JP2015135540A - 画像の特徴点抽出方法、欠陥検査方法、欠陥検査装置 - Google Patents

Abstract

【課題】 検査対象となる階調画像を入力として取り込み、その画像内における視覚的に明瞭な特徴を持つ（目立つ）領域の座標値と明瞭さ（目立ち度合）の指標値を得る画像の特徴点抽出方法、およびこの指標値に基づいて欠陥の有無を判定する欠陥検査方法と欠陥検査装置を提供する。【解決手段】 与えられた階調画像のすべての画素について、選択した１つの画素とその周辺の併せてｎ０個の画素の階調値の合計を求める。また、その画素を含む充分に広い領域の内部にあるすべての画素の階調値の確率分布を求め、この確率分布をｎ０回畳み込んだ和の確率分布を求めて、先のｎ０個の画素の階調値の合計における和の確率分布の値をもって着目画素の出現確率の指標とする。この数値が指定したしきい値より小さい場合、視覚的に明瞭な特徴を持つ（目立つ）画素およびその周辺領域と判断する。【選択図】図５

Description

本発明は、モノクロまたはカラーの階調画像から、視覚的に明瞭な特徴を持つ（目立つ）領域を抽出し、その領域の座標値を算出するとともに、明瞭さ（目立ち度合）の指標値を算出する画像処理方法に関する。

工業製品の製造過程では、原材料の受け入れや中間製品の投入時および最終製品の出荷時などのさまざまな工程において、それぞれの物品の検査が行われている。これらの検査工程では、例えば、原材料や製品を撮影した画像に基づいて、物品に異物が付着していないかを確認することが行われている。これらの画像の中には、通常のカメラによる撮影画像や写真に限らず、微細な物品が検査対象となる場合では、顕微鏡写真やＳＥＭ（Ｓｃａｎｎｉｎｇ Ｅｌｅｃｔｒｏｎ Ｍｉｃｒｏｓｃｏｐｅ、走査型電子顕微鏡）によって取得された画像も含まれる。

ところで、これらの撮影画像に対して異物の有無を判定する工程について、以前から肉眼による目視判定が行われているが、画像処理装置を用いて判定を自動化し、判定処理の高速化や検査漏れの低減、検査精度の安定化などを図ることが実現されてきており、近年では市場に多様な種類の画像処理を用いた検査装置が流通し、稼働している。

このような、画像処理装置を用いて、与えられた撮影画像から製品上の異物の有無を判定する処理を考えた場合、例えば、製品に異物が付着していると、その撮影画像においては、異物が存在する領域だけが本来の製品の色または濃度と異なる色または濃度の領域として現れることが予想される。

上述のような、周辺と異なる色または濃度の領域を抽出するための画像処理手法の最も簡単なもののひとつとしては、カラー画像を原色に分解したときのひとつのプレーンやモノクロの濃淡画像において、画素の階調値のしきい値を設け、通常の製品の呈する画素の階調値に比べて、しきい値を上回って値が高い、またはしきい値を下回って値が低い画素を抽出し、そのような画素が存在していた場合、それを異物と判定する方法がある。

特許文献１にはこのような画像処理手法を用いて、所定の演算を行って得る濃淡画像をしきい値によって２値化する例が示されている。しかし、この２値化処理だけでは、ノイズによってたまたま画素の濃淡値が本来値よりも大きくはずれた画素を拾ってしまうことがある。そのため、さらにノイズによる微小な領域を排除するために、モルフォロジー演算を施す例も同時に示されている。

特許第３９９８７５８号公報

しかしながら、依然として濃度による２値化の適正なしきい値は画像ごとに設定する必要があるという問題が残る。これは、製品の材質や塗装色、撮影時の照明やカメラの設定などの条件により、製品の正常な領域が呈する画素の濃淡値が異なるため（対象画像の平均的な濃淡値が各画像で異なるため）それぞれの画像ごとに適正なしきい値を設定する必要が生じるからである。また、そのようにしきい値を設定して得られた２値画像から、異物の有無を判定するための判定基準をどのように決めるかという問題があった。

本発明は、上述のような問題に鑑みてなされたものであり、画像の中から視覚的に明瞭な特徴を持つ（目立つ）領域を抽出してその領域の座標値を算出するとともに、明瞭さ（目立ち度合）の指標値を算出する。さらに、前記明瞭さの指標値にしきい値を設け、異物の有無を判定することを目的とする。

前記課題を解決するための、本願の第１の発明は、与えられた階調画像から、その階調画像を構成する濃淡値である階調値を持つ各画素をそれぞれ着目画素として前記着目画素を包含する内側近傍領域および前記内側近傍領域を包含する外側近傍領域を設ける近傍領域設定ステップと、前記内側近傍領域の画素数をｎ０とし、前記外側近傍領域の画素数をｎ１とし、前記外側近傍領域に対して階調値のヒストグラムを求めるヒストグラム設定ステップと、前記ヒストグラムの各階調値の出現頻度をｎ１で割ることにより前記ヒストグラムから確率分布を求める確率分布作成ステップと、前記確率分布をｎ０回畳み込むことによりｎ０個の画素の階調値の和の確率分布を求める畳み込みステップと、前記内側近傍領域内の全画素にわたる階調値の和Ｓを求め、前記和の確率分布から得られる前記Ｓの出現確率の値をもって着目画素の出現確率の指標とする出現確率算定ステップと、前記階調画像を構成する全画素のうちで前記出現確率の指標が最小となる着目画素をもって明瞭な特徴を持つ点として座標を特定する座標特定ステップと、その着目画素における出現確率の指標の値をもって明瞭さの指標値とする指標特定ステップを含むことを特徴とする画像の特徴点抽出方法である。これによって、検査対象で代表される階調画像の中から、視覚的に明瞭な特徴を持つ（目立つ）領域の座標値と明瞭さ（目立ち度合）の指標値を得ることができる。ここで、画像におけるある領域が「明瞭な特徴を持つ（目立つ）」とは、その領域の画素の階調値が周辺と著しく異なるだけではなく、そのような画素がある程度の塊として存在する場合であるという考え方を取っている。

内側近傍領域の設定にあたっては、前記着目画素を中心として、（２×ｒ０＋１）×（２×ｒ０＋１）画素からなる正方形領域を内側近傍領域として設定するようにしてもよい（ここでｒ０は正の整数とする）。内側近傍領域を正方形にすることにより、明瞭な特徴を持つ（目立つ）領域が矩形に近い場合に良好な指標値が得られることが期待できる。

外側近傍領域の設定にあたっては、前記着目画素を中心として、（２×ｒ１＋１）×（２×ｒ１＋１）画素からなる正方形領域を外側近傍領域として設定するようにしてもよい（ここでｒ１は正の整数とする）。外側近傍領域が正方形であるため、内側近傍領域が正方形である場合との整合性が取れることが期待できる。

さらに、外側近傍領域の設定するにあたっては、すべての前記着目画素に対して共通に前記与えられた階調画像全体を外側近傍領域として設定するようにしてもよい。外側近傍領域が与えられた階調画像全体であるため、外側近傍領域に対してなされる階調値のヒストグラム作成や確率分布の作成および確率分布の畳み込みにかかる演算に伴う負荷を最低限に軽減することができる。

後述するように、与えられた階調画像をいくつかのブロックに分割して処理を行った方が好適な場合がある。その際、互いに重なりも隙間も生じない複数のブロックに分割するブロック分割ステップと、前記外側近傍領域の設定にあたっては、前記複数のブロックの各ブロックに対して各ブロックを包含する領域を設定し、ある一つのブロック内の画素に対しては共通に該ブロックを包含する領域を外側近傍領域として設定するようにしてもよい。選択される外側近傍領域が分割されたブロック数に限定されるため、外側近傍領域に対してなされる階調値のヒストグラム作成や確率分布の作成および確率分布の畳み込みにかかる演算に伴う負荷を軽減することができる。

さらに、前記ブロック分割ステップは、前記与えられた階調画像を、（ｒｈ×２＋１）×（ｒｈ×２＋１）画素からなる複数の正方形領域のブロックに分割し、前記外側近傍領域の設定にあたっては、それぞれのブロックに対して中心を同じくする（ｒｈ×４＋１）×（ｒｈ×４＋１）画素からなる正方形領域を前記外側近傍領域として設定するようにしてもよい（ここでｒｈを正の整数とする）。上述のように、この方法においても選択される外側近傍領域が分割されたブロック数に限定されるため、外側近傍領域に対してなされる階調値のヒストグラム作成や確率分布の作成および確率分布の畳み込みにかかる演算に伴う負荷を軽減することができる。

第１の発明を実際に欠陥検査に利用する方法として、前記与えられた階調画像はフォトマスクの走査型電子顕微鏡画像であって、上述した方法により前記明瞭さの指標値を求め、その指標値が一定のしきい値以下である場合に欠陥があると判定するフォトマスクの欠陥検査方法が考えられる。これは、上述の発明を実際の欠陥検査に応用するものである。

また、第１の発明を具現化する装置として、与えられたフォトマスクの走査型電子顕微鏡画像である階調画像から、その階調画像を構成する濃淡値である階調値を持つ各画素をそれぞれ着目画素として前記着目画素を包含する内側近傍領域および前記内側近傍領域を包含する外側近傍領域を設ける近傍領域設定手段と、前記内側近傍領域の画素数をｎ０とし、前記外側近傍領域の画素数をｎ１とし、前記外側近傍領域に対して階調値のヒストグラムを求めるヒストグラム設定手段と、前記ヒストグラムの各階調値の出現頻度をｎ１で割ることにより前記ヒストグラムから確率分布を求める確率分布作成手段と、前記確率分布をｎ０回畳み込むことによりｎ０個の画素の階調値の和の確率分布を求める畳み込み手段と、前記内側近傍領域内の全画素にわたる階調値の和Ｓを求め、前記和の確率分布から得られる前記Ｓの出現確率の値をもって着目画素の出現確率の指標とする出現確率算定手段と、前記階調画像を構成する全画素のうちで前記出現確率の指標が最小となる着目画素をもって明瞭な特徴を持つ点として座標を特定する座標特定手段と、その着目画素における出現確率の指標の値をもって明瞭さの指標値とする指標特定手段とその着目画素の指標値が一定のしきい値以下である場合、当該着目画素の座標に該フォトマスクの欠陥があると判定することを特徴とするフォトマスクの欠陥検査装置を作成することができる。これによって、検査対象の階調画像の中から、視覚的に明瞭な特徴を持つ（目立つ）領域の座標値と明瞭さ（目立ち度合）の指標値を得て、この箇所を欠陥と判定する欠陥検査装置が提供できる。

本発明によれば、検査対象となる階調画像を入力として取り込み、その画像内における充分に大きい領域の階調値の確率分布をｎ０回畳み込むことによって求めた和の確率分布から、欠陥判定対象領域のｎ０個の画素の階調値の和が出現する確率を求めて指標値とすることによって、視覚的に明瞭な特徴を持つ（目立つ）領域の座標値と明瞭さ（目立ち度合）の指標値を得ることができる。そして、この指標値に基づいて欠陥の有無を判定することができる。

前記指標値に基づいて欠陥の有無を判定するためのしきい値は、検査を行う全画像に対して共通の値として設定しておけばよく、検査対象となる画像ごとに個別にしきい値を設定し直す必要がない。

本実施形態の着目画素と内側近傍領域の関係を示す図である。 本実施形態の内側近傍領域と外側近傍領域が同心の場合における双領域と着目画素の関係を示す図である。 本実施形態の内側近傍領域と外側近傍領域が偏心の場合における双領域と着目画素の関係を示す図である。 本実施形態における正方形領域のブロックと外側近傍領域の関係を示す図である。 本実施形態における着目画素の演算に関する処理フローである。 本実施形態における着目画素を選定する処理フローの例である。 本実施形態における与えられた階調画像がブロック化されている場合の着目画素の選定について説明する処理フローの例である。 本実施形態における欠陥検査装置について詳しく説明する機能ブロック図である。 本実施形態における欠陥検査装置のハードウェア構成を示す図である。 本実施形態における実行結果１（欠陥のある原画像に対して、正しく判定できた例）を説明する原画像の顕微鏡写真である。 本実施形態における実行結果１（欠陥のある原画像に対して、正しく判定できた例）を説明する処理結果画面の写真である。 本実施形態における実行結果２（欠陥のない原画像に対して、正しく判定できた例）を説明する原画像の顕微鏡写真である。 本実施形態における実行結果２（欠陥のない原画像に対して、正しく判定できた例）を説明する処理結果画面の写真である。 本実施形態における実行結果３（欠陥のある原画像に対して、正しく判定できなかった例）を説明する原画像の顕微鏡写真である。 本実施形態における実行結果３（欠陥のない原画像に対して、正しく判定できなかった例）を説明する処理結果画面の写真である。

以下に、本発明の一つの実施形態に係る方法および装置の構成について図面を参照してさらに詳細に説明する。

まず、出現確率の算定にあたって、次のような仮定を設ける。
（１）内側近傍領域内の各画素の濃淡値である階調値は、外側近傍領域内の全画素のヒストグラムによって得られる確率分布にしたがってランダムな値をとり、なおかつ、
（２）内側近傍領域内の各画素の階調値は独立である（他の画素の値の影響を受けない） ものとする。

内側近傍領域内の全画素について、画素の階調値の合計を求め、上述の仮定の下、合計値がその値となる出現確率を求める。画素の階調値がランダムに出現するという仮定の下では、この出現確率が小さければ小さいほどこのような合計値が出現する事象が起きづらいことを示している。すなわち、出現確率の小ささは作為性を表わしているものと考えられ、つまりは、出現確率の小さな着目画素は明瞭な特徴を持つ（目立つ）と考えられる。

ここでは、与えられた階調画像を構成する全画素にわたる出現確率を求める演算において、この出現確率が最小となる着目画素を求め、その着目画素をもって最も明瞭な特徴を持つ（目立つ）点とし、そのときの出現確率をもって、明瞭さ（目立ち度）の指標とする。さらに、この指標値が、あらかじめ設定した一定のしきい値を下回るとき、異物と判定する。勿論、この例以外に、求めた出現確率があらかじめ設定した一定のしきい値を下回る着目画素をすべて求め、それらの着目画素を明瞭な特徴を持つ（目立つ）点とし、異物と判定することも可能であるが、ここでは明瞭な特徴を持つ点を一つとするため、前者の方法を代表的な事例として説明を進める。

まず、第１の発明に記載の方法を用いて画像の特徴点を抽出する方法について、数式や図を用いて詳しく説明する。また個々の手法やパラメタの選択についての事例を記す。

最初に、内側近傍領域について図１を用いて説明する。内側近傍領域は、ある着目画素ごとに作成されるその着目画素を含んだ領域である。この領域内の階調値の出現確率が、該着目画素１０の明瞭さ（目立ち度合）の指標値となる。この領域を狭くすると、ノイズを拾いやすくなり、広くすると検出感度（明瞭さの認識）が低くなる。本実施形態では、前述したように「画像におけるある領域が明瞭な特徴を持つ（目立つ）とは、その領域の画素の階調値が周辺と著しく異なるだけではなく、そのような画素がある程度の塊として存在する場合である」という考え方をしているため、内側近傍領域２０としては、ある程度の大きさを持たせる。この図では、前記着目画素を中心として、（２×ｒ０＋１）×（２×ｒ０＋１）画素からなる正方形領域を内側近傍領域として設定する例を示している

次に、外側近傍領域について図２を用いて説明する。外側近傍領域は、内側近傍領域の階調値の出現確率を算出する元となる確率分布を求める領域であり、内側近傍領域を含み、内側近傍領域より充分に大きい領域である。着目画素が明瞭な特徴を持つとは、この外側近傍領域の中において「目立つ」ということを意味している。一般的には、内側近傍領域からある所定の幅外側に広げた領域を取る、この図では、前記着目画素を中心として、（２×ｒ１＋１）×（２×ｒ１＋１）画素からなる正方形領域（但し、ｒ１＞ｒ０）を外側近傍領域として設定する例を示しており、この場合内側近傍領域２０と外側近傍領域３０が同心になる。

この外側近傍領域の設定には注意が必要である。例えば、検査の対象となる画像が、絵柄が多い領域と絵柄が無い領域に明確に分けられるなど濃淡の偏在が多い場合、これらを併せて外側近傍領域として採用すると、特徴点の抽出が困難（大きな白欠陥や黒欠陥にも不感）になるため、外側近傍領域を別にするのが好ましい。反対に、階調画像全体がほぼ均等のパターンで埋めつくされている場合は、外側近傍領域として画像全体をとることもできる。これらの場合においては、図３のように内側近傍領域２０と外側近傍領域３０が同心でなくても構わない。

また、内側近傍領域と外側近傍領域が同心の場合においては、すべての着目画素１０に対して外側近傍領域３０が設定され直すため、逐一外側近傍領域３０の階調値のヒストグラムを作成し、さらにそこから確率分布の作成および確率分布の畳み込みを行うこととなり、演算負荷が高く、計算にかかる時間が長くなることには注意が必要である。

このような演算負荷を軽減したい場合、また、「絵柄が多い領域と絵柄が無い領域に明確に分けられるなど濃淡の偏在が多い」画像に対応する場合にはブロック化の手法が有効である。この手法は、与えられた階調画像を互いに重なりも隙間も生じない複数のブロックに分割して、それぞれのブロックに対してそのブロックを包含する外側近傍領域を設定し、同一のブロック内に存在する着目画素は同一の外側近傍領域を使用するという手法である。ここで、絵柄が多い領域と絵柄が無い領域を異なるブロックに分けるなどして、ブロック内における画像がほぼ均等なパターンとなるように選定するのが好ましい。

ブロック化の手法におけるブロックの一つの例について図４を用いて説明する。ブロック４０は、外側近傍領域３０を超えない領域である。各ブロックは（ｒｈ×２＋１）×（ｒｈ×２＋１）画素からなる複数の正方形領域のブロックであり、外側近傍領域の設定にあたっては、それぞれのブロックに対して中心を同じくする（ｒｈ×４＋１）×（ｒｈ×４＋１）画素からなる正方形領域を外側近傍領域として設定した例で、外側近傍領域の一辺の画素数ａ１とブロックの一辺の画素数ａｈは、ａ１＝ａｈ×２−１の関係にある。尚、ｒｈは正の整数とする。

このように、ブロック化を行って外側近傍領域を選定した場合、複数の着目画素１０において外側近傍領域３０が共通化されるため、外側近傍領域３０に係る演算負荷が低くなり、演算に係る処理が早くなる。特に、外側近傍領域３０として画像全体をとった場合（画像全体を一つのブロックとした場合）、外側近傍領域３０の階調値のヒストグラムの作成、確率分布の作成および確率分布の畳み込みについて、１回のみ計算すればよく、処理効率は最も高い。同様に、通常のブロック化の手法においても、外側近傍領域３０に係る確率分布の畳み込み等の演算はブロック数の数だけ計算すればよく、内側近傍領域と外側近傍領域が同心の場合に比べ格段の効率化が図れる。

本実施例においては、内側近傍領域２０を着目画素１０を中心として、（２×ｒ０＋１）×（２×ｒ０＋１）画素からなる正方形領域とする方法を用い、ｒ０＝２とする。すなわち、着目画素１０を中心とし、５×５画素からなる正方形領域を内側近傍領域２０と定める。すなわち、先に述べた「ある領域が明瞭な特徴を持つ」ことを判定するための「ある程度の画素の塊」の大きさを５×５画素と置いた。

また、本実施例においては、外側近傍領域３０について、先に述べたブロック化の手法を用い、外側近傍領域を正方形領域として、その一辺の画素数ａ１とブロックの一辺の画素数ａｈは、ａ１＝ａｈ×２−１とし、ｒｈ＝２０とした。すなわち、ａｈ＝（２×ｒｈ＋１）によりブロックサイズは４１×４１画素で、外側近傍領域はブロック中心を近傍中心として、８１×８１画素の正方形領域となる。また、同一ブロック内の各画素に対して、外側近傍領域を共通化した。また、欠陥の有無の判定基準として、確率のしきい値ｐをｐ＝１．０×１０＊＊（−３０）とおいた（＊＊はべき乗を表すものとする、以降も同様）。すなわち、先に述べた「内側近傍領域の階調値の出現確率を算出する元となる確率分布を求める領域」の大きさを８１×８１画素と置いた。

次に、着目画素の演算について図５の処理フローを用いて説明する。ここで検査の対象となる画像を構成するすべての画素について、この処理フローに基づいて階調値の出現確率を算出する。この処理は着目画素の演算を行うサブルーチン（ＳＵＢ１）としても用いられる。

まず、着目画素を読込む（Ｓ１０）。着目画素の選定については後述する。ここでは前記検査の対象となる画像を構成するすべての画素を着目画素とする。

前記着目画素を包含するように内側近傍領域を設ける（Ｓ２０）。内側近傍領域の設定方法については先に説明したとおりである。

前記内側近傍領域を包含するように外側近傍領域を設ける（Ｓ３０）。外側近傍領域の設定方法については先に説明したとおりである。以上、Ｓ１０からＳ３０の処理を近傍領域設定ステップとする。

前記内側近傍領域の画素数をｎ０とし、前記外側近傍領域の画素数をｎ１として、前記外側近傍領域に属するすべての画素において、画素の階調値のヒストグラムを求める（Ｓ４０、ヒストグラム設定ステップ）。

各画素の階調値に対応する出現値（頻度）をｎ１で割ることにより、確率分布を求める（Ｓ５０、確率分布作成ステップ、確率の合計が１となるようにする）。いま、画素の階調値のとりうる値の個数をＮとする。例えば、Ｎ＝２５６とする。このとき、画素の階調値ｉはｉ＝０，１，２，…，２５５の値をとる。画素の階調値ｉをとる確率がｐ（ｉ）であるとすると、それぞれの確率は、
で表わされる。また、確率分布は、
で表わされる２条件を満たす。

前記確率分布に対して畳み込み計算をｎ０回反復して行い、ｎ０個の画素の和の確率分布を求める（Ｓ６０、畳み込みステップ）。いま、ｎ画素の階調値の和のとる確率分布を
と表わすことにすると、ｎ＝１ のとき、
である。ｍ，ｎを任意の自然数とするとき、
が成り立つ。これを用いて、ｎ０＝２５の例では、
のように算出することができ、確率分布に対する畳み込み計算の負荷を低減することができる。あるいは、ｎ０が十分に大きい場合（例えば、ｎ０＝４９以上の場合など）においては、中心極限定理を利用して、正規分布で近似した数式を用いてもよい。

読み込まれた着目画素の周囲の内側近傍領域に属するすべての画素にわたり、画素の階調値の総和Ｓを求め、前記和の確率分布から得られるＳの出現確率の値をもって着目画素の出現確率の指標を求める（Ｓ７０、出現確率算定ステップ）。

前記出現確率の指標が今までに出現した最小値を下回るなら、その値をあらためて最小値とし、この着目画素の座標と出現確率を保存する（Ｓ８０、座標特定ステップおよび指標特定ステップ）。

以上で一つの着目画素についての演算を終了する。尚、先に述べたように、当該着目画素の外側近傍領域が共通化されている場合、Ｓ４０からＳ６０の処理は省略される。

次に、着目画素の選定について説明する。まず、与えられた階調画像について、ブロック化（いくつかのブロックに分割）されていない例で説明する。図６は着目画素を選定する処理フローの例である。

まず初めに、与えられた階調画像の中から一つの着目画素を選定する。着目画素の選定の方法は画像内に在る全ての画素が１回ずつ選定されるようになっていれば任意である（Ｓ１０１）。

続いて、選定した着目画素について、先に述べた「着目画素の演算」（ＳＵＢ１）を行い、出現確率の指標を算定する。

引き続き、選定した着目画素が与えられた階調画像中で最後の画素かどうか判定し、最後の画素ならば（Ｓ１０２の“Ｙ”）、出現確率が最小の画素の位置と出現確率の出力を行い処理を終える（Ｓ１０３）。また、まだ選定すべき画素が残っているならば（Ｓ１０２の“Ｎ”）、Ｓ１０１に戻り次の着目画素を選定する。

続いて、図７の処理フローを用いて、与えられた階調画像がブロック化（いくつかのブロックに分割）されている場合の着目画素の選定について説明する。ブロック化とは、与えられた階調画像を、互いに重なりも隙間も生じない複数のブロックに分割したもので（図示せず、ブロック分割ステップ）、すべての画素は、いずれか一つのブロックに包含される。

まず初めに、与えられた階調画像の中から一つのブロックを選定する。ブロックの選定方法は全てのブロックが１回ずつ選定されるようになっていれば任意である（Ｓ２０１）。

続いて、選定したブロックから一つの着目画素を選定する。着目画素の選定の方法はブロック内に在る全ての画素が１回ずつ選定されるようになっていれば任意である（Ｓ２０２）。

続いて、選定された着目画素ついて、先に述べた「着目画素の演算」（ＳＵＢ１）を行い、出現確率の指標を算定する。尚、外側近傍領域の設定において、該選定したブロックに対して該ブロックを包含する領域を外側近傍領域として設定するようにしてもよい。

引き続き、選定した着目画素がブロック内における最後の画素かどうか判定する。最後の画素でないならば（Ｓ２０３の“Ｎ”）、Ｓ２０２に戻り次の着目画素を選定する。また、最後の画素ならば（Ｓ２０３の“Ｙ”）、すべてのブロックが選定されたかどうか判定し、最後のブロックならば（Ｓ２０４の“Ｙ”）、出現確率が最小の画素の位置と出現確率の出力を行い処理を終える（Ｓ２０６）。また、まだ選定すべきブロックが残っているならば（Ｓ２０４の“Ｎ”）、次のブロックを選定し（Ｓ２０６）、Ｓ２０２に戻って次の着目画素を選定する。

以上にようにして、与えられた階調画像におけるすべての画素に対して「着目画素の演算」（ＳＵＢ１）を行うことによって、出現確率が最小の画素の位置と出現確率を得る特徴点抽出方法である。

また、上述のようにブロック化を図り、それぞれのブロックを包含する外側近傍領域を設定して、同一のブロック内に存在する着目画素は同一の外側近傍領域を使用することにより、演算負荷の軽減、および、絵柄の濃淡の偏在が多い画像に対する検査の感度の向上といった効果を得ることができる。

次に、第１の発明をフォトマスクの欠陥検査に応用する方法について説明する。与えられた階調画像はフォトマスクの走査型電子顕微鏡画像であって、上述した方法により該画像のすべての画素を着目画素として「着目画素の演算」（ＳＵＢ１）を行い、出現確率の指標を算定することができる。

これによって求められた指標値が、所定のしきい値以下である場合に該画素の位置に欠陥があると判定するフォトマスクの欠陥検査方法が考えられる。

次に、第１の発明を具現化する装置としての欠陥検査装置における構成の一例について図面を参照して説明する。

図８は、欠陥検査装置１００について詳しく説明する機能ブロック図である。欠陥検査装置１００は、制御手段１３０を作動させて、画像撮影用のステージ１１２を利用し、カメラ１１１からフォトマスクの走査型電子顕微鏡画像データを取り込んで記憶装置１８０に格納する。また、制御手段１３０は蓄積した画像データに対し、画像のすべての画素を着目画素として採用するとともに現在どの場所を着目画素とするか決定してその画素の内側近傍領域および外側近傍領域を決定する近傍領域設定手段（１４１）と、前記内側近傍領域の画素数をｎ０とし、前記外側近傍領域の画素数をｎ１とし、前記外側近傍領域に対して階調値のヒストグラムを求めるヒストグラム設定手段（１４２）と、ヒストグラムの各階調値の出現頻度をｎ１で割ることにより前記ヒストグラムから確率分布を求める確率分布作成手段（１４３）と、確率分布をｎ０回畳み込むことによりｎ０個の画素の階調値の和の確率分布を求める畳み込み手段（１４４）と、内側近傍領域内の全画素にわたる階調値の和ｓを求め、ｓにおける前記和の確率分布の値をもって着目画素の出現確率の指標とする出現確率算定手段（１４５）と、階調画像を構成する全画素のうちで前記出現確率の指標が最小となる着目画素をもって明瞭な特徴を持つ点として座標を特定する座標特定手段（１４６）と、その着目画素における出現確率の指標の値をもって明瞭さの指標値とする指標特定手段（１４７）などのプログラムを備え、最低の指標値を持つ画素が一定のしきい値以下である場合、当該着目画素の座標に該フォトマスクの欠陥があると判定する。また、欠陥検査装置１００はネットワーク２００を通じて、外部のコンピュータなどとのデータの送受信を行う送受信手段１２０を備える。

図９は、欠陥検査装置１００のハードウェア構成を示す図である。欠陥検査装置１００はハードウェアとしては一つのコンピュータ機器である。欠陥検査装置１００は、制御部１０１、記憶部１０２、周辺機器Ｉ／Ｆ（インターフェース）部１０３、入力部１０４、表示部１０５、通信部１０６を備え、それらがバス１０９を介して接続される。尚、図４のハードウェア構成は一例であり、別途、目的に応じて様々な構成を採ることが可能である。

制御部１０１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等で構成される。ＣＰＵは、記憶部１０２、ＲＯＭ、記録媒体等に格納されるプログラムをＲＡＭ上のワークメモリ領域に呼び出して実行し、バス１０９を介して接続された各装置を駆動制御し、コンピュータが行う処理を実現する。ＲＯＭは、不揮発性メモリであり、欠陥検査装置１００のブートプログラムやＢＩＯＳ等のプログラム、データ等を恒久的に保持している。ＲＡＭは、揮発性メモリであり、記憶部１０２、ＲＯＭ、記録媒体等からロードしたプログラム、データ等を一時的に保持するとともに、制御部１０１が各種処理を行う為に使用するワークエリアを備える。

記憶部１０２は、ＨＤＤ（ハードディスクドライブ）であり、制御部１０１が実行するプログラム、プログラム実行に必要なデータ、ＯＳ（オペレーティングシステム）等が格納される。プログラムに関しては、ＯＳ（オペレーティングシステム）に相当する制御プログラムや、近傍領域設定手段１４１として機能するプログラムコード、ヒストグラム設定手段１４２として機能するプログラムコード、確率分布作成手段１４３として機能するプログラムコード、畳み込み手段１４４として機能するプログラムコード、出現確率算定手段１４５として機能するプログラムコード、座標特定手段１４６として機能するプログラムコード、指標特定手段１４７として機能するプログラムコードなどのプログラムコードが格納されている。これらのプログラムコードは、制御部１０１により必要に応じて読み出されてＲＡＭに移され、ＣＰＵに読み出されて実行されることにより各種の手段として機能する。

周辺機器Ｉ／Ｆ部１０３は、欠陥検査装置１００に周辺機器を接続させるためのポートであり、周辺機器Ｉ／Ｆ部１０３を介してコンピュータは、カメラ１１１、マスク撮影用のステージ１１２などの周辺機器とのデータの送受信を行う。

入力部１０４は、データの入力を行い、例えば、キーボード等の入力装置を有し、入力部１０４を介して、欠陥検査装置１００に対して、操作指示、動作指示、データ入力等を行うことができる。表示部１０５は、液晶パネル等のディスプレイ装置である。

通信部１０６は、通信制御装置、通信ポート等を有し、欠陥検査装置１００とネットワーク２００間の通信を媒介する有線または無線の通信インタフェースであり、ネットワーク２００を介して、他のコンピュータとの通信制御を行う通信手段を備える。バス１０９は、各装置間の制御信号、データ信号等の授受を媒介する経路である。

以下に、上述した画像の特徴点を抽出する方法を用いて、フォトマスクのＳＥＭ画像を原画像として、パターン欠陥の有無を判定した実行結果の例を挙げる。

（実行結果１）
図１０と図１１は、欠陥のある原画像に対して、正しく判定できた例である。図１０の画像が原画像である。この画像は、フォトマスクのＳＥＭ画像であり、全体を覆う縞模様（斜めの黒とハーフトーンの筋状の画像）は、正常なパターン描画結果を表わしている。この画像は、フォトマスクに載った微小な異物を捉えており、画像内の中央左下の白いスポットとして、異物欠陥が表れている。図１１の画像は、実行結果として得られた出現確率の大小を色分けしたもので、白く見える部分が出現確率がしきい値を超えた画素である。この実行結果では、出現確率が最小になるポイントは、正しく異物がある個所を指している。

この場合、出現確率が最小になる画素における出現確率の指標の値は、７．５０×１０＊＊（−４１）であった。この値は事前に設定したしきい値１．０×１０＊＊（−３０）よりも小さい値なので、「欠陥あり」と判定され、その判定は正解である。

（実行結果２）
図１２と図１３は、欠陥のない原画像に対して、正しく判定できた例である。図１２の画像が原画像であるが、この画像には欠陥と判定されるべき要素が存在しない。この画像をもとに演算を行ったところ、出現確率が最小のポイントにおいても、その出現確率の指標の値は１．０８×１０＊＊（−２１）であり、しきい値よりも大きい値なので、「欠陥なし」と判定され、その判定は正解である。図１３の画像は、実行結果として得られた出現確率の大小を色分けしたものだが、しきい値を超えた画素は存在せずなにも検出されていない。

（実行結果３）
図１４と図１５は、欠陥のある原画像に対して、正しく判定できなった例である。図１４の画像が原画像であるが、中央からやや左下部分に欠陥がみられる。この画像をもとに演算を行ったところ、出現確率が最小のポイントにおいても、その出現確率の指標の値は８．７４×１０＊＊（−２３）であり、しきい値よりも大きい値なので、「欠陥なし」と判定された。図１５の画像を見ても、しきい値を超えた画素は存在しない。が、その判定は不正解である。実行結果１の例に比べ、この部分においては、正常パターンと欠陥部分の濃淡の相違がそれほどない（目立たない）ため、この手法による判定の限度を超えていると判断される。

本実施形態は、例えばフォトマスクのＳＥＭ画像に基づく欠陥検査などに利用することができる。なお、本手法を与えられた原画像に対して直接適用してもよいが、あらかじめ原画像になんらかの前処理を施してから適用してもよい。例えば、メディアンフィルタをかけてノイズを除去する処理などが考えられる。この場合も本発明の範囲内に含まれる。

本実施形態によれば、検査対象となる階調画像を入力として取り込み、その画像内における視覚的に明瞭な特徴を持つ領域の座標値と明瞭さの指標値を求めるとともに、検査対象となる画像が複数で異なった階調を持っていたとしても、欠陥の有無を判定するためのしきい値を、検査対象の全画像に対して共通にすることができる。

本発明は、上述のフォトマスクのＳＥＭ画像に基づく欠陥検査の実施形態に限定されることなく、あらゆる画像に基づく特徴抽出の手段として用いる様々な態様についても同様の実施形態が可能である。また、欠陥検査装置または特徴抽出装置として専用の機器ではなく市販のパソコン等の端末であっても同様に本発明を実施することが可能である。

１０ 着目画素
２０ 内側近傍領域
３０ 外側近傍領域
４０ ブロック
１００ 欠陥検査装置
２００ ネットワーク

Claims (8)

1. 与えられた階調画像から、その階調画像を構成する濃淡値である階調値を持つ各画素をそれぞれ着目画素として前記着目画素を包含する内側近傍領域および前記内側近傍領域を包含する外側近傍領域を設ける近傍領域設定ステップと、
   前記内側近傍領域の画素数をｎ０とし、前記外側近傍領域の画素数をｎ１とし、前記外側近傍領域に対して階調値のヒストグラムを求めるヒストグラム設定ステップと、
   前記ヒストグラムの各階調値の出現頻度をｎ１で割ることにより前記ヒストグラムから確率分布を求める確率分布作成ステップと、
   前記確率分布をｎ０回畳み込むことによりｎ０個の画素の階調値の和の確率分布を求める畳み込みステップと、
   前記内側近傍領域内の全画素にわたる階調値の和Ｓを求め、前記和の確率分布から得られる前記Ｓの出現確率の値をもって着目画素の出現確率の指標とする出現確率算定ステップと、
   前記階調画像を構成する全画素のうちで前記出現確率の指標が最小となる着目画素をもって明瞭な特徴を持つ点として座標を特定する座標特定ステップと、
   その着目画素における出現確率の指標の値をもって明瞭さの指標値とする指標特定ステップを含むことを特徴とする画像の特徴点抽出方法。
2. 前記内側近傍領域の設定にあたっては、
   前記着目画素を中心として、（２×ｒ０＋１）×（２×ｒ０＋１）画素からなる正方形領域を内側近傍領域として設定することを特徴とする請求項１に記載の画像の特徴点抽出方法。
3. 前記外側近傍領域の設定にあたっては、
   前記着目画素を中心として、（２×ｒ１＋１）×（２×ｒ１＋１）画素からなる正方形領域を外側近傍領域として設定することを特徴とする請求項１または請求項２に記載の画像の特徴点抽出方法。
4. 前記外側近傍領域の設定にあたっては、
   すべての前記着目画素に対して共通に前記与えられた階調画像全体を外側近傍領域として設定することを特徴とする請求項１または請求項２に記載の画像の特徴点抽出方法。
5. 前記与えられた階調画像を、互いに重なりも隙間も生じない複数のブロックに分割するブロック分割ステップを備え、
   前記外側近傍領域の設定にあたっては、前記複数のブロックの各ブロックに対して各ブロックを包含する領域を設定し、ある一つのブロック内の画素に対しては共通に該ブロックを包含する領域を外側近傍領域として設定することを特徴とする請求項１または請求項２に記載の画像の特徴点抽出方法。
6. 前記ブロック分割ステップは、
   前記与えられた階調画像を、ｒｈを正の整数とし、（ｒｈ×２＋１）×（ｒｈ×２＋１）画素からなる複数の正方形領域のブロックに分割し、
   前記外側近傍領域の設定にあたっては、それぞれのブロックに対して中心を同じくする（ｒｈ×４＋１）×（ｒｈ×４＋１）画素からなる正方形領域を前記外側近傍領域として設定することを特徴とする請求項５に記載の画像の特徴点抽出方法。
7. 前記与えられた階調画像はフォトマスクの走査型電子顕微鏡画像であって、
   請求項１から請求項６のいずれかに記載の方法により全ての着目画素について前記明瞭さの指標値を求め、その指標値が一定のしきい値以下である場合、当該着目画素の座標に該フォトマスクの欠陥があると判定することを特徴とするフォトマスクの欠陥検査方法。
8. 与えられたフォトマスクの走査型電子顕微鏡画像である階調画像から、その階調画像を構成する濃淡値である階調値を持つ各画素をそれぞれ着目画素として前記着目画素を包含する内側近傍領域および前記内側近傍領域を包含する外側近傍領域を設ける近傍領域設定手段と、
   前記内側近傍領域の画素数をｎ０とし、前記外側近傍領域の画素数をｎ１とし、前記外側近傍領域に対して階調値のヒストグラムを求めるヒストグラム設定手段と、
   前記ヒストグラムの各階調値の出現頻度をｎ１で割ることにより前記ヒストグラムから確率分布を求める確率分布作成手段と、
   前記確率分布をｎ０回畳み込むことによりｎ０個の画素の階調値の和の確率分布を求める畳み込み手段と、
   前記内側近傍領域内の全画素にわたる階調値の和Ｓを求め、前記和の確率分布から得られる前記Ｓの出現確率の値をもって着目画素の出現確率の指標とする出現確率算定手段と、
   前記階調画像を構成する全画素のうちで前記出現確率の指標が最小となる着目画素をもって明瞭な特徴を持つ点として座標を特定する座標特定手段と、
   その着目画素における出現確率の指標の値をもって明瞭さの指標値とする指標特定手段とその着目画素の指標値が一定のしきい値以下である場合、当該着目画素の座標に該フォトマスクの欠陥があると判定することを特徴とするフォトマスクの欠陥検査装置。