝度分布情報と欠陥候補パターンにおける特徴点に対応した輝度分布情報とに基づいて、欠陥パターンを検出する欠陥パターン検出処理Ｓ３とを行うパターン検査装置である。
【選択図】図１

Description

本発明は、半導体製造のリソグラフィ工程に用いられるフォトマスクのマスクパターンやフォトマスクを露光転写しウェハ上に形成されるウェハパターンのパターン画像から、欠陥パターンを検出する際などに用いて好適なパターン検査装置及びパターン検査方法に関する。

近年の半導体ＬＳＩ（Large Scale Integration）パターンの微細化に伴い、パターン原版としてのフォトマスクも同様に微細化への対応を迫られており、同時に高精度化への要求は非常に厳しい。
従来、フォトマスク品質における重要項目として、欠陥・寸法精度・アライメントの３項目が特に重視されており、半導体の微細化が進む現在ではそれぞれの項目を計測するための高精度なフォトマスク専用検査装置が開発され使用されている（例えば特許文献１参照）。
しかしフォトマスクパターンの微細化による高精度化への要求は、前記３項目以外のあらゆる品質項目（パターン形状、パターンデータ保証、耐久性、クリーン度等）が重要視されるようになってきた。特にパターン形状の精度については、直接、ＬＳＩ回路の精度および性能に関わる。

フォトマスクのパターン形状は、半導体回路のマスクレイアウト設計において設計図面通りのパターンが精度良くマスク上に再現されていることが望ましい。しかし、実際にはリソグラフィ技術を用いてガラス上の金属薄膜に微細なパターンを加工しているため、マスクパターンと設計パターンとは完全に同一形状ではなく、寸法差やコーナー部の丸みなど、微小な違いが存在する。
この違いはマスク上で数十〜数百ｎｍ（ナノメートル）程度の大きさであることがほとんどであるが、近年の超ＬＳＩの微細化の進展によって、これが半導体回路の特性に影響を与えることが懸念され始めている。すなわち、微細なパターンであるほど、パターン自体に対して前記のパターン形状の違いが相対的に大きくなり、特性値に影響するようになってきたということである。

一般的にフォトマスクのパターン形状の良否を確認する検査では、主に光学式の検査装置が使われている。近年の検査装置は非常に感度が高くなってきており、最先端のフォトマスクにおいては１０ｎｍ以下の非常に微細な欠陥が検出されることも珍しくない。

光学式の検査装置では、フォトマスクのパターン形状の欠陥の有無と、欠陥の位置とを検出することができる。しかし、光学式の検査装置では、パターン形状の違いの詳細は確認することができない。そこで、光学式の検査装置で検出された欠陥については、走査型電子顕微鏡（以下ＳＥＭ（Scanning Electron Microscope））などでレビューを実施することが多い。ただし、試料台の位置決め精度の制約などのため、光学式の検査装置で得られた欠陥の位置の座標と、ＳＥＭで撮影する画像の座標には、ある程度の誤差が生じてしまう。そのため、ＳＥＭでは、光学式の検査装置で得られた欠陥の位置を大まかな基準として、ある程度余裕を持たせた範囲の画像を撮影することになる。そして、ＳＥＭで撮影された正常なパターンを含む複数のパターンからなる画像から、欠陥パターンを検出してレビューを行うことになる。しかしながら、上記のような先端マスクでは欠陥の大きさが非常に小さいため、ＳＥＭの画像中に複数のパターンが存在する場合には、画像を見てもどれが欠陥パターンなのかが判別できない場合がある。また、近年は光近接効果を利用した光近接効果補正（以下ＯＰＣ（Optical Proximity Collection））パターンが多くなっており、パターン形状の複雑さが増大するため、余計に欠陥パターンの判別がしづらい状況になっている。

従来は、ＳＥＭ画像中に同様な形状が複数ある場合には、全てのパターンについて特性値（長さや面積など）を手動で測定し、それらを比較することで欠陥パターンを判別していた。また別の方法としては、比較用の基準パターンを用意し、この基準パターンとの重ね合せ比較により、欠陥パターンを判別していた。比較用の基準パターンは、設計データ又は正常なパターンの画像を利用することが多い。

特開平２−１１４１５４号公報

前記のようにＳＥＭ画像中の全てのパターンの特性値を手動で測定する方法では、パターンの数が多くなると非常に時間がかかるという問題点があった。また、パターン形状が複雑になると欠陥が含まれているパターンでも面積などの特性値は正常パターンとほとんど同じ値となることもありえるため、長さや面積といった単純な特性値を比較するだけでは、欠陥パターンを判別できない場合があった。

一方、比較用の基準パターンと重ね合せ比較する方法では、パターン形状そのものを比べることができるため、特性値を測定して比較する方法より高精度な検査を実施することが可能である。しかし、ＳＥＭ画像からどのようにして検査対象パターンの領域を抽出するかが課題となる。一般的には、ＳＥＭ画像中に同一形状のパターンが数十個程度含まれていることも珍しくなく、それらのパターンを一つずつ手作業で抜き出すのは大変な労力がかかる。そのため、従来の手法としては、基準パターンの画像をテンプレートとして登録しておき、検査対象のＳＥＭ画像上のあらゆる位置においてテンプレートとの相関係数を算出し、その相関係数が最大となる領域を抽出するテンプレートマッチング法が広く知られている。

しかしながら、テンプレートマッチング法は計算処理が膨大となるため、パターンの領域を抽出するのに時間がかかるという欠点があった。加えて、この方法は原理的にテンプレートである基準パターン（正常なパターン）と最も良く一致するものを優先的に検出する手法であるため、ＳＥＭ画像中に含まれている欠陥パターン、つまり基準パターンとの一致度が相対的に低いものを見つけるのには向いていない。なお、テンプレートとの一致度にしきい値を設けて、一致度がある値の範囲に入っているものを欠陥パターンとして検出する方法もあるが、この場合は欠陥パターンごとのしきい値が予め分かっている必要があるため実現は難しい。

本発明はこれらの課題を解決するためのものであり、ＳＥＭ画像等の画像中に含まれる欠陥パターンを基準パターンを利用して効率的かつ高精度に検出することを可能にするパターン検査装置及びパターン検査方法を提供することを目的とする。

上記課題を解決するため、請求項１記載の発明は、比較基準となるリファレンスパターン画像における所定の特徴点の位置情報を登録するリファレンスパターン登録手段と、検査対象画像から抽出された輪郭線の位置情報と前記所定の特徴点の位置情報とに基づいて前記検査対象画像に含まれる欠陥候補パターンを探索する欠陥候補パターン探索手段と、前記リファレンスパターン画像における前記所定の特徴点に対応した輝度分布情報と前記欠陥候補パターンにおける前記所定の特徴点に対応した輝度分布情報とに基づいて、欠陥パターンを検出する欠陥パターン検出手段とを備えることを特徴とするパターン検査装置である。

請求項２記載の発明は、前記リファレンスパターンと前記欠陥パターンとを重ね合せ表示しその差分を計測する重ね合せ計測手段をさらに備えることを特徴とする。

請求項３記載の発明は、前記所定の特徴点が、前記リファレンスパターン画像から抽出された輪郭線の曲率変化が比較的大きな位置に対応するものであることを特徴とする。

請求項４記載の発明は、前記輝度分布情報が、前記特徴点における法線方向の輝度分布に基づくものであることを特徴とする。

請求項５記載の発明は、前記欠陥パターン検出手段が、前記リファレンスパターン画像における前記所定の特徴点に対応した輝度分布情報と前記欠陥候補パターンにおける前記所定の特徴点に対応した輝度分布情報との相関係数を計算した結果に基づいて、前記欠陥パターンを検出することを特徴とする。

請求項６記載の発明は、前記欠陥候補パターン探索手段が、前記検査対象画像から抽出された輪郭線の各座標における有無を示す２値情報と、前記所定の特徴点の位置情報とに基づいて、前記検査対象画像に含まれる欠陥候補パターンを探索することを特徴とする。

請求項７記載の発明は、前記所定の特徴点が、１つの前記リファレンスパターン画像に対して複数登録されていて、前記欠陥候補パターン探索手段が、前記検査対象画像に含まれる欠陥候補パターンを探索する際に、その探索処理の対象座標を移動させながら、各前記対象座標において前記特徴点毎に探索処理を行うものであって、１つの前記対象座標においていずれかの前記特徴点で前記検査対象画像から抽出された輪郭線の情報が所定の条件を満たさなかった場合に、他の前記特徴点での探索処理を行わずに、前記探索処理の対象座標を移動させることを特徴とする。

請求項８記載の発明は、比較基準となるリファレンスパターン画像における所定の特徴点の位置情報を登録するリファレンスパターン登録処理と、検査対象画像から抽出された輪郭線の位置情報と前記所定の特徴点の位置情報とに基づいて前記検査対象画像に含まれる欠陥候補パターンを探索する欠陥候補パターン探索処理と、前記リファレンスパターン画像における前記所定の特徴点に対応した輝度分布情報と前記欠陥候補パターンにおける前記所定の特徴点に対応した輝度分布情報とに基づいて、欠陥パターンを検出する欠陥パターン検出処理とを行うことを特徴とするパターン検査方法である。

本発明によれば、ＳＥＭ画像等の画像中に含まれる欠陥パターンを基準パターンを利用して効率的かつ高精度に検出することが可能となる。

本発明によるパターン検査装置の一実施形態における処理手順を示すフロー図である。 図１のリファレンスパターン登録処理（Ｓ１）の手順を示すフロー図である。 図２の処理でリファレンスパターンの特徴点を抽出した例を示す図である。 図２の処理で抽出したリファレンスパターンの特徴点での輝度分布を登録した例を示す図である。 図１の欠陥候補パターン探索処理（Ｓ２）の手順を示すフロー図である。 図５のパターン探索処理（Ｐ９）のフロー図である。 図６の処理で検査対象画像から欠陥候補パターンを探索する様子を表す模式図である。 図６の処理で検査対象画像から欠陥候補パターンを抽出した結果例を示す図である。 図１の欠陥パターン検出処理（Ｓ３）の手順を示すフロー図である。 本発明の一実施形態の実施例１において、リファレンスパターン画像とその特徴点を抽出した例を示す図である。 本発明の一実施形態の実施例１における、検査対象画像の１つ目の例を示す図である。 本発明の一実施形態の実施例１において、欠陥候補パターンの探索のために検査対象画像を処理した例を示す図である。 本発明の一実施形態の実施例１において、検査対象画像から欠陥候補パターンの領域を検出した例を示す図である。 本発明の一実施形態の実施例１において、リファレンスパターンと欠陥候補パターンとの相関係数を調べた例を示す図である。 本発明の一実施形態の実施例１において、検出した欠陥パターンとリファレンスパターンを重ね合せ比較している例を示す図である。 本発明の一実施形態の実施例１において、検査対象画像の２つ目の例を示す図である。 本発明の一実施形態の実施例１において、図１６の検査対象画像の２つ目の例を用いて、検出した欠陥パターンとリファレンスパターンを重ね合せ比較している例を示す図である。 本発明のパターン検査装置の一実施形態の構成例を示すブロック図である。

以下、図面を参照して本発明の実施形態について説明する。本発明のパターン検査装置の一実施形態の構成例を図１８に、図１８のパターン検査装置１における処理フローを図１に示す。図１８に示すパターン検査装置１は、例えばパーソナルコンピュータ、ワークステーションなどのコンピュータを用いて構成されている。図１８に示す例でパターン検査装置１は、ＣＰＵ（Central Processing Unit）、主記憶装置等からなる処理装置１１、キーボード、マウス等からなる入力装置１２、ハードディスクドライブ等の二次記憶装置からなる記憶装置１３および液晶表示装置等からなる表示装置１４から構成されている。この記憶装置１３には、本発明が特徴とする処理フローの各指令を含むパターン検査プログラム１３０、比較基準となるリファレンスパターン画像１３１、検査対象画像１３２等のプログラムやデータが記憶されている。そして、処理装置１１は、入力装置１２から操作者の指示を入力し、パターン検査プログラム１３０を実行することで、リファレンスパターン画像１３１、検査対象画像１３２等の各データを用いた処理を行い、欠陥パターンを検出して、その結果を示す情報を表示装置１４に表示する。

なお、リファレンスパターン画像１３１は、欠陥がない領域の正常なパターンをＳＥＭ画像として取得したものである。また、検査対象画像１３２は、欠陥パターンを含む一定の領域をＳＥＭ画像として取得したものである。

次に、図１を参照して、図１８のパターン検査プログラム１３０による処理の流れについて説明する。図１８のパターン検査プログラム１３０では、まず、欠陥がない領域の正常なパターンをリファレンスパターンとして登録する際の基準となるＳＥＭ画像（すなわちリファレンスパターン画像１３１）を取得し、このリファレンスパターン画像１３１を使って、リファレンスパターン登録処理（Ｓ１）を実施する。このリファレンスパターン登録処理（Ｓ１）では、比較基準となるリファレンスパターン画像１３１における所定の特徴点の位置情報を登録する処理などが行われる。

次に、リファレンスパターン画像１３１に含まれる基準となるパターンと完全には同一形状でなく、寸法差やコーナー部の丸みなど、微小な違いが存在する欠陥パターンを１又は複数個含む検査対象画像１３２から欠陥パターンの可能性があるもの（欠陥候補パターン）を検出するため、欠陥候補パターン探索処理（Ｓ２）を行う。この欠陥候補パターン探索処理（Ｓ２）では、検査対象画像１３２から抽出された輪郭線の位置情報と、リファレンスパターン画像１３１における所定の特徴点の位置情報とに基づいて検査対象画像１３２に含まれる欠陥候補パターンを探索する処理などが行われる。

さらに欠陥候補パターン探索処理で得た欠陥候補パターンから欠陥パターン検出処理（Ｓ３）を実施して、欠陥パターンを抽出する。
この欠陥パターン検出処理（Ｓ３）では、リファレンスパターン画像１３１における所定の特徴点に対応した輝度分布情報と欠陥候補パターン探索処理（Ｓ２）で探索された欠陥候補パターンにおける所定の特徴点に対応した輝度分布情報とに基づいて、欠陥パターンを検出する処理などが行われる。

最後にリファレンスパターンと欠陥パターンとの重ね合せ比較計測処理（Ｓ４）を行い、欠陥の位置や大きさなどを定量化する。この重ね合せ比較計測処理（Ｓ４）では、リファレンスパターンと欠陥パターンとを表示装置１４などにおいて重ね合せ表示し、また、その差分を計測する処理を行った結果の表示などが行われる。

また、欠陥パターン検出処理（Ｓ３）によって抽出された欠陥パターンは、例えば検査対象画像１３２上に重ね合わせられるようにして表示装置１４に表示されたり、重ね合せ比較計測処理（Ｓ４）によって求められた欠陥の位置や大きさなどを定量化したデータとともに表示装置１４に表示されたりする。

次に、図１のリファレンスパターン登録処理（Ｓ１）の具体的な手順を図２に示す。まず、リファレンスパターン画像入力（Ｐ１）でＳＥＭ画像（すなわちリファレンスパターン画像１３１）を取り込み、パターンの輪郭線抽出（Ｐ２）を行う。次に輪郭線の座標データから特徴点抽出（Ｐ３）を行う。この特徴点抽出（Ｐ３）では、所定の特徴点が、リファレンスパターン画像１３１から抽出された輪郭線の曲率変化が比較的大きな位置に対応するものとして登録される。これは、座標データから輪郭線の曲率を調べ、曲率が急激に変化しているなど比較的曲率の変化が大きい点や、変曲点の位置を特徴点として抽出するものである。特徴点の数が少ない場合には、特徴点の中間点を新たな特徴点として追加しても良い。

図３は、図２のステップＰ１で入力されたリファレンスパターン画像１３１に基づいて生成されたリファレンスパターンＲＰを示す模式図である。図３のリファレンスパターンＲＰは、リファレンスパターン画像１３１に基づいて、ステップＰ１の輪郭線抽出で抽出された輪郭線ＯＬとステップＰ３の特徴点抽出で抽出された８個の特徴点Ｆ１〜Ｆ８の位置を表すデータ、あるいは輪郭線ＯＬを表すデータは含まず、ステップＰ３の特徴点抽出でされた８個の特徴点Ｆ１〜Ｆ８の位置を表すデータとして生成される。図３のリファレンスパターンＲＰは、リファレンスパターン画像１３１から抽出された輪郭線ＯＬ上で、曲率が変化しているコーナー部分と、その中間点を特徴点Ｆ１〜Ｆ８として登録した例である。コーナー部分の特徴点が、特徴点Ｆ１、Ｆ３、Ｆ５およびＦ７である。その中間点の特徴点が、特徴点Ｆ２、Ｆ４、Ｆ６およびＦ８である。

次に特徴点の座標情報を取得（Ｐ４）すると共に、特徴点の輝度分布データを取得（Ｐ５）する。この特徴点座標情報取得（Ｐ４）では、所定の特徴点の座標情報すなわち位置情報が取得され、例えば記憶装置１３内の所定のファイルなどに登録される。また、特徴点の輝度分布データ取得（Ｐ５）では、各特徴点における法線方向の輝度分布に基づく輝度分布情報が取得される。具体的には、図４（ａ）に示すように、元のリファレンスパターン画像１３１において、特徴点Ｆ１〜Ｆ８の位置を中心として、矢印で示す法線方向（すなわち特徴点Ｆｋを通り、特徴点Ｆｋにおける輪郭線ＯＬの接線に垂直な直線方向；ｋは自然数）に２０個程度の輝度分布データを取得し、図４（ｂ）に示すように一つのデータにまとめる。図４（ｂ）に示す輝度分布データは、特徴点Ｆ１〜特徴点Ｆ８における各輝度分布データを横に並べて１つの波形を表すようにしたものである。

次に、図１の欠陥候補パターン探索処理（Ｓ２）の具体的な手順を図５に示す。まずは検査対象画像１３２を入力（Ｐ６）して、画像中にある複数パターンの輪郭線を抽出する輪郭抽出処理（Ｐ７）を実施する。輪郭線はピクセルで構成される一本の線であるが、この線を太くするために膨張処理（Ｐ８）を行う。以下、検査対象画像１３２に輪郭抽出処理（Ｐ７）および膨張処理（Ｐ８）を行った画像データを検査対象画像１３２ｔとして説明を行う。

なお、膨張処理というのは画像処理の一つで、ある画素の近傍をその画素と同じ色に塗り潰す処理のことである。１ピクセルの幅の輪郭線に膨張処理を１回実施すると、輪郭線の両側が塗り潰され３ピクセルの幅を持つ輪郭線になる。本実施形態においては、この膨張処理の回数を設定することで何ｎｍ以下の大きさの欠陥を検出対象とするのかを決めることができる。この仕組みについては後で詳しく述べる。そして、膨張処理した検査対象画像１３２ｔに対して、図１のリファレンスパターン登録処理（Ｓ１）で登録されたリファレンスパターンＲＰを用いてパターン探索（Ｐ９）を実施することで、欠陥候補パターンの個数と位置情報を抽出する。

図５のパターン探索（Ｐ９）のフローを図６に、処理内容を説明するための模式図を図７に示す。図７は、検査対象画像１３２に輪郭抽出処理（Ｐ７）および膨張処理（Ｐ８）を行った検査対象画像１３２ｔを示す模式図である。この場合、検査対象画像１３２ｔ上には、リファレンスパターンＲＰが示されている。また、図７の検査対象画像１３２ｔは、６個の輪郭線ＯＬ２１〜ＯＬ２６を含んでいる。なお、検査対象画像１３２は、例えば２５６階調のグレースケール画像であるのに対して、検査対象画像１３２ｔは輪郭線を１又は複数含む２値画像（モノクロ画像）である。

欠陥候補パターンの探索は、検査対象画像１３２から抽出された輪郭線の位置情報とリファレンスパターン画像１３１における所定の特徴点の位置情報とに基づいて検査対象画像１３２に含まれる欠陥候補パターンを探索することで行われる。具体的には、検査対象画像１３２から抽出した輪郭線を膨張処理した検査対象画像１３２ｔにおいて、リファレンスパターンＲＰの全ての特徴点（図中のＦ１〜Ｆ８）の位置に輪郭線ＯＬ２１〜ＯＬ２６の画素があるかどうかを調査することで行う。なお、リファレンスパターンＲＰの幅をＲ＿Ｗｉｄｔｈ、高さをＲ＿Ｈｅｉｇｈｔ、検査対象画像１３２ｔの幅をＳ＿Ｗｉｄｔｈ、高さをＳ＿Ｈｅｉｇｈｔとして、輪郭線ＯＬ２１〜ＯＬ２６の画素があるところを画素値１、ないところを画素値０とする。具体的には、図６に示すように、変数Ｘを０から（Ｓ＿Ｗｉｄｔｈ‐Ｒ＿Ｗｉｄｔｈ）まで、変数Ｙを０から（Ｓ＿Ｈｅｉｇｈｔ−Ｒ＿Ｈｅｉｇｈｔ）まで変化させ、特徴点Ｆ１（Ｘ＋Ｆ１のｘ座標、Ｙ＋Ｆ１のｙ座標）から特徴点Ｆｎ（Ｘ＋Ｆｎのｘ座標、Ｙ＋Ｆｎのｙ座標）の全て（図の場合はｎ＝８となる）の画素値が１だった場合に、その位置に欠陥候補パターンが存在するものとしてパターン登録処理（Ｐ１０）を実施する。ただし、Ｆ１のｘ座標およびＦ１のｙ座標とは、リファレンスパターンＲＰの領域の左上を原点とするリファレンスパターンＲＰ内の特徴点Ｆ１の位置のｘおよびｙ座標値である。このとき、特徴点が一つでも０だった場合には、後の特徴点は調査せずにその位置（Ｘ，Ｙ）は対象外として次に移る。これは、残差逐次検定法（sequential similarity detection algorithm、ＳＳＤＡ法）と呼ばれる手法で、検索処理をより高速に行うための工夫である。

すなわち、パターン探索（Ｐ９）では、検査対象画像１３２から抽出された輪郭線の各座標における有無を示す２値情報と、リファレンスパターン画像１３１における所定の特徴点の位置情報とに基づいて、検査対象画像１３２に含まれる欠陥候補パターンを探索する処理が行われる。また、パターン探索（Ｐ９）では、探索処理の対象座標（Ｘ，Ｙ）を移動させながら、各対象座標（Ｘ，Ｙ）において特徴点毎に探索処理を行う際に、１つの対象座標（Ｘ，Ｙ）においていずれかの特徴点で検査対象画像１３２から抽出された輪郭線ＯＬ２１〜ＯＬ２６の画素の有無表す情報が所定の条件（すなわち１であること）を満たさなかった場合に、他の特徴点での探索処理を行わずに、探索処理の対象座標（Ｘ，Ｙ）を移動させる処理を行うことになる。

ところで、本実施形態では、検査対象画像１３２ｔのパターンの輪郭線ＯＬ２１〜Ｐ＋２６は膨張処理によって太さをもっている。そのためパターンに微小な欠陥がありパターン形状が少し変形していたとしても、その変形の大きさが輪郭線の太さの半分以下であればリファレンスパターンＲＰの全ての特徴点が輪郭線と重なるため、欠陥候補パターンとして検出されることになる。逆に変形の大きさが輪郭線の太さの半分より大きい場合には、リファレンスパターンＲＰの特徴点が輪郭線と重ならないため、欠陥候補パターンとして検出されない。本実施形態では、全体の形は似ているが例えばＯＰＣパターンなどが付加されていることでパターン形状が異なっているものや、画像を見てすぐにどこが欠陥なのかが判断できるものは対象外としており、見た目では判断が難しい微小な欠陥を検出することを目的としている。そこで、輪郭線の膨張の度合いを調整することによって、欠陥パターンを検出する際に、その候補となるパターンを、基準パターンとの形状の差が一定以下のものに限定することとしている。図５のフローにおいて、輪郭線を何回膨張処理するかによって検出したい欠陥の大きさを調整することができる。

図８は、図７の検出対象画像１３２ｔから欠陥候補パターンを検出した結果を表す模式図である。各欠陥候補パターンＤＣＰ１〜ＤＣＰ６の中心付近にあるのは、検出したパターン領域の中心群Ｃ１〜Ｃ６である。検査対象画像１３２ｔの輪郭線ＯＬ２１〜ＯＬ２６のパターンは太さを持っているため、リファレンスパターンＲＰの特徴点Ｆ１〜Ｆ８が全て一致するところは一つのパターンに対していくつもある。そのため検出した欠陥候補パターン領域の中心位置をプロットすると、図８の中心群Ｃ１〜Ｃ６ようになる。本実施形態では、その中心群Ｃ１〜Ｃ６の真ん中を基準として欠陥候補パターンＤＣＰ１〜ＤＣＰ６の検出領域を設定する。

次に、図１の欠陥パターン検出処理（Ｓ３）のフローを図９に示す。まず、リファレンスパターンＲＰの特徴点Ｆ１〜Ｆ８の輝度分布（図４（ｂ））をテンプレート入力（Ｐ１１）する。これは図１のリファレンスパターン登録処理（Ｓ１）で取得済みのデータである。このデータは特徴点分すべてを一つにまとめても良いし、特徴点ごとに分けても良い。

次に、欠陥候補パターンＤＣＰ１〜ＤＣＰ６の特徴点での輝度分布データを取得（Ｐ１２）し、比較データとする。具体的には、検査対象画像１３２ｔの元画像１３２を利用して、欠陥候補パターンＤＣＰ１〜ＤＣＰ６におけるリファレンスパターンＲＰの特徴点Ｆ１〜Ｆ８の位置から法線方向に２０個程度の輝度分布データを抽出する処理を特徴点の数分だけ行い、比較データを作成する。この処理を欠陥候補パターンＤＣＰ１〜ＤＣＰ６の数分行い、テンプレートとの相関計算処理（Ｐ１３）を実施する。通常のマッチング処理では、テンプレートとの相関係数が最も大きいものを検出するが、本実施形態では相関係数が最も小さいものを選択する。相関係数が小さいということは、リファレンスパターンＲＰとの一致度が低いということなので、欠陥を含んでいる可能性が高いためである。相関係数が最も小さいものから順に欠陥候補パターンＤＣＰ１〜ＤＣＰ６を選択することで、選択された欠陥候補パターンＤＣＰ１〜ＤＣＰ６が欠陥パターンとして抽出される。すなわち、欠陥パターン検出処理（Ｓ３）では、リファレンスパターン画像１３１における所定の特徴点に対応した輝度分布情報と各欠陥候補パターンＤＣＰ１〜ＤＣＰ６における所定の特徴点に対応した輝度分布情報との相関係数を計算した結果に基づいて、欠陥パターンを検出する処理が行われる。

なお、テンプレートを特徴点ごとに分けた場合には、各特徴点別にリファレンスと比較し、その中で最も小さい相関係数を持つ特徴点での値をそのパターンの相関係数とする。また、相関計算処理で用いる各輝度分布データについては、ＳＥＭ画像取得時における明度のばらつきなどの影響を抑えるため、例えば輝度分布波形のピーク・トウ・ピークの大きさを１とするような正規化処理（あるいはなんらかの補正処理）を行うことも可能である。

最後に、図１の重ね合せ比較計測処理（Ｓ４）では、抽出された欠陥パターンとリファレンスパターンＲＰの輪郭線を重ね合せ表示し、その差分の面積やΔＣＤ（寸法変動量）を測定することで欠陥パターンにおける欠陥の場所や大きさを定量化する。

以下、上述した本発明のパターン検査装置の実施形態について具体的な実施例を示す。
まず、パターン検査装置１では、リファレンスパターンの登録処理（図１のステップＳ１、図２のステップＰ１）を行う。最初にリファレンスパターンの基準となるＳＥＭ画像（リファレンスパターン画像１３１）を入力して、パターンの輪郭線抽出を実施する（図２のステップＰ２）。本例では、輪郭線の抽出方法として、本発明者が発明した「輪郭抽出方法及びその装置及びそのプログラム」（特許第０４０８５６３５号明細書）を用いた。次に、抽出した輪郭線の曲率の変化から特徴点を見つける（図２のステップＰ３）。本実施例では特徴点を曲率の変化が大きくなるコーナー部分と、各コーナーの中間地点の合計８箇所とし、各特徴点の座標情報を取得した。また、元のＳＥＭ画像（リファレンスパターン画像１３１）において特徴点の位置を中心として法線方向に２０個程度の輝度分布データを取得した。リファレンスパターンのＳＥＭ画像と特徴点を抽出した結果を図１０に示す。

図１０（ａ）は本実施例で用いたリファレンスパターン画像１３１の一例（リファレンスパターン画像１３１ａ）を示し、図１０（ｂ）はリファレンスパターン画像１３１ａに基づき作成したリファレンスパターンＲＰａを示している。この場合、リファレンスパターンＲＰａは、輪郭線ＯＬａの各コーナーに４個の特徴点Ｆ１ａ、Ｆ３ａ、Ｆ５ａおよびＦ７ａが設定されている。そして、特徴点Ｆ１ａ、Ｆ３ａ、Ｆ５ａおよびＦ７ａの各中間地点にさらに４個の特徴点Ｆ２ａ、Ｆ４ａ、Ｆ６ａおよびＦ８ａが設定されている。

次に、検査対象画像１３２（本実施例では図１１の検査対象画像１３２ａ）を入力して欠陥候補パターンの探索処理（図１のステップＳ２）を行う。図１１は１つ目の検査対象画像のＳＥＭ画像（検査対象画像１３２ａ）である。この検査対象画像１３２ａは倍率５０ｋ倍で撮影したもので、画像の分解能（スケール）は５．６２５ｎｍ／ｐｉｘｅｌであった。なお、本実施例では、検査対象画像１３２ａから１個の欠陥パターンを検出する処理を行うこととする。まず、検査対象画像１３２ａを入力し（図５のステップＰ６）、前記の輪郭抽出方法を用いて、検査対象画像１３２ａに含まれる全パターンの輪郭線を抽出した（図５のステップＰ７）。次に膨張処理を行い、パターン輪郭線を太くした（図５のステップＰ８）。本実施例では、膨張処理を２回実施した。これにより１１．２５ｎｍ（画像の分解能×２）以下の微小欠陥を検出対象とする。輪郭線画像を膨張処理した結果を図１２に検査対象画像１３２ｔａとして示す。

次に、図１０（ｂ）のリファレンスパターンＲＰａの特徴点Ｆ１ａ〜Ｆ８ａの座標情報を利用して、欠陥候補パターンを探索する（図５のステップＰ９）。具体的には、図７に示したようにして、リファレンスパターンＲＰａの領域を移動させながら、リファレンスパターンＲＰａの特徴点座標すべてが図１２の輪郭線を膨張処理した画像上にあるかどうかを判定する処理を行う。このとき、８個の特徴点Ｆ１ａ〜Ｆ８ａのうち一つでも外れている場合は次に移動するようにして、処理時間を大幅に短縮することができた。欠陥候補パターンを検出した結果を、図１３に示す。検査対象画像１３２ａに含まれる複数のパターンから、リファレンスパターンＲＰａと同じような大きさを持つパターンが４つ、欠陥候補パターンＤＣＰ１ａ〜ＤＣＰ４ａとして抽出された。

次に、欠陥パターンの検出処理（図１のステップＳ３）を実施する。まず、リファレンスパターン登録処理時（図１のステップＳ１）に取得しておいた特徴点における輝度分布をテンプレートとして入力する（図９のステップＰ１１）。続いて、４つの欠陥候補パターンＤＣＰ１ａ〜ＤＣＰ４ａにおいてリファレンスパターンＲＰａの特徴点位置での輝度分布データを取得する（図９のステップＰ１２）。次にリファレンスパターンＲＰａと欠陥候補パターンＤＣＰ１ａ〜ＤＣＰ４ａの輝度分布データから相関係数を算出し（図９のステップＰ１３）、最も相関係数が低いものを欠陥パターンとして抽出する（図９のステップＰ１４）。各欠陥候補パターンＤＣＰ１ａ〜ＤＣＰ４ａとの相関係数を計算した結果を図１４に示す。図１４では、リファレンスパターンＲＰａの輝度分布を実線で示し、各欠陥候補パターンＤＣＰ１ａ〜ＤＣＰ４ａの輝度分布（図１４（ａ）〜（ｄ））を破線で示している。結果は、欠陥候補パターンＤＣＰ１ａの相関係数＝０．９１、欠陥候補パターンＤＣＰ２ａの相関係数＝０．９２、欠陥候補パターンＤＣＰ３ａの相関係数＝０．８８、欠陥候補パターンＤＣＰ４ａの相関係数＝０．９３となった。これにより、相関係数が最も低い欠陥候補パターンＤＣＰ３ａが欠陥パターンとして検出された。

最後に、検出された欠陥パターンとリファレンスパターンとを重ね合せ比較表示して、両者の差分を測定した。その結果、図１５に示すように、欠陥パターンは右上のコーナー部分が少し欠けており、その大きさは９．４ｎｍであることが判った。

また、別の検査対象画像１３２ｂ（図１６）を本実施形態で検査したところ、同様に４つの欠陥候補パターンＤＣＰ１ｂ〜ＤＣＰ４ｂが見つかり、その中から相関係数が最も低かった右上の欠陥候補パターンＤＣＰ２ｂが欠陥パターンとして検出された。図１７に示すように、リファレンスパターンＲＰｂとの重ね合せ比較により、パターンの下部に突起状の欠陥があり、その大きさは９．６ｎｍであることが判った。

以上のように、本実施形態では、多値階調の検査対象画像１３２から輪郭線を抽出するとともに輪郭線の膨張処理を行うことで生成した２値画像（モノクロ画像）と、多値階調のリファレンスパターン画像１３１の輪郭線上から特徴点を抽出することで生成したリファレンスパターン（特徴点の位置を表すデータ）とを比較することで、欠陥候補パターンが抽出される。また、その輪郭線の膨張処理によって、欠陥候補パターンとして抽出されるリファレンスパターンとの形状差が所定の微少なものに限定される。そして、抽出された欠陥候補パターンの輪郭線上の特徴点における検査対象画像１３２の法線上の輝度分布と、リファレンスパターンの特徴点におけるリファレンスパターン画像１３１の法線上の輝度分布とを相関計算処理などによって比較することで、欠陥パターンが検出される。その際、欠陥候補パターンを抽出する場合に用いられる検査対象画像１３２を変換した２値画像（検査対象画像１３２ｔ）と、リファレンスパターンとの比較処理は、２値データ間の比較によって行われるので、高速に行うことがでる。また、検査対象画像１３２から抽出した輪郭線に対して行う膨張処理の回数（すなわち輪郭線の太さ）を調整することで、検出される欠陥パターンが有するリファレンスパターンとの形状の差を所望の値に調整することができる。さらに、リファレンスパターンの特徴点と欠陥候補パターンの特徴点における法線上の輝度分布を用いた比較処理によって（より具体的には相関係数を求める計算処理ことによって）欠陥パターンを検出するようにしているので、検出処理を比較的少ない計算量で精度よく行うことができる。特に、半導体製造のリソグラフィ工程に用いられるフォトマスクのマスクパターンやフォトマスクを露光転写しウェハ上に形成されるウェハパターンのパターン画像を検査対象画像とする場合に、すなわち、コーナー部など輪郭線の曲率が大きく変換する位置周辺に欠陥が生じる可能性が大きくなるような場合に、基準となるパターンとの形状差が微少な欠陥パターンを検出するときに、適した計算量と精度で欠陥パターンの検出処理を行うことができる。

以上のように、本発明によれば、リファレンスパターンの輪郭線から特徴点を抽出することで効率良く欠陥候補パターンを検出し、特徴点における輝度分布データを利用して相関計算を実施して一致度が最も低いものを欠陥パターンとして検出することができる。これにより、ＳＥＭ画像から欠陥パターンを高速かつ高精度に検出することが可能となり、検出した欠陥パターンと基準パターンとを重ね合せ比較計測することで、欠陥の位置や形状及び大きさを精度良く定量化することが可能となる。すなわち、本発明によれば、欠陥レビュー時の複数パターンを含むＳＥＭ画像から、微小な欠陥を含むパターンのみを効率的に検出でき、リファレンスパターンとの重ね合せ比較により欠陥の位置や大きさを高精度に定量化することが可能となる。

なお、本発明の実施の形態は、上記に限定されず、例えば、複数種類のパターンを含む検査対象画像に対して複数のリファレンスパターンを基準として用いることで、複数種類のリファレンスパターンと形状が微少に異なる複数種類の欠陥候補パターンを抽出して欠陥パターンを検出するようにしたり、リファレンスパターン画像に複数種類のパターンを含ませておいて複数種類のリファレンスパターンを抽出するようにしたり、図１８の各ブロックを分散させたり、通信線などを介して分散して配置したり、あるいは各ブロックを統合したりする変更等を適宜行うことができる。また、本発明のパターン検査装置は、コンピュータとそのコンピュータによって実行されるプログラムとを用いて構成することができ、そのプログラムは、コンピュータ読み取り可能な記録媒体又は通信回線を介して提供することができる。

なお、本発明のパターン検査装置又はパターン検査方法は、複数の近似形状の画像パターン同士から欠陥パターンを抽出することが求められる広範な分野、つまり規則的な微細パターンを形成する分野全般に利用することが期待される。例えば、半導体デバイス、光学素子、配線回路、データストレージメディア（ハードディスク、光学メディアなど）、医療用部材（分析検査用チップ、マイクロニードルなど）、バイオデバイス（バイオセンサ、細胞培養基板など）、精密検査機器用部材（検査プローブ、試料保持部材など）、ディスプレイパネル、パネル部材、エネルギーデバイス（太陽電池、燃料電池など）、マイクロ流路、マイクロリアクタ、ＭＥＭＳ（Micro Electro Mechanical Systems）デバイス、インプリントモールド、フォトマスク、ＥＵＶ（Extreme Ultraviolet lithography）フォトマスクなどの分野が挙げられる。

Ｓ１・・・リファレンスパターン登録処理
Ｓ２・・・欠陥候補パターン探索処理
Ｓ３・・・欠陥パターン検出処理
Ｓ４・・・重ね合せ比較計測処理
Ｐ１・・・リファレンス画像入力
Ｐ２・・・輪郭線抽出
Ｐ３・・・特徴点抽出
Ｐ４・・・特徴点の座標情報取得
Ｐ５・・・特徴点の輝度分布データ取得
Ｐ６・・・検査画像入力
Ｐ７・・・輪郭抽出処理
Ｐ８・・・膨張処理
Ｐ９・・・パターン探索
Ｐ１０・・・パターン登録処理
Ｐ１１・・・リファレンスパターンの特徴点の輝度分布をテンプレート入力
Ｐ１２・・・欠陥候補パターンの特徴点での輝度分布データを取得
Ｐ１３・・・相関計算処理
Ｐ１４・・・欠陥パターンの抽出
１・・・パターン検査装置
１１・・・処理装置
１２・・・入力装置
１３・・・記憶装置
１４・・・表示装置
１３０・・・パターン検査プログラム
１３１・・・リファレンスパターン画像
１３２・・・検査対象画像

Claims (8)

1. 比較基準となるリファレンスパターン画像における所定の特徴点の位置情報を登録するリファレンスパターン登録手段と、
   検査対象画像から抽出された輪郭線の位置情報と前記所定の特徴点の位置情報とに基づいて前記検査対象画像に含まれる欠陥候補パターンを探索する欠陥候補パターン探索手段と、
   前記リファレンスパターン画像における前記所定の特徴点に対応した輝度分布情報と前記欠陥候補パターンにおける前記所定の特徴点に対応した輝度分布情報とに基づいて、欠陥パターンを検出する欠陥パターン検出手段と
   を備えることを特徴とするパターン検査装置。
2. 前記リファレンスパターンと前記欠陥パターンとを重ね合せ表示しその差分を計測する重ね合せ計測手段を
   さらに備えることを特徴とする請求項１に記載のパターン検査装置。
3. 前記所定の特徴点が、前記リファレンスパターン画像から抽出された輪郭線の曲率変化が比較的大きな位置に対応するものである
   ことを特徴とする請求項１又は２に記載のパターン検査装置。
4. 前記輝度分布情報が、前記特徴点における法線方向の輝度分布に基づくものである
   ことを特徴とする請求項１から３のいずれか１項に記載のパターン検査装置。
5. 前記欠陥パターン検出手段が、前記リファレンスパターン画像における前記所定の特徴点に対応した輝度分布情報と前記欠陥候補パターンにおける前記所定の特徴点に対応した輝度分布情報との相関係数を計算した結果に基づいて、前記欠陥パターンを検出する
   ことを特徴とする請求項１から４のいずれか１項に記載のパターン検査装置。
6. 前記欠陥候補パターン探索手段が、前記検査対象画像から抽出された輪郭線の各座標における有無を示す２値情報と、前記所定の特徴点の位置情報とに基づいて、前記検査対象画像に含まれる欠陥候補パターンを探索する
   ことを特徴とする請求項１から５のいずれか１項に記載のパターン検査装置。
7. 前記所定の特徴点が、１つの前記リファレンスパターン画像に対して複数登録されていて、
   前記欠陥候補パターン探索手段が、前記検査対象画像に含まれる欠陥候補パターンを探索する際に、その探索処理の対象座標を移動させながら、各前記対象座標において前記特徴点毎に探索処理を行うものであって、１つの前記対象座標においていずれかの前記特徴点で前記検査対象画像から抽出された輪郭線の情報が所定の条件を満たさなかった場合に、他の前記特徴点での探索処理を行わずに、前記探索処理の対象座標を移動させる
   ことを特徴とする請求項１から６のいずれか１項に記載のパターン検査装置。
8. 比較基準となるリファレンスパターン画像における所定の特徴点の位置情報を登録するリファレンスパターン登録処理と、
   検査対象画像から抽出された輪郭線の位置情報と前記所定の特徴点の位置情報とに基づいて前記検査対象画像に含まれる欠陥候補パターンを探索する欠陥候補パターン探索処理と、
   前記リファレンスパターン画像における前記所定の特徴点に対応した輝度分布情報と前記欠陥候補パターンにおける前記所定の特徴点に対応した輝度分布情報とに基づいて、欠陥パターンを検出する欠陥パターン検出処理と
   を行うことを特徴とするパターン検査方法。