CN117173414B - 一种光刻掩模的缺陷智能识别方法 - Google Patents
一种光刻掩模的缺陷智能识别方法 Download PDFInfo
- Publication number
- CN117173414B CN117173414B CN202311408233.0A CN202311408233A CN117173414B CN 117173414 B CN117173414 B CN 117173414B CN 202311408233 A CN202311408233 A CN 202311408233A CN 117173414 B CN117173414 B CN 117173414B
- Authority
- CN
- China
- Prior art keywords
- foreground
- segmentation threshold
- mask
- gray
- domain
- 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.)
- Active
Links
- 238000001259 photo etching Methods 0.000 title claims abstract description 63
- 230000007547 defect Effects 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000011218 segmentation Effects 0.000 claims abstract description 156
- 238000012937 correction Methods 0.000 claims abstract description 39
- 238000004891 communication Methods 0.000 claims description 23
- 238000001459 lithography Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 2
- 230000004048 modification Effects 0.000 claims description 2
- 238000005192 partition Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 5
- 238000012216 screening Methods 0.000 abstract description 4
- 125000001475 halogen functional group Chemical group 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000000206 photolithography Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种光刻掩模的缺陷智能识别方法,包括:采集光刻掩模灰度图像,获取每个灰度值的类间方差,根据类间方差筛选标准分割阈值,利用修正系数对标准分割阈值进行修正得到第一分割阈值,对光刻掩模灰度图像进行初次分割,得到目标区域,根据标准分割阈值以及第一分割阈值获取多个备选分割阈值,对每个备选分割阈值对应的前景权重进行修正,根据修正结果获取备选分割阈值对应的类间方差,根据类间方差筛选第二分割阈值,根据第二分割阈值的分割结果识别光刻掩模的污渍缺陷。本发明通过对光刻掩模灰度图像进行多次分割,提高了分割结果的准确性,得到的污渍缺陷更加准确。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种光刻掩模的缺陷智能识别方法。
背景技术
随着芯片制造行业的迅速发展,芯片的体积越来越小且晶体管数目越来越多,芯片的雕刻工艺也越来越复杂,为此人们研发出了光刻机。光刻掩膜是光刻机的重要组成部分之一。若是光刻掩模存在缺陷(比如污渍),则会影响透光性,进而影响光刻结果的准确性,因此需要对光刻掩膜进行缺陷检测。随着图像处理技术的发展与普及,目前通常通过图像处理方对光刻掩膜图像进行分析,定位光刻掩膜上的缺陷。
在光刻掩膜包含掩模区域和透光区域,光刻掩模图像中透光区域边缘在光的折射和反射下存在光晕,大津阈值利用最大类间方差实现图像分割,从而定位缺陷,而光晕会造成最大类间方差的偏移,利用大津阈值直接根据最大类间方差对光刻掩膜图像进行分割存在图像失真,影响光刻掩膜图像中缺陷定位的准确性。
发明内容
为了解决上述问题,本发明提供一种光刻掩模的缺陷智能识别方法,该方法包括以下步骤:
采集光刻掩模灰度图像;根据光刻掩膜灰度图像的灰度直方图获取每个灰度值的类间方差;将最大类间方差对应的灰度值作为标准分割阈值;
根据光刻掩模的大小、掩模区域的周长以及光刻掩膜灰度图像的像素尺寸获取修正系数,根据修正系数以及光刻掩膜灰度图像中所有灰度值的平均频率对标准分割阈值进行修正,得到第一分割阈值;
根据第一分割阈值对光刻掩膜灰度图像进行分割,获取目标区域;根据标准分割阈值以及第一分割阈值获取多个备选分割阈值;
对于每个备选分割阈值,根据备选分割阈值对目标区域进行分割,获取备选分割阈值对应的前景像素点和背景像素点,根据前景像素点和背景像素点获取备选分割阈值对应的前景权重和背景权重;对前景像素点进行连通域分析,得到备选分割阈值对应的多个前景连通域;根据前景连通域中前景像素点的分布对前景权重进行修正,获取前景修正权重;
根据前景修正权重、背景权重以及备选分割阈值对应的前景像素点的平均灰度值和背景像素点的平均灰度值获取备选分割阈值对应的类间方差;
将类间方差最大的备选分割阈值作为第二分割阈值,根据第二分割阈值对应的每个前景连通域获取污渍区域。
优选的,所述根据光刻掩模的大小、掩模区域的周长以及光刻掩膜灰度图像的像素尺寸获取修正系数,包括的具体步骤如下:
根据光刻掩模的大小、掩模区域的周长以及光刻掩膜灰度图像的像素尺寸获取光刻掩膜灰度图像中掩膜区域的边缘像素点个数:
;
其中,l表示光刻掩膜灰度图像中掩膜区域的边缘像素点个数;M×N表示光刻掩膜灰度图像的像素尺寸;S表示光刻掩膜的实际大小;L表示光刻掩膜上掩膜区域的实际周长;
根据光刻掩膜灰度图像中掩膜区域的边缘像素点个数以及光刻掩膜灰度图像的像素尺寸获取修正系数。
优选的,所述根据光刻掩膜灰度图像中掩膜区域的边缘像素点个数以及光刻掩膜灰度图像的像素尺寸获取修正系数,包括的具体步骤如下:
;
其中,X表示修正系数;l表示光刻掩膜灰度图像中掩膜区域的边缘像素点个数;M×N表示光刻掩膜灰度图像的像素尺寸。
优选的,所述根据修正系数以及光刻掩膜灰度图像中所有灰度值的平均频率对标准分割阈值进行修正,得到第一分割阈值,包括的具体步骤如下:
;
其中,表示第一分割阈值;F表示标准分割阈值;X表示修正系数;/>表示所有灰度值的平均频率;/>为向上取整符号。
优选的,所述根据第一分割阈值对光刻掩膜灰度图像进行分割,获取目标区域,包括的具体步骤如下:
利用第一分割阈值对光刻掩膜灰度图像进行分割,将光刻掩膜灰度图像中灰度值小于第一分割阈值的像素点所构成的区域作为目标区域。
优选的,所述根据标准分割阈值以及第一分割阈值获取多个备选分割阈值,包括的具体步骤如下:
将标准分割阈值到第一分割阈值的范围内每个灰度值分别作为一个备选分割阈值。
优选的,所述根据前景连通域中前景像素点的分布对前景权重进行修正,获取前景修正权重,包括的具体步骤如下:
获取前景连通域的质心,计算前景连通域的质心到前景连通域的每个边缘像素点之间的距离,将其中最大的距离作为前景连通域的长半轴的长度;
将前景连通域的边缘上每个像素点作为前景连通域的边缘像素点,获取前景连通域中每个像素点到前景连通域的边缘上最近的边缘像素点之间的距离,作为前景连通域中每个像素点到前景连通域边缘的距离;
根据前景连通域的长半轴的长度以及前景连通域中每个像素点到前景连通域边缘的距离对前景权重进行修正,得到前景修正权重。
优选的,所述前景修正权重的获取方法为:
;
其中,表示多个备选分割阈值中第t个备选分割阈值对应的前景修正权重,t取遍[1,T]中的整数,T表示多个备选分割阈值的个数;w1(t)表示第t个备选分割阈值对应的前景权重;dt,i表示第t个备选分割阈值对应的第i个前景像素点到其所属的前景连通域边缘的距离;Dt,i表示第t个备选分割阈值对应的第i个前景像素点所属的前景连通域的长半轴的长度;nt表示第t个备选分割阈值对应的前景像素点的数量。
优选的,所述根据第二分割阈值对应的每个前景连通域获取污渍区域,包括的具体步骤如下:
获取第二分割阈值对应的每个前景连通域的凸包区域,根据第二分割阈值对应的每个前景连通域的凸包区域获取每个前景连通域的污渍概率:
;
其中,pj表示第二分割阈值对应的第j个前景连通域的污渍概率,j取遍[1,J]中的整数,J表示第二分割阈值对应的前景连通域的数量;hj表示第二分割阈值对应的第j个前景连通域中包含的像素点数量;Hj表示第二分割阈值对应的第j个前景连通域的凸包区域中包含的像素点数量;
预设概率阈值,当第二分割阈值对应的前景连通域的污渍概率大于或等于概率阈值时,该前景连通域为污渍区域。
优选的,所述根据光刻掩膜灰度图像的灰度直方图获取每个灰度值的类间方差,包括的具体步骤如下:
以每个灰度值为阈值,将灰度直方图分割为两个区域,计算每个灰度值对应的灰度直方图的两个区域之间的类间方差,作为每个灰度值对应的类间方差。
本发明的技术方案的有益效果是:本发明通过对光刻掩模灰度图像进行多次分割,在多次分割过程中,考虑到光刻掩模灰度图像中透光区域边缘在光的折射和反射的影响下产生的光晕对最大类间方差的影响,根据光晕的特征对标准分割阈值以及备选分割阈值对应的前景权重分别进行修正,使得最终得到的分割结果更加准确,避免了直接根据最大类间方差进行分割造成的图像失真,进而使得根据最终分割结果获取光刻掩模上的污渍缺陷更加准确。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明的一种光刻掩模的缺陷智能识别方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种光刻掩模的缺陷智能识别方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种光刻掩模的缺陷智能识别方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种光刻掩模的缺陷智能识别方法的步骤流程图,该方法包括以下步骤:
S001.采集光刻掩模灰度图像。
由于光刻掩膜精度高,制作精密,因此在显微镜下进行光刻掩模图像的采集,采集的光刻掩模图像为RGB图像,为了便于后续处理,对光刻掩模图像进行灰度化,得到光刻掩模灰度图像。
至此,获取了光刻掩模灰度图像。
S002.获取每个灰度值的类间方差,根据类间方差筛选标准分割阈值,利用修正系数对标准分割阈值进行修正得到第一分割阈值,对光刻掩模灰度图像进行初次分割,得到目标区域。
需要说明的是,光刻掩模包括掩模区域和透光区域,掩模区域颜色较深,灰度值较小。而透光区域颜色较亮,灰度值较大。
在本发明实施例中,绘制光刻掩膜灰度图像的灰度直方图,以每个灰度值为阈值,将灰度直方图分割为两个区域,计算每个灰度值对应的灰度直方图的两个区域之间的类间方差,作为每个灰度值对应的类间方差。需要说明的是,类间方差为公知技术,在此不再详细赘述。
以每个灰度值为横轴,以类间方差为纵轴,绘制类间方差曲线。
需要说明的是,由于掩模区域和透光区域存在灰度差异,若无污渍缺陷,理想情况下光刻掩膜灰度图像的灰度直方图呈现双峰的形式,对应的类间方差曲线呈现单峰的形式。但透光区域在自然光下发生光的折射和反射,导致透光区域的边缘存在光晕。在光晕和污渍缺陷的作用下,光刻掩模灰度图像的灰度直方图呈现多峰的形式,导致类间方差曲线不再呈现单峰的形式,通过最大类间方差对应的灰度值无法将污渍区域直接分割出来,需要进行多次分割。
进一步需要说明的是,由于掩模区域和透光区域中心无光晕的位置之间的灰度差异较大,最大类间方差对应的灰度值可将掩模区域和透光区域中心分割成两部分,污渍区域颜色较透光区域深,污渍区域会和掩模区域分割在一起,但同时由于光晕具有一定颜色特征,在光刻掩模灰度图像中呈现较浅的灰色,导致类间方差曲线中的最大类间方差对应的灰度值(即峰值)受光晕的影响,存在偏移,为了一定程度上避免光晕部分与掩模区域分割在一起,需要根据光刻掩模灰度图像上可能存在光晕的像素点占比来对最大类间方差对应的灰度值进行修正,获取用来进行首次分割的分割阈值。
在本发明实施例中,获取类间方差曲线中的最大类间方差对应的灰度值,作为标准分割阈值。
由于同一批次的光刻掩膜的大小以及光刻掩膜上掩膜区域的大小固定,因此对于当前待检测的光刻掩膜可通过系统中保存的光刻掩膜的参数获取光刻掩膜的大小S以及掩膜区域的周长L。
获取光刻掩膜灰度图像的像素尺寸,用M×N表示。根据光刻掩膜灰度图像的像素尺寸、光刻掩膜的大小S以及掩膜区域的周长L获取掩膜区域的周长在光刻掩膜灰度图像中对应的像素点数量,即光刻掩膜灰度图像中掩膜区域的边缘像素点个数:
;
其中,l表示光刻掩膜灰度图像中掩膜区域的边缘像素点个数;M×N表示光刻掩膜灰度图像的像素尺寸;S表示光刻掩膜的实际大小;L表示光刻掩膜上掩膜区域的实际周长。
根据光刻掩膜灰度图像中掩膜区域的边缘像素点个数获取修正系数:
;
其中,X表示修正系数;l表示光刻掩膜灰度图像中掩膜区域的边缘像素点个数;M×N表示光刻掩膜灰度图像的像素尺寸;由于透光区域的边缘可能在折射的作用下产生光晕,光晕带有一定颜色特征,在光刻掩膜灰度图像中呈现较浅的灰色,使得最大类间方差曲线中峰值存在偏移;表示光刻掩膜灰度图像中可能存在光晕的像素点数量占比,当占比越大,光晕对最大类间方差曲线中峰值偏移的影响就越大,此时对标准分割阈值越需要进行更大程度的修正,反之当占比越小,光晕对最大类间方差曲线中峰值偏移的影响就越小,此时对标准分割阈值的修正程度较小。
根据修正系数对标准分割阈值进行修正,获取第一分割阈值:
;
其中,表示第一分割阈值;F表示标准分割阈值;X表示修正系数;/>表示所有灰度值的平均频率;/>为向上取整符号;/>为可能存在光晕的像素点数量占比与灰度值的平均频率的比值,/>表示理想情况下光晕像素点所对应的灰度值数量,即光晕造成最大类间方差曲线中峰值的偏移量,利用标准分割阈值F减去偏移量,即可得到尽可能将光晕和掩模区域分割的第一分割阈值。
利用第一分割阈值对光刻掩膜灰度图像进行分割,将光刻掩膜灰度图像中灰度值小于第一分割阈值的像素点所构成的区域作为目标区域。
至此,获取了第一分割阈值,根据第一分割阈值获取了目标区域。
S003.根据标准分割阈值以及第一分割阈值获取多个备选分割阈值,对每个备选分割阈值对应的前景权重进行修正,根据修正结果获取备选分割阈值对应的类间方差,根据类间方差筛选第二分割阈值。
需要说明的是,由于污渍区域颜色较透光区域颜色深,使得经过第一分割阈值分割得到的目标区域中包含了掩模区域以及污渍,但由于第一分割阈值的获取太过理想,使得目标区域中还可能包含了部分光晕像素点。因此需要对目标区域进行二次分割,区分掩模区域、污渍以及光晕。
在本发明实施例中,将标准分割阈值到第一分割阈值的范围作为移动区间,将移动区间中每个灰度值分别作为一个备选分割阈值。
以每个备选分割阈值对目标区域进行分割,将灰度值大于备选分割阈值的像素点作为前景像素点,将灰度值小于或等于备选分割阈值的像素点作为背景像素点。
需要说明的是,现有技术中计算类间方差时,将前景像素点的比例作为前景权重,但目前区域中可能存在光晕,直接以前景像素点的比例作为前景的权重计算类间方差,得到的类间方差受光晕影响不准确,难以分割出污渍。由于光晕出现在透光区域的边缘,和掩膜区域相连,因此光晕围绕着掩模区域,呈环状,因此可根据前景像素点的位置分布对前景的权重进行修正,从而消除光晕对类间方差的影响,确保污渍和掩膜区域准确分割。
在本发明实施例中,对每个备选分割阈值下的前景像素点进行连通域分析,得到每个备选分割阈值对应的多个前景连通域。
对于每个前景连通域,将前景连通域的边缘上每个像素点作为前景连通域的边缘像素点,获取前景连通域的质心,计算前景连通域的质心到前景连通域的每个边缘像素点之间的距离,将其中最大的距离作为前景连通域的长半轴的长度。获取前景连通域中每个像素点到前景连通域的边缘上最近的边缘像素点之间的距离,作为前景连通域中每个像素点到前景连通域边缘的距离。
获取前景权重和背景权重:
;
;
其中,w1(t)表示第t个备选分割阈值对应的前景权重;nt表示第t个备选分割阈值对应的前景像素点的数量;m表示目标区域的大小;w2(t)表示第t个备选分割阈值对应的背景权重,ct表示第t个备选分割阈值对应的背景像素点的数量。
根据前景连通域中每个像素点到前景连通域边缘的距离以及前景连通域的长半轴获取前景修正权重:
;
其中,表示第t个备选分割阈值对应的前景修正权重;w1(t)表示第t个备选分割阈值对应的前景权重;dt,i表示第t个备选分割阈值对应的第i个前景像素点到其所属的前景连通域边缘的距离;Dt,i表示第t个备选分割阈值对应的第i个前景像素点所属的前景连通域的长半轴的长度;nt表示第t个备选分割阈值对应的前景像素点的数量;由于光晕仅会出现在透光区域的边缘,而透光区域和掩膜区域相连,因此光晕围绕着掩模区域,呈环状,当/>越小时,第t个备选分割阈值对应的第i个前景像素点越靠近其所属的前景连通域的边缘,第i个前景像素点越可能为光晕像素点,当/>越小时,第t个备选分割阈值分割出的前景像素点更可能为光晕,此时利用/>对前景权重进行修正,较大程度降低前景权重;而一块污渍通常集中分布,即污渍呈现块状,当/>越小时,第t个备选分割阈值对应的第i个前景像素点越靠近其所属的前景连通域的质心,当/>越大时,第t个备选分割阈值分割出的前景像素点更可能包含了块状的污渍,此时利用/>对前景权重进行修正,使得前景权重降低程度较小。
根据前景修正权重、背景权重获取类间方差:
;
其中,G(t)表示第t个备选分割阈值对应的类间方差;表示第t个备选分割阈值对应的前景修正权重;w2(t)表示第t个备选分割阈值对应的背景权重;μ1(t)表示第t个备选分割阈值对应的所有前景像素点的平均灰度值;μ2(t)表示第t个备选分割阈值对应的所有背景像素点的平均灰度值。
将类间方差最大的备选分割阈值作为第二分割阈值,获取利用第二分割阈值对目标区域进行分割得到的所有前景连通域。
至此,获取了第二分割阈值,实现了目标区域的二次分割。
S004.根据第二分割阈值的分割结果识别光刻掩模的污渍缺陷。
需要说明的是,利用第二分割阈值对目标区域进行分割得到的前景像素点更可能包含了块状的污渍,但同时还可能包含了光晕,由于污渍为块状,其对应的前景连通域更可能为单连通域,而光晕为环状,其对应的前景连通域更可能为多连通域。
在本发明实施例中,获取第二分割阈值对应的每个前景连通域的凸包区域,根据第二分割阈值对应的每个前景连通域的凸包区域获取每个前景连通域的污渍概率:
;
其中,pj表示第二分割阈值对应的第j个前景连通域的污渍概率;hj表示第二分割阈值对应的第j个前景连通域中包含的像素点数量;Hj表示第二分割阈值对应的第j个前景连通域的凸包区域中包含的像素点数量;当越大时,第j个前景连通域更可能为块状,此时第j个前景连通域为污渍的可能性更大,当/>越小时,第j个前景连通域更可能为环状,此时第j个前景连通域为光晕的可能性更大。
预设概率阈值α,对概率阈值α不做限定,实施人员可根据实际实施情况设置,例如α=0.8。当前景连通域的污渍概率大于或等于概率阈值时,该前景连通域为污渍区域;反之,前景连通域的污渍概率小于概率阈值时,该前景连通域不为污渍区域。
通过以上步骤,完成了光刻掩模上污渍缺陷的识别。
本发明实施例通过对光刻掩模灰度图像进行多次分割,在多次分割过程中,考虑到光刻掩模灰度图像中透光区域边缘在光的折射和反射的影响下产生的光晕对最大类间方差的影响,根据光晕的特征对标准分割阈值以及备选分割阈值对应的前景权重分别进行修正,使得最终得到的分割结果更加准确,避免了直接根据最大类间方差进行分割造成的图像失真,进而使得根据最终分割结果获取光刻掩模上的污渍缺陷更加准确。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种光刻掩模的缺陷智能识别方法,其特征在于,该方法包括以下步骤:
采集光刻掩模灰度图像;根据光刻掩膜灰度图像的灰度直方图获取每个灰度值的类间方差;将最大类间方差对应的灰度值作为标准分割阈值;
根据光刻掩模的大小、掩模区域的周长以及光刻掩膜灰度图像的尺寸获取修正系数,根据修正系数以及光刻掩膜灰度图像中所有灰度值的平均频率对标准分割阈值进行修正,得到第一分割阈值;
根据第一分割阈值对光刻掩膜灰度图像进行分割,获取目标区域;根据标准分割阈值以及第一分割阈值获取多个备选分割阈值;
对于每个备选分割阈值,根据备选分割阈值对目标区域进行分割,获取备选分割阈值对应的前景像素点和背景像素点,根据前景像素点和背景像素点获取备选分割阈值对应的前景权重和背景权重;对前景像素点进行连通域分析,得到备选分割阈值对应的多个前景连通域;根据前景连通域中前景像素点的分布对前景权重进行修正,获取前景修正权重;
根据前景修正权重、背景权重以及备选分割阈值对应的前景像素点的平均灰度值和背景像素点的平均灰度值获取备选分割阈值对应的类间方差;
将类间方差最大的备选分割阈值作为第二分割阈值,根据第二分割阈值对应的每个前景连通域获取污渍区域;
所述根据光刻掩膜灰度图像中掩膜区域的边缘像素点个数以及光刻掩膜灰度图像的尺寸获取修正系数,包括的具体步骤如下:
;
其中,X表示修正系数;l表示光刻掩膜灰度图像中掩膜区域的边缘像素点个数;M×N表示光刻掩膜灰度图像的像素尺寸。
2.根据权利要求1所述的一种光刻掩模的缺陷智能识别方法,其特征在于,所述根据光刻掩模的大小、掩模区域的周长以及光刻掩膜灰度图像的尺寸获取修正系数,包括的具体步骤如下:
根据光刻掩模的大小、掩模区域的周长以及光刻掩膜灰度图像的尺寸获取光刻掩膜灰度图像中掩膜区域的边缘像素点个数:
;
其中,l表示光刻掩膜灰度图像中掩膜区域的边缘像素点个数;M×N表示光刻掩膜灰度图像的像素尺寸;S表示光刻掩膜的实际大小;L表示光刻掩膜上掩膜区域的实际周长;
根据光刻掩膜灰度图像中掩膜区域的边缘像素点个数以及光刻掩膜灰度图像的尺寸获取修正系数。
3.根据权利要求1所述的一种光刻掩模的缺陷智能识别方法,其特征在于,所述根据修正系数以及光刻掩膜灰度图像中所有灰度值的平均频率对标准分割阈值进行修正,得到第一分割阈值,包括的具体步骤如下:
;
其中,表示第一分割阈值;F表示标准分割阈值;X表示修正系数;/>表示所有灰度值的平均频率;/>为向上取整符号。
4.根据权利要求1所述的一种光刻掩模的缺陷智能识别方法,其特征在于,所述根据第一分割阈值对光刻掩膜灰度图像进行分割,获取目标区域,包括的具体步骤如下:
利用第一分割阈值对光刻掩膜灰度图像进行分割,将光刻掩膜灰度图像中灰度值小于第一分割阈值的像素点所构成的区域作为目标区域。
5.根据权利要求1所述的一种光刻掩模的缺陷智能识别方法,其特征在于,所述根据标准分割阈值以及第一分割阈值获取多个备选分割阈值,包括的具体步骤如下:
将标准分割阈值到第一分割阈值的范围内每个灰度值分别作为一个备选分割阈值。
6.根据权利要求1所述的一种光刻掩模的缺陷智能识别方法,其特征在于,所述根据前景连通域中前景像素点的分布对前景权重进行修正,获取前景修正权重,包括的具体步骤如下:
获取前景连通域的质心,计算前景连通域的质心到前景连通域的每个边缘像素点之间的距离,将其中最大的距离作为前景连通域的长半轴的长度;
将前景连通域的边缘上每个像素点作为前景连通域的边缘像素点,获取前景连通域中每个像素点到前景连通域的边缘上最近的边缘像素点之间的距离,作为前景连通域中每个像素点到前景连通域边缘的距离;
根据前景连通域的长半轴的长度以及前景连通域中每个像素点到前景连通域边缘的距离对前景权重进行修正,得到前景修正权重。
7.根据权利要求6所述的一种光刻掩模的缺陷智能识别方法,其特征在于,所述前景修正权重的获取方法为:
;
其中,表示多个备选分割阈值中第t个备选分割阈值对应的前景修正权重,t取遍[1,T]中的整数,T表示多个备选分割阈值的个数;w1(t)表示第t个备选分割阈值对应的前景权重;dt,i表示第t个备选分割阈值对应的第i个前景像素点到其所属的前景连通域边缘的距离;Dt,i表示第t个备选分割阈值对应的第i个前景像素点所属的前景连通域的长半轴的长度;nt表示第t个备选分割阈值对应的前景像素点的数量。
8.根据权利要求1所述的一种光刻掩模的缺陷智能识别方法,其特征在于,所述根据第二分割阈值对应的每个前景连通域获取污渍区域,包括的具体步骤如下:
获取第二分割阈值对应的每个前景连通域的凸包区域,根据第二分割阈值对应的每个前景连通域的凸包区域获取每个前景连通域的污渍概率:
;
其中,pj表示第二分割阈值对应的第j个前景连通域的污渍概率,j取遍[1,J]中的整数,J表示第二分割阈值对应的前景连通域的数量;hj表示第二分割阈值对应的第j个前景连通域中包含的像素点数量;Hj表示第二分割阈值对应的第j个前景连通域的凸包区域中包含的像素点数量;
预设概率阈值,当第二分割阈值对应的前景连通域的污渍概率大于或等于概率阈值时,该前景连通域为污渍区域。
9.根据权利要求1所述的一种光刻掩模的缺陷智能识别方法,其特征在于,所述根据光刻掩膜灰度图像的灰度直方图获取每个灰度值的类间方差,包括的具体步骤如下:
以每个灰度值为阈值,将灰度直方图分割为两个区域,计算每个灰度值对应的灰度直方图的两个区域之间的类间方差,作为每个灰度值对应的类间方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311408233.0A CN117173414B (zh) | 2023-10-27 | 2023-10-27 | 一种光刻掩模的缺陷智能识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311408233.0A CN117173414B (zh) | 2023-10-27 | 2023-10-27 | 一种光刻掩模的缺陷智能识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117173414A CN117173414A (zh) | 2023-12-05 |
CN117173414B true CN117173414B (zh) | 2024-01-26 |
Family
ID=88931989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311408233.0A Active CN117173414B (zh) | 2023-10-27 | 2023-10-27 | 一种光刻掩模的缺陷智能识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117173414B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118355A (zh) * | 2006-08-04 | 2008-02-06 | 北京京东方光电科技有限公司 | 一种薄膜晶体管液晶显示器像素结构及其制造方法 |
CN101497269A (zh) * | 2009-03-02 | 2009-08-05 | 厦门大学 | 静电驱动喷印头 |
CN102193308A (zh) * | 2010-03-18 | 2011-09-21 | 美光科技公司 | 包含图像反转辅助特征的微光刻掩膜、系统及其形成方法 |
CN102193302A (zh) * | 2010-03-03 | 2011-09-21 | 中芯国际集成电路制造(上海)有限公司 | 一种掩膜图形缺陷的检测方法及系统 |
-
2023
- 2023-10-27 CN CN202311408233.0A patent/CN117173414B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118355A (zh) * | 2006-08-04 | 2008-02-06 | 北京京东方光电科技有限公司 | 一种薄膜晶体管液晶显示器像素结构及其制造方法 |
CN101497269A (zh) * | 2009-03-02 | 2009-08-05 | 厦门大学 | 静电驱动喷印头 |
CN102193302A (zh) * | 2010-03-03 | 2011-09-21 | 中芯国际集成电路制造(上海)有限公司 | 一种掩膜图形缺陷的检测方法及系统 |
CN102193308A (zh) * | 2010-03-18 | 2011-09-21 | 美光科技公司 | 包含图像反转辅助特征的微光刻掩膜、系统及其形成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117173414A (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109977949B (zh) | 边框微调的文本定位方法、装置、计算机设备及存储介质 | |
CN109785245B (zh) | 一种光斑图像修整方法 | |
CN112115895B (zh) | 指针型仪表读数识别方法、装置、计算机设备及存储介质 | |
CN110415255B (zh) | 一种免疫组化病理图像cd3阳性细胞核分割方法及系统 | |
CN116740070B (zh) | 基于机器视觉的塑料管道外观缺陷检测方法 | |
CN110400318B (zh) | 一种免疫组化病理图像cd4阳性细胞核分割方法及系统 | |
CN110490204B (zh) | 图像处理方法、图像处理装置及终端 | |
CN109975196B (zh) | 一种网织红细胞检测方法及其系统 | |
CN110674812B (zh) | 一种面向复杂背景的民用车牌定位与字符分割方法 | |
CN117058147B (zh) | 基于计算机视觉的环保塑料制品缺陷检测方法 | |
CN116777907A (zh) | 一种钣金件质量检测方法 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN116310845B (zh) | 一种用于污水处理的智能监测系统 | |
CN111275700A (zh) | 基于深度学习的端子缺陷检测方法及系统 | |
CN114037691A (zh) | 一种基于图像处理的碳纤维板裂纹检测方法 | |
CN112446871A (zh) | 一种基于深度学习和OpenCV的隧道裂缝识别方法 | |
CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
CN114937006A (zh) | 一种基于图像增强的锤头精细化缺陷检测方法 | |
CN114155226A (zh) | 一种微小缺陷边缘计算方法 | |
CN117173414B (zh) | 一种光刻掩模的缺陷智能识别方法 | |
CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN110930358B (zh) | 一种基于自适应算法的太阳能面板图像处理方法 | |
CN114882387B (zh) | 一种磨削工艺中轴承滚道撞伤识别及自动抛光定位方法 | |
CN106446903A (zh) | 一种仪表波段开关位置识别方法 | |
CN115423765A (zh) | 一种基于模板图像的晶粒缺陷量化分割方法 |
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 |