CN110121732A - 用于从低分辨率检验图像重建高分辨率点扩散函数的系统及方法 - Google Patents
用于从低分辨率检验图像重建高分辨率点扩散函数的系统及方法 Download PDFInfo
- Publication number
- CN110121732A CN110121732A CN201780081242.XA CN201780081242A CN110121732A CN 110121732 A CN110121732 A CN 110121732A CN 201780081242 A CN201780081242 A CN 201780081242A CN 110121732 A CN110121732 A CN 110121732A
- Authority
- CN
- China
- Prior art keywords
- resolution
- psf
- low
- subsystem
- sub
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000006870 function Effects 0.000 claims abstract description 17
- 230000007547 defect Effects 0.000 claims description 82
- 238000007689 inspection Methods 0.000 claims description 65
- 230000003287 optical effect Effects 0.000 claims description 34
- 238000005259 measurement Methods 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 20
- 238000006073 displacement reaction Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 6
- 208000011580 syndromic disease Diseases 0.000 claims description 5
- 238000013139 quantization Methods 0.000 claims description 4
- 230000002829 reductive effect Effects 0.000 claims description 2
- 239000004065 semiconductor Substances 0.000 description 20
- 238000012360 testing method Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 12
- 239000002245 particle Substances 0.000 description 11
- 238000003860 storage Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 9
- JJWKPURADFRFRB-UHFFFAOYSA-N carbonyl sulfide Chemical compound O=C=S JJWKPURADFRFRB-UHFFFAOYSA-N 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 9
- 229920006395 saturated elastomer Polymers 0.000 description 9
- 238000005070 sampling Methods 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000004075 alteration Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction 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
- 230000008021 deposition Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- NZZMVMMUNRNSMC-UHFFFAOYSA-N 1-[3-(5,6-dihydrobenzo[b][1]benzazepin-11-yl)propyl]-4-piperidin-1-ylpiperidine-4-carboxamide;dihydrochloride Chemical compound Cl.Cl.C1CN(CCCN2C3=CC=CC=C3CCC3=CC=CC=C32)CCC1(C(=O)N)N1CCCCC1 NZZMVMMUNRNSMC-UHFFFAOYSA-N 0.000 description 1
- 240000007762 Ficus drupacea Species 0.000 description 1
- 229910001218 Gallium arsenide Inorganic materials 0.000 description 1
- GPXJNWSHGFTCBW-UHFFFAOYSA-N Indium phosphide Chemical compound [In]#P GPXJNWSHGFTCBW-UHFFFAOYSA-N 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000003921 particle size analysis Methods 0.000 description 1
- 230000000135 prohibitive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
- G06T3/4076—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution using the original low-resolution images to iteratively correct the high-resolution images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
- G06T3/4069—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution by subpixel displacements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/416—Exact reconstruction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (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)
- Image Analysis (AREA)
Abstract
本发明涉及一种用于从一或多个低分辨率图像重建一或多个高分辨率点扩散函数PSF的方法,其包含:获取晶片的一或多个低分辨率图像;聚合一或多个低分辨率图像图块;及估计所述一或多个低分辨率图像中的一或多个子像素移位且同时从所述经聚合的一或多个低分辨率图像图块重建一或多个高分辨率PSF。
Description
技术领域
本发明涉及晶片检验及检视,且特定来说涉及从低分辨率晶片检验图像重建高分辨率点扩散函数(PSF)。
背景技术
制造例如逻辑及存储器装置的半导体装置通常包含使用大量半导体制造过程处理衬底(例如半导体晶片)以形成半导体装置的各种特征及多个层级。可依单个半导体晶片上的布置制造多个半导体装置且接着将其分离为个别半导体装置。
半导体装置可在制造过程期间产生缺陷。在半导体制造过程期间的各种步骤执行检验过程以检测样品上的缺陷。检验过程是制造半导体装置(例如集成电路)的重要部分,随着半导体装置的尺寸减小,检验过程对于成功制造可接受半导体装置变得甚至更重要。例如,随着半导体装置的尺寸减小,已变得高度期望缺陷检测,这是因为甚至相对小缺陷可导致半导体装置中的非所要像差。
如果点扩散函数(PSF)大小相当于或小于传感器的像素大小,那么晶片检验系统中的传感器倾向于对缺陷形状进行下取样(undersample),从而产生低分辨率图像。另外,晶片检验系统中的传感器在高于特定像素强度时变得饱和,从而无法提供经检验晶片上的特征之间的差别。因而,将可期望提供解决如上文识别的先前方法的缺点的系统及方法。
发明内容
根据本发明的一或多个实施例揭示一种用于从一或多个低分辨率图像图块重建一或多个高分辨率点扩散函数(PSF)的系统。在一个说明性实施例中,所述系统包含检验子系统。在另一说明性实施例中,所述系统包含经配置以固定一或多个晶片的载物台。在另一说明性实施例中,所述系统包含通信地耦合到所述检验子系统的控制器。在另一说明性实施例中,所述控制器包含一或多个处理器,所述一或多个处理器经配置以执行存储于存储器中的一组程序指令。在另一说明性实施例中,所述程序指令经配置以导致所述一或多个处理器获取晶片的一或多个低分辨率图像。在另一说明性实施例中,所述一或多个低分辨率图像包含一或多个低分辨率图像图块。在另一说明性实施例中,所述一或多个低分辨率图像图块包含一或多个子像素移位。在另一说明性实施例中,所述程序指令经配置以导致所述一或多个处理器聚合所述一或多个低分辨率图像图块。在另一说明性实施例中,所述程序指令经配置以导致所述一或多个处理器估计所述一或多个子像素移位且同时从所述经聚合的一或多个低分辨率图像图块重建一或多个高分辨率PSF。
根据本发明的一或多个实施例揭示一种用于从一或多个低分辨率图像图块重建一或多个高分辨率点扩散函数(PSF)的方法。在一个说明性实施例中。在另一说明性实施例中,所述方法包含获取晶片的一或多个低分辨率图像。在另一说明性实施例中,所述一或多个低分辨率图像包含一或多个低分辨率图像图块。在另一说明性实施例中,所述一或多个低分辨率图像图块包含一或多个子像素移位。在另一说明性实施例中,所述方法包含聚合所述一或多个低分辨率图像图块。在另一说明性实施例中,所述方法包含估计所述一或多个子像素移位且同时从所述经聚合的一或多个低分辨率图像图块重建一或多个高分辨率PSF。
应理解,前述描述及下列详细描述仅是示范性及解释性的且未必限制本发明。并入特性中且构成其的一部分的随附图式说明本发明的主题。描述及图式共同用于解释本发明的原理。
附图说明
通过参考附图可使所属领域的技术人员更好理解本发明的数种优点,其中:
图1说明根据本发明的一或多个实施例的用于使样本成像的系统的框图。
图2A说明根据本发明的一或多个实施例的模型化点扩散函数(PSF)的图形数据。
图2B说明根据本发明的一或多个实施例的所观察PSF的图形数据。
图3A说明根据本发明的一或多个实施例的经重建PSF的图形数据。
图3B说明根据本发明的一或多个实施例的模型化PSF与经重建PSF的轮廓比较的图形数据。
图4说明根据本发明的一或多个实施例的模型化PSF的图形数据。
图5A说明根据本发明的一或多个实施例的模型化PSF的图形数据。
图5B说明根据本发明的一或多个实施例的低分辨率图像图块的图形数据。
图5C说明根据本发明的一或多个实施例的模型化PSF的图形数据。
图5D说明根据本发明的一或多个实施例的低分辨率图像图块的图形数据。
图5E说明根据本发明的一或多个实施例的模型化PSF的图形数据。
图5F说明根据本发明的一或多个实施例的低分辨率图像图块的图形数据。
图6A说明根据本发明的一或多个实施例的模型化PSF的图形数据。
图6B说明根据本发明的一或多个实施例的模型化PSF的图形数据。
图7A说明根据本发明的一或多个实施例的模型化PSF的图形数据。
图7B说明根据本发明的一或多个实施例的低分辨率图像图块的图形数据。
图7C说明根据本发明的一或多个实施例的模型化PSF的图形数据。
图7D说明根据本发明的一或多个实施例的低分辨率图像图块的图形数据。
图7E说明根据本发明的一或多个实施例的模型化PSF的图形数据。
图8A说明根据本发明的一或多个实施例的比较低分辨率图像图块中的子像素移位的图形数据。
图8B说明根据本发明的一或多个实施例的比较低分辨率图像图块中的子像素移位的图形数据。
图9A说明根据本发明的一或多个实施例的模型化PSF的图形数据。
图9B说明根据本发明的一或多个实施例的经重建高分辨率PSF的图形数据。
图9C说明根据本发明的一或多个实施例的经重建高分辨率PSF的图形数据。
图10A说明根据本发明的一或多个实施例的PSF图像的图形数据。
图10B说明根据本发明的一或多个实施例的PSF图像的图形数据。
图10C说明根据本发明的一或多个实施例的PSF图像的图形数据。
图10D说明根据本发明的一或多个实施例的PSF图像的图形数据。
图11A说明根据本发明的一或多个实施例的针对校准及测试所实施的所观察缺陷的图形数据。
图11B说明根据本发明的一或多个实施例的针对校准及测试所实施的所观察缺陷的图形数据。
图11C说明根据本发明的一或多个实施例的针对校准及测试所实施的所观察缺陷的图形数据。
图11D说明根据本发明的一或多个实施例的针对校准及测试所实施的所观察缺陷的图形数据。
图11E说明根据本发明的一或多个实施例的针对校准及测试所实施的所观察缺陷的图形数据。
图11F说明根据本发明的一或多个实施例的针对校准及测试所实施的所观察缺陷的图形数据。
图11G说明根据本发明的一或多个实施例的用于校准及测试的点沉积晶片。
图12A说明根据本发明的一或多个实施例的缺陷事件的图形数据。
图12B说明根据本发明的一或多个实施例的缺陷事件的图形数据。
图12C说明根据本发明的一或多个实施例的缺陷事件的图形数据。
图13A说明根据本发明的一或多个实施例的或多个饱和图像像素的图形数据。
图13B说明根据本发明的一或多个实施例的或多个饱和图像像素的图形数据。
图14A说明根据本发明的一或多个实施例的基于经检验晶片的PSF图像尾部(image tail)的图形数据。
图14B说明根据本发明的一或多个实施例的基于经检验晶片的PSF图像尾部的图形数据。
图15A说明根据本发明的一或多个实施例的基于经检验晶片的PSF图像尾部的图形数据。
图15B说明根据本发明的一或多个实施例的基于经检验晶片的PSF图像尾部的图形数据。
图15C说明根据本发明的一或多个实施例的基于具有光点缺陷(LPD)的经检验晶片的PSF图像尾部的图形数据。
图16A说明根据本发明的一或多个实施例的晶片检验结果的图形数据。
图16B说明根据本发明的一或多个实施例的晶片检验结果的图形数据。
图16C说明根据本发明的一或多个实施例的晶片检验结果的图形数据。
图16D说明根据本发明的一或多个实施例的晶片检验结果的图形数据。
图17说明描绘根据本发明的一或多个实施例的使用一或多个高分辨率重建程序校准晶片检验系统的方法的流程图。
具体实施方式
现在将详细参考随附图式中说明的所揭示主题。
参考图1到17,根据本发明的一或多个实施例揭示用于从一或多个低分辨率图像图块重建一或多个高分辨率点扩散函数(PSF)的系统及方法。
可部分通过点扩散函数(PSF)特性化检验子系统,所述PSF是给定检验子系统的响应的测量且出于本发明的目的解释为等效于检验子系统的脉冲响应。系统脉冲是界定检验子系统的聚焦方案、最佳过滤方案、缺陷检测敏感度及/或缺陷粒度分析方案中的一或多者的一个度量。例如,检验子系统的敏感度目标可包含直径范围从十几纳米到二十几纳米的粒子。检验子系统可始终依特定像素大小实现充分取样以按所要分辨率沿着切向成像方向输出。这些检验子系统可另外在期望时以晶片处理量为代价实现充分取样以按所要分辨率沿着径向成像方向输出。在系统达到特定像素大小之前,高分辨率数据可用于在校准及检验期间解析二维系统响应。然而,在低于特定像素大小的情况下,通过检验子系统输出的图像开始展现清晰度不足。在这些检验子系统中,可实施多个放大层以在低于特定像素大小的情况下成像以允许特殊“诊断”模式,但此类解决方案(对制造商及/或消费者而言)在设计复杂性及成本方面是禁止性的。另外,重建方法已要求成像分辨率相对于响应函数小得多,从而严重限制重建的实际使用。因此,将对脉冲响应进行下取样,从而导致特殊使用情况的问题,例如一些粗糙薄膜中的校准及斑点/粒子区分。
本发明的实施例涉及使用一或多个超分辨率程序(或函数)重建一或多个低分辨率点扩散函数(PSF)以产生一或多个高分辨率PSF。本发明的实施例还涉及使用一或多个超分辨率程序从一或多个低分辨率图像图块重建一或多个高分辨率PSF。本发明的实施例还涉及将晶片检验系统的运动包含于一或多个超分辨率程序中。本发明的实施例还涉及使用一或多个超分辨率程序执行系统敏感度分析及校准。
本发明的额外实施例涉及将一或多个超分辨率过程应用于一或多个高级应用。例如,一或多个高级应用可包含抑制图像斑点。通过另一实例,一或多个高级应用可包含分离宇宙射线引发的暗噪声与实际粒子(即,一或多个真实缺陷)。通过另一实例,一或多个高级应用可包含扩展检验系统的动态范围。
本发明的实施例的优点包含克服晶片检验系统中的传感器的像素大小限制。本发明的实施例的优点还包含在下取样晶片检验系统中从一或多个低分辨率晶片图像图块精确重建一或多个高分辨率点扩散函数(PSF)。本发明的实施例的优点还包含针对各种应用提供产生高分辨率图像的方法的低成本替代方案。例如,各种应用可包含与检验系统的校准及问题诊断相关的一或多个应用。例如,各种应用可包含在检验系统的校准期间使用PSF测量界定检验子系统的最佳聚焦方案。另外,各种应用可包含监测检验子系统随着时间的漂移。此外,各种应用可包含对比理论模型对检验系统的敏感度进行故障排除。
通过另一实例,各种应用可包含与经检验晶片上的一或多个缺陷的检测、分类或粒度分析的一或多者相关的一或多个应用。例如,各种应用可包含下列中的一或多者:实现针对粒子敏感度的最佳滤波器组设计;区分斑点图案与粒子响应以改进薄膜的敏感度;或在一或多个缺陷的检测期间解析密集所关注缺陷(DOI)丛集。另外,各种应用可包含将PSF反卷积以增强一或多个缺陷的分类。另外,各种应用可包含减少所报告粒子粒度分析误差且将粒子响应与DOI的散射模型耦合以对一或多个缺陷进行粒度分析。
本发明的实施例的优点还涉及结合一或多个高级应用实施,例如基于斑点图案将薄膜的斑点与散粒噪声的混合物分离。本发明的实施例的优点还涉及结合一或多个高级应用实施,例如利用具有低分辨率PSF的一或多个超分辨率程序来区分一或多个真实缺陷与宇宙射线噪声。本发明的实施例的优点还涉及结合一或多个高级应用实施,例如扩展检验子系统的动态范围。
图1说明根据本发明的一或多个实施例的用于样本检验的系统100的框图。在一个实施例中,系统100包含检验子系统102。在另一实施例中,系统100包含用于固定一或多个样本104的样本载物台106。在另一实施例中,系统100包含控制器110。在另一实施例中,系统100包含用户接口120。
在另一实施例中,检验子系统102经配置以检测样本104的一或多个缺陷。例如,检验子系统102可包含(但不限于)电子束检验或检视工具(例如,扫描电子显微镜(SEM)系统)。通过另一实例,检验子系统102可包含(但不限于)光学检验子系统。例如,光学检验子系统可包含宽带检验子系统,包含(但不限于)基于激光维持等离子(LSP)的检验子系统。另外,光学检验子系统可包含窄带检验子系统,例如(但不限于)激光扫描检验子系统。此外,光学检验子系统可包含(但不限于)亮场成像工具或暗场成像工具。在本文中注意,检验子系统102可包含经配置以收集及分析从样本104的表面反射、散射、衍射及/或辐射的照明的任何光学系统。
在以下专利中描述检验子系统的实例:2006年8月8日发布的第7,092,082号美国专利;2003年9月16日发布的第6,621,570号美国专利;及1998年9月9日发布的第5,805,278号美国专利,所述案中的每一者的全部内容以引用的方式并入本文中。还在以下专利中描述检验子系统的实例:2014年4月4日发布的第8,664,594号美国专利;2014年4月8日发布的第8,692,204号美国专利;2014年4月15日发布的第8,698,093号美国专利;2014年5月6日发布的第8,716,662号美国专利;2015年4月29日申请的第14/699,781号美国专利申请案;2015年3月24日申请的第14/667,235号美国专利申请案;及2014年8月13日申请的第14/459,155号美国专利申请案,所述案中的每一者的全部内容以引用的方式并入本文中。
出于本发明的目的,可将缺陷分类为空隙、短路、粒子、残留物、残渣或所属领域中已知的任何其它缺陷。
在另一实施例中,尽管未展示,但检验子系统102可包含照明源、检测器及用于执行检验的各种光学组件(例如,透镜、光束分离器及类似物)。例如,检验子系统102可包含所属领域中已知的任何照明源。例如,照明源可包含(但不限于)宽带光源或窄带光源。另外,照明源可经配置以(经由各种光学组件)将光引导到安置于样本载物台106上的样本104的表面。此外,检验子系统102的各种光学组件可经配置以将从样本104的表面反射及/或散射的光引导到检验子系统102的检测器。通过另一实例,检验子系统102的检测器可包含所属领域中已知的任何适当检测器。例如,检测器可包含(但不限于)光电倍增管(PMT)、电荷耦合装置(CCD)、时间延迟积分(TDI)相机及类似物。另外,检测器的输出可通信地耦合到控制器110,在本文中进一步详细描述。
在一个实施例中,样本104包含晶片。例如,样本104可包含(但不限于)半导体晶片。如贯穿本发明使用,术语“晶片”是指由半导体及/或非半导体材料形成的衬底。例如,半导体或半导体材料可包含(但不限于)单晶硅、砷化镓及磷化铟。
在另一实施例中,样本载物台106可包含所属领域中已知的任何适当机械及/或机器人组合件。在另一实施例中,控制器110可致动样本载物台106。例如,样本载物台106可由控制器110配置以将样本104致动到所选择的位置或定向。例如,样本载物台106可包含或可机械地耦合到经配置以根据所选择的检验或计量算法平移或旋转样本104以进行定位、聚焦及/或扫描的一或多个致动器(例如马达或伺服机),所属领域中已知若干致动器。
在一个实施例中,控制器110包含一或多个处理器112及存储器媒体114。在另一实施例中,一或多组程序指令116存储于存储器媒体114中。在另一实施例中,一或多个处理器112经配置以执行所述组程序指令116以执行贯穿本发明描述的各种步骤的一或多者。
在另一实施例中,控制器110经配置以通过可包含有线部分及/或无线部分的传输媒体接收及/或获取来自其它系统或子系统的数据或信息(例如,来自检验子系统102或来自检验子系统102的组件的任一者的一或多组信息或经由用户接口120接收的一或多个用户输入)。例如,检验子系统102或检验子系统102的组件的任一者可将关于检验子系统102或检验子系统102的组件的任一者的操作的一或多组信息传输到控制器110。通过另一实例,检验子系统102可将一或多个样本104的一或多个经检验区的一或多个图像传输到控制器110。例如,传输到控制器110的一或多个图像可包含(但不限于)一或多个低分辨率图像、一或多个低分辨率图像图块或点扩散函数(PSF)。应注意,在本文中进一步详细论述低分辨率图像、低分辨率图像图块及PSF。
在另一实施例中,系统100包含检验子系统102中的一或多个编码器,其中编码器在一或多组信息(例如,样本104的一或多个低分辨率图像的低分辨率图像图块)传输到控制器110之前聚合所述一或多组信息。在另一实施例中,系统100包含载物台106上的一或多个载物台编码器。在另一实施例中,系统100包含控制器110中的一或多个解码器以解聚合(de-aggregate)由检验子系统102传输的一或多组信息(例如,低分辨率图像图块)。在另一实施例中,系统100包含控制器110中的一或多个编码器,其中编码器在从检验子系统102接收一或多个组信息(例如,低分辨率图像图块)之后聚合所述一或多组信息。
在另一实施例中,系统100的控制器110经配置以通过可包含有线部分及/或无线部分的传输媒体将数据或信息(例如,本文中揭示的一或多个程序的输出)传输到一或多个系统或子系统(例如,将一或多个命令传输到检验子系统102或检验子系统102的组件的任一者、样本载物台106或显示于用户接口120上的一或多个输出)。在这点上,传输媒体可充当控制器110与系统100的其它子系统之间的数据链路。在另一实施例中,控制器110经配置以经由传输媒体(例如,网络连接)将数据发送到外部系统。
在一个实例中,检验子系统102的检测器可以任何合适方式(例如,通过以在图1中展示的虚线指示的一或多个传输媒体)耦合到控制器110,使得控制器110可接收由检测器产生的输出。通过另一实例,如果检验子系统102包含一个以上检测器,那么控制器110可耦合到如上文描述的多个检测器。在本文中注意,控制器110可经配置以利用所属领域中已知的检测晶片上的缺陷的任何方法及/或算法使用通过检验子系统102收集及传输的检测数据来检测样本104的一或多个缺陷。例如,检验子系统102可经配置以接受来自系统100的另一子系统(包含(但不限于)控制器110)的指令。在接收来自控制器110的指令之后,检验子系统102可在所提供指令(即,检验配方(recipe))中识别的样本104的一或多个位置(例如,一或多个待检验区)处执行检验过程,从而将检验过程的结果传输到控制器110。
在一个实施例中,所述组程序指令116经编程以导致一或多个处理器112获取晶片的一或多个低分辨率图像,其中一或多个低分辨率图像包含一或多个低分辨率图像图块,其中一或多个低分辨率图像图块包含一或多个子像素移位。在另一实施例中,所述组程序指令116经编程以导致一或多个处理器112聚合一或多个低分辨率图像图块。在另一实施例中,所述组程序指令116经编程以导致一或多个处理器112估计一或多个子像素移位且同时从经聚合的一或多个低分辨率图像图块重建一或多个高分辨率点扩散函数(PSF)。
在一个实施例中,控制器110的一或多个处理器112包含所属领域中已知的任何一或多个处理元件。在此意义上,一或多个处理器112可包含经配置以执行算法及/或指令的任何微处理器装置。例如,一或多个处理器112可由桌面计算机、主计算机系统、工作站、图像计算机、并行处理器、车载计算机、手持式计算机(例如,平板计算机、智能手机或平板手机)或经配置以执行经配置以操作系统100的程序的其它计算机系统(例如,网络计算机)构成,如贯穿本发明描述。应认识到,可由单个计算机系统或(替代性地)多个计算机系统执行贯穿本发明描述的步骤。术语“处理器”可经广泛定义以涵盖具有执行来自非暂时性存储器媒体(例如,存储器114)的序指令116的一或多个处理元件的任何装置。此外,系统100的不同子系统(例如,检验子系统102或用户接口120)可包含适合于执行贯穿本发明描述的步骤的至少一部分的处理器或逻辑元件。因此,上文描述不应解释为对本发明的限制而仅为说明。
在一个实施例中,控制器110的存储器媒体114包含所属领域中已知的适合于存储可由相关联的一或多个处理器112执行的程序指令116的任何存储媒体。例如,存储器媒体114可包含非暂时性存储器媒体。例如,存储器媒体114可包含(但不限于)只读存储器、随机存取存储器、磁性或光学存储器装置(例如,光盘)、磁带、固态硬盘及类似物。在另一实施例中,在本文中注意,存储器114经配置以将显示信息提供到显示器设备122及/或本文中描述的各种步骤的输出。进一步注意,存储器114可与一或多个处理器112容置于共同控制器外壳中。在替代实施例中,存储器114可相对于处理器112及控制器110的物理位置远程定位。例如,控制器110的一或多个处理器112可存取可通过网络(例如,因特网、内部网络及类似物)存取的远程存储器(例如,服务器)。在另一实施例中,存储器媒体114存储用于导致一或多个处理器112执行贯穿本发明描述的各种步骤的程序指令116。
在另一实施例中,用户接口120通信地耦合到控制器110的一或多个处理器112。在另一实施例中,用户接口120包含显示器设备122。在另一实施例中,用户接口120包含用户输入124。
在一个实施例中,显示器设备122包含所属领域中已知的任何显示器设备。例如,显示器设备可包含(但不限于)液晶显示器(LCD)。通过另一实例,显示器设备可包含(但不限于)基于有机发光二极管(OLED)的显示器。通过另一实例,显示器设备可包含(但不限于)CRT显示器。所属领域的技术人员应认识到,各种显示器设备可适合于在本发明中实施且显示器设备的特定选择可取决于各种因素,包含(但不限于)外观尺寸、成本及类似物。在一定意义上,能够与用户输入设备(例如,触摸屏幕、面板安装接口、键盘、鼠标、跟踪垫及类似物)集成的任何显示器设备适合于在本发明中实施。
在一个实施例中,用户输入设备124包含所属领域中已知的任何用户输入设备。例如,用户输入设备124可包含(但不限于)键盘、小键盘、触摸屏幕、杆、旋钮、轮盘、跟踪球、开关、刻度盘、滑杆、卷动条、滑件、把手、触摸垫、踏板、方向盘、操纵杆、面板输入设备或类似物。在触摸屏幕接口的情况中,所属领域的技术人员应认识到,大量触摸屏幕接口可适合于在本发明中实施。例如,显示器设备122可与触摸屏幕接口(例如(但不限于)电容式触摸屏幕、电阻式触摸屏幕、基于表面声波的触摸屏幕、基于红外线的触摸屏幕或类似物)集成。在一定意义上,能够与显示器设备的显示部分集成的任何触摸屏幕接口适合于在本发明中实施。在另一实施例中,用户输入设备124可包含(但不限于)面板安装接口。
可如本文中所描述般进一步配置在图1中说明的系统100的实施例。另外,系统100可经配置以执行本文中描述的(若干)系统及方法实施例的任一者的(若干)任何其它步骤。
本文中应注意,出于本发明的目的,图2A到16D中的-dx、+dx、-dy及+dy可为任何数字。本文中进一步应注意,-dx、+dx、-dy及+dy的一或多者可为不同于或相同于-dx、+dx、-dy及+dy的其余者的数字。本文中进一步应注意,尽管显示在相同轴上,但±dx及±dy可能并非相同数字。然而,上文描述不应解释为对本发明的限制而仅为说明。
本文中进一步应注意,出于本发明的目的,图2A到16D中的标称像素大小在大小上是1μm×1μm。在这点上,低分辨率图像图块的标称分辨率可为1μm×1μm。然而,上文描述不应解释为对本发明的限制而仅为说明。
本文中进一步应注意,出于本发明的目的,在图2A到16D中表示的图形数据的标称光强度标度的范围是从0到1。然而,上文描述不应解释为对本发明的限制而仅为说明。
在另一实施例中,控制器110从检验子系统102接收一或多个低分辨率图像图块,其中低分辨率图像图块包含具有变化强度的一或多个光点。在另一实施例中,控制器110将一或多个低分辨率图像图块变换为一或多个高分辨率PSF。本文中应注意,PSF在形状上通常为球形、椭圆形、沙漏形,但PSF可为所属领域中已知的任何形状。在另一实施例中,PSF是其中低分辨率图像图块中的光点扩散以填充图像平面中的有限区域的模型(例如,3D艾里(Airy)衍射图案)。本文中应注意,光点的扩散是通过光衍射使光点模糊,其中光衍射是确定检验子系统的分辨率限制的一个因素。
本文中应注意,PSF的大小可受一或多个因素影响,包含(但不限于)一或多个光点的波长或检验子系统102的一或多个物镜的数值孔径(NA)。例如,较短波长将在图像平面中产生比较长波长更紧密(即,更聚焦)的有限区域。通过另一实例,具有较高NA值的物镜将在图像平面中产生比具有较低NA值的物镜更紧密(即,更聚焦)的有限区域。在这点上,可鉴于检验子系统102的一或多个检验性质(例如,成像及操作)描述一或多个PSF。
在另一实施例中,高分辨率PSF经计算为用于光点中的每一者的PSF的总和。在另一实施例中,一或多个卷积程序可将由具有一或多个对应PSF的检验子系统102成像的光点组合为一或多个组合图像。
应注意,与检验子系统102相关联的PSF的理解可帮助经由一或多个反卷积程序适当重建一或多个图像。在另一实施例中,将一或多个组合图像反卷积将一或多个组合图像变换为较高分辨率的低分辨率图块。例如,变换可包含(但不限于)减少组合图像中的离焦光及/或模糊量。例如,经由一或多个反卷积程序变换组合图像可通过低分辨率图像图块中的光点的一或多个PSF逆转模糊。
在本发明中,控制器实施一或多个超分辨率程序以从一或多个低分辨率图像图块重建一或多个高分辨率PSF。在一个实施例中,一或多个超分辨率程序依靠检验系统的频域。在另一实施例中,一或多个超分辨率程序包含在重建高分辨率图像时一组低分辨率图像图块的一或多个子像素移位。
在一个实施例中,公式1表达频谱Gi(ω)。在公式1中,假定相对于第i个测量的共同任意参考的移位αi。在另一实施例中,公式2表达真实信号光谱点Gc(ω)。在另一实施例中,恢复真实信号光谱点Gc(ω),以便在空间域中重建高分辨率PSF。在另一实施例中,在频带受限信号的情况中,存在有限数目个真实光谱点其促成所观察频叠低分辨率光谱k(即,其中k=-K…0…K)。归因于有限数目个真实光谱点Gc(ω),高分辨率重建可简化为针对G(ω)的线性程序组,如在线性方程组公式3中表达。
在另一实施例中,存在2K+1个真实光谱点对来自线性方程式公式3的左侧上的M个低分辨率帧的每一所观察频率点ω求解所述真实光谱点。在另一实施例中,通过一或多个载物台编码器跟踪在转动(例如,径向)及平移(例如,切向)方向上的载物台运动。例如,来自一或多个载物台编码器的一或多组信息可为可接受级别的分辨率及精确性,使得一或多组信息可被输入到线性方程组公式3中。
本文中应注意,可在检验子系统102的校准期间捕获一或多个低分辨率图像,其中低分辨率图像包含一或多个低分辨率图像图块。例如,可在校准期间藉由通过一或多个反复扫描具有一或多个经沉积粒子的样本104的一或多个所选择的区而捕获一或多个低分辨率图像,从而记录数据采集位置。在这点上,获得遍及传感器像素的随机分布相对获取位置。
图2A及2B说明根据本发明的一或多个实施例的来自一或多个超分辨率程序的模拟应用的PSF的图形数据。图2A说明具有模型化PSF 202的图形数据200。图2B说明低分辨率图像图块的所观察PSF 212的图形数据210。
在一个实施例中,将强度噪声添加到图2A中的模型化PSF 202。例如,将强度噪声引入不确定位置中以模拟现实案例。在另一实施例中,在引入强度噪声的同时,通过每一传感器像素集成及取样将强度噪声添加到图2A中的模型化PSF 202的所得能量以产生图2B中说明的图形数据210的所观察PSF 212。在另一实施例中,相较于图2A,对低分辨率图像图块212进行下取样。
图3A及3B说明比较模型化PSF 202与通过将超分辨率程序公式3应用于图2B中说明的低分辨率图像图块而产生的经重建PSF(未展示)的图形数据。图3A说明轮廓比较的图形数据300,其中线302表示图2A中说明的模型化PSF 202且线304表示使用超分辨率程序公式3重建的PSF。应注意,图3A说明两个PSF的轮廓(尤其在PSF的峰值附近)之间的相似性,其中系统敏感度、滤波器设计及缺陷粒度分析受影响最大。图3B说明比较模型化PSF与使用超分辨率程序公式3重建的PSF的能量集中度(enclosed energy)的图形数据310,其中线312表示图2A中说明的模型化PSF 202且线314表示使用超分辨率程序公式3重建的PSF。如在图3A及3B的图形数据中展示,使用公式3重建一或多个低分辨率图像(例如,图2B)导致约8倍的改进分辨率。
图4到9C说明根据本发明的一或多个实施例的或多个超分辨率程序对真实世界数据的测试及应用。
图4说明模型化PSF 402的图形数据400。在一个实施例中,图形数据400包含非高斯模型。在另一实施例中,PSF 402垂直延长。
图5A到5F说明根据本发明的一或多个实施例的由低分辨率图像图块产生的PSF的三个实例。图5A到5F的三个实例说明定位于像素的不同区域中的缺陷。在一个实施例中,图5A到5F包含二十五个像素501。例如,像素501可为1μm×1μm的标称大小。然而,本文中应注意,PSF不限于如在图5A到5F中说明的像素501的数目或大小。因此,上文描述不应解释为对本发明的限制而仅为说明。
图5A及5B说明定位于像素中心处的PSF(即,无PSF移位;定位于中心像素(0,0)处的PSF)。图5A说明模型化PSF 502的图形数据500。图5B说明低分辨率图像图块512的图形数据510。在一个实施例中,低分辨率图像图块512说明由检验子系统102捕获的局部缺陷。在另一实施例中,相较于模型化PSF 502,在低分辨率图像512中模型化缺陷的较少界定特性。例如,低分辨率图像图块512说明可能定位于(0,0)像素中的缺陷,对应于展示以(0,0)像素为中心的缺陷的模型化PSF 502。通过另一实例,低分辨率图像图块512进一步说明围绕(0,0)像素的(±1,0)及(0,±1)像素中的PSF读数及(±1,±1)像素中的PSF读数。
图5C及5D说明定位于像素边缘处的PSF(即,到中心像素(0,0)的左侧的PSF移位)。例如,在1μm×1μm的标称像素大小的情况下,PSF移位在-0.5μm×0μm处。图5C说明模型化PSF 522的图形数据520。图5D说明低分辨率图像图块532的图形数据530。在一个实施例中,低分辨率图像532说明由检验子系统102捕获的缺陷。在另一实施例中,相较于模型化PSF522,在低分辨率图像图块532中模型化缺陷的较少界定特性。例如,低分辨率图像图块532说明可能定位于(0,0)或(-1,0)像素中的缺陷,对应于展示以(0,0)及(-1,0)像素之间的像素边缘为中心的缺陷的模型化PSF 522。通过另一实例,低分辨率图像图块532进一步说明分别围绕(0,0)及(-1,0)像素的(0,±1)及(-1,±1)像素中的PSF读数。
图5E及5F说明定位于像素边角处的PSF(即,向上及到中心像素(0,0)的左侧的PSF移位)。例如,在1μm×1μm的标称像素大小的情况下,PSF移位在-0.5μm×-0.5μm处。图5E说明模型化PSF 542的图形数据540。图5F说明低分辨率图像图块552的图形数据550。在一个实施例中,低分辨率图像图块552说明由检验子系统102捕获的缺陷。在另一实施例中,相较于模型化PSF 550,在低分辨率图像图块552中模型化缺陷的较少界定特性。例如,低分辨率图像图块552说明可能定位于(0,0)、(-1,0)、(-1,-1)或(0,-1)像素中的缺陷,对应于展示以(0,0)、(-1,0)、(-1,-1)及(0,-1)像素之间的像素边角为中心的缺陷的模型化PSF 542。
图6A及6B说明从一或多个低分辨率模型化PSF重建的PSF的模型化表示。在一个实施例中,通过将一或多个超分辨率程序应用于一或多个低分辨率图像图块而产生经重建PSF。例如,图6A及6B中的经重建PSF可为图5B中的低分辨率图像图块512的经重建高分辨率PSF。图6A说明从一或多个低分辨率图像图块重建的高分辨率模型化PSF 602的图形数据600。在一个实施例中,使用小于低分辨率图像图块512中的像素大小的像素大小重建高分辨率模型化PSF 602。图6B说明从一或多个低分辨率PSF重建的高分辨率模型化PSF 612的图形数据610。在一个实施例中,使用小于低分辨率图像图块512及高分辨率模型PSF 602中的像素大小两者的像素大小重建高分辨率模型化PSF 612。应注意,经重建PSF 602及612通过将超分辨率程序应用于低分辨率图像图块(即,图5B中说明的图像图块512)的连续反复而接近图5A中说明的模型化PSF 502。
图7A到7C说明根据本发明的一或多个实施例的模型化PSF。在图7A到7C中,缺陷经定位于像素处(即,到中心像素(0,0)的左侧的PSF移位)。例如,基于1μm×1μm的标称像素大小,PSF移位经定位于-0.4μm×0μm处。图7A说明高分辨率PSF 702的图形数据700。图形数据700包含二十五个像素501,其中高分辨率PSF 702是由较小像素701构成。
图7B说明低分辨率PSF 712的图形数据710。图形数据710包含二十五个像素501。在一个实施例中,通过对卷积PSF(例如高分辨率PSF 702)进行下取样而形成低分辨率图像图块712。在另一实施例中,低分辨率图像图块712说明由检验子系统102捕获的缺陷。在另一实施例中,相较于高分辨率PSF 702,在低分辨率图像712中模型化缺陷的较少界定特性。例如,低分辨率PSF 712说明可能定位于(0,0)或(-1,0)像素中的缺陷(其中缺陷较大机率在(0,0)像素中),对应于展示以(0,0)与(-1,0)像素之间的像素边缘为中心的缺陷的模型化PSF 702,且进一步说明分别围绕(0,0)及(-1,0)像素的(0,±1)及(-1,±1)像素中的PSF读数。
图7C说明经重建高分辨率PSF 722的图形数据720。应注意,高分辨率PSF 722由像素721构成。在一个实施例中,使用5x5像素并像卷积程序产生高分辨率PSF 722。
公式4说明标准取样理论方程式。在公式4中,项及表示傅立叶变换(FT)按比例调整。另外,项及表示FT移位。此外,项及表示FT相移。此外,项Δx及Δy表示空间移位。在一个实施例中,针对一给定(ωh,ωv)建构每一(Δx,Δy)的一组程序公式4。在一个实施例中,将线性最小平方程序应用于公式4以求解。
图7D及7E说明根据本发明的一或多个实施例的模型化PSF。图7D说明低分辨率图像图块732的图形数据730。图形数据730包含二十五个像素501。图7D说明低分辨率图像图块732的离散时间傅立叶变换(DTFT)量值。图7E说明高分辨率PSF 742的图形数据740,通过将公式4应用于低分辨率图像图块732而产生高分辨率PSF 742,其中值Δx=-0.26/0.13=-2;Δy=0;dh=5;且dv=5。
图8A及8B说明根据本发明的在原始子像素移位位置处及在估计子像素移位位置处的一或多个子像素移位的比较。在一个实施例中,子像素移位是由载物台106的固有随机抖动(即,随机工具产生移位)产生的运动的结果。在另一实施例中,子像素移位是由控制器110手动产生的运动的结果。在另一实施例中,载物台106的运动在检验子系统102扫描一或多个晶片104的一或多个经检验区以捕获低分辨率的一或多个图像时发生,其中低分辨率的一个图像包含一或多个低分辨率图像图块。
图8A说明在原始位置802及估计位置804中的一或多个子像素移位(例如,2D子像素移位)的水平分量及垂直分量的图形数据800。例如,可由载物台106或检验子系统102随机产生子像素移位。通过另一实例,可以受控方式施加子像素移位。通过另一实例,子像素移位可为一或多个所报告且量化子像素移位。从图8A应注意,估计子像素移位804非常接近于原始子像素移位802。
图8B说明包含表示每一子像素移位的估计位置804与原始位置802之间的水平误差及垂直误差(例如,2D误差)的数据点812的图形数据810。应注意,由于PSF在水平方向上更窄,所以误差在水平移位方向上更大。
本文中应注意,使用加权质心程序基于一组质心方程式产生估计子像素移位804,其中像素强度用作加权质心程序的权重。
图9A到9C说明根据本发明的一或多个实施例的用于通过将一或多个估计缺陷子像素移位包含于一或多个超分辨率程序中而重建高分辨率PSF的图形数据。
图9A说明估计PSF 902的图形数据900。应注意,估计高分辨率PSF 902由像素901构成。在一个实施例中,使用5x5像素并像卷积程序产生估计高分辨率PSF 902。在另一实施例中,从一或多个低分辨率图像图块重建估计高分辨率PSF 902。在另一实施例中,估计高分辨率PSF 902包含一或多个量化随机估计子像素移位位置及一或多个额外估计子像素移位位置。图9B说明估计PSF 912的图形数据910。应注意,PSF 912由像素901构成。在一个实施例中,在FT域中从图9A中的估计高分辨率PSF 902反卷积估计PSF 912。在另一实施例中,估计PSF 912包含一或多个量化随机估计子像素移位位置及一或多个额外估计子像素移位位置。图9C说明估计PSF 922的图形数据920。应注意,高分辨率PSF 922由像素901构成。在一个实施例中,从图9B中的估计PSF 912卷积估计PSF 922。在另一实施例中,估计PSF 922包含一或多个量化随机估计子像素移位位置及一或多个额外估计子像素移位位置。在另一实施例中,通过将一或多个超分辨率程序应用于估计PSF 922而产生最终高分辨率PSF。
在一个实施例中,使用经重建高分辨率PSF执行一或多个高级应用。在另一实施例中,使用一或多个超分辨率过程执行一或多个高级应用。在另一实施例中,使用经重建高分辨率PSF及用于校准检验子系统102的光学组件的额外度量执行一或多个高级应用。
在另一实施例中,经重建高分辨率PSF是用于校准检验子系统102的一个度量。在另一实施例中,产生用于校准检验子系统的一或多个额外度量。例如,可选择检验子系统102的一或多个光学组件。例如,光学组件可定位在检验子系统102的传感器前方。通过另一实例,可针对一或多个光学组件产生一或多个额外度量。
在另一实施例中,经重建高分辨率PSF及检验子系统102中的光学组件的额外度量适用于基于斑点图案减少薄膜的图像斑点及散粒噪声。
在另一实施例中,经重建高分辨率PSF适用于在晶片检验及检视期间抑制宇宙射线噪声。
图10A到10D说明根据本发明的一或多个实施例的具有像素1001的所观察缺陷事件。在一个实施例中,图10A说明缺陷事件1002的图形数据1000。在另一实施例中,图10B说明缺陷事件1012的图形数据1010。在另一实施例中,图10C说明缺陷事件1022的图形数据1020。在另一实施例中,图10D说明缺陷事件1032的图形数据1030。
m(x)=a∫Pixelsd2x′PSF(x′-x0) 公式5
r2=∑x(data(x)-m(x))2 公式6
应注意,宇宙射线信号独立于系统光学器件且因此未被PSF卷积。在一个实施例中,应用一或多个超分辨率程序以抑制宇宙射线噪声包含首先模型化如在公式5中表达的像素x=(x,y)中的信号缺陷。在另一实施例中,使用公式6最小化平方误差的总和以确定残值r2。在另一实施例中,通过对来自公式6的残值r2设限而抑制离群值。本文中应注意,可取决于事件强度使用不同阈值。本文中进一步应注意,可根据经验确定不同阈值。
本文中应注意,模型化PSF可不同于真实PSF(例如,归因于检验子系统的光学校准的改变)。进一步应注意,来自PSF误差的残值r2可随着事件强度增大而增大。
图11A到11C说明根据本发明的一或多个实施例的真实缺陷的图形数据。应注意,图11A到11C具有像素1101。图11A说明图像数据1102的图形数据1100。图11B说明使用公式5从图像数据1112产生的模型1112的图形数据1110。图11C说明使用公式6从模型1512产生的残值r2 1122的图形数据1120。
图11D到11F说明根据本发明的一或多个实施例的具有宇宙射线事件的像素1101的图形数据。图11D说明图像数据1132的图形数据1130。图11E说明使用公式5从图像数据1132产生的模型1142的图形数据1140。图15F说明使用公式6从模型1112产生的残值r21122的图形数据1150。
图11G表示含有不同大小的一或多个粒子1652的粒子沉积晶片1650。例如,粒子沉积晶片1650可用于校准及测试实施如上文描述的公式5及公式6的程序。
在另一实施例中,未检测到的大部分事件接近于一或多个超分辨率程序的设置阈值。图12A到12C说明根据本发明的一或多个实施例的个宇宙射线事件。本文中应注意,图12A到12C具有像素1201。图12A说明图像数据1202的图形数据1200。图12B说明使用公式5从图像数据1202产生的模型1212的图形数据1210。图12C说明使用公式6从模型1212产生的残值r2 1222的图形数据1220。
在另一实施例中,经重建高分辨率PSF适用于扩展晶片检验子系统的动态范围(例如,动态范围扩展-DRE)。本文中应注意,检验子系统的动态范围是指工具辨别亮度差异的能力。在一个实施例中,检验子系统报告纳米测量中的缺陷大小。例如,可通过首先取得总信号且使用校准表将总信号转换为纳米来计算纳米测量。在另一实施例中,超过特定纳米大小的缺陷将使检验子系统102的传感器饱和。图13A及13B说明根据本发明的一或多个实施例的两个经检验缺陷。图13A说明单个饱和像素1302的图形数据1300。图13B说明具有多个饱和像素1312的图形数据1310。
在另一实施例中,将一或多个超分辨率过程应用于DRE包含:仅使用非饱和像素将PSF拟合到所观察缺陷;及将振幅参数转换为等效像素并像大小(例如,2x2并像大小、5x5并像大小、7x7并像大小及类似物)。
在另一实施例中,测量一或多个PSF尾部或PSF中距离PSF中心最远的位置。例如,测量一或多个PSF尾部可包含检验具有使约1个像素饱和的一或多个光点缺陷(LPD)的晶片。通过另一实例,测量一或多个PSF尾部可包含将校准PSF拟合到一或多个LPD。通过另一实例,测量一或多个PSF尾部可包含通过振幅参数及并像数据将PSF正规化到网格。
图14A及14B说明根据本发明的一或多个实施例的PSF尾部的正规化强度对PSF尾部与子像素中心的距离。图14A说明用于在检验子系统102的切向方向上围绕子像素中心1401测量PSF尾部的图形数据1400。在一个实施例中,灰线1402表示具有被发现在子像素中心1401的特定所选择的距离内的中心的缺陷的正规化缺陷信号。在另一实施例中,黑线1404表示具有被发现在子像素中心1401的特定所选择的距离内的中心的每一缺陷的最大值-最小值-平均值线。图14B说明用于在检验子系统102的径向方向上围绕子像素中心1401测量PSF尾部的图形数据1410。在一个实施例中,灰线1412表示具有被发现在子像素中心1401的特定所选择的距离内的中心的缺陷的正规化缺陷信号。在另一实施例中,黑线1414表示具有被发现在子像素中心1401的特定所选择的距离内的中心的每一缺陷的最大值-最小值-平均值线。
图15A及15B说明根据本发明的一或多个实施例的在将超分辨率程序应用于DRE之后的PSF尾部的强度对PSF尾部与子像素中心的距离。图15A说明在检验系统的径向方向上的经测量PSF尾部的图形数据1500。在一个实施例中,线1502表示高分辨率PSF。在另一实施例中,线1504表示经由包含使用约1个饱和像素将经校准PSF拟合到一或多个LPD的程序产生的高分辨率PSF,如上文描述。图15B说明在检验系统的切向方向上的经测量PSF尾部的图形数据1510。在一个实施例中,线1502表示高分辨率PSF。在另一实施例中,线1504表示经由包使用约1个饱和像素将经校准PSF拟合到一或多个LPD的程序产生的高分辨率PSF,如上文描述。
图15C说明PSF尾部1522之间的差异的图形数据1520。如在图15C中说明,将一或多个超分辨率程序应用于DRE导致PSF数据中的振铃的移除。
图16A到16D说明针对DRE定制以扩展检验系统的动态范围的超分辨率程序的结果。
图16A说明具有未使用应用于DRE的一或多个超分辨率程序修改的非饱和系统中的缺陷曲线1602及峰值位置1604的图形数据1600。图16B说明具有未使用应用于DRE的一或多个超分辨率程序修改的饱和系统中的缺陷曲线1612、峰值位置1614及预期峰值位置1616的图形数据1610。此处,预期峰值位置1616与实际峰值1614的误差是25%。图16C说明具有使用应用于DRE的一或多个超分辨率程序修改的非饱和系统中的缺陷曲线1622及峰值位置1624的图形数据1620。图16D说明具有使用应用于DRE的一或多个超分辨率程序修改的饱和系统中的缺陷曲线1632、峰值位置1634及预期峰值位置1636的图形数据1630。此处,预期峰值位置1636与实际峰值1634的误差小于1%。
如在图16A到16D中说明,在将一或多个超分辨率程序应用于DRE时正确地对使检验系统传感器饱和的缺陷进行粒度分析,从而说明在大缺陷的重新粒度分析中的使用。
尽管本发明的实施例涉及使用一或多个超分辨率过程及/或经重建高分辨率PSF执行一或多个高级应用,但本文中应注意,可使用用于校准检验子系统102的光学组件的额外度量执行一或多个高级应用。例如,可使用一或多个超分辨率过程及/或经重建高分辨率PSF及光学组件的额外度量执行一或多个高级应用。因此,上文描述不应解释为对本发明的限制而仅为说明。
本文中应注意,图2A到16D中的所有细节应视为一或多个超分辨率程序的应用的实例。因此,上文描述不应解释为对本发明的限制而仅为说明。
图17说明描绘校准实施一或多个超分辨率程序的检验系统以重建一或多个低分辨率晶片检验图像的方法1700的流程图。在本文中注意,方法1700的步骤可由系统100完全实施或部分实施。然而,进一步认识到,方法1700不限于系统100,因为额外或替代系统级实施例可执行方法1700的步骤的全部或部分。
在步骤1702中,获取一或多个低分辨率图像图块。在一个实施例中,检验子系统102或载物台106发生运动。例如,运动可为随机的。通过另一实例,可手动施加运动。在另一实施例中,在检验子系统102扫描一或多个晶片104的一或多个经检验区的一或多个图像时发生运动。针对每一者,可依低分辨率捕获图像。在另一实施例中,运动产生一或多个低分辨率图像中的一或多个子像素移位。在另一实施例中,低分辨率图像图块是晶片104的一或多个图像的部分。在另一实施例中,低分辨率图像图块包含一或多个子像素移位。本文中应注意,一或多个低分辨率图像图块可能非从检验子系统102获取,而可替代地为先前存储的图像图块或从不同于系统100的检验子系统获取。
在步骤1704中,聚合低分辨率图像图块。在一个实施例中,一或多个低分辨率图像图块由检验子系统102上的一或多个编码器聚合且传输到控制器110。在另一实施例中,由控制器110中的一或多个编码器分开接收及聚合低分辨率图像图块。
在步骤1706中,估计低分辨率图像图块中的一或多个子像素移位且同时重建一或多个高分辨率PSF。在一个实施例中,估计低分辨率图像图块中的一或多个子像素移位且同时使用一或多个超分辨率程序重建一或多个高分辨率PSF。在另一实施例中,一或多个超分辨率程序包含依靠检验子系统的频域的至少一组线性程序。
在额外步骤1708中,选择检验子系统102的一或多个光学组件。在一个实施例中,选择一或多个光学组件来校准检验子系统102。在另一实施例中,检验子系统102的一或多个组件定位在传感器前方。在另一实施例中,通过使传感器像素效应反卷积而选择一或多个光学组件,其中传感器像素效应是通过下取样或非饱和像素使一或多个图像模糊。在另一实施例中,所选择的一或多个光学组件具有一或多个操作参数。在另一实施例中,将一或多个操作参数与光学模型比较。在另一实施例中,将一或多个操作参数用于光学设计/对准诊断。
在额外步骤1710中,产生用于检验子系统的一或多个额外度量。在一个实施例中,经重建PSF是检验子系统102的一个度量。在另一实施例中,一或多个度量包含用以校准检验子系统102的一或多个额外度量。在另一实施例中,一或多个额外度量是基于一或多个所选择的光学组件的一或多个操作参数。例如,一或多个额外度量可包含(但不限于)PSF图像的能量集中度对有限面积。
在额外步骤1712中,执行一或多个高级应用。在一个实施例中,使用经重建高分辨率PSF执行高级应用。在另一实施例中,使用经重建高分辨率PSF及检验子系统102的所选择的光学组件的额外度量执行高级应用。在另一实施例中,高级应用包含基于斑点图案减少薄膜的图像斑点及散粒噪声。在另一实施例中,高级应用包含抑制一或多个宇宙射线事件,从而区分宇宙射线事件与真实缺陷。在另一实施例中,经重建高分辨率PSF适用于扩展晶片检验子系统的动态范围。
在额外步骤中,产生用于一或多个晶片的检验配方。在一个实施例中,基于一或多个高分辨率PSF图像产生用于一或多个晶片的检验配方。在另一实施例中,用于一或多个晶片的检验配方基于一或多个高分辨率PSF图像及一或多个额外校准度量。
在额外步骤中,使用经重建高分辨率PSF及一或多个超分辨率程序检验一或多个晶片的缺陷。在一个实施例中,接收一或多个晶片的一或多个检验区的一或多个缺陷检验图像。在一个实施例中,缺陷检验图像包含相同于高分辨率PSF的检验区。在另一实施例中,缺陷检验图像仅包含通过经重建高分辨率PSF捕获的相同检验区的一部分。在另一实施例中,缺陷检验图像包含不同于包含于经重建高分辨率PSF中的检验区的检验区。在另一实施例中,由检验子系统102获取一或多个检验图像。在另一实施例中,一或多个缺陷检验图像包含一或多个所观察缺陷。
在另一实施例中,使用一或多个额外超分辨率程序组合缺陷检验图像及高分辨率PSF。在一个实施例中,一或多个额外超分辨率程序包含至少一非线性拟合程序。在另一实施例中,非线性拟合程序组合缺陷检验图像及经重建高分辨率PSF中的一或多个所观察缺陷。
本文中应注意,一或多个所观察缺陷与高分辨率PSF之间的相似性区分缺陷检验图像中的一或多个噪声与一或多个缺陷。例如,图11A及11B说明真实缺陷信号(图11A)与高分辨率PSF(图11B)之间的相似性。通过另一实例,图11D及11E说明宇宙射线事件(图11D)与高分辨率PSF(图11E)之间的差异。
在额外步骤中,调谐检验配方以产生像素饱和PSF重建。在一个实施例中,调谐检验配方以产生像素饱和的经重建高分辨率PSF以测量一或多个PSF尾部。在另一实施例中,调谐检验配方以使检验配方的氧化硅响应饱和。在另一实施例中,在未饱和的情况下重建的一或多个高分辨率图像用于对准像素饱和PSF以测量一或多个PSF尾部。
在额外步骤中,修正一或多个超分辨率程序以聚焦于一或多个高分辨率PSF的一或多个PSF尾部。在一个实施例中,一或多个超分辨率程序至少包含非线性拟合程序。在另一实施例中,修正一或多个超分辨率程序以聚焦于一或多个PSF尾部建立一或多个缺陷的总散射。在另一实施例中,修正一或多个超分辨率程序以聚焦于一或多个PSF尾部扩展检验子系统102的动态范围。
本文中应注意,可由控制器110(或另一控制器、用户或远程服务器)使用本发明的结果(例如,超分辨率程序、高分辨率PSF、基于高分辨率PSF的晶片检验配方、将高分辨率PSF应用于高级应用所得的结果及类似物)以将反馈或前馈信息提供到半导体装置生产线的一或多个处理工具。在这点上,由系统100观察或测量的一或多个结果可用于调整半导体装置生产线的先前阶段(反馈)或后续阶段(前馈)的工艺条件。
本文中描述的所有方法可包含将方法实施例的一或多个步骤的结果存储于存储媒体中。结果可包含本文中描述的结果的任一者且可以所属领域中已知的任何方式存储。存储媒体可包含本文中描述的任何存储媒体或所属领域中已知的任何其它合适存储媒体。在已存储结果之后,结果可在存储媒体中存取且由本文中描述的方法或系统实施例的任一者使用,经格式化以显示给用户,由另一软件模块、方法或系统使用等等。此外,结果可“永久”、“半永久”、临时存储或存储达一段时间。例如,存储媒体可为随机存取存储器(RAM),且结果可不必无限期地永留于存储媒体中。
所属领域的技术人员将认识到,最先进技术已发展到系统的方面的硬件及软件实施方案之间存在较少区别的程度;硬件或软件的使用一般为(但不一定,由于在某些上下文中,硬件与软件之间的选择可变得明显)表示成本对效率权衡的设计选择。所属领域的技术人员将了解,存在可通过其而实现本文中所述的过程及/或系统及/或其它技术的各种工具(例如,硬件、软件及/或固件),且优选工具将随着其中部署所述过程及/或系统及/或其它技术的上下文而变化。例如,如果实施者确定速度及精确性是非常重要的,那么所述实施者可选择主要硬件及/或固件工具;替代地,如果灵活性为非常重要,那么所述实施者可选择主要软件实施方案;或再次替代地,所述实施者可选择硬件、软件及/或固件的某一组合。因此,存在可通过其而实现本文中所述的过程及/或装置及/或其它技术的若干可行工具,所述工具的任一者并非固有地优于其它工具,因为待利用的任意工具是取决于将部署所述工具的背景及所述实施者的特定关注(例如,速度、灵活性或可预测性)的选择,所述背景及所述关注的任意者可能变化。所属领域的技术人员将认识到,实施方案的光学方面通常将采用光学定向的硬件、软件及或固件。
所属领域的技术人员将认识到,在本技术内通常以本文所陈述的方式描述装置及/或过程,及随后使用工程实践以将此类所描述的装置及/或过程集成为数据处理系统。即,本文中所描述的装置及/或过程的至少一部分可经由合理实验量集成成数据处理系统。所属领域的技术人员将认识到,典型数据处理系统大体上包含以下的一或多者:系统单元外壳、视频显示器设备、存储器(例如易失性及非易失性存储器)、处理器(例如微处理器及数字信号处理器)、运算实体(例如操作系统、驱动器、图形用户接口及应用程序)、一或多个互动装置(例如触摸垫或屏幕)及/或包含反馈回路及控制马达(例如,用于感测位置及/或速度的反馈;用于移动及/或调整组件及/或数量的控制马达)的控制系统。可利用任何合适市售组件(例如通常在数据运算/通信及/或网络运算/通信系统中发现的组件)来实施典型数据处理系统。
据信,将通过前述描述理解本发明及其许多伴随优点,且将明白,在不脱离所揭示的主题或不牺牲所有其重大优点的情况下可对组件的形式、构造及布置做出各种改变。所描述形式仅为解释性,且下列权利要求书希望涵盖及包含此类改变。
尽管已说明本发明的特定实施例,但应明白,所属领域的技术人员可在不脱离前述发明的范围及精神的情况下做出本发明的各种修改及实施例。因此,本发明的范围应仅受限于所附权利要求书。
Claims (26)
1.一种系统,其包括:
检验子系统;
载物台,其经配置以固定一或多个晶片;及
控制器,其通信地耦合到所述检验子系统,其中所述控制器包含经配置以执行存储于存储器中的一组程序指令的一或多个处理器,其中所述程序指令经配置以导致所述一或多个处理器:
获取晶片的一或多个低分辨率图像,其中所述一或多个低分辨率图像包含一或多个低分辨率图像图块,其中所述一或多个低分辨率图像图块包含一或多个子像素移位;
聚合所述一或多个低分辨率图像图块;及
估计所述一或多个子像素移位且同时从所述经聚合的一或多个低分辨率图像图块重建一或多个高分辨率点扩散函数PSF。
2.根据权利要求1所述的系统,其中通过下列中的至少一者跟踪所述一或多个子像素移位:
跟踪所述载物台的径向运动的一或多个载物台编码器或跟踪所述载物台的平移运动的一或多个载物台编码器。
3.根据权利要求1所述的系统,其中所述一或多个子像素移位包含下列中的至少一者:
一或多个随机子像素移位、一或多个受控子像素移位或一或多个所报告的量化子像素移位。
4.根据权利要求1所述的系统,其中使用所述检验子系统中的一或多个编码器或使用所述控制器中的一或多个编码器聚合所述一或多个晶片的一或多个经检验区的所述一或多个低分辨率图像。
5.根据权利要求1所述的系统,其中所述程序指令经进一步配置以导致所述一或多个处理器:
经由一或多个超分辨率程序重建所述一或多个高分辨率PSF。
6.根据权利要求5所述的系统,其中所述一或多个超分辨率程序包含依靠所述检验子系统的频域的至少一组线性程序。
7.根据权利要求1所述的系统,其中所述程序指令经进一步配置以导致所述一或多个处理器:
使用所述一或多个经重建高分辨率PSF执行一或多个高级应用。
8.根据权利要求7所述的系统,其中所述一或多个高级应用包含基于斑点图案减少薄膜的图像斑点及散粒噪声。
9.根据权利要求7所述的系统,其中所述一或多个高级应用包含抑制一或多个宇宙射线事件以区分噪声与真实缺陷。
10.根据权利要求7所述的系统,其中所述一或多个高级应用包含扩展所述检验子系统的动态范围。
11.根据权利要求1所述的系统,其中所述程序指令经进一步配置以导致所述一或多个处理器:
接收一或多个缺陷检验图像;及
使用一或多个额外超分辨率程序组合所述一或多个缺陷检验图像及所述经重建高分辨率PSF以区分所述一或多个缺陷检验图像中的一或多个噪声与一或多个缺陷。
12.根据权利要求1所述的系统,其中所述程序指令经进一步配置以导致所述一或多个处理器:
基于所述一或多个高分辨率PSF产生用于所述一或多个晶片的检验配方。
13.根据权利要求1所述的系统,其中所述程序指令经进一步配置以导致所述一或多个处理器:
选择所述检验子系统的一或多个光学组件,其中所述一或多个光学组件具有用于所述检验子系统的校准及设计的至少一者的一或多个操作参数;
产生用于所述检验子系统的一或多个额外校准度量,其中所述一或多个额外校准度量是基于所述一或多个光学组件的所述一或多个操作参数;及
基于所述一或多个高分辨率PSF及所述一或多个额外校准度量产生用于所述一或多个晶片的检验配方。
14.一种方法,其包括:
获取晶片的一或多个低分辨率图像,其中所述一或多个低分辨率图像包含一或多个低分辨率图像图块,其中所述一或多个低分辨率图像图块包含一或多个子像素移位;
聚合所述一或多个低分辨率图像图块;及
估计所述一或多个子像素移位且同时从所述经聚合的一或多个低分辨率图像图块重建一或多个高分辨率点扩散函数PSF。
15.根据权利要求14所述的方法,其中通过下列中的至少一者跟踪所述一或多个子像素移位:
跟踪所述载物台的径向运动的一或多个载物台编码器或跟踪所述载物台的平移运动的一或多个载物台编码器,其中所述一或多个载物台编码器经耦合到经配置以固定一或多个晶片的载物台。
16.根据权利要求14所述的方法,其中所述一或多个子像素移位包含下列中的至少一者:
一或多个随机子像素移位、一或多个受控子像素移位或一或多个所报告的量化子像素移位。
17.根据权利要求14所述的方法,其中使用检验子系统中的一或多个编码器或使用控制器中的一或多个编码器聚合所述一或多个晶片的一或多个经检验区的所述一或多个低分辨率图像。
18.根据权利要求14所述的方法,其进一步包括:
经由一或多个超分辨率程序重建所述一或多个高分辨率PSF。
19.根据权利要求18所述的方法,其中所述一或多个超分辨率程序包含依靠所述检验子系统的频域的至少一组线性程序。
20.根据权利要求14所述的方法,其进一步包括:
使用所述一或多个经重建高分辨率PSF执行一或多个高级应用。
21.根据权利要求14所述的方法,其中所述一或多个高级应用包含基于斑点图案减少薄膜的图像斑点及散粒噪声。
22.根据权利要求14所述的方法,其中所述一或多个高级应用包含抑制一或多个宇宙射线事件以区分噪声与真实缺陷。
23.根据权利要求14所述的方法,其中所述一或多个高级应用包含扩展所述检验子系统的动态范围。
24.根据权利要求14所述的方法,其进一步包括:
接收一或多个缺陷检验图像;及
使用一或多个额外超分辨率程序组合所述一或多个缺陷检验图像及所述经重建高分辨率PSF以区分所述一或多个缺陷检验图像中的一或多个噪声与一或多个缺陷。
25.根据权利要求14所述的方法,其进一步包括:
基于所述一或多个高分辨率PSF产生用于所述一或多个晶片的检验配方。
26.根据权利要求14所述的方法,其进一步包括:
选择所述检验子系统的一或多个光学组件,其中所述一或多个光学组件具有用于所述检验子系统的校准及设计的至少一者的一或多个操作参数;
产生用于所述检验子系统的一或多个额外校准度量,其中所述一或多个额外校准度量是基于所述一或多个光学组件的所述一或多个操作参数;及
基于所述一或多个高分辨率PSF及所述一或多个额外校准度量产生用于所述一或多个晶片的检验配方。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/391,520 | 2016-12-27 | ||
US15/391,520 US10217190B2 (en) | 2016-12-27 | 2016-12-27 | System and method for reconstructing high-resolution point spread functions from low-resolution inspection images |
PCT/US2017/063750 WO2018125495A1 (en) | 2016-12-27 | 2017-11-29 | System and method for reconstructing high-resolution point spread functions from low-resolution inspection images |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110121732A true CN110121732A (zh) | 2019-08-13 |
CN110121732B CN110121732B (zh) | 2021-02-09 |
Family
ID=62629908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780081242.XA Active CN110121732B (zh) | 2016-12-27 | 2017-11-29 | 用于从低分辨率检验图像重建高分辨率点扩散函数的系统及方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10217190B2 (zh) |
JP (1) | JP6975799B2 (zh) |
KR (1) | KR102321944B1 (zh) |
CN (1) | CN110121732B (zh) |
IL (1) | IL267423B (zh) |
WO (1) | WO2018125495A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111246081A (zh) * | 2019-12-23 | 2020-06-05 | 中国科学院长春光学精密机械与物理研究所 | 一种高分辨率图像模拟低分辨率相机成像的方法 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI751233B (zh) * | 2016-11-28 | 2022-01-01 | 美商克萊譚克公司 | 用於從低解析度檢測影像重建高解析度點擴散函數之系統及方法 |
WO2018159467A1 (ja) * | 2017-02-28 | 2018-09-07 | Necソリューションイノベータ株式会社 | 移動体検知装置、移動体検知方法、及びコンピュータ読み取り可能な記録媒体 |
US10504692B2 (en) * | 2017-08-07 | 2019-12-10 | Applied Materials Israel Ltd. | Method and system for generating a synthetic image of a region of an object |
US10386233B2 (en) * | 2018-01-06 | 2019-08-20 | Kla-Tencor Corporation | Variable resolution spectrometer |
US10692184B2 (en) * | 2018-07-05 | 2020-06-23 | SVXR, Inc. | Super-resolution X-ray imaging method and apparatus |
CN108900894B (zh) * | 2018-08-16 | 2021-03-02 | 广州视源电子科技股份有限公司 | 视频数据的处理方法、装置和系统 |
US11127136B2 (en) * | 2019-12-05 | 2021-09-21 | Kla Corporation | System and method for defining flexible regions on a sample during inspection |
US11343440B1 (en) | 2021-02-05 | 2022-05-24 | Samsung Electronics Company, Ltd. | High dynamic range point spread function generation for image reconstruction |
US11721001B2 (en) | 2021-02-16 | 2023-08-08 | Samsung Electronics Co., Ltd. | Multiple point spread function based image reconstruction for a camera behind a display |
US11722796B2 (en) | 2021-02-26 | 2023-08-08 | Samsung Electronics Co., Ltd. | Self-regularizing inverse filter for image deblurring |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040036863A1 (en) * | 2000-09-05 | 2004-02-26 | Kouzou Matsusita | 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 |
CN101980289A (zh) * | 2010-10-25 | 2011-02-23 | 上海大学 | 基于频域配准和凸集投影的多帧图像超分辨率重建方法 |
US20120098950A1 (en) * | 2010-10-26 | 2012-04-26 | California Institute Of Technology | Scanning projective lensless microscope system |
CN104062750A (zh) * | 2014-06-18 | 2014-09-24 | 浙江大学 | 一种双光子荧光受激发射微分超分辨率显微方法与装置 |
US20150057167A1 (en) * | 2006-01-27 | 2015-02-26 | Affymetrix, Inc. | System, method, and product for imaging probe arrays with small feature sizes |
US20150131893A1 (en) * | 2013-11-14 | 2015-05-14 | Kla-Tencor Corporation | Motion and Focus Blur Removal from Pattern Images |
US20160123897A1 (en) * | 2014-11-04 | 2016-05-05 | Sri Rama Prasanna Pavani | Computational wafer image processing |
Family Cites Families (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5805278A (en) | 1995-02-09 | 1998-09-08 | Inspex, Inc. | Particle detection method and apparatus |
US5691812A (en) | 1996-03-22 | 1997-11-25 | Ade Optical Systems Corporation | Calibration standard for calibrating a defect inspection system and a method of forming same |
US6621570B1 (en) | 1999-03-04 | 2003-09-16 | Inspex Incorporated | Method and apparatus for inspecting a patterned semiconductor wafer |
US6760100B2 (en) | 2001-03-12 | 2004-07-06 | Ade Corporation | Method and apparatus for classifying defects occurring at or near a surface of a smooth substrate |
US6886153B1 (en) * | 2001-12-21 | 2005-04-26 | Kla-Tencor Corporation | Design driven inspection or measurement for semiconductor using recipe |
US7227984B2 (en) | 2003-03-03 | 2007-06-05 | Kla-Tencor Technologies Corporation | Method and apparatus for identifying defects in a substrate surface by using dithering to reconstruct under-sampled images |
US7539584B2 (en) | 2003-10-24 | 2009-05-26 | Kla-Tencor Corporation | Volume based extended defect sizing system |
US7092082B1 (en) | 2003-11-26 | 2006-08-15 | Kla-Tencor Technologies Corp. | Method and apparatus for inspecting a semiconductor wafer |
US8698093B1 (en) | 2007-01-19 | 2014-04-15 | Kla-Tencor Corporation | Objective lens with deflector plates immersed in electrostatic lens field |
US9294690B1 (en) | 2008-04-10 | 2016-03-22 | Cyan Systems, Inc. | System and method for using filtering and pixel correlation to increase sensitivity in image sensors |
US8866920B2 (en) | 2008-05-20 | 2014-10-21 | Pelican Imaging Corporation | Capturing and processing of images using monolithic camera array with heterogeneous imagers |
JP5275017B2 (ja) | 2008-12-25 | 2013-08-28 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及びその装置 |
EP2438555B1 (en) | 2009-06-02 | 2017-03-08 | Sofast GmbH | Superresolution optical fluctuation imaging (sofi) |
JP5706177B2 (ja) | 2010-02-09 | 2015-04-22 | パナソニック インテレクチュアル プロパティ コーポレーション オブアメリカPanasonic Intellectual Property Corporation of America | 超解像処理装置及び超解像処理方法 |
JP5393550B2 (ja) | 2010-03-18 | 2014-01-22 | 株式会社日立ハイテクノロジーズ | 走査荷電粒子顕微鏡を用いた画像生成方法及び装置、並びに試料の観察方法及び観察装置 |
US20110268334A1 (en) | 2010-04-30 | 2011-11-03 | Korean Advanced Institute Of Science And Technology | Apparatus for Improving Image Resolution and Apparatus for Super-Resolution Photography Using Wobble Motion and Point Spread Function (PSF), in Positron Emission Tomography |
US8750647B2 (en) | 2011-02-03 | 2014-06-10 | Massachusetts Institute Of Technology | Kinetic super-resolution imaging |
US8664594B1 (en) | 2011-04-18 | 2014-03-04 | Kla-Tencor Corporation | Electron-optical system for high-speed and high-sensitivity inspections |
US8692204B2 (en) | 2011-04-26 | 2014-04-08 | Kla-Tencor Corporation | Apparatus and methods for electron beam detection |
DE102011121332A1 (de) | 2011-12-16 | 2013-06-20 | Testo Ag | Verfahren zur Erzeugung von SR-Bildern mit verbesserter Bildauflösung und Messvorrichtung |
US9091666B2 (en) | 2012-02-09 | 2015-07-28 | Kla-Tencor Corp. | Extended defect sizing range for wafer inspection |
US9128064B2 (en) | 2012-05-29 | 2015-09-08 | Kla-Tencor Corporation | Super resolution inspection system |
US8716662B1 (en) | 2012-07-16 | 2014-05-06 | Kla-Tencor Corporation | Methods and apparatus to review defects using scanning electron microscope with multiple electron beam configurations |
US8830464B2 (en) | 2012-11-06 | 2014-09-09 | Kla-Tencor Corporation | Film thickness, refractive index, and extinction coefficient determination for film curve creation and defect sizing in real time |
US9558858B2 (en) | 2013-08-14 | 2017-01-31 | Kla-Tencor Corporation | System and method for imaging a sample with a laser sustained plasma illumination output |
DE102013017124A1 (de) | 2013-10-15 | 2015-04-16 | Carl Zeiss Microscopy Gmbh | Scanmikroskop und Verfahren zum Betreiben eines Scanmikroskops |
JP6135526B2 (ja) | 2014-01-30 | 2017-05-31 | 株式会社リガク | 画像処理方法および画像処理装置 |
US9941655B2 (en) | 2014-03-25 | 2018-04-10 | Kla-Tencor Corporation | High power broadband light source |
US10032620B2 (en) | 2014-04-30 | 2018-07-24 | Kla-Tencor Corporation | Broadband light source including transparent portion with high hydroxide content |
JP2016010080A (ja) | 2014-06-26 | 2016-01-18 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
EP3010031B1 (en) | 2014-10-16 | 2017-03-22 | Fei Company | Charged Particle Microscope with special aperture plate |
US9841512B2 (en) | 2015-05-14 | 2017-12-12 | Kla-Tencor Corporation | System and method for reducing radiation-induced false counts in an inspection system |
-
2016
- 2016-12-27 US US15/391,520 patent/US10217190B2/en active Active
-
2017
- 2017-11-29 WO PCT/US2017/063750 patent/WO2018125495A1/en active Application Filing
- 2017-11-29 CN CN201780081242.XA patent/CN110121732B/zh active Active
- 2017-11-29 JP JP2019555412A patent/JP6975799B2/ja active Active
- 2017-11-29 KR KR1020197022208A patent/KR102321944B1/ko active IP Right Grant
-
2019
- 2019-06-17 IL IL267423A patent/IL267423B/en active IP Right Grant
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040036863A1 (en) * | 2000-09-05 | 2004-02-26 | Kouzou Matsusita | 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 |
US20150057167A1 (en) * | 2006-01-27 | 2015-02-26 | Affymetrix, Inc. | System, method, and product for imaging probe arrays with small feature sizes |
CN101980289A (zh) * | 2010-10-25 | 2011-02-23 | 上海大学 | 基于频域配准和凸集投影的多帧图像超分辨率重建方法 |
US20120098950A1 (en) * | 2010-10-26 | 2012-04-26 | California Institute Of Technology | Scanning projective lensless microscope system |
US20150131893A1 (en) * | 2013-11-14 | 2015-05-14 | Kla-Tencor Corporation | Motion and Focus Blur Removal from Pattern Images |
CN104062750A (zh) * | 2014-06-18 | 2014-09-24 | 浙江大学 | 一种双光子荧光受激发射微分超分辨率显微方法与装置 |
US20160123897A1 (en) * | 2014-11-04 | 2016-05-05 | Sri Rama Prasanna Pavani | Computational wafer image processing |
Non-Patent Citations (1)
Title |
---|
张东晓 等: "基于亚像素位移的超分辨率图像重建算法", 《自动化学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111246081A (zh) * | 2019-12-23 | 2020-06-05 | 中国科学院长春光学精密机械与物理研究所 | 一种高分辨率图像模拟低分辨率相机成像的方法 |
Also Published As
Publication number | Publication date |
---|---|
US10217190B2 (en) | 2019-02-26 |
KR102321944B1 (ko) | 2021-11-03 |
US20180182067A1 (en) | 2018-06-28 |
IL267423B (en) | 2021-06-30 |
JP2020503633A (ja) | 2020-01-30 |
JP6975799B2 (ja) | 2021-12-01 |
WO2018125495A1 (en) | 2018-07-05 |
KR20190092605A (ko) | 2019-08-07 |
IL267423A (en) | 2019-08-29 |
CN110121732B (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110121732A (zh) | 用于从低分辨率检验图像重建高分辨率点扩散函数的系统及方法 | |
US10416087B2 (en) | Systems and methods for defect detection using image reconstruction | |
JP5572293B2 (ja) | 欠陥検査方法及び欠陥検査装置 | |
Ruskin et al. | Quantitative characterization of electron detectors for transmission electron microscopy | |
JP5178079B2 (ja) | 欠陥検査方法およびその装置 | |
US20160276050A1 (en) | Electron beam masks for compressive sensors | |
WO2013077125A1 (ja) | 欠陥検査方法およびその装置 | |
CN107077733B (zh) | 用于以数字匹配滤波器进行增强型缺陷检测的系统及方法 | |
KR102531906B1 (ko) | 기판 상의 결함들을 검출하는 방법 및 시스템 | |
US9400254B2 (en) | Method and device for measuring critical dimension of nanostructure | |
US20170316916A1 (en) | Compressive scanning spectroscopy | |
CN106895780A (zh) | 用于测量对象的位置的光学装置 | |
JP2022542900A (ja) | Sem画像をレンダリングし、3dデザインを用いて基板の欠陥撮像条件を予測するためのシステムと方法 | |
CN109075094B (zh) | 用于具有噪声边界阈值的晶片检验的系统及方法 | |
US20210120156A1 (en) | Electromagnetic wave phase/amplitude generation device, electromagnetic wave phase/amplitude generation method, and electromagnetic wave phase/amplitude generation program | |
TWI751233B (zh) | 用於從低解析度檢測影像重建高解析度點擴散函數之系統及方法 | |
Kelvin et al. | Sky subtraction in an era of low surface brightness astronomy | |
Leong et al. | Determination of size distributions of non-spherical pores or particles from single x-ray phase contrast images | |
EP2706505A1 (en) | A method and system for the three-dimensional reconstruction of formations dispersed in a matrix of a material, in particular of inclusions in crystalline matrices | |
JP4405407B2 (ja) | 欠陥検査装置 | |
CN107643289A (zh) | 一种透明材料微小器件键合质量检测系统 | |
Gureyev et al. | Spatial resolution and signal-to-noise ratio in x-ray imaging | |
Cox et al. | Analysis of event-based sensor system performance with moving object detection tasks | |
Ducci et al. | Modeling and Simulating X-ray Spectra | |
Postek et al. | Nanomanufacturing concerns about measurements made in the SEM Part V: dealing with noise |
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 |