CN116934651A - 一种粗糙度的测量方法、测量装置及相关设备 - Google Patents

一种粗糙度的测量方法、测量装置及相关设备 Download PDF

Info

Publication number
CN116934651A
CN116934651A CN202210327276.5A CN202210327276A CN116934651A CN 116934651 A CN116934651 A CN 116934651A CN 202210327276 A CN202210327276 A CN 202210327276A CN 116934651 A CN116934651 A CN 116934651A
Authority
CN
China
Prior art keywords
edge
image
position data
pattern
pixels
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.)
Pending
Application number
CN202210327276.5A
Other languages
English (en)
Inventor
徐宏
何向明
胡子昱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huarui Core Material Wuxi Technology Co ltd
Original Assignee
Beijing Huaruixin Dynamic Power Technology Development Co ltd
Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Huaruixin Dynamic Power Technology Development Co ltd, Tsinghua University filed Critical Beijing Huaruixin Dynamic Power Technology Development Co ltd
Priority to CN202210327276.5A priority Critical patent/CN116934651A/zh
Publication of CN116934651A publication Critical patent/CN116934651A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
    • G01B11/306—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces for measuring evenness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Length-Measuring Devices Using Wave Or Particle Radiation (AREA)

Abstract

本申请实施例提供了一种粗糙度的测量方法、测量装置及相关设备，其中方法包括：获取光刻图案的图像；基于所述光刻图案的图像，确定光刻图案的边缘位置数据；将所述边缘位置数据转换为实际位置数据，所述实际位置数据与所述光刻图案的实际尺寸相对应；根据所述实际位置数据，计算得到所述光刻图案的粗糙度。本申请实施例能够提高粗糙度的测量准确度。

Description

一种粗糙度的测量方法、测量装置及相关设备
技术领域
本申请实施例涉及数据处理领域，尤其是涉及一种粗糙度的测量方法、测量装置及相关设备。
背景技术
光刻胶是一种对光敏感的混合材料，用于在光照或辐射下变性，从而产生溶于或不溶于特定显影材料的特质。在半导体技术领域，利用光刻胶变性这一特性，可以实现对基底材料的图形化，即，通过光照或辐射，在需要保留光刻胶的区域形成不溶于特定显影材料的光刻胶，在不需要保留光刻胶的区域形成溶于特定显影材料的光刻胶，从而在显影之后，在基底材料上形成预设的光刻图案。
光刻图案的粗糙度用于指示光刻图案的精细程度，是表征光刻胶特性的重要参数之一。当前粗糙度测量方法通常采用特殊的扫描式电子显微镜
(ScanningElectronMicroscope，SEM)——微距量测扫描式电子显微镜(Scanningelectronmicroscope，CD-SEM)对光刻图像进行在线测量，从而在CD-SEM中扫描光刻图案的电子显微(也称扫描电子显微镜，SEM)图像，确定SEM图像在特定像素阈值下的边缘分布，并通过离散分析算法对边缘分布进行统计分析，获取对应的粗糙度。
然而，此种方式测量得到的光刻图案的粗糙度的准确度不高，因此，本领域技术人员亟需一种准确度高的粗糙度的测量方法。
发明内容
有鉴于此，本申请实施例提供一种粗糙度的测量方法、测量装置及相关设备，用于提高粗糙度的测量准确度。
为解决上述问题，本申请实施例提供如下技术方案：
本申请实施例提供了一种粗糙度的测量方法，包括：
获取光刻图案的图像；
基于所述光刻图案的图像，确定光刻图案的边缘位置数据；
将所述边缘位置数据转换为实际位置数据，所述实际位置数据与所述光刻图案的实际尺寸相对应；
根据所述实际位置数据，计算得到所述光刻图案的粗糙度。
可选的，所述基于所述光刻图案的图像，确定光刻图案的边缘位置数据，包括：
基于所述光刻图案的图像，获取第一阈值组对应的边缘图像，其中，所述第一阈值组用于确定光刻图案的图像中的边缘图像，所述第一阈值组包括高阈值和低阈值；
确定所述边缘图像中的边缘与所述光刻图案的图像的边缘是否一致，若是，则以边缘图像对应的边缘位置数据为所述光刻图案的边缘位置数据；
若否，则梯段性调整所述第一阈值组，确定调整后的第二阈值组，以所述第二阈值组为第一阈值组，获取所述第一阈值组对应的边缘图像，直到所述边缘图像中的边缘与所述光刻图案的图像的边缘一致，以所述边缘图像对应的边缘位置数据为边缘位置数据。
可选的，所述基于所述光刻图案的图像，获取第一阈值组对应的边缘图像，包括：
获取光刻图案的图像中对应的多个像素的边缘梯度；
抑制所述边缘梯度中的低梯度对应的低像素，保留所述多个像素中的剩余像素；
确定所述剩余像素的边缘位置，并形成初始边缘图像，所述剩余像素包括强边缘像素和弱边缘像素，所述初始边缘图像包括强边缘像素对应的强边缘图像和弱边缘像素对应的弱边缘图像，所述强边缘图像为不低于所述高阈值的强边缘像素对应的图像，所述弱边缘图像为不高于高阈值且不低于低阈值的弱边缘像素对应的图像；
抑制初始边缘图像内的弱边缘图像中的单个弱边缘像素，确定基础边缘像素，其中，初始边缘图像包括弱边缘图像中的多个弱边缘像素，以及，强边缘图像对应的强边缘像素；
以所述基础边缘像素对应的图像为边缘图像。
可选的，所述获取光刻图案的图像中对应的多个像素的边缘梯度之前，还包括：
调整所述第一阈值组中的高阈值的数值或者高阈值与低阈值之间的比例，以滤除图像噪声。
可选的，所述将所述边缘位置数据转换为实际位置数据，包括：
选取所述光刻图案的图像中的目标区域范围；
确定所述光刻图案的图像对应的换算比例；
基于目标区域范围内的边缘位置数据结合所述换算比例，确定所述实际位置数据。
可选的，所述目标区域范围包括光刻图案的图像中的全部图像区域或者部分图像区域。
可选的，所述获取光刻图案的图像，包括：
获取光刻图案的扫描电镜图像，
判断所述扫描电镜图像是否为灰度图像，若是，以所述扫描电镜图像为所述光刻图案的图像；若否，则将扫描电镜图像进行灰度处理，以灰度处理后的扫描电镜图像为所述光刻图案的图像。
可选的，包括：所述高阈值与所述低阈值的数值比例范围为3：1～2：1；所述边缘位置至少包括水平边缘位置、垂直边缘位置和对角边缘位置中的至少一个。
本申请实施例提供一种粗糙度的测量装置，包括：
图案获取单元，用于获取光刻图案的图像；
边缘位置数据获取单元，用于基于所述光刻图案的图像，确定光刻图案的边缘位置数据；
实际尺寸转化单元，用于将所述边缘位置数据转换为实际位置数据，所述实际位置数据与所述光刻图案的实际尺寸相对应；
粗糙度计算单元，用于根据所述实际位置数据，计算得到所述光刻图案的粗糙度。
可选的，所述边缘位置数据获取单元，用于基于所述光刻图案的图像，确定光刻图案的边缘位置数据，包括：
基于所述光刻图案的图像，获取第一阈值组对应的边缘图像，其中，所述第一阈值组用于确定光刻图案的图像中的边缘图像，所述第一阈值组包括高阈值和低阈值；
确定所述边缘图像中的边缘与所述光刻图案的图像的边缘是否一致，若是，则以边缘图像对应的边缘位置数据为所述光刻图案的边缘位置数据；
若否，则梯段性调整所述第一阈值组，确定调整后的第二阈值组，以所述第二阈值组为第一阈值组，获取所述第一阈值组对应的边缘图像，直到所述边缘图像中的边缘与所述光刻图案的图像的边缘一致，以所述边缘图像对应的边缘位置数据为边缘位置数据。
可选的，所述边缘位置数据获取单元，用于基于所述光刻图案的图像，获取第一阈值组对应的边缘图像，包括：
获取光刻图案的图像中对应的多个像素的边缘梯度；
抑制所述边缘梯度中的低梯度对应的低像素，保留所述多个像素中的剩余像素；
确定所述剩余像素的边缘位置，并形成初始边缘图像，所述剩余像素包括强边缘像素和弱边缘像素，所述初始边缘图像包括强边缘像素对应的强边缘图像和弱边缘像素对应的弱边缘图像，所述强边缘图像为不低于所述高阈值的强边缘像素对应的图像，所述弱边缘图像为不高于高阈值且不低于低阈值的弱边缘像素对应的图像；
抑制初始边缘图像内的弱边缘图像中的单个弱边缘像素，确定基础边缘像素，其中，初始边缘图像包括弱边缘图像中的多个弱边缘像素，以及，强边缘图像对应的强边缘像素；
以所述基础边缘像素对应的图像为边缘图像。
可选的，所述边缘位置数据获取单元还用于，调整所述第一阈值组中的高阈值的数值或者高阈值与低阈值之间的比例，以滤除图像噪声。
可选的，所述实际尺寸转化单元，用于将所述边缘位置数据转换为实际位置数据，包括：
选取所述光刻图案的图像中的目标区域范围；
确定所述光刻图案的图像对应的换算比例；
基于目标区域范围内的边缘位置数据结合所述换算比例，确定所述实际位置数据。
可选的，所述目标区域范围包括光刻图案的图像中的全部图像区域或者部分图像区域。
可选的，所述图案获取单元，用于获取光刻图案的图像，包括：
获取光刻图案的扫描电镜图像，
判断所述扫描电镜图像是否为灰度图像，若是，以所述扫描电镜图像为所述光刻图案的图像；若否，则将扫描电镜图像进行灰度处理，以灰度处理后的扫描电镜图像为所述光刻图案的图像。
可选的，所述高阈值与所述低阈值的数值比例范围为3：1～2：1；所述边缘位置至少包括水平边缘位置、垂直边缘位置和对角边缘位置中的至少一个。
本申请实施例提供一种计算设备，包括至少一个存储器和至少一个处理器；所述存储器存储有程序，所述处理器调用所述程序，以执行如上述的粗糙度的测量方法。
本申请实施例提供一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时实现如上述的粗糙度的测量方法。
本申请实施例所提供的粗糙度的测量方法，通过在在线状态下获取光刻图案的图像，在离线状态下(即脱离CD-SEM的测量环境)，基于所述光刻图案的图像，确定光刻图案的边缘位置数据，进而将所述边缘位置数据转换为实际位置数据，所述实际位置数据与所述光刻图案的实际尺寸相对应，最后根据所述实际位置数据，计算得到所述光刻图案的粗糙度。可见，本申请实施例通过在在线状态下获取到光刻图案的图像，进而在离线状态下对光刻图案的图像进行粗糙度的测量，避免了光刻图案的图像长期暴露在电子束下引起的边缘变化，在一定程度上提高了测量光刻图案的图像的粗糙度的准确度。
另外，基于本申请实施例不需要CD-SEM进行光刻图案粗糙度的测量，从而仅需要普通的SEM进行光刻图案的扫描，得到对应的电子显微图像后即可实现光刻图案粗糙度的测量，从而无需昂贵的CD-SEM设备，降低了光刻图案的测量成本。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例中粗糙度的测量方法的流程图；
图2为本申请实施例中获取光刻图案的图像的流程图；
图3为本申请实施例中确定光刻图案的边缘位置数据的流程图；
图4为本申请实施例中获取第一阈值组对应的边缘图像的流程图；
图5为本申请实施例中Sobel算子的方向示意图；
图6为本申请实施例中梯度方向分割的示意图；
图7为本申请实施例中获取的光刻图案的图像示意图；
图8为本申请实施例中获取的光刻图案的图像的另一示意图；
图9为本申请实施例中存在底部噪声的光刻图案的图像示意图；
图10为本申请实施例中调高高阈值后的光刻图案的图像示意图；
图11为本申请实施例中确定实际位置数据的流程图；
图12为本申请实施例中粗糙度的测量装置的可选框图。
具体实施方式
随着芯片特征尺寸的缩小，对光刻材料——光刻胶的研究开发已经成为热门。衡量光刻胶的质量主要有三个指标，分别为极限分辨率、感光敏感度以及粗糙度(例如线边粗糙度，或者，线宽粗糙度)。其中，极限分辨率与感光敏感度可以在光刻步骤中获得，粗糙度可以在光刻之后的步骤测量得到。
粗糙度用于衡量光刻图案的边缘的光滑程度，以线条图案为例，理想情况下，光刻胶形成的线条的边缘应该是光滑的直线，但是在光刻胶本身的材料和成分相关的因素，以及光刻工艺中各个步骤的条件的影响下，该线条边缘可能并不是完全理想状态。为此，可以通过粗糙度来确定光刻图案的光滑程度。具体的，粗糙度可以通过线条边缘粗糙度(LineEdge roughness，LER)或线条宽度粗糙度(Line Width Roughness，LWR)中的任一参数进行表征，也可以同时通过LER和LWR这两种参数进行表征。其中，LER是表征实际边缘与理想边缘偏离程度的参数；LWR是衡量线条两个平行的边缘之间的距离变化情况的参数。
目前测量粗糙度通常需要价格昂贵的CD-SEM实现。然而，这种测量方法需要将光刻图案长时间暴露在CD-SEM的电子束下，而电子束容易引起光刻图案的边缘变化，从而导致光刻图案的边缘容易受到影响，进而使得光刻图案的粗糙度的测量准确度不高。
本申请实施例提供一种粗糙度的测量方法，通过在在线状态下获取光刻图案的图像，在离线状态下(即脱离CD-SEM的测量环境)，基于所述光刻图案的图像，确定光刻图案的边缘位置数据，进而将所述边缘位置数据转换为实际位置数据，所述实际位置数据与所述光刻图案的实际尺寸相对应，最后根据所述实际位置数据，计算得到所述光刻图案的粗糙度。本申请实施例通过在在线状态下获取到光刻图案的图像，进而在离线状态下对光刻图案的图像进行粗糙度的测量，避免了光刻图案的图像长期暴露在电子束下引起的边缘变化，在一定程度上提高了测量光刻图案的图像的粗糙度的准确度。
另外，基于本申请实施例不需要CD-SEM进行光刻图案粗糙度的测量，从而仅需要普通的SEM进行光刻图案的扫描，得到对应的电子显微图像后即可实现光刻图案粗糙度的测量，从而无需昂贵的CD-SEM设备，降低了光刻图案的测量成本。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1为本申请实施例中的粗糙度的测量方法的流程图。具体的，可以包括以下步骤：
步骤S11、获取光刻图案的图像。
在光刻领域，可以通过光刻工艺在基体表面形成光刻胶凸块，这些光刻胶凸块可以称为光刻图案，而在俯视角度下具有线条形状的光刻图案称为光刻线条。需要说明的是，光刻图案的特征尺寸可以达到微米甚至纳米级，相应的，光刻线条的宽度可以为微米甚至纳米级。
在一些实施例中，光刻图案的图像可以为扫描电镜图像，扫描电镜图像是在扫描电子显微镜(Scanning Electron Microscope，SEM)下获取得到的图像，具体的，通过用SEM聚焦电子束扫描表面来产生光刻图案的图像。其中，所述扫描电镜图像可以为几条线条组成，或者是线条组成的光刻图案。当然，所述扫描电镜图像的具体还可以为其他形式，这里并不设限。
可选的，图2为本申请实施例中获取光刻图案的图像的流程图。具体的，获取光刻图案的图像的步骤如下：
步骤111、获取光刻图案的扫描电镜图像。
需要说明的是，扫描电镜图像可以为灰度图像，也可以为RGB图像。其中，灰度图像是是每个像素只有一个采样颜色的图像，这类图像通常显示为从最暗黑色到最亮的白色的灰度；RGB图像是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的图像。
步骤S112、判断扫描电镜图像是否为灰度图像，若是，则执行步骤S113；若否，则执行步骤S114。
步骤S113、以扫描电镜图像为光刻图案的图像；
步骤S114、将扫描电镜图像进行灰度处理，以灰度处理后的扫描电镜图像为光刻图案的图像。
通过上述步骤，可以使得光刻图案的图像为灰度图，从而使得本申请实施例中的图像更易于进行边缘处理。
继续参考图1，执行步骤S12、基于光刻图案的图像，确定光刻图案的边缘位置数据。
其中，边缘位置数据用于表示光刻图案的图像中的光刻边缘，通过光刻图案的图像，确定了光刻图案的边缘位置数据，能够为后续测量光刻图案的粗糙度提供数据基础。
步骤S13、将边缘位置数据转换为实际位置数据，实际位置数据与光刻图案的实际尺寸相对应。
其中，实际位置数据可以为光刻图案的图像的实际尺寸。实际尺寸可以是通过比例尺等辅助工具计算得到。
在一种可选实现中，本申请实施例中是将边缘位置的像素坐标转换为实际尺寸的大小，进而将实际尺寸的大小作为计算线条粗糙度的基础，在离线状态下，基于实际位置数据进行粗糙度的计算。
步骤S14、根据实际位置数据，计算得到光刻图案的粗糙度。
如前所述，粗糙度可以为线条边缘粗糙度(Line Edge roughness，LER)或线条宽度粗糙度(Line Width Roughness，LWR)。在一种实施例中，可以基于实际位置数据，计算得到光刻图案的线条边缘粗糙度；在另一种实施例中，可以基于实际位置数据，计算得到光刻图案的线条宽度粗糙度；在又一种实施例中，可以基于实际位置数据，计算得到光刻图案的线条宽度粗糙度和线条宽度粗糙度。
本申请实施例提供了一种粗糙度的测量方法，通过在在线状态下获取光刻图案的图像，在离线状态下，基于所述光刻图案的图像，确定光刻图案的边缘位置数据，进而将所述边缘位置数据转换为实际位置数据，所述实际位置数据与所述光刻图案的实际尺寸相对应，最后根据所述实际位置数据，计算得到所述光刻图案的粗糙度。本申请实施例通过在在线状态下获取到光刻图案的图像，进而在离线状态下对光刻图案的图像进行粗糙度的测量，避免了光刻图案的图像长期暴露在电子束下引起的边缘变化，在一定程度上提高了测量光刻图案的图像的粗糙度的准确度。
在步骤S11、获取到光刻图案的图像之后，还需要确定光刻图案的边缘位置数据。图3为本申请实施例中的确定光刻图案的边缘位置数据的流程图。具体的，包括：
步骤S31、基于光刻图案的图像，获取第一阈值组对应的边缘图像，其中，所述第一阈值组用于确定光刻图案的图像中的边缘图像，所述第一阈值组包括高阈值和低阈值。
具体的，所述第一阈值组可以为初始的阈值组，初始的高阈值和低阈值可以作为阈值组调整的基础。
在一种实施例中，可以采用Canny算法结合已有的egde函数对光刻图案的图像进行检测，从而获取Canny算法中的初始的高阈值和低阈值对应的边缘图像。在一个可选的示例中，可以采用matlab中的egde函数与Canny算法相结合进行检测。
另外，Canny算法(Canny edge detector)是一种边缘检测算法，其边缘检测的目的是在保留原有图像属性的情况下，显著减少图像的数据规模。
其中，需要说明的是，基于matlab的版本号不同，可以基于不同的版本对内部拿取坐标的内置函数进行适应性的配置本申请在此不再展开描述。例如，matlab的版本可以为matlabR2021a，或者为matlab2018等，相应的内置函数应当基于实际情况进行相应的配置。
步骤S32、确定所述边缘图像中的边缘与所述光刻图案的图像的边缘是否一致，若是，执行步骤S33；若否，执行步骤S34。
其中，在一个可选的示例中，可以基于预设的算法进行确定，判断所述边缘图像中的边缘与所述光刻图案的图像的边缘是否一致，或者，还可以基于光线传感设备对边缘图像中的边缘与所述光刻图案的图像的边缘(即两边缘)或两边缘侧面出射的光线进行比对，以确定所述边缘图像中的边缘与所述光刻图案的图像的边缘是否一致。
需要说明的是，所述一致并不表示图形的完全相同，在可接受的范围内，所述一致为允许有一定误差的一致，例如，在像素级别，可以允许预设方向上有一定数量的像素误差，或者，在实际尺寸上，可以允许预设方向上有一定尺寸的误差，本申请实施例在此不做具体的限定。
步骤S33、以边缘图像对应的边缘位置数据为所述光刻图案的边缘位置数据。
图7为本申请实施例中的获取的光刻图案的图像的示意图；图8为本申请实施例中的获取的光刻图案的图像的另一示意图。如图7和图8所示，当图像的边缘较清晰，图像的质量良好时，不需要对第一阈值组进行调整，直接将第一阈值组的边缘图像对应的边缘位置数据作为光刻图案的边缘位置数据。也就是说，在图7中默认的高阈值是0.1094；图8中默认的高阈值是0.1250的情况下，不需要对高阈值与低阈值的进行调整，即可得到清晰的边缘，直接将图7或者图8对应的边缘位置数据作为所述光刻图案的边缘位置数据。
步骤S34、梯段性调整所述第一阈值组，确定调整后的第二阈值组，以第二阈值组为第一阈值组。
所述第二阈值组中包含有调整后的高阈值和低阈值。可以对第一阈值组中的高阈值和低阈值按照由大到小的顺序或者由小到大的顺序进行梯段性的调整，从而将调整后的高阈值和低阈值作为第二阈值组。
具体的，梯段性调整第一阈值组，可通过设置每0.001为一梯段，也可通过设置0.002为一梯段，最高梯度不大于0.01。基于梯段的大小不同对第一阈值组中的数值进行动态调整。
返回执行步骤S32、确定边缘图像中的边缘与光刻图案的图像的边缘是否一致。
需要说明的是，步骤S32和步骤S34可以循环执行，直到所述边缘图像中的边缘与所述光刻图案的图像的边缘一致，以所述边缘图像对应的边缘位置数据为边缘位置数据。
本申请实施例通过动态调整第一阈值组中的高阈值和低阈值，进而获取其对应的边缘图像，通过此种方式，相对于直接获取到的边缘图像，边缘图像对应的边缘位置数据的准确度更高。
进一步的，在步骤S31、基于光刻图案的图像，获取第一阈值组对应的边缘图像中，更为具体的实施例，也可以通过Canny算法实现。图4为本申请实施例中获取第一阈值组对应的边缘图像的流程图，具体的：
步骤S41、获取光刻图案的图像中对应的多个像素的边缘梯度。
其中，所述边缘梯度用于表示处于边缘位置的多个像素的梯度强度以及梯度方向。边缘位置用于指示光刻图案中的边缘。所述边缘位置至少包括水平边缘位置、垂直边缘位置和对角边缘位置中的至少一个。在更为具体的实施例中，可以通过Canny算法使用四个算子来检测多个像素中的水平、垂直和对角边缘的边缘位置中的至少一个，从而得到多个像素对应的边缘梯度。
具体的，可以利用边缘检测的算子(如Roberts，Prewitt，Sobel等)确定多个像素对应的水平方向Gx和垂直方向Gy的一阶导数值，由此便可以确定处于边缘位置的多个像素的梯度强度G和梯度方向theta。
示例的，以获取像素点e的梯度G和梯度方向theta为例进行说明，像素点e为多个像素中的随机像素。假定，预设的水平方向的Sobel算子Sx和垂直方向的Sobel算子Sy分别为：
其中，Sx表示水平方向的Sobel算子，用于检测垂直方向的边缘；Sy表示垂直方向的Sobel算子，用于检测水平方向的边缘(边缘方向和梯度方向垂直)。
在直角坐标系中，Sobel算子的方向如图5所示，x表示水平方向，y表示垂直方向。
在一些实施例中，为了确定多个像素中的像素点e的梯度，可以利用辅助窗口确定。假定光刻图案的图像中存在辅助窗口A，A为一个3x3的辅助窗口，具体如下所示：
基于辅助窗口A，确定像素点e在水平方向和垂直方向的梯度公式为：
其中，*为卷积符号，Gx为像素点e在水平方向上的梯度强度，Gy为像素点e在垂直方向上的梯度强度，sum表示矩阵中所有元素相加求和。
最后，利用Sobel算子确定梯度强度以及梯度方向的公式可以为：
θ＝arctan(Gy/Gx)；
其中，G为像素点e的梯度强度；θ表示像素点e的梯度方向，arctan为反正切函数。
步骤S42、抑制边缘梯度中的低梯度对应的低像素，保留多个像素中的剩余像素。
其中，低梯度为小于梯度强度为极大值的梯度。此步骤是将低于梯度强度为极大值的低梯度进行剔除，保留了梯度强度为极大值的梯度对应的剩余像素，实现了准确的识别出光刻图案的图像的边缘。
在一些实施例中，可以是使用非极大值抑制低像素的方式，将局部最大值之外的所有梯度值抑制为0，对光刻图案的图像中的边缘位置的低像素进行非极大值抑制的具体实现可以为：
1)将当前像素的梯度强度与沿正梯度方向上的像素以及负梯度方向上的像素进行比较；
其中，正梯度方向和负梯度方向为方向相反的两个梯度。示例的，结合图6所示，如果将S所对应的梯度为正梯度方向，则负梯度方向为N所对应的梯度方向。
2)如果当前像素的梯度强度与正梯度方向上的像素以及负梯度方向上的像素相比最大，则该像素保留为边缘位置，否则该像素将被抑制。
通常为了更加精确的计算，还可以在跨越梯度方向的两个相邻像素之间使用线性插值来得到要比较的像素梯度。图6为本申请实施例中梯度方向分割的示意图，如图6所示，将梯度分为8个方向，分别为E、NE、N、NW、W、SW、S、SE，其中0代表0o～45o，1代表45o～90o，2代表-90o～-45o，3代表-45o～0o。像素点P的梯度方向为theta，则像素点P1和P2的梯度线性插值为：
tan(θ)＝Gy/Gx；
Gp1＝(1-tan(θ))×E+tan(θ)×NE；
Gp2＝(1-tan(θ))×W+tan(θ)×SW；
其中，GP1为像素点P1的梯度线性插值；GP2为像素点P2的梯度线性插值。
步骤S43、确定剩余像素的边缘位置，并形成初始边缘图像，所述剩余像素包括强边缘像素和弱边缘像素，所述初始边缘图像包括强边缘像素对应的强边缘图像和弱边缘像素对应的弱边缘图像，所述强边缘图像为不低于所述高阈值的强边缘像素对应的图像，所述弱边缘图像为不高于高阈值且不低于低阈值的弱边缘像素对应的图像。
其中，所述初始边缘图像为剩余像素对应的边缘图像，具体包括强边缘图像和弱边缘图像。
如前所述，在施加非极大值抑制低像素之后，剩余像素可以更准确地表示图像中的实际边缘。然而，仍然存在由于噪声和颜色变化引起的一些边缘像素。为了解决这些杂散响应，必须用弱梯度值过滤边缘像素，并保留具有高梯度值的边缘像素，可以采用第一阈值组中的高低阈值来实现。如果剩余像素的梯度值高于高阈值，则将其标记为强边缘像素；如果边缘像素的梯度值低于高阈值并且高于低阈值，则将其标记为弱边缘像素；如果边缘像素的梯度值小于低阈值，则会被抑制。
步骤S44、抑制所述初始边缘图像内的弱边缘图像中的单个弱边缘像素，确定基础边缘像素。
具体的，可以是抑制初始边缘图像内的弱边缘图像中的单个弱边缘像素，保留弱边缘图像中的多个弱边缘像素，以及，强边缘图像对应的强边缘像素为基础边缘像素。
所述弱边缘图像对应的是弱边缘像素，弱边缘像素可以是单个呈现，也可以是多个呈现，由于因噪声或颜色变化会引起的弱边缘像素，为此，当检测到弱边缘图像中的单个弱边缘像素，则对其进行抑制，此时，保留弱边缘图像中的多个弱边缘像素，以及，强边缘图像对应的强边缘像素为基础边缘像素。
在其他可选的实施例中，为了跟踪边缘连接，通过查看单个弱边缘像素及其8个邻域像素，只要其中一个为强边缘像素，则该单个弱边缘点就可以保留，保留弱边缘图像中的部分单个弱边缘像素、多个弱边缘像素，以及，强边缘图像对应的强边缘像素为基础边缘像素。
步骤S45、以基础边缘像素对应的图像为边缘图像。
本申请实施例能够采用抑制多个像素中的低像素，以及抑制部分弱边缘像素的方式，以低的错误率检测边缘位置，并且检测到的边缘应精确定位在真实边缘的中心，抑制了边缘可能出现假边缘，为此，能够显著提升获取边缘图像的准确率，进而在精度较高的边缘图像下，检测到的光刻图案的粗糙度相应的也会提高。
继续结合图7和图8所示，当图像的边缘较清晰，图像的质量良好时，不需要对第一阈值组进行调整，直接将第一阈值组的边缘图像对应的边缘位置数据作为光刻图案的边缘位置数据，得到对应的边缘图像。
在本申请实施例中的可选实现方式中，高阈值与低阈值是可调的。调整方式可以是调整高阈值的数值、或者高阈值与低阈值之间的比例，从而实现对第一阈值组中的数值调整，进而生成对应的边缘图像。在一种可选的实施例中，高阈值的参数范围可以为0.001～0.3，高阈值与所述低阈值的数值比例范围为3：1～2：1。
在其他可选的实施例中，还可以调整低阈值的数值，进而基于低阈值生成对应的初始边缘图像，这里不再展开描述。
在本申请进一步的实施例中，当光刻图案的图像存在底部噪声时，可以先对调整第一阈值组中的高阈值的数值、低阈值的数值或者高阈值与低阈值之间的比例，以滤除图像噪声。
图9和图10为本申请实施例中调整第一阈值组后的图片效果的对比图。图9为本申请实施例中存在底部噪声的光刻图案的图像示意图，图10为本申请实施例中调高高阈值后的光刻图案的图像示意图。结合图9和图10所示，本申请实施例中将高阈值的数值从0.0625调到0.1472，高阈值与低阈值之间的比例从2.5调整为2.05，也就是说，通过调高高阈值，滤除了图像噪声，使得光刻图案的图像的边缘更加清晰，实现了滤除光刻图案的图像的噪声。
在其他可选的实施例中，还可以通过高斯滤波器平滑图像，滤除噪声。这里不再详细描述。
在获取到边缘位置数据以后，还可以将边缘位置数据转换为实际位置数据。图11为本申请实施例中确定实际位置数据的流程图。
步骤S110、选取光刻图案的图像中的目标区域范围。
其中，目标区域范围包括光刻图案的图像中的全部图像区域或者部分图像区域。
步骤S111、确定光刻图案的图像对应的换算比例。
其中，换算比例可以通过比例尺获取。基于比例尺的数值大小，得到光刻图案的图像对应的换算比例。
步骤S112、基于目标区域范围内的边缘位置数据结合换算比例，确定为实际位置数据。
具体的，实际位置数据可以是尺寸数据，尺寸数据可以是目标区域范围内的边缘位置数据除以比例尺的大小得到。
在获取到实际位置数据之后，基于实际位置数据，计算得到所述光刻图案的粗糙度可以是基于实际位置数据，计算得到所述光刻图案的线条边缘粗糙度；又或者是，基于实际位置数据，计算得到所述光刻图案的线条宽度粗糙度；再或者是，基于实际位置数据，计算得到所述光刻图案的线条边缘粗糙度和线条宽度粗糙度。
在得到实际位置数据之后，计算线条边缘粗糙度σLER的公式为：
其中，σLER为光刻图案的图像的线条边缘粗糙度，N代表边缘位置上取点的数量，xi代表在边缘位置上第i个点的位置，代表N个点的平均位置。
进一步的，在得到实际位置数据之后，计算线条宽度粗糙度σLWR的公式为：
其中，σLWR为光刻图案的图像的线条宽度粗糙度，M代表线条上取宽度线段的数量，wj代表边缘上第j个线段的宽度，代表M个位置的平均宽度。
本申请实施例提供一种粗糙度的测量方法，通过在在线状态下获取光刻图案的图像，在离线状态下(即脱离CD-SEM的测量环境)，基于所述光刻图案的图像，确定光刻图案的边缘位置数据，进而将所述边缘位置数据转换为实际位置数据，所述实际位置数据与所述光刻图案的实际尺寸相对应，最后根据所述实际位置数据，计算得到所述光刻图案的粗糙度。本申请实施例通过在在线状态下获取到光刻图案的图像，进而在离线状态下对光刻图案的图像进行粗糙度的测量，避免了光刻图案的图像长期暴露在电子束下引起的边缘变化，在一定程度上提高了测量光刻图案的图像的粗糙度的准确度。
另外，基于本申请实施例不需要CD-SEM进行光刻图案粗糙度的测量，从而仅需要普通的SEM进行光刻图案的扫描，得到对应的电子显微图像后即可实现光刻图案粗糙度的测量，从而无需昂贵的CD-SEM设备，降低了光刻图案的测量成本。
更进一步的，通过采用抑制边缘位置中多个像素中的低像素以及通过抑制部分弱边缘像素，更加准确的识别到真实的边缘图像，以低的错误率检测边缘位置，并且检测到的边缘应精确定位在真实边缘的中心，为此，提高了边缘检测的精度，基于在精度较高的边缘图像下，获取到的光刻图案的粗糙度的准确度相应的提高。
本申请实施例还提供一种粗糙度的测量装置，结合图12，粗糙度的测量装置可以包括：
图案获取单元121，用于获取光刻图案的图像；
边缘位置数据获取单元122，用于基于所述光刻图案的图像，确定光刻图案的边缘位置数据；
实际尺寸转化单元123，用于将所述边缘位置数据转换为实际位置数据，所述实际位置数据与所述光刻图案的实际尺寸相对应；
粗糙度计算单元124，用于根据所述实际位置数据，计算得到所述光刻图案的粗糙度。
可选的，边缘位置数据获取单元122，用于基于所述光刻图案的图像，确定光刻图案的边缘位置数据，包括：
基于所述光刻图案的图像，获取第一阈值组对应的边缘图像，其中，所述第一阈值组用于确定光刻图案的图像中的边缘图像；
确定所述边缘图像中的边缘与所述光刻图案的图像的边缘是否一致，若是，则以边缘图像对应的边缘位置数据为所述光刻图案的边缘位置数据；
若否，则梯段性调整所述第一阈值组，确定调整后的第二阈值组，以所述第二阈值组为第一阈值组，获取所述第一阈值组对应的边缘图像，直到所述边缘图像中的边缘与所述光刻图案的图像的边缘一致，以所述边缘图像对应的边缘位置数据为边缘位置数据。
可选的，所述边缘位置数据获取单元122，用于基于所述光刻图案的图像，获取第一阈值组对应的边缘图像，包括：
获取光刻图案的图像中对应的多个像素的边缘梯度；
抑制所述边缘梯度中的低梯度对应的低像素，保留所述多个像素中的剩余像素；
确定所述剩余像素的边缘位置，并形成初始边缘图像，所述剩余像素包括强边缘像素和弱边缘像素，所述初始边缘图像包括强边缘像素对应的强边缘图像和弱边缘像素对应的弱边缘图像，所述第一阈值组包括高阈值和低阈值，所述强边缘图像为不低于所述高阈值的强边缘像素对应的图像，所述弱边缘图像为不高于高阈值且不低于低阈值的弱边缘像素对应的图像；
另外，高阈值与低阈值的数值比例范围可以为3：1～2：1，通过调整高阈值与低阈值的数值比例范围，实现对第一阈值组中的数值调整，进而生成对应的初始边缘图像。
抑制初始边缘图像内的弱边缘图像中的单个弱边缘像素，确定基础边缘像素，其中，初始边缘图像包括弱边缘图像中的多个弱边缘像素，以及，强边缘图像对应的强边缘像素；
以所述基础边缘像素对应的图像为边缘图像。
可选的，所述边缘位置数据获取单元122还用于，调整所述第一阈值组中的高阈值的数值或者高阈值与低阈值之间的比例，以滤除图像噪声。
可选的，所述实际尺寸转化单元123，用于将所述边缘位置数据转换为实际位置数据，包括：
选取所述光刻图案的图像中的目标区域范围；
确定所述光刻图案的图像对应的换算比例；
基于目标区域范围内的边缘位置数据结合所述换算比例，确定所述实际位置数据。
其中，目标区域范围包括光刻图案的图像中的全部图像区域或者部分图像区域。
可选的，所述图案获取单元121，用于获取光刻图案的图像，包括：
获取光刻图案的扫描电镜图像，
判断所述扫描电镜图像是否为灰度图像，若是，以所述扫描电镜图像为所述光刻图案的图像；若否，则将扫描电镜图像进行灰度处理，以灰度处理后的扫描电镜图像为所述光刻图案的图像。
扫描电镜图像可以为灰度图像，也可以为RGB图像。其中，灰度图像是是每个像素只有一个采样颜色的图像，这类图像通常显示为从最暗黑色到最亮的白色的灰度；RGB图像是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的图像。
本申请实施例提供了一种计算设备，包括至少一个存储器和至少一个处理器；所述存储器存储有程序，所述处理器调用所述程序，以执行如前述的粗糙度的测量方法。
本申请实施例提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述任一种实施例所述的粗糙度的测量方法的步骤，具体可参照上述各实施例，不再赘述。
在本申请实施例中，应该理解到，所揭露的测量装置和测量方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以通过一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：RandomAccess Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
上文描述了本申请实施例提供的多个实施例方案，各实施例方案介绍的各可选方式可在不冲突的情况下相互结合、交叉引用，从而延伸出多种可能的实施例方案，这些均可认为是本申请实施例披露、公开的实施例方案。
虽然本申请实施例披露如上，但本申请并非限定于此。任何本领域技术人员，在不脱离本申请的精神和范围内，均可作各种更动与修改，因此本申请的保护范围应当以权利要求所限定的范围为准。

Claims (18)

1.一种粗糙度的测量方法，其特征在于，包括：
获取光刻图案的图像；
基于所述光刻图案的图像，确定所述光刻图案的边缘位置数据；
将所述边缘位置数据转换为实际位置数据，所述实际位置数据与所述光刻图案的实际尺寸相对应；
根据所述实际位置数据，计算得到所述光刻图案的粗糙度。
2.根据权利要求1所述的粗糙度的测量方法，其特征在于，所述基于所述光刻图案的图像，确定所述光刻图案的边缘位置数据，包括：
基于所述光刻图案的图像，获取第一阈值组对应的边缘图像，其中，所述第一阈值组用于确定光刻图案的图像中的边缘图像，所述第一阈值组包括高阈值和低阈值；
确定所述边缘图像中的边缘与所述光刻图案的图像的边缘是否一致，若是，则以所述边缘图像对应的边缘位置数据为所述光刻图案的边缘位置数据；
若否，则梯段性调整所述第一阈值组，确定调整后的第二阈值组，以所述第二阈值组为第一阈值组，获取所述第一阈值组对应的边缘图像，直到所述边缘图像中的边缘与所述光刻图案的图像的边缘一致，以所述边缘图像对应的边缘位置数据为边缘位置数据。
3.根据权利要求2所述的粗糙度的测量方法，其特征在于，所述基于所述光刻图案的图像，获取第一阈值组对应的边缘图像，包括：
获取所述光刻图案的图像中对应的多个像素的边缘梯度；
抑制所述边缘梯度中的低梯度对应的低像素，保留所述多个像素中的剩余像素；
确定所述剩余像素的边缘位置，并形成初始边缘图像，其中，所述剩余像素包括强边缘像素和弱边缘像素，所述初始边缘图像包括强边缘像素对应的强边缘图像和弱边缘像素对应的弱边缘图像，所述强边缘图像为不低于所述高阈值的强边缘像素对应的图像，所述弱边缘图像为不高于高阈值且不低于低阈值的弱边缘像素对应的图像；
抑制所述初始边缘图像内的弱边缘图像中的单个弱边缘像素，确定基础边缘像素，其中，初始边缘图像包括弱边缘图像中的多个弱边缘像素，以及，强边缘图像对应的强边缘像素；
以所述基础边缘像素对应的图像为边缘图像。
4.根据权利要求3所述的粗糙度的测量方法，其特征在于，所述获取光刻图案的图像中对应的多个像素的边缘梯度之前，还包括：
调整所述第一阈值组中的高阈值的数值或者高阈值与低阈值之间的比例，以滤除图像噪声。
5.根据权利要求1所述的粗糙度的测量方法，其特征在于，所述将所述边缘位置数据转换为实际位置数据，包括：
选取所述光刻图案的图像中的目标区域范围；
确定所述光刻图案的图像对应的换算比例；
基于所述目标区域范围内的边缘位置数据结合所述换算比例，确定所述实际位置数据。
6.根据权利要求5所述的粗糙度的测量方法，其特征在于，所述目标区域范围包括光刻图案的图像中的全部图像区域或者部分图像区域。
7.根据权利要求1所述的粗糙度的测量方法，其特征在于，所述获取光刻图案的图像，包括：
获取所述光刻图案的扫描电镜图像；
判断所述扫描电镜图像是否为灰度图像，若是，以所述扫描电镜图像为所述光刻图案的图像；若否，则将扫描电镜图像进行灰度处理，以灰度处理后的扫描电镜图像为所述光刻图案的图像。
8.根据权利要求3所述的粗糙度的测量方法，其特征在于，所述高阈值与所述低阈值的数值比例范围为3：1～2：1；所述边缘位置至少包括水平边缘位置、垂直边缘位置和对角边缘位置中的至少一个。
9.一种粗糙度的测量装置，其特征在于，包括：
图案获取单元，用于获取光刻图案的图像；
边缘位置数据获取单元，用于基于所述光刻图案的图像，确定所述光刻图案的边缘位置数据；
实际尺寸转化单元，用于将所述边缘位置数据转换为实际位置数据，所述实际位置数据与所述光刻图案的实际尺寸相对应；
粗糙度计算单元，用于根据所述实际位置数据，计算得到所述光刻图案的粗糙度。
10.根据权利要求9所述的粗糙度的测量装置，其特征在于，所述边缘位置数据获取单元，用于基于所述光刻图案的图像，确定所述光刻图案的边缘位置数据，包括：
基于所述光刻图案的图像，获取第一阈值组对应的边缘图像，其中，所述第一阈值组用于确定光刻图案的图像中的边缘图像，所述第一阈值组包括高阈值和低阈值；
确定所述边缘图像中的边缘与所述光刻图案的图像的边缘是否一致，若是，则以所述边缘图像对应的边缘位置数据为所述光刻图案的边缘位置数据；
若否，则梯段性调整所述第一阈值组，确定调整后的第二阈值组，以所述第二阈值组为第一阈值组，获取所述第一阈值组对应的边缘图像，直到所述边缘图像中的边缘与所述光刻图案的图像的边缘一致，以所述边缘图像对应的边缘位置数据为边缘位置数据。
11.根据权利要求10所述的粗糙度的测量装置，其特征在于，所述边缘位置数据获取单元，用于基于所述光刻图案的图像，获取第一阈值组对应的边缘图像，包括：
获取光刻图案的图像中对应的多个像素的边缘梯度；
抑制所述边缘梯度中的低梯度对应的低像素，保留所述多个像素中的剩余像素；
确定所述剩余像素的边缘位置，并形成初始边缘图像，其中，所述剩余像素包括强边缘像素和弱边缘像素，所述初始边缘图像包括强边缘像素对应的强边缘图像和弱边缘像素对应的弱边缘图像，所述强边缘图像为不低于所述高阈值的强边缘像素对应的图像，所述弱边缘图像为不高于高阈值且不低于低阈值的弱边缘像素对应的图像；
抑制所述初始边缘图像内的弱边缘图像中的单个弱边缘像素，确定基础边缘像素，其中，初始边缘图像包括弱边缘图像中的多个弱边缘像素，以及，强边缘图像对应的强边缘像素；
以所述基础边缘像素对应的图像为边缘图像。
12.根据权利要求11所述的粗糙度的测量装置，其特征在于，所述边缘位置数据获取单元还用于，调整所述第一阈值组中的高阈值的数值或者高阈值与低阈值之间的比例，以滤除图像噪声。
13.根据权利要求9所述的粗糙度的测量装置，其特征在于，所述实际尺寸转化单元，用于将所述边缘位置数据转换为实际位置数据，包括：
选取所述光刻图案的图像中的目标区域范围；
确定所述光刻图案的图像对应的换算比例；
基于所述目标区域范围内的边缘位置数据结合所述换算比例，确定所述实际位置数据。
14.根据权利要求13所述的粗糙度的测量装置，其特征在于，所述目标区域范围包括光刻图案的图像中的全部图像区域或者部分图像区域。
15.根据权利要求9所述的粗糙度的测量装置，其特征在于，所述图案获取单元，用于获取光刻图案的图像，包括：
获取光刻图案的扫描电镜图像；
判断所述扫描电镜图像是否为灰度图像，若是，以所述扫描电镜图像为所述光刻图案的图像；若否，则将扫描电镜图像进行灰度处理，以灰度处理后的扫描电镜图像为所述光刻图案的图像。
16.根据权利要求11所述的粗糙度的测量装置，其特征在于，所述高阈值与所述低阈值的数值比例范围为3：1～2：1；所述边缘位置至少包括水平边缘位置、垂直边缘位置和对角边缘位置中的至少一个。
17.一种计算设备，其特征在于，包括至少一个存储器和至少一个处理器；所述存储器存储有程序，所述处理器调用所述程序，以执行如权利要求1-8任一项所述的粗糙度的测量方法。
18.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时实现如权利要求1-8任一项所述的粗糙度的测量方法。
CN202210327276.5A 2022-03-30 2022-03-30 一种粗糙度的测量方法、测量装置及相关设备 Pending CN116934651A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210327276.5A CN116934651A (zh) 2022-03-30 2022-03-30 一种粗糙度的测量方法、测量装置及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210327276.5A CN116934651A (zh) 2022-03-30 2022-03-30 一种粗糙度的测量方法、测量装置及相关设备

Publications (1)

Publication Number Publication Date
CN116934651A true CN116934651A (zh) 2023-10-24

Family

ID=88374072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210327276.5A Pending CN116934651A (zh) 2022-03-30 2022-03-30 一种粗糙度的测量方法、测量装置及相关设备

Country Status (1)

Country Link
CN (1) CN116934651A (zh)

Similar Documents

Publication Publication Date Title
JP3485052B2 (ja) 参照画像作成方法、パターン検査装置及び参照画像作成プログラムを記録した記録媒体
US6768509B1 (en) Method and apparatus for determining points of interest on an image of a camera calibration object
Krüger et al. Accurate chequerboard corner localisation for camera calibration
JP6043735B2 (ja) 画像評価装置及びパターン形状評価装置
JPH11304453A (ja) 多階調丸め補正処理方法およびパターン検査装置
US9646374B2 (en) Line width error obtaining method, line width error obtaining apparatus, and inspection system
CN114419045A (zh) 光刻掩模板缺陷检测方法、装置、设备及可读存储介质
CN104751458A (zh) 一种基于180°旋转算子的标定角点检测方法
US20110286685A1 (en) Image formation method and image formation device
CN115793412A (zh) 一种非成像半导体套刻误差测量装置及方法
CN116563298B (zh) 基于高斯拟合的十字线中心亚像素检测方法
JP5486403B2 (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
CN116934651A (zh) 一种粗糙度的测量方法、测量装置及相关设备
CN109084721B (zh) 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
CN113012121B (zh) 裸片扫描结果的处理方法、装置、电子设备与存储介质
KR102383577B1 (ko) 스켈러톤 웨이퍼 검사 방법
CN113469171A (zh) 识别sfr测试卡图像中感兴趣区域的方法及装置、介质
CN113296369B (zh) 用于光学临近修正的图形量测方法及装置
WO2023026557A1 (ja) 検査装置及び参照画像生成方法
Zhou et al. Fast and robust DCNN based lithography SEM image contour extraction models
Zhongtang et al. High Precision Autocollimation Measurement Technology Based on Image Recognition
JP2023030539A (ja) 検査装置及び検査方法
CN114648589A (zh) 相位高度转换映射模型参数的确定方法、装置和存储介质
US10459334B2 (en) Facilitation of orthotopic patterns during substrate fabrication
Kyogoku et al. A method for dynamic placement of overlay measurement area cursors using segmentation technique

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
TA01 Transfer of patent application right

Effective date of registration: 20240725

Address after: Building 8, 1st Floor, Plot 06-4, Liyuan Development Zone, Binhu District, Wuxi City, Jiangsu Province, China (No. 100 Dicui Road)

Applicant after: Huarui Core Material (Wuxi) Technology Co.,Ltd.

Country or region after: China

Address before: 100084 Tsinghua Yuan, Beijing, Haidian District

Applicant before: TSINGHUA University

Country or region before: China

Applicant before: Beijing huaruixin Dynamic Power Technology Development Co.,Ltd.

TA01 Transfer of patent application right