JP5146797B2 - パターン欠陥検査のための装置、その方法及びそのプログラムを記録したコンピュータ読取り可能な記録媒体 - Google Patents
パターン欠陥検査のための装置、その方法及びそのプログラムを記録したコンピュータ読取り可能な記録媒体 Download PDFInfo
- Publication number
- JP5146797B2 JP5146797B2 JP2006550891A JP2006550891A JP5146797B2 JP 5146797 B2 JP5146797 B2 JP 5146797B2 JP 2006550891 A JP2006550891 A JP 2006550891A JP 2006550891 A JP2006550891 A JP 2006550891A JP 5146797 B2 JP5146797 B2 JP 5146797B2
- Authority
- JP
- Japan
- Prior art keywords
- distortion
- image
- pattern defect
- defect inspection
- distortion amount
- 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.)
- Active
Links
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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
- G03F1/68—Preparation processes not covered by groups G03F1/20 - G03F1/50
- G03F1/82—Auxiliary processes, e.g. cleaning or inspecting
- G03F1/84—Inspecting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N2021/95676—Masks, reticles, shadow masks
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Description
【0001】
本発明はパターン欠陥検査のための装置、その方法及びそのプログラムを記録したコンピュータ読取り可能な記録媒体に関し、特に撮像時の歪みの影響を受けにくいパターン欠陥検査のための装置、その方法及びそのプログラムを記録したコンピュータ読取り可能な記録媒体に関する。
【背景技術】
【0002】
レティクル、フォトマスクといった半導体集積回路に用いられるマスクのパターン検査は、近年のパターンの微細化要請に伴って、よりいっそうの高度な精度が求められている。
【0003】
一般に、パターン検査は、マスクにレーザー光や荷電粒子ビームを照射することで採取される観測画像と、対応する箇所の設計データから計算によって作成される参照画像を作成し、観測画像と参照画像を比較して一致していない箇所を見つけることで行われる。
【0004】
高精度な欠陥検査を実現するためには、欠陥ではない箇所では観測画像上のパターンとそれに対応した参照画像上のパターンが正確に一致している必要がある。
【0005】
実際には観測画像の採取時にはステージ移動の速度むらや光学系の問題によって、多少の歪みが発生する。
【0006】
光学系の問題とは、例えばビームを音響光学素子(AOD)等を用いて振りその透過光の光量を測定することによって画像採取する光学系では、AODの影響によって歪みが発生するし、その歪み具合は時間とともに蓄熱などの影響で変化し得る。また、レンズの周辺部と中央部での歪みによって採取画像に歪みが発生する可能性もあるし、その歪み具合は時間とともに蓄熱などの影響で変化し得る。さらに、例えばレチィクルに多少のそりがある場合に対応するためにオートフォーカスが利用したりすると、焦点距離が変動することになるが、その変動に応じて歪み具合が変化する。
【0007】
近年のようにパターンの微細化が進んでいる状況では、これまでは問題とはならず考慮していなかった、上記の歪みが無視できなくなってきており、歪みの補整が必要不可欠になっている。
【0008】
観測画像採取時の歪みを補整する方式として、特許文献1や特許文献2では、ステージ移動量をセンサで測定し、その移動量の値を利用して参照画像を補整する方式を示している。
【特許文献1】
特開2003−121984号公報
【特許文献2】
特開2003−090717号公報
【特許文献3】
特開平10−325806号公報
【特許文献4】
特開平11−211671号公報
【特許文献5】
特開2000−348177号公報
【非特許文献1】
リチャード・オー・デューダ(Richard O.Duda)他著、尾上守夫監訳、”パターン識別(第2刷)”、新技術コミュニケーションズ、2003年、111〜113頁
【非特許文献2】
リチャード・オー・デューダ(Richard O.Duda)他著、尾上守夫監訳、”パターン識別(第2刷)”、新技術コミュニケーションズ、2003年、120〜125頁
【発明の開示】
【発明が解決しようとする課題】
【0009】
従来技術での問題点は、ステージ移動をセンサで測定して補整する方式であるため、ステージ移動量を測定する特別なセンサが必要であるし、ステージ移動によって発生する歪みしか対象にできず、任意の画像採取系で適用できないし、ステージ移動以外の光学系に起因する歪みを補整することもできないことにある。
【0010】
また、特許文献5に記載の発明は、補正テーブル作成を検査対象マスクとは別のマスクを用いて行うので、マスクが変化した時の経時変化に弱い。
【0011】
本発明の目的は、採取画像と参照画像の画像情報のみ利用して画像採取歪みを補正して高精度な欠陥検査を実現することにある。
【課題を解決するための手段】
【0012】
本発明の欠陥検査装置では、観測画像と参照画像のペアから歪みの傾向を少数のパラメータで表現し、検査する時に観測画像と参照画像のペアから前記少数パラメータを推定して歪みを算出し、前記歪みを補正することで解決する。
【0013】
本発明によれば、設計情報から求まる参照画像と観測画像を比較して前記観測画像の歪み量を推定する歪み量計算部と、前記歪み量を用いて前記参照画像をひずませた歪み画像を作成する歪み画像作成部と、前記歪み画像と観測画像を比較してパターンの欠陥を識別する識別部を備えることを特徴とするパターン欠陥検査装置が提供される。
【0014】
また、本発明によれば、観測画像と設計情報から求まる参照画像を比較して前記観測画像の歪み量を推定する歪み量計算部と、前記歪み量を用いて観測画像を補整した補整画像を作成する歪み画像作成部と、前記補整画像と設計情報から求まる参照画像を比較してパターンの欠陥を識別する識別部を備えることを特徴とするパターン欠陥検査装置が提供される。
【0015】
更に、本発明によれば、観測画像を入力する手段と、参照画像として定義され、前記観測画像の採取前の画像の設計情報と同じ設計情報から得られた比較観測画像を入力する手段と、前記入力された観測画像と前記比較観測画像を比較して前記観測画像の前記比較観測画像に対する歪み量を推定する歪み量計算部と、前記歪み量を用いて観測画像を補整した補整画像を作成する歪み画像作成部と、前記補整画像と前記比較観測画像を比較してパターンの欠陥を識別する識別部を備えることを特徴とするパターン欠陥検査装置が提供される。
[0016]
上記のパターン欠陥検査装置において、前記歪み量の推定が各画像の検査毎に行われるようにしてもよい。
[0017]
上記のパターン欠陥検査装置において、前記歪み量の推定が予め定められた時間毎に行われるようにしてもよい。
[0018]
上記のパターン欠陥検査装置において、前記観測画像が加工済パターンをレーザー光や荷電粒子ビーム等で走査して得られる画像であるようにしてもよい。
[0019]
上記のパターン欠陥検査装置において、前記参照画像が前記設計情報に含まれるパターン情報に観測画像取得時の光学系の影響を考慮して求められるようにしてもよい。
[0020]
上記のパターン欠陥検査装置において、前記歪みを少ない次元で表現するようにしてもよい。
[0021]
上記のパターン欠陥検査装置において、前記歪み量計算部は、前記歪み量の推定に、補間処理を利用するようにしてもよい。
上記のパターン欠陥検査装置において、前記補間処理は線形補間または双3次補間の少なくともいずれかを利用するようにしてもよい。
[0022]
上記のパターン欠陥検査装置において、前記歪み量計算部は、前記歪み量の推定に、テーラー展開による近似計算を利用するようにしてもよい。
[0023]
上記のパターン欠陥検査装置において、前記歪みを複数の正規分布で表現するようにしてもよい。
[0024]
上記のパターン欠陥検査装置において、前記歪みを複数の正弦波で表現するようにしてもよい。
[0025]
上記のパターン欠陥検査装置において、前記歪みを複数の単項式あるいは多項式で表現するようにしてもよい
[0026]
上記のパターン欠陥検査装置において、前記歪みを事前に得られた多数の歪みデータから平均値を求め前記平均値を利用して表現するようにしてもよい。
[0027]
上記のパターン欠陥検査装置において、前記歪みを事前に得られた多数の歪みデータから共分散行列を求め、前記共分散行列に対して主成分分析を行った結果を利用して表現するようにしてもよい。
[0028]
上記のパターン欠陥検査装置において、前記共分散行列の推定にEMアルゴリズムを利用するようにしてもよい。
[0029]
上記のパターン欠陥検査装置において、前記歪み量計算部は、前記歪み量の推定に前記比較する二つの画像の画素値差分の2乗和を最小化する手法を用いるようにしてもよい。
[0030]
上記のパターン欠陥検査装置において、前記歪み量計算部は、前記歪み量の推定に前記比較する二つの画像の画素値差分の2乗和と、歪み量の値を引数とする関数値の和の合計を最小化する手法を用いるようにしてもよい。
[0031]
上記のパターン欠陥検査装置において、前記歪み量と事前に記憶されている歪み量を比較して十分違いが大きいならば異常であると判定するようにしてもよい。
[0032]
上記のパターン欠陥検査装置において、前記歪み量計算部は、前記歪み量を推定する際に前記比較する画像の内容に応じて推定する次元を可変に設定するようにしてもよい。
【発明の効果】
[0033]
本発明の第1の効果は、画像採取の方式に依存しないことにある。
[0034]
その理由は、採取画像と参照画像のペアのみから歪み量を求めるためである。
[0035]
第2の効果は、高精度な欠陥検査を実現できることである。
【0036】
その理由は、ステージ移動に限らず任意の属性の歪みを補整できるからである。
【図面の簡単な説明】
【0037】
【図1】本発明の第1の発明を実施するための最良の形態の構成を示すブロック図である。
【図2】第1の発明を実施するための最良の形態の動作を示す流れ図である。
【図3】歪みを判定しやすいマスクの例を示す図である。
【図4】歪み量の一例を示す図である。
【図5】歪み量の一例を示す図である。
【図6】本発明の第2の発明を実施するための最良の形態の構成を示すブロック図である。
【図7】第2の発明を実施するための最良の形態の動作を示す流れ図である。
【図8】本発明の第3の発明を実施するための最良の形態の構成を示すブロック図である。
【図9】第3の発明を実施するための最良の形態の動作を示す流れ図である。
【図10】本発明の第4の発明を実施するための最良の形態の構成を示すブロック図である。
【図11】観測画像の具体例を示す図である。
【図12】参照画像の具体例を示す図である。
【図13】歪み構築係数の具体例を示す図である。
【図14】歪み構築係数の具体例を示す図である。
【図15】歪ませた参照画像の具体例を示す図である。
【図16】歪ませた参照画像の具体例を示す図である。
【図17】歪ませた参照画像の具体例を示す図である。
【図18】歪ませた参照画像の具体例を示す図である。
【図19】歪ませた参照画像の具体例を示す図である。
【図20】歪ませた参照画像と観測画像の差分の具体例を示す図である。
【図21】歪ませた参照画像と観測画像の差分の具体例を示す図である。
【図22】歪ませた参照画像と観測画像の差分の具体例を示す図である。
【図23】歪ませた参照画像と観測画像の差分の具体例を示す図である。
【図24】歪ませた参照画像と観測画像の差分の具体例を示す図である。
【図25】歪み量の具体例を示す図である。
【図26】歪み量の具体例を示す図である。
【図27】歪ませた後の参照画像の具体例を示す図である。
【符号の説明】
【0038】
1 入力装置
2 データ処理装置
3 記憶装置
4 出力装置
5 データ処理装置
6 欠陥検査用プログラム
11 観測画像入力手段
12 設計画像入力手段
13 比較観測画像入力手段
21 光学シミュレート実行手段
22 歪み量推定手段
23 歪み画像作成手段
24 画像比較手段
25 歪み画像補整手段
【発明を実施するための最良の形態】
【0039】
以下、図面を参照して本発明を実施するための最良の形態について詳細に説明する。
【0040】
次に本発明の実施するための最良の形態について図面を用いて詳細に説明する。
【0041】
図1を参照すると、本発明の第1の最良の形態は、画像を入力する入力装置1と、プログラム制御により動作するデータ処理装置2と、情報を記憶する記憶装置3と、ディスプレイ装置や印刷装置等の出力装置4とを含む。
【0042】
入力装置1は、観測画像入力手段11と、設計データ入力手段12とを備えている。
【0043】
観測画像入力手段11は、欠陥検査を行いたいマスクをレーザー光や荷電粒子ビーム等で走査し光量をCCD等で電気信号へと変換することにより観測画像として画像化する。ここで、観測画像入力手段11で取り込んだ画像をR(x,y)と定義する。なお観測画像入力手段11における観測画像採取の手段は透過光学系に限定せず、反射光学系でも問題無い。
【0044】
設計データ入力手段12は、欠陥検査を行いたいマスクの設計データを取り込む。
【0045】
記憶装置3は、歪み構築係数記憶部31と、歪みパラメータ記憶部32とを備えている。
【0046】
歪み構築係数記憶部31は、歪みを計算する際に必要となる係数を記憶している。以下では歪み構築係数記憶部31に記憶されている量のことを歪み構築係数と呼ぶことにする。歪み構築係数はより具体的には画像の位置(x,y)毎に、x方向の歪みを構築する時に必要となる係数とy方向の歪みを構築する時に必要となる係数から構成される。以下では画像の位置(x,y)毎にx方向の歪みを構築する時に必要となる歪み構築係数の数、及びy方向の歪みを構築する時に必要となる歪み構築係数の数をどちらもKとする。そしてx方向の歪みを構築するときに必要となるK個の歪み構築係数をwk(x,y)(ただしk=1,...,K)と定義する。またy方向の歪みを構築するときに必要となる歪み構築係数をvk(x,y)(ただしk=1,...,K)と定義する。
【0047】
ここで、x方向の歪みを構築するときに必要となる歪み構築係数の数とy方向の歪みを構築するときに必要となる歪み構築係数の数がどちらもKで同じ数であるという仮定がなされているが、前記2つの数が異なっていても良い。前記2つの数が異なっている場合は、数が少ない方の歪み構築係数として0を追加してK個にそろえて、同じ数という仮定の場合の話と同じ方式で対応すればよい。
【0048】
歪みパラメータ記憶部32は、マスクを検査する時の歪みの状態を表現するK−1個のパラメータを記憶する。以下では歪みパラメータ記憶部32に記憶されているK−1個のパラメータのことを歪みパラメータと呼ぶことにし、ξk(ただしk=1,...,K−1)と定義する。
【0049】
マスクを検査する時に光学系によって採取された観測画像の歪みは、K−1個の歪みパラメータからK個の2種の歪み構築係数を用いて求めることができる。
【0050】
具体的には、観測画像の点(x,y)における歪み量をδx(x,y)、δy(x,y)とする。
【0051】
歪み量δx(x,y)、δy(x,y)は、
【数1】
のように線形和で求められる。
【0052】
歪み構築係数wk(x,y)、vk(x,y)(ただしk=1,...,K)はどのような関数でも歪み量推定自体は動作可能である。歪み構築係数のより良い設定方法の例を以下に説明する。
【0053】
1つ目の例としては、Kが3以上の奇数であったとして、(K−1)/2個の点(xk,yk)(ただしk=1,...,(K−1)/2)と1つの値σが予め与えられていたとすると、(K−1)/2個の点(xk,yk)(ただしk=1,...,(K−1)/2)を中心としてσ2を分散とする等方的な正規分布
【数2】
を用いて、
k=1,...,(K−1)/2の場合は、wk=Gauss2k(x,y),vk=0と設定し、k=(K−1)/2+1,...,K−1の場合は、wk=0,vk=Gauss2k(x,y)と設定し、k=Kの場合は、wk=0,vk=0と設定する方法が考えられる。
【0054】
ここでK/2個の点は歪みが大きくでそうな場所を事前に調査しておいて、歪みが大きく出る場所に設定するのがなお良い。
【0055】
調査の方法としては、例えば、図3のような等間隔に矩形が並んでいるマスクを用意してそのマスクの観測画像を採取し、マスク中の矩形の場所がずれているか否かを人が画像を比較して、大きくずれた矩形位置の場所が歪みが大きいと判断した場所を歪みが大きく出る場所と判断する方法を採用する。
【0056】
σの値としては前記選択点のそれぞれの点の間の距離程度以上に設定するのが良い。
【0057】
また、等方的な正規分布の代わりに、多項式など他の任意の関数を使用しても良い。
【0058】
画像採取の方式によっては、x方向、y方向のうち1方向のみに歪みが発生しやすいという可能性がある。
【0059】
例えばy方向にのみ歪みが発生しやすいという状況の場合は、K−1個のy座標の値yk(ただしk=1,...,K−1)と1つの値σが予め与えられていたとすると、K−1個のy座標値yk(ただしk=1,...,K−1)を中心としてσ2を分散とする正規分布
【数3】
を用いて、
k=1,...,K−1の場合は、wk=0,vk=Gauss1Yk(x,y)と設定し、k=Kの場合は、wk=0,vk=0と設定する方法が考えられる。
【0060】
ここで、正規分布の代わりに、他の任意の関数を使用しても良い。
【0061】
また、y方向の歪みがx座標の値に依存して発生する場合も考えられる。例えば、ステージがx方向に移動しながら画像を採取していくことを考えると、ステージがx方向に移動する過程でステージのy方向への振動が発生する可能性がある。この時、x座標の値に依存してy方向の歪みが発生する。
【0062】
例えばステージがx方向へ移動するにあたって発生するy方向への振動の仕方が、K−1個のパラメータak(ただしk=1,...,K)とK−1個のパラメータbkを用いたK通りの正弦波sin(akx+bk)で表せると考えた場合は、
【0063】
k=1,...,K−1の場合は、wk=0,vk=sin(akx+bk)と設定し、k=Kの場合は、wk=0,vk=0と設定する。
【0064】
別の例として、歪み構築係数を単純に低い次元の単項式で設定する方法も考えられる。例えば、K=7の場合は、
w1=1,v1=0
w2=x,v2=0
w3=y,v3=0
w4=0,v4=1
w5=0,v5=x
w6=0,v6=y
w7=0,v7=0
のように単項式1やxやyを歪み構築係数として設定する。Kが増えれば増えるほど高い次元の単項式を採用して対応する。例えば、K=13の場合には、
w1=1,v1=0
w2=x,v2=0
w3=y,v3=0
w4=x2,v4=0
w5=xy,v5=0
w6=y2,v6=0
w7=0,v7=1
w8=0,v8=x
w9=0,v9=y
w10=0,v10=x2
w11=0,v11=xy
w12=0,v121=y2
w13=0,v13=0
のように単項式1、x、y、x2、xy、y2を歪み構築係数として設定できる。これはK=7の場合に用いた単項式に加えてより高い次元の単項式も利用している。
【0065】
上では歪み構築係数として単項式として設定したが、もちろん単項式ではなく代わりにさまざまな次元の多項式を用いることも可能である。
【0066】
さらに別のアプローチとして、事前に上のどれかの歪み構築係数を利用して、数多くのマスクを用いて歪み量を多数推定し、次にその結果を利用してより良い歪み構築係数を求める方法も考えられる。
【0067】
以下では検査するマスクの大きさをM×Nとする。ここで、歪み量δx(x,y)、δy(x,y)は全部で2MN個のパラメータから構成されるので、歪み量を1つの2MN次元のベクトルδで表すことも可能である。
【0068】
図4はM=3、N=3の場合の歪み量δx(x,y)、δy(x,y)の一例である。この時、対応するベクトルδは、
【数4】
と18次元のベクトルで表すことができる。ただしtは転置を表す。以下ではM×Nの画像2つから2MN次元のベクトルに変換する上記操作を操作Tと定義する。
【0069】
また、逆にベクトルδから歪み量δx(x,y)、δy(x,y)を復元することも出来る。例えば、δが、
【数5】
の場合、対応するM×Nの2つの画像は図5のようになる。以下では2MN次元のベクトルからM×Nの画像ペアを作成する操作をT−1と定義する。
【0070】
上記操作T及びT−1の定義を用いて、数多くのマスクを用いて歪み量を多数推定し、次にその結果を利用してより良い歪み構築係数を求める方法例について説明する。
【0071】
まずD個のマスクを用いてD通りの歪み量δx(x,y)、δy(x,y)を推定し、その結果を利用してより良い歪み構築係数を求めることを考える。
【0072】
D個のマスクを用いて計算されたD通りの歪み量δx(x,y)、δy(x,y)を操作Tによってベクトル表示して、δd(d=1,...,D)と表すことにする。ただしδdはd番目のマスクを用いて計算された歪み量のベクトルを表す。
【0073】
次に、D個の2MN次元ベクトルδd(d=1,...,D)の平均ベクトルμを求める。μは2MN次元ベクトルであり、操作T−1を施して得られる2枚の画像をそれぞれuK(x,y)、vK(x,y)として設定する方法が考えられる。
【0074】
または、D個の2MN次元ベクトルδd(d=1,...,D)に対して非特許文献1にあるように主成分分析を行う。
【0075】
主成分分析を行うにはD個のベクトルから平均と共分散行列を求め、共分散行列を特異値分解すれば実現できる。
【0076】
得られた主成分をνd(d=1,...,D)とする。νd(d=1,...,D)はいずれも2MN次元ベクトルである。
【0077】
平均ベクトルと第1主成分から第K−1主成分を選択し、第k主成分に操作T−1を施して得られる2枚の画像をuk(x,y)、vk(x,y)とし、平均μに操作T−1を施して得られる2枚の画像をuK(x,y)、vK(x,y)と設定する方法が考えられる。主成分分析を用いることで、Kを小さい値にすることができるため、推定が安定になるというメリットがある。
【0078】
また、歪みの大きさは階調値が均一な領域では推定できない。なぜならば均一な領域に歪みがあってもなくてもやはり均一な領域になるからである。従って上のD個のマスクは均一な領域が少ないマスクを選択することが望ましい。
【0079】
またはD個のマスクの中に均一な領域が多く存在するものが含まれる場合は、均一な領域部分の点(x,y)におけるδx(x,y)、δy(x,y)の値に対応する2MNベクトルδの成分値を欠損データであると考えて、非特許文献2にあるようにEMアルゴリズムを用いて欠損がある場合の平均・共分散行列を求める方法を利用して平均と共分散行列を求め、その結果を主成分分析する方法をとることで対応しても良い。EMアルゴリズムを用いることで、特別なD個のマスクを用意しなくても良く、単に直前に検査したD個のマスクを選択して学習すれば良いというメリットがある。
【0080】
データ処理装置2は、欠陥検査を行う装置であり、光学シミュレート実行手段21と、歪みパラメータ計算手段22と、画像歪み補整手段23と、画像比較手段24とを備えている。
【0081】
光学シミュレート実行手段21は、設計データ入力手段12で得られるマスクの設計データに対して光学シミュレートを行って参照画像を作成する手段である。以下では光学シミュレート実行手段21で得られた参照画像をG(x,y)と定義する。
【0082】
観測画像R(x,y)には歪みがあるため、観測画像のx方向の歪みをδx、y方向の歪みをδyとすると、R(x,y)に対応する参照画像はG(x−δx,y−δy)でなければならない。
【0083】
歪み量推定計算手段22は、観測画像入力手段11で得られる観測画像R(x,y)と、光学シミュレート実行手段で得られる参照画像G(x,y)と、歪み補整係数記憶部31で記憶されている係数を元にして、観測画像採取の時に発生している歪み量を表現する歪みパラメータを推定する。
【0084】
歪みパラメータの推定方法は、
【数6】
をξk(k=1,...,K−1)について最小化することによって求められる。
【0085】
またはξk(k=1,...,K−1)についての関数f(ξ1,...,ξK−1)を追加して、
【数7】
をξk(k=1,...,K−1)について最小化すれば良い。f(ξ1,...,ξk−1)の例としては、例えば、ある予め定められた定数λを用いて、
【数8】
とすることが考えられる。これは歪みが大きすぎる判定がされないように追加する項である。
【0086】
例えば一様な領域が多い時に歪みが大きいか小さいか分からない場合は歪みが小さいと判断するといった影響が発生する。歪みが大きいほど参照画像をひずませる結果になるために処理量の観点から上記対応は望ましい対応である。
【0087】
また、上記数式(数6)のG(xーδx,yーδy)は例えば線形補間によって求めることができる。
【0088】
すなわち、x−δxを超えない最大の整数をX、y−δyを超えない最大の整数をYとし、2つのパラメータεx、εyをεx=x−δx−X、εy=y−δy−Yと定義すると、G(xーδx,yーδy)は、
【数9】
として求めることができる。あるいは線形補間でなく、例えば双3次補間等のような他の補間方法を用いても良い。
【0089】
あるいは、歪みδx、δyが十分小さいという装置特性が分かっているならば、テーラー展開を行って1次の項までで近似した表現である、
【数10】
を用いて求めても良い。ここでGx、GyはそれぞれGのxについての微分、yについての微分を表す。微分の値は例えばソーベルフィルタの値を用いれば良い。
【0090】
前記歪みパラメータの推定において、ξk(k=1,...,K−1)のK−1個すべての変数を最小化するのではなく、K−1以下の自然数K’を設定して、K’より大きいkに対するξkを0に固定し、K’以下のK’個のkに対するξkのみを変数と見なして最小化しても良い。前記K’は観測画像あるいは参照画像毎に設定する。例えば、観測画像・参照画像の微分値をソーベルフィルタで計算し、その微分値がある閾値以上の画素数を算出し、K−1と前記画素数の最小値をK’と設定する。このようにK−1個以下のK’個のパラメータのみ推定するということを行うことには、一様な領域が多く歪みの推定が不安定になりやすい観測画像・参照画像のペアに対しても、推定するパラメータを削減してより安定した推定を実現できるようになるというメリットがある。
【0091】
歪み画像作成手段23は、歪み推定手段で求められた歪みパラメータから、歪み構築係数を用いて観測画像R(x,y)の歪みを求め、その画像歪み量δx(x,y)、δy(x,y)を用いて参照画像を歪ませる手段である。
【0092】
参照画像を歪ませるには、例えばすべてのx、yに対し、線形補間によってG(x−δx,y−δy)の値を求め、それをG(x,y)に置き換えることで対応できる。
【0093】
G(x−δx,y−δy)を求める時は線形補間でなく、例えば双3次補間等のような他の補間方法を用いても良い。
【0094】
あるいは、歪みが小さいならば、テーラー展開を行って1次の項までで近似した表現を用いても良い。
【0095】
画像比較手段24は、観測画像入力手段11で得られた観測画像R(x,y)と、歪み画像作成手段23で歪みを加えた参照画像G(x,y)とを比較して、2枚の画像の違いが大きい場所を欠陥として判定する。具体的には、例えば、予め定めた定数Tを用いて、
【数11】
となる領域を欠陥であると判定すれば良い。
【0096】
または、例えば特許文献3や特許文献4に記載の方法を用いて欠陥であると判定しても良い。
【0097】
次に、図1及び図2を参照して本発明を実施するための最良の形態の動作について詳細に説明する。
【0098】
入力装置1の観測画像入力手段11から検査するマスクの観測画像が、設計データ入力手段12から検査するマスクの設計データが、それぞれ入力される。
【0099】
まず、光学シミュレート実行手段21において、設計データ入力手段12で入力された設計データから、光学シミュレートによって参照画像G(x,y)が生成される(ステップA1)。
【0100】
次に観測画像入力手段11で入力された観測画像と光学シミュレート実行手段21で得られた参照画像を用いて歪み量を推定するか否かを判断する(ステップA2)。例えば、画像採取系の経時変化が大きく観測画像の歪み方が変化していることが予想されるためにマスクの検査毎に毎回歪みパラメータを学習することにするならば、ステップA2の判断は常にイエスとなる。
【0101】
また、前回の欠陥検査時から今回の欠陥検査までの経過時間が、画像採取系の経時変化に比べて十分短いとユーザーが判断した場合は、ステップA2の判断としてノーを選択しても良い。
【0102】
または、前記経過時間が予め与えてある一定の閾値以下であればユーザーの判断無しにステップA2で強制的にノーを選択する、というシステムを構築しても良いし、画像採取系が非常に安定しているのであれば、1回目にイエスとする以外は、欠陥検査を行う時には常にステップA2でノーを選択しても良い。このようにノーの選択回数を増やすことは処理時間の高速化が図れるメリットがある。
【0103】
ステップA2でイエスが選択された場合は、歪み推定手段22において、観測画像入力手段11から入力された観測画像と、光学シミュレート実行手段21で得られた参照画像と、歪み構築係数記憶部31に記憶されている歪み構築係数を用いて、歪みパラメータを計算し、歪みパラメータ記憶部32に格納する(ステップA3)。この時、前記歪みパラメータと事前に歪みパラメータ記憶部32に格納されていた歪みパラメータを比較して、推定値の変化が予め与えてある一定の閾値以上であれば、経時変化による歪みの変化以上の変化であり、現在観測しているマスクは異常であると判定しても良い。
【0104】
ステップA2でノーが選択されるか、あるいはステップA2でイエスが選択され、ステップA3の処理まで実行されたならば、歪み画像作成手段23において、歪み構築係数記憶部31に記憶されている歪み構築係数を用いて、歪みパラメータ記憶部32に記憶されている歪みパラメータから観測画像が持つ歪み量が計算される(ステップA4)。
【0105】
さらに、歪み画像作成手段23において、前記歪み量だけ参照画像を歪ませる(ステップA5)。
【0106】
歪み画像作成手段23で作成された参照画像は画像比較手段24に供給される。画像比較手段24では、観測画像入力手段11から入力された観測画像を、参照画像生成手段23から供給された参照画像と比較し、違いの大きい場所を欠陥として判定する(ステップA6)。
【0107】
本実施の形態では、画像採取時の観測画像の歪みを画像情報から推定し、その歪み量だけ参照画像も歪ませている。従って、精度の高い欠陥検査が実現できる。
【0108】
次に、本発明の第2の発明を実施するための最良の形態について図面を参照して詳細に説明する。
【0109】
図6を参照すると、本発明の第2の発明を実施するための最良の形態は、データ学習装置5が、図1に示された第1の実施の形態におけるデータ学習装置2の構成で、歪み画像作成手段23が無くなり、代わりに歪み画像補整手段25を有している点で異なる。
【0110】
歪み画像補整手段25は、歪み量推定手段22で求められた歪みパラメータから、歪み構築係数を用いて観測画像R(x,y)の歪み量を求め、その画像歪み量δx(x,y)、δy(x,y)を用いて観測画像の歪みを補正する手段である。
【0111】
歪みを補正するは、例えば線形補間によって、R(x+δx,y+δy)を求め、それをR(x,y)に置き換えることで対応できる。
【0112】
R(x+δx,y+δy)を求める時は線形補間でなく、例えば双3次補間等のような他の補間方法を用いても良い。
【0113】
あるいは、歪みが小さいならば、テーラー展開を行って1次の項までで近似した表現を用いても良い。
【0114】
次に、図6及び図7のフローチャートを参照して本実施の形態の全体の動作について詳細に説明する。
【0115】
図7のステップA1、A2、A3、A6は、本発明を実施するための最良の形態における動作と同一動作のため、説明は省略する。
【0116】
また、ステップA4は、歪み画像補整手段25の内部で実行されているが、内容は本発明を実施するための最良の形態における動作と同一動作のため、説明は省略する。
【0117】
本実施の形態では、歪み画像補整手段25において、ステップA4で観測画像の歪み量が求まった後に、さらに観測画像に存在する歪みを補正する(ステップB1)。そしてステップB1で得られる歪みが補整された観測画像と、光学シミュレート実行手段21で得られる参照画像が画像比較手段24に提供される。
【0118】
次に、本発明を実施するための最良の形態の効果について説明する。
【0119】
本発明を実施するための最良の形態では、画像採取時の観測画像の歪みを画像情報のみから推定し、その歪みを観測画像から補正している。従って、精度の高い欠陥検査が実現できる。
【0120】
次に、本発明の第3の発明を実施するための最良の形態について図面を参照して詳細に説明する。
【0121】
図8を参照すると、本発明の第3の発明を実施するための最良の形態は、入力装置1が、図6に示された第2の実施の形態における入力装置1の構成で、設計データ入力手段12が無くなり、代わりに比較観測画像入力手段13を有し、さらにデータ学習装置7が、図6に示された第2の実施の形態におけるデータ学習装置2の構成で、光学シミュレート実行手段21が無くなっている点で異なる。
【0122】
比較観測画像入力手段13は、設計データを入力する代わりに、観測画像11に入力される観測画像と同じ設計データで構成される別の観測画像を入力する。比較観測画像入力手段13で入力される観測画像のことを、以下、比較観測画像と呼ぶ。
【0123】
次に、図8及び図9のフローチャートを参照して本実施の形態の全体の動作について詳細に説明する。
【0124】
図7のステップA2、A4は、本発明を実施するための最良の形態における動作と同一動作のため、説明は省略する。さらに、比較観測画像をR(x,y)と定義し、参照画像を比較観測画像に置き換えて考えれば、ステップC1はステップA3とまったく同等であり、ステップC2はステップA6とまったく同等の処理になる。
【0125】
次に、本発明を実施するための最良の形態の効果について説明する。
【0126】
本発明を実施するための最良の形態では、画像採取時の比較観測画像に対する観測画像の歪みを画像情報のみから推定し、その歪みを観測画像から補正している。従って、精度の高い欠陥検査が実現できる。
【0127】
次に、本発明の第4の発明を実施するための最良の形態について図面を参照して詳細に説明する。
【0128】
図10を参照すると、本発明の第4の発明を実施するための最良の形態は、第1及び第2及び第3の発明を実施するための最良の形態と同様に、入力装置、データ処理装置、記憶装置、出力装置を備える。
【0129】
欠陥検査プログラム7は、データ処理装置8に読み込まれデータ処理装置8の動作を制御し、第1及び第2及び第3の実施の形態におけるデータ処理装置3及び5及び6による処理と同一の処理を実行する。
【実施例1】
【0130】
次に、図2を用いて本発明の実施するための最良の形態を具体的な実施例を用いて説明する。本実施例は、データ処理装置としてパーソナルコンピュータの中央演算装置を利用する。またデータ記憶装置として磁気ディスク装置を利用する。
【0131】
検査する対象である観測画像の大きさはx方向y方向とも12画素であるとし、観測画像は図11で表されるR(x,y)(ただしx=0,...,11,y=0,...,11)とする。
【0132】
磁気ディスク装置には、図13及び図14で示されるような歪み構築係数構築w1(x,y)、v1(x,y)(ただしx=0,...,11,y=0,...,11)と、それに加えてw2(x,y)=0、v2(x,y)=0(ただしx=0,...,11,y=0,...,11)が記憶されている。すなわち、x方向の歪みを構築する時に必要となる歪み構築係数の数、及びy方向の歪みを構築する時に必要となる歪み構築係数の数はどちらも2個である。
【0133】
また、歪みパラメータξ1には0が格納されている。
【0134】
まず、設計データが中央演算装置に入力され、光学シミュレートによって参照画像が作成される(ステップA1)。
【0135】
図12は作成された参照画像G(x,y)(ただしx=0,...,11,y=0,...,11)である。
【0136】
次に前記作成された参照画像G(x,y)と、前記観測画像R(x,y)、及び磁気ディスク装置に格納されているw1(x,y)、v1(x,y)から歪みパラメータξ1を計算しなおし、ξ1を磁気ディスク装置に記憶させることにする(ステップA2でイエス→ステップA3)。
【0137】
歪みパラメータξ1は、具体的には、
【数12】
をξ1について最小化することで求められる。ここで、δx(x,y)、δy(x,y)は観測画像の点(x,y)における歪み量であり、
【数13】
と表現できる。また、G(x−δx,y−δy)は、線形補間によって求められる。
【0138】
本具体例では、ξ1についての最小化の手段としては、ξ1を離散化して全探索するという方針を採用する。今回は離散化幅を0.5として、ξ1=−1,−0.5,0,+0,5,+1の5通りを調査し、最もSが小さくなるξ1を求めるという方法をとる。
【0139】
図15はξ1=−1の場合のG(x−δx,y−δy)である。また、図20はこの時の|G(x−δx,y−δy)−R(x,y)|を表す。この時、SはS=618と計算される。
【0140】
図16はξ1=−0.5の場合のG(x−δx,y−δy)である。また、図21はこの時の|G(x−δx,y−δy)−R(x,y)|を表す。この時、SはS=84と計算される。
【0141】
図17はξ1=0の場合のG(x−δx,y−δy)である。また、図22はこの時の|G(x−δx,y−δy)−R(x,y)|を表す。この時、SはS=314と計算される。
【0142】
図18はξ1=+0.5の場合のG(x−δx,y−δy)である。また、図23はこの時の|G(x−δx,y−δy)−R(x,y)|を表す。この時、SはS=630と計算される。
【0143】
図19はξ1=+1の場合のG(x−δx,y−δy)である。また、図24はこの時の|G(x−δx,y−δy)−R(x,y)|を表す。この時、SはS=1562と計算される。
【0144】
上の5通りのξ1の中でSが最も小さくなるのは、ξ1=−0.5の場合である。よって、ξ1=−0.5が磁気記憶装置に記憶される。
【0145】
次に参照画像G(x,y)に歪みを与える。歪みの量は、磁気ディスク装置に格納されているw1(x,y)、v1(x,y)と歪みパラメータξ1=−0.5から、数13を用いて計算される。図25、図26は計算された結果を表す(ステップA4)。
【0146】
図25、図26に示される歪みが参照画像に与える(ステップA5)。歪みを加える手段としては線形補間を用いることにすれば、参照画像は図27のようになる。
【0147】
その次に入力画像に対する欠陥検査処理を行う。
【0148】
参照画像G(x,y)を作成した後には、観測画像R(x,y)と参照画像G(x,y)差分の絶対値を調べ、予め定めてある値T=5を用いて、
【数14】
となった点(x,y)の場所が欠陥があると判定する(ステップA6)。
【0149】
本具体例では|R(x,y)−G(x,y)|の最大値は3なので、欠陥が存在しないと判定される。
【産業上の利用可能性】
【0150】
本発明によれば、半導体の製造過程で必要なマスク欠陥検査において、加工済パターンを走査して得られる観測画像と、走査した加工パターンに対応した設計画像を用いて生成される参照画像との比較によって欠陥検査を行う用途に適用できる。
Claims (63)
- 設計情報から求まる参照画像と観測画像を比較して前記観測画像の歪み量を推定する歪み量計算部と、
前記歪み量を用いて前記参照画像をひずませた歪み画像を作成する歪み画像作成部と、
前記歪み画像と観測画像を比較してパターンの欠陥を識別する識別部を備えることを特徴とするパターン欠陥検査装置。 - 観測画像と設計情報から求まる参照画像を比較して前記観測画像の歪み量を推定する歪み量計算部と、
前記歪み量を用いて観測画像を補整した補整画像を作成する歪み画像作成部と、
前記補整画像と設計情報から求まる参照画像を比較してパターンの欠陥を識別する識別部を備えることを特徴とするパターン欠陥検査装置。 - 観測画像を入力する手段と、
参照画像として定義され、前記観測画像の採取前の画像の設計情報と同じ設計情報から得られた比較観測画像を入力する手段と、
前記入力された観測画像と前記比較観測画像を比較して前記観測画像の前記比較観測画像に対する歪み量を推定する歪み量計算部と、
前記歪み量を用いて観測画像を補整した補整画像を作成する歪み画像作成部と、
前記補整画像と前記比較観測画像を比較してパターンの欠陥を識別する識別部を備えることを特徴とするパターン欠陥検査装置。 - 前記歪み量の推定が各画像の検査ごとに行われることを特徴とする請求項1〜3の何れか1項に記載のパターン欠陥検査装置。
- 前記歪み量の推定が予め定められた時間毎に行われることを特徴とする請求項1〜3の何れか1項に記載のパターン欠陥検査装置。
- 前記観測画像が加工済パターンをレーザー光や荷電粒子ビームで走査して得られる画像であることを特徴とする請求項1〜3の何れか1項に記載のパターン欠陥検査装置。
- 前記参照画像が前記設計情報に含まれるパターン情報に観測画像取得時の光学系の影響を考慮して求められることを特徴とする請求項1又は2に記載のパターン欠陥検査装置。
- 前記歪みを少ない次元で表現することを特徴とする請求項1〜3の何れか1項に記載のパターン欠陥検査装置。
- 前記歪み量計算部は、前記歪み量の推定に、補間処理を利用することを特徴とする請求項1〜3の何れか1項に記載のパターン欠陥検査装置。
- 前記補間処理は線形補間または双3次補間の少なくともいずれかを利用することを特徴とする請求項9に記載のパターン欠陥検査装置。
- 前記歪み量計算部は、前記歪み量の推定に、テーラー展開による近似計算を利用することを特徴とする請求項1〜3の何れか1項に記載のパターン欠陥検査装置。
- 前記歪みを複数の正規分布で表現することを特徴とする請求項1〜3の何れか1項に記載のパターン欠陥検査装置。
- 前記歪みを複数の正弦波で表現することを特徴とする請求項1〜3の何れか1項に記載のパターン欠陥検査装置。
- 前記歪みを複数の単項式あるいは多項式で表現することを特徴とする請求項1〜3の何れか1項に記載のパターン欠陥検査装置。
- 前記歪みを事前に得られた多数の歪みデータから平均値を求め前記平均値を利用して表現することを特徴とする請求項1〜3の何れか1項に記載のパターン欠陥検査装置。
- 前記歪みを事前に得られた多数の歪みデータから共分散行列を求め、前記共分散行列に対して主成分分析を行った結果を利用して表現することを特徴とする請求項1〜3の何れか1項に記載のパターン欠陥検査装置。
- 前記共分散行列の推定にEMアルゴリズムを利用することを特徴とする請求項16に記載のパターン欠陥検査装置。
- 前記歪み量計算部は、前記歪み量の推定に前記比較する二つの画像の画素値差分の2乗和を最小化する手法を用いることを特徴とする請求項1〜3の何れか1項に記載のパターン欠陥検査装置。
- 前記歪み量計算部は、前記歪み量の推定に前記比較する二つの画像の画素値差分の2乗和と、歪み量の値を引数とする関数値の和の合計を最小化する手法を用いることを特徴とする請求項1〜3の何れか1項に記載のパターン欠陥検査装置。
- 前記歪み量と事前に記憶されている歪み量を比較して十分違いが大きいならば異常であると判定することを特徴とする請求項1〜3の何れか1項に記載のパターン欠陥検査装置。
- 前記歪み量計算部は、前記歪み量を推定する際に前記比較する画像の内容に応じて推定する次元を可変に設定することを特徴とする請求項1〜3の何れか1項に記載のパターン欠陥検査装置。
- 設計情報から求まる参照画像と観測画像を比較して前記観測画像の歪み量を推定する歪み量計算ステップと、
前記歪み量を用いて前記参照画像をひずませた歪み画像を作成する歪み画像作成ステップと、
前記歪み画像と観測画像を比較してパターンの欠陥を識別する識別ステップを備えることを特徴とするパターン欠陥検査方法。 - 観測画像と設計情報から求まる参照画像を比較して前記観測画像の歪み量を推定する歪み量計算ステップと、
前記歪み量を用いて観測画像を補整した補整画像を作成する歪み画像作成ステップと、
前記補整画像と設計情報から求まる参照画像を比較してパターンの欠陥を識別する識別ステップを備えることを特徴とするパターン欠陥検査方法。 - 観測画像を入力するステップと、
参照画像として定義され、前記観測画像の設計情報と同じ設計情報から得られた比較観測画像を入力するステップと、
前記入力された観測画像と前記比較観測画像を比較して前記観測画像の前記比較観測画像に対する歪み量を推定する歪み量計算ステップと、
前記歪み量を用いて観測画像を補整した補整画像を作成する歪み画像作成ステップと、
前記補整画像と前記比較観測画像を比較してパターンの欠陥を識別する識別ステップを備えることを特徴とするパターン欠陥検査方法。 - 前記歪み量の推定が各画像の検査ごとに行われることを特徴とする請求項22〜24の何れか1項に記載のパターン欠陥検査方法。
- 前記歪み量の推定が予め定められた時間毎に行われることを特徴とする請求項22〜24の何れか1項に記載のパターン欠陥検査方法。
- 前記観測画像が加工済パターンをレーザー光や荷電粒子ビームで走査して得られる画像であることを特徴とする請求項22〜24の何れか1項に記載のパターン欠陥検査方法。
- 前記参照画像が前記設計情報に含まれるパターン情報に観測画像取得時の光学系の影響を考慮して求められることを特徴とする請求項22または23に記載のパターン欠陥検査方法。
- 前記歪みを少ない次元で表現することを特徴とする請求項22〜24の何れか1項に記載のパターン欠陥検査方法。
- 前記歪み量計算ステップでは、前記歪み量の推定に、補間処理を利用することを特徴とする請求項22〜24の何れか1項に記載のパターン欠陥検査方法。
- 前記補間処理は線形補間または双3次補間の少なくともいずれかを利用することを特徴とする請求項30に記載のパターン欠陥検査方法。
- 前記歪み量計算ステップでは、前記歪み量の推定に、テーラー展開による近似計算を利用することを特徴とする請求項22〜24の何れか1項に記載のパターン欠陥検査方法。
- 前記歪みを複数の正規分布で表現することを特徴とする請求項22〜24の何れか1項に記載のパターン欠陥検査方法。
- 前記歪みを複数の正弦波で表現することを特徴とする請求項22〜24の何れか1項に記載のパターン欠陥検査方法。
- 前記歪みを複数の単項式あるいは多項式で表現することを特徴とする請求項22〜24の何れか1項に記載のパターン欠陥検査方法。
- 前記歪みを事前に得られた多数の歪みデータから平均値を求め前記平均値を利用して表現することを特徴とする請求項22〜24の何れか1項に記載のパターン欠陥検査方法。
- 前記歪みを事前に得られた多数の歪みデータから共分散行列を求め、前記共分散行列に対して主成分分析を行った結果を利用して表現することを特徴とする請求項22〜24の何れか1項に記載のパターン欠陥検査方法。
- 前記共分散行列の推定にEMアルゴリズムを利用することを特徴とする請求項37に記載のパターン欠陥検査方法。
- 前記歪み量計算ステップでは、前記歪み量の推定に前記比較する二つの画像の画素値差分の2乗和を最小化する手法を用いることを特徴とする請求項22〜24の何れか1項に記載のパターン欠陥検査方法。
- 前記歪み量計算ステップでは、前記歪み量の推定に前記比較する二つの画像の画素値差分の2乗和と、歪み量の値を引数とする関数値の和の合計を最小化する手法を用いることを特徴とする請求項22〜24の何れか1項に記載のパターン欠陥検査方法。
- 前記歪み量と事前に記憶されている歪み量を比較して十分違いが大きいならば異常であると判定することを特徴とする請求項22〜24の何れか1項に記載のパターン欠陥検査方法。
- 前記歪み量計算ステップでは、前記歪み量を推定する際に前記比較する画像の内容に応じて推定する次元を可変に設定することを特徴とする請求項22〜24の何れか1項に記載のパターン欠陥検査方法。
- 設計情報から求まる参照画像と観測画像を比較して前記観測画像の歪み量を推定する歪み量計算ステップと、
前記歪み量を用いて前記参照画像をひずませた歪み画像を作成する歪み画像作成ステップと、
前記歪み画像と観測画像を比較してパターンの欠陥を識別する識別ステップを備えることを特徴とするパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。 - 観測画像と設計情報から求まる参照画像を比較して前記観測画像の歪み量を推定する歪み量計算ステップと、
前記歪み量を用いて観測画像を補整した補整画像を作成する歪み画像作成ステップと、
前記補整画像と設計情報から求まる参照画像を比較してパターンの欠陥を識別する識別ステップを備えることを特徴とするパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。 - 観測画像を入力するステップと、
参照画像として定義され、前記観測画像の設計情報と同じ設計情報から得られた比較観測画像を入力するステップと、
前記入力された観測画像と前記比較観測画像を比較して前記観測画像の前記比較観測画像に対する歪み量を推定する歪み量計算ステップと、
前記歪み量を用いて観測画像を補整した補整画像を作成する歪み画像作成ステップと、
前記補整画像と前記比較観測画像を比較してパターンの欠陥を識別する識別ステップを備えることを特徴とするパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。 - 前記歪み量の推定が各画像の検査ごとに行われることを特徴とする請求項43〜45の何れか1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 前記歪み量の推定が予め定められた時間毎に行われることを特徴とする請求項43〜45の何れか1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 前記観測画像が加工済パターンをレーザー光や荷電粒子ビームで走査して得られる画像であることを特徴とする請求項43〜45の何れか1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 前記参照画像が前記設計情報に含まれるパターン情報に観測画像取得時の光学系の影響を考慮して求められることを特徴とする請求項43または44に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 前記歪みを少ない次元で表現することを特徴とする請求項43〜45の何れか1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 前記歪み量計算ステップでは、前記歪み量の推定に、補間処理を利用することを特徴とする請求項43〜45の何れか1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 前記補間処理は線形補間または双3次補間の少なくともいずれかを利用することを特徴とする請求項51に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 前記歪み量計算ステップでは、前記歪み量の推定に、テーラー展開による近似計算を利用することを特徴とする請求項43〜45の何れか1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 前記歪みを複数の正規分布で表現することを特徴とする請求項43〜45の何れか1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 前記歪みを複数の正弦波で表現することを特徴とする請求項43〜45の何れか1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 前記歪みを複数の単項式あるいは多項式で表現することを特徴とする請求項43〜45の何れか1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 前記歪みを事前に得られた多数の歪みデータから平均値を求め前記平均値を利用して表現することを特徴とする請求項43〜45の何れか1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 前記歪みを事前に得られた多数の歪みデータから共分散行列を求め、前記共分散行列に対して主成分分析を行った結果を利用して表現することを特徴とする請求項43〜45の何れか1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 前記共分散行列の推定にEMアルゴリズムを利用することを特徴とする請求項58に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 前記歪み量計算ステップでは、前記歪み量の推定に前記比較する二つの画像の画素値差分の2乗和を最小化する手法を用いることを特徴とする請求項43〜45の何れか1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 前記歪み量計算ステップでは、前記歪み量の推定に前記比較する二つの画像の画素値差分の2乗和と、歪み量の値を引数とする関数値の和の合計を最小化する手法を用いることを特徴とする請求項43〜45の何れか1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 前記歪み量と事前に記憶されている歪み量を比較して十分違いが大きいならば異常であると判定することを特徴とする請求項43〜45の何れか1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
- 前記歪み量計算ステップでは、前記歪み量を推定する際に前記比較する画像の内容に応じて推定する次元を可変に設定することを特徴とする請求項43〜45の何れか1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006550891A JP5146797B2 (ja) | 2005-01-05 | 2006-01-05 | パターン欠陥検査のための装置、その方法及びそのプログラムを記録したコンピュータ読取り可能な記録媒体 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005000645 | 2005-01-05 | ||
JP2005000645 | 2005-01-05 | ||
PCT/JP2006/300034 WO2006073155A1 (ja) | 2005-01-05 | 2006-01-05 | パターン欠陥検査のための装置、その方法及びそのプログラムを記録したコンピュータ読取り可能な記録媒体 |
JP2006550891A JP5146797B2 (ja) | 2005-01-05 | 2006-01-05 | パターン欠陥検査のための装置、その方法及びそのプログラムを記録したコンピュータ読取り可能な記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2006073155A1 JPWO2006073155A1 (ja) | 2008-08-07 |
JP5146797B2 true JP5146797B2 (ja) | 2013-02-20 |
Family
ID=36647631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006550891A Active JP5146797B2 (ja) | 2005-01-05 | 2006-01-05 | パターン欠陥検査のための装置、その方法及びそのプログラムを記録したコンピュータ読取り可能な記録媒体 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8391588B2 (ja) |
JP (1) | JP5146797B2 (ja) |
WO (1) | WO2006073155A1 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7763404B2 (en) * | 2006-09-26 | 2010-07-27 | Tokyo Electron Limited | Methods and apparatus for changing the optical properties of resists |
KR101166651B1 (ko) * | 2010-11-29 | 2012-07-18 | 엘지이노텍 주식회사 | 위치정보 제공방법 및 위치정보 제공시스템 |
WO2014200648A2 (en) * | 2013-06-14 | 2014-12-18 | Kla-Tencor Corporation | System and method for determining the position of defects on objects, coordinate measuring unit and computer program for coordinate measuring unit |
JP2018060141A (ja) | 2016-10-07 | 2018-04-12 | 株式会社ニューフレアテクノロジー | 参照画像確認方法、マスク検査方法およびマスク検査装置 |
DE102017203879B4 (de) * | 2017-03-09 | 2023-06-07 | Carl Zeiss Smt Gmbh | Verfahren zum Analysieren einer defekten Stelle einer photolithographischen Maske |
US10935892B2 (en) * | 2017-05-15 | 2021-03-02 | Applied Materials, Inc. | Freeform distortion correction |
US11270430B2 (en) * | 2017-05-23 | 2022-03-08 | Kla-Tencor Corporation | Wafer inspection using difference images |
US10366104B2 (en) * | 2017-06-21 | 2019-07-30 | Microsoft Technology Licensing, Llc | Providing instant and distributed access to a source blob via copy-on-read blobs and link blobs |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05107728A (ja) * | 1991-10-16 | 1993-04-30 | Toppan Printing Co Ltd | 座標入力装置 |
JPH10325806A (ja) * | 1997-05-26 | 1998-12-08 | Nec Corp | 外観検査方法及び装置 |
JP2000348177A (ja) * | 1999-06-09 | 2000-12-15 | Nec Corp | 欠陥検出装置及びその欠陥検出方法並びにその制御プログラムを記録した記録媒体 |
JP2001283196A (ja) * | 2000-03-30 | 2001-10-12 | Nikon Corp | 欠陥検査装置および欠陥検査方法 |
JP2002202268A (ja) * | 2001-01-04 | 2002-07-19 | Nippon Electro Sensari Device Kk | パターン欠陥検出方法およびパターン欠陥検出装置 |
JP2004037136A (ja) * | 2002-07-01 | 2004-02-05 | Dainippon Screen Mfg Co Ltd | パターン検査装置およびパターン検査方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0210819A (ja) * | 1988-06-29 | 1990-01-16 | Mitsubishi Electric Corp | パターン欠陥の検査方法 |
JP3114684B2 (ja) | 1998-01-29 | 2000-12-04 | 日本電気株式会社 | 外観検査方法及び装置 |
JP3959223B2 (ja) | 2000-03-24 | 2007-08-15 | 株式会社東芝 | パターン検査システムの検査条件補正方法、パターン検査システムおよび記録媒体 |
JP2002107309A (ja) | 2000-09-28 | 2002-04-10 | Toshiba Corp | 欠陥検査装置及び欠陥検査方法 |
JP3721110B2 (ja) | 2001-09-18 | 2005-11-30 | 株式会社東芝 | 欠陥検査装置および欠陥検査方法 |
JP2003121984A (ja) | 2001-10-17 | 2003-04-23 | Toshiba Corp | 参照データ発生方法、発生装置、パターン検査方法およびマスクの製造方法 |
JP2004177446A (ja) | 2002-11-25 | 2004-06-24 | Nikon Corp | マスク検査方法、マスク検査装置及び露光方法 |
US7313781B2 (en) * | 2004-05-28 | 2007-12-25 | Kabushiki Kaisha Toshiba | Image data correction method, lithography simulation method, image data correction system, program, mask and method of manufacturing a semiconductor device |
JP4008934B2 (ja) | 2004-05-28 | 2007-11-14 | 株式会社東芝 | 画像データの補正方法、リソグラフィシミュレーション方法、プログラム及びマスク |
JP4960404B2 (ja) * | 2009-04-27 | 2012-06-27 | 株式会社東芝 | パターン検査装置及びパターン検査方法 |
-
2006
- 2006-01-05 JP JP2006550891A patent/JP5146797B2/ja active Active
- 2006-01-05 WO PCT/JP2006/300034 patent/WO2006073155A1/ja active Application Filing
- 2006-01-05 US US11/813,324 patent/US8391588B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05107728A (ja) * | 1991-10-16 | 1993-04-30 | Toppan Printing Co Ltd | 座標入力装置 |
JPH10325806A (ja) * | 1997-05-26 | 1998-12-08 | Nec Corp | 外観検査方法及び装置 |
JP2000348177A (ja) * | 1999-06-09 | 2000-12-15 | Nec Corp | 欠陥検出装置及びその欠陥検出方法並びにその制御プログラムを記録した記録媒体 |
JP2001283196A (ja) * | 2000-03-30 | 2001-10-12 | Nikon Corp | 欠陥検査装置および欠陥検査方法 |
JP2002202268A (ja) * | 2001-01-04 | 2002-07-19 | Nippon Electro Sensari Device Kk | パターン欠陥検出方法およびパターン欠陥検出装置 |
JP2004037136A (ja) * | 2002-07-01 | 2004-02-05 | Dainippon Screen Mfg Co Ltd | パターン検査装置およびパターン検査方法 |
Also Published As
Publication number | Publication date |
---|---|
US20100002930A1 (en) | 2010-01-07 |
US8391588B2 (en) | 2013-03-05 |
JPWO2006073155A1 (ja) | 2008-08-07 |
WO2006073155A1 (ja) | 2006-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5146797B2 (ja) | パターン欠陥検査のための装置、その方法及びそのプログラムを記録したコンピュータ読取り可能な記録媒体 | |
Abdelhamed et al. | A high-quality denoising dataset for smartphone cameras | |
JP6241576B1 (ja) | 検査装置及び検査方法 | |
JP4542164B2 (ja) | パターン検査装置、パターン検査方法及びプログラム | |
JP5218806B2 (ja) | パターン検査装置、パターン検査方法及びパターン検査プログラム | |
JP4792109B2 (ja) | 画像特徴を意識した画像欠陥除去 | |
JP4533689B2 (ja) | パターン検査方法 | |
JP5524692B2 (ja) | 情報処理装置および方法ならびにプログラム | |
JP6860079B2 (ja) | 異常検知装置、異常検知方法、及びプログラム | |
KR102606931B1 (ko) | 정적 오염 감지 및 보정 | |
US11488279B2 (en) | Image processing apparatus, image processing system, imaging apparatus, image processing method, and storage medium | |
Gabarda et al. | No-reference image quality assessment through the von Mises distribution | |
JP2008051617A (ja) | 画像検査装置、その方法、及びその記録媒体 | |
US20220414827A1 (en) | Training apparatus, training method, and medium | |
WO2010001973A1 (ja) | 画像検査処理装置、画像検査処理方法、プログラム、及び、記録媒体 | |
JPWO2011033744A1 (ja) | 画像処理装置、画像処理方法および画像処理用プログラム | |
US7646892B2 (en) | Image inspecting apparatus, image inspecting method, control program and computer-readable storage medium | |
US20220414826A1 (en) | Image processing apparatus, image processing method, and medium | |
JP5928465B2 (ja) | 劣化復元システム、劣化復元方法およびプログラム | |
JP4405407B2 (ja) | 欠陥検査装置 | |
JP2009139166A (ja) | 画像欠陥検査方法および画像欠陥検査装置 | |
JPWO2018198916A1 (ja) | 画像処理装置、画像処理方法及び記憶媒体 | |
JP6643470B2 (ja) | デジタルホログラフィック撮像装置、撮像方法 | |
JP6074198B2 (ja) | 画像処理装置及び画像処理方法 | |
JP2005303705A (ja) | 画像処理装置および方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20080701 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20081212 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20101008 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20101008 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110704 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110902 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20120627 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120925 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20121002 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20121102 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121115 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5146797 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151207 Year of fee payment: 3 |