CN100555327C - 检测缺陷的方法和系统 - Google Patents
检测缺陷的方法和系统 Download PDFInfo
- Publication number
- CN100555327C CN100555327C CNB038031973A CN03803197A CN100555327C CN 100555327 C CN100555327 C CN 100555327C CN B038031973 A CNB038031973 A CN B038031973A CN 03803197 A CN03803197 A CN 03803197A CN 100555327 C CN100555327 C CN 100555327C
- Authority
- CN
- China
- Prior art keywords
- window
- symmetry
- image
- database
- accompanying
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 104
- 230000002950 deficient Effects 0.000 title claims abstract description 92
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000012360 testing method Methods 0.000 claims description 127
- 238000003860 storage Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 10
- 230000000052 comparative effect Effects 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 3
- 238000007639 printing Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 50
- 230000007547 defect Effects 0.000 description 46
- 230000014509 gene expression Effects 0.000 description 21
- 238000006073 displacement reaction Methods 0.000 description 12
- 238000004519 manufacturing process Methods 0.000 description 7
- 239000004065 semiconductor Substances 0.000 description 7
- 238000013519 translation Methods 0.000 description 7
- 210000004556 brain Anatomy 0.000 description 6
- 238000007689 inspection Methods 0.000 description 5
- 235000012431 wafers Nutrition 0.000 description 5
- 208000037656 Respiratory Sounds Diseases 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- ORQBXQOJMQIAOY-UHFFFAOYSA-N nobelium Chemical compound [No] ORQBXQOJMQIAOY-UHFFFAOYSA-N 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012956 testing procedure Methods 0.000 description 1
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/68—Analysis of geometric attributes of symmetry
-
- 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
Abstract
本发明公开了一种检测缺陷的方法和系统,该方法包括如下的步骤:识别在目标图像内的理论上对称的窗;根据理论上对称的窗的预期的对称性分析理论上对称的窗;和根据与预期的对称性的偏差确定缺陷的存在。
Description
技术领域
一般地说所公开的技术涉及检测缺陷的方法和系统,具体地说涉及在半导体制造过程中检测缺陷的方法和系统。
背景技术
照相掩模或光掩模用于制造大规模集成(LSI)半导体电路、非常大规模集成(VLSI)半导体电路或超大规模集成(ULSI)半导体电路的制造过程中。晶片的制造通常要求使用多个不同的照相掩模,每个掩模将不同地压印在晶片上。所有的这些照相掩模都可以反复使用以制造许多晶片。一般地,根据预定的图形以图形压印照相掩模。本领域的普通技术人员应该理解的是压印在照相掩模上的图形应该与预定图形基本相同。照相掩模图形与预定的图形的任何偏差都将构成缺陷,并且使该照相掩模有缺陷。注意,使用有缺陷的照相掩模将产生有缺陷的晶片。
因此,重要的是检测这种缺陷。在发现缺陷时,要么丢弃照相掩模要么分析该缺陷以确定是否能够修补。因此,检查系统不应该报告“错误的缺陷”(即报告一个没有缺陷的照相掩模有缺陷)也是重要的。
半导体芯片正变得越来越复杂,结构越来越紧凑,尺寸越来越小,因此更容易产生缺陷。检测缺陷的常规的方法通常包括几种不同的测试步骤。
在光掩模中的缺陷形式有“孔”(针孔)、“裂纹”、斑点等。在制造、处理或运输的过程中都可能将缺陷带入掩模中。因此,在制造后必须检查掩模的缺陷并在此后例行地检查。
集成电路照相掩模检查方法通常可以划分为模具至模具法和模具至数据库法。在模具至模具的检查中,比较照相掩模中被认为是相同的两部分(模具图形),在它们的之间的显著差别表示在一个模具图形中可能存在缺陷。这种检查基于假设在两个模具中出现相同的缺陷的可能性非常低。在发现缺陷时,与第三模具图形的比较可以指示原来的两个模具中的哪个模具是有缺陷的。
在模具至数据库法中,表示正确(无缺陷)的照相掩模的图像存储在数据库中。比较照相掩模模具图形的数据库图像和实际的图像,在其间存在显著的差别指示可能存在缺陷。
美国专利US3,972,616(授予给Minami等人,题为“Apparatus forDetecting the Defects of the Mask Pattern Using Spatial Filtering”)涉及一种用于模具至数据库缺陷检查的设备。在所公开的设备中,被检查的照相掩模的部分通过每个都具有不同的颜色的相干光源和非相干光源同时照亮。图像通过空间滤光器并投影在显示屏上。空间滤光器对应于正确的照相掩模图形的傅立叶频谱。该滤光器具有波长选择性,因此它仅滤去了相干光的波长的光。因此,该滤光器以相干光源的颜色使缺陷显示在显示屏上。由于它的波长的选择性,滤光器通过了大部分来自非相干光源的光。因此,照相掩模的部分的整个图像被以非相干光的颜色显示。这种以一种颜色显示缺陷和以另一种颜色同时显示掩模的整个部分使得能够定位在照相掩模中的缺陷的位置。
美国专利US4,559,603(授予给Yoshiwaka,题为“Apparatus forInspecting a Circuit Pattern Drawn on a Photomask Used inManufacturing Large Scale Integrated Circuits”)涉及一种用于模具至数据库照相掩模检查的设备。在光掩模上绘制的电路放在X-Y台面上,并被照亮。线性图像传感器测量通过照相掩模透射的光并产生模拟的测量信号。这些信号被转换为表示多等级的灰度图像的数字信号。同时,激光干涉仪测量系统精确地监测台面相对于照相掩模的位置。使用参考时钟图像传感器与台面位置测量同步。使用台面位置坐标产生参考图像。由于这些坐标通常不是整数个像素,因此通过与预定函数卷积平移参考图像。将参考数据和来自图像传感器的实际图像数据进行比较并报告缺陷。
美国专利US4,579,455(授予给Levy等人,题为“PhotomaskInspection Apparatus and Method with Improved Defect Detection”)涉及一种执行光掩模的模具至模具检查的设备和方法。检查两个模具图形以揭示在它们之间的差别。两个数字化的图像传感器和两个存储器用于产生照相掩模的两个模具图形的像素表示。在任何给定时刻,每个存储器包含被检查的模具的7×7像素部分的像素表示。缺陷检测器确定两个表示是否匹配。缺陷检测器通过检验被检查的部分的不同的可能的对准考虑高达两个像素的模具的失配。如果被检查的可能的对准没有一个匹配,则该系统报告在一个模具图形的对应位置上有缺陷。
Chen等人的题为“Anomaly Detection through Registration”的文章涉及一种执行活的生物的被检查器官的医疗图像的对准的方法。Chen描述了在大脑中的畸形的检测的方法。这个方法使用这样的事实:正常的大脑相对于它的中心线基本对称。该检查过程包含在大脑的图像和相对于中心线翻转的相同图像之间对准。对准过程包含一个图像的像素(图形元)的变形,这使该图像匹配。因此,如果在大脑图像和翻转的大脑图像之间的对准产生了显著的像素变形,则得出在被检查的大脑中存在畸形的结论。
发明内容
所公开的技术的目的是提供一种用于检测在图像中的不规则性的新颖的方法和系统,它克服了已有技术的缺陷。根据所公开的技术,由此提供了一种检测在图像中的不规则性的方法。该方法包括如下的步骤:识别在图像内的理论上对称的单元,根据它们的理论对称性分析理论上对称的单元,以及根据与理论对称性的偏差确定缺陷的存在。
附图说明
通过下文结合附图的详细描述将会更加完整地理解所公开的技术,在附图中:
附图1所示为数据库图像的示意性说明;
附图2所示为被检查的目标图像的示意性说明;
附图3A所示为附图2的窗的左窗部分的示意性说明,包括左单元部分;
附图3B所示为根据所公开的技术的一种实施例构造的翻转的图像的示意性说明,它是附图2的窗的右窗部分的翻转形式;
附图3C所示为根据所公开的技术的另一实施例构造的不同的图像的示意性说明,
附图4所示为数据库图像的示意性说明;
附图5所示为被检查的目标图像的图像的示意性说明;
附图6A所示为附图5的窗的示意性说明,包括目标图像单元;
附图6B所示为根据所公开的技术的进一步的实施例构造的旋转的图像的示意性说明,它是附图6A的窗的旋转形式;
附图6C所示为根据所公开的技术的另一实施例构造的绝对差值图像的示意性说明;
附图7A所示为附图5的另一窗的示意性说明,包括另一目标图像单元;
附图7B所示为根据所公开的技术的进一步的实施例构造的经处理的图像的示意性说明,它是附图5的另一窗的经处理的形式;
附图7C所示为根据所公开的技术的另一实施例构造的绝对差值图像的示意性说明;
附图8A所示为底层数据库图像的示意性说明;
附图8B所示为顶层数据库图像的示意性说明;
附图8C所示为综合的数据库图像的示意性说明;
附图9所示为表示两层物理目标的目标图像的示意说明;
附图10A所示为附图9的底部目标图像窗的示意说明,包括附图9的目标图像单元;
附图10B所示为根据所公开的技术的进一步的实施例构造的翻转的图像的示意性说明,它是附图9的上部目标图像窗的翻转形式;
附图10C所示为根据所公开的技术的另一实施例构造的绝对差值图像的示意性说明;
附图11所示为根据所公开的技术的进一步实施例构造并操作的缺陷检测系统的示意性说明;
附图12所示为根据所公开的技术的另一实施例操作附图11的系统的方法的示意性说明;
附图13所示为根据所公开的技术的进一步实施例附图12的方法的数据库图像分析步骤的详细说明;
附图14所示为根据所公开的技术的进一步实施例分析附图12的方法的理论上对称窗的步骤的详细说明;
附图15A所示为从附图2的目标图像中获取的区域的示意性说明,包括对称性测试窗;
附图15B所示为根据附图15A的对称性测试窗形成的绝对差值图像的示意性说明;
附图15C所示为附图15A的区域的示意性说明,包括另一对称性测试窗;
附图15D所示为根据附图15C的对称性测试窗形成的绝对差值图像的示意性说明;
附图15E所示为附图15A的区域的示意性说明,包括另一对称性测试窗;
附图15F所示为根据附图15E的对称性测试窗形成的绝对差值图像的示意性说明;
附图15G所示为附图15A的区域的示意性说明,包括另一对称性测试窗;
附图15H所示为根据附图15G的对称性测试窗形成的绝对差值图像的示意性说明;
附图15I所示为附图15A的区域的示意性说明,包括对称性测试窗430,它具有最佳实现的对称性;
附图15J所示为根据附图15J的对称性测试窗形成的绝对差值图像的示意性说明;
附图16所示为根据所公开的技术的进一步实施例识别附图12的方法的理论上对称的窗的步骤的详细说明;
附图17所示为根据所公开的技术的另一实施例的附图16的方法的对准步骤的详细说明;
附图18所示为根据所公开的技术的进一步实施例附图16的方法的基于对称的最佳步骤的示意性说明;
附图19所示为根据所公开的技术的另一实施例在附图16的方法的插值步骤中使用的表示与对称性的偏离相对于水平移位的方案的示意性说明;
附图20A所示为代表目标图像区的像素阵列的示意性说明;
附图20B所示为根据所公开的技术的进一步实施例构造的平移的像素阵列的示意性说明。
具体实施方式
所公开的技术通过使用对称性分析提供一种在半导体制造过程中检测缺陷的新颖的方法和系统克服了已有技术的缺点。
在下文的描述中使用下面的术语:
·目标图像-表示物理目标的图像。这种目标可以是掩模、模具、织物等。
·数据库图像-已经存储在数据库中的图像。数据库图像可以通过计算机化设计工具可视地产生或者从任何来源比如照相机、扫描器等获取。
·图像单元-可与图像的其它区域区别开的一个图像部分。
·缺陷-图像单元的缺失部分、或者冗余的图像单元或者它的一部分。
·区域-图像的任何部分。
·窗-特别选择的用于检测其中的特性的区域。在与下文的描述相关的附图中,窗通过带孔的线指示。
·像素-图形单元,它是图像的基本可视单位。
·处理-对图像或区域执行的数学或物理操作,比如旋转、翻转、放大等或它们的任何组合。
·图像(或区域)的处理形式-通过已有的图像的处理而形成的图像。
。对称性测试窗-特别选择用于检测其对称特性或与对称特性的偏差的窗。
·对称相似性-两个图像的特性,其中一个图像通过面向(即针对)对称的处理和至少一个可选择的处理可以从另一图像中形成,该后一个处理是从预定的一组处理或其组合中选择的。
·理论上对称的窗-假设在其中没有存在缺陷时,期望与它们相应的数据库图像窗具有相同的对称特性的窗。
·理论上对称类似的窗-假设在其中没有存在缺陷时,期望具有对称类似性的窗。
·理论上相同的窗-假设在其中没有存在缺陷,期望是相同的窗。
·对准-一种处理,其中将第一图像(或区域)的每个部分与第二图像的相应部分关联,由此确定相关的函数。这个对准处理也可以称为“将第一图像与第二图像对准”。
·轴向对称-图像(或区域)的特性,可以通过对称线将该图像划分为两侧,其中该图像一侧是另一侧的镜像图像。
·旋转对称-图像(或区域)的特性,其中图像的至少一部分可以绕轴线旋转,由此变得与图像的至少另一部分相同。这个轴线称为旋转轴,并且图像旋转的角度称为旋转角。
·轴线旋转对称-图像(或区域)的特性,其中图像的至少一部分可以旋转并翻转,由此变得与图像的至少另一部分相同。
在下文的描述和相关的附图中,窗、部分、区域和对称线都在附图中示出,其仅用于解释的目的,不在实际的图像中出现。
现在参考附图1,附图1所示为数据库图像的示意性说明,以参考标号100总体地表示。数据库图像100代表预定的电路图形,它要压印在照相掩模或模具上。在附图1和后面的某些附图中,阴影区表示非零强度的区域,而空白区表示零或接近零的强度的区域。数据库图像100包括在其中的不同的位置上设置的数据库图像单元102、104和106。
数据库图像单元102由矩形窗110包围并由垂直的对称线112分割。数据库图像单元102和窗110都相对于对称线112对称。对称线112将窗110划分为左窗部分120和右窗部分122。左窗部分120和右窗部分122具有均等的面积。
进一步参考附图2,附图2所示为被检查的目标图像的示意性说明,以参考标记130总体地表示。目标图像130可以表示照相掩模、标线模具(reticle die)、织物、经印制的材料等,它也可以表示在数据库图像100中。可替换的是,目标图像130可以是数据库图像100的再现。目标图像130包括目标图像单元132、134和136。附图1的数据库图像单元102、104和106在数据库图像100(附图1)中分别表示目标图像单元132、134和136。目标图像130进一步包括接近目标图像单元132的缺陷138。
在目标图像中比如在用于制造半导体芯片的照相掩模中的缺陷可能具有“孔”(针孔)、“裂纹”、斑点等形式。在制造、处理或运输的步骤中都可能将缺陷带入掩模中。因此,在制造后必须检查掩模的缺陷并在此后例行地检查。根据所公开的技术的一方面,通过检查它的目标图像来检查掩模。
目标图像单元132和缺陷138由矩形窗140包围。垂直对称线142将窗140划分为左窗部分144和右窗部分146。左窗部分144和右窗部分146具有相等的面积。目标图像单元132相对于对称线142对称。对称线142将目标图像单元132划分为左单元部分148和右单元部分150。缺陷138位于右窗部分146中。
数据库图像100的窗110(附图1)相应于在目标图像130中的窗140。因此,窗140的大小和位置可以从在数据库图像100中的窗110(附图1)中导出。由于窗110相对于对称线112对称,因此窗140也是对称的,但是却相对于对称线142对称,以上假设在其中不存在缺陷。
进一步参考附图3A、3B和3C。附图3A所示为左窗部分144(附图2)的示意性说明,包括左单元部分148。附图3B所示为根据所公开的技术的实施例构造的翻转图像的示意性说明,以参考标记146F总体地表示,它是右窗部分146(附图2)的翻转形式。附图3C所示为根据所公开的技术构造的差值图像的示意性说明,以参考标号160总体地表示。
参考附图3B,通过水平翻转右窗部分146(即绕它的轴线142旋转)形成翻转图像146F。翻转图像146F包括翻转的右单元部分150F和翻转的缺陷138F。翻转的右单元部分150F和翻转的缺陷138F分别是右单元部分150和缺陷138(附图2)的水平翻转形式。
注意,根据所公开的技术的缺陷检测步骤以计算机化的方式以数学方法执行处理(即,翻转、旋转、放大等)。因此,检测步骤产生了计算机化的处理图像,而不产生实际的处理图像。可替换的是,检测步骤可以存取通过处理函数要处理的图像(例如,其中水平翻转表示为f(x,y)=(-x,y),这里(x,y)定义在要翻转的图像中的每个点的坐标,以Y轴定义对称线)。例如,该步骤可以使用右窗部分146(附图2)的数据存取翻转的图像146F。然而,处理的图像可以在显示器上提供给用户。
参考附图3C,差值图像160包括检测区162和空白区164。空白区164在差值图像160中具有分别与在左窗部分144(附图3A)和在翻转的图像146F中的左单元部分148(附图3A)和翻转的右单元部分150F(附图3B)相同的几何轨迹。空白区164具有零强度。缺陷区162与在翻转图像146F中的翻转缺陷138F具有差值图像160相同的几何轨迹。缺陷区162具有非零的强度。
差值图像160通过在翻转的图像146F(附图3B)和左窗部分144(附图3A)之间执行减法操作形成。在两个图像之间的减法操作包括从第二图像的相应的像素中减去第一图像的每个像素的强度值。从数学方面讲,减法操作的简单形式是Is(x,y)=I2(x,y)-I1(x,y),其中x和y指示所选择的像素的坐标,I1(x,y)、I2(x,y)、Is(x,y)分别指示第一图像、第二图像和差值图像的强度值。注意,如上文关于处理的描述,数学地执行减法操作,而不形成实际的差值图像。在差值图像160中,从在翻转的图像146F(附图3B)中具有非零强度的翻转缺陷138F中减去在左窗部分144(附图3A)的零强度区(未示),由此产生了在缺陷区162中的非零强度。从也具有非零强度的翻转的右单元部分150F中减去具有非零强度的左单元部分148产生了在空白区164中的接近零的强度。
注意,在差值图像中的像素的强度Is(x,y)一般为正、负或零。在本实例中,差值图像160的强度值都是正或零。然而,如果翻转的图像146F(附图3B)从左窗部分144(附图3A)中减去,则差值图像将包括负值。
为检测缺陷,根据预定的标准检查差值图像160。在差值图像160中存在具有非零强度的区域,则表示在翻转的图像146F(附图3B)和左窗部分144(附图3A)中的相应的区域在它们的强度上不同。这个差值的存在可能是由于在右窗部分146中或在左窗部分144中的缺陷的缘故。因此,缺陷检测的预定的标准例如可以是差值图像160的重要部分具有非零强度,可替换地是差值图像160的部分强度高于预定的正阈值水平或者低于负阈值水平,等。如果差值图像符合预定的标准,则在左窗部分144和翻转的图像146F之间存在显著的差别,这指示可能存在缺陷。因此,所公开的技术的方法得出的结论是在这些区域中的一个区域中存在缺陷。另外也可应用其它的缺陷检测步骤。
可替换的是,可以使用绝对减法操作,产生绝对差值图像而不是差值图像160。在两个图像之间的绝对减法操作包括获取在每个像素的图像强度值I之间的绝对差值。数学表达式|I1(x,y)-I2(x,y)|确定了这种绝对减法的简单形式,其中x和y表示所选择的像素的坐标,I1(x,y)和I2(x,y)分别表示第一和第二图像的强度值。例如,如果图像为像素强度值为0和1的二进制图像,则绝对减法操作与XOR操作(即,XOR操作由1XOR0=0XOR1=1;1XOR1=0XOR0=0)相同。注意,与普通的减法相反,绝对减法操作相对于操作数的顺序对称(即,在第一图像和第二图像之间的绝对减法的结果与在第二图像和第一图像之间的绝对减法的结果相同)。还应该注意,绝对差值图像包括零强度区和正强度区。因此,在绝对差值图像中的缺陷检测的标准例如可以是图像的重要部分为正,可替换的是,图像的某些部分的强度超过预定的正阈值水平等。例如,绝对差值的加权总和可用作缺陷检测的标准。因此,给图像的每个部分指定预定的权重。在每个部分的绝对差值乘以它的相应的权重并将所得的乘积相加。将该总和与预定的阈值水平进行比较以确定是否存在缺陷。
在本实例中,由于差值图像160仅具有正和零强度,因此差值图像和绝对差值图像基本相同。然而,如果翻转的图像146F(附图3B)从左窗部分144(附图3A)中减去,则差值图像包括负和零强度,同时绝对差值仍然包括正和零强度。
注意,在差值图像160中以及在其它的差值图像中和在下文示出的绝对差值图像中,假设在目标图像中的非零强度的区域具有均匀或近似均匀的强度,因此减去非零强度将产生零或近似零强度。进一步应该注意的是,术语“近似零强度区域”、“零强度区域”和“空白区域”在此可互换地使用,意思都是“零或近似零强度区域”。
例如,均匀的非零强度的假设在二进制图像中是有效的,其中具有非零的强度的所有区域都具有完全相同的强度。这个假设在非二进制图像中也可能是有效的,其中所比较的非零区域是相同的目标图像单元的不同部分,或者不同的目标图像单元的区域。但该假设在边缘附近可能是无效的,在边缘中强度可能以连续的方式极大的变化。所公开的技术解决了这种通过应用插值带来的无效,这将结合附图19、20和20B进行描述。
根据所公开的技术的缺陷检测解决了对称性的不同类型,比如相对于水平、垂直或对角轴线的轴向对称、旋转对称及其组合等。现在参考附图4,附图4所示为数据库图像的示意性说明,以参考标号170总体地表示。数据库图像170表示压印在物理目标上的预定的电路图形,其中该图形包含具有旋转对称的单元和具有轴向旋转对称的单元。数据库图像170包括分布在其中的不同位置上的数据库图像单元172、176、178和180。数据库图像单元172、176、178和180分别由窗184、186、188和181包围。
数据库图像单元178与数据库图像单元176相同,如果水平翻转和逆时针旋转角度β1,其中在本实例中,β1=45度。数据库图像单元180相对于以183表示的与图像纸面垂直的轴线旋转对称,即在图像纸面中的数据库图像单元180绕轴线183旋转γ1=180度(顺时针或逆时针),导致数据库图像单元180的原始和旋转形式相同。注意,数据库图像单元180也具有轴向对称,即与在图像纸面中的轴线183交叉的任何分界线例如185将单元180分为两半,由此每半与另一图像相对于两个竖直轴的两次翻转形式相同。数据库图像单元172包括矩形部分174、顶右角增强部分176、顶左角增强部分178、底左角增强部分180和底右角增强部分182。角增强部分176、178、180和182已经增加到数据库图像单元172中以便校正可能发生在晶片的制造过程中的角落圆化现象。数据库图像单元172具有绕垂直于图形纸面的以173指示的轴线旋转对称性,旋转角度α1=90度(顺时针或逆时针)。注意,数据库图像单元172相对于垂直、水平和对角对称线也具有轴向对称性。
进一步参考附图5,附图5为以190总体地表示的被检查的目标图像的示意性说明。目标图像190包括目标图像单元192、196、198和199。目标图像单元192、196、198和199分别通过数据库图像单元172、176、178和180表示在数据库图像170(附图4)中。目标图像190进一步包括缺陷200。在本实例中,通过缺陷200界定的区域应该已具有与目标图像单元198相同的特性。
目标图像单元192、196、198和199分别由窗204、206、208和211包围。如果逆时针旋转角度α2,其中角度α2与附图4的角度α1是相同的角度,目标图像单元194与目标图像单元192相同。根据数据库图像170(附图4)的分析,如果水平翻转和逆时针旋转角度β2=β1,目标图像单元198应该与目标图像单元196相同。然而,在目标图像单元198和196之间的基于对称的比较不应该产生这种同一性,因为目标图像单元198包括缺陷200。目标图像199绕竖直轴193旋转对称,在旋转角度γ2=γ1时,与关于对数据库图像单元180绕轴线185的旋转的解释类似。
窗204、206、208和211分别通过窗184、186、188和181表示在数据库图像170(附图4)中。因此,窗204、206、208和211的大小和位置可以分别从窗184、186、188和181的大小和位置中导出。
由于窗184以旋转角度α1旋转对称,窗202和204以旋转角度α2=α1旋转对称,其中假设不存在缺陷的话。因此,顺时针旋转窗184角度α2应该导致在窗184的原始和旋转形式之间的完全同一性。
由于窗186和188以旋转角度β1轴向旋转对称,窗206和208以旋转角度β2=β1轴向旋转对称,其中假设不存在缺陷的话。因此顺时针旋转窗208角度β2,然后水平翻转它,应该形成与窗206相同的窗。由于窗181以旋转角度γ1旋转对称,窗211以旋转角度γ2=γ1轴向旋转对称,假设不存在缺陷的话。因此,旋转窗211角度γ2应该导致在窗211的原始和旋转形式之间的完全同一性。
进一步参考附图6A、6B和6C。附图6A所示为包括目标图像单元192的窗204(附图5)的示意性说明。附图6B所示为根据所公开的技术的进一步实施例构造的以参考标号204R总体表示的作为窗204(附图5)的旋转形式的旋转图像的示意性说明。附图6C所示为根据所公开的技术的另一实施例构造的以参考标号210总体地表示的绝对差值图像的示意性说明。
参考附图6B,通过顺时针旋转窗204(附图6)角度α2形成旋转的图像204R。旋转的图像204R包括旋转的目标图像单元192R。旋转的目标图像单元192R是目标图像单元192(附图6A)的旋转形式。
参考附图6C,通过在窗204(附图6A)和旋转的图像204R(附图6B)之间的绝对减法形成绝对差值图像210。绝对差值图像210包括空白区212。
空白区212、目标图像单元192和旋转的目标图像单元192R在绝对差值图像210中、在窗204中和在旋转的图像204R中分别具有相同几何轨迹。目标图像单元192和旋转的目标图像单元192R具有非零强度。因此,空白区212在绝对差值图像210中具有零强度。为确定是否存在缺陷,以与附图3的差值图像160类似的步骤检查绝对差值图像210。
进一步参考附图7A、7B和7C。附图7A所示为窗206(附图5)的示意性说明,它包括目标图像单元196。附图7B所示为根据所公开的技术的进一步实施例构造的以参考标号208RF总体地表示的处理的图像的示意性说明,它是窗208(附图5)的被处理形式。附图7C所示为根据所公开的技术的另一实施例构造的以参考标号220总体地表示的绝对差值图像的示意性说明。
参考附图7B,通过顺时针旋转窗208(附图5)角度β2然后水平地翻转它形成经处理的图像208RF。经处理的图像208RF包括经处理的目标图像单元198RF。经处理的目标图像单元198RF是目标图像单元198(附图5)的旋转和翻转形式。经处理的图像208RF进一步包括经处理的缺陷200RF。经处理的缺陷200RF是缺陷200(附图5)的旋转和翻转表示。
参考附图7C,通过在窗206(附图7A)和经处理的图像208RF(附图7B)之间的绝对减法形成绝对差值图像220。绝对差值图像220包括空白区224和缺陷区222。
空白区224在窗220中具有与在经处理的窗208RF中的经处理的目标图像单元198RF相同几何轨迹。在窗220中的空白区224的几何轨迹包括在窗206中的目标图像单元196的几何轨迹中。目标图像单元196和经处理的目标图像单元198RF具有非零强度。因此,空白区224具有零强度。
缺陷区222在窗220中具有与在经处理的图像208RF中的经处理的缺陷200RF相同几何轨迹。在绝对差值图像220中的缺陷区224的几何轨迹包含在窗206中的目标图像单元196的几何轨迹中。目标图像单元196具有非零强度。经处理的缺陷200RF具有零强度。因此,缺陷区224具有非零强度。
因此以与附图3对差值图像160应用的类似步骤检查绝对差值图像220以确定是否存在缺陷。
根据所公开的技术的另一方面,基于对称性的缺陷检测步骤应用于组合层,这种组合层一起具有对称性,但不必分别具有对称性。现在参考附图8A、8B和8C。附图8A所示为以参考标号230总体地表示的底层数据库图像窗的示意性说明。附图8B所示为以参考标号240总体地表示的顶层数据库图像的示意性说明。附图8C所示为以参考标号250总体地表示的综合的数据库图像的示意性说明。
参考附图8A,底层数据库图像230表示要压印到两层的目标的底层上的预定的电路图形。底层数据库图像230包括分布在其中的不同位置上的数据库图像单元232和234。
参考附图8B,顶层数据库图像240表示在已经压印的底层的顶上作为两层的目标中的顶层压印的预定的电路图形。顶层数据库图像240包括数据库图像单元242。
参考附图8C,综合的数据库图像250表示由底层数据库图像230(附图8A)和顶层数据库图像240(附图8B)形成的图像。综合的数据库图像250包括数据库图像单元232和242。在目标图像单元242内的区域262与在底层数据库图像230(附图8A)中的图像单元234具有相同的几何轨迹。注意,区域262不出现在实际的数据库图像中,因为数据库图像单元242隐藏了数据库图像单元234。
水平对称线256将综合的数据库图像250划分为具有相等的面积的上数据库图像部分252和下数据库图像部分254。综合的数据库图像250相对于对称线256对称。
进一步参考附图9,附图9所示为以参考标号270总体地表示的代表两层物理目标的目标图像的示意性说明。目标图像270包括分布在其中的不同位置上的目标图像单元272和274。目标图像单元272和274分别通过目标图像单元232和242表示在综合的数据库图像250(附图8C)中。目标图像270进一步包括缺陷276,它是目标图像单元272的裂纹。在本实例中,通过缺陷276界定的面积应该与目标图像单元198具有相同的特性。缺陷276将目标图像单元272划分为第一目标图像单元部分278和第二目标图像单元部分280。
区域288指示在目标图像单元部分280中。区域288是通过在附图8A的底层数据库图像230中的图像单元234表示的目标图像单元的几何轨迹。注意,区域288没有出现在实际的目标图像中,因为目标图像单元272的目标图像单元部分280隐藏了在区域288中的目标图像单元。
水平对称线286将目标图像270划分为具有相等的面积的上目标图像部分282和下目标图像窗284。上目标图像部分282和下目标图像窗284分别通过在综合的数据库图像250(附图8C)中的上数据库图像部分252和下数据库图像部分254表示。因此,上目标图像部分282和下目标图像窗284的大小和位置分别从上数据库图像部分252和下数据库图像部分254的大小和位置中导出。因为综合的数据库图像250相对于对称线256对称,因此目标图像270相对于对称线286应该对称,其中假设不存在缺陷的话。
进一步参考附图10A、10B和10C。附图10A所示为包括目标图像单元274(附图9)的下目标图像窗284的示意性说明。附图10B所示为根据所公开的技术的进一步实施例构造的以参考标号282F总体地表示的翻转的图像的示意性说明,它是上目标图像窗282(附图9)的翻转形式。附图10C所示为根据所公开的技术的另一实施例构造的以参考标号290总体地表示的绝对差值图像的示意性说明。
参考附图10B,通过垂直地翻转目标图像部分282(附图8C)形成翻转的图像282F。翻转的图像282F包括翻转的目标图像单元272F。翻转的目标图像单元272F是目标图像单元272(附图8C)的翻转形式。翻转的图像282F进一步包括翻转的缺陷276F。翻转的缺陷是缺陷276(附图8C)的翻转形式。翻转的缺陷276F将翻转的目标图像单元272F划分为翻转的目标图像单元278F和280F,它们分别是目标图像单元部分278和280(附图8C)的翻转形式。
参考附图10C,通过在目标图像窗284(图10A)和翻转的图像282F(附图10B)之间执行绝对减法形成绝对差值图像290。绝对差值图像290包括空白区292和294和缺陷区296。空白区292和294在绝对差值图像290中分别具有与在翻转图像282F中的翻转部分278F和280F相同的几何轨迹。空白区292和294的几何轨迹包含在目标图像窗284(附图10A)中的目标图像单元274的几何轨迹中。翻转的目标图像单元部分278F和274F和目标图像单元274具有非零强度。因此,空白区292和294具有零强度。缺陷区296与在翻转图像282F(附图10B)中的翻转缺陷276F具有相同的几何轨迹。缺陷区296包含在目标图像窗284中的目标图像单元274的几何轨迹中。翻转的缺陷276F具有零强度。目标图像单元274具有非零强度。因此,缺陷区296在绝对差值图像290中具有非零强度。以与在附图3的差值图像160中应用的步骤类似的步骤检查绝对差值图像290以确定是否存在缺陷。
现在参考附图11,它是根据所公开的技术的进一步实施例中的操作构造的以参考标号300总体地表示的缺陷检测系统的示意性说明。系统300包括数据库302、图像扫描器304、存储单元306、处理器308和人机界面310。
处理器308与人机界面310连接,并具有存储单元306和数据库302。图像扫描器304与存储单元306和物理目标312耦合。被检查的物理目标312可以是光掩模、标线模具、织物等。
数据库302包含已经压印在被检查的物理目标312上的数据库图像的图像数据。处理器308从数据库302中下载数据库图像并分析它以确定它的对称特性。注意,分析结果可以存储在与原始数据库图像关联的数据库302中。
图像扫描器304光学扫描物理目标312,形成相应的数据库图像并将目标图像存储在存储单元306中。处理器308根据数据库图像的对称性分析将缺陷分析步骤应用到存储在存储单元306中的目标图像中。缺陷分析步骤包括几个阶段,比如使目标图像和数据库图像对准、定位具有对称性的区域并确定这些区域是否具有该对称性,由此指示可能的缺陷。
进一步参考附图12,附图12所示为根据所公开的技术的另一实施例操作的附图11的操作系统300的方法的示意性说明。在步骤320中,分析数据库图像,由此识别其中的对称窗。对称的数据库图像窗是具有各种类型的对称性的窗或其组合,可以是单独的窗或被认为是一组窗。例如,参考附图1和4,数据库图像窗140(附图1)单独具有轴向对称性,而窗186和188(附图4)在被看作一对窗时具有轴向旋转对称性。在附图5中所示窗181的实例包含绕轴线183的180度的旋转对称性。应该理解的是旋转对称性一般不局限于90或180度,在其它的情况下可能涉及要求非矩形对称的区或窗的对称性。也要注意,对称性仅涉及目标图像的部分,因此目标图像的其余部分不因对称性请求而被处理。例如,在单元的形状是圆形的情况下,存在无穷多个旋转对称。类似地,大约N个正多边形界定了N-1个不同的旋转对称,每个间隔360/N度。
在附图11所示的实例中,处理器308从数据库302中接收数据库图像并识别其中的对称窗,使用在本领域中公知的方法识别图像的对称性。处理器308将所检测的对称窗的坐标和与其对称特性相关的其它的数据存储在存储单元306中。可替换地,数据库302可以已经包含在对称数据(即对称单元或区域的坐标和对称特性)。在这种情况下,处理器308从数据库302中下载对称性数据。
在步骤322中,扫描物理目标,由此形成目标图像。在附图11所示的实例中,图像扫描器304光学地扫描物理目标312。系统300将所采集的目标图像存储在存储单元306中。目标图像可以是根据各种图像压缩格式中的任何格式压缩的彩色位图、灰度位图、二进制位图等。
在步骤324中,根据对称数据库图像窗在目标图像中识别理论上对称的窗。理论上对称的窗的坐标从它们的相应的数据库图像对称窗的坐标中确定。在附图1和2中所示的实例中,目标图像窗140识别为理论上对称的窗,它的坐标从数据库图像窗110的坐标中导出。
在步骤326中,根据它们的预期对称性分析被检测的理论上对称的窗。在附图2、3A、3B和3C所示的实例中,通过形成差值图像160(附图3C)并检测其中的非零区分析窗140(附图2)。
在步骤328中,根据与预期的对称性的偏差确定缺陷的存在。将分析形式步骤326的结果与预定的阈值或阈值进行比较。如果与预期的对称性的偏差超过预定的阈值,则缺陷检测系统报告被怀疑的缺陷。另外,该系统可能进行到其它的缺陷检测方法或其它的对称窗。
注意,在附图12所示的方法可以重复不止一次,它的步骤可以重复或以不同的顺序执行或并行地执行。例如,参考附图11,图像扫描器300可以动态地检查物理目标312(即在存储单元306和处理器308没有存储并分析整个数据库图像和目标图像所要求的存储器空间或处理能力的情况下)。因此,在该步骤的每个阶段中,图像扫描器304扫描物理目标312的一部分并将所扫描的图像部分作为目标图像存储在存储单元306中。处理器308从数据库302中下载相应的图像部分作为数据库图像。处理器308对存储的目标图像执行检查。图像扫描器304然后进行到扫描物理目标312的另一部分。
根据所公开的技术的另一方面,使用对称的数据库图像单元识别对称的数据库图像窗。因此,首先识别对称的数据库图像单元,然后根据这些对称的数据库图像单元识别对称窗。
现在参考附图13,它是根据所公开的技术的进一步实施例的附图12的方法的步骤320的详细说明。注意,下文在检测单个数据库图像单元的对称性的情况下讨论附图13的方法,但参考检测数据库图像单元组的对称性可以应用类似的方法。因此,在作为一组时具有对称性的数据库图像单元组首先被识别,然后从其中导出相应的对称窗组。此外,单个的单元和单元组的对称性检测方法的组合也可以应用。
下文在像素映射的数据库图像的情况下讨论附图13的方法。像素映射图像是通过二维像素阵列和它们相应的视觉特性(例如强度值、色度值等)表示的图像,比如灰度图、二进制位图、彩色图等。为了说明的目的,在所公开的技术的情况中所讨论的图像是单色的(即灰度或二进制像素图)。然而,注意,数据库图像可以以各种格式存储。例如,数据库图像可以作为单元图存储,包括单元列表、它们的坐标和它们的特性。进一步还要注意,附图13的方法和它们的步骤进一步可以包括附加的步骤比如平滑数据库图像以减小噪声、将数据库图像转换为不同的格式(例如转换为像素、扫描线符或矢量表示,改变分辨率、强度频谱、像素大小或色彩表示)等。附图13所示的方法及其步骤可以重复不止一次,并且它的步骤可以以不同的顺序执行或并行执行。
在步骤330中,识别数据库图像单元。使用在本领域中公知的用于识别在像素图形中的图像单元的方法识别该单元。例如,可以将在数据库图像中的接近的形状或连续强度的区域识别为数据库图像单元。
在步骤332中,确定数据库图像单元的对称特性和尺寸。使用该对称性检测的方法测试单元以确定所显示的对称性类型(例如水平、垂直、旋转对称或其组合)和与其关联的参数(例如对称线的坐标或旋转角度)。注意,已知数据库图像单元的尺寸,由此仅确定了它的对称特性。可替换的是,已知单元的对称特性,在这种情况下仅确定了它的尺寸。进一步注意,步骤332可以进一步包括确定数据库图像单元的其它的特性,比如色彩表示和强度频谱。
在步骤334中,识别数据库图像单元的相应的对称的数据库图像窗。对称的数据库图像窗包括至少一部分数据库图像单元和与其相邻的区域,并具有与相应的数据库图像单元相同的对称特性。注意,仅对具有某些类型的对称性的那些单元要求步骤334。
根据数据库图像单元的坐标和特性以及根据预定的标准确定对称的数据库图像窗的坐标。例如,可以将对称的数据库图像窗确定为包围该数据库图像单元并具有所检测的对称特性的最大可能的窗。
现在参考附图14,它是根据所公开的技术的另一实施例的附图12的方法的步骤326的详细说明。注意,附图14的步骤重复多次,对每个理论上对称的窗或窗组重复一次。进一步注意,在分别具有对称性的数据库图像窗和它们相应的理论上对称的窗的情况下讨论附图14的步骤。注意,可以应用类似的步骤测试在窗组中的对称性。
在步骤350中,理论对称地类似的窗和与其相关的处理可以从理论上对称的窗中识别。在附图2所阐述的实例中,左窗部分144和右窗部分146识别为理论对称地类似的区域,与其关联的处理识别为水平翻转。在附图5所阐述的实例中,根据将其识别为旋转180度的处理,将目标图像窗211识别为相对它自己具有对称类似性。
在步骤352中,处理至少一个理论上对称地类似的窗,由此形成了理论上相同的窗。根据与它的预期的相似性关联的处理来处理理论上对称地类似的窗。在附图2、3A和3B中阐述的实例中,在理论上相同的图像的左窗部分144的图像和翻转的图像146F都从在理论上对称地类似的区域的窗部分144和146中形成。
在步骤354中,将理论上相同的窗进行比较,由此形成比较结果。比较结果指示理论上对称地相同的窗与其实际相同的程度。因此,比较结果指示理论上对称的窗与其在多大程度上实际对称。参考附图3A、3B和3C,差值图像160从理论上相同的图像144和146中形成,并检测在其中的非零区域的存在。
注意步骤352和354可以并入在单个的步骤中,其中数学地执行处理,并在理论上对称地类似的窗的相应的像素之间直接进行比较而不形成理论上相同的窗。
根据所公开的技术的另一方面,在优化的过程中在目标图像中识别理论上对称的窗和相应的理论上对称地类似的窗。该过程包含查找近似理论上对称的窗的目标图像窗,并细化这种近似。优化过程产生最佳的对称性测试窗,然后将其识别为理论上对称的窗。在后面的实例中,优化过程仅确定理论上对称的窗的坐标。然而,注意可以确定理论上对称的窗的其它特性。例如,与理论上对称的窗相应的理论上对称地类似的窗的坐标可以以类似的优化过程确定。
现在参考附图15A、15B、15C、15D、15E、15F、15G和15H。附图15A是从附图2的目标图像130中获取的以参考标号360总体地表示的区域的示意性说明,它包括对称性测试窗362。附图15B是根据对称性测试窗362(附图15A)形成的以参考标号370总体地表示的绝对差值图像的示意性说明。附图15C是包括对称性测试窗380的区域360(附图15A)的示意性说明。附图15D是根据对称性测试窗380(附图15C)形成的以参考标号390总体地表示的绝对差值图像的示意性说明。附图15E是包括对称性测试窗400的区域360(附图15A)的示意性说明。附图15F是根据对称性测试窗400(附图15E)形成的以参考标号410总体地表示的绝对差值图像的示意性说明。附图15G是包括对称性测试窗420的区域360(附图15A)的示意性说明。附图15H是根据对称性测试窗420(附图15G)形成的以参考标号425总体地表示的绝对差值图像的示意性说明。附图15I是包括对称性测试窗430的并具有最佳实现的对称性的区域360(附图15A)的示意性说明。附图15J是根据对称性测试窗430(附图15I)形成的以参考标号435总体地表示的绝对差值图像的示意性说明。
参考附图15A,区域360包括目标图像单元132、缺陷138(附图2)和对称性测试窗362。对称性测试窗362用于水平对称性测试。目标图像单元132相对于对称线142(附图2)对称。对称线368将对称性测试窗362划分为左窗部分364和右对称窗366。左右窗部分364和366具有相等的面积。对称线368从对称线142显著地偏移到左边,因此,对称性测试窗362相对于对称线368不对称。
参考附图15B,以如在附图3A、3B和3C中所示的步骤类似的步骤,通过在右窗部分366(附图15A)和左窗部分364的水平翻转形式(未示)之间执行绝对减法操作形成绝对差值图像370。绝对差值图像370包括非零区372。参考附图15A,非零区372在绝对差值图像370中的几何轨迹包括在右窗部分366中的目标图像单元132的几何轨迹中。因为在左窗部分364的翻转形式中的相应的区域具有零强度,因此非零区域372具有非零强度,表示在对称性测试窗362中的非对称性。
参考附图15C,区域360包括目标图像单元132、缺陷138(附图2)和对称性测试窗380。对称性测试窗380相对于在区域360中的对称性测试窗362(附图15A)向右偏移一个长度单元。例如,长度单元可以是单个像素的长度。
对称性测试窗380用于水平对称性测试。对称线386将对称性测试窗380划分为具有相等的面积的左窗部分382和右对称窗384。对称线368从对称线142稍稍地偏移到左边。
参考附图15D,通过在右窗部分384(附图15A)和左窗部分382(图15A)的水平翻转形式(未示)之间执行绝对减法操作形成绝对差值图像390。绝对差值图像390包括非零区392、394和缺陷区396。非零区392和394和缺陷区396具有非零强度。参考附图15C,非零区392和394在绝对差值图像390中具有与在右窗部分384中的图像单元132一部分相同的几何轨迹。因为在左窗部分382的水平翻转形式中的相应的区域具有零强度,因此区域392和394具有非零强度。缺陷396在绝对差值图像390中与在右窗部分384中的缺陷138具有相同的几何轨迹。因为在左窗部分382的水平翻转形式中的相应的区域具有零强度,因此区域396具有非零强度。
在绝对差值图像390中的非零区392和394和缺陷区396的存在指示在对称性测试窗380中的非对称性。然而,在绝对差值图像390中的非零区392和394和缺陷区396的组合的面积显著地小于在绝对差值图像370(附图15B)中的非零区372的面积。这表明对称性测试窗380比对称性测试窗362(附图15A)显著地接近水平对称。
参考附图15E,区域360包括目标图像单元132、缺陷138(附图2)和对称性测试窗400。对称性测试窗400在区域360相对于对称性测试窗380(附图15C)朝右偏移一个长度单元。对称性测试窗400用于水平对称性测试。对称线406将对称性测试窗400划分为具有相等的面积的左窗部分402和右对称窗404。对称线406从对称线142稍稍地偏移到右边。
参考附图15F,通过在右窗部分404(附图15A)和左窗部分402(图15A)的水平翻转形式(未示)之间执行绝对减法操作形成绝对差值图像410。绝对差值图像410包括非零区412、414、非零缺陷区416和空白缺陷区418。参考附图15E,非零区412和414的几何轨迹包括在左窗部分402中的目标图像单元132的几何轨迹中。在右窗部分404中的相应区域具有零强度,因此区域412和414具有非零强度。非零缺陷区416的几何轨迹包括在右窗部分404中的缺陷138的几何轨迹中。在左窗部分402中的相应区域具有零强度,因此非零缺陷区具有非零强度。空白缺陷区的几何轨迹包括在目标图像单元132的几何轨迹中,但也包括在右窗部分404的缺陷138的几何轨迹中,因此空白缺陷区418具有零强度。
在绝对差值图像410中的非零区412、414和416的存在表示对称性测试窗400中的非对称性。非零区412的组合的面积大于在绝对差值图像390(附图15D)中的非零区392、394和396的组合的面积。这表明对称性测试窗380比对称性测试窗400(附图15C)更接近水平对称。
参考附图15G,区域360包括目标图像单元132、缺陷138(附图2)和对称性测试窗420。对称性测试窗420在区域360相对于对称性测试窗400(附图15E)朝右偏移一个长度单元。对称性测试窗420用于水平对称性测试。对称线423将对称性测试窗420划分为左窗部分421和右对称窗422。左右窗部分421和422具有相等的面积。对称线423从对称线显著地偏移到右边。
参考附图15H,通过在右窗部分422(附图15G)和左窗部分421(图15G)的水平翻转形式(未示)之间执行绝对减法操作形成绝对差值图像425。绝对差值图像425包括非零区426、非零缺陷区427和空白缺陷区428。参考附图15G,非零区428的几何轨迹包括在窗部分421的翻转形式中的目标图像单元132的几何轨迹中。在右窗部分422中的相应区域具有零强度,因此非零区域426具有非零强度。非零缺陷区的几何轨迹包括在右窗部分422中的缺陷138的几何轨迹中。在左窗部分中的相应区域具有零强度,因此非零缺陷区427具有非零强度。空白缺陷区的几何轨迹包括在左窗部分421中的目标图像单元132的几何轨迹中,并且也包括在右窗部分422的缺陷138的几何轨迹中,因此空白缺陷区具有零强度。
在绝对差值图像425中的非零区427和428的组合的面积近似等于在绝对差值图像370(附图15A)中的非零区的组合的面积。这表明对称性测试窗420与对称性测试窗362(附图15A)一样地接近水平对称。
参考附图15I,区域360包括目标图像单元132、缺陷138(附图2)和对称性测试窗430。对称性测试窗430在缺陷区360中相对于对称性测试窗380(附图15C)朝右偏移接近0.25个长度单元。垂直对称线433将对称性测试窗430划分为左窗部分431和右窗部分432。左窗部分431和右窗部分432具有相等的面积。对称线433与对称线142基本一致。对称性测试窗430在给定的缺陷检测系统的限制内具有最佳实现的对称性,因此可用于表示理论上对称的窗。
参考附图15J,绝对差值图像435包括缺陷区436。缺陷区436与在右窗部分432中的缺陷138具有相同的几何轨迹。缺陷区436的面积小于在绝对差值图像370(附图15B)、390(附图15D)、410(附图15F)和425(附图15H)中的每个综合非零强度的面积。
现在参考附图16,所示为根据所公开的技术的进一步实施例附图12的方法的步骤324的详细说明。根据附图16的方法,在优化过程中在目标图像中识别理论上对称的窗。
在步骤440中,将对称的数据库图像窗与目标图像对准,由此识别对称性测试窗。初始对称性测试窗是相应的理论上对称的窗的近似。注意,通过对第一图像的每个部分和第二图像的相应部分进行操作,二进制操作比如减法一般可以在对准的图像中执行。对准过程将参考附图17讨论。
在步骤442中,对称性测试窗通过基于对称的优化细化。基于对称性的优化涉及识别是最接近对称的对称性测试窗。因此,通过选择最小偏离它的预期对称性的对称性测试窗来识别经细化的对称性测试窗。根据附图14的方法以与应用于理论上对称的窗的过程类似的过程确定与对称性的偏差。注意,细化对称性测试窗不限于细化窗坐标,而是一般可以包含细化窗坐标、细化于它的对称特性相关的参数等。
在步骤444中,通过对在基于对称性的优化中计算的结果插值细化对称性测试窗。插值产生了不是用于与对称性的偏差的测试的对称性测试窗,而是根据在步骤442中形成的结果预测给出最佳的结果的对称性测试窗。参考附图15I,通过对来自对称性测试窗362(附图15B)、380(附图15D)、400(附图15F)和420(附图15H)的结果进行插值将对称性测试窗430识别为细化的对称性测试窗。
在步骤446中,所检测的对称性测试窗被识别为理论上对称的窗。理论上对称的窗然后用于步骤326和328(附图12)中以确定缺陷的存在。
注意,根据附图16的方法可以根据检查步骤的准确性和精度考虑一般地应用步骤440、442和444中的任何步骤或其组合,该步骤通常可以以不同的顺序执行。进一步注意,附图16的方法或它的步骤可以进一步包括预处理步骤,比如图像平滑和格式转换。
现在参考附图17,它是根据所公开的技术的另一实施例的附图16的方法的步骤440的详细说明。在下文讨论的实例中,假设对称的数据库图像窗和相应的目标图像窗以类似的方式表示,与其间的可能的移位无关。在这种情况下,通过确定在其间的水平和垂直移位执行数据库图像窗与目标图像对准。
在步骤450中,定义对准评价函数。对准评价函数接收在对称的数据库图像窗和相应的目标图像窗之间的移位作为输入,并输出在下文中称为对称评价值的值,这个值指示它们对准程度如何。例如,对准评价函数可以是在数据库图像窗的像素和目标图像窗的相应的像素之间的强度绝对差值之和。
在步骤452中,识别目标图像窗。初始的目标图像窗可以界定在目标图像中与相应的对称的数据库图像窗的相同的坐标上。随后的目标图像窗通常界定在初始的目标图像窗附近的坐标上。目标图像窗都可以被事先确定,或者基于先前的结果动态地确定它们。
在步骤454中,对准评价值是用于目标图像窗,并且根据对准评价函数产生。注意,可以记录对准评价值以供将来参考。进一步注意,步骤452和454可以连续地重复以多次迭代,每次迭代涉及不同的目标图像窗。此外,对于每个识别的窗,步骤452可以用于多个窗执行,然后执行步骤454。
在步骤456中,识别最佳的目标图像窗。最佳的目标图像窗是产生最佳的对准评价值的窗。例如,如果对准评价函数是强度绝对差值之和,则最佳的目标图像窗是产生最小的绝对差值之和的窗。最佳的目标图像窗然后可以被识别为在附图16的方法的随后的步骤中的初始对称性测试窗。注意,最佳的目标图像窗可以通过差值细化,类似于在下文参考附图19、20A和20B所讨论的差值。
现在参考附图18,附图18是根据所公开的技术的进一步实施例的附图16的方法的步骤442的详细说明。在步骤460中,定义对称评价函数。对称评价函数接收对称性测试窗作为输入,并输出在下文中称为对称评价值的值,这个值指示它们与对称性的偏差。在附图15A、15B、15C、15D、15E、15F、15G、15H、15I和15J所阐述的实例中,对称评价函数可以由A(X)表示,这里X是相对于任何参考点的水平移位。对称评价函数A(X)基于从对称性测试窗的左窗部分和翻转的右窗部分形成的绝对差值图像中的非零区域的存在。例如, 其中i和j是绝对差值图像的水平和垂直坐标,Lij(X)和Rij(X)分别是在左窗部分和右窗部分中具有坐标i和j的像素的强度。
在步骤462中,根据对称评价函数产生对称评价值用于对称性测试窗。在步骤440中识别初始的对称性测试窗。随后的对称性测试窗可以在随后的步骤464中识别。
在步骤464中,在需要时(例如,在对称评价值不满足对称评价标准时,在迭代的最小次数仍然没有达到时,等),在目标图像中识别另一对称性测试窗。在步骤464中识别的对称性测试窗通常界定在步骤440中识别的初始对称性测试窗的坐标附近。对称性测试窗可以都事先确定,或者基于先前的结果动态地确定它们。在执行步骤464之后,该方法进行步骤462。
注意,可以记录对称评价值以供将来参考。进一步注意,对于每个所识别的窗,可以执行步骤464多次,然后执行步骤462。
在附图15A所阐述的实例中,对称性测试窗362(附图15A)被识别为相应的数据库图像窗110(附图1)的初始对称性测试窗,以及对称性测试窗380(附图15C)、400(附图15E)和420(附图15G)被界定在与其紧邻的水平偏移的位置上。
在步骤466中,识别最佳的对称性测试窗。最佳的对称性测试窗是产生最佳的对称评价值的对称性测试窗。然后在附图16的方法的随后的步骤中可以将最佳的对称性测试窗识别为细化的对称性测试窗。在附图15A、15B、15C、15D、15E、15F、15G和15H所阐述的实例中,对称性测试窗400(附图15E)被识别为最佳的对称性测试窗。
现在参考附图19,它是根据所公开的技术的另一实施例并以参考标号500总体地表示的在步骤444(附图16)中使用的方案的示意性说明,它表示相对于水平位移的与对称性的偏差。
方案500表示相对于水平位移X的与对称性的偏差D。根据在步骤442的基于对称性的优化中使用的对称评价函数A(X)界定与对称性的偏差。在方案500中使用从0至100的范围中的偏差单元来说明与对称性的偏差D。用于表示水平移位X的单元是在附图15A、15C、15E和15G中的连续窗之间的水平移位(例如,在附图15A的窗362和附图15C的窗380之间的水平移位)。
方案500包括测试点502、504、506和508、线512和514和插值点510。每个测试点的X-坐标代表在相应的对称性测试窗和对称性测试窗362(它是任意参考)之间的水平移位。每个测试点的D-坐标代表使用对称评价函数计算的与对称性的偏差。测试点502、504、506和508的坐标(X,D)分别是(0,90)、(1,30)、(2,40)和(3,80)。
线512通过测试点502和504。线514通过测试点506和508。在附图19阐述的实例中,所提出的插值基于简单化的假设,即偏差D相对于水平移位在偏差的最小点附近大致分段线性。注意,其它的假设也可以应用。线512和514根据分段线性近似进行插值并在插值点510上的交叉。插值点510的坐标近似(1.25,15)。
插值点510表示产生A(X)的最小值的对称性测试窗的近似。因此,插值点510的X和D坐标分别表示细化的移位和相应的与对称性的偏差的近似。插值点510的D-坐标可以识别为与对称性的偏差并因此在步骤326和328中使用。可替换的是,X-坐标可用于细化对称性测试窗。在方案500中,测试点502、504、506和508分别表示对称性测试窗362(附图15A)、380(附图15C)、400(附图15E)和420(附图15G)。插值点510用于界定对称性测试窗430(附图15I)。
现在参考附图20A和20B。附图20A所示为代表目标图像窗(未示)的以参考标号540总体地表示的像素阵列的示意性说明。附图20B所示为根据所公开的技术的进一步实施例构造的以参考标号580总体地表示的移位的像素阵列的示意性说明。
参考附图20A,像素阵列600包括以参考标号602i总体地表示的多个正方形像素,比如在二维阵列中设置的像素6021、6022和602N。像素6021、6022和602N分别具有(X,Y)坐标(2,3)、(3,3)和(6,3),其中X和Y表示相对于任意参考点的水平和垂直位置。
参考附图20B,移位的像素阵列620表示从由像素阵列600(附图20A)表示的目标图像窗朝右平移0.25个像素的目标图像区(未示)。例如,与在附图19中应用的插值过程类似的插值过程可以将由平移的像素阵列620表示的目标图像窗识别为最佳的对称性测试窗,由此形成平移的像素阵列620用于测试这个目标图像窗的目的。
通过对像素阵列602的强度值进行插值形成平移的像素阵列620,由此近似在从其平移0.25个像素的点上的强度值。在附图20A、20B中阐述的实例在如下的假设下操作:
I(X+0.25,Y)≈I(X,Y)+0.25×(I(X+1,Y)-I(X,Y))
因此,利用简单的线性近似,即:
I(X+0.25,Y)=I(X,Y)+0.25×(I(X+1,Y)-I(X,Y))=0.75×I(X,Y)+0.25×I(X+1,Y)。
例如,像素6221(附图20B)具有(X,Y)坐标(2.25,3),因此,像素6221的强度近似为:
I(2.25,3)=0.75×I(2,3)+0.25×I(3,3)。
由于分别具有坐标(2,3)和(3,3)的像素6021和6022分别具有强度值32和96,因此插值产生了近似的强度值0.75×32+0.25×96=48。
然而,注意可以使用各种其它的近似。因此,近似强度值取决于原始的像素阵列的几个像素的强度值。在数学上, 其中(X′,Y′)是近似的强度的坐标,K(s,t)是预定的加权函数(也称为核函数)。
本领域的普通技术人员将会理解的是所公开的技术并不限于上文具体示出并描述的实施例。所公开的技术的范围以后面附加的权利要求限定。
Claims (36)
1.一种检测缺陷的方法,该方法包括如下的步骤:
识别在目标图像中的理论上对称的窗;
根据所说的理论上对称的窗的预期的对称性来分析所说的理论上对称的窗;和
根据与所说的预期的对称性的偏差来确定缺陷的存在。
2.根据权利要求1所述的方法,其中进一步包括扫描物理目标,由此形成所说的目标图像的预备步骤。
3.根据权利要求1所述的方法,其中进一步包括分析数据库图像,由此识别其中的对称的数据库图像窗的预备步骤,其中根据所说的对称的数据库图像窗来识别所说的理论上对称的窗。
4.根据权利要求2所述的方法,其中进一步包括分析数据库图像,由此识别其中的对称的数据库图像窗的预备步骤,其中根据所说的对称的数据库图像窗来识别所说的理论上对称的窗。
5.根据权利要求3所述的方法,其中所说的分析所述数据库图像的步骤包括如下的步骤:
识别至少一个数据库图像单元;和
为每个所说的至少一个数据库图像单元确定对称的数据库图像窗。
6.根据权利要求5所述的方法,其中所说的分析数据库图像的步骤进一步包括确定所说的数据库图像单元的对称特性的步骤。
7.根据权利要求5所述的方法,其中所说的分析数据库图像的步骤进一步包括确定所说的数据库图像单元的尺寸的步骤。
8.根据权利要求6所述的方法,其中所说的分析所述数据库图像的步骤进一步包括确定所说的数据库图像单元的尺寸的步骤。
9.根据权利要求1所述的方法,其中所说的分析理论上对称的窗的步骤包括如下的步骤:
从所说的理论上对称的窗中识别理论上对称地类似的窗和与其关联的处理;
处理至少一个所说的理论上对称地类似的窗,由此形成多个理论上相同的窗;和
比较其间的所说的理论上相同的窗,由此产生比较结果。
10.根据权利要求3所述的方法,其中所说的识别在目标图像中理论上对称的窗的步骤包括如下的步骤:
在所说的目标图像中对准对称的数据库图像窗,由此识别初始对称性测试窗;和
将所说的对称性测试窗识别为理论上对称的窗。
11.根据权利要求10所述的方法,其中进一步包括细化所说的对称性测试窗的步骤。
12.根据权利要求11所述的方法,其中所说的细化所述对称性测试窗的步骤是根据基于对称性的优化而进行。
13.根据权利要求12所述的方法,其中进一步包括通过对在所述基于对称性的优化中计算出的结果进行插值,来细化所说的对称性测试窗的步骤。
14.根据权利要求10所述的方法,其中所说的在所述目标图像中对准对称的数据库图像窗的步骤包括如下的步骤:
识别目标图像窗;
根据对准评价函数产生用于所说的目标图像窗的对准评价值;和
识别最佳的目标图像窗;
其中连续地重复识别目标图像窗的所述步骤和形成对准评价值的所述步骤的序列,以便多次迭代,每次所说的多次迭代都涉及不同的目标图像窗。
15.根据权利要求14所述的方法,其中所说的在所说的目标图像中对准对称的数据库图像窗的步骤进一步包括定义所说的对准评价函数的预备步骤。
16.根据权利要求12所述的方法,其中所说的细化所述对称性测试窗的步骤包括如下的步骤:
根据对称评价函数产生用于所说的对称性测试窗的对称评价值;和
识别最佳的对称性测试窗。
17.根据权利要求16所述的方法,其中进一步包括在所说的产生对称评价值的步骤之后识别在所说的目标图像中的另一对称性测试窗的步骤,
其中连续地重复识别另一对称性测试窗的所述步骤和形成对称评价值的所述步骤,以便至少一次迭代,所说的至少一次迭代中的每次都涉及不同的对称性测试窗。
18.根据权利要求16所述的方法,其中所说的细化所述对称性测试窗的步骤进一步包括定义所说的对称评价函数的预备步骤。
19.根据权利要求2所述的方法,其中所说的物理目标是照相掩模。
20.根据权利要求2所述的方法,其中所说的物理目标是标线。
21.根据权利要求2所述的方法,其中所说的物理目标是经印制的材料。
22.根据权利要求2所述的方法,其中所说的物理目标是经制造的材料。
23.根据权利要求1所述的方法,其中所说的步骤实时地执行。
24.根据权利要求1所述的方法,其中所说的预期的对称性是轴向的。
25.根据权利要求1所述的方法,其中所说的预期对称性是旋转的。
26.根据权利要求1所述的方法,其中所说的预期对称性是轴向旋转的。
27.一种检测在目标图像中的缺陷的系统,该系统包括;
存储单元,至少存储所说的目标图像的至少一部分;和
与所述存储单元、一数据库和人机界面连接的处理器,
其中所述处理器根据针对从所述数据库获取的数据库图像的至少一部分的分析,在所述数据库图像的至少一部分中识别理论上对称的窗;
其中所述处理器根据与所说的理论上对称的窗的预期的对称特性的偏差,来检测在所说的理论上对称的窗中的缺陷。
28.根据权利要求27所述的系统,其中进一步包括形成所说的目标图像的扫描器。
29.根据权利要求27所述的系统,其中所说的处理器进一步在所说的数据库图像中识别至少一个数据库图像单元;和
其中在所说的数据库图像是对称的时,所说的处理器进一步确定所述至少一个数据库图像单元相应的对称数据库图像窗。
30.根据权利要求29所述的系统,其中所说的处理器进一步确定所说的数据库图像单元的对称特性和尺寸。
31.根据权利要求30所述的系统,其中所说的处理器对准在所说的目标图像中的对称数据库图像窗,由此识别对称性测试窗;和
其中所说的处理器识别所说的对称性测试窗作为理论上对称的窗。
32.根据权利要求31所述的系统,其中所说的处理器进一步细化所说的对称性测试窗。
33.根据权利要求32所述的系统,其中所说的处理器根据基于对称性的优化执行针对所述对称性测试窗的所述细化。
34.根据权利要求33所述的系统,其中所说的处理器通过对在所述基于对称性的优化中所计算出的结果进行插值进一步细化所说的对称性测试窗。
35.根据权利要求33所述的系统,其中所说的处理器通过对在所述基于对称性的优化中所计算出的结果进行插值进一步细化所说的对称性测试窗。
36.根据权利要求27所述的系统,其中所说的存储单元进一步存储所说的数据库。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/072,313 US6735745B2 (en) | 2002-02-07 | 2002-02-07 | Method and system for detecting defects |
US10/072,313 | 2002-02-07 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1628324A CN1628324A (zh) | 2005-06-15 |
CN100555327C true CN100555327C (zh) | 2009-10-28 |
Family
ID=27659446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB038031973A Expired - Fee Related CN100555327C (zh) | 2002-02-07 | 2003-02-04 | 检测缺陷的方法和系统 |
Country Status (6)
Country | Link |
---|---|
US (1) | US6735745B2 (zh) |
JP (1) | JP2006501532A (zh) |
KR (1) | KR100954703B1 (zh) |
CN (1) | CN100555327C (zh) |
AU (1) | AU2003223168A1 (zh) |
WO (1) | WO2003067520A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107209942A (zh) * | 2015-04-20 | 2017-09-26 | 株式会社日立制作所 | 对象检测方法和图像检索系统 |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020016750A1 (en) * | 2000-06-20 | 2002-02-07 | Olivier Attia | System and method for scan-based input, storage and retrieval of information over an interactive communication network |
US20040184653A1 (en) * | 2003-03-20 | 2004-09-23 | Baer Richard L. | Optical inspection system, illumination apparatus and method for use in imaging specular objects based on illumination gradients |
CA2520444A1 (en) * | 2003-03-27 | 2004-10-07 | Mahlo Gmbh & Co. Kg | Method for inspecting the quality criteria of flat textile structures embodied in a multilayer form according to a contour |
US7156311B2 (en) * | 2003-07-16 | 2007-01-02 | Scanbuy, Inc. | System and method for decoding and analyzing barcodes using a mobile device |
US7242816B2 (en) * | 2003-08-11 | 2007-07-10 | Scanbuy, Inc. | Group average filter algorithm for digital image processing |
JP4331558B2 (ja) * | 2003-10-01 | 2009-09-16 | 株式会社日立ハイテクノロジーズ | 被検査物の外観検査方法及び外観検査装置 |
ES2353017T3 (es) * | 2003-12-04 | 2011-02-24 | Scanbuy, Inc. | Algoritmo basado en secciones para la mejora de imágenes. |
US7387250B2 (en) * | 2003-12-04 | 2008-06-17 | Scanbuy, Inc. | System and method for on the spot purchasing by scanning barcodes from screens with a mobile device |
WO2005079306A2 (en) * | 2004-02-13 | 2005-09-01 | University Of Chicago | Method, system, and computer software product for feature-based correlation of lesions from multiple images |
US7296747B2 (en) * | 2004-04-20 | 2007-11-20 | Michael Rohs | Visual code system for camera-equipped mobile devices and applications thereof |
US20050246196A1 (en) * | 2004-04-28 | 2005-11-03 | Didier Frantz | Real-time behavior monitoring system |
IL162650A (en) * | 2004-06-21 | 2014-09-30 | Camtek Ltd | Incorrect unit mapping system for mapping multiple layers of single board and associated method |
EP1617373A1 (en) * | 2004-07-13 | 2006-01-18 | International Business Machines Corporation | Optical surface inspection |
US7309015B2 (en) * | 2004-07-14 | 2007-12-18 | Scanbuy, Inc. | Mobile device gateway providing access to instant information |
US7440091B2 (en) * | 2004-10-26 | 2008-10-21 | Applied Materials, Inc. | Sensors for dynamically detecting substrate breakage and misalignment of a moving substrate |
US7570800B2 (en) * | 2005-12-14 | 2009-08-04 | Kla-Tencor Technologies Corp. | Methods and systems for binning defects detected on a specimen |
JP2007178144A (ja) * | 2005-12-27 | 2007-07-12 | Advanced Mask Inspection Technology Kk | パターン検査装置、パターン検査方法、検査対象試料、及び検査対象試料の管理方法 |
US8160350B2 (en) * | 2006-02-01 | 2012-04-17 | Applied Materials Israel, Ltd. | Method and system for evaluating a variation in a parameter of a pattern |
US8016187B2 (en) * | 2006-02-21 | 2011-09-13 | Scanbury, Inc. | Mobile payment system using barcode capture |
US8150163B2 (en) * | 2006-04-12 | 2012-04-03 | Scanbuy, Inc. | System and method for recovering image detail from multiple image frames in real-time |
US7684609B1 (en) * | 2006-05-25 | 2010-03-23 | Kla-Tencor Technologies Corporation | Defect review using image segmentation |
US7873220B2 (en) * | 2007-01-03 | 2011-01-18 | Collins Dennis G | Algorithm to measure symmetry and positional entropy of a data set |
US8335369B2 (en) * | 2007-02-28 | 2012-12-18 | Taiwan Semiconductor Manufacturing Company, Ltd. | Mask defect analysis |
US8494297B2 (en) | 2007-04-05 | 2013-07-23 | Adobe Systems Incorporated | Automatic detection and mapping of symmetries in an image |
WO2009063295A1 (en) * | 2007-11-12 | 2009-05-22 | Micronic Laser Systems Ab | Methods and apparatuses for detecting pattern errors |
US8276959B2 (en) | 2008-08-08 | 2012-10-02 | Applied Materials, Inc. | Magnetic pad for end-effectors |
KR101013775B1 (ko) * | 2009-08-28 | 2011-02-14 | 재단법인대구경북과학기술원 | 결함 허용 방법 및 시스템 |
JP5783521B2 (ja) * | 2009-11-27 | 2015-09-24 | Ckd株式会社 | 錠剤検査装置及びptp包装機 |
US9665931B2 (en) * | 2011-12-28 | 2017-05-30 | Sunedison Semiconductor Limited (Uen201334164H) | Air pocket detection methods and systems |
US9064332B2 (en) * | 2012-01-12 | 2015-06-23 | Siemens Medical Solutions Usa, Inc. | Fused-image visualization for surgery evaluation |
US20140172144A1 (en) * | 2012-12-17 | 2014-06-19 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Determining Surface Defects |
US9785852B2 (en) * | 2013-11-06 | 2017-10-10 | Xiaomi Inc. | Method, TV set and system for recognizing TV station logo |
GB201519801D0 (en) * | 2015-11-10 | 2015-12-23 | Rolls Royce Plc | Pass fail sentencing of hollow components |
KR102300562B1 (ko) * | 2018-01-25 | 2021-09-13 | 삼성전자주식회사 | 검출 방법, 검출 장치 및 컴퓨터 판독 가능한 저장매체 |
CN116503397B (zh) * | 2023-06-26 | 2023-09-01 | 山东天通汽车科技股份有限公司 | 基于图像数据的车内传输带缺陷检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5325443A (en) * | 1990-07-06 | 1994-06-28 | Westinghouse Electric Corporation | Vision system for inspecting a part having a substantially flat reflective surface |
US5586058A (en) * | 1990-12-04 | 1996-12-17 | Orbot Instruments Ltd. | Apparatus and method for inspection of a patterned object by comparison thereof to a reference |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5324301B2 (zh) * | 1974-09-09 | 1978-07-20 | ||
JPS5963725A (ja) * | 1982-10-05 | 1984-04-11 | Toshiba Corp | パタ−ン検査装置 |
US4579455A (en) * | 1983-05-09 | 1986-04-01 | Kla Instruments Corporation | Photomask inspection apparatus and method with improved defect detection |
US6212089B1 (en) * | 1996-03-19 | 2001-04-03 | Hitachi, Ltd. | Semiconductor memory device and defect remedying method thereof |
JPH04311277A (ja) * | 1991-04-10 | 1992-11-04 | Nec Corp | チップ部品の実装ずれ検査装置 |
US5345514A (en) * | 1991-09-16 | 1994-09-06 | General Electric Company | Method for inspecting components having complex geometric shapes |
US6498685B1 (en) * | 1999-01-11 | 2002-12-24 | Kenneth C. Johnson | Maskless, microlens EUV lithography system |
US6603589B2 (en) * | 2001-11-19 | 2003-08-05 | Tokyo Seimitsu (Israel) Ltd. | Circular scanning patterns |
-
2002
- 2002-02-07 US US10/072,313 patent/US6735745B2/en not_active Expired - Fee Related
-
2003
- 2003-02-04 CN CNB038031973A patent/CN100555327C/zh not_active Expired - Fee Related
- 2003-02-04 JP JP2003566796A patent/JP2006501532A/ja not_active Ceased
- 2003-02-04 AU AU2003223168A patent/AU2003223168A1/en not_active Abandoned
- 2003-02-04 WO PCT/US2003/003490 patent/WO2003067520A1/en active Application Filing
- 2003-02-04 KR KR1020047012231A patent/KR100954703B1/ko not_active IP Right Cessation
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5325443A (en) * | 1990-07-06 | 1994-06-28 | Westinghouse Electric Corporation | Vision system for inspecting a part having a substantially flat reflective surface |
US5586058A (en) * | 1990-12-04 | 1996-12-17 | Orbot Instruments Ltd. | Apparatus and method for inspection of a patterned object by comparison thereof to a reference |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107209942A (zh) * | 2015-04-20 | 2017-09-26 | 株式会社日立制作所 | 对象检测方法和图像检索系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2003067520A1 (en) | 2003-08-14 |
AU2003223168A1 (en) | 2003-09-02 |
US20030149947A1 (en) | 2003-08-07 |
KR100954703B1 (ko) | 2010-04-23 |
KR20040077947A (ko) | 2004-09-07 |
US6735745B2 (en) | 2004-05-11 |
JP2006501532A (ja) | 2006-01-12 |
CN1628324A (zh) | 2005-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100555327C (zh) | 检测缺陷的方法和系统 | |
TW490591B (en) | Pattern inspection apparatus, pattern inspection method, and recording medium | |
US8660336B2 (en) | Defect inspection system | |
JPH1089931A (ja) | パターン検査方法及びその装置並びに半導体ウエハの製造方法 | |
JP2006098152A (ja) | 欠陥検出装置および欠陥検出方法 | |
KR20020074230A (ko) | 직선 라인 결함 탐지 | |
JP2006276454A (ja) | 画像補正方法、およびこれを用いたパターン欠陥検査方法 | |
JP4233556B2 (ja) | 画像補正装置、パターン検査装置、画像補正方法、及び、パターン検査方法 | |
JP4174487B2 (ja) | 画像補正方法 | |
TWI620032B (zh) | 資料修正裝置、描繪裝置、檢查裝置、資料修正方法、描繪方法、檢查方法及記錄媒體 | |
US7151855B2 (en) | Pattern measurement method, manufacturing method of semiconductor device, pattern measurement apparatus, and program | |
EP1104915B1 (en) | Defect detection using gray level signatures | |
CN113994368A (zh) | 图像处理程序、图像处理装置以及图像处理方法 | |
WO2021255819A1 (ja) | 画像処理方法、形状検査方法、画像処理システム及び形状検査システム | |
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 | |
JP2019514012A (ja) | 品物の外観検査装置及びそれを用いた品物の外観検査方法 | |
KR100972640B1 (ko) | 모아레를 이용한 3차원 측정장치의 기준격자 획득방법 및장치 | |
JP3035469B2 (ja) | 歪みの測定方法 | |
JP3424407B2 (ja) | 押込型硬度計 | |
Ceron-Lopez et al. | Realism Assessment for Synthetic Images in Robot Vision through Performance Characterization | |
CN117788438A (zh) | 工业图像检测方法、装置及视觉检测系统 | |
Vergara Villegas et al. | Radial Basis Function Neural Network for the Evaluation of Image Color Quality Shown on Liquid Crystal Displays | |
JP3487963B2 (ja) | 透明物体の検査方法 | |
JP2000161938A (ja) | 描画パターンの検査方法および装置 | |
WO2020188264A1 (en) | Method of measuring an article |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20091028 Termination date: 20110204 |