CN109872287A - Sem图像轮廓线图的修正方法 - Google Patents
Sem图像轮廓线图的修正方法 Download PDFInfo
- Publication number
- CN109872287A CN109872287A CN201910098272.2A CN201910098272A CN109872287A CN 109872287 A CN109872287 A CN 109872287A CN 201910098272 A CN201910098272 A CN 201910098272A CN 109872287 A CN109872287 A CN 109872287A
- Authority
- CN
- China
- Prior art keywords
- line
- thread
- point
- corded arrangement
- corded
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种SEM图像轮廓线图的修正方法,包括步骤:步骤一、提取SEM图像的轮廓线图;进行线头的选定和连线范围的选定。步骤二、当连线范围内存在两个相邻的线头时,对相邻的两个线头进行连接并形成第一连线,如果第一连线的长度小于第一值,则将第一连线添加到轮廓线图中进行修正。步骤三、在连线范围内,计算各线头的连线方案和对应的适配指数。步骤四、根据对应的连线方案的适配指数、连线长度和连线端点进行各线头的最适配连线方案的筛选。步骤五、去除部分线头的最适配连线方案对应的连线,将剩余的线头的最适配连线方案对应的连线添加到轮廓线图中进行修正。本发明能对提取的SEM图像轮廓线图中的轮廓线的缺失进行修正。
Description
技术领域
本发明涉及一种半导体集成电路制造方法,特别是涉及一种SEM图像轮廓线图的修正方法。
背景技术
在半导体集成电路制造中,芯片形成于晶圆(wafer)上,设计版图(layout) 会通过光刻工艺转移到晶圆上,晶圆通常为硅片晶圆。对晶圆上形成的版图的扫描电子显微镜(SEM)图像的轮廓线的提取在光学临近效应修正(OPC)的建模、计算中有多种应用,部分应用需求侧重于轮廓线的准确度,也有部分应用需求侧重于轮廓线完整度。
例如,对设计版图的仿真图像和晶圆上实际测试得到的SEM图像进行自动匹配是在OPC建模中将使用模型产生的仿真结果和直接反映wafer上真实情况的SEM图像进行量化比对的一项实用技术,晶圆上形成的版图的SEM图像轮廓线的提取则是实现该技术的十分重要的一步,提取出的轮廓线是否完整,直接影响设计版图的仿真图像和晶圆SEM图像自动匹配的准确程度。
SEM图像中含有大量噪声,通常难以提取到完整的轮廓线。Canny算法是一种能够比较准确地提取出SEM图像中轮廓线的方法,但仍然存在提取出的轮廓线在少数部位缺失的问题。如图2A所示,使晶圆上形成的版图的SEM图像101,SEM图像101中具有图形结构102;如图2A所示,是采用Canny算法提取的SEM图像101中的各图形结构102对应的轮廓线202组成的提取图像201,从虚线圈203可以看出,提取的轮廓线202中存在缺失。
发明内容
本发明所要解决的技术问题是提供一种SEM图像轮廓线图的修正方法,能对提取的SEM图像轮廓线图中的轮廓线的缺失进行修正。
为解决上述技术问题,本发明提供的SEM图像轮廓线图的修正方法包括如下步骤:
步骤一、提取SEM图像的轮廓线图;所述轮廓线图中包括多条连续的轮廓线;在所述轮廓线图中进行线头的选定和连线范围的选定。
所述连线范围内的各条所述轮廓线都用特征点的连线表示,各所述特征点从对应的所述轮廓线的像素点中选出,各条所述轮廓线对应的所述特征点都分在同一组。
步骤二、当所述连线范围内存在两个相邻的所述线头时,对所述连线范围内对应的相邻的两个所述线头进行连接并形成第一连线,如果第一连线的长度小于第一值,则直接将所述第一连线添加到所述轮廓线图中实现对所述轮廓线图的修正;如果所述第一连线的长度大于第一值,则进行后续步骤三。
步骤三、在所述连线范围内,计算各所述线头的连线方案,各所述线头的连线方案包括对应的所述线头和不同组的各所述特征点之间形成的连线,计算各所述线头的连线方案的适配指数。
步骤四、根据对应的所述连线方案的适配指数、连线长度和连线端点进行各所述线头的最适配连线方案的筛选,统计出具有最适配连线方案的所述线头及所述线头对应的最适配连线方案。
步骤五、在筛选出的对应的各所述线头的最适配连线方案中去除部分所述线头的最适配连线方案对应的连线,将剩余的所述线头的最适配连线方案对应的连线添加到所述轮廓线图中实现对所述轮廓线图的修正。
进一步的改进是,步骤一中所述SEM图像为形成于晶圆上的版图对应的SEM图像。
采用Canny算法提取所述SEM图像的轮廓线图。
进一步的改进是,步骤一中在所述轮廓线图中进行线头的选定和连线范围的选定的步骤包括如下分步骤:
步骤11、在所述轮廓线图中找出线头候选点。
步骤12、在所述线头候选点的周围区域选定预备连线范围。
步骤13、将所述预备连线范围内的各所述轮廓线简化为所述特征点及对应的各所述特征点之间的连线。
步骤14、根据所述线头候选点与所述线头候选点周围的特征点的相对位置关系在线头候选点中筛选出所述线头,将所述线头对应的所述预备连线范围作为所述线头对应的所述连线范围。
进一步的改进是,步骤11中找出所述线头候选点的步骤包括:
选择所述轮廓线图中的一个轮廓线像素点,所述轮廓线像素点为对应的所述轮廓线上的一个像素点。
选取所选择的所述轮廓线像素点的周围像素点。
通过比较所选择的所述轮廓线像素点和所述周围像素点上的图像之间关系来进行线头候选点的认定。
进一步的改进是,所述周围像素点的数量包括八个,分别位于所选择的所述轮廓线像素点的上下左右和四个顶角位置处。
所述线头候选点的认定步骤包括:
如果八个所述周围像素点中仅一个所述周围像素点具有图像,则所选择的所述轮廓线像素点为所述线头候选点。
如果八个所述周围像素点中仅两个所述周围像素点具有图像,且两个具有图像的所述周围像素点中,第一个所述周围像素点位于所述轮廓线像素点的上下左右中的一个位置,第二个所述周围像素点位于和所述第一个所述周围像素点相邻的顶角位置,则所选择的所述轮廓线像素点为所述线头候选点。
进一步的改进是,步骤12中,在所述线头候选点的周围区域选定所述预备连线范围的步骤包括:
以对应的所述线头候选点为中心,以具有第二值的长度为半径选定所述预备连线范围;所述第二值小于所述晶圆上的芯片对应的最小关键尺寸。
进一步的改进是,如果不同的所述线头候选点对应的所述预备连线范围有交叠,则将相交叠的各所述预备连线范围合并。
进一步的改进是,步骤13采用如下分步骤实现:
在对应的所述预备连线范围内,将对应的所述轮廓线上互为周围像素的像素点归为同一组,在每组像素点进行筛选形成所述特征点,筛选形成所述特征点的条件为:在每组中按照具有第三值的间隔选择像素点作为所述特征点。
将选出的各组对应的所有的所述特征点的各相邻的所述特征点进行两两连接并形成各组对应的连线。
进一步的改进是,各组对应的连线中,相邻的三个所述特征点形成的两条连线的夹角小于第一角度时,则在对应的三个所述特征点中的中间的所述特征点的两侧的所述轮廓线的中间位置上各加选一个对应的像素点作为特征点。
进一步的改进是,所述第一角度为135度。
进一步的改进是,步骤14中筛选出所述线头的步骤包括:
将对应的所述线头候选点和同组中对应的两个距离最近的所述特征点进行连线并构成以对应的所述线头候选点为顶点的顶角。
将顶角小于第二角度对应的所述线头候选点作为所述线头。
进一步的改进是,所述第二角度为45度。
进一步的改进是,步骤三中计算各所述线头的连线方案的适配指数的步骤包括:
将所述线头的连线方案对应的连线以及和所述线头的连线方案对应的连线前后相邻的特征点之间连线的夹角总和作为对应的所述线头的连线方案的适配指数。
或者,将所述线头的连线方案对应的连线以及和所述线头的连线方案对应的连线前后相邻的特征点之间连线的斜率的差值构造对应的所述线头的连线方案的适配指数。
进一步的改进是,步骤四中进行各所述线头的最适配连线方案的筛选的步骤包括:
在对应的所述线头的各所述连线方案中,优先在另一个连线端点位于另一个所述线头对应的组中的所述连线方案中选取所述最适配连线方案。
当另一个连线端点位于另一个所述线头对应的组中的所述连线方案没有所述最适配连线方案时,在另一个连线端点位于不具有所述线头对应的组中的所述连线方案中选取所述最适配连线方案。
当对应的所述线头在对应的所述连线范围内中没有筛选出对应的最适配连线方案时,则判断对应的所述线头没有最适配连线方案,这时将和对应的所述线头同组且相邻的所述特征点作为对应组的所述线头候选点,并从步骤12开始重复后续各步骤;如果遍历对应的所述线头的组的各所述特征点都无法筛选出对应的最适配连线方案,则对应的所述线头选择不连线。
在对另一个连线端点位于同一组中的各所述连线方案进行所述最适配连线方案筛选过程中,首先根据各所述连线方案的适配指数进行筛选且选取适配指数更优的所述连线方案,当所述连线方案的适配指数相同时根据所述连线方案对应的连线的长度进行筛选且选择连线长度更小的所述连线方案。
进一步的改进是,步骤五中去除部分所述线头的最适配连线方案对应的连线的步骤包括:
根据各所述线头的最适配连线方案的连线端点关系判断是否存在两个所述线头对应的两个所述最适配连线方案的连线的两个端点位于相同的两个组中,如果两个所述最适配连线方案的连线的两个端点位于相同的两个组中,将连线长度大的所述最适配连线方案去除。
本发明通过对提取SEM图像的轮廓线图,在轮廓线图中进行线头的选定和线头对应的连线范围的选定,能够再线头对应的连线范围内得到线头对应的用于补偿轮廓线缺失的连线,所以本发明能对提取的SEM图像轮廓线图中的轮廓线的缺失进行修正。
通过对的SEM图像轮廓线图中的轮廓线的缺失进行修正,使得本发明能在对晶圆版图的SEM图像轮廓线图的修正中得到很好的应用,能提高设计版图的仿真图像和晶圆SEM图像自动匹配的准确程度,提高OPC建模的质量。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明:
图1是本发明实施例SEM图像轮廓线图的修正方法的流程图;
图2A-图2K是本发明实施例方法的各步骤中的示意图;
图2C1为选取所选择的所述轮廓线像素点的周围像素点的示意图;
图2C2为图像仅位于轮廓线像素点的一个顶角位置时对应的线头候选点的示意图;
图2C3为图像仅位于轮廓线像素点的上下左右中的一个位置时对应的线头候选点的示意图;
图2C4为在轮廓线像素点的上下左右中的一个位置具有图像和在轮廓线像素点的一个顶角位置具有图像且两个图像相邻时对应的线头候选点的示意图;
图2F1为将选出的各组对应的所有的所述特征点的各相邻的特征点进行两两连接并形成各组对应的连线的示意图。
具体实施方式
如图1所示,是本发明实施例SEM图像101轮廓线图201的修正方法的流程图;如图2A至图2K所示,是本发明实施例方法的各步骤中的示意图,本发明实施例SEM 图像101轮廓线图201的修正方法包括如下步骤:
步骤一、提取SEM图像101的轮廓线图201。
如图2A所示,为通过SEM扫描得到的所述SEM图像101。所述SEM图像101中包括了多个图形102。通过对各图形102的轮廓进行提取就能得到如图2B所示的轮廓线图201。本发明实施例方法中,步骤一中所述SEM图像101为形成于晶圆上的版图对应的SEM图像101。
采用Canny算法提取所述SEM图像101的轮廓线图201。
所述轮廓线图201中包括多条连续的轮廓线202。通常,提取的所述轮廓线图201中包括了如虚线圈203所示的缺失。
在所述轮廓线图201中进行线头的选定和连线范围的选定。
所述连线范围内的各条所述轮廓线202都用特征点402的连线表示,各所述特征点402从对应的所述轮廓线202的像素点中选出,各条所述轮廓线202对应的所述特征点402都分在同一组。
在所述轮廓线图201中进行线头的选定和连线范围的选定的步骤包括如下分步骤:
步骤11、在所述轮廓线图201中找出线头候选点。步骤11对应于图1中的步骤 1.(1)。如图2C所示,找出了3个所述线头候选点,分别为点A、点B和点C。
本发明实施例方法中,步骤11中找出所述线头候选点的步骤包括:
选择所述轮廓线图201中的一个轮廓线像素点301,所述轮廓线像素点301为对应的所述轮廓线202上的一个像素点。
选取所选择的所述轮廓线像素点301的周围像素点302。较佳为,如图2C1所示,所述周围像素点302的数量包括八个,分别位于所选择的所述轮廓线像素点301的上下左右和四个顶角位置处。
通过比较所选择的所述轮廓线像素点301和所述周围像素点302上的图像之间关系来进行线头候选点的认定。
所述线头候选点的认定步骤包括:
如果八个所述周围像素点302中仅一个所述周围像素点302具有图像,则所选择的所述轮廓线像素点301为所述线头候选点。如图2C2所示,图像303a仅位于所述轮廓线像素点301的一个顶角位置,则所选择的所述轮廓线像素点301为所述线头候选点。如图2C3所示,图像303b仅位于所述轮廓线像素点301的上下左右中的一个位置,则所选择的所述轮廓线像素点301为所述线头候选点。
如果八个所述周围像素点302中仅两个所述周围像素点302具有图像,且两个具有图像的所述周围像素点302中,第一个所述周围像素点302位于所述轮廓线像素点301的上下左右中的一个位置,第二个所述周围像素点302位于和所述第一个所述周围像素点302相邻的顶角位置,则所选择的所述轮廓线像素点301为所述线头候选点。如图2C4所示,位于所述轮廓线像素点301的上下左右中的一个位置的图像303b和位于所述轮廓线像素点301的一个顶角位置的图像303a相邻,则所选择的所述轮廓线像素点301为所述线头候选点。
步骤12、在所述线头候选点的周围区域选定预备连线范围。步骤12对应于图1 中的步骤1.(2)。
步骤12中,在所述线头候选点的周围区域选定所述预备连线范围的步骤包括:
以对应的所述线头候选点为中心,以具有第二值的长度为半径选定所述预备连线范围;所述第二值小于所述晶圆上的芯片对应的最小关键尺寸。
如果不同的所述线头候选点对应的所述预备连线范围有交叠,则将相交叠的各所述预备连线范围合并。
如图2D所示,3个所述线头候选点中,点A和点B对应的所述预备连线范围合并成标记401a所示的区域范围,点C对应的所述预备连线范围如标记401b的虚线框所示。
如图2E所示,为从图2D中所选定的两个所述预备连线范围401a和401b。
步骤13、将所述预备连线范围内的各所述轮廓线202简化为所述特征点402及对应的各所述特征点402之间的连线。步骤13对应于图1中的步骤1.(3)。
本发明实施例方法中,步骤13采用如下分步骤实现:
如图2F所示,在对应的所述预备连线范围内,将对应的所述轮廓线202上互为周围像素的像素点归为同一组,在每组像素点进行筛选形成所述特征点402,筛选形成所述特征点402的条件为:在每组中按照具有第三值的间隔选择像素点作为所述特征点402。
如图2F1所示,将选出的各组对应的所有的所述特征点402的各相邻的所述特征点402进行两两连接并形成各组对应的连线,所述特征点402之间连接形成的连线如标记403所示。
各组对应的连线中,相邻的三个所述特征点402形成的两条连线的夹角小于第一角度时,则在对应的三个所述特征点402中的中间的所述特征点402的两侧的所述轮廓线202的中间位置上各加选一个对应的像素点作为特征点402。如图2F1的左侧部分中的夹角α1和α2都小于第一角度;这时需要增加如右侧部分中显示的3个像素点即点402a、402b和402c作为特征点。所述第一角度为135度。
步骤14、根据所述线头候选点与所述线头候选点周围的特征点402的相对位置关系在线头候选点中筛选出所述线头,将所述线头对应的所述预备连线范围作为所述线头对应的所述连线范围。步骤14对应于图1中的步骤1.(4)。
本发明实施例方法中,筛选出所述线头的步骤包括:
将对应的所述线头候选点和同组中对应的两个距离最近的所述特征点402进行连线并构成以对应的所述线头候选点为顶点的顶角。
将顶角小于第二角度对应的所述线头候选点作为所述线头。如图2G所示,点A 和临近的两个所述特征点402形成的连线403成一直线,也即对应的顶角为0度,故将点A选定为所述线头。点B和临近的两个所述特征点402的连线形成的顶角α3小于第二角,故将点B也选定为所述线头。但是点C得到的对应顶角α4大于第二角,故点C未被选定为所述线头。例如,所述第二角度为45度。
由于仅有点B和点A被选定为所述线头,故点B和点A对应的所述预备连线范围401a作为对应的所述连线范围,所述预备连线范围401b不作为对应的所述连线范围。如图2H所示,为选定的所述连线范围401a;图2H中还显示了所述连线范围401a中的3个组,3个组分别用标记404a、404b和404c表示。
步骤二、当所述连线范围内存在两个相邻的所述线头时,对所述连线范围内对应的相邻的两个所述线头进行连接并形成第一连线,如果第一连线的长度小于第一值,则直接将所述第一连线添加到所述轮廓线图201中实现对所述轮廓线图201的修正。也即如果图2H中点A和点B之间的连线小于第一值,则直接将点A和点B相连并将相连形成的连线添加到所述轮廓线图201中实现对所述轮廓线图201的修正。在实际中,第一值根据SEM图像质量设置。步骤二对应于图1中的步骤2。
如果所述第一连线的长度大于第一值,则进行后续步骤三。
步骤三、在所述连线范围内,计算各所述线头的连线方案,各所述线头的连线方案包括对应的所述线头和不同组的各所述特征点402之间形成的连线,计算各所述线头的连线方案的适配指数。步骤三对应于图1中的步骤3。
以线头A为例:线头A属于组404b,所以在组404a和404c中的任意一点和线头 A的连线即为一种线头A的连线方案。如图2I中所示线头A和线头B各自有11种连线方案。
计算各所述线头的连线方案的适配指数的步骤包括:
将所述线头的连线方案对应的连线以及和所述线头的连线方案对应的连线前后相邻的特征点402之间连线的夹角总和作为对应的所述线头的连线方案的适配指数。如图2I中,点A对应的一个连线方案的连线如标记403a所示,其中连线403a的连线端点E的相邻的两个特征点为点D和点F,角AEF大于角AED,故选用角AED作为对应的适配指数的计算;同样,连接端点A对应的相邻的特征点为点G,故用于计算适配指数的另一角为角EAG,将角AEF加角EAG作为连线403a对应的连线方案的适配指数。在其它实施例中也能为:将所述线头的连线方案对应的连线以及和所述线头的连线方案对应的连线前后相邻的特征点402之间连线的斜率的差值的倒数作为对应的所述线头的连线方案的适配指数。
步骤四、根据对应的所述连线方案的适配指数、连线长度和连线端点进行各所述线头的最适配连线方案的筛选,统计出具有最适配连线方案的所述线头及所述线头对应的最适配连线方案。
步骤四中进行各所述线头的最适配连线方案的筛选的步骤包括:
在对应的所述线头的各所述连线方案中,优先在另一个连线端点位于另一个所述线头对应的组中的所述连线方案中选取所述最适配连线方案。如图2J所示,对于点A 对应的所述线头,作为线头的点B对应的组即组404c中选取点A对应的另一个连线端点,从各连线端点中选择一个作为点A对应的所述线头的最适配连线方案的的连线的连线端点。如图2J所示,最后筛选出连线403b作为点A对应的所述线头的最适配连线方案的的连线。同理,点B对应的所述线头的最适配连线方案的的连线为连线 403c。
当另一个连线端点位于另一个所述线头对应的组中的所述连线方案没有所述最适配连线方案时,在另一个连线端点位于不具有所述线头对应的组中的所述连线方案中选取所述最适配连线方案。
上述能选取所述最适配连线方案的步骤对应于图1中的步骤4.(1)。
在对另一个连线端点位于同一组中的各所述连线方案进行所述最适配连线方案筛选过程中,首先根据各所述连线方案的适配指数进行筛选且选取适配指数更优的所述连线方案,当所述连线方案的适配指数相同时根据所述连线方案对应的连线的长度进行筛选且选择连线长度更小的所述连线方案。
当对应的所述线头在对应的所述连线范围内中没有筛选出对应的最适配连线方案时,则判断对应的所述线头没有最适配连线方案,这时将和对应的所述线头同组且相邻的所述特征点402作为对应组的所述线头候选点,并从步骤12开始重复后续各步骤;如果遍历对应的所述线头的组的各所述特征点402都无法筛选出对应的最适配连线方案,则对应的所述线头选择不连线。这一步对应于图1中的步骤4.(2)。
例如:
步骤4.(1)在同一个连线范围中,优先考虑线头A即点A与另一个线头B所属组连线的方案:将线头A与线头B所属的组404c的所有连线方案的适配指数相比较,选出适配指数最大且大于270的方案作为线头A的最适配连线方案。如果有多个方案的适配指数最大且大于270,则选择其中连线最短的方案作为线头A的最适配连线方案。如果组404c中没有方案满足以上要求,则在组404a中按照以上方法查找。
步骤4.(2)如果在当前连线范围中没有方案满足以上要求,则认为线头A没有最适配连线方案,并且选择组404b中与线头A最近的点G做为新线头代替线头A从步骤1.(2)开始重复后面的步骤,直到找线头A所在轮廓线的最适配连线方案或查找完线头A所在轮廓线上所有的特征点(轮廓线可能没有最佳连线方案)。
如图2J所示,线头A的最适配连线方案是点A和点H连线。点B和点C连线的方案适配指数虽然比点B和点G连线的方案适配指数大,但点G所属的组404b比组 404a优先,因此线头B的最适配连线方案是点B和点G连线。
步骤五、在筛选出的对应的各所述线头的最适配连线方案中去除部分所述线头的最适配连线方案对应的连线,将剩余的所述线头的最适配连线方案对应的连线添加到所述轮廓线图201中实现对所述轮廓线图201的修正。步骤五对应于图1中的步骤5。
去除部分所述线头的最适配连线方案对应的连线的步骤包括:
根据各所述线头的最适配连线方案的连线端点关系判断是否存在两个所述线头对应的两个所述最适配连线方案的连线的两个端点位于相同的两个组中,如果两个所述最适配连线方案的连线的两个端点位于相同的两个组中,将连线长度大的所述最适配连线方案去除。
例如:在同一个连线范围内,如果存在分属于两个线头的两个最适配连线方案,并且这两个连线方案的端点都属于同两个组,则只保留这两个方案中连线长度较短的那个方案。如图2J所示,在该连线范围内,线头A的最适配连线方案是点A和点H 的连线,端点分属于组404b和组404c,线头B的最适配连线方案是点B和点G的连线,端点分属于组404c和组404b,因为点B和点G的连线比点A和点H的连线短,所以在该连线范围内最后的连线方案是点B和点G连线。将点B和点G连线添加到图 2B所示的所述轮廓线图201中,得到图2K所示的修补后的轮廓线图201a,轮廓线图 201a中具有缺失的轮廓线202a得到修补。
本发明实施例通过对提取SEM图像101的轮廓线图201,在轮廓线图201中进行线头的选定和线头对应的连线范围的选定,能够再线头对应的连线范围内得到线头对应的用于补偿轮廓线202缺失的连线,所以本发明能对提取的SEM图像101轮廓线图 201中的轮廓线202的缺失进行修正。
通过对的SEM图像101轮廓线图201中的轮廓线202的缺失进行修正,使得本发明能在对晶圆版图的SEM图像101轮廓线图201的修正中得到很好的应用,能提高设计版图的仿真图像和晶圆SEM图像101自动匹配的准确程度,提高OPC建模的质量。
以上通过具体实施例对本发明进行了详细的说明,但这些并非构成对本发明的限制。在不脱离本发明原理的情况下,本领域的技术人员还可做出许多变形和改进,这些也应视为本发明的保护范围。
Claims (15)
1.一种SEM图像轮廓线图的修正方法,其特征在于,包括如下步骤:
步骤一、提取SEM图像的轮廓线图;所述轮廓线图中包括多条连续的轮廓线;在所述轮廓线图中进行线头的选定和连线范围的选定;
所述连线范围内的各条所述轮廓线都用特征点的连线表示,各所述特征点从对应的所述轮廓线的像素点中选出,各条所述轮廓线对应的所述特征点都分在同一组;
步骤二、当所述连线范围内存在两个相邻的所述线头时,对所述连线范围内对应的相邻的两个所述线头进行连接并形成第一连线,如果第一连线的长度小于第一值,则直接将所述第一连线添加到所述轮廓线图中实现对所述轮廓线图的修正;如果所述第一连线的长度大于第一值,则进行后续步骤三;
步骤三、在所述连线范围内,计算各所述线头的连线方案,各所述线头的连线方案包括对应的所述线头和不同组的各所述特征点之间形成的连线,计算各所述线头的连线方案的适配指数;
步骤四、根据对应的所述连线方案的适配指数、连线长度和连线端点进行各所述线头的最适配连线方案的筛选,统计出具有最适配连线方案的所述线头及所述线头对应的最适配连线方案;
步骤五、在筛选出的对应的各所述线头的最适配连线方案中去除部分所述线头的最适配连线方案对应的连线,将剩余的所述线头的最适配连线方案对应的连线添加到所述轮廓线图中实现对所述轮廓线图的修正。
2.如权利要求1所述的SEM图像轮廓线图的修正方法,其特征在于:步骤一中所述SEM图像为形成于晶圆上的版图对应的SEM图像;
采用Canny算法提取所述SEM图像的轮廓线图。
3.如权利要求1所述的SEM图像轮廓线图的修正方法,其特征在于:步骤一中在所述轮廓线图中进行线头的选定和连线范围的选定的步骤包括如下分步骤:
步骤11、在所述轮廓线图中找出线头候选点;
步骤12、在所述线头候选点的周围区域选定预备连线范围;
步骤13、将所述预备连线范围内的各所述轮廓线简化为所述特征点及对应的各所述特征点之间的连线;
步骤14、根据所述线头候选点与所述线头候选点周围的特征点的相对位置关系在线头候选点中筛选出所述线头,将所述线头对应的所述预备连线范围作为所述线头对应的所述连线范围。
4.如权利要求3所述的SEM图像轮廓线图的修正方法,其特征在于:步骤11中找出所述线头候选点的步骤包括:
选择所述轮廓线图中的一个轮廓线像素点,所述轮廓线像素点为对应的所述轮廓线上的一个像素点;
选取所选择的所述轮廓线像素点的周围像素点;
通过比较所选择的所述轮廓线像素点和所述周围像素点上的图像之间关系来进行线头候选点的认定。
5.如权利要求4所述的SEM图像轮廓线图的修正方法,其特征在于:所述周围像素点的数量包括八个,分别位于所选择的所述轮廓线像素点的上下左右和四个顶角位置处;
所述线头候选点的认定步骤包括:
如果八个所述周围像素点中仅一个所述周围像素点具有图像,则所选择的所述轮廓线像素点为所述线头候选点;
如果八个所述周围像素点中仅两个所述周围像素点具有图像,且两个具有图像的所述周围像素点中,第一个所述周围像素点位于所述轮廓线像素点的上下左右中的一个位置,第二个所述周围像素点位于和所述第一个所述周围像素点相邻的顶角位置,则所选择的所述轮廓线像素点为所述线头候选点。
6.如权利要求3所述的SEM图像轮廓线图的修正方法,其特征在于:步骤12中,在所述线头候选点的周围区域选定所述预备连线范围的步骤包括:
以对应的所述线头候选点为中心,以具有第二值的长度为半径选定所述预备连线范围;所述第二值小于所述晶圆上的芯片对应的最小关键尺寸。
7.如权利要求6所述的SEM图像轮廓线图的修正方法,其特征在于:如果不同的所述线头候选点对应的所述预备连线范围有交叠,则将相交叠的各所述预备连线范围合并。
8.如权利要求3所述的SEM图像轮廓线图的修正方法,其特征在于:步骤13采用如下分步骤实现:
在对应的所述预备连线范围内,将对应的所述轮廓线上互为周围像素的像素点归为同一组,在每组像素点进行筛选形成所述特征点,筛选形成所述特征点的条件为:在每组中按照具有第三值的间隔选择像素点作为所述特征点;
将选出的各组对应的所有的所述特征点的各相邻的所述特征点进行两两连接并形成各组对应的连线。
9.如权利要求8所述的SEM图像轮廓线图的修正方法,其特征在于:各组对应的连线中,相邻的三个所述特征点形成的两条连线的夹角小于第一角度时,则在对应的三个所述特征点中的中间的所述特征点的两侧的所述轮廓线的中间位置上各加选一个对应的像素点作为特征点。
10.如权利要求9所述的SEM图像轮廓线图的修正方法,其特征在于:所述第一角度为135度。
11.如权利要求3所述的SEM图像轮廓线图的修正方法,其特征在于:
步骤14中筛选出所述线头的步骤包括:
将对应的所述线头候选点和同组中对应的两个距离最近的所述特征点进行连线并构成以对应的所述线头候选点为顶点的顶角;
将顶角小于第二角度对应的所述线头候选点作为所述线头。
12.如权利要求11所述的SEM图像轮廓线图的修正方法,其特征在于:所述第二角度为45度。
13.如权利要求3所述的SEM图像轮廓线图的修正方法,其特征在于:步骤三中计算各所述线头的连线方案的适配指数的步骤包括:
将所述线头的连线方案对应的连线以及和所述线头的连线方案对应的连线前后相邻的特征点之间连线的夹角总和作为对应的所述线头的连线方案的适配指数;
或者,将所述线头的连线方案对应的连线以及和所述线头的连线方案对应的连线前后相邻的特征点之间连线的斜率的差值构造对应的所述线头的连线方案的适配指数。
14.如权利要求13所述的SEM图像轮廓线图的修正方法,其特征在于:步骤四中进行各所述线头的最适配连线方案的筛选的步骤包括:
在对应的所述线头的各所述连线方案中,优先在另一个连线端点位于另一个所述线头对应的组中的所述连线方案中选取所述最适配连线方案;
当另一个连线端点位于另一个所述线头对应的组中的所述连线方案没有所述最适配连线方案时,在另一个连线端点位于不具有所述线头对应的组中的所述连线方案中选取所述最适配连线方案;
当对应的所述线头在对应的所述连线范围内中没有筛选出对应的最适配连线方案时,则判断对应的所述线头没有最适配连线方案,这时将和对应的所述线头同组且相邻的所述特征点作为对应组的所述线头候选点,并从步骤12开始重复后续各步骤;如果遍历对应的所述线头的组的各所述特征点都无法筛选出对应的最适配连线方案,则对应的所述线头选择不连线;
在对另一个连线端点位于同一组中的各所述连线方案进行所述最适配连线方案筛选过程中,首先根据各所述连线方案的适配指数进行筛选且选取适配指数更优的所述连线方案,当所述连线方案的适配指数相同时根据所述连线方案对应的连线的长度进行筛选且选择连线长度更小的所述连线方案。
15.如权利要求3所述的SEM图像轮廓线图的修正方法,其特征在于:步骤五中去除部分所述线头的最适配连线方案对应的连线的步骤包括:
根据各所述线头的最适配连线方案的连线端点关系判断是否存在两个所述线头对应的两个所述最适配连线方案的连线的两个端点位于相同的两个组中,如果两个所述最适配连线方案的连线的两个端点位于相同的两个组中,将连线长度大的所述最适配连线方案去除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910098272.2A CN109872287B (zh) | 2019-01-31 | 2019-01-31 | Sem图像轮廓线图的修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910098272.2A CN109872287B (zh) | 2019-01-31 | 2019-01-31 | Sem图像轮廓线图的修正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109872287A true CN109872287A (zh) | 2019-06-11 |
CN109872287B CN109872287B (zh) | 2021-01-22 |
Family
ID=66918373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910098272.2A Active CN109872287B (zh) | 2019-01-31 | 2019-01-31 | Sem图像轮廓线图的修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109872287B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487523A (zh) * | 2021-09-08 | 2021-10-08 | 腾讯科技(深圳)有限公司 | 图形轮廓优化方法、装置、计算机设备和存储介质 |
US11567413B2 (en) | 2019-02-25 | 2023-01-31 | Asml Netherlands B.V. | Method for determining stochastic variation of printed patterns |
CN116129157A (zh) * | 2023-04-13 | 2023-05-16 | 深圳市夜行人科技有限公司 | 一种基于极微光的警戒摄像机智能图像处理方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7360199B2 (en) * | 2006-05-26 | 2008-04-15 | International Business Machines Corporation | Iterative method for refining integrated circuit layout using compass optical proximity correction (OPC) |
US20120105617A1 (en) * | 2010-11-02 | 2012-05-03 | Yoon Han-June | Method of measuring critical dimension of pattern and apparatus for performing the same |
US9053532B2 (en) * | 2013-03-29 | 2015-06-09 | International Business Machines Corporation | Automatic filtering of SEM images |
CN104718428A (zh) * | 2012-10-15 | 2015-06-17 | 株式会社日立高新技术 | 图案的检查、测量装置及程序 |
CN105551043A (zh) * | 2015-12-17 | 2016-05-04 | 北京猎鹰无人机科技有限公司 | 无人机影像数据实时处理方法 |
CN108038838A (zh) * | 2017-11-06 | 2018-05-15 | 武汉纺织大学 | 一种棉麻纤维种类自动检测方法和系统 |
CN108918526A (zh) * | 2018-04-10 | 2018-11-30 | 华南理工大学 | 一种柔性ic封装基板线路的缺口缺陷检测方法 |
CN107256406B (zh) * | 2017-04-19 | 2020-05-01 | 深圳清华大学研究院 | 重叠纤维图像分割方法、装置、存储介质和计算机设备 |
-
2019
- 2019-01-31 CN CN201910098272.2A patent/CN109872287B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7360199B2 (en) * | 2006-05-26 | 2008-04-15 | International Business Machines Corporation | Iterative method for refining integrated circuit layout using compass optical proximity correction (OPC) |
US20120105617A1 (en) * | 2010-11-02 | 2012-05-03 | Yoon Han-June | Method of measuring critical dimension of pattern and apparatus for performing the same |
CN104718428A (zh) * | 2012-10-15 | 2015-06-17 | 株式会社日立高新技术 | 图案的检查、测量装置及程序 |
US9053532B2 (en) * | 2013-03-29 | 2015-06-09 | International Business Machines Corporation | Automatic filtering of SEM images |
CN105551043A (zh) * | 2015-12-17 | 2016-05-04 | 北京猎鹰无人机科技有限公司 | 无人机影像数据实时处理方法 |
CN107256406B (zh) * | 2017-04-19 | 2020-05-01 | 深圳清华大学研究院 | 重叠纤维图像分割方法、装置、存储介质和计算机设备 |
CN108038838A (zh) * | 2017-11-06 | 2018-05-15 | 武汉纺织大学 | 一种棉麻纤维种类自动检测方法和系统 |
CN108918526A (zh) * | 2018-04-10 | 2018-11-30 | 华南理工大学 | 一种柔性ic封装基板线路的缺口缺陷检测方法 |
Non-Patent Citations (2)
Title |
---|
肖瑞莹: "用于Canny算子边缘检测的广度优先算法研究", 《计算机技术与发展》 * |
赵同刚: "基于监督学习的canny图像边缘检测改进算法研究", 《半导体光电》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11567413B2 (en) | 2019-02-25 | 2023-01-31 | Asml Netherlands B.V. | Method for determining stochastic variation of printed patterns |
CN113487523A (zh) * | 2021-09-08 | 2021-10-08 | 腾讯科技(深圳)有限公司 | 图形轮廓优化方法、装置、计算机设备和存储介质 |
CN113487523B (zh) * | 2021-09-08 | 2021-12-07 | 腾讯科技(深圳)有限公司 | 图形轮廓优化方法、装置、计算机设备和存储介质 |
CN116129157A (zh) * | 2023-04-13 | 2023-05-16 | 深圳市夜行人科技有限公司 | 一种基于极微光的警戒摄像机智能图像处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109872287B (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109872287A (zh) | Sem图像轮廓线图的修正方法 | |
CN110992262B (zh) | 一种基于生成对抗网络的遥感图像超分辨重建方法 | |
US6778698B1 (en) | Method and apparatus for digital image segmentation | |
EP1321898B1 (en) | Method and apparatus for digital image segmentation | |
JP5854802B2 (ja) | 画像処理装置、画像処理方法、及びコンピュータプログラム | |
KR101994112B1 (ko) | 분할 영역 단위의 파노라마 영상 합성 장치 및 방법 | |
CN108961180B (zh) | 红外图像增强方法及系统 | |
JP2001043376A (ja) | 画像抽出方法及び装置並びに記憶媒体 | |
Kim et al. | Deep edge-aware interactive colorization against color-bleeding effects | |
CN106228186A (zh) | 高光谱图像分类装置与方法 | |
JP2001043380A (ja) | 映像分割装置及びその方法 | |
Herodotou et al. | Colour image interpolation for high resolution acquisition and display devices | |
CN111105354A (zh) | 基于多源深度残差网络的深度图像超分辨率方法及装置 | |
CN109447970A (zh) | 基于能量转移和均匀缩放的图像重定向方法 | |
CN108924434A (zh) | 一种基于曝光变换的立体高动态范围图像合成方法 | |
CN113920378B (zh) | 基于注意力机制的柴胡种子识别方法 | |
CN115984235A (zh) | 一种基于图像分割的晶圆图混合缺陷模式识别方法及系统 | |
CN113361442B (zh) | 图像识别方法、装置、电子设备和存储介质 | |
WO2022133874A1 (zh) | 图像处理方法及设备、计算机可读存储介质 | |
WO2022074878A1 (ja) | 処理方法およびそれを利用した処理装置 | |
CN104079915B (zh) | 一种并行虚拟视点合成方法 | |
JP2004038530A (ja) | 画像処理方法、同方法の実行に用いるプログラム及び画像処理装置 | |
JP2007133874A (ja) | イメージオブジェクト用の多角形境界定義を生成するための方法およびシステム | |
CN110111254A (zh) | 一种基于多级递归引导和渐进监督的深度图超分辨率方法 | |
Iwanowski | Morphological boundary pixel classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |