JPH11110561A - 画像情報処理装置 - Google Patents
画像情報処理装置Info
- Publication number
- JPH11110561A JPH11110561A JP9283092A JP28309297A JPH11110561A JP H11110561 A JPH11110561 A JP H11110561A JP 9283092 A JP9283092 A JP 9283092A JP 28309297 A JP28309297 A JP 28309297A JP H11110561 A JPH11110561 A JP H11110561A
- Authority
- JP
- Japan
- Prior art keywords
- image
- information processing
- image information
- processing apparatus
- line detection
- 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.)
- Granted
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
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- 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
- G01N21/9501—Semiconductor wafers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/168—Segmentation; Edge detection involving transform domain methods
-
- 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
- G01N21/93—Detection standards; Calibrating baseline adjustment, drift correction
-
- 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
- G01N21/94—Investigating contamination, e.g. dust
-
- 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
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- 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
- G06T2207/30141—Printed circuit board [PCB]
-
- 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)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Image Processing (AREA)
Abstract
(57)【要約】
【課題】 労力のいるコールデンデバイスの画像を不
要にする。ＳＥＭ画像のノイズにより誤検出の恐れが
あるのでＣＡＤデータとの比較は行わない。 【解決手段】 入力デジタル画像データを二次元ウェー
ブレット変換し、そして得られた縦線検出成分、横線検
出成分に対してしきい値処理（二値化処理）を行って、
縦線検出成分と横線検出成分の二値画像を生成する。各
々の二値画像に対してハフ（Hough)変換を行って検出対
象物の位置と大きさを求める。ハフ変換によって得られ
たパラメータ空間の画像にしきい値処理を行うと、特定
の図形情報の検出が容易となる。その二値画像に対し
て、隣接する活性画素に同じラベルとを付けてグループ
化し、各ラベルの重心座標を求めることにより検出対象
物の位置と大きさを自動的に特定することもできる。
要にする。ＳＥＭ画像のノイズにより誤検出の恐れが
あるのでＣＡＤデータとの比較は行わない。 【解決手段】 入力デジタル画像データを二次元ウェー
ブレット変換し、そして得られた縦線検出成分、横線検
出成分に対してしきい値処理（二値化処理）を行って、
縦線検出成分と横線検出成分の二値画像を生成する。各
々の二値画像に対してハフ（Hough)変換を行って検出対
象物の位置と大きさを求める。ハフ変換によって得られ
たパラメータ空間の画像にしきい値処理を行うと、特定
の図形情報の検出が容易となる。その二値画像に対し
て、隣接する活性画素に同じラベルとを付けてグループ
化し、各ラベルの重心座標を求めることにより検出対象
物の位置と大きさを自動的に特定することもできる。
Description
【０００１】
【発明の属する技術分野】本発明は、半導体ウェハやプ
リント基板などに発生する異物などの欠陥情報を認識・
検出する画像情報処理装置に関する。
リント基板などに発生する異物などの欠陥情報を認識・
検出する画像情報処理装置に関する。
【０００２】
【従来の技術】プリント基板あるいは半導体ウェハの製
造工程において発生あるいは混入する欠陥や異物は不良
品の原因となる。従って欠陥／異物が発生した時点です
みやかに検出する必要がある。プリント基板の写真、あ
るいは半導体ウェハを光学顕微鏡などで撮影して入力し
た画像において、上に述べたような欠陥や異物を検出、
認識あるいは判断を行う画像情報処理装置は従来から存
在する。これらの方式は画像をデジタル的に取り扱うデ
ジタル画像処理がほとんどで、コンピュータを用いて画
像処理を行っている。
造工程において発生あるいは混入する欠陥や異物は不良
品の原因となる。従って欠陥／異物が発生した時点です
みやかに検出する必要がある。プリント基板の写真、あ
るいは半導体ウェハを光学顕微鏡などで撮影して入力し
た画像において、上に述べたような欠陥や異物を検出、
認識あるいは判断を行う画像情報処理装置は従来から存
在する。これらの方式は画像をデジタル的に取り扱うデ
ジタル画像処理がほとんどで、コンピュータを用いて画
像処理を行っている。
【０００３】従来、画像処理を用いた欠陥検出は主に
（ａ）ゴールデンデバイスとの比較、（ｂ）ＣＡＤデー
タとの比較、（ｃ）ダイトゥダイ比較、（ｄ）ＦＦＴ法
などが知られている。 （ａ）ゴールデンデバイスとの比較では、予め欠陥の無
い理想的な半導体ウェハ（以後ゴールデンデバイスと呼
ぶ）の画像を用意しておき、このゴールデンデバイスの
画像と検査対象の画像を比較して欠陥を検出する。画像
を比較するとは２つの画像の対応する画素ごとに、画素
値の差分画像をつくる処理をすることである。検査対象
画像に全く欠陥が無い場合は、ゴールデンデバイスの画
像データと同じ画像となるので、差分処理によって画面
全体が画素値０をもつ全くフラットな画像となる。しか
し、欠陥や異物があった場合は、その部分に０以外の値
の画素が集中的にあらわれる。従って、この０以外の値
をもつ画素の集まりを抽出して、大きさや重心を求める
ことにより、欠陥や異物を検出することができる。
（ａ）ゴールデンデバイスとの比較、（ｂ）ＣＡＤデー
タとの比較、（ｃ）ダイトゥダイ比較、（ｄ）ＦＦＴ法
などが知られている。 （ａ）ゴールデンデバイスとの比較では、予め欠陥の無
い理想的な半導体ウェハ（以後ゴールデンデバイスと呼
ぶ）の画像を用意しておき、このゴールデンデバイスの
画像と検査対象の画像を比較して欠陥を検出する。画像
を比較するとは２つの画像の対応する画素ごとに、画素
値の差分画像をつくる処理をすることである。検査対象
画像に全く欠陥が無い場合は、ゴールデンデバイスの画
像データと同じ画像となるので、差分処理によって画面
全体が画素値０をもつ全くフラットな画像となる。しか
し、欠陥や異物があった場合は、その部分に０以外の値
の画素が集中的にあらわれる。従って、この０以外の値
をもつ画素の集まりを抽出して、大きさや重心を求める
ことにより、欠陥や異物を検出することができる。
【０００４】（ｂ）ＣＡＤデータとの比較では、検査対
象デバイスを設計したＣＡＤ画像データと、製造したウ
ェハの画像データを比較する。これにより（ａ）ゴール
デンデバイスとの比較と同様に欠陥や異物を検出するこ
とができる。 （ｃ）ダイトゥダイ比較では、一枚のウェハ上には複数
の同じチップ（以後ダイと呼ぶ）が配列していることを
利用して、隣合うダイの画像データを比較する。これに
より（ａ），（ｂ）と同様に欠陥や異物を検出すること
ができる。
象デバイスを設計したＣＡＤ画像データと、製造したウ
ェハの画像データを比較する。これにより（ａ）ゴール
デンデバイスとの比較と同様に欠陥や異物を検出するこ
とができる。 （ｃ）ダイトゥダイ比較では、一枚のウェハ上には複数
の同じチップ（以後ダイと呼ぶ）が配列していることを
利用して、隣合うダイの画像データを比較する。これに
より（ａ），（ｂ）と同様に欠陥や異物を検出すること
ができる。
【０００５】（ｄ）ＦＦＴ法では、ウェハ上に発生する
欠陥が局所的なのに対して、配線パターンが周期的であ
る性質を利用して、配線パターンを除去して欠陥を検出
する。すなわち、入力ウェハパターン画像を二次元ＦＦ
Ｔ（高速フーリエ変換）などにより、フーリエ変換し、
空間周波数領域で配線パターンに対応する特定の空間周
波数成分をバンドストップフィルタなどを利用して除去
し、逆ＦＦＴすることにより欠陥を検出することができ
る。
欠陥が局所的なのに対して、配線パターンが周期的であ
る性質を利用して、配線パターンを除去して欠陥を検出
する。すなわち、入力ウェハパターン画像を二次元ＦＦ
Ｔ（高速フーリエ変換）などにより、フーリエ変換し、
空間周波数領域で配線パターンに対応する特定の空間周
波数成分をバンドストップフィルタなどを利用して除去
し、逆ＦＦＴすることにより欠陥を検出することができ
る。
【０００６】
（ａ）ゴールデンデバイスとの比較を利用する場合、予
めゴールデンデバイスの画像を用意する必要がある。ゴ
ールデンデバイスの画像をつくるには、欠陥の無いサン
プルをはじめに見つけておく必要がある。この欠陥の無
いサンプルを見つける作業は人間の目で慎重に行われる
必要がある。また、半導体ウェハのパターンは現在の多
品種少量生産の傾向により、非常に多岐にわたってお
り、変更も多い。これら全ての品種、あるいは設計変更
に対して逐一ゴールデンデバイスの画像をつくる必要が
あり、かなりの労力が必要となる。
めゴールデンデバイスの画像を用意する必要がある。ゴ
ールデンデバイスの画像をつくるには、欠陥の無いサン
プルをはじめに見つけておく必要がある。この欠陥の無
いサンプルを見つける作業は人間の目で慎重に行われる
必要がある。また、半導体ウェハのパターンは現在の多
品種少量生産の傾向により、非常に多岐にわたってお
り、変更も多い。これら全ての品種、あるいは設計変更
に対して逐一ゴールデンデバイスの画像をつくる必要が
あり、かなりの労力が必要となる。
【０００７】（ｂ）ＣＡＤデータとの比較では、（ａ）
のようにゴールデンデバイスを探す必要がないので効率
的である。ところで最近、半導体チップの高集積化が進
み、ウェハパターンの詳細な画像を得るのに従来の光学
顕微鏡では対応できなくなり、走査電子顕微鏡（ＳＥ
Ｍ；Scanning Electron Microscope) などが利用される
ようになってきている。ＳＥＭ画像は、光学顕微鏡画像
に比べてノイズが多い。従って、ノイズのないＣＡＤデ
ータとＳＥＭ画像の差分画像を作成した場合、欠陥以外
のノイズが大量に検出されてしまう。
のようにゴールデンデバイスを探す必要がないので効率
的である。ところで最近、半導体チップの高集積化が進
み、ウェハパターンの詳細な画像を得るのに従来の光学
顕微鏡では対応できなくなり、走査電子顕微鏡（ＳＥ
Ｍ；Scanning Electron Microscope) などが利用される
ようになってきている。ＳＥＭ画像は、光学顕微鏡画像
に比べてノイズが多い。従って、ノイズのないＣＡＤデ
ータとＳＥＭ画像の差分画像を作成した場合、欠陥以外
のノイズが大量に検出されてしまう。
【０００８】さらに、（ａ），（ｂ）の方法とも、画像
比較を行う際に、正確な位置合わせを最初に行う必要が
ある。 （ｃ）ダイトゥダイ比較では、隣合ったダイ同士を比較
するので基本的に位置合わせを行う必要がない。しか
し、偶然同じ場所に同じような欠陥があった場合検出で
きないという欠点がある。また、（ｂ）と同様、ＳＥＭ
画像を適用した場合は、ノイズを検出してしまう。
比較を行う際に、正確な位置合わせを最初に行う必要が
ある。 （ｃ）ダイトゥダイ比較では、隣合ったダイ同士を比較
するので基本的に位置合わせを行う必要がない。しか
し、偶然同じ場所に同じような欠陥があった場合検出で
きないという欠点がある。また、（ｂ）と同様、ＳＥＭ
画像を適用した場合は、ノイズを検出してしまう。
【０００９】（ｄ）ＦＦＴ法はＳＥＭ画像からでも欠陥
を検出することが可能である。しかし、この手法は非常
に長い処理時間を要する。例えば５１２×５１２画素で
構成されるデジタル画像に二次元フーリエ変換を適用し
た場合、約1.３１×１０8 回の加減算と、8.３９×１０
8 乗算が必要となる。また、ＭＰＵなどの複雑な配線パ
ターンは、空間周波数領域でのフィルタリングでは正確
に除去することができない。
を検出することが可能である。しかし、この手法は非常
に長い処理時間を要する。例えば５１２×５１２画素で
構成されるデジタル画像に二次元フーリエ変換を適用し
た場合、約1.３１×１０8 回の加減算と、8.３９×１０
8 乗算が必要となる。また、ＭＰＵなどの複雑な配線パ
ターンは、空間周波数領域でのフィルタリングでは正確
に除去することができない。
【００１０】この発明の第１の目的は、（ａ），
（ｂ），（ｃ）の画像比較法ではノイズの影響が大きく
て欠陥を正確に検出できないような不鮮明なＳＥＭ画像
からでも欠陥を検出することができる画像情報処理装置
を提供することである。この発明の第２の目的は、
（ａ），（ｂ）の画像比較法で必要であったゴールデン
デバイスやＣＡＤデータを使わずに、単独の検査対象画
像から欠陥を検出することができる画像情報処理装置を
提供することである。
（ｂ），（ｃ）の画像比較法ではノイズの影響が大きく
て欠陥を正確に検出できないような不鮮明なＳＥＭ画像
からでも欠陥を検出することができる画像情報処理装置
を提供することである。この発明の第２の目的は、
（ａ），（ｂ）の画像比較法で必要であったゴールデン
デバイスやＣＡＤデータを使わずに、単独の検査対象画
像から欠陥を検出することができる画像情報処理装置を
提供することである。
【００１１】この発明の第３の目的は、（ｄ）ＦＦＴ法
のように大量の処理時間を使わずに高速に検査対象画像
から欠陥を検出することができる画像情報処理装置を提
供することである。
のように大量の処理時間を使わずに高速に検査対象画像
から欠陥を検出することができる画像情報処理装置を提
供することである。
【００１２】
（１）請求項１の発明は、画像を用いて対象物の検査や
認識や判断を行う画像情報処理装置に関する。請求項１
では特に、入力デジタル画像データに対して、二次元ウ
ェーブレット変換する二次元ウェーブレット変換手段
と、二次元ウェーブレット変換によって得られた、縦線
検出成分、横線検出成分に対してしきい値処理を適用し
て縦線検出成分と横線検出成分の二値画像を作成する二
値化処理手段と、二値化処理手段によって得られた二値
画像に対して Hough変換を適用して検出対象物の位置と
大きさを求める Hough変換手段とが設けられる。
認識や判断を行う画像情報処理装置に関する。請求項１
では特に、入力デジタル画像データに対して、二次元ウ
ェーブレット変換する二次元ウェーブレット変換手段
と、二次元ウェーブレット変換によって得られた、縦線
検出成分、横線検出成分に対してしきい値処理を適用し
て縦線検出成分と横線検出成分の二値画像を作成する二
値化処理手段と、二値化処理手段によって得られた二値
画像に対して Hough変換を適用して検出対象物の位置と
大きさを求める Hough変換手段とが設けられる。
【００１３】（２）請求項２の発明は、前記（１）にお
いて、前記 Hough変換手段によって得られたパラメータ
空間の画像にしきい値処理を適用して、特定の図形情報
を検出する二値化処理手段が設けられる。 （３）請求項３の発明は、前記（２）において、前記 H
ough変換結果を二値化処理したパラメータ空間の二値画
像に対して、隣接する活性画像に同じラベルをつけてグ
ループ化するラベリング処理手段と、ラベリング処理に
よって得られた各ラベルの重心座標を求める重心算出手
段とが設けられる。
いて、前記 Hough変換手段によって得られたパラメータ
空間の画像にしきい値処理を適用して、特定の図形情報
を検出する二値化処理手段が設けられる。 （３）請求項３の発明は、前記（２）において、前記 H
ough変換結果を二値化処理したパラメータ空間の二値画
像に対して、隣接する活性画像に同じラベルをつけてグ
ループ化するラベリング処理手段と、ラベリング処理に
よって得られた各ラベルの重心座標を求める重心算出手
段とが設けられる。
【００１４】（４）請求項４の発明は、前記（１）ない
し（３）のいずれかにおいて、入力デジタル画像に対し
て、局所的な雑音除去を行う雑音除去手段が設けられ
る。 （５）請求項５の発明は、前記（４）において、二次元
ウェーブレット変換結果に前記二値化処理手段を適用し
た後の縦線検出成分と横線検出成分の二値画像に対し
て、孤立している活性画像を除去する孤立点除去手段が
設けられる。
し（３）のいずれかにおいて、入力デジタル画像に対し
て、局所的な雑音除去を行う雑音除去手段が設けられ
る。 （５）請求項５の発明は、前記（４）において、二次元
ウェーブレット変換結果に前記二値化処理手段を適用し
た後の縦線検出成分と横線検出成分の二値画像に対し
て、孤立している活性画像を除去する孤立点除去手段が
設けられる。
【００１５】（６）請求項６の発明では、前記（１）な
いし（５）のいずれかにおいて、二次元ウェーブレット
変換結果に対する前記二値化処理手段は、二次元ウェー
ブレット変換結果の絶対値に対してしきい値処理を行う
絶対値二値化処理手段とされる。 （７）請求項７の発明では、前記（１）ないし（６）の
いずれかにおいて、前記 Hough変換手段は特に円の中心
のｘｙ座標と半径を検出する Hough変換手段とされる。
いし（５）のいずれかにおいて、二次元ウェーブレット
変換結果に対する前記二値化処理手段は、二次元ウェー
ブレット変換結果の絶対値に対してしきい値処理を行う
絶対値二値化処理手段とされる。 （７）請求項７の発明では、前記（１）ないし（６）の
いずれかにおいて、前記 Hough変換手段は特に円の中心
のｘｙ座標と半径を検出する Hough変換手段とされる。
【００１６】（８）請求項８の発明では、前記（１）な
いし（７）のいずれかにおいて、前記 Hough変換手段は
二次元ウェーブレット変換の縦線検出成分と横線検出成
分に対応する２つの二値画像を同じパラメータ空間に H
ough変換する手段とされる。 （９）請求項９の発明では、前記（１）ないし（７）の
いずれかにおいて、前記 Hough変換手段は二次元ウェー
ブレット変換の縦線検出成分と横線検出成分に対応する
二値画像のどちらか一方のみに対する Hough変換手段と
される。
いし（７）のいずれかにおいて、前記 Hough変換手段は
二次元ウェーブレット変換の縦線検出成分と横線検出成
分に対応する２つの二値画像を同じパラメータ空間に H
ough変換する手段とされる。 （９）請求項９の発明では、前記（１）ないし（７）の
いずれかにおいて、前記 Hough変換手段は二次元ウェー
ブレット変換の縦線検出成分と横線検出成分に対応する
二値画像のどちらか一方のみに対する Hough変換手段と
される。
【００１７】（１０）請求項１０の発明は、前記（９）
において、二次元ウェーブレット変換の縦線成分と横線
成分の各エネルギーを計算するエネルギー算出手段が設
けられ、エネルギーが低い方の成分に対応する二値画像
に対して前記 Hough変換手段を適用する。 （１１）請求項１１の発明では、前記（７）において、
円の Hough変換によるパラメータ空間に対する前記二値
化処理手段の二値化しきい値が、半径パラメータの大き
さに対応して変化するしきい値とされる。
において、二次元ウェーブレット変換の縦線成分と横線
成分の各エネルギーを計算するエネルギー算出手段が設
けられ、エネルギーが低い方の成分に対応する二値画像
に対して前記 Hough変換手段を適用する。 （１１）請求項１１の発明では、前記（７）において、
円の Hough変換によるパラメータ空間に対する前記二値
化処理手段の二値化しきい値が、半径パラメータの大き
さに対応して変化するしきい値とされる。
【００１８】（１２）請求項１２の発明は、前記（３）
ないし（１１）のいずれかにおいて、複数の検出対象物
が位置的に重複したときに、重複を取り除く重複検出除
去手段が設けられる。
ないし（１１）のいずれかにおいて、複数の検出対象物
が位置的に重複したときに、重複を取り除く重複検出除
去手段が設けられる。
【００１９】
【発明の実施の形態】本発明は大きく分けると、ウェハ
パターン画像の配線パターンと、欠陥成分を分離する二
次元ウェーブレット変換手段と、欠陥成分を分離した二
値画像から欠陥の位置と大きさを検出するハフ(Hough)
変換手段で構成されており、以上の手段での欠陥検出性
能を向上するためにその他の手段を補助的に利用する。
パターン画像の配線パターンと、欠陥成分を分離する二
次元ウェーブレット変換手段と、欠陥成分を分離した二
値画像から欠陥の位置と大きさを検出するハフ(Hough)
変換手段で構成されており、以上の手段での欠陥検出性
能を向上するためにその他の手段を補助的に利用する。
【００２０】（Ａ）Hough 変換手段 Hough 変換については「画像認識の基礎〔II〕」（森、
坂倉著、オーム社）のｐ．３−１９に詳しく記載、説明
されているが、ここでHough 変換処理について簡単に説
明する。Hough 変換は二値画像から特定の図形を検出す
る画像処理である。ここでは円を検出する方法を説明す
る。
坂倉著、オーム社）のｐ．３−１９に詳しく記載、説明
されているが、ここでHough 変換処理について簡単に説
明する。Hough 変換は二値画像から特定の図形を検出す
る画像処理である。ここでは円を検出する方法を説明す
る。
【００２１】ｘ−ｙ平面において、円は次の方程式で表
現される。 （ｘ−ａ)2＋（ｙ−ｂ)2＝γ2 ………（１） つまり、ｘ−ｙ平面上の一つの円は、（ａ，ｂ，ｒ）パ
ラメータ空間では１点で表現される。ｘ−ｙ平面をパラ
メータ空間に変換するのがHough 変換であり、この場合
はｘ−ｙ平面を円の特徴を示す（ａ，ｂ，ｒ）空間に変
換するので円のHough 変換と呼ぶ。円のHough 変換は
（１）式を変形した次式で実現する。
現される。 （ｘ−ａ)2＋（ｙ−ｂ)2＝γ2 ………（１） つまり、ｘ−ｙ平面上の一つの円は、（ａ，ｂ，ｒ）パ
ラメータ空間では１点で表現される。ｘ−ｙ平面をパラ
メータ空間に変換するのがHough 変換であり、この場合
はｘ−ｙ平面を円の特徴を示す（ａ，ｂ，ｒ）空間に変
換するので円のHough 変換と呼ぶ。円のHough 変換は
（１）式を変形した次式で実現する。
【００２２】 ｂ＝±√｛γ2 −（ｘ−ａ)2｝＋ｙ ………（２） （２）式を利用して、ｘ−ｙ平面の１点（ｘ０，ｙ０）
をHough 変換すると、（ａ，ｂ，ｒ）パラメータ空間で
は、（ｘ０，ｙ０）を通る全ての円の集まりで表現され
る。例えば、図４Ａに示したｘ−ｙ平面上の３点α（ｘ
１，ｙ１），β（ｘ２，ｙ２），γ（ｘ３，ｙ３）を、
（２）式で（ａ，ｂ，ｒ）パラメータ空間にマッピング
すると、図４Ｂの結果を得る。パラメータ空間は３次元
になり、ｒ軸はａ−ｂ面に直交している。ｒ＝２４でス
ライスしたａ−ｂ平面が図４Ｂである。それぞれのｒに
対するａ−ｂ平面について、ｘ−ｙ平面の１点が一つの
円に変換される。このHough 変換によって得られた円を
Hough 曲線と呼ぶ。３点α，β，γがあるｒ０（ここで
はｒ０＝２４）の円上にあると、対応するHough 曲線は
（ａ，ｂ，ｒ）パラメータ空間上の点（ａ０，ｂ０，ｒ
０）で交わる。すなわち、ｘ−ｙ平面上に円が存在する
場合は、パラメータ空間でたくさんのHough曲線の交点
として検出することができる。交点では、交わるHough
曲線の数に比例して交点の輝度が高くなる。従って、パ
ラメータ空間で輝度値の大きいパラメータを見つけるこ
とにより、ｘ−ｙ平面の円を検出することができる。図
４Ｂではパラメータ（ａ０，ｂ０，２４）だけが輝度値
３となっており、それ以外は輝度値２以下である。輝度
値が大きい（ａ０，ｂ０，２４）を検出することによ
り、もとのｘ−ｙ平面の３点が中心（ａ０，ｂ０），半
径２４の円にのっていることがわかる。
をHough 変換すると、（ａ，ｂ，ｒ）パラメータ空間で
は、（ｘ０，ｙ０）を通る全ての円の集まりで表現され
る。例えば、図４Ａに示したｘ−ｙ平面上の３点α（ｘ
１，ｙ１），β（ｘ２，ｙ２），γ（ｘ３，ｙ３）を、
（２）式で（ａ，ｂ，ｒ）パラメータ空間にマッピング
すると、図４Ｂの結果を得る。パラメータ空間は３次元
になり、ｒ軸はａ−ｂ面に直交している。ｒ＝２４でス
ライスしたａ−ｂ平面が図４Ｂである。それぞれのｒに
対するａ−ｂ平面について、ｘ−ｙ平面の１点が一つの
円に変換される。このHough 変換によって得られた円を
Hough 曲線と呼ぶ。３点α，β，γがあるｒ０（ここで
はｒ０＝２４）の円上にあると、対応するHough 曲線は
（ａ，ｂ，ｒ）パラメータ空間上の点（ａ０，ｂ０，ｒ
０）で交わる。すなわち、ｘ−ｙ平面上に円が存在する
場合は、パラメータ空間でたくさんのHough曲線の交点
として検出することができる。交点では、交わるHough
曲線の数に比例して交点の輝度が高くなる。従って、パ
ラメータ空間で輝度値の大きいパラメータを見つけるこ
とにより、ｘ−ｙ平面の円を検出することができる。図
４Ｂではパラメータ（ａ０，ｂ０，２４）だけが輝度値
３となっており、それ以外は輝度値２以下である。輝度
値が大きい（ａ０，ｂ０，２４）を検出することによ
り、もとのｘ−ｙ平面の３点が中心（ａ０，ｂ０），半
径２４の円にのっていることがわかる。
【００２３】このHough 変換は、特徴をパラメータで表
すことができる図形であれば、基本的に任意の図形を検
出することが可能である。例えば、楕円は二つの焦点の
ｘｙ座標（ａ，ｂ），（ｃ，ｄ）と二つの焦点からの距
離の和ｒによる５次元パラメータ空間を利用して検出す
ることが可能である。 （Ｂ）ウェーブレット変換手段 ウェーブレット変換については、ＣＨＵＩ, "An Introd
uction to WAVELETS,"Academic Press, 1992に詳しく記
載されているが、ここでウェーブレット変換処理につい
て簡単に説明する。
すことができる図形であれば、基本的に任意の図形を検
出することが可能である。例えば、楕円は二つの焦点の
ｘｙ座標（ａ，ｂ），（ｃ，ｄ）と二つの焦点からの距
離の和ｒによる５次元パラメータ空間を利用して検出す
ることが可能である。 （Ｂ）ウェーブレット変換手段 ウェーブレット変換については、ＣＨＵＩ, "An Introd
uction to WAVELETS,"Academic Press, 1992に詳しく記
載されているが、ここでウェーブレット変換処理につい
て簡単に説明する。
【００２４】画像データに対するウェーブレット変換は
二次元ウェーブレット変換になるが、これは画像のｘ軸
方向に対する一次元ウェーブレット変換とｙ軸方向に対
する一次元ウェーブレット変換を組み合わせることによ
り実現するので、一次元ウェーブレット変換処理につい
て説明する。ウェーブレット変換を行う際に使用する基
底関数は多数存在するが、ここではその中で最も構造が
単純な Haar Waveletを用いて説明する。他のウェーブ
レット基底関数についても関数の形が違うだけで、出力
される情報はほぼ同様になる。ウェーブレット変換はス
ケーリング関数とウェーブレット関数の二つの直交する
関数により構成される。スケーリング関数はデータの平
滑情報（＝ローパス情報）を出力する関数で、ウェーブ
レット関数はデータの詳細情報（＝ハイパス情報）を出
力する関数である。Haar Waveletの場合は、スケーリン
グ関数がｇ０＝ｇ１＝１／２で、ウェーブレット関数が
ｈ０＝１／２，ｈ１＝−１／２である。
二次元ウェーブレット変換になるが、これは画像のｘ軸
方向に対する一次元ウェーブレット変換とｙ軸方向に対
する一次元ウェーブレット変換を組み合わせることによ
り実現するので、一次元ウェーブレット変換処理につい
て説明する。ウェーブレット変換を行う際に使用する基
底関数は多数存在するが、ここではその中で最も構造が
単純な Haar Waveletを用いて説明する。他のウェーブ
レット基底関数についても関数の形が違うだけで、出力
される情報はほぼ同様になる。ウェーブレット変換はス
ケーリング関数とウェーブレット関数の二つの直交する
関数により構成される。スケーリング関数はデータの平
滑情報（＝ローパス情報）を出力する関数で、ウェーブ
レット関数はデータの詳細情報（＝ハイパス情報）を出
力する関数である。Haar Waveletの場合は、スケーリン
グ関数がｇ０＝ｇ１＝１／２で、ウェーブレット関数が
ｈ０＝１／２，ｈ１＝−１／２である。
【００２５】入力信号ｓ０〜ｓ１５があったとき、Haar
Wavelet変換した出力信号ｔ０〜ｔ１５は次のようにな
る。 ｔ０＝ｇ０・ｓ０＋ｇ１・ｓ１ ， ｔ８ ＝ｈ０・ｓ０＋ｈ１・ｓ１ ｔ１＝ｇ０・ｓ２＋ｇ１・ｓ３ ， ｔ９ ＝ｈ０・ｓ２＋ｈ１・ｓ３ ｔ２＝ｇ０・ｓ４＋ｇ１・ｓ５ ， ｔ１０＝ｈ０・ｓ４＋ｈ１・ｓ５ … … … ， … … … ｔ７＝ｇ０・ｓ１４＋ｇ１・ｓ１５， ｔ１５＝ｈ０・ｓ１４＋ｈ１・ｓ１５ このHaar Wavelet変換に具体的な信号を入力してみる。
例えば、次の入力信号ｓを与える。
Wavelet変換した出力信号ｔ０〜ｔ１５は次のようにな
る。 ｔ０＝ｇ０・ｓ０＋ｇ１・ｓ１ ， ｔ８ ＝ｈ０・ｓ０＋ｈ１・ｓ１ ｔ１＝ｇ０・ｓ２＋ｇ１・ｓ３ ， ｔ９ ＝ｈ０・ｓ２＋ｈ１・ｓ３ ｔ２＝ｇ０・ｓ４＋ｇ１・ｓ５ ， ｔ１０＝ｈ０・ｓ４＋ｈ１・ｓ５ … … … ， … … … ｔ７＝ｇ０・ｓ１４＋ｇ１・ｓ１５， ｔ１５＝ｈ０・ｓ１４＋ｈ１・ｓ１５ このHaar Wavelet変換に具体的な信号を入力してみる。
例えば、次の入力信号ｓを与える。
【００２６】 s(n)＝｛ 0, 0, 0, 0, 0, 0, 0, 2, 2, 2, 2, 2, 2, 2, 2, 2 ｝ …（３） この信号は１か所で信号が０→２と大きく変化してい
る。このように信号が大きく変化するところをエッジと
呼ぶ。（３）のように信号値が大きくなるエッジをエッ
ジの立ち上がり、逆に信号値が小さくなるエッジをエッ
ジの立ち下がりと呼ぶ。（３）の信号をHaar Wavelet変
換すると、次の結果ｔを得る。
る。このように信号が大きく変化するところをエッジと
呼ぶ。（３）のように信号値が大きくなるエッジをエッ
ジの立ち上がり、逆に信号値が小さくなるエッジをエッ
ジの立ち下がりと呼ぶ。（３）の信号をHaar Wavelet変
換すると、次の結果ｔを得る。
【００２７】 ウェーブレット変換した結果をウェーブレット係数と呼
ぶ。ハイパス成分のウェーブレット係数ｔ（１１）に入
力信号ｓのエッジが検出されている。このように、ウェ
ーブレット変換は入力信号のエッジ成分を検出すること
ができる。
ぶ。ハイパス成分のウェーブレット係数ｔ（１１）に入
力信号ｓのエッジが検出されている。このように、ウェ
ーブレット変換は入力信号のエッジ成分を検出すること
ができる。
【００２８】このウェーブレット変換はウェハパターン
のＳＥＭ画像のような二次元の画像データに対しても適
用することができる。具体的に画像データにウェーブレ
ット変換を適用した例を図５，図６に示す。この例では
図５Ａの原画像が５１２×５１２デジタルデータとなっ
ている。この画像に対して、まずｘ軸方向に対して一次
元ウェーブレット変換を施す。つまり、ｘ軸（横軸）方
向の５１２個の信号に対するウェーブレット変換をｙ軸
（縦軸）方向に５１２回繰り返す。これにより図５Ｂの
画像が得られる。図５Ｂは図５Ａの原画像を縦に２分割
し、左側にローパス情報（Ｌ），右側にハイパス情報
（Ｈ）が納められたものである。
のＳＥＭ画像のような二次元の画像データに対しても適
用することができる。具体的に画像データにウェーブレ
ット変換を適用した例を図５，図６に示す。この例では
図５Ａの原画像が５１２×５１２デジタルデータとなっ
ている。この画像に対して、まずｘ軸方向に対して一次
元ウェーブレット変換を施す。つまり、ｘ軸（横軸）方
向の５１２個の信号に対するウェーブレット変換をｙ軸
（縦軸）方向に５１２回繰り返す。これにより図５Ｂの
画像が得られる。図５Ｂは図５Ａの原画像を縦に２分割
し、左側にローパス情報（Ｌ），右側にハイパス情報
（Ｈ）が納められたものである。
【００２９】この図５Ｂに対して今度はｙ軸方向に同じ
ウェーブレット変換を施す。これにより図６の画像が得
られる。図６は図５Ｂを縦に２分割し、上側にローパス
情報（Ｌ），下側にハイパス情報（Ｈ）が納められた画
像である。従って、図６には図５Ａの原画像を４分割
し、左上にｘ，ｙ軸両方向のローパス情報（ＬＬ成
分），右上にｘ軸方向のハイパス情報とｙ軸方向のロー
パス情報を組み合わせた情報（ＨＬ成分）。左下にｘ軸
方向のローパスとｙ軸方向のハイパスを組み合わせた情
報（ＬＨ成分）、右下にはｘ，ｙ軸両方向のハイパス情
報（ＨＨ成分）が納められていることになる。つまり、
右上の部分は原画像内に存在するＹ軸方向の線成分（縦
線成分）。左下の部分は原画像内に存在するＸ軸方向の
線成分（横線成分）、そして右下の部分には斜め方向の
線成分を示していることになる。また、ここではまずｘ
軸方向に変換処理を行ってからｙ軸方向に変換処理を行
って図６を得ているが、ｘ，ｙの変換の順序を入れ替え
ても、最終的な二次元ウェーブレット変換後は全く同じ
図６の画像が得られる。
ウェーブレット変換を施す。これにより図６の画像が得
られる。図６は図５Ｂを縦に２分割し、上側にローパス
情報（Ｌ），下側にハイパス情報（Ｈ）が納められた画
像である。従って、図６には図５Ａの原画像を４分割
し、左上にｘ，ｙ軸両方向のローパス情報（ＬＬ成
分），右上にｘ軸方向のハイパス情報とｙ軸方向のロー
パス情報を組み合わせた情報（ＨＬ成分）。左下にｘ軸
方向のローパスとｙ軸方向のハイパスを組み合わせた情
報（ＬＨ成分）、右下にはｘ，ｙ軸両方向のハイパス情
報（ＨＨ成分）が納められていることになる。つまり、
右上の部分は原画像内に存在するＹ軸方向の線成分（縦
線成分）。左下の部分は原画像内に存在するＸ軸方向の
線成分（横線成分）、そして右下の部分には斜め方向の
線成分を示していることになる。また、ここではまずｘ
軸方向に変換処理を行ってからｙ軸方向に変換処理を行
って図６を得ているが、ｘ，ｙの変換の順序を入れ替え
ても、最終的な二次元ウェーブレット変換後は全く同じ
図６の画像が得られる。
【００３０】以上の性質をもつ二次元ウェーブレット変
換を、粒状の欠陥がある半導体ウェハ画像に適用する
と、欠陥と背景の配線パターンを分離することができ
る。図７は半導体ウェハ画像を模したもので、水平に走
る横線が配線パターン、中央にある黒丸が欠陥に対応し
ている。このように半導体ウェハは、配線パターンが水
平方向か垂直方向に整列している。このような画像に二
次元ウェーブレット変換を適用すると図８の結果を得
る。縦線検出成分、横線検出成分に着目すると、配線パ
ターンは左下の横線を検出するＬＨ成分のみに現れる。
これに対していろいろな方向成分をもつ欠陥成分は右上
のＨＬ成分と、左下のＬＨ成分に検出される。このよう
に、二次元ウェーブレット変換を使うと、縦線または横
線の成分だけをもつ配線パターンと、いろいろな方向の
成分をもつ欠陥とを分離することが可能となる。
換を、粒状の欠陥がある半導体ウェハ画像に適用する
と、欠陥と背景の配線パターンを分離することができ
る。図７は半導体ウェハ画像を模したもので、水平に走
る横線が配線パターン、中央にある黒丸が欠陥に対応し
ている。このように半導体ウェハは、配線パターンが水
平方向か垂直方向に整列している。このような画像に二
次元ウェーブレット変換を適用すると図８の結果を得
る。縦線検出成分、横線検出成分に着目すると、配線パ
ターンは左下の横線を検出するＬＨ成分のみに現れる。
これに対していろいろな方向成分をもつ欠陥成分は右上
のＨＬ成分と、左下のＬＨ成分に検出される。このよう
に、二次元ウェーブレット変換を使うと、縦線または横
線の成分だけをもつ配線パターンと、いろいろな方向の
成分をもつ欠陥とを分離することが可能となる。
【００３１】以上説明した二次元ウェーブレット変換
と、Hough 変換を組み合わせると、半導体ウェハ画像に
存在する欠陥の位置と大きさを検出することができる。 （Ｃ）各請求項の発明 （１）請求項１（図１Ａに対応）では、まず入力画像に
二次元ウェーブレット変換を適用して、縦線検出成分、
横線検出成分を得る。これらの成分はエッジの部分で絶
対値の大きいウェーブレット係数値をもち、それ以外の
部分のウェーブレット係数は０か、０に近い値をもって
いる。この縦線検出成分、横線検出成分に対して適当な
しきい値を与えて二値化処理を行い、エッジ部分の係数
値を１，それ以外を０とした二値画像を作成する。エッ
ジ部分のウェーブレット係数の絶対値は大きいが、符号
は正の場合と負の場合がある。通常の二値化処理では負
の係数は０となるので、例えば図８の右上の縦線検出成
分に通常のしきい値処理を行うと、図９のようにエッジ
の半分しか抽出されない。しかし、Hough 変換は対象図
形が欠けていても検出可能である。図９に対して、Houg
h 変換を利用すると、パラメータ空間では原画像に存在
する円形の成分、すなわちウェハパターンの画像であれ
ば欠陥に対応するパラメータの輝度が高くなる。パラメ
ータ空間を観察することにより、欠陥の位置と大きさを
特定することが可能となる。
と、Hough 変換を組み合わせると、半導体ウェハ画像に
存在する欠陥の位置と大きさを検出することができる。 （Ｃ）各請求項の発明 （１）請求項１（図１Ａに対応）では、まず入力画像に
二次元ウェーブレット変換を適用して、縦線検出成分、
横線検出成分を得る。これらの成分はエッジの部分で絶
対値の大きいウェーブレット係数値をもち、それ以外の
部分のウェーブレット係数は０か、０に近い値をもって
いる。この縦線検出成分、横線検出成分に対して適当な
しきい値を与えて二値化処理を行い、エッジ部分の係数
値を１，それ以外を０とした二値画像を作成する。エッ
ジ部分のウェーブレット係数の絶対値は大きいが、符号
は正の場合と負の場合がある。通常の二値化処理では負
の係数は０となるので、例えば図８の右上の縦線検出成
分に通常のしきい値処理を行うと、図９のようにエッジ
の半分しか抽出されない。しかし、Hough 変換は対象図
形が欠けていても検出可能である。図９に対して、Houg
h 変換を利用すると、パラメータ空間では原画像に存在
する円形の成分、すなわちウェハパターンの画像であれ
ば欠陥に対応するパラメータの輝度が高くなる。パラメ
ータ空間を観察することにより、欠陥の位置と大きさを
特定することが可能となる。
【００３２】請求項１のあとに処理を追加することによ
り、欠陥の位置と大きさの特定を自動化することもでき
る。 （２）請求項２（図１Ｂに対応）では、Hough 変換後の
パラメータ空間に適当な二値化処理を適用する。二値化
処理した結果は、パラメータの輝度値が大きいものだ
け、すなわち欠陥の特徴をあらわすパラメータだけが、
例えば輝度値１となり、それ以外の部分の輝度値が全て
０となるので検出が容易になる。
り、欠陥の位置と大きさの特定を自動化することもでき
る。 （２）請求項２（図１Ｂに対応）では、Hough 変換後の
パラメータ空間に適当な二値化処理を適用する。二値化
処理した結果は、パラメータの輝度値が大きいものだ
け、すなわち欠陥の特徴をあらわすパラメータだけが、
例えば輝度値１となり、それ以外の部分の輝度値が全て
０となるので検出が容易になる。
【００３３】（３）請求項３（図１Ｃに対応）では、請
求項２で二値化した結果に隣接する輝度値１の画素をグ
ルーピングするラベリング処理を行う。Hough 変換後の
パラメータ空間では、検出対象の図形が存在するパラメ
ータで輝度値が極大値となるが、それに隣接するパラメ
ータの輝度値も高くなるので、請求項２の二値化処理結
果では、検出対象の図形（例えば円）に対応するパラメ
ータ付近に輝度値１のパラメータが集中的に存在する。
ラベリング処理により、輝度値１のパラメータが集中し
ている部分を一つの図形に対する特徴パラメータとみな
し、代表点として同じラベルについて、複数の特徴パラ
メータの平均値を重心として算出、出力することによ
り、入力画像から検出対象図形の位置と大きさを自動的
に特定することが可能となる。
求項２で二値化した結果に隣接する輝度値１の画素をグ
ルーピングするラベリング処理を行う。Hough 変換後の
パラメータ空間では、検出対象の図形が存在するパラメ
ータで輝度値が極大値となるが、それに隣接するパラメ
ータの輝度値も高くなるので、請求項２の二値化処理結
果では、検出対象の図形（例えば円）に対応するパラメ
ータ付近に輝度値１のパラメータが集中的に存在する。
ラベリング処理により、輝度値１のパラメータが集中し
ている部分を一つの図形に対する特徴パラメータとみな
し、代表点として同じラベルについて、複数の特徴パラ
メータの平均値を重心として算出、出力することによ
り、入力画像から検出対象図形の位置と大きさを自動的
に特定することが可能となる。
【００３４】（４）請求項４（図２Ａに対応）では、入
力画像に、例えばメディアンフィルタなどの雑音除去手
段を適用して、その後にウェーブレット変換手段以降を
適用する。入力画像にスパイク状のノイズがあると、ウ
ェーブレット変換によりエッジとして検出される。検出
対象図形以外のノイズを多数 Hough変換すると、検出対
象以外のものを誤検出してしまう。原画像に雑音除去フ
ィルタを適用することにより、誤検出を防ぐことができ
る。また、Hough 変換は二値画像の画素値１の画素数に
比例して処理時間が増える。雑音除去フィルタを適用す
ると、ウェーブレット変換手段＋二値化処理手段で発生
する画素値１のウェーブレット係数の数が減るので処理
速度も向上する。
力画像に、例えばメディアンフィルタなどの雑音除去手
段を適用して、その後にウェーブレット変換手段以降を
適用する。入力画像にスパイク状のノイズがあると、ウ
ェーブレット変換によりエッジとして検出される。検出
対象図形以外のノイズを多数 Hough変換すると、検出対
象以外のものを誤検出してしまう。原画像に雑音除去フ
ィルタを適用することにより、誤検出を防ぐことができ
る。また、Hough 変換は二値画像の画素値１の画素数に
比例して処理時間が増える。雑音除去フィルタを適用す
ると、ウェーブレット変換手段＋二値化処理手段で発生
する画素値１のウェーブレット係数の数が減るので処理
速度も向上する。
【００３５】（５）請求項５（図２Ｂに対応）も、誤検
出の防止と処理速度の向上の目的で、ウェーブレット変
換手段＋二値化処理手段後の画像に孤立点除去手段を適
用する。これは二値画像の中の画素値１の画素で隣接す
る画素が全て画素値０であるものを画素値０で置き換え
る画像処理手段である。図９，図１０のように、ウェー
ブレット変換後の二値画像では、検出対象図形に対応す
る係数値１のウェーブレット係数は隣接して存在する。
従って、係数値が１でも周囲が全て係数値０であれば、
この係数はノイズであるとみなして、係数値０とする。
これにより、誤検出の防止と、処理速度の向上を実現す
る。
出の防止と処理速度の向上の目的で、ウェーブレット変
換手段＋二値化処理手段後の画像に孤立点除去手段を適
用する。これは二値画像の中の画素値１の画素で隣接す
る画素が全て画素値０であるものを画素値０で置き換え
る画像処理手段である。図９，図１０のように、ウェー
ブレット変換後の二値画像では、検出対象図形に対応す
る係数値１のウェーブレット係数は隣接して存在する。
従って、係数値が１でも周囲が全て係数値０であれば、
この係数はノイズであるとみなして、係数値０とする。
これにより、誤検出の防止と、処理速度の向上を実現す
る。
【００３６】（６）請求項６（図２Ｃに対応）では、ウ
ェーブレット変換によってエッジ部分の係数値が負にな
ることもあることを考慮して、通常の二値化処理の代わ
りにウェーブレット係数値の絶対値に対して二値化処理
を行うものである。この絶対値二値化処理を図８の右上
の縦線検出成分に適用すると、図１０のようにエッジ全
体を検出することができる。これにHough 変換を適用す
ることにより、通常の二値化処理を利用するよりも欠陥
に対応するパラメータの輝度が大きくなり、検出が容易
になる。
ェーブレット変換によってエッジ部分の係数値が負にな
ることもあることを考慮して、通常の二値化処理の代わ
りにウェーブレット係数値の絶対値に対して二値化処理
を行うものである。この絶対値二値化処理を図８の右上
の縦線検出成分に適用すると、図１０のようにエッジ全
体を検出することができる。これにHough 変換を適用す
ることにより、通常の二値化処理を利用するよりも欠陥
に対応するパラメータの輝度が大きくなり、検出が容易
になる。
【００３７】（７）請求項７（図３Ａに対応）は、図形
を検出するHough 変換の検出対象図形を特に円に特定し
たものである。例えば、楕円を検出するHough 変換はパ
ラメータ空間が５次元になり、その後の検出処理が遅く
なる。円のHough 変換はパラメータ空間が３次元であ
り、楕円など他の図形に比べて高速に検出することがで
きる。
を検出するHough 変換の検出対象図形を特に円に特定し
たものである。例えば、楕円を検出するHough 変換はパ
ラメータ空間が５次元になり、その後の検出処理が遅く
なる。円のHough 変換はパラメータ空間が３次元であ
り、楕円など他の図形に比べて高速に検出することがで
きる。
【００３８】（８）請求項８（図３Ａに対応）では、ウ
ェーブレット変換結果の縦線検出成分と横線検出成分に
対応する二値画像の両方をHough 変換するが、二つのHo
ugh変換を同じパラメータ空間上に重ねて変換する。検
出対象となる図形は縦線成分、横線成分両方にあらわれ
ているので、この方法により確実に検出することが可能
となる。
ェーブレット変換結果の縦線検出成分と横線検出成分に
対応する二値画像の両方をHough 変換するが、二つのHo
ugh変換を同じパラメータ空間上に重ねて変換する。検
出対象となる図形は縦線成分、横線成分両方にあらわれ
ているので、この方法により確実に検出することが可能
となる。
【００３９】しかし、ウェハパターン画像の場合は、配
線パターンが縦線成分、横線成分のどちらかにあらわれ
ており、これをHough 変換することにより、検出対象物
以外を誤検出する可能性がある。 （９）請求項９（図３Ａに対応）では、ウェーブレット
変換手段の縦線成分と横線成分を観察し、どちらか一方
のみをHough 変換する。図７，図８に示すように、半導
体ウェハ画像の配線パターンは水平あるいは垂直方向に
揃っていて、縦線成分、横線成分のいずれかにのみあら
われる。配線パターンがあらわれていない成分に対して
のみHough 変換を行うことにより、検出対象物だけをHo
ugh 変換することができ確実に検出することができる。
線パターンが縦線成分、横線成分のどちらかにあらわれ
ており、これをHough 変換することにより、検出対象物
以外を誤検出する可能性がある。 （９）請求項９（図３Ａに対応）では、ウェーブレット
変換手段の縦線成分と横線成分を観察し、どちらか一方
のみをHough 変換する。図７，図８に示すように、半導
体ウェハ画像の配線パターンは水平あるいは垂直方向に
揃っていて、縦線成分、横線成分のいずれかにのみあら
われる。配線パターンがあらわれていない成分に対して
のみHough 変換を行うことにより、検出対象物だけをHo
ugh 変換することができ確実に検出することができる。
【００４０】（１０）請求項１０（図３Ｂに対応）は、
請求項９の縦線成分、横線成分のどちらをHough 変換す
るかを自動的に決定するための手段を付加する。図８で
は画面の右下の横線検出成分には配線パターン＋欠陥、
画面の右上の縦線検出成分には欠陥だけがあらわれてい
る。エッジを検出している部分はウェーブレット係数の
絶対値が大きくなり、それ以外は０に近い係数値をもっ
ている。従って、縦線成分、横線成分のエッジ成分検出
の度合いを定量化して比較し、検出の度合いが少ない方
が配線パターンが検出されていない成分であるとみなし
て、それをHough 変換することにより、図８の場合は画
面の右上の縦線成分のみをHough 変換して検出対象図形
を検出することができる。このエッジ検出の度合いを定
量化する方法として、ウェーブレット係数のエネルギー
を定義する。これは各ウェーブレット係数値をＷ（ｓ，
ｔ），二次元ウェーブレット係数の数をｘ軸方向にＭ
個、ｘ軸方向にＮ個として（５）式で定義する。
請求項９の縦線成分、横線成分のどちらをHough 変換す
るかを自動的に決定するための手段を付加する。図８で
は画面の右下の横線検出成分には配線パターン＋欠陥、
画面の右上の縦線検出成分には欠陥だけがあらわれてい
る。エッジを検出している部分はウェーブレット係数の
絶対値が大きくなり、それ以外は０に近い係数値をもっ
ている。従って、縦線成分、横線成分のエッジ成分検出
の度合いを定量化して比較し、検出の度合いが少ない方
が配線パターンが検出されていない成分であるとみなし
て、それをHough 変換することにより、図８の場合は画
面の右上の縦線成分のみをHough 変換して検出対象図形
を検出することができる。このエッジ検出の度合いを定
量化する方法として、ウェーブレット係数のエネルギー
を定義する。これは各ウェーブレット係数値をＷ（ｓ，
ｔ），二次元ウェーブレット係数の数をｘ軸方向にＭ
個、ｘ軸方向にＮ個として（５）式で定義する。
【００４１】 Ｅ＝（１／ＭＮ）ΣS=1 M Σt=1 N Ｗ（ｓ，ｔ） ………（５） （１１）請求項１１（図３Ａに対応）では、円のHough
変換結果に適用する二値化しきい値を半径ｒの大きさに
よって可変する。例えば、原画像に中心（ａ，ｂ），半
径１０の円Ｃ１と、中心（ｃ，ｄ），半径１００の円Ｃ
２が存在したとき、パラメータ空間においてＣ１に対応
するパラメータ（ａ，ｂ，１０）の輝度値はおよそ１０
×２×π≒６３となるが、Ｃ２に対応するパラメータ
（ｃ，ｄ，１００）の輝度値は約６３０になる。このよ
うに円の半径によってパラメータの輝度値が大きく変化
する。二値化のしきい値を半径パラメータｒに比例させ
て変化させることにより任意の半径の円を検出すること
が可能となる。
変換結果に適用する二値化しきい値を半径ｒの大きさに
よって可変する。例えば、原画像に中心（ａ，ｂ），半
径１０の円Ｃ１と、中心（ｃ，ｄ），半径１００の円Ｃ
２が存在したとき、パラメータ空間においてＣ１に対応
するパラメータ（ａ，ｂ，１０）の輝度値はおよそ１０
×２×π≒６３となるが、Ｃ２に対応するパラメータ
（ｃ，ｄ，１００）の輝度値は約６３０になる。このよ
うに円の半径によってパラメータの輝度値が大きく変化
する。二値化のしきい値を半径パラメータｒに比例させ
て変化させることにより任意の半径の円を検出すること
が可能となる。
【００４２】（１２）請求項１２（図３Ｃに対応）で
は、請求項１１の処理で複数の円が検出された場合に、
それらの円がｘ−ｙ平面上で重複しないかどうかをチェ
ックする。例えば、ｘ−ｙ平面に存在する円の一部の円
弧にノイズ成分が加わって、それより少し小さい円が検
出される場合がある。同じような位置に複数の欠陥を検
出するのは誤検出であると判断して、大きい方の円だけ
を検出して、それに重複する小さい円が検出されても除
外する。具体的には複数の円が検出されたときに、小さ
い方の円の中心がそれより大きい円内に入っていないか
どうかをチェックし、円内に入っていれば除去するとい
う処理を追加することにより実現する。
は、請求項１１の処理で複数の円が検出された場合に、
それらの円がｘ−ｙ平面上で重複しないかどうかをチェ
ックする。例えば、ｘ−ｙ平面に存在する円の一部の円
弧にノイズ成分が加わって、それより少し小さい円が検
出される場合がある。同じような位置に複数の欠陥を検
出するのは誤検出であると判断して、大きい方の円だけ
を検出して、それに重複する小さい円が検出されても除
外する。具体的には複数の円が検出されたときに、小さ
い方の円の中心がそれより大きい円内に入っていないか
どうかをチェックし、円内に入っていれば除去するとい
う処理を追加することにより実現する。
【００４３】（Ｄ）ハードウェアの構成 図１１は本発明に基づく画像情報処理装置の構成図であ
る。コンピュータ１０１は入出力や計算を行うＣＰＵ３
１と、よく使う命令やデータを保持して処理の高速化を
行うキャッシュ３２，浮動小数点演算部３３，ユーザ入
力やデータを記憶するＲＡＭ３４、システムプログラム
を格納するＲＯＭ３６，ユーザの選択メニューや計算結
果を表示する表示装置３５，パラメータや命令を入力す
るキーボードやポインティングデバイス（マウスなど）
の入力装置３７，計算結果などを保存する磁気ディスク
３８を備えている。
る。コンピュータ１０１は入出力や計算を行うＣＰＵ３
１と、よく使う命令やデータを保持して処理の高速化を
行うキャッシュ３２，浮動小数点演算部３３，ユーザ入
力やデータを記憶するＲＡＭ３４、システムプログラム
を格納するＲＯＭ３６，ユーザの選択メニューや計算結
果を表示する表示装置３５，パラメータや命令を入力す
るキーボードやポインティングデバイス（マウスなど）
の入力装置３７，計算結果などを保存する磁気ディスク
３８を備えている。
【００４４】検査対象となる半導体ウェハなどのＤＵＴ
（被試験デバイス）４１は、ローダ・アンローダ４６に
よりステージ４５に対してロード・アンロードされる。
ロードされたＤＵＴは例えば電子顕微鏡などの画像入力
装置４２によって画像入力され、Ａ／Ｄ変換器４３によ
りデジタルデータ化され、フレームメモリ４４に格納、
あるいはコンピュータ上のＲＡＭ３４に転送される。図
１４はあるウェハパターンを走査型電子顕微鏡（ＳＥ
Ｍ）にて画像入力したデジタル画像である。このデジタ
ル画像は、例えば５１２×５１２画素の解像度で、２５
６階調のグレースケール画像である。
（被試験デバイス）４１は、ローダ・アンローダ４６に
よりステージ４５に対してロード・アンロードされる。
ロードされたＤＵＴは例えば電子顕微鏡などの画像入力
装置４２によって画像入力され、Ａ／Ｄ変換器４３によ
りデジタルデータ化され、フレームメモリ４４に格納、
あるいはコンピュータ上のＲＡＭ３４に転送される。図
１４はあるウェハパターンを走査型電子顕微鏡（ＳＥ
Ｍ）にて画像入力したデジタル画像である。このデジタ
ル画像は、例えば５１２×５１２画素の解像度で、２５
６階調のグレースケール画像である。
【００４５】この画像に対して欠陥の位置と大きさの検
出を行うが、ここでは請求項１０（図３Ｂ）と請求項１
２（図３Ｃ）の処理を説明する。他の請求項で行う処理
は全て請求項１０，１２で行う処理に含まれる。フレー
ムメモリ４４あるいはＲＡＭ３４に格納された画像デー
タを入力画像データとして、まずこれをフレームメモリ
６６に転送して、例えばメディアンフィルタ処理を行う
雑音除去手段５６を適用して雑音除去した画像をフレー
ムメモリ６１に転送する。次にウェーブレット変換手段
５１により二次元ウェーブレット変換を行うと、図１５
の結果を得る。
出を行うが、ここでは請求項１０（図３Ｂ）と請求項１
２（図３Ｃ）の処理を説明する。他の請求項で行う処理
は全て請求項１０，１２で行う処理に含まれる。フレー
ムメモリ４４あるいはＲＡＭ３４に格納された画像デー
タを入力画像データとして、まずこれをフレームメモリ
６６に転送して、例えばメディアンフィルタ処理を行う
雑音除去手段５６を適用して雑音除去した画像をフレー
ムメモリ６１に転送する。次にウェーブレット変換手段
５１により二次元ウェーブレット変換を行うと、図１５
の結果を得る。
【００４６】図１５のうち、画面の右上の縦線検出成分
（ＨＬ），左下の横線検出成分（ＬＨ）に対してエネル
ギー算出手段５２で各成分のエネルギーを算出し、結果
を比較する。図１５の場合は、縦線検出成分のエネルギ
ーが5.３２，横線検出成分のエネルギーが１0.６９とな
り、縦線検出成分のエネルギーの方が低いので、以降の
処理は縦線検出成分に対して行う。縦線検出成分をフレ
ームメモリ６４に転送して、この場合はウェーブレット
係数の絶対値に対する二値化処理を二値化処理手段５４
で行うと、図１６のような二値画像を得る。しきい値は
ここでは経験的に±５を設定した。
（ＨＬ），左下の横線検出成分（ＬＨ）に対してエネル
ギー算出手段５２で各成分のエネルギーを算出し、結果
を比較する。図１５の場合は、縦線検出成分のエネルギ
ーが5.３２，横線検出成分のエネルギーが１0.６９とな
り、縦線検出成分のエネルギーの方が低いので、以降の
処理は縦線検出成分に対して行う。縦線検出成分をフレ
ームメモリ６４に転送して、この場合はウェーブレット
係数の絶対値に対する二値化処理を二値化処理手段５４
で行うと、図１６のような二値画像を得る。しきい値は
ここでは経験的に±５を設定した。
【００４７】この画像をフレームメモリ６７に転送して
孤立点除去手段５７を適用すると、図１７の結果を得
る。次にこれをフレームメモリ６３に転送して、ここで
は円を検出するHough 変換手段５３を適用する。パラメ
ータ空間は（ａ，ｂ，ｒ）の３次元になるが、ｒ＝４０
に対する（ａ，ｂ）パラメータ平面の画像が図１８であ
る。
孤立点除去手段５７を適用すると、図１７の結果を得
る。次にこれをフレームメモリ６３に転送して、ここで
は円を検出するHough 変換手段５３を適用する。パラメ
ータ空間は（ａ，ｂ，ｒ）の３次元になるが、ｒ＝４０
に対する（ａ，ｂ）パラメータ平面の画像が図１８であ
る。
【００４８】この３次元パラメータをフレームメモリ６
４に転送して二値化処理手段５４を適用するが、二値化
しきい値はｒによって変化させる。ｘ−ｙ平面に中心
（ａ０，ｂ０），半径ｒ０の円が完全な形で存在する場
合は、パラメータ（ａ０，ｂ０，ｒ０）の輝度が２πｒ
０となるので、例えばしきい値をπｒ０に設定すると、
半径ｒ０の円の半分が欠けていてもパラメータの輝度が
しきい値を越える。このしきい値で図１８をしきい値処
理すると図１９のように輝度１、つまり白の画素の一つ
のグループが現れる。この結果をフレームメモリ６５に
転送してラベリング処理手段５５を適用し、得られた各
ラベル（図１９の例ではラベルの数は１）に属するパラ
メータのａ座標とｂ座標の平均値（ａ′，ｂ′）を重心
とし、この座標を検出した円の中心のｘ，ｙ座標とし
て、半径情報：図１９の場合はｒ＝４０，重心のａ，ｂ
座標（１４６，１５２）をコンピュータ上のＲＡＭ３４
に記憶する。
４に転送して二値化処理手段５４を適用するが、二値化
しきい値はｒによって変化させる。ｘ−ｙ平面に中心
（ａ０，ｂ０），半径ｒ０の円が完全な形で存在する場
合は、パラメータ（ａ０，ｂ０，ｒ０）の輝度が２πｒ
０となるので、例えばしきい値をπｒ０に設定すると、
半径ｒ０の円の半分が欠けていてもパラメータの輝度が
しきい値を越える。このしきい値で図１８をしきい値処
理すると図１９のように輝度１、つまり白の画素の一つ
のグループが現れる。この結果をフレームメモリ６５に
転送してラベリング処理手段５５を適用し、得られた各
ラベル（図１９の例ではラベルの数は１）に属するパラ
メータのａ座標とｂ座標の平均値（ａ′，ｂ′）を重心
とし、この座標を検出した円の中心のｘ，ｙ座標とし
て、半径情報：図１９の場合はｒ＝４０，重心のａ，ｂ
座標（１４６，１５２）をコンピュータ上のＲＡＭ３４
に記憶する。
【００４９】この結果に重複検出除去手段を適用する。
図２０は重複検出除去手段の処理フローであり、図１１
では、コンピュータ１０１を用いて処理する。図１４の
サンプルデータから上記の処理で検出される円のうち、
半径が一番大きいのは図１９で検出した中心（１４６，
１５２），半径４０の円である。これは最終検出結果と
してＲＡＭ３４に登録する。つぎに、（１４７，１５
４）に半径３５の円も検出される。これは既に検出して
いる中心（１４６，１５２），半径４０の円と重複する
ものである。このような重複する円を除去するために、
２番目以降に検出された円の中心がそれ以前に検出され
ている円内に入っていないかをチェックして、入ってい
たら検出した円から除外する。この処理を繰り返すこと
により、一番目に検出された円と重複するものは除去さ
れ、２番目に中心（２５２，７１），半径１５の円が検
出される。それ以外に検出される円はいずれも検出した
２つの円と重複するので除外する。
図２０は重複検出除去手段の処理フローであり、図１１
では、コンピュータ１０１を用いて処理する。図１４の
サンプルデータから上記の処理で検出される円のうち、
半径が一番大きいのは図１９で検出した中心（１４６，
１５２），半径４０の円である。これは最終検出結果と
してＲＡＭ３４に登録する。つぎに、（１４７，１５
４）に半径３５の円も検出される。これは既に検出して
いる中心（１４６，１５２），半径４０の円と重複する
ものである。このような重複する円を除去するために、
２番目以降に検出された円の中心がそれ以前に検出され
ている円内に入っていないかをチェックして、入ってい
たら検出した円から除外する。この処理を繰り返すこと
により、一番目に検出された円と重複するものは除去さ
れ、２番目に中心（２５２，７１），半径１５の円が検
出される。それ以外に検出される円はいずれも検出した
２つの円と重複するので除外する。
【００５０】以上の処理により入力画像から欠陥の位置
（ｘ，ｙ）と大きさｒを自動検出することが可能とな
る。上述の例では、ｘ，ｙ座標（１４６，１５２），大
きさｒ＝４０の欠陥と、ｘ，ｙ座標（２５２，７１），
大きさｒ＝１５の欠陥が検出される。図１２は本発明に
基づく装置の他の構成図である。図１１では処理手段ご
とに専用のフレームメモリを持たせているが、図１２で
はフレームメモリを共用化することにより、メモリの節
約・効率化をはかっている。
（ｘ，ｙ）と大きさｒを自動検出することが可能とな
る。上述の例では、ｘ，ｙ座標（１４６，１５２），大
きさｒ＝４０の欠陥と、ｘ，ｙ座標（２５２，７１），
大きさｒ＝１５の欠陥が検出される。図１２は本発明に
基づく装置の他の構成図である。図１１では処理手段ご
とに専用のフレームメモリを持たせているが、図１２で
はフレームメモリを共用化することにより、メモリの節
約・効率化をはかっている。
【００５１】図１３は本発明に基づく装置のさらに他の
構成図である。図１１の装置４１〜４７は汎用の電子顕
微鏡システムに置き換えが可能であり、さらに各画像処
理手段５１〜５７とそれに付属のフレームメモリはワー
クステーションなどのコンピュータ１０１によるソフト
ウエア処理によって置き換え可能である。
構成図である。図１１の装置４１〜４７は汎用の電子顕
微鏡システムに置き換えが可能であり、さらに各画像処
理手段５１〜５７とそれに付属のフレームメモリはワー
クステーションなどのコンピュータ１０１によるソフト
ウエア処理によって置き換え可能である。
【００５２】
【発明の効果】 請求項１〜３及び請求項６〜１２は本発明の第２の
目的に対応するものである。これにより、従来の画像比
較法で必要であったゴールデンデバイスやＣＡＤデータ
がなくても欠陥を検出することが可能となった。 請求項４〜６及び請求項８〜１２は本発明の第１の
目的に対応するものである。実施例で説明したＳＥＭ画
像のような画素値の時間変化が大きい画像の場合、従来
の画像比較法ではノイズを大量に検出してしまう。これ
に対して本発明ではノイズをほとんど検出せずに欠陥を
検出することが可能となった。
目的に対応するものである。これにより、従来の画像比
較法で必要であったゴールデンデバイスやＣＡＤデータ
がなくても欠陥を検出することが可能となった。 請求項４〜６及び請求項８〜１２は本発明の第１の
目的に対応するものである。実施例で説明したＳＥＭ画
像のような画素値の時間変化が大きい画像の場合、従来
の画像比較法ではノイズを大量に検出してしまう。これ
に対して本発明ではノイズをほとんど検出せずに欠陥を
検出することが可能となった。
【００５３】 請求項１，４，５，９及び１０は、本
発明の第３の目的に対応するものである。従来のＦＦＴ
法の場合、５１２×５１２画素の画像から周期的な配線
パターンを除去するために、1.３１×１０8 回の加減算
と8.３９×１０8 回の乗算が必要であったが、本発明で
はウェーブレット変換手段の導入により、約5.５×１０
5 回の加減算と、1.１×１０6 回の乗算で処理可能とな
った。他の画像処理もHough 変換以外はすべて１０7 回
以下の演算量である。ＦＦＴ法でも画像の位置や大きさ
を自動検出するには、Hough 変換などの処理が必要にな
るので、本発明が不利にはならない。
発明の第３の目的に対応するものである。従来のＦＦＴ
法の場合、５１２×５１２画素の画像から周期的な配線
パターンを除去するために、1.３１×１０8 回の加減算
と8.３９×１０8 回の乗算が必要であったが、本発明で
はウェーブレット変換手段の導入により、約5.５×１０
5 回の加減算と、1.１×１０6 回の乗算で処理可能とな
った。他の画像処理もHough 変換以外はすべて１０7 回
以下の演算量である。ＦＦＴ法でも画像の位置や大きさ
を自動検出するには、Hough 変換などの処理が必要にな
るので、本発明が不利にはならない。
【００５４】Hough 変換の演算量は、処理する二値画像
の両素数に比例する。画素値１の画素１個に円のHough
変換を適用する場合、演算量は検出する円の半径に比例
し、例えばｒ＝１０の場合は、3.６×１０6 回の加減
算、2.４×１０6 回の乗算、1.２×１０6 回の開平演算
が必要となる。従って、Hough 変換対象の画素は少ない
方が演算量が少ない。請求項４及び５に示した雑音除
去、孤立点除去処理を全く行わないと、実施例の画像の
場合、Hough 変換対象の画素値１の画素数が約１７１０
０画素発生する。これに請求項４の雑音除去手段を付加
すると、約３０００画素まで少なくなり、約5.６倍処理
速度が向上する。さらに、請求項５の孤立点除去処理を
加えると、約１２００画素になり、１４倍以上処理速度
が向上する。雑音除去手段、孤立点除去手段処理は１×
１０6 回レベルの処理で、１０画素分のHough 変換程度
の演算量しか必要としないので効果は大きい。以上詳細
に説明したように、この発明は半導体ウェハパターンの
ような複雑な背景情報をもつ画像に対して、Hough 変換
とWavelet 変換を中心とした画像処理を組み合わせた装
置を構成することにより、欠陥の位置と大きさを自動的
に検出することが可能となり、欠陥検出性能の面から
も、処理速度の面からもその効果は大である。
の両素数に比例する。画素値１の画素１個に円のHough
変換を適用する場合、演算量は検出する円の半径に比例
し、例えばｒ＝１０の場合は、3.６×１０6 回の加減
算、2.４×１０6 回の乗算、1.２×１０6 回の開平演算
が必要となる。従って、Hough 変換対象の画素は少ない
方が演算量が少ない。請求項４及び５に示した雑音除
去、孤立点除去処理を全く行わないと、実施例の画像の
場合、Hough 変換対象の画素値１の画素数が約１７１０
０画素発生する。これに請求項４の雑音除去手段を付加
すると、約３０００画素まで少なくなり、約5.６倍処理
速度が向上する。さらに、請求項５の孤立点除去処理を
加えると、約１２００画素になり、１４倍以上処理速度
が向上する。雑音除去手段、孤立点除去手段処理は１×
１０6 回レベルの処理で、１０画素分のHough 変換程度
の演算量しか必要としないので効果は大きい。以上詳細
に説明したように、この発明は半導体ウェハパターンの
ような複雑な背景情報をもつ画像に対して、Hough 変換
とWavelet 変換を中心とした画像処理を組み合わせた装
置を構成することにより、欠陥の位置と大きさを自動的
に検出することが可能となり、欠陥検出性能の面から
も、処理速度の面からもその効果は大である。
【図１】Ａ，Ｂ及びＣはそれぞれ請求項１，２及び３の
処理フローチャート。
処理フローチャート。
【図２】Ａ，Ｂ及びＣはそれぞれ請求項４，５及び６の
処理フローチャート。
処理フローチャート。
【図３】Ａは請求項７，８，９，１１の処理フローチャ
ート、Ｂ及びＣはそれぞれ請求項１０及び１２の処理フ
ローチャート。
ート、Ｂ及びＣはそれぞれ請求項１０及び１２の処理フ
ローチャート。
【図４】円のHough 変換の説明に供する図で、Ａは
（ｘ，ｙ）画像空間上の円、Ｂは（ａ，ｂ，ｒ）パラメ
ータ空間上のHough 曲線を示す。
（ｘ，ｙ）画像空間上の円、Ｂは（ａ，ｂ，ｒ）パラメ
ータ空間上のHough 曲線を示す。
【図５】Ａはサンプル「家」の原画像、ＢはＡの画像に
ｘ軸方向のウェーブレット変換を施した画像。
ｘ軸方向のウェーブレット変換を施した画像。
【図６】図５Ｂの画像にｙ軸方向のウェーブレット変換
を施した画像。
を施した画像。
【図７】半導体画ウェハ画像を模したサンプル画像。
【図８】図７の画像に二次元ウェーブレット変換を施し
た画像。
た画像。
【図９】図８の縦線検出成分（右上の部分）に二値化処
理を適用した画像。
理を適用した画像。
【図１０】図８の縦線検出成分（右上の部分）に絶対値
二値化処理を適用した画像。
二値化処理を適用した画像。
【図１１】この発明の実施例を示すブロック図。
【図１２】この発明の他の実施例を示すブロック図。
【図１３】この発明のさらに他の実施例を示すブロック
図。
図。
【図１４】入力画像であるウェハパターンのＳＥＭ画
像。
像。
【図１５】図１４を二次元ウェーブレット変換した画
像。
像。
【図１６】図１５の縦線検出成分（右上）を絶対値二値
化処理した画像。
化処理した画像。
【図１７】図１６を孤立点除去処理した画像。
【図１８】図１７に円のHough 変換を適用したｒ＝８０
に対するａ−ｂ平面上の画像。
に対するａ−ｂ平面上の画像。
【図１９】図１８を二値化処理した画像。
【図２０】請求項１２で導入した重複検出除去手段で行
われる処理のフローチャート。
われる処理のフローチャート。
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 ＦＩ Ｈ０１Ｌ 21/66 Ｈ０１Ｌ 21/66 Ｊ Ｇ０６Ｆ 15/62 ４０５Ａ
Claims (12)
- 【請求項１】 画像を用いて対象物の検査や認識や判断
を行う画像情報処理装置であって、 入力デジタル画像データに対して、二次元ウェーブレッ
ト変換する二次元ウェーブレット変換手段と、 二次元ウェーブレット変換によって得られた、縦線検出
成分、横線検出成分に対してしきい値処理を適用して縦
線検出成分と横線検出成分の二値画像を作成する二値化
処理手段と、 二値化処理手段によって得られた二値画像に対してハフ
(Hough) 変換を適用して検出対象物の位置と大きさを求
めるハフ(Hough) 変換手段と、 を具備することを特徴とする画像情報処理装置。 - 【請求項２】 請求項１記載の画像情報処理装置におい
て、 前記 Hough変換手段によって得られたパラメータ空間の
画像にしきい値処理を適用して、特定の図形情報を検出
する二値化処理手段を具備することを特徴とする画像情
報処理装置。 - 【請求項３】 請求項２記載の画像情報処理装置におい
て、 前記 Hough変換結果を二値化処理したパラメータ空間の
二値画像に対して、隣接する活性画像に同じラベルをつ
けてグループ化するラベリング処理手段と、 ラベリング処理によって得られた各ラベルの重心座標を
求める重心算出手段と、 を具備することを特徴とする画像情報処理装置。 - 【請求項４】 請求項１ないし３のいずれかに記載の画
像情報処理装置において、 入力デジタル画像に対して、局所的な雑音除去を行う雑
音除去手段を具備することを特徴とする画像情報処理装
置。 - 【請求項５】 請求項４記載の画像情報処理装置におい
て、 二次元ウェーブレット変換結果に前記二値化処理手段を
適用した後の縦線検出成分と横線検出成分の二値画像に
対して、孤立している活性画像を除去する孤立点除去手
段を具備することを特徴とする画像情報処理装置。 - 【請求項６】 請求項１ないし５のいずれかに記載の画
像情報処理装置において、 二次元ウェーブレット変換結果に対する前記二値化処理
手段は二次元ウェーブレット変換結果の絶対値に対して
しきい値処理を行う絶対値二値化処理手段であることを
特徴とする画像情報処理装置。 - 【請求項７】 請求項１ないし６のいずれかに記載の画
像情報処理装置において、 前記 Hough変換手段は特に円の中心のｘｙ座標と半径を
検出する Hough変換手段であることを特徴とする画像情
報処理装置。 - 【請求項８】 請求項１ないし７のいずれかに記載の画
像情報処理装置において、 前記 Hough変換手段は二次元ウェーブレット変換の縦線
検出成分と横線検出成分に対応する２つの二値画像を同
じパラメータ空間に Hough変換する手段であることを特
徴とする画像情報処理装置。 - 【請求項９】 請求項１ないし７のいずれかに記載の画
像情報処理装置において、 前記 Hough変換手段は二次元ウェーブレット変換の縦線
検出成分と横線検出成分に対応する二値画像のどちらか
一方のみに対する Hough変換手段であることを特徴とす
る画像情報処理装置。 - 【請求項１０】 請求項９に記載の画像情報処理装置に
おいて、 二次元ウェーブレット変換の縦線成分と横線成分の各エ
ネルギーを計算するエネルギー算出手段を具備し、エネ
ルギーが低い方の成分に対応する二値画像に対して前記
Hough変換手段を適用することを特徴とする画像情報処
理装置。 - 【請求項１１】 請求項７に記載の画像情報処理装置に
おいて、 円の Hough変換によるパラメータ空間に対する前記二値
化処理手段の二値化しきい値が半径パラメータの大きさ
に対応して変化するしきい値であることを特徴とする画
像情報処理装置。 - 【請求項１２】 請求項３ないし１１のいずれかに記載
の画像情報処理装置において、 複数の検出対象物が位置的に重複したときに、重複を取
り除く重複検出除去手段を具備することを特徴とする画
像情報処理装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP28309297A JP3435684B2 (ja) | 1997-09-30 | 1997-09-30 | 画像情報処理装置 |
| US09/163,809 US6292583B1 (en) | 1997-09-30 | 1998-09-30 | Image information processing apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP28309297A JP3435684B2 (ja) | 1997-09-30 | 1997-09-30 | 画像情報処理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH11110561A true JPH11110561A (ja) | 1999-04-23 |
| JP3435684B2 JP3435684B2 (ja) | 2003-08-11 |
Family
ID=17661122
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP28309297A Expired - Fee Related JP3435684B2 (ja) | 1997-09-30 | 1997-09-30 | 画像情報処理装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US6292583B1 (ja) |
| JP (1) | JP3435684B2 (ja) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002021111A1 (fr) * | 2000-09-05 | 2002-03-14 | Komatsu Denshi Kinzoku Kabushiki Kaisha | Appareil d'inspection de la surface de plaquettes, procede d'inspection de la surface de plaquettes, appareil d'estimation de plaquettes defectueuses, procede d'estimation de plaquette defectueuse et appareil de traitement d'informations sur la surface de plaquettes |
| JP2002082064A (ja) * | 2000-09-05 | 2002-03-22 | Komatsu Electronic Metals Co Ltd | 不良ウエハの判定装置及び判定方法 |
| JP2002082063A (ja) * | 2000-09-05 | 2002-03-22 | Komatsu Electronic Metals Co Ltd | ウエハの表面検査装置及び検査方法 |
| JP2002107310A (ja) * | 2000-09-29 | 2002-04-10 | Komatsu Electronic Metals Co Ltd | ウエハ表面情報処理装置 |
| KR100362355B1 (ko) * | 2000-09-29 | 2002-11-23 | 박성모 | 이산 웨이브렛 변환용 프로세서 |
| JP2007141176A (ja) * | 2005-11-22 | 2007-06-07 | Iix Inc | ノイズ低減回路及びノイズ低減方法 |
| WO2008072693A1 (ja) * | 2006-12-14 | 2008-06-19 | Nippon Electric Glass Co., Ltd. | 板ガラス欠陥検出装置、板ガラスの製造方法、板ガラス物品、板ガラスの良否判定装置及び板ガラスの検査方法 |
| CN105447956A (zh) * | 2015-11-06 | 2016-03-30 | 东方通信股份有限公司 | 一种拼接纸币的检测方法 |
| US9646221B2 (en) | 2013-07-24 | 2017-05-09 | Nec Corporation | Image recognition apparatus and storage medium |
| US11461889B2 (en) | 2019-11-12 | 2022-10-04 | Nuflare Technology, Inc. | Pattern inspection apparatus and pattern inspection method |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6785411B1 (en) * | 1999-08-05 | 2004-08-31 | Matsushita Electric Industrial Co., Ltd. | Image analyzing apparatus and image analyzing method |
| US7050621B2 (en) * | 2000-01-13 | 2006-05-23 | Minolta Co., Ltd. | Specified pattern detecting apparatus |
| JP2004193956A (ja) * | 2002-12-11 | 2004-07-08 | Konica Minolta Holdings Inc | 画像処理装置、画像処理方法、画像処理プログラムおよび画像記録装置 |
| US7680357B2 (en) * | 2003-09-09 | 2010-03-16 | Fujifilm Corporation | Method and apparatus for detecting positions of center points of circular patterns |
| US7623723B2 (en) * | 2003-11-26 | 2009-11-24 | GE Medical Systems Global Technology Com. | Method for random point and patterned noise reduction in digital images |
| JP4428067B2 (ja) * | 2004-01-28 | 2010-03-10 | ソニー株式会社 | 画像照合装置、プログラム、および画像照合方法 |
| US7373277B1 (en) | 2004-03-09 | 2008-05-13 | Kla-Tencor Technologies Corp. | Methods and systems for detection of selected defects particularly in relatively noisy inspection data |
| KR100846633B1 (ko) * | 2006-11-09 | 2008-07-16 | 삼성전자주식회사 | 패턴 결함 검출 방법 및 장치 |
| KR101404401B1 (ko) * | 2009-01-29 | 2014-06-05 | 닛본 덴끼 가부시끼가이샤 | 특징량 선택 장치 |
| DE102009041183A1 (de) * | 2009-09-11 | 2011-03-24 | Carl Zeiss Imaging Solutions Gmbh | Verfahren zum automatischen Fokussieren eines Mikroskops auf ein vorbestimmtes Objekt sowie Mikroskop zum automatischen Fokussieren |
| JP2012049381A (ja) * | 2010-08-27 | 2012-03-08 | Toshiba Corp | 検査装置、及び、検査方法 |
| US10102619B1 (en) | 2011-03-28 | 2018-10-16 | Hermes Microvision, Inc. | Inspection method and system |
| US9349069B2 (en) | 2011-11-21 | 2016-05-24 | Analog Devices, Inc. | Dynamic line-detection system for processors having limited internal memory |
| CN102496021A (zh) * | 2011-11-23 | 2012-06-13 | 南开大学 | 基于小波变换的图像二值化方法 |
| CN102841220B (zh) * | 2012-07-16 | 2014-10-01 | 天津城市建设学院 | 一种基于孔隙率的黏土扫描电镜照片图像分割方法 |
| US9355440B1 (en) | 2012-10-10 | 2016-05-31 | Kla-Tencor Corp. | Detection of selected defects in relatively noisy inspection data |
| WO2014205632A1 (en) * | 2013-06-24 | 2014-12-31 | Adobe Systems Incorporated | Gravity point drawing method |
| US9442077B2 (en) | 2013-08-28 | 2016-09-13 | Kla-Tencor Corp. | Scratch filter for wafer inspection |
| CN103604812A (zh) * | 2013-10-23 | 2014-02-26 | 上海华力微电子有限公司 | 一种晶片宏观缺陷多点定位方法 |
| EP4148667A1 (en) * | 2021-09-10 | 2023-03-15 | Aptiv Services Poland S.A. | Method and apparatus for processing an image of a road to identify a region of the image which represents an unoccupied area of the road |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6434202A (en) * | 1987-07-30 | 1989-02-03 | Kubota Ltd | Working wagon of automatic conduct type |
| US5418892A (en) * | 1993-01-12 | 1995-05-23 | Board Of Trustees Of The Leland Stanford Junior University | Subspace-based line detection |
| JP2835274B2 (ja) * | 1994-02-24 | 1998-12-14 | 株式会社テック | 画像認識装置 |
| JPH07299053A (ja) * | 1994-04-29 | 1995-11-14 | Arch Dev Corp | コンピュータ診断支援方法 |
| US5576548A (en) * | 1995-06-05 | 1996-11-19 | University Of South Florida | Nuclear imaging enhancer |
-
1997
- 1997-09-30 JP JP28309297A patent/JP3435684B2/ja not_active Expired - Fee Related
-
1998
- 1998-09-30 US US09/163,809 patent/US6292583B1/en not_active Expired - Fee Related
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4733820B2 (ja) * | 2000-09-05 | 2011-07-27 | Ｓｕｍｃｏ Ｔｅｃｈｘｉｖ株式会社 | 不良ウエハの判定装置及び判定方法 |
| JP4733252B2 (ja) * | 2000-09-05 | 2011-07-27 | Ｓｕｍｃｏ Ｔｅｃｈｘｉｖ株式会社 | ウエハの表面検査装置及び検査方法 |
| JP2002082063A (ja) * | 2000-09-05 | 2002-03-22 | Komatsu Electronic Metals Co Ltd | ウエハの表面検査装置及び検査方法 |
| WO2002021111A1 (fr) * | 2000-09-05 | 2002-03-14 | Komatsu Denshi Kinzoku Kabushiki Kaisha | Appareil d'inspection de la surface de plaquettes, procede d'inspection de la surface de plaquettes, appareil d'estimation de plaquettes defectueuses, procede d'estimation de plaquette defectueuse et appareil de traitement d'informations sur la surface de plaquettes |
| US7383156B2 (en) * | 2000-09-05 | 2008-06-03 | Sumco Techxiv Kabushiki Kaisha | Apparatus for inspecting wafer surface, method for inspecting wafer surface, apparatus for judging defective wafer, method for judging defective wafer, and apparatus for processing information on wafer surface |
| JP2002082064A (ja) * | 2000-09-05 | 2002-03-22 | Komatsu Electronic Metals Co Ltd | 不良ウエハの判定装置及び判定方法 |
| KR100362355B1 (ko) * | 2000-09-29 | 2002-11-23 | 박성모 | 이산 웨이브렛 변환용 프로세서 |
| JP2002107310A (ja) * | 2000-09-29 | 2002-04-10 | Komatsu Electronic Metals Co Ltd | ウエハ表面情報処理装置 |
| JP2007141176A (ja) * | 2005-11-22 | 2007-06-07 | Iix Inc | ノイズ低減回路及びノイズ低減方法 |
| KR101475310B1 (ko) * | 2006-12-14 | 2014-12-22 | 니폰 덴키 가라스 가부시키가이샤 | 판유리 결함 검출 장치, 판유리 제조 방법, 판유리 물품, 판유리의 양부 판정 장치 및 판유리 검사 방법 |
| WO2008072693A1 (ja) * | 2006-12-14 | 2008-06-19 | Nippon Electric Glass Co., Ltd. | 板ガラス欠陥検出装置、板ガラスの製造方法、板ガラス物品、板ガラスの良否判定装置及び板ガラスの検査方法 |
| US9646221B2 (en) | 2013-07-24 | 2017-05-09 | Nec Corporation | Image recognition apparatus and storage medium |
| CN105447956A (zh) * | 2015-11-06 | 2016-03-30 | 东方通信股份有限公司 | 一种拼接纸币的检测方法 |
| US11461889B2 (en) | 2019-11-12 | 2022-10-04 | Nuflare Technology, Inc. | Pattern inspection apparatus and pattern inspection method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3435684B2 (ja) | 2003-08-11 |
| US6292583B1 (en) | 2001-09-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3435684B2 (ja) | 画像情報処理装置 | |
| CN109978839B (zh) | 晶圆低纹理缺陷的检测方法 | |
| CN108805023B (zh) | 一种图像检测方法、装置、计算机设备及存储介质 | |
| EP3176751B1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
| JP4154374B2 (ja) | パターンマッチング装置及びそれを用いた走査型電子顕微鏡 | |
| JP4601134B2 (ja) | 形状特徴に基づく欠陥検出の方法及び装置 | |
| JP4172761B2 (ja) | 欠陥検査装置、欠陥検査方法およびプログラム | |
| JP4776308B2 (ja) | 画像欠陥検査装置、画像欠陥検査システム、欠陥分類装置及び画像欠陥検査方法 | |
| US20050238248A1 (en) | Image processing apparatus using morphology | |
| KR20090066212A (ko) | 결함 검출 방법 및 결함 검출 장치 | |
| JP2006098152A (ja) | 欠陥検出装置および欠陥検出方法 | |
| CN109584215A (zh) | 一种电路板在线视觉检测*** | |
| US9715724B2 (en) | Registration of CAD data with SEM images | |
| JPH05209844A (ja) | 配線パターン検査装置 | |
| CN117689716B (zh) | 板件视觉定位识别抓取方法、控制***及板件生产线 | |
| JP4801697B2 (ja) | 画像形成方法，画像形成装置、及びコンピュータプログラム | |
| JPH10171996A (ja) | 画像内粒状点検出方法 | |
| Saad et al. | Automatic semiconductor wafer image segmentation for defect detection using multilevel thresholding | |
| JP2004296592A (ja) | 欠陥分類装置、欠陥分類方法およびプログラム | |
| JP4404276B2 (ja) | 画像情報処理装置、画像情報処理方法及び記録媒体 | |
| JP2011196982A (ja) | 欠陥検出方法、欠陥検出装置、及びプログラム | |
| JPH0743252B2 (ja) | 配線パターン検査装置 | |
| Abdelhameed et al. | A robust methodology for solder joints extraction | |
| Zhou et al. | A fast algorithm for detecting die extrusion defects in IC packages | |
| JP3113039B2 (ja) | 形状検査装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20030422 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |