JP2005529388A - パターン検査方法 - Google Patents

Abstract

検査面に施されたパターンに関連する参照データを使用して、同じ画像を生成すると見込まれる領域を識別するためのマップを与える、パターンが施された面を検査する方法である。これらの領域は、その後に画像対画像比較により比較がなされ、これにより欠陥候補を識別する。第１の実現例においては、領域同士は、局所的な対称性演算により関連付けがなされる。第２の実現例においては、互いに粗なコーナー形状構成同士又は他の形状構成同士を分類分けし、類似する形状構成同士を比較する。

Description

本発明は、パターン検査（パターンインスペクション）に関する。特に、例えば、レチクル、フォトマスク、半導体ウエハ、フラットパネルディスプレイ、及びパターンが施された他の物体のような、パターンが施された面上に存在する欠陥を発見するために、高解像度画像を処理する方法に関する。

パターンが施された様々な面上に存在する欠陥を検出するために、このような面の光学的画像や、電子ビーム像、他の種類の画像を生成することが知られている。欠陥を識別するために、画像比較が一般に使用されており、従来手法は、本明細書で”ダイ・トゥ・データベース”比較及び”ダイ・トゥ・ダイ”比較と示す、２つの一般的分類に細分することができる。

ダイ・トゥ・データベース比較では、画像が参照情報と比較される。この参照情報は、通常、製造されるパターンの基となるＣＡＤ設計図に対応している。この手法は、直観的には直接的な方法に思えるが、実際にこのアイデアに基づいて実行すると多くの問題に直面する。
具体的に言えば、データベース情報は、通常、どの点も全て導体もしくは絶縁体のいずれかである、あるいは透明もしくは不透明のいずれかである、などといった、理想的なバイナリパターンに対応している。これに対して、取得画像はノイズを含む多値グレースケール画像であり、本来の形状構成と欠陥とが微妙な濃淡で区別される。
比較を円滑に行うために、合成グレースケール参照画像を生成する様々な理論モデルが使用される。しかしながら、このようなモデルは実行が困難であり、常に信頼性のある結果を与えるものとは限らない。

これらの問題を回避するために、多くのインスペクションシステムは、ダイ・トゥ・ダイ比較を採用する。ダイ・トゥ・ダイ比較は、ウエハ上の近接ダイ同士の同じ領域の画像を直接比較する。この方法はダイ間の相違を発見する上で大変効率的であるが、どちらのダイに欠陥があるかを示すものではない。
このため、通常は、欠陥ダイを発見するために３つの隣接ダイの対比が使用される。これは、ランダムな欠陥は２つのダイの同じ位置には生じないであろうという統計的に正当な仮定に基づいている。

ダイ・トゥ・ダイ比較の１つの明白な制約の１つは、同一パターンの複数のコピーが比較のために利用可能な場合にしか適用できないことである。単一の非繰り返しパターンを被検査パターンとするマスクインスペクションのような適用例では、通常、インスペクションシステムは、上述のような重大な欠点ゆえにデータペースタイプの比較に立ち戻る。

ダイ・トゥ・ダイ比較に関するさらなる複雑な問題は、たとえそれが適用可能な場合であってもこの手法の感度が制約されることである。具体的に言えば、比較されるパターン間の距離は、必然的にダイ間の間隔となる。一般に、製造技術も撮像技術も共に、空間的に変化するノイズをもたらすが、このノイズはダイ・トゥ・ダイ比較の感度を著しく低下させるのに十分なほどダイ間の間隔にわたって存在する。したがって、例えば、内部に反復構造を有することによりセル・トゥ・セル比較が可能な、あるメモリチップの特定の例では、疑似欠陥検出を信頼性よく回避するためには、（２５６レベル中の）グレースケールの約６グレースケールレベルのしきい値があれば十分であるのに対して、論理チップに必要なダイ・トゥ・ダイ比較のためには疑似警報を避けるために、前記しきい値を２０グレースケールレベルへ上げる必要がある。

したがって、単一非繰り返しパターン内において、画像対画像比較を円滑に行うことができるパターン検査手法の必要性がある。

本発明は、参照データの集合に実質的に対応するパターンを有する、パターンが付された面を検査する方法に関する。

本発明の教示するところによれば、参照データの集合に実質的に対応するパターンを有する、パターンが施された面を検査する方法であって、（ａ）少なくとも１つの領域のパターンであって、該領域内において非反復的なパターンの多値ピクセル画像を生成し、（ｂ）上記少なくとも１つの領域のパターンに対応する上記参照データを処理して、同じ画像を生成すると見込まれる少なくとも２つのピクセル群を識別し、（ｃ）上記多値ピクセル画像から得た上記少なくとも２つのピクセル群同士を比較する方法が提供される。

本発明のさらなる特徴によれば、上記少なくとも２つのピクセル群同士は、単一領域内の、ピクセルの並進対称性に対応する該ピクセルの座標変位によって関連付けられる。

本発明のさらなる特徴によれば、上記座標変位は、１〜１０ピクセルの範囲の大きさを有する。

本発明のさらなる特徴によれば、上記座標変位は第１の大きさを有しており、上記の処理ステップ及び比較ステップは上記第１の大きさと異なる大きさを有する第２の座標変位について繰り返される。

本発明のさらなる特徴によれば、少なくとも１つの付加的検査アルゴリズムが上記多値ピクセル画像に適用される。

本発明のさらなる特徴によれば、上記少なくとも１つの付加的検査アルゴリズムは、（ａ）上記参照データを処理して、所定の形状構成を含むパターンの領域を識別し、（ｂ）上記参照データを使用することにより、所定の基準の下で類似すると見込まれる、比較可能な上記所定の形状構成が含まれる領域の集合へと、上記領域を分類分けし、（ｃ）上記の比較可能な所定の形状構成が含まれる、複数の上記領域の多値ピクセル画像を取得し、（ｄ）上記の比較可能な所定の形状構成に対する、上記多値ピクセル画像同士を比較することを含む。

本発明のさらなる特徴によれば、上記の多値ピクセル画像の生成は、あるデータ出力速度を有する撮像システムにより実行され、少なくとも上記の処理ステップ及び比較ステップは、上記データ出力速度により制限された速度で実行される。

本発明のさらなる特徴によれば、上記少なくとも２つのピクセル群は、ある延在方向を有する、上記パターンにおける形状構成のエッジ部に対応する第１ピクセル群と、該第１ピクセル群と上記延在方向に平行な所定の座標変位によって関連付けられる第２ピクセル群と、を含む。

本発明のさらなる特徴によれば、上記座標変位は、１〜１０ピクセルの範囲の大きさを有する。

本発明のさらなる特徴によれば、上記少なくとも２つのピクセル群は、上記パターンの第１領域における形状構成のコーナー部に対応する第１ピクセル群と、上記パターンの第２領域における形状構成のコーナー部に対応する第２ピクセル群と、を含む。

本発明のさらなる特徴によれば、上記パターンが施された面はマスクであり、上記参照データは、設計パターンに対応する情報のデータベースである。

本発明のさらなる特徴によれば、上記パターンが施された面は、ウエハ上に形成されたダイである。

本発明のさらなる特徴によれば、上記参照データは、類似するサンプル領域の画像を生成することによって取得される。

また、本発明の教示するところによれば、参照データの集合に実質的に対応するパターンを有する、パターンが施された面を検査する方法であって、（ａ）少なくとも１つの領域のパターンの多値ピクセル画像を生成し、（ｂ）上記少なくとも１つの領域のパターンに対応する上記参照データを処理して、所定のピクセル変位ベクトルの下で不変であると見込まれる少なくとも１つのピクセル群を識別し、（ｃ）上記多値ピクセル画像から得た上記少なくとも１つのピクセル群と、これに上記ピクセル変位ベクトルによって関連付けられるピクセルと、を比較する方法が提供される。

本発明のさらなる特徴によれば、上記の処理ステップは、浸食演算を含むことにより、上記少なくとも１つのピクセル群から、上記所定のピクセル変位ベクトルの下で不変であると見込まれる上記ピクセルの、ある部分集合を除く。

本発明のさらなる特徴によれば、上記の処理ステップは、上記変位ベクトルの加算及び減算の下で不変であると見込まれるピクセルを識別すべく実行され、上記の比較ステップは、上記多値ピクセル画像から得た上記少なくとも１つのピクセル群の各々と、これと上記変位ベクトルの加算及び減算により関連づけられるピクセルと、を比較することを含む。

本発明のさらなる特徴によれば、上記の処理ステップ及び比較ステップは、方向が異なる複数のピクセル変位ベクトルの各々について繰り返される。

本発明のさらなる特徴によれば、上記の比較ステップは、上記ピクセルのグレースケールレベルが所定のしきい値を超えるときに欠陥候補出力を選択的に生成し、さらに上記方法は、（ａ）ピクセルが不変であると見込まれる上記変位ベクトルの数に対応する対称性計数を識別し、（ｂ）上記ピクセルについて生成された欠陥候補出力の数に対応する欠陥候補計数を生成し、（ｃ）上記対称性計数及び上記欠陥候補計数の両方を使用する欠陥決定基準を適用して、上記ピクセルについてのバイナリ欠陥出力を生成する。

本発明のさらなる特徴によれば、上記複数のピクセル変位ベクトルは、少なくとも４つの異なる方向の変位ベクトルを含む。

本発明のさらなる特徴によれば、上記複数のピクセル変位ベクトルは、８つの異なる方向の変位ベクトルを含む。

本発明のさらなる特徴によれば、上記ピクセル変位ベクトルは、１〜１０ピクセルの範囲の大きさを有する。

本発明のさらなる特徴によれば、上記の処理ステップ及び比較ステップは、所定の方向において、異なる大きさの複数のピクセル変位ベクトルの各々について繰り返される。

本発明のさらなる特徴によれば、上記の多値ピクセル画像の生成は、あるデータ出力速度を有する撮像システムにより実行され、少なくとも上記の処理ステップ及び比較ステップは、上記データ出力速度により制限された速度で実行される。

本発明のさらなる特徴によれば、さらに、上記参照データを使用して上記ピクセル群の各ピクセルに対するしきい値を生成し、ここに、上記の比較ステップは、上記ピクセル同士のグレースケールレベル差の大きさと、対応するしきい値とを比較することにより実行される。

本発明のさらなる特徴によれば、あるピクセルに対する上記しきい値は、位置に依存して変動する関数である。

また、本発明の教示するところによれば、参照データの集合に実質的に対応するパターンを有する、パターンが施された面を検査する方法であって、（ａ）上記参照データを処理して、所定の形状構成を含むパターン領域を識別し、（ｂ）上記参照データを使用することにより、所定の基準の下で類似すると見込まれる、比較可能な上記所定の形状構成が含まれる領域の集合へと、上記領域を分類分けし、（ｃ）上記の比較可能な所定の形状構成が含まれる、複数の上記領域の多値ピクセル画像を取得し、（ｄ）上記の比較可能な所定の形状構成に対する、上記多値ピクセル画像同士を比較することを有するが提供される。

本発明のさらなる特徴によれば、（ａ）上記多値ピクセル画像間の偏差度を使用して、上記の比較可能な所定の形状構成の上記画像に関する統計的データを導出し、（ｂ）上記統計的データに対して、有意性に関する基準を適用して、ある統計的な有意性の意味において、上記比較可能な形状構成の中から区別される形状構成を識別する。

本発明を、添付図面を参照しつつ一例としてここに説明する。
本発明は、パターンが施された面の検査方法である。本発明による方法の原理及び動作は、図面及び添付する説明文を参照することによって、より良く理解されるであろう。

図面を参照すると、図１には、以下に詳細に説明される本発明の様々な形態の根底にある基本概念が説明される。このような本発明は、この基本概念において、参照符号１０で一般的に示される方法を提供する。この方法は、参照データの集合に実質的に対応するパターンを有する、パターンが施された面を検査するものである。
概括的には、方法１０は参照データ１２と、少なくとも１つの非繰り返し領域のパターンの多値ピクセル画像１４と、の入力とを使用する。少なくとも１つのパターンの領域に対応する参照データは、直接使用されるか、（ステップ１６の）処理後にマップとして使用される。このマップは、等価な画像を生成すると見込まれる少なくとも２つのピクセル群を検出するために、（ステップ１８において）処理される。その後、多値ピクセル画像から得たこれら少なくとも２つのピクセル群は（ステップ２０で）比較されて、そして（ステップ２４で）欠陥の候補を検出する為のしきい値が、（ステップ２２で）設定される。

本発明の原理は、パターンの比較検査のための非常に有利な方法を提供することが、すぐに明白になる。
第１に、参照データをマップとして使用することにより、従来のダイ・トゥ・ダイ比較手法やセル・トゥ・セル比較手法を適用できない状況、例えばロジックチップを製造するための単一マスクのような場合においても、画像間比較を実行することが可能である。
さらに、ダイ・トゥ・ダイ比較が可能な場合においても、本発明では通常、ピクセル間比較又は領域間比較を、ダイ・トゥ・ダイ比較に使用されるダイ間の間隔よりもずっと小さい間隔で行うことを容易にする。
最後に、本発明では、全ての比較が実画像のピクセル間で行われる際、参照データが比較しうるピクセル群のマップとしてのみ使用される。これにより、上述の画像対データベース比較の複雑さが全て回避される。本発明のこれら及び他の利点は、以下の記載からより明確になる。

既述のとおり、本発明の方法は、マスク、ウエハ上のダイ、ＰＣＢ、プリント済パターン、機構的部分、及びその他のパターンが施された面の検査を含む（但しこれらに限定されるものではない）、広い範囲の検査用途に適用可能である。単一のマスクの場合では、参照データは、通常、パターンの生成の際に基となるＣＡＤ設計情報である。ウエハ上のダイの場合、参照データは、設計情報、又は同じもしくは他のウエハから取得したダイのサンプル画像のいずれかとしてよい。たとえ製造上及び撮像上生じる位置依存の変動によって、ウエハの他の部分から採ったサンプルダイ画像が直接比較に適さないものとなっても、本発明で要求される程度のマップとして使用するには十分である。

比較が実行される少なくとも１つの領域は、ここで”非反復的”と記載され、従来技術によるセル・トゥ・セル比較が実行可能なメモリチップのような繰り返しパターンと区別されていることに注意されたい。
しかしながら、ここでは”非反復的”の語が、完全に反復的でないもの、及び全体的に非反復的なパターンの中に局所的な繰り返しパターンを含むパターン（例えば、メモリと論理チップとの混合回路）の場合をも含む、いかなるパターンをも示すために使用されていることに注意する必要がある。
このような場合において、本発明は、従来のセル・トゥ・セル比較と同様に検査を実行するために使用される一方で、非反復領域において、疑似欠陥検出表示を行うことを回避する。明らかに、本発明の教示に従うシステム動作は、完全な繰り返し領域を検査するために使用された場合にも効果的に動作する。

ここで”非反復的”の語が、アルゴリズムによって比較が実行される領域全体にわたって非反復的なパターンを示すために使用されていることにも注意されたい。ダイ・インスペクションのような場合においては、実際には、大きなスケール（例えば複数ダイ全体）で見るとパターンが反復しているが、しかし本発明の、ダイ内における比較及び欠陥検出のための適用例においては、非反復的とみなされる。

図２を参照すると、図１の方法の一般的な適用可能性を少しも減ずることなく、特定の２つの好適な実現例に関して、本発明の方法が例示される。これら実現例は、好適には同時に使用され、および、任意に、より効率的なインスペクションシステム及びこれに対応する方法を提供する１以上の補助的なテストモジュールが追加されて、これと共に使用される。
そして、図２のシステムは、参照画像と多値画像との間のアライメントの初期調整の後には（ステップ２６）、方法１０の第１の実施である”自己比較モジュール”１０ａと呼ばれるモジュールと、方法１０の第２の実施である”コーナー部／形状構成モジュール”１０ｂと呼ばれるモジュールとを含む。これら２つのテストモジュールは、１以上の補助テストモジュール２８により補助されることが好適である。以下に明記するように、これらのテストモジュールは、後処理段３０で共同処理される出力を与えて、非常に効率的で信頼しうるパターン欠陥検出を与える。このシステムの様々なコンポーネントを、以下より詳細に記載する。

〔前処理段階〕
まず、データ入力については、本発明のシステム及び方法が、主に高速自動インスペクションシステムとして実現されることを目的としたものである。このようなシステムのための技術的条件は、製造技術の進歩に伴って常に変化するものである。一例として、マスクの検査のための最大ピクセル解像度は、現在のところ１ピクセルあたり２０ｎｍである。４０ｍｍ四方のマスクでは、前記ピクセルは、１マスクあたりの総ピクセル数が４×１０^１２ピクセルに対応する。効率性を最大にするために、インスペクションシステムは、入力画像データを撮像システムの出力レートでリアルタイムに処理することが要求される。これは例えば、毎秒約３００ＭＢの画像データとなる。

このような高速処理を円滑に行うためには、参照データを前処理して、撮像システムがパターンが施された面上を横断する予定走査経路に対応するデータフォーマットに変換することが好適である。このようなフォーマットを、データシーケンスが、撮像システムから得られる画像データのデータシーケンスと対応しているという意味において、”リアルタイムフォーマット（ＲＴＦ）”と呼ぶこととする。
ＣＡＤ設計参照情報の好適例において、本明細書で”ラスタライズ化フォーマット”と呼ばれるこのフォーマットが、各ピクセルの予定される内容（例えば透明／不透明、又は暗／明）に関するバイナリ情報を含むことが好適である。ラスタライズ化フォーマットは、撮像システムの走査経路に対応して順番にシステムへと流れ込み、これにより現在処理中の撮像領域に対応する参照データの効率的な処理を円滑に行う。
両者のデータストリームは、技術的に知られるように、処理用のフレームに細分化されることが好適である。これらのフレームは、様々な実現例のために、本発明のアルゴリズムに使用される”マップ”を構成する。本発明の特定の実現例のために、”マップ”は、例えばポリゴン（種類、位置、及び方向）のリストのような、他の方法で実現することとしてもよい。

図３を参照する。本発明では、取得されたピクセル画像と、そのパターンと同じ領域に対応する参照データとのピクセル毎の関連付けを必要とする。このアライメント要求は、ダイ・トゥ・データベース比較を実行する先行技術のシステムと共通であり、種々の既知の手法により実現可能である。したがって、ここではアライメント調整手順２６を、詳細に検討しない。

限定的でない例示によって、図３はアライメント調整手順２６の実現例を示す。手順２６では、画像入力及び参照データが、シフト計算部３２へと与えられる。シフト計算部３２は、画像入力とこれに対応するラスタライズ化データから得た対応するデータ領域（ｄａｔａ ｃｈｕｎｋ）の中から、比較的小さいフレームを選択し、これらを処理してアライメント修正量を導出する。この処理は、整数倍のピクセルシフト修正量を得るピクセルシフト修正によって実行されることとしてよく、及び／又はサブピクセルアライメント修正のためのアルゴリズムを採用することとしてもよい。これらの技術はそれ自体既知であるので、ここでは取り上げないこととする。相関がチェックされる必要があるピクセルシフト範囲の全体の大きさは、走査システムの許容値に依存する。

シフト計算部３２の処理速度は、一般に全体の処理速度を制限する要因とならないことに注意されたい。それは、シフト計算部は走査されたデータの小さい部分集合のみを使用して実行され、シフト量は現在の走査領域全体にわたって一様であるとみなされるからである。

その後、シフト計算部３２からの出力は、アライメント校正部３４に与えられる。アライメント校正部３４は、アライメント校正ベクトルに従ってデータをシフトし、これによりグレースケール画像ピクセルと、対応する参照データとの間の適切なアライメントを確保する。アライメント校正部３４は、データ内に存在するノイズレベルによって、任意にローパスフィルタを含んでもよい。この校正量は、シフト計算部３２の実現例に依存して、整数のピクセルシフト量としてもよく、又はサブピクセル解像度のシフト量としてもよい。ここではアライメント校正をイメージデータ１４に対して適用して示したが、これに代えて校正を参照データに対して適用してもよく、その場合には、ラスタライズ化された形式の段階で適用しても、またはその前段階で適用してもよい。そして参照データ及び画像データは、以下に記載する種々のテストモジュールへ入力される準備が完了した状態となる。

〔自己比較テストモジュール〕
自己比較テストモジュール１０ａは、比較されるピクセル群が、そのパターンの形状構成に比べて通常小さいピクセル座標変位によって関係付けられる場合のような、方法１０の特別な場合に用いられる。言い換えれば、どのピクセルが並進対称性を示していると見込まれるか識別し、そして、対応する変位ベクトルに関連付けられるピクセル同士を比較することによってこの対称性をテストするために、参照データを使用する。このモジュールの原理を、図４Ａ〜４Ｆを参照して、概略的に説明する。

まず、図４Ａを参照する。図４Ａはピクセル領域別にスーパーインポーズされた参照データパターンの一部を概略的に示している。この場合、図示されるパターン部分は、ピクセル列の中央を上下に通過するエッジ部を有するパターンブロックのエッジ部に対応している。ちなみに、ＣＡＤ設計情報に基づく参照データは、通常、ピクセルグリッドの解像度よりも、非常に高い解像度を有している。

図４Ｂは、図４Ａの参照データに対応するピクセルマップを示す。ここにパターンの形状構成の境界内部のピクセルであるバルクピクセル（bulk pixel）は”ｂ”と示され、その一方でエッジ部が通過するピクセルは”ｅ”と示されている。

図４Ｃは、図４Ｂのどのピクセルが、１ピクセル上方向へ変位しても不変であると見込まれるかを示すバイナリマップである。このフレーム内におけるエッジ部は上下方向の縁であるため、全体のフレームが上方向の変位に対して対称であり、全てのピクセルが不変となる。これによりこの領域内の画像の平行移動自己比較が可能となる。画像とその平行移動された画像との間の著しい変動はどれも、欠陥候補の指示を与えるものとなる。

図４Ｄは、図４Ｂのピクセルが、右上対角方向に変位しても不変であると見込まれるピクセルに対応するマップである。この場合では簡単のために、変位が、対角線上の隣接するピクセル間で行われるように選択され、変位の大きさは１．４１ピクセルに対応するようにした。この場合、変位ベクトルはエッジ部に平行でないため、エッジ部の領域はこの変位について対称ではない。しかしながら、エッジ部から離れたバルク領域では、この変位についても不変であることが見込まれる。同様に図４Ｅに、１ピクセル左方向へ変位した場合に対応するマップを示す。

図４Ｆは、図４Ｃ〜４Ｅから得た値の合計を示す（全てマップについて領域は共通である）。エッジ部から離れたバルク領域については、種々の方向の複数のピクセル変位ベクトルのもとで自己比較することより検査することができる。その一方で、エッジ領域それ自身は、エッジと平行な平行移動のときだけ不変であり、１つの自己比較だけが可能である。

実際には、自己比較はパターン内に存在する各角度方向について実行することが好適である。一般に行われている従来技術では、０°、３０°、４５°、６０°、９０°、１３５°及び１５０°の角度のエッジだけが使用されている。したがって、変位ベクトルの集合が、各エッジに平行なベクトルを含んでいれば、上記手法は、パターンのバルク領域に加えて、エッジ領域の検査に有効である。

なお、ここで３０°、６０°、１２０°及び１５０°と示される角度は、実際には１／２のアークタンジェント（逆正接）、及びより正確にいえば、９０°±２６．５６５°の倍数により定められる。ここでは用語の便宜のために、この近似値が使用される。

自己比較手法の１つの限界は、図５Ａ〜５Ｃに示すようなコーナー部の形状構成の検査に関する。図５Ａは参照データパターンを示し、図５Ｂはこれに対応するマップ、そして図５Ｃは２セル上方向平行移動の下で不変のピクセルのバイナリマップを示す。
この場合では、対象となるパターン領域はコーナーの形状構成を含んでいる。理解されるように、コーナー部領域では対称性が減少しており、コーナー部で交わる両エッジのいずれに平行する双方向移動の下でも自己比較が不変とならない。
任意に、双方向自己比較の実現例ではチェックできないコーナー部領域の大きさを減少させることとしてよく、このコーナー部領域ではコーナー部の内側及び外側のバルク領域に向く片方向の変位ベクトルを使用する。コーナー部領域を検査する際の問題を十分に解決するために、以下に詳述するようにコーナー部の形状構成及び／又は他の形状構成を検査する少なくとも１つの追加テストモジュールによって、自己比較テストモジュールを補助することが好ましい。

次に図６を参照すると、自己比較テストモジュール１０ａを実現する好適な構造が示されている。このモジュールは、アライメント済みの参照データと画像フレームとを入力として取得して、初めにバイナリ欠陥フレームを生成する。任意的に、この出力フレームをさらに処理して、Ｘ位置、Ｙ位置、Ｘ長さ、Ｙ長さ、欠陥サイズなどのような追加情報を有する欠陥のリストを生成して、欠陥を含むブロックを定めてもよい。

ここに示される自己比較テストモジュール１０ａは、ピクセル群と、それぞれ角度０°、３０°、４５°、６０°、９０°、１２０°、１３５°及び１５０°において正及び負方向に平行移動されたそれ自身と、を比較する８つの比較サブモジュール５０ａ、５０ｂ、…、５０ｈを含む。比較は、グレースケール値もしくは、変化度（gradient）の比較、又は個々のピクセルもしくはピクセル群上で動作するどのような他の比較関数もしくは比較関数の組合せでも実行されうる。
特に簡単かつ効果的な好適な実現例では、比較は、ピクセルのグレースケールレベル同士の差の大きさを、対応するしきい値に対して比較することにより実行される。全てのピクセルに対して一定のしきい値を使用することとしてもよいが、設計上の又は撮像上の理由に起因して概して様々なパターン領域で発生するノイズレベルの変動に対応する、位置依存のしきい値を使用することが好適であると考えられる。したがって、ここに説明する好適例では、各比較サブモジュールは、参照データ１２を使用して各ピクセルの比較に使用するためのしきい値を生成するしきい値フレーム生成部５２から、追加入力を受信する。一例として、あるピクセルに対するしきい値は、主に又はもっぱら、パターン内のエッジ部への近接度の関数として変化することとしてよい。
エッジから離れた”バルク”ピクセル部分では、比較的低いしきい値（すなわち高感度となる）が欠陥検出に使用される。一般に画像信号内のノイズが非常に多いエッジに近い領域では、より高いしきい値（すなわち低感度となる）が設定される。任意的に、各ピクセルに対するしきい値を、各比較角度毎に別々に設定してもよい。しかし多くの場合では、各ピクセルに対するしきい値は、エッジ部への近接度によって１つのみ定められれば十分であると考えられる。

図７は、比較サブモジュール５０ａ、５０ｂ、…、５０ｈの考え得る１つの実現例が示されている。比較サブモジュールは全て同様であり、比較に用いるピクセル変位ベクトルの角度のみ相違している。したがって、このモジュールを総称してここでは、方向Ｘの変位ベクトルに関してサブモジュール５０ｘと記載することとする。

まず、図７の下部分は、所定のピクセル変位ベクトルのもとで、変化しないと見込まれるピクセルの識別について説明する。最初に、５４においてラスタライズ化された参照データの現在フレームからバイナリマップが抽出される。そして５６において、バイナリマップはＸ方向に沿ってＮピクセル分（非直交方向についてはその近似値分）だけシフトされる。値Ｎの選択は、パターンの形状構成に対するピクセルの解像度に依存する。この値が小さすぎると、比較される画像ピクセル同士が同じように欠陥となりやすくなり、検出を失敗しやすくなる。この値が高すぎると、コーナー部の形状構成の周囲に設ける例外処理領域を不必要に大きくする必要がある。
多くの場合では、シフトの大きさは１〜１０ピクセルの範囲とされ、最も好適には３〜６ピクセルの範囲とすることが有利である。２つ以上のシフト量で比較を繰り返すこともしばしば有利である。小さなシフトは、コーナー部に比較的近い領域をチェックする際に有効であり、その一方、大きなシフトはエッジに沿って延在する隆起部や窪み部のような、小さなシフトを使用して検出できない比較的長距離にわたる欠陥を検出する。異なる大きさのシフトを使用する場合には、これらの大きさは、少なくとも１ピクセルエッジ長異なることが好適である。
５８では、シフトされたバイナリマップと元のバイナリマップとを同値比較演算（compare equal operation）を使用して比較する。その結果生じるフレームは、”後方シフトマスクインフレーム（backward shift mask-in frame）”と呼ばれ、角度方向Ｘでの（−Ｎ）ピクセル平行移動の下で不変であると見込まれるピクセルを”１”で示す。

比較が双方向に行われる（すなわちピクセル変位ベクトルの加算及び減算の双方が行われる）好適な実現例において、５４で生成されるバイナリマップ出力は、ステップ６０でＸ方向に（−Ｎ）ピクセルシフトされ、６２で元のバイナリマップとシフトされたバイナリマップとが、同値比較演算を使用して比較される。その結果生じる新しいフレームは、”前方シフトマスクインフレーム（forward shift mask-in frame）”と呼ばれ、方向ＸにＮピクセルのベクトルを加えた下で不変であると見込まれるピクセルを”１”で示す。

以下に検討するように、ここで説明される比較サブモジュールを、前方シフト、後方シフト、これらの方向のいずれか、又はこれらの方向の両方に対するピクセルの不変性に対応して、１つ以上の異なるモードで動作するよう実現してもよい。１つ以上のマスクイン出力フレームが、目的とする使用モードに応じて、後方シフトマスクインフレーム、前方シフトマスクインフレーム、及びこれらの（６６に示されるＡＮＤ演算のような）論理結合の中から、６４で選択される。

その後、浸食演算（erosion operation）６８をマスクインフレーム上で実行して、不変であると指定される領域のサイズを低減することが好適である。浸食演算は、マスクする領域を拡大して、マスクアウトしなければ誤アラームを生じる可能性のある問題のある形状構成（例えばコーナー近傍や細線）を避ける目的で行われる。
このステップは、標準的な浸食演算を用いて実行してよく、また任意に、他のテストモジュールによってカバーされて選択された種類の領域を、選択的に浸食して実行してもよい。その結果生じたマスクインフレームは、マスク生成サブモジュールからの出力となる。

次に、図７の上部分は、グレースケール画像ピクセル同士の比較を示す。まず、入力画像フレーム１４は、７０において方向Ｘに沿って（−Ｎ）ピクセルだけシフトされる。そして（ステップ７２で）、元のフレームがシフトされたフレームから差し引かれ、（ステップ７４で）その結果の絶対値を得る。そして、その結果得られた比較値の差分フレームは、７６において（しきい値生成部５２から与えられた）しきい値フレームと比較され、「前方シフト欠陥フレーム（forward shift defect frame）」と呼ばれるバイナリフレームを生成する。この前方シフト欠陥フレームは、変位ベクトルの加算により関連付けられるピクセルから著しく異なる全てのピクセルのバイナリマップであり、ここに”著しく”異なるレベルは、対応するしきい値により定まる。

同様に、双方向比較を行う好適な場合において、入力画像フレームは、７８において方向Ｘに沿ってＮピクセルだけシフトされ、そして（ステップ８０で）、元のフレームがシフトされたフレームから差し引かれる。ここでもまた（ステップ８２で）その絶対値を得て、その結果得られた差分フレームは、８４において、しきい値生成部５２から与えられたしきい値フレームと比較され、「後方シフト欠陥フレーム（backward shift defect frame）」と呼ばれるバイナリフレームを生成する。この後方シフト欠陥フレームは、変位ベクトルの減算により関連付けられるピクセルから著しく異なる全てのピクセルのバイナリマップである。

上述の通り、ここに記載される比較サブモジュールは、１以上の異なるモードで動作するように実現してよい。前方欠陥フレーム、後方欠陥フレーム、及びこれらの（８６に示されるＡＮＤ演算のような）論理結合の中から、目的とする使用モードに従って１以上の欠陥出力フレームが８５において選択される。この後者の選択肢は、変位ベクトルの加算及び減算の両者により関連付けられるピクセルと著しく異なるピクセルを示す。１つの代替的な実現例では、ＡＮＤ演算８６をＯＲ演算に置き換え、これに伴いしきい値を調節して補正することにより「感度」を増大させることができる。

選択された「マスクインフレーム」と「欠陥フレーム」とは、ＡＮＤ演算８８によって合成され、欠陥候補を「１」で示す「欠陥候補フレーム（potential defect frame）」が生成される。この「欠陥候補フレーム」がサブモジュールの第２の出力である。

上述の通り、前方シフト、後方シフト、これらの方向のいずれか、又はこれらの方向の両方の下におけるピクセルの不変性に対応して、比較サブフレームを１以上の異なるモードで動作するよう実現してよい。１方向シフトの場合の出力フレームは、８８において前方マスクインフレームと前方欠陥フレームとの間、又は後方マスクインフレームと後方欠陥フレームとの間のＡＮＤ演算によって計算される。
両方の方向が使用される場合では、両方向の比較のいずれかにおいて欠陥候補を示せば「１」を生成する、「いずれかモード」において比較が実行されてよく、あるいは前方及び後方シフトの両方の方向の比較とも欠陥候補を示す場合だけ「１」を生成する「両方モード」において比較が実行されてよい。この「両方モード」は、ＡＮＤ演算６６の出力とＡＮＤ演算８６の出力との間に、ＡＮＤ演算８８を使用することにより実現することが好適である。「いずれかモード」は、通常、１方向の前後方出力欠陥フレームを、個別にそれぞれの方向のマスクインフレームとＡＮＤ演算で個別に合成した後に、ＯＲ結合されて実現される。
任意に、特に好適な実現例では、「いずれかモード」と「両方モード」との両方が、しきい値を変えて（「いずれかモード」は「両方モード」よりも感度が高いことによる）、並列に実行されることとしてよい。さらなる好適な選択肢では、上記のモードの２個、３個、更には全てを、変位Ｎの１以上の大きさについて並列に実行し、その結果を、適切な重み付けによって又は従来知られている方法による他の結合アルゴリズムによって結合することにより、モジュールの出力の信頼性と感度と向上することとしてもよい。

前述のとおり、サブモジュール５０ｘは各方向Ｘについて類似している。各モジュールの場合において、必要な変位ベクトルは、ピクセルの整数変位の組合せからなっている。具体的には、必要とされる角度は、軸に平行なシフトである０°及び９０°と、対角方向シフトである４５°及び１３５°と、（ここに３０°、６０°、１２０°及び１５０°と示される）９０°±２６．５６５°の倍数と、の３つのグループに分類される。軸に平行なシフトの場合、シフトは単に１以上の整数ピクセルを単位にして実行される。対角方向シフトの場合、基本単位は、Ｘ及びＹ軸における１ピクセルのシフトの組合せであり、２の平方根又は１．４１ピクセルの大きさを有する。３０°の倍数は、一方の軸に沿った１ピクセルのシフトと、他方の軸に沿った２ピクセルのシフトによって実現される。したがって、基本シフトの大きさは、５の平方根又は約２．２３ピクセルに等しい。

これら基本ステップを多段に使用することにより、全ての方向について所定の望みのシフト量を近似することが可能となる。例えば、４ピクセルのシフト距離を近似するためには、４５°の方向の場合では３ステップが使用され（約４．２ピクセルのステップとなる）、３０°の方向の場合では２ステップが使用される（約４．４６ピクセルのステップとなる）。しかしながら、エッジ部における振る舞いの結果生じる変動を適切に対処する場合には、異なる方向について異なるシフト距離を使用することも可能であることに留意すべきである。

図６に戻ってここに記載される例では、各比較モジュールは、欠陥候補に対して「１」が立ち上がっているバイナリフレームを出力する。異なる検出モジュールの結果を組み合わせるための様々な手法が技術に知られており、ここではそのような手法のどれを用いてもよい。好適な一例を示すと、ここにこれら８つの出力が９０において加算され、（「欠陥数フレーム」と呼ばれる）フレームが取得される。この欠陥数フレームでは、各ピクセルが０から８までの値（TotalDef）を持つことが可能である。この値は、当該ピクセルについて欠陥を報告するサブモジュールの数を示す。８つの比較サブモジュールは、それぞれの「マスクイン」フレームも出力する。これらの「マスクイン」フレームは、９２において加算され、（「対称性クラスフレーム」と呼ばれる）フレームが取得される。この対称性クラスフレームでは、各ピクセルが０から８までの値（TotalSym）を持つことが可能であり、この値は、当該ピクセルが不変であると見込まれる変換の数を示す。このフレームのピクセルの値は、当該ピクセルについて欠陥を報告しうるサブモジュール数の最大数を示す。それは、所定のピクセルに対して、所定モジュールにおいてそのピクセルが「マスクイン」であるときだけ、そのピクセルについての欠陥が当該モジュールから報告可能であるからである。したがって、「マスクイン」フレームを加えることにより、ある欠陥について報告しうるサブモジュールの最大数を得ることが可能である。

欠陥数フレームおけるあるピクセルに対する値が、対称性クラスフレームにおける該ピクセルに対する値のある所定の割合よりも大きいピクセルが、欠陥の一部であると識別される。これは、当該ピクセルが、このピクセルにおける欠陥を認識できる可能性のあったサブモジュールのうちのある一定割合よりも多いサブモジュールから、欠陥であると報告されたことを意味する。この方法では、非常に対称性の高いピクセル（例えば、TotalSymが８となるバルクピクセル）では、TotalDefに対して（値THにより定まる）高いしきい値が適用され、これにより多数のサブモジュールが欠陥指示のために必要とされる。対称性が低いピクセルでは、低いしきい値が適用される。

この評価は、（９４において）全対称性値TotalSymに、TH/100を乗算することよってここに示される。ここでTHは、ユーザによって与えられるしきい値（パーセント）である。THが１００に設定される特別な場合では、モジュールは、当該ピクセルを検査することが可能なサブモジュール全てにより検出された欠陥のみを報告することになる。
そして、その結果生じる有効しきい値「EffTH」は、９６において欠陥数フレーム内の値と比較され、バイナリ欠陥フレームを生成する。このバイナリ欠陥フレームは、一般に後処理モジュール３０に出力される。
欠陥を識別するための条件は、代数的に次式により表すことができる。

TotalDef ≧ EffTH
但し、EffTH=ceil｛TH/100×TotalSym｝とする。

ここに、TH＞０であり、「ceil」は、最も近い整数へ端数を切り上げる演算である。任意に、追加ステップ９８を実行して、欠陥領域を識別する為の近接条件を満足する正のバイナリ欠陥出力を有するピクセルを束ねてもよい。

〔コーナー部／形状構成テストモジュール〕
上記説明するように、自己比較モジュールは、バルク領域及びパターンのエッジを検査するのに効果的であるが、コーナー領域や他の小さな形状構成を検査するのには最適ではない。したがって、以下に記載するように、自己比較モジュールを、コーナー部／形状構成テストモジュール１０ｂと組み合わせて使用することが好適である。ここに記載されるコーナー部／形状構成テストモジュール１０ｂもまた、様々な他のシステムにおいて有利に使用することが可能であり、本明細書に記載されるシステムのその他の部分と組み合わせることのみに限定されないものである。

ここでも、本発明の方法は、同じ本発明の根本原理に基づく。すなわち、類似すると見込まれるピクセル同士又はピクセル領域同士を発見するためのマップとして参照データを使用する。そして取得された画像データ内における画像対画像比較として、実際に比較を実行する。しかし、この場合には、比較される領域は、パターンの様々な領域から選択され定められた類似する形状構成同士である（例えば、コンタクトホール部、接点部、細い導体の終端部など）。

前置きとして、コーナー部の形状構成及び他の形状構成がどのように「見える」はずかを定義する試みに関与して、非常に複雑な問題が存在する。形状構成の大きさ、周囲のパターンの形状構成、製造条件、に関係する様々な多くの要因が、形状構成の最終的形状に影響を与える（例えば、どれくらい丸みを帯びているかなど）。これらが、コーナー部や他の小さな形状構成に対するダイ・トゥ・データベース検査の信頼性を非常に低くしている。本発明のコーナー部／形状構成検査形態は、様々な形状構成がどのように見えるかに関する全ての仮定を避けて、これを、同じ種類の形状構成は全て同様に見えるはずである、という単純な仮定に置き換える。

図８を参照すると、方法１０ｂは、１００において開始され、ここで参照データ１２を処理して、比較すべき種類の所定の形状構成を含むパターンの領域を識別する。そして１０２において、これらの領域は、参照データを使用することにより、所定の基準の下で類似すると見込まれる、比較可能な形状構成を含む領域の集合へ分類される。その後１０４において、画像データ１４が検索され、比較可能な形状構成を含む複数領域の多値ピクセル画像が取得される。そして１０６において、これらの領域同士が比較されてその形状構成中の欠陥候補が識別される。

データ中のノイズレベルが低い場合には、２つ、好適には３つの比較可能な形状構成同士の比較に基づいて欠陥が検出されるであろうが、データが非常に大きなノイズを有する場合には、１０８において、比較可能な形状構成の画像に関する統計的データを導出するために多値レベル画像間の偏差度を使用する。その後１１０において、有意性に関するある基準を統計的データを適用することによってこのデータを処理し、ある統計的な有意性の意味において、他の比較可能な形状構成から区別される形状構成を識別する。

ある簡単かつ概略的な一例として、その対角コーナーの座標により定義される、パターン中の長方形の例を以下の表に示す（寸法は全てミクロンである）。

これらの長方形は同じ大きさでないため、直接比較することはできない。その代わりに、同じように現れると見込まれるこれら長方形の一部だけを比較する。比較処理は、任意の適切な比較関数により実行することが可能であり、例えば、これら形状構成の対同士の直接的なグレーレベル比較によってよく、あるいは、各領域に適用され、その形状構成の統計的分析に使用可能な特性数値又はベクトルを戻り値とする分析関数の使用によってもよい。各ケースにおける比較は、形状構成を含む所定の大きさの、領域又は「周囲」を比較するように実行される。

直接的なグレーレベル比較の場合、様々な比較関数を使用することができる。好適な例には（但しこれに限定されない）、グレーレベル差の合計、差分の絶対値の合計、差分の二乗の合計が含まれ、ここに、合計は各ピクセル対について均等に又は異なる重み付けを行って計算される。さらなる好適な例は差分の絶対値の最大値である。

分析関数の場合では、関数は、適切な数値又は数値のベクトルを戻り値とする、ピクセルの集合上の演算の任意の集合としてよい。好適な例には（但しこれに限定されない）、ピクセル同士の合計、参照集合に関するグレーレベル差、グレーレベル範囲、平均、分散などが含まれる。関数を選択することにより、その値が回転／ミラー感度を有すること（rotation/mirror sensitive）とすることも可能であり、対称性を有することとしてもよい。

コーナー部形状構成の分類における重要な要因の１つは、実行される検査の解像度である。上記の例について、解像度のレベルが、１ピクセルあたり１ミクロンであれば、エッジ部及びコーナー部が全て同じ位置か、サブピクセルの位置に置かれる。この場合には同じ向きに配向されたコーナーであれば全て直接比較することが可能である。一方で、解像度が１ピクセルあたり２ミクロンの場合には、比較関数にサブピクセルに対する感度があれば、エッジ部及びコーナー部が全て比較可能であると見込むことはできない。

１ピクセルあたり２ミクロンの例において、左上コーナー部（図９のラベリング規則ではＤＡ）についての分類分けは、
長方形１、６、７、９、１１、１６と、
長方形２、１０、１２、１７、１９、２０と、
長方形３、４、５、８、１３、１５、１８と、
長方形１４（対応するもの無し、したがって本手法による分析は不可）と、
なる。

「コーナー部／形状構成比較」アルゴリズムは、自己比較アルゴリズムを補助するためにエッジ部比較にも有利に使用できる。具体的には、自己比較アルゴリズムは一般的にエッジ変位や非常に緩やかなドリフト（drift）に対して感度が良くない。したがって、エッジ部を、本アルゴリズムにおいて比較するべく「定められた形状構成」と見なすことによって、この種の欠陥を検出することとしてよい。上述の例に戻ると、エッジ部比較のためのグルーピングはより単純である。例えばエッジ部「ｄ」に対するグルーピングは、
長方形１、２、６、７、９、１０、１１、１２、１６、１７、１９、２０と、
長方形３、４、５、８、１３、１４、１５、１８と、
になる。

〔補助テストモジュール〕
任意的に、前述のモジュールは、これらモジュールにおいて感度が低くなる領域を補い、及び／又は全体の感度を増加するために、様々な既知のアルゴリズムに基づいた１以上の追加テストモジュールにより補助されることとしてよい。様々な異なるモジュールの出力を組み合わせるために適したアルゴリズム及びロジックは、技術的に周知である。

上述の説明は例示目的としてなされたものであり、したがって本発明の精神及び範囲の中で、他の多くの実施例が考えられると理解されるべきである。

本発明の教示によって構成され動作する、パターンが施された面の検査方法の一般原理を説明するフロー図である。 本発明の教示によって構成され動作し、パターンが施された面を検査するための好適なマルチテストモジュールシステムの全体動作を説明する全体ブロック図である。 図２のシステムの入力モジュールを説明する拡大概略フロー図である。 ピクセル領域上に重ねられたパターン参照データの略図である。 図４Ａの参照データに対応するピクセルマップの略図である。 １ピクセルの上方変位の下で不変であると見込まれる図４Ｂのピクセルのバイナリマップである。 １．４１ピクセルの右上方への対角方向変位の下で不変であると見込まれる図４Ｂのピクセルのバイナリマップである。 １ピクセルの左方変位の下で不変であると見込まれる図４Ｂのピクセルのバイナリマップである。 図４Ｃ〜４Ｅの全てのマップによってカバーされるピクセルについての並進対称性全体の合計値である。 ピクセル領域上に重ねられたコーナー部の形状構成に対応するパターン参照データの略図である。 図５Ａの参照データに対応するピクセルマップの略図である。 ２ピクセルの上方変位の下で不変であると見込まれる図５Ｂのピクセルのバイナリマップである。 図２のシステムにおける使用に適した自己比較テストモジュールの好適な実行を示すフロー図である。 図６のテストモジュール中の単一角度変位についての自己比較サブモジュールの考え得る１つの実行例の詳細なフロー図である。 図２のシステムにおける使用に適したコーナー部／形状構成テストモジュールの動作を示すフロー図である。 図８のコーナー部／形状構成テストモジュールに使用されるコーナー部分類システムを説明するために使用される用語の説明図である。

Claims (27)

1. 参照データの集合に実質的に対応するパターンを有する、パターンが施された面を検査する方法であって、
   （ａ）少なくとも１つの領域のパターンであって、該領域内における非反復的なパターンの多値ピクセル画像を生成し、
   （ｂ）前記少なくとも１つの領域のパターンに対応する前記参照データを処理して、同じ画像を生成すると見込まれる少なくとも２つのピクセル群を識別し、
   （ｃ）前記多値ピクセル画像から得た前記少なくとも２つのピクセル群同士を比較する方法。
2. 前記少なくとも２つのピクセル群同士は、単一領域内の、ピクセルの並進対称性に対応する該ピクセルの座標変位によって関連付けられる請求項１に記載の方法。
3. 前記座標変位は、１〜１０ピクセルの範囲の大きさを有する請求項２に記載の方法。
4. 前記座標変位は第１の大きさを有しており、前記の処理ステップ及び比較ステップは前記第１の大きさと異なる大きさを有する第２の座標変位について繰り返される請求項２に記載の方法。
5. さらに、少なくとも１つの付加的検査アルゴリズムを前記多値ピクセル画像に適用する請求項２に記載の方法。
6. 前記少なくとも１つの付加的検査アルゴリズムは、
   （ａ）前記参照データを処理して、所定の形状構成を含むパターンの領域を識別し、
   （ｂ）前記参照データを使用することにより、所定の基準の下で類似すると見込まれる、比較可能な前記所定の形状構成が含まれる領域の集合へと、前記領域を分類分けし、
   （ｃ）前記の比較可能な所定の形状構成が含まれる、複数の前記領域の多値ピクセル画像を取得し、
   （ｄ）前記の比較可能な所定の形状構成に対する、前記多値ピクセル画像同士を比較することを含む請求項５に記載の方法。
7. 前記の多値ピクセル画像の生成は、あるデータ出力速度を有する撮像システムにより実行され、少なくとも前記の処理ステップ及び比較ステップは、前記データ出力速度により制限された速度で実行される請求項１に記載の方法。
8. 前記少なくとも２つのピクセル群は、ある延在方向を有する、前記パターンにおける形状構成のエッジ部に対応する第１ピクセル群と、該第１ピクセル群と前記延在方向に平行な所定の座標変位によって関連付けられる第２ピクセル群と、を含む請求項１に記載の方法。
9. 前記座標変位は、１〜１０ピクセルの範囲の大きさを有する請求項８に記載の方法。
10. 前記少なくとも２つのピクセル群は、前記パターンの第１領域における形状構成のコーナー部に対応する第１ピクセル群と、前記パターンの第２領域における形状構成のコーナー部に対応する第２ピクセル群と、を含む請求項１に記載の方法。
11. 前記パターンが施された面はマスクであり、前記参照データは、設計パターンに対応する情報のデータベースである請求項１に記載の方法。
12. 前記パターンが施された面は、ウエハ上に形成されたダイである請求項１に記載の方法。
13. 前記参照データは、類似するサンプル領域の画像を生成することによって取得される請求項１に記載の方法。
14. 参照データの集合に実質的に対応するパターンを有する、パターンが施された面を検査する方法であって、
    （ａ）少なくとも１つの領域のパターンの多値ピクセル画像を生成し、
    （ｂ）前記少なくとも１つの領域のパターンに対応する前記参照データを処理して、所定のピクセル変位ベクトルの下で不変であると見込まれる少なくとも１つのピクセル群を識別し、
    （ｃ）前記多値ピクセル画像から得た前記少なくとも１つのピクセル群と、これに前記ピクセル変位ベクトルによって関連付けられるピクセルと、を比較する方法。
15. 前記の処理ステップは浸食演算を含むことにより、前記少なくとも１つのピクセル群から、前記所定のピクセル変位ベクトルの下で不変であると見込まれる前記ピクセルの、ある部分集合を除く請求項１４に記載の方法。
16. 前記の処理ステップは、前記変位ベクトルの加算及び減算の下で不変であると見込まれるピクセルを識別すべく実行され、前記の比較ステップは、前記多値ピクセル画像から得た前記少なくとも１つのピクセル群の各々と、これと前記変位ベクトルの加算及び減算により関連づけられるピクセルと、を比較することを含む、請求項１４に記載の方法。
17. 前記の処理ステップ及び比較ステップは、方向の異なる複数のピクセル変位ベクトルの各々について繰り返される請求項１４に記載の方法。
18. 前記の比較ステップは、前記ピクセルのグレースケールレベルが、所定のしきい値を超えるときに、欠陥候補出力を選択的に生成し、
    さらに前記方法は、
    （ａ）ピクセルが不変であると見込まれる前記変位ベクトルの数に対応する対称性計数を識別し、
    （ｂ）前記ピクセルについて生成された欠陥候補出力の数に対応する欠陥候補計数を生成し、
    （ｃ）前記対称性計数及び前記欠陥候補計数の両方を使用する欠陥決定基準を適用して、前記ピクセルについてのバイナリ欠陥出力を生成する、請求項１７に記載の方法。
19. 前記複数のピクセル変位ベクトルは、少なくとも４つの異なる方向の変位ベクトルを含む請求項１８に記載の方法。
20. 前記複数のピクセル変位ベクトルは、８つの異なる方向の変位ベクトルを含む請求項１８に記載の方法。
21. 前記ピクセル変位ベクトルは、１〜１０ピクセルの範囲の大きさを有する請求項１４に記載の方法。
22. 前記の処理ステップ及び比較ステップは、所定の方向において、異なる大きさの複数のピクセル変位ベクトルの各々について繰り返される請求項１４に記載の方法。
23. 前記の多値ピクセル画像の生成は、あるデータ出力速度を有する撮像システムにより実行され、少なくとも前記の処理ステップ及び比較ステップは、前記データ出力速度により制限された速度で実行される請求項１４に記載の方法。
24. さらに、前記参照データを使用して前記ピクセル群の各ピクセルに対するしきい値を生成し、
    ここに、前記の比較ステップは、前記ピクセル同士のグレースケールレベル差の大きさと、対応するしきい値とを比較することにより実行される、請求項１４に記載の方法。
25. あるピクセルに対する前記しきい値は、位置に依存して変動する関数である請求項２４に記載の方法。
26. 参照データの集合に実質的に対応するパターンを有する、パターンが施された面を検査する方法であって、
    （ａ）前記参照データを処理して、所定の形状構成を含むパターン領域を識別し、
    （ｂ）前記参照データを使用することにより、所定の基準の下で類似すると見込まれる、比較可能な前記所定の形状構成が含まれる領域の集合へと、前記領域を分類分けし、
    （ｃ）前記の比較可能な所定の形状構成が含まれる、複数の前記領域の多値ピクセル画像を取得し、
    （ｄ）前記の比較可能な所定の形状構成に対する、前記多値ピクセル画像同士を比較することを有する請求項２６に記載の方法。
27. さらに、
    （ａ）前記多値ピクセル画像間の偏差度を使用して、前記の比較可能な所定の形状構成の前記画像に関する統計的データを導出し、
    （ｂ）前記統計的データに対して、有意性に関する基準を適用して、ある統計的な有意性の意味において、前記比較可能な形状構成の中から区別される形状構成を識別する、請求項２６に記載の方法。

Images