CN113330274A - 使用低相干干涉测量法测量包括不同结构的物体表面的方法和系统 - Google Patents

Abstract

本发明涉及一种用于使用低相干光学干涉测量法测量包括至少一个结构(41、42)的物体(17)的表面的方法(100)，该方法(100)包括以下步骤：‑在视场中的所述表面的多个点处获取(102)干涉测量信号，所述点称为测量点；对于至少一个测量点：‑将所获取的干涉测量信号归属(104)于多个类别的干涉测量信号中的一类别，每个类别与表示典型结构的参考干涉测量信号相关联；以及‑对该干涉测量信号进行分析(114)，以便根据其类别从该干涉测量信号中得出关于测量点处的结构的信息。本发明还涉及一种实现根据本发明的方法的测量系统。

Description

使用低相干干涉测量法测量包括不同结构的物体表面的方法 和系统

技术领域

本发明涉及一种用于通过低相干干涉测量法测量包括不同结构的物体的表面的方法。

本发明的领域包括但不限于用于微电子或集成光学工业的测量和控制装置的领域。

背景技术

光学轮廓测定法通常可以确定物体的面或表面的轮廓或形貌。在通过低相干干涉测量法进行光学轮廓测定法的情况下使用宽谱光源。通过改变参考或检查辐射的光路，获得干涉测量信号(干涉图)。这是强度信号，其是辐射所行进的路径之差的函数。

在待测物体表面反射或从待测物体表面发出的波会经历相移，该相移取决于波所穿过和/或所反射的材料的物理特性。这些特性是在光源的波长范围内的透明材料的层的堆叠的复折射率和/或厚度。反射时的这种相移增加了由于地形引起的相移。

当所分析的物体表面上存在的图案或结构是由不同材料或不同材料的堆叠或透明多层堆叠形成时，对于这些结构中的每个在反射时的相移都是不同的。

因此，基于不同结构的干涉测量信号获得的相对高度可能不正确。类似地，在某些情况下，图案或结构的层厚度的值可能不正确。

通过利用保持在结构上的信息，特别是存在的材料或材料层的堆叠来计算反射时的理论相位是已知的。通过这种方式，构建了用于校正测量值的理论反射模型。

计算预先已知的材料的堆叠的理论反射模型，并将这些模型的调整方法应用于源自干涉图的信号，以便从中得出薄层的厚度的测量值(小于一微米)也是已知的。

然而，为了基于理论模型校正地形测量值和/或评估层的厚度，有必要了解或识别视场中存在的不同材料结构，以便能够应用适当的模型。这对于包括多个结构的表面可能是有问题的。事实上，通常情况下，存在于视场中的结构的性质及其空间分布(布局)是未知的。

此外，已知J.L.Beverage等人的文献“Interferometric microscope with truecolor imaging”,Proc.SPIE 9203,2014年8月，其描述了一种基于除了在干涉显微镜中获取干涉测量信号之外还生成彩色图像的方法，以便根据其(例如在三个波长(红、绿和蓝)上分析的)光谱反射率来可视化视场中不同材料的存在。然而，这种方法需要利用添加或修改光源、滤波器或检测系统来对干涉系统进行多次采集(每种颜色一次)和修改，因此使这种方法在测量时间和设备方面非常复杂和昂贵。此外，通常存在对使用三个固定波长的限制，所述三个固定波长对于被测物体的不同材料的堆叠的反射率未必是最有区别的。

本发明的目的是解决上述问题。

发明内容

本发明的目的是提出一种用于测量物体表面的方法和系统，该物体表面可以包括至少两种不同结构，所述至少两种不同结构易于实现且尤其不需要使用多个彩灯或传感器。

本发明的另一目的是提出一种用于测量物体表面的方法和系统，该物体表面可以包括至少两种不同结构，使得可以获得由于存在于该物体表面上的材料或结构而被校正的物体表面的轮廓的测量值。

本发明的又一目的是提出一种用于测量物体表面的方法和系统，该物体表面可以包括至少两种不同结构，使得可以获得存在于物体表面上的透明材料的厚度的测量值。

本发明的另一目的是提出一种用于测量物体表面的方法和系统，该物体表面可以包括至少两种不同结构，使得可以用当前测量装置检测和表征这些结构，而很少、甚至不改变其当前结构。

这些目的中的至少一个是通过用于使用低相干光学干涉测量法测量包括至少一个结构的物体表面的方法来实现的，该方法包括以下步骤：

-在视场中的所述表面的多个点处获取干涉测量信号，所述点被称为测量点；

对于至少一个测量点：

-将所获得的干涉测量信号归属于多个类别的干涉测量信号中的一类别，每个类别与表示典型结构的参考干涉测量信号相关联；并且

-对该干涉测量信号进行分析，以便根据其类别从该干涉测量信号中得出关于测量点处的结构的信息。

物体能够是或特别地包括在如下形式下的用于微电子或集成光学工业的衬底，所述形式为诸如半导体材料或任何其他材料(玻璃)的晶片、膜上衬底(切割框)、具有集成电路和互连件(电互连件)的衬底等。

在本文件中，术语“结构”表示能够位于物体表面的任何布置，诸如轨道、材料层或电介质层或导电材料层的堆叠、光学或电子部件等。因此，结构能够由至少一个材料层形成。

因此，物体能够包括在其表面上分布的至少两个或者多个不同结构。

干涉测量信号能够通过轮廓测量系统获得。这些干涉测量信号能够包含与待测表面的不同点处的海拔或高度有关的信息。所述干涉测量信号还能够包含与其表面本身的性质(材料、层厚度等)有关的信息。

因此，由根据本发明的方法提出的将所获取的干涉测量信号归属于干涉测量信号的类别的步骤使得可以根据从中获得每个信号的结构的类型来单独地对干涉测量信号进行分类。结构的类型(例如简单透明层或透明材料的薄层的叠层)由具有相关联的参考干涉测量信号的典型结构来表示。

归属步骤对应于物体表面上的所测量的视场的分割。因此，根据本发明的方法使得可以实现对待测物体表面的图像的分割。

一旦归属于一个类别，每个干涉测量信号就将根据与其类别相对应或相关的模型或轮廓测定模型对其进行分析。例如，能够通过反射模型来定义类别，该反射模型考虑了结构的材料和几何形状(层的厚度)。

因此，使用根据本发明的方法，可以通过利用由低相干光学干涉测量法测量的干涉测量信号来获得关于物体表面上不同结构的分布的信息，无需准确了解这些结构的拓扑结构或位置。

根据本发明的方法还使得可以获得根据由于材料和/或存在的结构引起的效应(特别是相位)和/或层厚度的测量值而被校正的物体表面的轮廓或形状的测量值，而不具有这些材料的拓扑结构和/或物体的表面结构的准确先验知识。

此外，归属步骤能够通过数字或模拟处理来执行，并且对测量干涉测量信号的步骤具有很小的影响或没有影响。因此，根据本发明的方法能够由当前测量设备来实现，而对这些设备的结构、特别是检测部分进行很少的修改或几乎没有修改。

根据实施例，将干涉测量信号归属于一类别的步骤能够包括初始化类别的步骤。

该初始化类别的步骤能够包括提供以下元素中的至少一个：

-类别列表；

-存在于视场中的类别的数量的先验估计。

初始化步骤能够产生能够由在视场中测量的干涉测量信号来表示的一组类别。因此，该初始化步骤使得可以具有与视场中实际存在的结构相对应或能够与其相对应的一组类别。该初始化步骤还能够产生预先定义的多个类别，从而允许在该多个类别中分布干涉测量信号。

有利地，提供类别列表能够包括以下步骤中的至少一个：

-基于对具有已知结构的(同一物体或另一物体的)参考表面上的干涉测量信号的测量值来确定类别；

-基于存在于物体表面上的结构的先验知识(诸如掩模、绘图或描述)来确定类别。

因此，可以获得类别列表，其能够与它们的相关联的参考干涉测量信号一起存在于待测量物体上。这样提供的类别列表是鲁棒的，并且使得随后可以使用简单的分类方法。

例如，当这些信息可用时，能够基于物体上存在的结构的掩膜、绘图(布局)或描述来获得该类别列表。然后可以通过计算得出理论参考干涉测量信号，从而确定对于每个类别的参考干涉测量信号。

还能够基于例如对具有已知结构的参考物体执行的测量来通过实验获得类别列表。

替代地或附加地，初始化类别的步骤能够包括以下步骤或通过以下步骤执行：

-根据视场的同质区域分配所获取的干涉测量信号，其中所述区域根据预定准则是同质的；

-根据所述同质区域中的干涉测量信号来确定类别。

根据本实施例的初始化步骤也能够描述为“初步分割”。事实上，该初始化步骤在同质区域中执行对视场的第一次分割(根据预定准则)，这能够用于使初始化类别的步骤在类别的选择或构造方面更加鲁棒和准确，并且改进了干涉测量信号的逐像素分类。由此确定的类别能够直接基于同质区域中的干涉测量信号，例如基于平均值或其他统计参数来获得。同质区域中的干涉测量信号也能够用于从预定义的类别列表中识别类别。

特别地，能够通过利用干涉测量信号的性质(诸如这些干涉测量信号的强度、反射率或光谱反射率)来确定同质区域。例如，预定义的准则能够与强度或反射率的最大容许变化相关联。

有利地，将干涉测量信号归属于一类别的步骤能够包括将所获取的干涉测量信号与参考干涉测量信号进行比较或者通过将所获取的干涉测量信号与参考干涉测量信号进行比较来执行。

优选地，这种比较能够包括确定所获取的干涉测量信号与参考干涉测量信号之间的距离(诸如欧几里德距离)或者通过确定所获取的干涉测量信号与参考干涉测量信号之间的距离(诸如欧几里德距离)执行。

替代地或附加地，将干涉测量信号归属于一类别的步骤能够包括以下步骤的迭代或者通过以下步骤的迭代来执行：

-将干涉测量信号与类别相关联；

-对于每个类别，基于归属于该类别的干涉测量信号来确定新的参考干涉测量信号。继续迭代直到满足预定的收敛准则。

因此，通过执行将干涉测量信号与类别相关联并确定对于该类别的新参考信号的步骤的迭代，能够提高针对每个干涉测量信号的类别的识别的精度。此外，能够基于干涉测量信号本身来初始化类别，特别是在初始化步骤仅提供多个类别的情况下。

为此，通过利用归属于该类别的干涉测量信号来确定每一类别，或者更具体地，确定参考干涉测量信号。例如，能够基于归属于该类别的干涉测量信号的平均值，并且可选地根据先前的参考干涉测量信号来计算新的参考干涉测量信号。继续迭代直到满足预定的收敛准则。收敛准则能够包括例如对源自连续迭代的干涉测量信号之间的变化或距离的测量。它还能够基于在两次迭代之间没有另外的测量点改变类别的事实。

有利地，分析干涉测量信号的步骤能够包括根据干涉测量信号的类别来识别结构或结构的特性。这种识别尤其能够基于干涉测量信号的光谱密度或其光谱反射率的确定来执行。

事实上，使用光谱密度或光谱反射率使得可以区分物体表面上存在的结构或材料，即使在使用产生灰度干涉图的强度或成像传感器的情况下也是如此。

根据对每个干涉测量信号所属类别的了解，因此可以将干涉测量信号归属于或使其对应于表示其类别的结构类型和/或材料类型。

因此，可以准确地确定物体的几何形状，即不同结构在物体表面上的分布。

有利地，分析干涉测量信号的步骤能够包括通过应用取决于干涉测量信号的类别的光谱反射模型来确定一个或更多个透明层的厚度。

因此，可以通过调整用于测量薄层厚度的模型来实现已知的反射测量技术。将干涉测量信号归属于一类别使得可以选择正确的模型。

有利地，分析干涉测量信号的步骤能够包括通过考虑所述干涉测量信号取决于所述干涉测量信号的类别的相移因子来确定测量点处的表面的高度。

该相移因子使得可以校正由于例如材料层内的吸收损失或反射引起的反射时的相移。

有利地，能够通过测量执行全场测量的传感器的每个像素的干涉测量信号来执行获取步骤，其中传感器的视场的每个像素对应于测量点。

有利地，根据本发明的方法能够通过半导体衬底类型的物体来实现。

根据同一发明的另一方面，提出了一种用于使用低相干光学干涉测量法测量包括至少一个结构的物体表面的系统，该系统包括：

-用于在视场中的所述表面的多个点处获取干涉测量信号的装置，所述点称为测量点，以及

-用于处理所获取的干涉测量信号的模块，其被配置为：

-将每个所获取的干涉测量信号归属于多个类别的干涉测量信号中的一类别，每个类别与表示(特定)结构的参考干涉测量信号相关联；并且

-执行对所述干涉测量信号的分析，以便根据所述干涉测量信号的类别得出关于测量点处的结构的信息。

轮廓测定系统利用参考光束与待测表面反射的测量光束之间的光路(或传播时间)的差来产生干涉测量测量值。通过改变光程差随时间的变化，获得了时域中的干涉测量信号。

替代地，能够使用其他干涉测量系统，例如使得可以直接作为所使用的波长的函数在光谱域中获得干涉测量信号。例如，这些系统能够实现由宽谱光源照明的干涉仪，其检测装置允许对干涉测量信号进行光谱分析，诸如放置在光电检测器前的光谱仪。也可以使用波长可调光源。

在有利的版本中，用于获取干涉测量信号的装置能够包括全场干涉传感器。

在这种情况下，测量点能够对应于所述传感器的视场的像素。这种阵列传感器能够例如是CCD(电荷耦合器件)或CMOS(互补金属氧化物半导体)相机。

根据本发明的方法和系统能够各自用于测量所有可能形式(晶片、框上晶片、面板等)的可见光谱中的半导体衬底或透明衬底的表面。待测表面能够包括不同类型的结构，诸如介电或导电材料层，以及光学部件或电子部件。特别地，根据本发明的方法和系统能够各自用于测量它们的校正轮廓和表面上存在的结构和/或材料的拓扑，或者也可以用于对所述表面进行成像。轮廓对应于表面的一组点的相对高度或相对于基准的高度。测量轮廓也使得可以报告物体表面的粗糙度。

更一般地，根据本发明的方法和系统能够各自用于测量物体表面，特别是用于表征和/或成像所述表面的至少一种图案。

附图说明

其他优点和特征将通过示例的详细描述和附图变得显而易见，这些示例绝不是限制性的，在附图中：

图1是根据本发明的方法的非限制性实施例示例的示意图；

图2是图1中的方法的实施例示例的示意图；

图3是根据本发明的系统的非限制性实施例示例的示意图；

图4是图1中的方法的实施例示例的示意图；

图5是图1中的方法的实施例示例的示意图；

图6是图1中的方法的实施例示例的示意图；

图7是图1中的方法的实施例示例的示意图；以及

图8是根据非限制性示例的根据本发明的方法的步骤的示意图。

具体实施方式

众所周知，下文将描述的实施例绝不是限制性的。特别地，本发明的变型能够被设想为仅包括下文所述的与所述的其它特征分离的特征的选择，只要该特征的选择足以赋予技术优势或将本发明与现有技术区别开。该选择包括至少一个、优选功能性的、不具有结构细节、或者仅具有一部分结构细节的特征，只要仅该部分就足以赋予技术优势或将本发明与现有技术区别开。

特别地，如果从技术角度对这种组合没有异议，则所描述的所有变型和所有实施例能够组合在一起。

在附图中，多个附图共用的元件保持相同的附图标记。

图1是根据本发明的方法的非限制性实施例示例的示意图。

方法100包括例如使用如下文详述的全场干涉测量传感器来在物体表面上的多个测量点处获取干涉测量信号的步骤102。在这种情况下，传感器的每个像素对应于测量点，并且针对传感器的视场中的每个像素测量干涉测量信号。

获取干涉测量信号的示例将参考图3在下面更详细地描述。

方法100还包括将所测量的每个干涉测量信号归属于一组类别中的一类别的步骤104。每个类别由参考干涉测量信号表示。

在某些实施例中，这些类别的参考干涉测量信号与能够存在于待测物体表面上的特定结构或结构相对应或相关联。然后能够选择参考干涉测量信号以表示在不同类型的结构上获取的特定干涉测量信号，不同类型的结构诸如：

-透明或不透明(金属等)的特定材料(二氧化硅、硅等)的结构；和/或

-根据特定厚度或厚度范围，由透明材料或透明材料的堆叠构建的结构。

在初始化类别的步骤106期间构建或初始化该组类别。

通常，初始化使得可以定义和/或选择适当的类别，即表示实际存在于传感器的视场中的结构类型的类别。

能够使用类别列表，这些类别能够与它们的参考干涉测量信号一起存在于待测量物体的表面上，该列表能够基于物体上存在的结构的掩模、图纸(布局)或描述来获得。

还能够基于例如对具有已知结构的参考物体执行的测量通过实验获得类别。

根据另一变型，可以预先简单地限定多个类别，并使用分类算法(诸如已知的K-均值算法)来根据所测量的一组干涉测量信号生成类别。然而，该方法能够具有产生次优类的缺点。

当然，所有这些变型都能够与用理论限定、和/或用实验限定、和/或用数字限定的类别相组合。

根据实施例，根据本发明的方法100的初始化步骤106能够包括初步分割步骤。该初步分割步骤能够通过在视场中在根据准则被认为是同质的区域中将测量的干涉测量信号组合在一起来执行。该准则能够是例如全局或特定波长的反射率值。然后同质区域被认为对应于一个类别，或者换句话说，仅包括属于同一类别的干涉测量测量值。因此，可以确定同质区域的单个类别，并且因此将该同质区域的一组干涉测量信号归属于该类别。因此，初步分割使得可以更有效地选择或识别事实上存在并且适合于执行以下步骤的逐像素分类的类别。事实上，逐像素分类能够允许对精细图案(尺寸为几个像素的结构)进行更精确的分类。

根据第一示例，可以仅保留那些已经可以与由初步分割定义的同质区域相关联的、例如从一组预定义的类别中选择的类别。还可以通过使用源自测量值的数据来修正所选类别的参考干涉测量信号，例如用在与该类别相关联的一组同质区域上计算的平均信号替换该类别的参考干涉测量信号。

根据第二示例，可以直接基于例如在同质区域上通过平均获得的干扰信号来定义类别。

适用的初步分割方法能够包括，例如：

-基于检测例如分水岭类型的轮廓的方法，这些方法是指使用图像中的轮廓或梯度来划分不同区域；

-基于例如通过使用马尔可夫场来检测区域的分割方法，这些方法是指将视场分割成不同的同质区域。

将在以下详细描述这种初步分割步骤的示例。

在方法100的步骤108期间，所测量的干涉测量信号I(x,y)按像素与预先构造的类别相关联或归属于该类别。

通常，该关联步骤108实现在所测量每个点处的每个干涉测量信号与每个类别的参考干涉测量信号之间的比较。干涉测量信号分别归属于与参考干涉测量信号具有最佳相似性或最佳接近性的类别。

由像素的干涉测量信号与参考干涉测量信号的比较能够通过执行诸如欧几里德距离计算的距离计算，或者任何其他距离计算或证明两个信号之间的差异的任何其他度量计算来实现。

优选地，该比较尤其能够通过使用通过对所测量的时间干涉测量信号进行傅里叶变换而获得的干涉测量信号的光谱反射率来执行。

当然，能够实现利用干涉测量信号的时间信息、形状或相位项的其他比较方法。

图2示出了通过使用光谱反射率将干涉测量信号归属于预定义的类别的示例。用实线表示与表示三个类别的参考干涉测量信号相对应的光谱反射率。用虚线表示与在图像上的三个测量点或像素处测量的干涉测量信号相对应并且分别归属于这些类别的光谱反射率。因此，每个所测量的信号(参考信号)对35、36、37表示不同类型的结构。

能够实施不同的分类算法以将干涉测量信号归属于类别。

根据实施例，通过使用学习技术将信号归类。

根据第一示例，这种学习技术实现了需要一组学习类别的支持向量机(SVM)。例如，在方法100的初始化的步骤106中，并且特别是通过在物体表面上预期或测量的某些干涉测量信号的特性的理论或实验知识，能够提供这种组。

根据第二示例，学习技术包含神经网络。因此，学习数据(对应于参考干涉测量信号)能够在理论上或实验上预定义，或者在学习期间通过接受或拒绝其中的一些来得到。

根据另外的实施例，能够使用简单的“最近邻”分类方法。对于传感器的视场的任何像素，将其干涉测量信号或相应的反射光谱与所有参考干涉测量信号或相应的参考反射光谱进行比较。例如，能够通过使用欧几里德距离来执行这种比较。然后将像素的干涉测量信号归属于“最近”的类别，或者换句话说，由此确定的距离最小的类别。该方法特别适合于将像素分类成一组预定义的类别。

根据另外的实施例，还能够使用基于分类操作的方法，例如前述K-均值方法。因此，与图像像素相关联的测量点被划分为K个组或类别，这些组或类别例如源自根据本发明的方法100的初始化步骤106。

对于K-均值算法，类别能够特别地源自先验信息，该先验信息能够是类别的期望数量(K值)。替代地，也能够用一组类别来初始化算法，该组类别源自与物体表面上存在的所测量的结构或理论结构相关联的干扰信号或参考光谱反射率信号的特性的全部或近似知识。这使得可以以较高的精度初始化算法并最小化分类错误。

然后，能够通过最小化距离函数来执行归属或关联步骤108，该距离函数能够是每个像素的光谱反射率信号相对于像素所归属的类别的参考光谱反射率之间的距离的平方和。这些参考信号对应于每个类别中的平均信号。

将在下面描述K-均值技术的应用的示例。

有利地，根据本发明的方法100还能够包括对于已经与干涉测量信号相关联的每个类别，基于归属于这个类别的干涉测量信号来确定新的参考干涉测量信号。因此形成了一组新的类别。能够例如根据归属于所讨论的类别的干涉测量信号的平均值，并且可选地，根据初始参考干涉测量信号来计算新的参考干涉测量信号(或相应的光谱反射率)。然后，所测量的干涉测量信号被再次归属于新的类别(图1中的步骤112)。继续迭代，直到例如满足预定的收敛准则。这种收敛准则例如能够考虑类别的中心的位移：从中心不移动的时刻(或小于某个值)达到收敛。该收敛准则还能够考虑这样的事实，即当没有另外的像素(或小于一定值的多个像素)从一个迭代到另一个迭代改变类别时获得收敛。

新参考信号的归属步骤108和确定步骤110的迭代特别适合于根据K-均值方法的分类，因为能够基于测量迭代地改进类别。

在对所有信号进行分类之后，将干涉测量信号归属于类别的归属步骤104结束。

参考图1，根据本发明的方法100还包括处理或分析与不同测量点相关联的干涉测量信号的处理或分析步骤114。有利地，该处理步骤114根据与它们相关联的类别有关的方法来执行。

因此，本发明的方法特别使得可以根据不同像素所属的类别或相应结构对不同像素的干涉测量信号应用特定分析或特定处理。因此，例如，可以执行：

-作为所识别的不同结构的函数的例如粗糙度的差异统计计算；

-例如通过应用反射测量算法来计算透明材料的估计厚度的映射；

-校正的形貌轮廓的测量，特别是与材料的物理特性的贡献无关，诸如在透明材料的情况下材料的复折射率和层堆叠的厚度。特别地，为了获得校正的高度信息，可以应用：

-简单相移因子，例如对于金属层的情况；

-层堆叠的反射模型，以便获得透明层的厚度的估计。

在下文中，将详细描述根据本发明的方法的示例实施例。

参考图3，描述了根据本发明实现的示例轮廓测量系统或光学轮廓仪。

该轮廓测量系统或光学轮廓仪1包括能够是迈克尔逊、Mirau或其他类型的干涉测量装置13。在本实施例中，该干涉测量装置13以Mirau型干涉测量物镜13的形式示出，该干涉测量物镜具有透镜或成像光学器件14、半反射分束器15和参考镜16。光学轮廓仪100还包括发射宽谱光且能够包括例如发光二极管(LED)或卤素灯的照明系统10、以及例如具有CCD或CMOS类型的图像传感器阵列的图像传感器或相机11。光学轮廓仪1还包括例如由压电致动器致动的扫描装置18，该压电致动器使得可以分别改变分束器15与待测量物体表面17和参考镜16之间的干涉仪的两个臂中的光路。最后，光学轮廓仪包括图像或干涉测量信号的处理模块19，所述处理模块被布置为实施根据本发明的用于处理测量的方法。

图4示出了半导体衬底的视场的强度图像30，在该半导体衬底上产生了由不同材料的堆叠构成的结构。图4还示出了与不同结构类型相对应的干涉测量信号31、32、33、34的示例。

能够观察到，强度图像30上的不同分离区域产生显著不同的干涉测量信号31-34。在视场中的图像30的不同点处获得的这些信号能够根据本发明的方法100来识别和利用，以便能够根据存在于该视场中的结构的性质以不同的方式处理所述信号。

在所述实施例中，通过利用干涉测量信号的光谱反射率来对该干涉测量信号进行分析和分类。

白光(或多色)干涉测量信号能够分解为在单色照明中的一组干涉测量信号。干涉测量信号的这种分解能够作为波数K的函数，其中

λ是波长。

在与入射角有关的贡献可忽略的情况下(傍轴近似)，给定像素处的干涉测量信号能够通过以下等式建模：

[数学式1]

I(ξ)＝∫₀ ^∞g(k，ξ)V(k)dk

I是在扫描设备18的位移间距ξ处在给定像素上测得的发光强度，V(k)是光源光谱的分布，并且g(k,ξ)能够表示为：

[数学式2]

g(k，ξ)＝R(k)+Z(k)+2√R(k).Z(k).cos[k(h-ξ)+γ(k)]

Z对应于待测物体17的有效反射率。该术语包括在给定像素处物体的光谱反射率和包括分束器15(或分离器立方体)的测量系统的透射率。

这能够表示为：

[数学式3]

T表示包括分束器15的测量系统的透射率，并且ρ表示待测物体17的光谱反射率。

表示为R的参考有效反射率包括系统1的光学元件的反射率或透射率，诸如参考镜16的反射率和分束器15的透射率。参数h表示物体的高度，并且参数γ是光波在物体上反射并通过测量系统时的相移项。

图4示出了所测量的干涉测量信号或由附图标记31-34表示的干涉图I(ξ)的示例。

为了增加符号的清晰度，术语V、R、Z、h和γ对图像中(或通过对物体进行成像的光学系统在共轭平面中)的位置(x,y)的依赖性在这一点未提及或将在本文件的其余部分提及。尽管如此，这也是不可忽视的。

在单色光中形成干涉测量信号的正弦曲线的振幅与下式成比例：

[数学式4]

它是与光谱密度P(k)相对应的干涉图的傅里叶变换模量的表达式。

计算干涉图的傅里叶变换的步骤使得可以经由傅里叶变换模量获得物体反射的光的光谱密度的测量值。光谱密度使得可以获得关于物体的光谱反射率ρ(k)的信息。

如图3所示，系统1或干涉测量显微镜的视场被分解为通常由检测相机11的像素限定的子区域。因此，为每个像素获取干涉图或干涉测量信号。

根据变型，还可以考虑干涉图的傅里叶变换的相位，该相位使得可以获得材料的叠层的复杂反射率。

在文件的剩余部分中，仅将描述与光谱密度P(k)相对应的干涉图的傅里叶变换模量的使用，这绝不是限制性的。

因为感兴趣的变量是光谱反射率ρ(k)，因此，对光谱密度P(k)进行归一化可以是有用的，以便改进随后的厚度和/或地形的分类和/或计算。

对干涉图的傅里叶变换模量(以及因此的光谱密度)进行归一化的步骤使得可以从中导出视场的任何点(x,y)处的光谱反射率。

为此，能够设想几种策略，特别是基于参考信号的归一化或自动归一化，这将在下文中描述。

基于参考信号的归一化的原理包括在由同质材料覆盖或构造的已知参考物体或样品上执行干涉测量信号的获取。该参考样品能够是例如硅板。该参考样品上的傅里叶变换的模量是根据在图像每个点处获取的信号计算出来的，该模量提供了参考光谱密度。

然后可以通过计算待测物体上的光谱密度与参考光谱密度之间的比率来确定在图像的每个像素处的光谱反射率值ρ(k)。当然，对于非零参考光谱密度值，仅在照明系统10的光谱带中计算值ρ(k)。

这种方法要求在已知参考物体上校准测量系统1(或者甚至定期重新校准系统)。归一化的质量在很大程度上取决于扫描装置18沿其行程的位移的规律性以及从一个获取到另一个获取的照明的稳定性。

根据变型，如果测量系统的光学特性足够均匀，则参考光谱密度能够是在参考样品的整个表面上计算的全局或平均值。

根据自动归一化的原理，假设大多数变量不依赖于它们在图像上的位置(均匀照明，参考镜16和分束器15的特性没有空间变化)。仅光谱反射率值ρ(k)被认为能够根据图像上的位置变化，作为物体的图案的函数。计算图像上的傅里叶变换的平均模量，从而获得参考光谱密度的表达式。然后，在傅里叶变换的模量的每个像素处产生与平均光谱(或光谱密度与参考光谱密度)的比率。

自动归一化方法的优点在于不需要任何事先校准步骤。然而，随后获得伪反射率图，作为在每个波数处给定像素的反射率与该波数处的反射率平均值之间的比率。

另一个测量示例如图5所示。必须确定图5a所示物体40的结构41、42的层的厚度。已知待测结构由不同厚度的氧化物层形成并且沉积在硅上。必须确定物体40的测量图像的每个点的氧化物层厚度的精确值。

图5c中示出了与位于如图5b所示的两个区域中的每个中的像素相关联、并且由结构定义的测量的干涉测量信号。

基于对参考物体(例如，与图7a中所示的相同)上的干涉测量信号的测量，或者基于现有的理论知识，定义了物体表面上的预期堆叠。在图5中的示例的情况下，理论厚度或预期厚度分别一方面是在硅(Si)衬底上的1.2μm的二氧化硅(SiO₂)，另一方面是在Si衬底上的0.1μm的SiO₂。

因此，可以计算理论或参考光谱反射率，以便产生如上所述的干涉测量信号的类别。

图6示出了沉积在Si衬底上的1.2μm的SiO₂的层的示例理论光谱反射率51。

这些理论光谱反射率信号构成与用于物体的分割的两个参考类别相关联的参考干涉测量信号，这些类别对应于两种已知类型的层或结构。

作为示例，如图6所示的与沉积在反射介质上的简单透明层的情况相对应的理论或参考光谱反射率能够使用以下等式在正入射下通过数学方法构造：

[数学式5]

系数r₀₁和r₁₂是取决于波长的菲涅耳反射系数。系数r₀₁对应于环境介质与透明材料之间的界面，并且系数r₁₂对应于透明层与衬底之间的界面。

常数β定义为β＝2dn，其中d是层的厚度，n是其折射率，该折射率也取决于波长。

图6还示出了光谱反射率52的测量值，其归属于与SiO₂的层相对应的参考结构，因为其在光谱反射率方面更接近于该参考结构。

图7a示出了由将干涉测量信号归属于根据本发明的方法的类别的步骤获得的分类或分割的结果。这种分类导致图像像素根据所测量的干涉测量信号归属于预先定义的并且对应于两个已知参考结构的两个类别之一来在所述两个已知参考结构之间分布。

一旦像素归属于相应的参考结构的类别，就可以估计沉积在硅层上的二氧化硅的厚度的测量值。因此，通过测量像素的反射率来调整理论光谱反射率曲线的参数(参见等式1)使得可以获得所测量的每个像素的厚度d的估计值。

图7b和图7c示出了分别与图7a中的在调整两个类别中的每个的像素的层厚度的参数之后测量的反射率71、72对应的理论反射率73、74。因此，该厚度参数给出了对每个像素处的二氧化硅的透明层的厚度的估计。对于图7b，厚度估计为1.185μm，对于图7c，厚度估计为0.140μm，这两个值与预期的物体形状一致。

这种测量原理能够推广到层的多个堆叠或复折射率。

在下文中，将更详细地描述实现物体表面的分割的两个示例：首先，基于K-均值算法实现类别中的干涉测量信号的分类，其次，基于K-均值算法与多光谱数据的分水岭算法的组合实现类别中的干涉测量信号的分类，以便产生初步分割并初始化K-均值算法。由于K-均值算法在别处是已知的，因此这里不详细说明。

使用K-均值算法以在干涉测量信号分类。

在本示例中，考虑可以基于待测物体表面上的结构或堆叠的近似先验信息来定义参考光谱反射率(或参考干涉测量信号)。这些参考光谱反射率形成一组预定义的类别。

在图8中示出了算法的架构60。

参考光谱反射率能够用于通过定义类别的中心的初始位置来初始化K-均值算法(步骤62)。然后，通过使用例如欧几里德距离，为视场的每个像素分配中心在光谱特征方面最接近的类别(步骤64)。然后，对于每个类别，预定中心被分配给该类别的所有像素的平均光谱所定义的重心替换(步骤66)。基于例如从一次迭代到另一次迭代的参考光谱反射率的变化，或者两次迭代之间的像素的类别的变化，迭代步骤64和66(箭头68)，直到在收敛准则的意义上，类别的中心不再改变。

K-均值算法的使用对于直接对参考光谱反射率的简单的“最近邻”分类显得特别合适，因为它允许这些参考光谱反射率的自适应(中心的位移)。

根据变型，因为堆叠的组成、特别是透明层的确切厚度不能确切地知道，因此调整参考光谱反射率是有用的。此外，这些结构能够在物体的整个表面上呈现厚度的变化。因此，参考光谱反射率通常不能精确地与归属于相应类别的像素的光谱反射率叠加。

如果存在不能定义参考光谱反射率的区域，例如在存在欠分辨的图案或者操作者是完全不知道组成的区域的情况下，则对于将像素归属于类别的该步骤，可以定义部分或完全经验初始化。例如，用户能够指定参考视场上的典型像素。然后，这些典型像素的光谱特征用于初始化类别中心，并且算法如上所述执行。

在K-均值与表示所有类别的数据收敛后，可以使用中心的光谱反射率或每个类别的平均光谱，来初始化物体上任何视场的分类。

虽然并非所有类别都必须在每个视场中表示，但不考虑所述类别会导致视场的过度分割效应。例如，同质区域能够被划分为多个区域并因此被错误地分类；然后，对于大部分像素，材料的堆叠将被错误地识别。有必要为每个镜头去除无用的类别。

能够建立不同的准则来选择待去除的类别：

-在K-均值收敛之前，能够将在第一次迭代时该类别的平均光谱与其参考光谱进行比较。超过阈值后，估计中心位置已偏离其初始位置，并且该类别被视为无效并被去除。

-在K-均值收敛之前，能够考虑与每个类别相关联的像素的数目。低于阈值数目时，该类别被视为不具代表性并被去除。

-在K-均值收敛后，类别中心之间的距离能够进行2乘2的比较。低于某一阈值时，只考虑与同一材料堆叠相对应的像素。然后合并相关的类别。

初步分割算法的联合使用：多光谱分水岭算法。

如上所述，对于像素分类，特别是对于所选择的K-均值实现模式，类别的初始化是重要的步骤。事实上，如果定义了太多的类别，或者如果这些类别与视场中实际存在的堆叠不对应，分类结果就会受到影响。

因此，可以在不考虑预先建立的反射模型的情况下执行初步分割步骤，然后按区域对像素进行分类。有利地，该初步分割步骤的结果能够用于在对该类别的子集执行逐像素分类之前选择类别并调整参考光谱。

在所示示例中，该初步分割通过使用源自干涉测量信号的反射率或光谱反射率来执行。事实上，在许多情况下，如图4所示，不同结构或材料之间的光谱反射率不同。

为了执行初步分割，使用对如Li等人在“Multispectral image segmentation bya multichannel watershed-based approach”,International Journal of RemoteSensing,2004,vol.28,p.4429-4452中所述的多光谱数据的分水岭算法。这是一种基于轮廓的方法，即考虑在反射率意义上同质的区域和寻求分割的区域被多光谱梯度分离。

初步分割算法的第一步骤是计算多光谱梯度图。

多光谱梯度定义如下。该算法的输入数据是反射率立方体，每个像素由维数为N的向量定义，其中N是可用于描述该像素的反射率的波长的数目。目的是在多光谱数据的基础上创建灰度梯度图像，以便随后能够应用分水岭的传统算法。

初步分割算法的第二步骤是将分水岭算法应用于所计算的梯度图(灰度图)。

因此，获得了干涉测量信号在同质区域中的分布。

如上所述，然后可以基于同质区域来确定类别。例如，可以基于每个区域的干涉测量信号来计算该区域的参考干涉测量信号，并使用该参考干涉测量信号来初始化类别。当然，可以基于源自不同但被认为相似的区域的干涉测量信号来生成类别，和/或使用物体的先验知识来生成类别。

一旦已经执行了这些初步分割步骤，就能够执行将干涉测量信号逐像素分类为类别，特别是通过使用如上所述的K-均值算法。

当然，本发明不限于刚刚描述的示例，并且可以在不超出本发明的范围的情况下对这些示例进行许多修改。

Claims (16)

1.一种用于使用低相干光学干涉测量法测量包括至少一个结构(41、42)的物体(17)的表面的方法(100)，所述方法(100)包括以下步骤：

-在视场中的所述表面的多个点处获取(102)干涉测量信号，所述点称为测量点；

对于至少一个测量点：

-将所获取的干涉测量信号归属(104)于多个类别的干涉测量信号中的一类别，每个类别与表示典型结构的参考干涉测量信号相关联；以及

-对所述干涉测量信号进行分析(114)，以便根据其类别从该干涉测量信号中得出关于测量点处的结构的信息。

2.根据权利要求1所述的方法(100)，其特征在于，将所述干涉测量信号归属于一类别的步骤(104)包括初始化类别的步骤(106)。

3.根据权利要求2所述的方法(100)，其特征在于，初始化类别的步骤(106)包括提供以下元素中的至少一个：

-类别列表；

-存在于视场中的类别的数量的先验估计。

4.根据权利要求3所述的方法(100)，其特征在于，提供类别列表包括以下步骤中的至少一个：

-基于具有已知结构的参考表面上的干涉测量信号的测量来确定类别；

-根据存在于所述物体的表面上的结构的先验知识来确定类别。

5.根据权利要求2至4之一所述的方法(100)，其特征在于，初始化类别的步骤(106)包括以下步骤：

-根据所述视场的同质区域分配所获取的干涉测量信号，其中，所述区域根据预定准则是同质的；

-根据所述同质区域中的干涉测量信号来确定类别。

6.根据前一权利要求所述的方法(100)，其特征在于，所述方法包括通过利用干涉测量信号的强度、反射率或光谱反射率来确定所述同质区域。

7.根据前述权利要求中任一项所述的方法(100)，其特征在于，将所述干涉测量信号归属于一类别的步骤(104)包括将所获取的干涉测量信号与所述参考干涉测量信号进行比较。

8.根据权利要求5所述的方法(100)，其特征在于，所述比较包括确定所获取的干涉测量信号与参考干涉测量信号之间的距离的步骤。

9.根据前述权利要求中任一项所述的方法(100)，其特征在于，将所述干涉测量信号归属于一类别的步骤(104)包括以下步骤的迭代(112)：

-将所述干涉测量信号与类别相关联(108)；

-对于每个类别，根据归属于该类别的干涉测量信号来确定(110)新的参考干涉测量信号，

其中，继续所述迭代(112)直到预定的收敛准则被满足。

10.根据前述权利要求中任一项所述的方法(100)，其特征在于，分析所述干涉测量信号的步骤(114)包括根据所述干涉测量信号的类别来识别结构或结构的特性。

11.根据前述权利要求中任一项所述的方法(100)，其特征在于，分析所述干涉测量信号的步骤(114)包括通过应用取决于所述干涉测量信号的类别的光谱反射模型来确定一个或更多个透明层的厚度。

12.根据前述权利要求中任一项所述的方法(100)，其特征在于，分析所述干涉测量信号的步骤(114)包括通过考虑所述干涉测量信号的取决于其类别的相移因子来确定测量点处的表面的高度。

13.根据前述权利要求中任一项所述的方法(100)，其特征在于，所述获取步骤(102)通过测量执行全场测量的传感器(11)的每个像素的干涉测量信号来执行，其中，所述传感器(11)的视场的每个像素对应于测量点。

14.根据前述权利要求中任一项所述的方法(100)，其特征在于，所述方法通过半导体衬底类型的物体(17)来实现。

15.一种用于使用低相干光学干涉测量法进行测量的系统(1)，用于测量包括至少一个结构(41、42)的物体(17)的表面，所述系统(1)包括：

-用于在视场中的所述表面的多个点处获取(11)干涉测量信号的装置，所述点称为测量点，以及

-用于处理所获取的干涉测量信号的模块(19)，其被配置为：

-将每个所获取的干涉测量信号归属于多个类别的干涉测量信号中的一类别，每个类别与表示典型结构的参考干涉测量信号相关联；并且

-执行对所述干涉测量信号的分析，以便根据所述干涉测量信号的类别得出关于所述测量点处的结构的信息。

16.根据权利要求15所述的系统(1)，其特征在于，用于获取干涉测量信号的装置包括全场干涉测量传感器。

Images