CN109084721A - 用于确定半导体器件中的目标结构的形貌参数的方法和设备 - Google Patents

Abstract

为了自动、准确地测量半导体器件及其各组成部分的尺寸，本公开提供用于确定半导体器件中的目标结构的相貌参数的方法和设备。其中半导体器件的形貌参数指与半导体器件形貌相关的结构的任意尺寸，包括器件关键尺寸、组成该器件的各部分结构的尺寸、以及相关角度等。用于确定半导体器件中的目标结构的形貌参数的方法包括提供包括与目标结构对应的参考结构的参考图像。该方法还包括基于参考结构的轮廓和包括目标结构的图像，确定目标结构的轮廓。此外，该方法包括基于目标结构的轮廓，确定目标结构的形貌参数。本公开还提供用于确定半导体器件中的目标结构的形貌参数的设备。实施例能够准确地实现对半导体器件的形貌参数的批量测量。

Description

用于确定半导体器件中的目标结构的形貌参数的方法和设备

技术领域

本公开的实施例总体涉及尺寸测量领域，具体涉及用于确定半导体器件中的目标结构的形貌参数的方法和设备。

背景技术

半导体器件的形貌参数的测量，包括器件的关键尺寸、器件总高以及器件各组成部分的尺寸的测量，在半导体制造工艺中有着举足轻重的地位。通过批量测量半导体器件的形貌参数，尤其是关键尺寸，可以统计生产产品的合格率，并且评估半导体器件生产线的工作稳定性。随着半导体技术的不断发展与革新，半导体器件的尺寸变得越来越小，结构变得越来越复杂，诸如鳍式场效应晶体管(FinFET)、Spacer结构和张力硅晶。这为半导体器件形貌参数的测量带来巨大的挑战。

目前，人工测量是在世界范围内广泛使用的半导体器件形貌参数测量方式，其主要是通过高精度的成像设备对半导体器件成像，高精度的成像设备包括但不限于扫描电子显微镜(scanning electron microscopy，SEM)，透射电子显微镜(transmission electronmicroscopy，TEM)，扫描透射电子显微镜(scanning transmission electron microscopy，STEM)及聚焦电子束(focused ion beam，FIB)；再借助于与成像设备配套的软件在半导体器件的图像中的目标结构处画线，通过统计线段上的像素数来计算该目标结构的尺寸的物理长度(目标结构尺寸＝像素数×像素尺寸)。

然而人工测量在测量时间和结果重复性上有很大的局限性。对于一个有经验的测量者，测量一个结构较复杂的透射电子显微镜图像平均需要15分钟。人工测量的结果与测量人员的工作经验、工作时长、个人偏好等主观因素有关。因而不同测量者对同一图像的测量会给出不同的结果；即使是同一测量者对同一图像的多次测量也会有所差异。考虑到人工测量的时间成本大且可重复性差，高效准确的半导体器件形貌参数自动测量设备和方法是目前半导体检测行业所急需的。

发明内容

本公开的目的之一即在于克服或者缓解现有技术中所存在的一个或多个技术问题。为了自动、准确地测量半导体器件的形貌参数，本公开的实施例提供了用于确定半导体器件中的目标结构的形貌参数的方法和设备。

根据本公开的第一方面，提供了用于确定半导体器件中的目标结构的形貌参数的方法。该方法包括提供包括与目标结构对应的参考结构的参考图像。该方法还包括基于参考结构的轮廓和包括目标结构的图像，确定目标结构的轮廓。此外，该方法包括基于目标结构的轮廓，确定目标结构的形貌参数。目标结构的形貌参数是指与目标结构的形貌相关联的任意尺寸，例如半导体器件的目标结构的关键尺寸、总高、总宽、层高、层宽和相关角度(诸如侧壁角)等。

根据本公开的第一方面的实施例，提供包括与目标结构对应的参考结构的参考图像包括：在包括参考结构的图像中获得参考结构的参考轮廓；根据参考轮廓的法线方向上的灰度分布，获得参考结构的轮廓；以及基于参考结构的轮廓从包括参考结构的图像获得参考图像，其中在参考图像中，参考结构的轮廓外部的灰度值为0。

根据本公开的第一方面的实施例，基于参考结构的轮廓和包括目标结构的图像，确定目标结构的轮廓包括：将包括目标结构的图像与参考图像配准；以及通过分析包括目标结构的图像的在参考结构的轮廓的法线方向上的灰度分布，确定目标结构的轮廓。

根据本公开的第一方面的实施例，将包括目标结构的图像与参考图像配准包括：使用参考图像扫描包括目标结构的图像，并且计算参考图像与包括目标结构的图像之间的作为位置和灰度的函数的相关因子；以及如果相关因子的最大值大于或等于阈值，则在相关因子的最大值所处的位置处将参考结构的轮廓叠加在包括目标结构的图像上。

根据本公开的第一方面的实施例，将包括目标结构的图像与参考图像配准还包括：如果相关因子的最大值小于阈值，则更换参考图像。

根据本公开的第一方面的实施例，将包括目标结构的图像与参考图像配准还包括预处理参考图像和包括目标结构的图像中的至少一个，以实现以下各项中的至少一项：参考图像中的参考结构的倾斜角与包括目标结构的图像中的目标结构的倾斜角相等；以及参考图像中的像素尺寸与包括目标结构的图像中的像素尺寸相等。

根据本公开的第一方面的实施例，基于目标结构的轮廓，确定目标结构的形貌参数包括：基于目标结构的轮廓，从包括目标结构的图像获得包括目标结构的目标图像，其中在目标图像中，目标结构的轮廓外部的灰度值为0；以及基于目标图像的灰度分布，确定目标结构的形貌参数。

根据本公开的第二方面，提供了用于确定半导体器件中的目标结构的形貌参数的设备。该设备包括：提供模块，用于提供包括与目标结构对应的参考结构的参考图像；第一确定模块，用于基于参考结构的轮廓和包括目标结构的图像，确定目标结构的轮廓；以及第二确定模块，用于基于目标结构的轮廓，确定目标结构的形貌参数。

根据本公开的第二方面的实施例，提供模块包括：第一获得单元，用于在包括参考结构的图像中获得参考结构的参考轮廓；第二获得单元，用于根据参考轮廓的法线方向上的灰度分布，获得参考结构的轮廓；以及第三获得单元，用于基于参考结构的轮廓从包括参考结构的图像获得参考图像，其中在参考图像中，参考结构的轮廓外部的灰度值为0。

根据本公开的第二方面的实施例，第一确定模块包括：配准单元，用于将包括目标结构的图像与参考图像配准；以及第一确定单元，用于通过分析包括目标结构的图像的在参考结构的轮廓的法线方向上的灰度分布，确定目标结构的轮廓。

根据本公开的第二方面的实施例，配准单元包括：扫描和计算子单元，用于使用参考图像扫描包括目标结构的图像，并且计算参考图像与包括目标结构的图像之间的作为位置和灰度的函数的相关因子；以及叠加子单元，用于如果相关因子的最大值大于或等于阈值，则在相关因子的最大值所处的位置处将参考结构的轮廓叠加在包括目标结构的图像上。

根据本公开的第二方面的实施例，配准单元还包括：更换子单元，用于如果相关因子的最大值小于阈值，则更换参考图像。

根据本公开的第二方面的实施例，配准单元还包括：预处理子单元，用于预处理参考图像和包括目标结构的图像中的至少一个，以实现以下各项中的至少一项：参考图像中的参考结构的倾斜角与包括目标结构的图像中的目标结构的倾斜角相等；以及参考图像中的像素尺寸与包括目标结构的图像中的像素尺寸相等。

根据本公开的第二方面的实施例，第二确定模块包括：第四获得单元，用于基于目标结构的轮廓，从包括目标结构的图像获得包括目标结构的目标图像，其中在目标图像中，目标结构的轮廓外部的灰度值为0；以及第二确定单元，用于基于目标图像的灰度分布，确定目标结构的形貌参数。

通过下文描述将会理解，本公开的实施例的优势在于，使半导体器件形貌参数的测量自动化，从而解放劳动力，节省测量时间，进而提高经济效益。本公开的实施例的优势还在于，用智能的测量手段来代替传统的手工测量，从而避免由主观因素带来的测量结果的不可重复性。

提供发明内容部分是为了以简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或主要特征，也无意限制本公开的范围。

附图说明

通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的附图标记通常代表相同部件。

图1示出根据本公开的实施例的半导体器件形貌参数自动测量装置的示意图；

图2示出根据本公开的实施例的用于确定半导体器件中的目标结构的形貌参数的方法的流程图；

图3示出根据本公开的实施例的提供包括与目标结构对应的参考结构的参考图像的方法的流程图；

图4示出半导体器件的图像的示意图；

图5示出通过将图4所示的图像旋转而得到的站立图像的示意图；

图6在左图中示出包括参考轮廓的站立图像的示意图，在右图中示出参考轮廓的法线方向；

图7示出分别在如图6所示的法线方向上的灰度分布；

图8示出分别从站立图像中提取出来的第一参考图像的轮廓和第二参考图像的轮廓；

图9示出第一参考图像的示意图及其层的灰度分布；

图10示出第二参考图像的示意图及其层的灰度分布；

图11示出待测图像的示意图；

图12示出根据本公开的实施例的用于确定半导体器件中的目标结构的形貌参数的方法的示例；以及

图13示出根据本公开的实施例的用于确定半导体器件中的目标结构的形貌参数的设备的框图。

具体实施例

下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

如前所述，随着半导体技术的不断发展与革新，半导体器件的尺寸变得越来越小，结构变得越来越复杂，这为半导体器件形貌参数的测量带来巨大的挑战。在传统的人工测量方法中，主要是通过高精度的成像设备对半导体器件成像，高精度的成像设备包括但不限于扫描电子显微镜(scanning electron microscopy，SEM)，透射电子显微镜(transmission electron microscopy，TEM)，扫描透射电子显微镜(scanningtransmission electron microscopy，STEM)及聚焦电子束(focused ion beam，FIB)；再借助于与成像设备配套的软件在半导体器件的图像中的目标结构处画线，通过统计线段上的像素数来计算该目标结构尺寸的物理长度(目标结构尺寸＝像素数×像素尺寸，其中像素尺寸为单个像素代表的尺寸)。这样的人工测量在测量时间和结果重复性上有很大的局限性。

为了至少部分地解决上述问题以及其他潜在问题，本公开的示例实施例提出了用于确定半导体器件中的目标结构的形貌参数的方案，其中形貌参数指与半导体器件形貌相关的结构的尺寸，包括器件关键尺寸、器件高度、组成该器件的各部分结构的尺寸、以及相关角度等。该方案通过借助于参考图像对包括半导体器件中的目标结构的图像进行处理以获得目标结构的轮廓，基于目标结构的轮廓和灰度分布而获得目标结构的形貌参数。本公开的实施例可以自动地、准确地测量半导体器件的形貌参数。

图1示出根据本公开的实施例的半导体器件形貌参数自动测量装置100的示意图。装置100可以包括成像系统120和数据存储与处理工作站130。成像系统120可以包括用于捕获半导体器件110的图像的一个或多个成像设备，包括但不限于高分辨率的SEM、TEM、STEM、FIB、以及任何其它成像设备。成像系统120在捕获半导体器件110的图像之后将图像传送到数据存储与处理工作站130。

数据存储与处理工作站130可以用于存储半导体器件110的图像、智能识别图像中的待测目标结构(即感兴趣的半导体器件的结构)、以及自动测量目标结构的形貌参数。数据存储与处理工作站130可以包括存储单元140、图像提取单元150和分析单元160。

存储单元140可以包括图像数据库141和参考图像数据库145。图像数据库141可以存储由成像系统120捕获的半导体器件110的图像。

图像提取单元150可以基于图像数据库141中存储的图像来制作参考图像，并且将制作的参考图像存储到参考图像数据库145中。参考图像包括与半导体器件110中的目标结构对应的参考结构。在参考图像中，参考结构的轮廓内部的灰度值保持不变，而参考结构的轮廓外部的灰度值为0。

分析单元160包括图像处理模块161和尺寸计算模块165。在测量过程中，分析单元160从图像数据库141中获取待测半导体器件110的图像，并从参考图像数据库145中获取参考图像。图像处理模块161根据参考图像信息在待测图像中寻找待测目标结构。如果获取目标结构失败，图像处理模块161会更换参考图像直到遍历参考图像数据库145中的所有参考图像；如果找到目标结构，图像处理模块161会自动提取目标结构的轮廓，并将目标结构的轮廓信息和待测图像传送给尺寸计算模块165。

具体而言，图像处理模块161利用参考图像并使用适当的图像配准方法在半导体器件110的图像中寻找感兴趣的目标结构；以参考图像中的参考结构的轮廓为参考，在参考结构的轮廓附近搜寻目标结构的轮廓；图像处理模块161会将目标结构的轮廓信息及待测图像传送给尺寸计算模块165。

尺寸计算模块165根据目标结构的轮廓信息将目标结构从待测图像中裁剪出来，并统计目标结构的灰度分布，从而获取构成该目标结构的各个层之间的界面位置。已知了目标结构的轮廓和各个层之间的界面位置，尺寸计算模块165可以计算半导体器件的形貌参数，包括半导体器件的目标结构的关键尺寸、总高、总宽、层高、层宽和侧壁角等。

半导体器件的图像数据库141和参考图像数据库145建成后，分析单元160会遍历所有的参考图像和待测半导体器件图像，以获取并统计所有感兴趣结构的测量结果。

本公开的实施例使用参考图像在众多的半导体器件图像中自动识别感兴趣的目标结构。参考图像是由图像提取单元150从原始半导体器件图像获得的，并存储在参考图像数据库145中。每一个参考图像包含与目标结构(半导体器件的结构)对应的参考结构的轮廓和灰度信息。参考结构和目标结构是使用相同工艺方法制造的半导体器件中的对应结构。

图2示出根据本公开的实施例的用于确定半导体器件中的目标结构的形貌参数的方法200的流程图。方法200可以由参考图1所示的半导体器件形貌参数自动测量装置100来执行。为讨论方便，下文将参考图1所示的半导体器件形貌参数自动测量装置100来描述方法200。应当理解的是，方法200还可以包括未示出的附加步骤和/或可以省略所示出的步骤，本公开的范围在此方面不受限制。

根据方法200，在步骤201中，例如由参考图像数据库145提供包括与目标结构对应的参考结构的参考图像。目标结构是半导体器件中的待测兴趣结构。参考图像中的参考结构和待测目标结构是使用相同工艺方法制造的半导体器件中的对应结构。参考图像可以通过处理使用与待测半导体器件相同的工艺方法制造的半导体器件的图像而获得。

具体地，图3到图10示出图像提取单元150制作参考图像的过程。图3示出根据本公开的实施例的提供包括与目标结构对应的参考结构的参考图像的方法300的流程图。方法300可以由参考图1所示的图像提取单元150来执行。

根据提供包括与目标结构对应的参考结构的参考图像的方法300，在步骤301中，在包括参考结构的图像中获得参考结构的参考轮廓。在示例实施例中，数据存储与处理工作站130从图像数据库141中选取一张半导体器件的图像，并将其载入到图像提取单元150中。所载入的图像包含感兴趣的半导体器件的完整的结构信息。

图4示出半导体器件110的图像400的示意图，其中图像400是TEM图像，白色区域表示半导体器件，黑色区域表示背景。白色区域内不同的纹理表示不同的层结构，不同的层结构由不同的材料制成。在实施例中使用TEM图像，但本发明并不限于TEM图像。本发明的适用范围包括SEM图像、TEM图像、STEM图像、FIB图像、通过光学成像获得的图像、以及通过任何其它方法获得的半导体器件的图像。

图4所示的图像400可以制作两个参考图像：第一参考图像410和第二参考图像420，其中第二参考图像420将包含两个参考结构：第一参考结构421和第二参考结构425。通常，TEM图像以及其它半导体器件图像中的半导体器件并不都是严格站立的。“站立”意指半导体器件的结构中的层平行于水平方向。相反，图像中的半导体器件可以与水平方向呈现出随机的倾斜角。可选地，为了创建标准参考图像，可以将图像中的半导体器件旋转到站立方向。站立方向仅是示例，还可以将参考图像中的半导体器件旋转到其它预定定向。

改变图像中的半导体器件的定向的方法可以包括使用鼠标沿层之间的界面画一条直线430，以及根据直线430与水平方向的夹角来旋转图像。图5示出通过将图4所示的图像旋转而得到的站立图像500的示意图。

为了将参考图像从站立图像500中裁剪出来，用鼠标来勾勒参考图像的参考轮廓。图6在左图中示出包括参考轮廓的站立图像500的示意图。图6示出第一参考图像410的第一参考轮廓610，以及第二参考图像420的第二参考轮廓620。参考图像的参考轮廓并不需要与参考图像的真实轮廓(本文中还称为“参考图像的轮廓”)完全重合，参考轮廓仅用于指示参考图像的真实轮廓在其附近。参考图像的轮廓是通过分析参考轮廓的法线方向上的灰度分布来获取的。

接下来，在方法300的步骤305中，根据参考轮廓的法线方向上的灰度分布，获得参考结构的轮廓。图6和图7示出参考结构的轮廓的获得方法。图6在右图中示出参考轮廓的法线方向，其中示出在第一参考轮廓610上的法线方向611、613和615，以及在第二参考轮廓620上的法线方向617。图7示出分别在如图6所示的法线方向611、613和615上的灰度分布710、720和730。

为了避免噪声的影响并考虑到轮廓的法线方向上的灰度分布属性(理想情况下，轮廓的法线方向上的灰度分布呈阶跃函数)，分别用分段阶跃函数712、722和732来拟合灰度分布710、720和730。区分明暗场的阈值设置为分段阶跃函数范围的一半，图7中的714、724和734分别指示分段阶跃函数712、722和732的阈值线。明、暗场的分界点716、726和736即为处于参考结构的轮廓上的点。多个分界点构成参考结构的轮廓。

图8示出分别从站立图像500中提取出来的第一参考图像410的轮廓810和第二参考图像420的轮廓820。

在方法300的步骤310中，基于参考结构的轮廓从包括参考结构的图像获得参考图像，其中在参考图像中，参考结构的轮廓外部的灰度值为0。

已知参考结构的轮廓，参考图像便可以从站立图像500中剪裁出来。在参考图像中，参考图像的轮廓内部的像素的灰度值保持原值不变；轮廓外部的像素的灰度值设为0。图9示出第一参考图像410的示意图及其层910、920、930、940的灰度分布。图10示出第二参考图像420的示意图及其层1010、1020、1030、1040的灰度分布。参考图像制作完成后可以保存到参考图像数据库145中，或者返回步骤301重新制作参考图像。

接下来，方法200进行到步骤205。在步骤205中，图像处理模块161基于参考结构的轮廓和包括目标结构的图像，确定目标结构的轮廓。

在一些实施例中，将包括目标结构的图像与参考图像配准，并且通过分析包括目标结构的图像的在参考结构的轮廓的法线方向上的灰度分布，确定目标结构的轮廓。

分析单元160可以从图像数据库141中获取待测半导体器件的图像并且将图像传送到图像处理模块161。为了提高图像配准的精度，可以预处理参考图像和包括目标结构的图像中的至少一个，使得参考图像中的参考结构的倾斜角与包括目标结构的图像中的目标结构的倾斜角相等。例如，在参考图像中的半导体器件处于站立方向的情况下，待测半导体器件的图像需要旋转使得其中的半导体器件处于站立方向。可以利用边缘检测算法提取图像中的半导体器件的边缘；对边缘图像进行哈夫变换以得到半导体器件的倾斜角；根据倾斜角旋转待测图像使得其中的半导体器件处于站立方向。注意，将待测图像和参考图像两者调节到站立方向仅是示例。原则上，只要调节之后参考图像中的参考结构的倾斜角与包括目标结构的图像中的目标结构的倾斜角相等即可。

分析单元160可以从参考图像数据库145中获取参考图像并且将参考图像传送到图像处理模块161。由于参考图像与待测图像的放大倍率有可能不同，因此要对参考图像进行缩放，使得其单个像素代表的尺寸(本文中还称为“像素尺寸”)与待测图像的像素尺寸相同。缩放后的参考图像将用于在待测半导体器件图像中寻找与参考图像中的参考结构对应的目标结构。备选地，可以对待测图像进行缩放，使得待测图像的像素尺寸和参考图像的像素尺寸相同。

在一些实施例中，使用参考图像扫描包括目标结构的图像，并且计算参考图像与包括目标结构的图像之间的作为位置和灰度的函数的相关因子。相关因子的计算方法表达为方程式(1)：

其中R表示相关因子，I表示待测半导体器件图像的灰度分布，T表示参考图像的灰度分布，(x，y)表示待测半导体器件图像中的坐标，(x′，y′)表示参考图像中的坐标。

针对相关因子设置阈值。在一些实施例中，如果相关因子的最大值小于该阈值，则更换参考图像。如果相关因子的最大值小于该阈值，则指示在待测图像中并不存在与参考结构对应的目标结构，并且需要更换参考图像或结束测量。

相关因子的最大值大于或等于该阈值，则指示目标结构被找到，目标结构所在的位置为相关因子最大值所在的位置。在一些实施例中，如果相关因子的最大值大于或等于阈值，则在相关因子的最大值所处的位置处将参考结构的轮廓叠加在包括目标结构的图像上。

将参考结构的轮廓作为参考，通过分析参考结构的轮廓的法线方向上的灰度分布，可以提取目标结构的真实轮廓(本文中还称为“目标结构的轮廓”)。

继续参考图2，在步骤210中，尺寸计算模块165基于目标结构的轮廓，确定目标结构的形貌参数。

在一些实施例中，基于目标结构的轮廓，从包括目标结构的图像获得包括目标结构的目标图像。在目标图像中，目标结构的轮廓外部的灰度值为0。基于目标图像的灰度分布，确定目标结构的形貌参数。

作为示例，利用目标结构的轮廓将包括目标结构的目标图像从背景中剪裁出来。在目标图像中，目标结构的轮廓内部的灰度值保持不变，而目标结构的轮廓外部的灰度值为0。分析目标图像在竖直方向上(从目标结构的顶部到底部)的灰度分布，以获得组成目标结构的层的位置信息(包括层之间的界面的位置)。已知目标结构的轮廓和层之间的界面的位置，尺寸计算模块165可以计算出目标结构的形貌参数，包括半导体器件的关键尺寸、高度、其各组成部分的尺寸、以及相关角度等。

下面通过示例的方式说明根据本公开的实施例的用于确定半导体器件中的目标结构的形貌参数的方法。图11示出待测图像1100的示意图，其中1110指示感兴趣的目标结构。待测图像1100是TEM图像，白色区域表示半导体器件，黑色区域表示背景。白色区域内不同的纹理表示不同的层结构，不同的层结构由不同的材料制成。待测图像1100和如上所述的第一参考图像410来源于同一组半导体器件，即待测图像1100和第一参考图像410中的半导体器件是使用相同工艺方法制造的，并且包括对应结构。但是待测图像1100和第一参考图像410的放大倍率不同(导致像素尺寸不同)：图11中的一个像素代表0.391nm，而第一参考图像410中的一个像素代表0.604nm。

图12示出根据本公开的实施例的用于确定半导体器件中的目标结构的形貌参数的方法的示例1200。参考图12，将图11所示的待测图像1100旋转使得其中的半导体器件处于站立方向，从而得到待测站立图像1210。将第一参考图像410放大使得其单个像素所代表的尺寸与待测图像1100相同，从而得到放大的第一参考图像1220。用放大的第一参考图像1220扫描待测站立图像1210来寻找目标结构1110。找到目标结构1110后，借助于放大的第一参考图像1220中的参考结构的轮廓获得目标结构1110的轮廓1235，从而将包括目标结构1110的目标图像1230从待测站立图像1210中剪裁出来。分析目标图像1230在竖直方向上的灰度分布1240。根据灰度分布1240，可以确定构成目标结构1110的层之间的界面的位置1250。利用目标结构1110的轮廓1235和层之间的界面的位置1250，可以计算目标结构1110的尺寸1260，从而获得半导体器件的关键尺寸、总高、总宽、层高、层宽和侧壁角等。

图13示出了根据本公开的实施例的用于确定半导体器件中的目标结构的形貌参数的设备1300的框图。例如，图1所示的半导体器件形貌参数自动测量装置100可以由设备1300实现。如图13所示，设备1300可以包括提供模块1310，用于提供包括与目标结构对应的参考结构的参考图像。设备1300还可以包括第一确定模块1320，用于基于参考结构的轮廓和包括目标结构的图像，确定目标结构的轮廓。此外，设备1300还可以包括第二确定模块1330，用于基于目标结构的轮廓，确定目标结构的形貌参数。

在一些实施例中，提供模块包括：第一获得单元，用于在包括参考结构的图像中获得参考结构的参考轮廓；第二获得单元，用于根据参考轮廓的法线方向上的灰度分布，获得参考结构的轮廓；以及第三获得单元，用于基于参考结构的轮廓从包括参考结构的图像获得参考图像，其中在参考图像中，参考结构的轮廓外部的灰度值为0。

在一些实施例中，第一确定模块包括：配准单元，用于将包括目标结构的图像与参考图像配准；以及第一确定单元，用于通过分析包括目标结构的图像的在参考结构的轮廓的法线方向上的灰度分布，确定目标结构的轮廓。

在一些实施例中，配准单元包括：扫描和计算子单元，用于使用参考图像扫描包括目标结构的图像，并且计算参考图像与包括目标结构的图像之间的作为位置和灰度的函数的相关因子；以及叠加子单元，用于如果相关因子的最大值大于或等于阈值，则在相关因子的最大值所处的位置处将参考结构的轮廓叠加在包括目标结构的图像上。

在一些实施例中，配准单元还包括：更换子单元，用于如果相关因子的最大值小于阈值，则更换参考图像。

在一些实施例中，配准单元还包括：预处理子单元，用于预处理参考图像和包括目标结构的图像中的至少一个，以实现以下各项中的至少一项：参考图像中的参考结构的倾斜角与包括目标结构的图像中的目标结构的倾斜角相等；以及参考图像中的像素尺寸与包括目标结构的图像中的像素尺寸相等。

在一些实施例中，第二确定模块包括：第四获得单元，用于基于目标结构的轮廓，从包括目标结构的图像获得包括目标结构的目标图像，其中在目标图像中，目标结构的轮廓外部的灰度值为0；以及第二确定单元，用于基于目标图像的灰度分布，确定目标结构的形貌参数。

出于清楚的目的，在图13中没有示出设备1300的某些可选模块。然而，应当理解，上文参考图1-12所描述的各个特征同样适用于设备1300。而且，设备1300的各个模块可以是硬件模块，也可以是软件模块。例如，在某些实施例中，设备1300可以部分或者全部利用软件和/或固件来实现，例如被实现为包含在计算机可读介质上的计算机程序产品。备选地或附加地，设备1300可以部分或者全部基于硬件来实现，例如被实现为集成电路(IC)、专用集成电路(ASIC)、片上系统(SOC)、现场可编程门阵列(FPGA)等。本公开的范围在此方面不受限制。

本公开的解决方案节约劳动力成本和时间成本，从而有助于提高经济效益。与传统的手工画线测量相比，本公开的实施例可以批量处理半导体器件图像并完成测量与统计；在测量过程中，操作人员可从事其他工作，无需参与或监控测量。本公开的实施例测量一个半导体器件图像所用的时间为2分钟左右；如果使用并行计算，在英特尔i7处理器(4核8线程)上运行，2分钟可以测量8张图片，其工作效率将是人工测量的60倍。此外，本公开的实施例可以提高测量精度和可重复性，因而其测量结果更为可靠。由于主观因素的影响，即便是同一测量者对同一图像的多次测量，测量结果的差异也是不可避免的；而本公开的输出结果只与半导体器件图像的灰度分布有关，因而同一图像的多次测量结果是相同的。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (14)

1.一种用于确定半导体器件中的目标结构的形貌参数的方法，包括：

提供包括与所述目标结构对应的参考结构的参考图像；

基于所述参考结构的轮廓和包括所述目标结构的图像，确定所述目标结构的轮廓；以及

基于所述目标结构的轮廓，确定所述目标结构的形貌参数。

2.根据权利要求1所述的方法，其中提供包括与所述目标结构对应的参考结构的参考图像包括：

在包括所述参考结构的图像中获得所述参考结构的参考轮廓；

根据所述参考轮廓的法线方向上的灰度分布，获得所述参考结构的轮廓；以及

基于所述参考结构的轮廓从包括所述参考结构的图像获得所述参考图像，其中在所述参考图像中，所述参考结构的轮廓外部的灰度值为0。

3.根据权利要求1所述的方法，其中基于所述参考结构的轮廓和包括所述目标结构的图像，确定所述目标结构的轮廓包括：

将包括所述目标结构的图像与所述参考图像配准；以及

通过分析包括所述目标结构的图像的在所述参考结构的轮廓的法线方向上的灰度分布，确定所述目标结构的轮廓。

4.根据权利要求3所述的方法，其中将包括所述目标结构的图像与所述参考图像配准包括：

使用所述参考图像扫描包括所述目标结构的图像，并且计算所述参考图像与包括所述目标结构的图像之间的作为位置和灰度的函数的相关因子；以及

如果所述相关因子的最大值大于或等于阈值，则在所述相关因子的最大值所处的位置处将所述参考结构的轮廓叠加在包括所述目标结构的图像上。

5.根据权利要求4所述的方法，其中将包括所述目标结构的图像与所述参考图像配准还包括：

如果所述相关因子的最大值小于阈值，则更换所述参考图像。

6.根据权利要求4所述的方法，其中将包括所述目标结构的图像与所述参考图像配准还包括：

预处理所述参考图像和包括所述目标结构的图像中的至少一个，以实现以下各项中的至少一项：

所述参考图像中的所述参考结构的倾斜角与包括所述目标结构的图像中的所述目标结构的倾斜角相等；以及

所述参考图像中的像素尺寸与包括所述目标结构的图像中的像素尺寸相等。

7.根据权利要求1所述的方法，其中基于所述目标结构的轮廓，确定所述目标结构的形貌参数包括：

基于所述目标结构的轮廓，从包括所述目标结构的图像获得包括所述目标结构的目标图像，其中在所述目标图像中，所述目标结构的轮廓外部的灰度值为0；以及

基于所述目标图像的灰度分布，确定所述目标结构的形貌参数。

8.一种用于确定半导体器件中的目标结构的形貌参数的设备，包括：

提供模块，用于提供包括与所述目标结构对应的参考结构的参考图像；

第一确定模块，用于基于所述参考结构的轮廓和包括所述目标结构的图像，确定所述目标结构的轮廓；以及

第二确定模块，用于基于所述目标结构的轮廓，确定所述目标结构的形貌参数。

9.根据权利要求8所述的设备，其中所述提供模块包括：

第一获得单元，用于在包括所述参考结构的图像中获得所述参考结构的参考轮廓；

第二获得单元，用于根据所述参考轮廓的法线方向上的灰度分布，获得所述参考结构的轮廓；以及

第三获得单元，用于基于所述参考结构的轮廓从包括所述参考结构的图像获得所述参考图像，其中在所述参考图像中，所述参考结构的轮廓外部的灰度值为0。

10.根据权利要求8所述的设备，其中所述第一确定模块包括：

配准单元，用于将包括所述目标结构的图像与所述参考图像配准；以及

第一确定单元，用于通过分析包括所述目标结构的图像的在所述参考结构的轮廓的法线方向上的灰度分布，确定所述目标结构的轮廓。

11.根据权利要求10所述的设备，其中所述配准单元包括：

扫描和计算子单元，用于使用所述参考图像扫描包括所述目标结构的图像，并且计算所述参考图像与包括所述目标结构的图像之间的作为位置和灰度的函数的相关因子；以及

叠加子单元，用于如果所述相关因子的最大值大于或等于阈值，则在所述相关因子的最大值所处的位置处将所述参考结构的轮廓叠加在包括所述目标结构的图像上。

12.根据权利要求11所述的设备，其中所述配准单元还包括：

更换子单元，用于如果所述相关因子的最大值小于阈值，则更换所述参考图像。

13.根据权利要求11所述的设备，其中所述配准单元还包括：

预处理子单元，用于预处理所述参考图像和包括所述目标结构的图像中的至少一个，以实现以下各项中的至少一项：

所述参考图像中的所述参考结构的倾斜角与包括所述目标结构的图像中的所述目标结构的倾斜角相等；以及

所述参考图像中的像素尺寸与包括所述目标结构的图像中的像素尺寸相等。

14.根据权利要求8所述的设备，其中所述第二确定模块包括：

第四获得单元，用于基于所述目标结构的轮廓，从包括所述目标结构的图像获得包括所述目标结构的目标图像，其中在所述目标图像中，所述目标结构的轮廓外部的灰度值为0；以及

第二确定单元，用于基于所述目标图像的灰度分布，确定所述目标结构的形貌参数。