JP5083315B2 - 検査装置、検査方法およびプログラム - Google Patents

Description

本発明は、特に半導体素子や液晶表示素子などの製造過程において、試料表面の欠陥を検出する検査装置、検査方法およびプログラムに関する。

従来より、半導体ウェハや液晶基板（総じて「試料」という）の表面に形成されたパターンから発生する回折光を利用して、試料表面のむらや傷などの欠陥を検査する装置が種々提案されている。特に、近年では半導体のプロセスの微細化に伴って、試料の欠陥管理にもより高い精度が求められている。

一例として、特許文献１には、予め求めておいた良品基準色データと、カラー画像に基づく検査面色データとの差に基づいて、基板の不良候補領域を選定する電子回路部品の検査装置が開示されている。
特開２００３−３０２３５４号公報

ところで、上記の欠陥検査でパターンの観察を精度良く行うためには、解析結果のうちでパターンの特徴が顕著に現れる部分に注目して観察を行うことが好ましい。しかし、解析結果においてパターンの特徴が顕著に現れる部分を特定することは非常に煩雑であって、その改善がなお要請されていた。

本発明は上記従来技術の課題を解決するためのものである。本発明の目的は、解析結果においてパターンの特徴が顕著に現れる部分を容易に特定するための手段を提供することにある。

第１の発明の検査装置は、表面にパターンが形成された試料を載置するためのステージと、パターンを観察するための対物レンズと、照明光学系と、検出光学系と、撮像部と、解析部とを備える。照明光学系は、光源および偏光子を含む。そして、照明光学系は、光源からの任意の波長域を選択するとともに、偏光子および対物レンズを介して試料を落射照明する。検出光学系は、偏光子の偏光方向に対して偏光面が交差する検光子を含む。そして、検出光学系は、対物レンズおよび検光子を介して試料からの光を検出するとともに、該光に基づいて試料表面のフーリエ画像を取得する。撮像部は、フーリエ画像を撮像する。解析部は、フーリエ画像のうちでパターンの状態の影響を他の領域よりも大きく受ける注目領域を求めるための演算処理を行う。

第２の発明は、第１の発明において、解析部は、パターンの露光条件がそれぞれ異なる複数のフーリエ画像に基づいて、フーリエ画像の間で生じる階調差を画像内の各々の位置ごとに演算し、階調差の大きさから注目領域を求める。

第３の発明は、第２の発明において、撮像部は、フーリエ画像のカラーデータを生成する。また、解析部は、フーリエ画像の色成分ごとに階調差を演算し、いずれかの色成分のデータに基づいて注目領域を求める。

第４の発明は、第１の発明において、フーリエ画像に対応するパターンの線幅データを入力するデータ入力部を検査装置がさらに備える。また、解析部は、パターンの露光条件がそれぞれ異なる複数のフーリエ画像に基づいて、フーリエ画像の階調値とパターンの線幅との変化率を画像内の各々の位置ごとに演算し、変化率の値に基づいて注目領域を求める。

第５の発明は、第４の発明において、撮像部は、フーリエ画像のカラーデータを生成する。また、解析部は、フーリエ画像の色成分ごとに変化率を演算し、いずれかの色成分のデータに基づいて注目領域を求める。

第６の発明は、第４または第５の発明において、解析部は、画像内の各々の位置ごとに線幅との相関誤差をさらに演算し、変化率の値および相関誤差に基づいて注目領域を求める。

第７の発明は、第１から第６のいずれかの発明において、解析部は、注目領域に対応するフーリエ画像のデータに基づいて、試料におけるパターンの良否判定およびパターンの変動検出の少なくとも一方を実行する。

第８の発明は、第４から第６のいずれかの発明において、解析部は、変化率の演算のときに階調値を線幅に変換する近似式を求めるとともに、この近似式に基づいてフーリエ画像から線幅を推定する。

なお、上記発明に関する構成を、検査方法や、その検査方法をコンピュータに実行させるためのプログラムなどに変換して表現したものも本発明の具体的態様として有効である。

本発明によれば、試料のパターンを撮像したフーリエ画像に基づいて、パターンの状態の影響を他の領域よりも大きく受ける注目領域を求めることができる。

第１実施形態の欠陥検査装置の概要図 ウェハへの照射光の入射角度と瞳内での結像位置との関係の説明図 第１実施形態での注目領域の求め方を説明する流れ図 フーリエ画像を領域分割した状態の一例を示す図 Ｓ１０３での輝度データの抽出状態を示す模式図 分割領域Ｐ_mにおける輝度データのＲＧＢの階調値を示すグラフ フーリエ画像におけるＲの階調差の分布状態を示す図 フーリエ画像におけるＧの階調差の分布状態を示す図 フーリエ画像におけるＢの階調差の分布状態を示す図 パターンのフォーカスとフーリエ画像の階調値との相関関係を示すグラフ 第２実施形態での注目領域の求め方を説明する流れ図 各フーリエ画像に対応するパターンの線幅と、分割領域Ｐ_mにおけるＲＧＢの階調値との対応関係の一例を示す図 パターンの線幅と、分割領域Ｐ_mでのＢの階調値とを示すグラフ フーリエ画像におけるＲに対応する係数ａの値の分布状態を示す図 フーリエ画像におけるＲに対応する相関誤差の値の分布状態を示す図 フーリエ画像におけるＧに対応する係数ａの値の分布状態を示す図 フーリエ画像におけるＧに対応する相関誤差の値の分布状態を示す図 フーリエ画像におけるＢに対応する係数ａの値の分布状態を示す図 フーリエ画像におけるＢに対応する相関誤差の値の分布状態を示す図

（第１実施形態の説明）
以下、図１を参照しつつ、第１実施形態の欠陥検査装置の構成を説明する。

欠陥検査装置は、ウェハステージ１と、対物レンズ２と、ハーフミラー３と、照明光学系４と、検出光学系５と、撮像部６と、制御ユニット７とを備えている。

ウェハステージ１には、パターンの形成面を上にした状態で欠陥検査対象のウェハ８（試料）が載置される。このウェハステージ１は、それぞれ直交するｘｙｚの３軸方向に移動可能に構成されている（図１では、紙面上下方向をｚ方向とする）。また、ウェハステージ１はｚ軸を中心として回転できるように構成されている。

ウェハステージ１の上側には、ウェハ８のパターンを観察するための対物レンズ２が配置されている。図１の例では、対物レンズ２の倍率は１００倍に設定されている。そして、対物レンズ２の上側には、ハーフミラー３が傾斜配置されている。図１において、ハーフミラー３の左側には照明光学系４が配置されており、ハーフミラー３の上側には検出光学系５が配置されている。

照明光学系４は、図１の左側から右側に向けて配置順に、光源１１（例えば、白色ＬＥＤやハロゲンランプなど）と、集光レンズ１２と、照度均一化ユニット１３と、開口絞り１４と、視野絞り１５と、コリメータレンズ１６と、着脱可能な偏光子（偏光フィルタ）１７とを有している。

ここで、照明光学系４の光源１１から放出された光は、集光レンズ１２および照度均一化ユニット１３を介して、開口絞り１４および視野絞り１５に導かれる。照度均一化ユニット１３は、干渉フィルタによって任意の波長域の光を通過させる。上記の開口絞り１４および視野絞り１５は、照明光学系４の光軸に対して開口部の大きさおよび位置が変更可能に構成されている。したがって、照明光学系４では、開口絞り１４および視野絞り１５の操作によって、照明領域の大きさおよび位置の変更と、照明の開口角の調整とを行うことができる。そして、開口絞り１４および視野絞り１５を通過した光は、コリメータレンズ１６でコリメートされた後に偏光子１７を通過してハーフミラー３に入射する。

ハーフミラー３は、照明光学系４からの光を下方に反射して対物レンズ２に導く。これにより、対物レンズ２を通過した照明光学系４からの光でウェハ８が落射照明される。一方、ウェハ８に落射照明された光は、ウェハ８で反射して再び対物レンズ２に戻り、ハーフミラー３を透過して検出光学系５に入射することとなる。

検出光学系５は、図１の下側から上側に向けて配置順に、着脱可能な検光子（偏光フィルタ）２１と、レンズ２２と、ハーフプリズム２３と、ベルトランレンズ２４と、視野絞り２５とを有している。検出光学系５の検光子２１は、照明光学系４の偏光子１７に対してクロスニコルの状態となるように配置されている。照明光学系４の偏光子１７と検出光学系５の検光子２１とはクロスニコルの条件を満たすので、ウェハ８のパターンで偏光主軸が回転しない限り、検出光学系５で観測される光量は０に近くなる。

また、検出光学系５のハーフプリズム２３は入射光束を２方向に分岐させる。ハーフプリズム２３を通過する一方の光束は、ベルトランレンズ２４を介して視野絞り２５にウェハ８の像を結像させるとともに、撮像部６の撮像面に対物レンズ２の瞳面上の輝度分布を再現させる。すなわち、撮像部６では、フーリエ変換されたウェハ８の画像（フーリエ画像）を撮像することができる。なお、上記の視野絞り２５は、検出光学系５の光軸に対して垂直方向の面内で開口形状を変化させることができる。そのため、視野絞り２５の操作によって、ウェハ８の任意の領域での情報を撮像部６が検出できるようになる。なお、ハーフプリズム２３を通過する他方の光束は、フーリエ変換されていない画像を撮像するための第２の撮像部（不図示）に導かれる。

ここで、第１実施形態の欠陥検査でフーリエ画像（すなわち、対物レンズ２の瞳面の像）を撮像するのは以下の理由による。欠陥検査においてウェハ８のパターンをそのまま撮像した画像を用いると、パターンのピッチが検査装置の分解能以下のときには、パターンの欠陥を光学的に検出できなくなる。一方、フーリエ画像では、ウェハ８のパターンに欠陥があると反射光の対称性が崩れ、構造性複屈折によりフーリエ画像の光軸に対して対称な部分同士の輝度や色などに変化が生じる。そのため、パターンのピッチが検査装置の分解能以下のときでも、フーリエ画像における上記の変化を検出することでパターンの欠陥検出が可能となる。

さらに、図２を参照しつつ、ウェハ８への照射光の入射角度と瞳内での結像位置との関係を説明する。図２で破線で示すように、ウェハ８への照射光の入射角度が０°のときには、瞳上の結像位置は瞳中心となる。一方、図２で実線で示すように、入射角度６４°（ＮＡ＝０．９相当）のときには、瞳上の結像位置は瞳の外縁部となる。すなわち、ウェハ８への照射光の入射角度は、瞳上では瞳内の半径方向の位置に対応する。また、瞳内で光軸から同一半径内の位置に結像する光は、ウェハ８に同一角度で入射した光である。

図１に戻って、撮像部６は、ベイヤ配列のカラーフィルタアレイを有する撮像素子によって上記のフーリエ画像を撮像する。そして、撮像部６では、撮像素子の出力に対してＡ／Ｄ変換と各種の画像処理とを施してフーリエ画像のＲＧＢカラーデータを生成する。この撮像部６の出力は制御ユニット７に接続されている。なお、図１では、撮像部６の個々の構成要素の図示は省略する。

制御ユニット７は、欠陥検査装置の統括的な制御を実行する。この制御ユニット７は、フーリエ画像のデータを記録する記録部３１と、入力Ｉ／Ｆ３２と、各種の演算処理を実行するＣＰＵ３３と、モニタ３４および操作部３５とを有している。記録部３１、入力Ｉ／Ｆ３２、モニタ３４および操作部３５は、それぞれＣＰＵ３３に接続されている。

ここで、制御ユニット７のＣＰＵ３３は、プログラムの実行によってフーリエ画像を解析し、フーリエ画像のうちでパターンの状態の影響を他の領域よりも大きく受ける注目領域を求める。また、入力Ｉ／Ｆ３２は、記録媒体（不図示）を接続するコネクタや、外部のコンピュータ９と接続するための接続端子を有している。そして、入力Ｉ／Ｆ３２は、上記の記録媒体またはコンピュータ９からデータの読み込みを行う。

次に、図３の流れ図を参照しつつ、第１実施形態における欠陥検査のときの注目領域の求め方の一例を説明する。この第１実施形態では、各々の露光条件（フォーカス／ドーズ）が相違する同一形状のパターンを複数形成した１枚のウェハ８を利用して、欠陥検査での注目領域を求める例を説明する。

ステップ１０１：制御ユニット７のＣＰＵ３３は、上記のウェハ８上の各々のパターンの所定位置について、撮像部６で各々のフーリエ画像を撮像する。これにより、制御ユニット７の記録部３１には、同一形状のパターンについて、露光条件がそれぞれ異なる複数のフーリエ画像のカラーデータが記録されることとなる。なお、以後の説明では、簡単のため、各々のフーリエ画像を区別するときには符号ＦＩを付して表記する。

ステップ１０２：ＣＰＵ３３は、各々のフーリエ画像について、画像上の各位置ごとのＲ，Ｇ，Ｂの輝度データをそれぞれ生成する。以下、１フレーム目のフーリエ画像ＦＩ₁を例として、上記の輝度データの求め方を具体的に説明する。

（１）ＣＰＵ３３は、フーリエ画像ＦＩ₁を正方格子状の複数の領域に分割する。図４に、フーリエ画像を領域分割した状態の一例を示す。なお、以後の説明では、簡単のため、フーリエ画像上の分割領域を区別するときには符号Ｐを付して表記する。

（２）ＣＰＵ３３は、フーリエ画像ＦＩ₁の各分割領域ごとに、ＲＧＢの輝度値の平均をそれぞれの色別に求める。これにより、ＦＩ₁の各分割領域ごとに、Ｒ，Ｇ，Ｂの各色成分ごとの階調を示す輝度データがそれぞれ生成される。

そして、ＣＰＵ３３は、上記の（１）および（２）の工程を各々のフーリエ画像で繰り返す。これにより、１フレーム目からｎフレーム目までの各フーリエ画像（ＦＩ₁〜ＦＩ_n）で、各々の分割領域毎のＲ，Ｇ，Ｂの輝度データがそれぞれ生成されることとなる。

ステップ１０３：ＣＰＵ３３は、同じ分割領域におけるフーリエ画像（ＦＩ₁〜ＦＩ_n）間での階調差を示す階調差データを、ＲＧＢの各色成分ごとに生成する。

以下、フーリエ画像ＦＩ上の任意の分割領域Ｐ_mを例として、Ｓ１０３での演算処理を具体的に説明する。

まず、ＣＰＵ３３は、各々のフーリエ画像（ＦＩ₁〜ＦＩ_n）について、分割領域Ｐ_mでの各色成分の輝度データ（Ｓ１０２で求めたもの）をそれぞれ抽出する（図５参照）。次に、ＣＰＵ３３は、各色成分ごとに分割領域Ｐ_mでの階調値をそれぞれ比較する。図６は、分割領域Ｐ_mにおける輝度データのＲＧＢの階調値を示すグラフである。なお、図６では、横軸がフーリエ画像ＦＩの番号を示し、縦軸が各々のフーリエ画像の階調値を示す。

さらに、ＣＰＵ３３は、分割領域Ｐ_mに対応する輝度データの階調値のうちで、ＲＧＢごとの最大値と最小値とを抽出する。その後に、ＣＰＵ３３は、ＲＧＢの各色成分ごとに上記の最大値と最小値との差分値を演算する。これにより、分割領域Ｐ_mにおけるフーリエ画像間での階調差を示す階調差データが、ＲＧＢの各色成分ごとに生成される。

そして、ＣＰＵ３３は、上記の工程を全ての分割領域の分だけ繰り返す。これにより、フーリエ画像の全ての分割領域で、ＲＧＢごとの階調差データがそれぞれ生成されることとなる。

ステップ１０４：ＣＰＵ３３は、Ｓ１０３で求めた階調差データに基づいて、フーリエ画像の分割領域のうちでパターンの状態の影響を他の領域よりも大きく受ける注目領域を決定する。

図７から図９は、フーリエ画像の各分割領域における階調差の分布状態を色成分ごとに示した図である。上記の例において、フーリエ画像間での輝度の階調差は、分割領域Ｐ₁でのＢの値が最大となる（図９参照）。そのため、Ｓ１０４でのＣＰＵ３３は、分割領域Ｐ₁を注目領域に決定し、分割領域Ｐ₁でのＢの階調値に基づいて後述の欠陥検査を実行する。ここで、フーリエ画像における注目領域の位置はウェハ８のパターンに応じて変化する。また、階調差が大きくなる色成分は階調値が高く、ウェハ８上の薄膜の干渉により強められたものと考えられる。以上で、図３の流れ図の説明を終了する。

そして、ＣＰＵ３３は、上記の要領で求めた注目領域および色成分に着目して、フーリエ画像を解析することでウェハ８のパターンの欠陥検査を実行する。ここで、フーリエ画像における上記の注目領域では、パターンの状態のわずかな変化でも所定の色成分の階調に変化が現れやすいので、パターンの欠陥検査を高い精度で行うことができる。

一例として、パターンの露光条件と階調値との相関関係が予め判明している場合には、欠陥検査対象のパターンを撮像したフーリエ画像を解析するときに、ＣＰＵ３３は注目領域における所定の色成分のデータ（上記の例では分割領域Ｐ₁でのＢの階調値）に基づいて、パターンの欠陥検査を容易に行うことができる。ここで、フォーカス状態が異なる同一形状のパターンをそれぞれ撮像したフーリエ画像において、パターンのフォーカス状態とフーリエ画像の階調値との相関を図１０に示す。上記の図１０に対応する判定用データを制御ユニット７が利用できる場合には、フーリエ画像の注目領域における所定の色成分の階調値と判定用データにおけるフォーカス状態の良品範囲の階調値とを比較することで、ＣＰＵ３３はウェハ８上のパターンの欠陥を検出できる。

また、ＣＰＵ３３は、欠陥検査対象となる複数のフーリエ画像の解析時に、注目領域における所定の色成分の階調に閾値以上の変化のあるものを抽出して、ウェハ８のパターンの変動検出を実行することもできる。

（第２実施形態の説明）
図１１は、第２実施形態における欠陥検査のときの注目領域の求め方の一例を説明する流れ図である。ここで、第２実施形態の欠陥検査装置の構成は、図１に示す第１実施形態の欠陥検査装置と共通するので重複説明は省略する。

この第２実施形態では、第１実施形態と同様のウェハ８を利用して、各々のパターンのフーリエ画像とパターン毎の線幅のデータとに基づいて欠陥検査での注目領域を求める。なお、上記のパターンに対応する線幅のデータは、例えば、スキャトロメータや走査型電子顕微鏡（ＳＥＭ）などの線幅測定器で測定したものを利用する。

ステップ２０１：ＣＰＵ３３は、上記のウェハ８について、各々のパターンに対応する線幅のデータ群を入力Ｉ／Ｆ３２から読み込んで取得する。なお、制御ユニット７に読み込まれた線幅のデータ群は記録部３１に記録される。

ステップ２０２：ＣＰＵ３３は、上記のウェハ８上の各々のパターンについて、撮像部６で各々のフーリエ画像を撮像する。なお、このステップは図３のＳ１０１に対応するので重複説明は省略する。

ステップ２０３：ＣＰＵ３３は、各々のフーリエ画像について、画像上の各位置ごとのＲ，Ｇ，Ｂの輝度データをそれぞれ生成する。なお、このステップは図３のＳ１０２に対応するので重複説明は省略する。

ステップ２０４：ＣＰＵ３３は、フーリエ画像上の各分割領域（Ｓ２０３）において、フーリエ画像の階調値とパターンの線幅との変化率を示す近似式を求める。なお、Ｓ２０４でのＣＰＵ３３は、１つの分割領域において、上記の近似式をＲＧＢの各色成分ごとにそれぞれ演算する。

以下、フーリエ画像ＦＩ上の任意の分割領域Ｐ_mを例として、Ｓ２０４での演算処理を具体的に説明する。

（１）第１に、ＣＰＵ３３は、各々のフーリエ画像（ＦＩ₁〜ＦＩ_n）に対応するパターンの線幅のデータを記録部３１から読み出す。また、ＣＰＵ３３は、各々のフーリエ画像（ＦＩ₁〜ＦＩ_n）における分割領域Ｐ_mでの各色成分の輝度データ（Ｓ２０３で求めたもの）をそれぞれ抽出する。そして、ＣＰＵ３３は、各々のフーリエ画像（ＦＩ₁〜ＦＩ_n）ごとに、パターンの線幅と分割領域Ｐ_mでの階調値との対応関係を求める。なお、図１２に、各々のフーリエ画像（ＦＩ₁〜ＦＩ_n）に対応するパターンの線幅と、分割領域Ｐ_mでのＲＧＢの階調値との対応関係の一例を示す。

（２）第２に、ＣＰＵ３３は、上記（１）で求めた線幅と階調値との対応関係のデータに基づいて、フーリエ画像の階調値とパターンの線幅との変化率を示す近似式を演算する。

ここで、分割領域Ｐ_mでのＢの階調値に対応する近似式の演算を説明する。図１３に、パターンの線幅と、分割領域Ｐ_mでのＢの階調値とのグラフを示す。図１３では、横軸が分割領域Ｐ_mでのＢの階調値を示し、縦軸がパターンの線幅を示す。なお、図１３では、１つのフーリエ画像につき１つの点がグラフ上にプロットされる。

図１３からも分かるように、パターンの線幅とフーリエ画像の階調値とは線形に比例して、一次の近似式とよく一致する。そのため、ＣＰＵ３３は、パターンの線幅と分割領域Ｐ_mでのＢの階調値との対応関係のデータから、最小二乗法によって以下の式（１）を演算する。

ｙ＝ａｘ＋ｂ ・・・（１）
上記の式（１）において、「ｙ」は各々のフーリエ画像に対応するパターンの線幅を意味する。「ｘ」は分割領域Ｐ_mでのＢの階調値を意味する。「ａ」はパターンの線幅の変化量をＢの階調値の変化量で除した係数である。「ｂ」はｙ切片の値である。ここで、上記の係数ａの絶対値は、パターンの線幅の変化に対する階調変化の逆数（パターンの状態の検出感度の逆数）に相当する。すなわち、上記の係数ａの絶対値が小さくなると、線幅の差が同じでもフーリエ画像の階調変化が大きくなるので、パターンの状態の検出感度がより高くなる。

以上の工程によって、ＣＰＵ３３は、分割領域Ｐ_mでのＢの階調値に対応する近似式を求めることができる。勿論、ＣＰＵ３３は、分割領域Ｐ_mでのＲ，Ｇの階調値に対応する近似式についても上記と同様の工程で演算を行う。その後、ＣＰＵ３３は、フーリエ画像上の全ての分割領域において、ＲＧＢの各階調値に対応する近似式をそれぞれ演算する。

ステップ２０５：ＣＰＵ３３は、フーリエ画像上の各分割領域（Ｓ２０３）において、Ｓ２０４で得た近似式とパターンの線幅との相関誤差を各々の色成分ごとに求める。

まず、ＣＰＵ３３は、フーリエ画像（ＦＩ₁〜ＦＩ_n）に対応する線幅と、近似式（Ｓ２０４）で導出される線幅との偏差のデータを生成する。勿論、ＣＰＵ３３は、各々の分割領域においてＲＧＢの色成分別に上記の偏差のデータをそれぞれ生成する。そして、ＣＰＵ３３は、上記の偏差のデータから各々の分割領域のＲＧＢの色成分ごとに標準偏差を演算し、その値を相関誤差とする。

ステップ２０６：ＣＰＵ３３は、Ｓ２０４で求めた係数ａ（パターンの状態の検出感度の逆数）と、Ｓ２０５で求めた相関誤差とに基づいて、フーリエ画像の分割領域のうちでパターンの状態の影響を他の領域よりも大きく受ける注目領域を決定する。すなわち、ＣＰＵ３３は、係数ａの絶対値が小さく、かつ相関誤差が十分に小さい分割領域から上記の注目領域を設定する。一例として、ＣＰＵ３３は、上記の係数ａの絶対値の小ささと、相関誤差の小ささとに応じて各々の分割領域のスコアリングを行い、このスコアリングの結果に基づいて注目領域を決定する。

図１４，図１６，図１８は、フーリエ画像における近似式の係数ａの値の分布状態を色成分ごとに示した図である。また、図１５，図１７，図１９は、フーリエ画像における相関誤差の値の分布状態を色成分ごとに示した図である。上記の例において、係数ａの絶対値は、分割領域Ｐ₂でのＢの階調値に対応する近似式のものが最小となる。また、分割領域Ｐ₂でのＢの階調値に関しては、相関誤差の値も比較的小さな値となる。そのため、Ｓ２０６でのＣＰＵ３３は、分割領域Ｐ₂を注目領域に決定し、分割領域Ｐ₂でのＢの階調値に基づいて後述の欠陥検査を実行する。以上で、図１１の流れ図の説明を終了する。

そして、ＣＰＵ３３は、上記の要領で求めた注目領域および色成分に着目してフーリエ画像を解析することで、ウェハ８のパターンの欠陥検査や変動検出を実行する。特に第２実施形態では、パターンの線幅の相関誤差も考慮して注目領域が決定されるので、パターンの欠陥検査などをさらに高い精度で行うことができる。なお、第２実施形態におけるパターンの欠陥検査や変動検出の手法については、第１実施形態の場合とほぼ同様であるため重複説明を省略する。

また、第２実施形態でのＣＰＵ３３は、注目領域を決定したときと同一のパターンを撮像したフーリエ画像から、検査対象のパターンの線幅を推定できる。この場合、ＣＰＵ３３は、検査対象のフーリエ画像から注目領域の所定の色成分の階調値（上記の例であれば、分割領域Ｐ₂でのＢの階調値）を取得する。そして、ＣＰＵ３３は、Ｓ２０４およびＳ２０６で求めた近似式に基づいて、上記の階調値からパターンの線幅を推定する。したがって、第２実施形態では、フーリエ画像に基づいて、欠陥検査と同時にパターンの線幅の推定を行うことができるので、ウェハ８の検査工程での作業性を著しく向上させることができる。

この第２実施形態の線幅の推定は、フーリエ変換後のパターンの階調に基づいて行われるので、上記の線幅の推定値は視野絞り２５により決定されたウェハ８の任意の領域のパターンの線幅を平均化したものに相当する。したがって、第２実施形態の場合には、パターンの測定誤差はＳＥＭの測定結果と比べても著しく小さくなる。

また、ＳＥＭによる線幅測定では電子線によるパターンの焼けなどが生じうるが、第２実施形態の欠陥検査装置ではかかる不都合が生じることはない。さらに、スキャトロメータでの線幅測定では、測定前のセットアップに多大な時間が要求されるが、第２実施形態によれば煩雑な設定作業をほとんど行うことなくパターンの線幅の推定を容易に実行できるようになる。

なお、本実施形態では、近似式として一次の近似式を用いたが、これに限らず、対数近似、累乗近似、多数項近似を用いることも可能である。

（実施形態の補足事項）
（１）上記実施形態では、注目領域を求める演算処理を欠陥検査装置のＣＰＵ３３が実行する例を説明した。しかし、本発明では、例えば、図１に示すコンピュータ９に欠陥検査装置からのフーリエ画像のデータを読み込ませて、コンピュータ９上で注目領域を求める演算処理を実行するようにしてもよい。

（２）上記実施形態でのＣＰＵ３３は、注目領域および色成分を１つに限定することなく、複数の注目領域および色成分を参照してパターンの欠陥検査などを行うようにしてもよい。

（３）上記実施形態では、ＣＰＵ３３が注目領域および色成分を決定する例を説明したが、例えば、ＣＰＵ３３は各分割領域におけるの階調差などの演算結果をモニタ３４に表示するとともに、オペレータの操作に応じてＣＰＵ３３が注目領域および色成分を決定するようにしてもよい。

（４）上記実施形態では、フーリエ画像のカラーデータに基づいてＣＰＵ３３が注目領域を決定する例を説明した。しかし、本発明はグレースケールのフーリエ画像のデータを利用して注目領域を求めるものであってもよい。

（５）上記実施形態では、ＲＧＢ色空間のフーリエ画像のデータに基づいてＣＰＵ３３が注目領域を求める例を説明した。しかし、本発明では、例えばフーリエ画像のデータをＨＩＳ色空間のデータに変換してＣＰＵ３３が演算処理を実行してもよい。

（６）上記実施形態では、偏光子と検光子とをクロスニコルに配置する例を説明したが、本発明では偏光子と検光子との偏光面が交差する状態であればよく、必ずしもクロスニコルの条件を満たす配置に限定されるものではない。

なお、本発明は、その精神またはその主要な特徴から逸脱することなく他の様々な形で実施することができる。そのため、上述した実施形態はあらゆる点で単なる例示に過ぎず、限定的に解釈してはならない。本発明は、特許請求の範囲によって示されるものであって、本発明は明細書本文にはなんら拘束されない。さらに、特許請求の範囲の均等範囲に属する変形や変更は、全て本発明の範囲内である。

Claims (17)

1. 表面にパターンが形成された試料を載置するためのステージと、
   前記パターンを観察するための対物レンズと、
   光源および偏光子を含み、前記光源からの任意の波長域を選択するとともに、前記偏光子および前記対物レンズを介して前記試料を落射照明する照明光学系と、
   前記偏光子の偏光方向に対して偏光面が交差する検光子を含み、前記対物レンズおよび前記検光子を介して前記試料からの光を検出するとともに、該光に基づいて試料表面のフーリエ画像を取得する検出光学系と、
   前記フーリエ画像を撮像する撮像部と、
   前記フーリエ画像のうちで前記パターンの状態の影響を他の領域よりも大きく受ける注目領域を求めるための演算処理を行う解析部と、
   を備えることを特徴とする検査装置。
2. 請求項１に記載の検査装置において、
   前記解析部は、前記パターンの露光条件がそれぞれ異なる複数の前記フーリエ画像に基づいて、前記フーリエ画像の間で生じる階調差を画像内の各々の位置ごとに演算し、前記階調差の大きさから前記注目領域を求めることを特徴とする検査装置。
3. 請求項２に記載の検査装置において、
   前記撮像部は、前記フーリエ画像のカラーデータを生成し、
   前記解析部は、前記フーリエ画像の色成分ごとに前記階調差を演算し、いずれかの前記色成分のデータに基づいて前記注目領域を求めることを特徴とする検査装置。
4. 請求項１に記載の検査装置において、
   前記フーリエ画像に対応する前記パターンの線幅データを入力するデータ入力部をさらに備え、
   前記解析部は、前記パターンの露光条件がそれぞれ異なる複数の前記フーリエ画像に基づいて、前記フーリエ画像の階調値と前記パターンの線幅との変化率を画像内の各々の位置ごとに演算し、前記変化率の値に基づいて前記注目領域を求めることを特徴とする検査装置。
5. 請求項４に記載の検査装置において、
   前記撮像部は、前記フーリエ画像のカラーデータを生成し、
   前記解析部は、前記フーリエ画像の色成分ごとに前記変化率を演算し、いずれかの前記色成分のデータに基づいて前記注目領域を求めることを特徴とする検査装置。
6. 請求項４または請求項５に記載の検査装置において、
   前記解析部は、画像内の各々の位置ごとに前記線幅との相関誤差をさらに演算し、前記変化率の値および前記相関誤差に基づいて前記注目領域を求めることを特徴とする検査装置。
7. 請求項１から請求項６のいずれか１項に記載の検査装置において、
   前記解析部は、前記注目領域に対応する前記フーリエ画像のデータに基づいて、前記試料における前記パターンの良否判定および前記パターンの変動検出の少なくとも一方を実行することを特徴とする検査装置。
8. 請求項４から請求項６のいずれか１項に記載の検査装置において、
   前記解析部は、前記変化率の演算のときに前記階調値を前記線幅に変換する近似式を求めるとともに、前記近似式に基づいて前記フーリエ画像から前記線幅を推定することを特徴とする検査装置。
9. 表面にパターンが形成された試料を載置するためのステージと、
   前記パターンを観察するための対物レンズと、
   光源および偏光子を含み、前記光源からの任意の波長域を選択するとともに、前記偏光子および前記対物レンズを介して前記試料を落射照明する照明光学系と、
   前記偏光子の偏光方向に対して偏光面が交差する検光子を含み、前記対物レンズおよび前記検光子を介して前記試料からの光を検出するとともに、該光に基づいて試料表面のフーリエ画像を取得する検出光学系と、を備える検査装置を用いた検査方法であって、
   前記フーリエ画像のデータを取得する画像データ取得ステップと、
   前記フーリエ画像のうちで前記パターンの状態の影響を他の領域よりも大きく受ける注目領域を求める解析ステップと、
   を有することを特徴とする検査方法。
10. 請求項９に記載の検査方法において、
    前記解析ステップにて、前記パターンの露光条件がそれぞれ異なる複数の前記フーリエ画像に基づいて、前記フーリエ画像の間で生じる階調差を画像内の各々の位置ごとに演算し、前記階調差の大きさから前記注目領域を求めることを特徴とする検査方法。
11. 請求項１０に記載の検査方法において、
    前記画像データ取得ステップにて、前記フーリエ画像のカラーデータを取得し、
    前記解析ステップにて、前記フーリエ画像の色成分ごとに前記階調差を演算し、いずれかの前記色成分のデータに基づいて前記注目領域を求めることを特徴とする検査方法。
12. 請求項９に記載の検査方法において、
    前記解析ステップに先立って、前記フーリエ画像に対応する前記パターンの線幅データを取得する線幅データ取得ステップをさらに有し、
    前記解析ステップにて、前記パターンの露光条件がそれぞれ異なる複数の前記フーリエ画像に基づいて、前記フーリエ画像の階調値と前記パターンの線幅との変化率を画像内の各々の位置ごとに演算し、前記変化率の値に基づいて前記注目領域を求めることを特徴とする検査方法。
13. 請求項１２に記載の検査方法において、
    前記画像データ取得ステップにて、前記フーリエ画像のカラーデータを取得し、
    前記解析ステップにて、前記フーリエ画像の色成分ごとに前記変化率を演算し、いずれかの前記色成分のデータに基づいて前記注目領域を求めることを特徴とする検査方法。
14. 請求項１２または請求項１３に記載の検査方法において、
    前記解析ステップにて、画像内の各々の位置ごとに前記線幅との相関誤差をさらに演算し、前記変化率の値および前記相関誤差に基づいて前記注目領域を求めることを特徴とする検査方法。
15. 請求項９から請求項１４のいずれか１項に記載の検査方法において、
    前記注目領域に対応する前記フーリエ画像のデータに基づいて、前記試料における前記パターンの良否判定および前記パターンの変動検出の少なくとも一方を実行する判定ステップをさらに有することを特徴とする検査方法。
16. 請求項１２から請求項１４のいずれか１項に記載の検査方法において、
    前記解析ステップにて、前記変化率の演算のときに前記階調値を前記線幅に変換する近似式を求め、
    前記近似式に基づいて前記フーリエ画像から前記線幅を推定する線幅推定ステップをさらに有することを特徴とする検査方法。
17. 請求項９に記載の検査方法における画像データ取得ステップおよび解析ステップをコンピュータに実行させることを特徴とするプログラム。