JP2005539255A - 複合画像を捕捉し、かつ、処理するためのシステムおよび方法複合画像を捕捉し、かつ、処理するためのシステムおよび方法 - Google Patents

Abstract

ディジタルホログラフィ画像処理システムにおいて、ホログラムの生成後、欠陥検出のために連続するホログラムが画素ごとに比較される。信頼度のフィードバックを備えた自動画像整合、重ね合わせおよび比較のための方法により、ランタイムウェハ検査、シーン整合細分化、回転ウェハアラインメントおよび差分画像の重ね合わせおよび比較が可能となる。

Description

発明の技術分野
本発明は、一般的には、データプロセシングの分野に関し、より具体的には、複合画像を捕捉し、かつ、処理するためのシステムおよび方法に関する。

発明の背景
ディジタル捕捉システムで検出されたホログラムは、観察される対象物の物質特性および形態についての情報を含んでいる。同一対象物について異なる場合の一連のホログラムを検出することにより、対象物同士の間の変化をいくつかの次元で測定することができる。それらのホログラムをディジタル処理すれば、それら対象物の実際の画像の波動について直接比較することができる。ホログラムには従来の画像には無い画像位相情報が保持されているので、これらの画像の波動は小規模の詳細に関して従来の非ホログラフィ画像よりもずっと多くの情報を含んでいる。ホログラフィ画像を比較するシステムは、その最終目標として、対象物同士の間の差異を計量し、重大な差異が存在するかどうかを決定する。

ホログラムの比較処理は、複数の変数がホログラムの生成過程および対象物の取り扱いに関係しているので、困難なタスクとなる。特に、対応するホログラフィ画像を有効に比較するためには、二つ以上のホログラフィ画像を捕捉し、重ね合わせ、すなわち、それらの画像がぴったり一致するように「整合させ」なければならない。加えて、ホログラフィ画像を捕捉して重ね合わせた後、それらの画像を比較して画像同士の間の差異を決定する。対応する画像を重ね合わせて比較するための既存の技術においては、しばしば、莫大な処理および時間が必要となる。そのような時間および処理の必要性から、ディジタルホログラフィ画像処理システムのスループットおよび総合効率が制限されたものとなる。

詳細な説明
図１から図２３を参照することにより、好適な実施態様およびそれらの利点を最もよく理解することができる。図中、同一および対応する部分を指示するために同一の番号が用いられる。

以下の発明は、例えば、米国特許第６，０７８，３９２号「ダイレクト‐トゥ‐ディジタル式ホログラフィおよびホロビジョン（Ｄｉｒｅｃｔ−ｔｏ−Ｄｉｇｉｔａｌ Ｈｏｌｏｇｒａｐｈｙ ａｎｄ Ｈｏｌｏｖｉｓｉｏｎ）」、米国特許第６，５２５，８２１号「ダイレクト‐トゥ‐ディジタル式ホログラフィおよびホロビジョンのための捕捉および中継システムの改良」、米国特許出願番号第０９／９４９，２６６号「複合画像処理システムにおける相関ノイズ除去のためのシステムおよび方法」および米国特許出願番号第０９／９４９，４２３号「複合画像の重ね合わせのためのシステムおよび方法」に記載されているような、ディジタルホログラフィ画像処理システムおよびその応用に関しており、これら文献は全てこの参照によりここに組み込まれる。

本発明は、ここに記載されているようなダイレクト‐トゥ‐ディジタル式ホログラフィ（ＤＤＨ）欠陥検査システムにおける特別の必要性を満たすために開発された自動画像重ね合わせおよび処理技術を、包含する。ＤＤＨシステムでは、ホログラムの生成後欠陥の検出のために連続するホログラムを画素ベースで比較することもできる。

本発明の一実施態様は、以下に述べるフィードバック型信頼度測定基準を備えた自動画像整合および重ね合わせのためのシステムおよび方法を含んでいる。その重ね合わせシステムは、ランタイムウェハ検査、シーン整合用細分化および回転ウェハアラインメントのような、ＤＤＨシステムにおける多重画像整合タスクのための技術およびアルゴリズムをもたらす。いくつかの実施態様において、この重ね合わせシステムを実行するためのシステムは、サーチ戦略、多重データ入力性能、フーリエ領域において実行される正規化相関、ノイズの濾波、相関ピークパターンサーチ、信頼度の定義および演算、副画素精度モデリング、および自動ターゲットサーチ機構を含むいくつかの主要な特色を備えている。

実像信号および限定された帯域幅（離散フーリエ変換の有限サイズ）をもつシステムについて、そして、空間信号の周期的な広がりを仮定すれば、デルタ関数は単位のパルスとなる。ある程度一致した二つの信号を考えれば、それらのクロスパワースペクトル中の信号パワーは重ね合わせ点に位置する空間領域中のコヒーレントピークに大部分集中する。ノイズパワーはいくつかのコヒーレントピークにランダムに分布する。コヒーレントピークの振幅は二つの画像間の一致性についての直接的な測定基準となる。より正確には、コヒーレントピークにおけるパワーは重なり合っている区域の割合に対応し、他方、非コヒーレントピークにおけるパワーは重なり合っていない区域の割合に対応する。

ノイズ、特徴点の空間選択およびフィルタの効果
理想的には、関心のある特徴点のコヒーレンスが、周波数領域の全ての周波数において１となり、空間領域中の重ね合わせ点においてデルタパルスとなる。しかしながら、典型的には、ノイズが相関面を歪ませることとなる。これらのノイズには、背面反射ノイズ、キャリアドリフトやプロセス変化に起因する変動のような時間変動ノイズ（Ａ／Ｃノイズ）、不均一照明、不良画素、カメラのキズ、光路中のゴミやフォーカスずれのような固定パターンノイズ（Ｄ／Ｃノイズ）および（３）ランダムノイズが含まれる。

観察される信号はf_n(x, y)であり、そのフーリエ変換が F_n(x, y)である。ノイズ処理の目的は、コヒーレントピークを信号のみに収斂させることである。この目的を達成するために、主として、二つの方法、すなわち、（１）観察された信号から本来の信号f(x, y)あるいはその本来のフーリエ変換 F(x, y)を再現すること、および（２）可能な限りノイズを減らして、信号が部分的に除去あるいは減衰されるとしても、信号に収斂される確率を増大させること、がある。

ノイズを除去する第１の方法には各ノイズ源を備えたノイズモデリングが必要であり、典型的にはそれは異なったモデルを必要とする。第２の方法では、たとえ信号を除去あるいは減衰することがあろうとも、いかなる手段を用いてでもノイズを除去することに焦点が置かれており、操作に非常に多くの余裕がもたらされる。そこで、画像整合のタスクのためには、主に、第２の技術が用いられる。更に、空間領域および周波数領域の両方において問題を考えるのが有益である。耐ノイズ重ね合わせシステムの設計においては、次の観察所見を考慮した。

第１に、一般的には全ての周波数が等しく分布するので、周波数領域においては狭帯域ノイズをより容易に取り扱うことができる。

第２に、異なる照明の下で得られた画像データにおいては、通常、違いがゆっくり変化する。照明の不均一性は、通常、画像に跨る低周波数の変化として現われる。

また、周波数領域におけるキャリアドリフト、すなわち、空間領域における位相チルトは、低周波数である。ステージチルティング、ステージハイトにおけるゆっくりした変化およびプロセス変動は、殆ど、低周波数ノイズである。Ａ／Ｃノイズは、一般的には、低周波数である。焦点はずれのゴミもまた周波数領域の低域側にある。殆どの背面反射ノイズは比較的低周波数である。

典型的なランダムノイズは比較的高周波数である。低周波数ノイズおよび高周波数ノイズはともに、いかなる相互類似性の測定およびコヒーレントピークの収斂にとっても有害である。

高周波数の内容はコントラスト反転には依存しない。周波数ベースの技術は、スペクトルエネルギーの変化に敏感でないので、比較的シーンに依存せず、また、多重センサーを利用可能である。周波数位相情報のみが相関のために用いられ、それは各画像のホワイトニングに等しい。ホワイトニングは、明るさの線形変化に対しては不変であり、相関の測定基準を非依存性のものにする。

クロス相関は、ホワイトノイズがあれば、最適なものとなる。したがって、一般化された重み付け関数が、逆フーリエ変換前の位相差に導入される。重み付け関数は、所望のタイプのノイズ耐性に基づいて、選ぶことができる。そこで、位相相関や従来のクロス相関を含む一連の相関技術がある。

これらの理由のため、特徴点の空間としては、浮き彫りのエッジ、内在する構造の輪郭、顕著な特徴点などを利用することができる。エッジは、対象物の境界を特徴づけ、それ故、画像の整合および重ね合わせのために有用である。これらの特徴点を抽出するためになりそうないくつかのフィルタを以下に示す。

いくつかの実例において、相関ピークの高さを増加させるために、エッジを太くすることも望まれる。しかしながら、このプロセスもまた、相関ピークを広げることとなり、そのために重ね合わせの精度が低下する。それは、多重解像度系における低解像度での整合のためには、おそらく有用であろう。

一般的に、空間領域におけるエッジ強調フィルタの目的は、（１）情報内容を制御して、重ね合わせのフローに入ること、（２）特徴点の空間を変換すること、（３）顕著な特徴点のエッジ情報を捕捉すること、（４）信号の相関ピークをシャープにすること、（５）強度反転の問題を解決すること、および（６）エッジ検出、すなわち、第１の導関数よりも広い境界をもつことである。
空間領域における閾値化

エッジ強調画像は、典型的には、依然としてノイズを含んでいる。しかしながら、ノイズは、エッジ強度において、本来の構造よりもずっと弱く現われるので、エッジ強調された特徴点をさらに閾値化して小さいエッジ強度を持つ点を除去することができる。いくつかの実施態様においては、濾波された画像を閾値化することによって、殆どのＡ／Ｃノイズ、Ｄ／Ｃノイズおよびランダムノイズを除去することができる。

閾値化された後、好ましくは、閾値以下の点がそれらをゼロにすることによって無効にされ、他方、大きいエッジ強度をもつ残りの点がフィルタを通過して引き続く相関操作に入力される。特に、区域ベースの重ね合わせのロバスト性および信頼性を高めるためのエッジ強調は、特徴点ベースの技術から生まれた考え方である。しかしながら、特徴点ベースの技術と異なって、画像が閾値化されても二値画像となることはない。濾波された画像は、これらの強いエッジ点のエッジ強度値を保つようにすれば、依然としてグレイスケールデータである。このようにすることの利点は、異なるエッジ点のエッジ強度値がエッジの場所情報を帯びているということである。異なる場所情報は、相関プロセスにおいて異なって対応することになる。したがって、この技術によれば、重ね合わせの精度を保つことができる。

画像整合の信頼度
ここでは、相関面およびその面上のコヒーレントピークについて検討する。この検討において使用されているように、特徴点とは優勢な特徴点、すなわち、シーンにおける主たる特徴点のことである。ある相関面上には二つのタイプのピーク、すなわち、コヒーレントピークおよび非コヒーレントピークがある。特徴点に対応する全てのピークはコヒーレントであり、他の全てのピークは非コヒーレントである、すなわち、ノイズに対応している。

コヒーレントピークの例としては、次のようなものがある。
・ ＸおよびＹにおける周期ＴｘおよびＴｙをもつ周期信号は、同じ周期をもった多重の周期的コヒーレントピークを生成する。これらのピークは大体等しい強度をもち、おそらく中央で最も高く、また、エッジに向かって弱まっていく強度をもつピークである。
・ いかなる局部的に繰り返す信号もまた、多重のコヒーレントピークを生成する。最も高いコヒーレントピークは大体重ね合わせ点にあり、他の二次ピークの全ては局部的な特徴点の繰り返しに対応して存在する。
・ 多くの場合、相関面は、限定された帯域幅をもつシステムにおける離散フーリエ変換の有限サイズに起因するレスポンス特性として典型的に見られるSinc関数の性質を示す。メインローブはアルゴリズムが収斂するべき最も高いピークをもつが、ピークを持つ多重の二次ローブも存在する。

非コヒーレントピークは、ノイズがあると、発生する。ランダムノイズのパワーは、いくつかのコヒーレントピーク中にランダムに分布する。Ａ／ＣおよびＤ／Ｃノイズは、コヒーレントピークを偏倚し、歪ませ、また、分散させる。ノイズはまた、コヒーレントピークを響かせ、分岐させ、また、ぼやけさせる。

コヒーレントピークの振幅は、二つの画像間の一致性についての直接的な測定基準である。より正確には、コヒーレントピークにおけるパワーは重なり合う区域における優勢な特徴点の割合に対応し、他方、非コヒーレントピークにおけるパワーがノイズおよび重なり合っていない区域の割合に対応する。

したがって、次の二つの計量が開発され、画像整合の質を評価するために共に使用される。すなわち、第１は、第１のコヒーレントピークの高さであり、第２は、第１のコヒーレントピークとコヒーレントあるいは非コヒーレントのいずれかの第２のピークとの間の強度の差、すなわち、相関係数である。

これらの計量を使用することによりもたらされる付加的な利点は、それらが、アラインメント差を演算している間、既にリアルタイムに利用可能となっている相関面に基づいて演算されるということである。自動化された多重ＦＯＶサーチを要するウェハ回転アラインメントのような自動化されたターゲットサーチシステムにとって、リアルタイムの信頼度フィードバック信号がその成功の鍵となっているような殆どの画像整合の応用において、効率およびリアルタイムの速度は重大である。

サーチ空間および副画素モデリング
逆フーリエ変換後には相関面全体が既にサーチのために利用可能であるので、ここでの重ね合わせの実行において、往々にして、サーチ戦略のタスクは平凡なものとなる。重ね合わせ点は、絶対値相関面の最大ピークである。ピークのためには、全サーチ空間に跨る一回のスキャンで一般的に十分である。これが検出されるべき整数回の重ね合わせである。

整数個のピークおよび副画素オフセットの座標は、画像全体の最終的な重ね合わせオフセットを決定するために、用いられる。

実施例１
図１は、強度ベースの重ね合わせ方法の実行を示す。本方法は、テスト用強度画像10（第1の画像ともいう）および参照用強度画像12の準備から始まる。両画像は、それぞれ、エッジ強調14および16され、次いで、閾値化操作18および20を用いてエッジ強調画像からノイズが除去される。その後、画像はフーリエ変換22および24により変換される。

二つの変換された画像は、次いで、コヒーレンス関数演算26に用いられ、それに逆フーリエ変換28が適用される。次に、選択されたサーチ範囲内での絶対値操作30が実行される。次いで、信頼度演算32が実行され、その後、そこで得られた信頼度の値に基づいて画像整合の許容あるいは拒絶34が行われることとなる。信頼度値が許容範囲内であれば、重ね合わせプロセスは整数回の並進および副画素モデリング36に進み、画像整合の許容38が行われる。信頼度値が許容範囲内でなければ、新しいサーチの開始40が行われる。

実施例２
図2は、絶対値ベースの重ね合わせ方法の実行を示す。本方法は、テスト用ホログラム50および参照用ホログラム52の準備から始まる。両ホログラムは、それぞれ、フーリエ変換54および56により変換され、各画像にサイドバンド抽出58および60が適用される。次に、両画像は、それぞれ、バンドパスフィルタ62および64により濾波される。その後、その結果得られた画像は逆フーリエ変換66および68により変換され、得られた画像の各々に対して絶対値操作70および72が実行される。次いで、その結果に対して閾値化74および76が行われ、その後、フーリエ変換操作78および80により変換される。

次いで、二つの変換された画像はコヒーレンス関数演算82に用いられ、それに逆フーリエ変換84が適用される。次に、選択されたサーチ範囲内での絶対値操作86が実行される。次いで、信頼度演算88が実行され、その後、そこで得られた信頼度の値に基づいて画像整合の許容あるいは拒絶90が行われることとなる。信頼度値が許容範囲内であれば、重ね合わせプロセスは整数回の並進および副画素モデリング92に進み、画像整合の許容94が行われる。信頼度値が許容範囲内でなければ、新しいサーチの開始96が行われる。

実施例３
図3は、位相画像に基づく重ね合わせ方法の実行を示す。本方法は、テスト用ホログラム100および参照用ホログラム102の準備から始まる。両ホログラムは、それぞれ、フーリエ変換104および106により変換され、各画像にサイドバンド抽出108および110が適用される。次に、両画像は、それぞれ、ローパスフィルタ112および114により濾波される。その後、その結果得られた画像は逆フーリエ変換116および118により変換され、得られた画像の各々に対して位相操作120および122が実行される。次いで、その結果得られた画像に対して位相知覚による強調124および126が行われる。次いで、その結果に対して閾値化128および130が行われ、その後、フーリエ変換操作132および134により変換される。

次いで、二つの変換された画像はコヒーレンス関数演算136に用いられ、それに逆フーリエ変換138が適用される。次に、選択されたサーチ範囲内での絶対値操作140が実行される。次いで、信頼度演算142が実行され、その後、そこで得られた信頼度の値に基づいて画像整合の許容あるいは拒絶144が行われることとなる。信頼度値が許容範囲内であれば、重ね合わせプロセスは整数回の並進および副画素モデリング146に進み、画像整合の許容148が行われる。信頼度値が許容範囲内でなければ、新しいサーチの開始150が行われる。

実施例４
図４は、複合ベースの重ね合わせ方法の実行を示す。本方法は、テスト用ホログラム152および参照用ホログラム154の準備から始まる。両ホログラムは、それぞれ、フーリエ変換156および158により変換され、各画像にサイドバンド抽出160および162が適用される。次いで、得られた画像はバンドパスフィルタ164および166により濾波される。

次いで、二つの濾波された画像はコヒーレンス関数演算168に用いられ、それに逆フーリエ変換170が適用される。次に、選択されたサーチ範囲内での絶対値操作172が実行される。次いで、信頼度演算174が実行され、その後、そこで得られた信頼度の値に基づいて画像整合の許容あるいは拒絶176が行われることとなる。信頼度値が許容範囲内であれば、重ね合わせプロセスは整数回の並進および副画素モデリング178に進み、画像整合の許容180が行われる。信頼度値が許容範囲内でなければ、新しいサーチの開始182が行われる。

いくつかの実施態様においては、信頼度評価を解消して簡単化してもよい。一般的に、それは、（１）画像共役積により、すなわち、それら二つの画像の最大のありうべきパワーによりクロスパワースペクトル密度を正規化することなしに、コヒーレンス関数演算を置き換えること、および、（２）信頼度演算および許容／拒絶テストを解消すること、を含む。方法のうちの残りの部分は、基本的には、原方法におけるものと同じである。一例として、複合ベースの重ね合わせシステムを簡単化したものを図５に示す。

実施例５
図５は、複合ベースの重ね合わせ方法の簡単化された実行を示す。本方法は、テスト用ホログラム200および参照用ホログラム202の準備から始まる。両ホログラムは、それぞれ、フーリエ変換204および206により変換され、各画像にサイドバンド抽出208および210が適用される。次いで、その結果得られた画像はバンドパスフィルタ212および214により濾波される。

次いで、二つの濾波された画像は画像共役積216を決定するために用いられ、それに逆フーリエ変換218が適用される。次に、選択されたサーチ範囲内での絶対値操作220が実行される。重ね合わせプロセスは整数回の並進および副画素モデリング222に進み、画像整合の許容および報告224が行われる。

特定の応用のために一つの技術あるいは複数の技術の組み合わせを選択することは、システムエンジニアリング上の一つの選択であり、多くのファクターに依存する。重要なファクターには、要求される基本的機能性、全体としてのシステム最適化、利用可能なデータストリーム、フィルタリング実行の便益および可能性、ノイズフィルタリングおよびロバスト性の結果、総合システム速度およびコスト、システム信頼性がある。

実施例６
これらの原理を説明するために、以下の例を示す。
ランタイム欠陥検出
ランタイムウェハ検査への応用においては、システム速度および精度が最も重要である。このため、既に利用可能な複合周波数データストリームを使用するのが有利である。したがって、図6に示すように、重ね合わせを簡単化してもよい。

図6は、データストリームにおいてサイドバンドが利用可能である場合に、ホログラフィ複合画像を重ね合わせるための方法の実行を簡単化したものを示す。本方法は、テスト用サイドバンド250および参照用サイドバンド252の準備から始まる。両サイドバンドは、それぞれ、バンドパスフィルタ254および256により濾波される。

次いで、二つの濾波された画像は画像共役積258を決定するために用いられ、それに逆フーリエ変換260が適用される。次に、選択されたサーチ範囲内での絶対値操作262が実行される。重ね合わせプロセスは整数回の並進および副画素モデリング264に進み、画像整合の許容および報告266が行われる。

ウェハセンター検出（すなわち、ダイのゼロあるいは他の点の位置細分化）
図７は、ウェハ座標系のステージ座標系へのアラインメントに対して、いかに重ね合わせプロセスを適用するかを示す。ウェハ300がチャックに装着されており、画像は、記憶された参照パターンに整合するかもしれない候補位置において、捕捉される。その画像に対して以下に挙げた手続を実行して、参照用パターンの実際の位置とそのパターンの仮定された位置との間のオフセット（Δx 302、Δy 304）を決定する。第２ステップとして、重ね合わせ手続を繰り返して、ダイグリッド軸とステージ軸との間の回転角θ306を決定し、かつ、修正する。

この応用の特定の実施態様においては、次の完全版アルゴリズムを用いることができる。
「重ね合わせ（並進、信頼度、画像１、画像２、・・・）」
本アルゴリズムは、二つの画像（複合周波数、複合空間、絶対値、位相あるいは強度の）をそれらの並進差を演算することによって重ね合わせを行ない、かつ、うまく整合しているかどうかを伝えるリアルタイムの信頼度測定基準を返す。次の手続は、「ウェハセンター検出」および「回転角度検出」のために開発された。

テンプレートとしてイメージチップを仮定して（例えば、２５６×２５６）、以下のステップを実行する。
ステップ１：（実際のウェハセンターに近接した特徴点をもつイメージセグメントであると仮定しつつ）テンプレートが捉えられている現在の位置において、FOV 308すなわち画像１を捕捉する。
ステップ２：画像１のサイズにまでテンプレートをゼロ‐パディングする。
ステップ３：「重ね合わせ（並進、信頼度、画像１、パディングされたテンプレート、・・・）」を呼び出す。
ステップ４：（信頼度のmaxxCorr1st＞＝Ｔ１および信頼度の測定基準＞＝Ｔ２）ならば、ストップする。並進を出力し、かつ、ウェハセンターを演算する。
ステップ５：ステップ４で検出された並進に基づいた位置において、画像１から２５６×２５６のイメージチップを抽出する。
ステップ６：テンプレートおよび抽出されたイメージチップを用いてステップ３を繰り返す（２５６×２５６回重ね合わせを実行する）。
ステップ７：ステップ４を繰り返す。
ステップ８：Ｐ％の重なりをもつＦＯＶをその隣接部から捕捉することによって円形状サーチ311を実行し、ステップ３に行く。
ステップ９：ステップ４における条件が満足されるまで、ステップ４、ステップ５およびステップ６を繰り返すか、あるいは、予め定義されたサーチ範囲外であることの信号を出す。
ステップ１０：サーチ範囲内で整合が見出せなければ、不成功信号を出し、かつ、そのケースを処理する。

上述のステップは、四つのパラメータＴ１、Ｔ２、numSigmaおよびＰ％を利用している。Ｔ１は最小のCoors相関係数、Ｔ２は最小信頼度の値、numSigmaはエッジ強調後に重ね合わせシステム入る情報内容を制御するノイズ閾値、Ｐ％は隣接するＦＯＶを捕捉する際の重なりである。ある実施態様において、テンプレートをゼロ‐パディングする場合、重なり合った部分は、それが原テンプレートの一部を覆うことが必要であるにすぎないので、５０％×２５６画素以上であるべきである。実験によれば、サーチの成功のためには次の設定が代表的なものである。
Ｔ１＝０．４、Ｔ２＝０．１、numSigma＝３．５
他のパラメータは、リアルタイムの重ね合わせにおけるものと同じである。
いくつかの実施態様においては、パディングスキームをチルティングスキームで置き換えることもできる。

回転角度検出
回転角度検出を同定するためには、ウェハセンターを仮定し、以下のステップを実行する。
ステップ１：左方のウェハのセンターラインに沿って（これはワンステップアラインメントのためのエッジダイでもありうる）、FOV 310すなわち画像１を捕捉する。
ステップ２：右方のウェハのセンターラインに沿って、ウェハセンターに関して左方のＦＯＶと対称な他のFOV 312すなわち画像２を捕捉する。
ステップ３：「重ね合わせ（並進、信頼度、画像１、パディングされたテンプレート、・・・）」を呼び出す。
ステップ４：（信頼度のmaxxCorr1st＞＝Ｔ１および信頼度の測定基準＞＝Ｔ２）ならば、ストップする。並進を出力し、かつ、回転角度を演算する。
ステップ５：Ｐ％の重なりをもつ上方あるいは下方の他のＦＯＶを捕捉することによって螺旋状サーチを実行し、ステップ３に行く。
ステップ６：ステップ４における条件が満足されるまで、ステップ４およびステップ５を繰り返すか、あるいは、予め定義されたサーチ範囲外であることの信号を出す。
ステップ７：サーチ範囲内で整合が見出せなければ、不成功信号を出し、かつ、そのケースを処理する。
データは、回転の精度を保証するために、上記検出されたウェハセンターラインに沿って、あるいは、そのセンターに近接する平行なラインに沿って（そこでは、テンプレート画像が捕捉される場所のように特徴点が存在することを保証されている）、捕捉されるべきである。

パラメータは「ウェハセンター検出」におけるものと同じである。なお、一つの方向（螺旋状サーチの場合には、Ｙ）におけるＰ％の重なりは、最悪のケースのグリッディングにおいて一対のＦＯＶの間に（５０％＋Ｐ％／２）の重なり合った区域を保証することとなる（グリッディングとは、データが、その整合しているＦＯＶに対応する現実の位置に関して、実際に捕捉される場所である）。

上記した技術は、多くの有利な特徴を提供する。固定パターン（Ｄ／Ｃノイズ）、時間変化パターン（Ａ／Ｃノイズ）およびランダムノイズを含むノイズは、空間領域で実行される新規なフィルタにより、１００％まで除去されてもよい。このフィルタは、使用される異なったデータに対して異なった形式をとる。一般的には、それは、まず、高周波の空間的特徴点のエッジを強調する。強力な特徴点のみがそのフィルタを通過することができ、ノイズはプロセス外に取り残される。その後、未処理の強度／位相の代わりに、グレイスケールのエッジ強度データが引き続く相関プロセスにおいて使用される。

相関プロセスは、速度および効率のために、フーリエ領域で実行される。殆どの実施態様においては、高速フーリエ変換（ＦＦＴ）がフーリエ変換操作を実行するために使用される。

各整合のために、信頼度の値を用いるのが有益である。この信頼度の値は、２‐Ｄ相関面のピークパターンを用いて、定義される。この信頼度の値は、相関係数とともに、画像整合の質についての確かな測定基準を提供する。

多くの視野（ＦＯＶｓ）が正しいターゲットが整合されるまで必要とされることから、全自動化サーチのためのメカニズムを設けることもまた有益である。重ね合わせの演算プロセスの間に定義される信頼度によってそれぞれの動きの質を測定し、更にまた、整合を許容するか、あるいは、拒絶して新しいサーチを開始するためにもその信頼度の値を用いることができる。

自動化ウェハ回転アラインメントがいかなるウェハ回転エラーをも完全に自動化して修正する。これは、ウェハ検査システムにおける初期ウェハ設定にとって、重要である。それはオペレータによる設定時間を減らし、ウェハナビゲーションに必要な精度を実現する。重ね合わせシステムは、強固で、信頼性があり、かつ、効率的なウェハアラインメントのためのサブシステムを検査システムに提供する。

記述された方法によれば、各種の入力データの受け入れに柔軟性が増す。ＤＤＨウェハ回転アラインメントの場合、この方法は次の五つのデータを受け入れ、かつ、これらのデータに直接的に基づいて重ね合わせパラメータを演算する。それらは、a.複合周波数データ、b.複合空間データ、c.ホログラムから抽出された振幅データ、d. ホログラムから抽出された位相データ、および、e.強度‐オンリーのデータである。この柔軟性により、全体としてより信頼性があり、かつ、効率的なシステムを開発することができる。

ホログラフィ画像の比較
本発明は、対象物中の変化あるいは対象物間の差異を識別することを目的として、ホログラフィ画像を比較するためのシステムおよび方法をも含む。図８に示すように、概略的に340として描かれた画像処理システムは次の主要な成分要素を備えている。それらは、１）システム制御コンピュータ350にリンクしてコンピュータ制御される機械的位置決めシステム380、２）照明源を含む、ホログラム生成のための光学システム370、３）データ捕捉および処理用コンピュータシステム360、４）処理システム360の実行のために動作しうる処理用アルゴリズム、および、随意に含まれる、５）サブシステムの監視制御のためのシステム（特に図示しない）である。

画像処理システム340は、光学システムの視野（ＦＯＶ）内の対象物の第1の例について、６までの自由度（x、y、シータ、z、チップ、チルト）で、位置決めし、捕捉システム360によりディジタルホログラムを捕捉し、そして、第1ステージのホログラム処理を実行するように、動作する。その結果得られた画像の波動の中間表示は、一時バッファに蓄えられてもよい。

その後、位置決めシステム380は、ＦＯＶ内の新しい対象物のある新しい位置に移動するように、命令され、初期捕捉シーケンスが繰り返される。位置決めシステムがその新しい位置に対して用いる座標は、仮想マップおよび検査プランに基づいて導出される。このステップおよび捕捉シーケンスは、最初の対象物の第２の例が到達するまで、繰り返される。

好ましくは、位置決めシステム380と組み合わせて距離測定装置を使用し、対象物と測定装置との間の距離を表す一組の離散的な標本を発生する。その後、数学アルゴリズムを使用し、３以下の入力座標（x、y、シータ）の入力として与えられた３までの自由度（z、チップ、チルト）についてのターゲットの値を決定するためのルックアップ機能を備えたマップを発生する。

この点で、光学システム370が対象物の第2の例のホログラムを捕捉し、それを処理して画像の波動の中間表示を発生する。対応する第1の例の表示を一時バッファから引き出し、そして、二つの表示を整列し、かつ、濾波する。この点で、周波数領域における対象物の表示に対して特有の処理を施せば、多くの便益が実現される。これら二つの例の間で比較（参照用差分画像の記述）をとり、その結果を一時バッファに蓄えてもよい。対象物の第2の例を含む追加のＦＯＶについて、このプロセスを繰り返してもよい。

位置決めシステム380が対象物の第3の例に到達し、先の二つのステップ（中間表示および第2の例との比較）が完遂される。第１の例と第２の例との間の比較の結果を一時バッファから引き出し、そして、好ましくは、引き出された比較および現在の比較に対してノイズ抑圧およびソース論理アルゴリズムを適用することもできる。

次いで、その結果が分析され、概要の統計が作られてもよい。これらの結果は、監視制御装置に送られる。このサイクルが、対象物の新しい例が捕捉される度に、繰り返される。

複合画像間の差分の生成
本発明では、二つの画像間の差分を生成するための変更や修正も考えられている。
振幅差を利用してもよい。まず、両方の複合画像を、好ましくは、振幅表示に変換し、その結果得られた振幅（画素に関する）の間の差の絶対値を演算する。一つの実施態様において、これは画像処理される二つの表面の間の反射率における差を表す。

位相差を利用することもできる。まず、両方の複合画像を、好ましくは、位相表示に変換し、その結果得られた位相の値（画素に関する）の間の実効位相差を演算する。これは、記載されているように直接的にか、あるいは、二つの画像の画素単位の比率の位相をそれらが各々振幅に関して正規化された後に演算することによって、実行される。一つの実施態様において、これは画像処理される二つの表面の間の高さにおける差を表す。

また、ベクトル差を利用することもできる。まず、二つの画像を複素領域で直接引き算し、次いで、その結果得られた複素差分の振幅を演算する。この差分には振幅差および位相差の特色が都合よい方法で組み合わさっている。例えば、位相差がノイズを含むようである状況においては、振幅が小さいようであり、かくして、その結果得られたベクトル差に対する位相ノイズの影響を減ずることができる。
二つの連続する差分画像の整列および比較
本発明では、更に、二つの連続する差分画像について、いかなる差分が両方に共通であるかを決定するために、それらを整列し、かつ、比較することも考えられている。一方の差分画像を他方のものに整合させるためにシフトする量は、典型的には、もともと差分画像を演算するために実行した先行ステップから知ることができる。すなわち、画像Ａを画像Ｂに整合させるために量ａだけシフトして差分画像ＡＢを生成し、他方、画像Ｂを画像Ｃに整合させるために量ｂだけシフトして差分画像ＢＣを生成する。とすれば、画像ＢＣに整合させるために画像ＡＢをシフトする適当な量は、−ｂである。二つの差分画像がいかなる差分を共通に有するかを決定するための三つの代替アプローチを以下に述べる。

ある実施態様において、差分画像が閾値化され、二つの閾値化された画像のうちの一方が、最も近い完全な画素に概数化された適当な量だけシフトされる。そこで、共通な差分は、閾値化された差分画像のシフトされたものとシフトされないものとの論理和（すなわち、積）によって、表わされる。

他の実施態様においては、差分画像が、まず、閾値化の前に適当な量（副画素）だけシフトされ、次いで、その画像が閾値化される。そこで、共通な差分は、上記したような論理和（すなわち、積）によって、演算される。

更に他の実施態様においては、差分画像の一方が適当な量（副画素）だけシフトされ、閾値化の前に第2の画像と組み合わされる。二つの画像の組み合わせは、画素に関する相加平均および画素に関する相乗平均を含む、いくつかの数学的関数のいずれかでありうる。二つの差分画像を組み合わせた後、その結果が閾値化される。

好適な実施態様において、このステップは、ディジタルホログラフィ画像処理システム自体による直接的な画像捕捉およびメモリ転送としてか、あるいは、ディスクから捕捉されている画像を読み出すことによりオフラインプログラムでシミュレーションするかのいずれかによって、実行される。この特に好適な実施態様においては、画像は、１６ビットのグレイスケールとして蓄積されるが、カメラの全域がそうであることから１２ビットの実範囲（０‐４０９５）をもつ。

いくつかの実施態様において、サイドバンドのサーチ区域がパラメータとして定義される。ホログラムＦＦＴの係数をその定義された区域内で演算し、最大点の位置をキャリア周波数として選択する。サーチ区域は、全ての実行において関心のある領域（最大および最小のｘおよびyの値）として特定されてもよい。

特定の実施態様においては、見出された最大値の区域内でＦＦＴ係数を内挿することにより、キャリア周波数が副画素の精度まで演算される。その後、キャリア周波数の副画素配置を補正するために、サイドバンドを分離した後、位相‐オンリーの関数によってＦＦＴを変調する。

サイドバンドのサーチ区域は、フーリエ領域における関心のある領域として、あるいは、フーリエ領域内でサーチするのではなくｘおよびｙ軸から離れた多くの画素としてのいずれかに、特定されてもよい。いくつかの実施態様においては、このパラメータを選択的に修正することができる。代わりに、オプションとして、ユーザがマニュアルでサイドバンドの配置を設定することもでき、それは、キャリア周波数を全ての画像について用いることができる固定値に設定する。（特定の実施態様においては、サーチ区域を単一の点に設定することにより、同じ効果を達成することができる。）
一連の検査のために、キャリア周波数が安定であると仮定してもよく、したがって、ホログラムごとに演算し直す必要はない。キャリア周波数は、一度見出せばよいばかりでなく、同じ検査の間全ての引き続くホログラムのためにその周波数を使用することもできる。

このステップは簡単に実行される。なお、いくつかの実施態様においては、ＦＦＴから一象限を抽出するのではなく、ＦＦＴがキャリア周波数に再度中心を置き、元の解のままでよいようにされる。

その後、抽出されたサイドバンドを濾波してもよい。特定の実施態様においては、抽出されたサイドバンドにバターワースローパスフィルタを適用して、自動相関バンドからアリアジング効果を減少させ、かつ、画像中のノイズを低減させる。

好適な実施態様においては、バターワースフィルタが所定のパラメータおよび画像サイズについて一度だけ演算され、各画像とともに利用のために蓄えられるべきである。

好適な実施態様においては、フィルタ「サイズ」あるいは「半径」とも呼ばれるカットオフ周波数およびフィルタの次数が特定されなければならない。

軸外れフィルタが所望であれば、フィルタのセンターに対するオフセットベクトルもまた特定されるべきであり、また、このパラメータもまた選択的に調整可能であるべきである。ある好適な実施態様においては、処理用ソフトウェアに用いられるフィルタのタイプを選択するために、ローパスフィルタあるいはバンドパスフィルタのいずれを使用するかを指示するフラグが使用されてもよい。

いくつかの実施態様において、処理用ソフトウェアプログラムは、ローパスフィルタに代えてバンドパスフィルタを用いる能力を有する。特定の欠陥ウェハについての欠陥検出性能を改善するために、バンドパスフィルタを使用することは示されたことがある。バンドパスフィルタは、バターワースローパスおよびハイパスフィルタの直列多重化として、実現される。また、ハイパスフィルタが、「１−（マイナス）ローパスフィルタ」として定義され、ローパスフィルタと同じタイプの特定用パラメータを有することもできる。

結果として得られた複合画像の位相が十分に平坦でない（すなわち、画像を横切って多くの位相抑制がある）ならば、フラットフィールド補正を適用して結果を改善することもできる。これは、照明強度および（特に）背景位相における変動を補正するために、その複合画像を参照平坦面（ミラー）の複合画像によって割り算することからなる。

先の検査の進行中に、このステップを実行するために、フラットフィールドホログラムが処理されて複合画像となる。その進行から、その画像は蓄積され、かつ、画素に関して分割されて各複合画像になる。典型的には、複合画像を生成するために用いられるパラメータ（サイドバンドサーチ区域およびフィルタパラメータ）は、フラットフィールドホログラムに対しても、検査用ホログラムに対するものと同じである。

微分動作
微分動作は、二つの対応する複合画像間の差分を確認するために必要である。微分動作を実行する一つの好適な方法を以下に概説する。

二つの複合画像を得た後、それら二つの画像を、それらを直接引き算すればそれらの間のいかなる差も明らかとなるように、整列させる。この実施態様では、重ね合わせアルゴリズムが二つの画像のクロス相関に基づいている。重ね合わせアルゴリズムが二つの画像のクロス相関に基づいているので、それらの画像からＤＣレベルおよび低周波数の変動を除去して実行の改善を図ることもできる。これにより、鋭いエッジや特徴点についての高周波数の内容が、低周波数の変動のいかなる整列よりも、より顕著なものとなる。

このハイパスフィルタ動作のステップは簡単に実行される。使用されるハイパスフィルタのサイズは、ユーザが定義するか、あるいは、上記において適用されたローパスフィルタのサイズの一定割合として決定することができる。好ましくは、ハイパスフィルタは一度演算され、各画像への適用のために蓄積される。

ハイパスフィルタＨ_HPのカットオフ周波数および次数は、ユーザにより特定されるか、あるいは、ローパスフィルタのパラメータに対する予め定義された関係に固定されてもよい。いくつかの実施態様においては、ユーザに基づく変数を減少させるために、このステップのパラメータをローパスフィルタと一定の関係になるように限定することが望まれてもよい。

クロス相関面が最大となる位置の決定は、それをいくつかの異なる方法で達成することができる。一つの履行方法において、その最大値を中心とする３×３近接区域に二次の面を適合し、そして、適合された面の最大値の位置を求めることにより、内挿法を実行してもよい。もう一つの履行方法においては、各（xおよびy）方向において別々に三つの点を用いてこの内挿法を実行するというオプションもある。

典型的には、最大の重ね合わせオフセットを、通常、アラインメントを実現するために画像が互いに関連してシフトされるかもしれないいずれかの方向における画素の最大数として、特定しなければならない。

上述された重ね合わせシフトの量定により、重ね合わせプロセスが本質的に完了する。なお、このプロセスは上により丹念に述べられている重ね合わせプロセスに概して対応するものである。

このステップの実行は、数学的記述からみてかなり直接的なものである。絶対値‐位相正規化は、しばしば、よりコンピュータ演算上厳しいものであり、もし波面整合ステップが用いられるならば、不必要であるともいえる。波面整合が用いられる場合、波面整合は正規化の一形態であるので、正規化ステップを実行する必要は全くない。

いくつかの例においては、画像をシフトする際に境界の画素を取り扱うための実行上の違いとして、このステップが画像の隅から隅まで差を伝播するようにしてもよい。各種の実行の間でシフトの間の境界画素の取り扱いが同一となるまで、また、同一でない限り、波面整合ステップが画像中に差を生じることとなる。一般には、これらの差は極めて小さい。また、ＦＦＴにおける周期性の仮定のため、波面整合により境界付近に人工物を生じることがある。これらの人工物による効果は、欠陥から排除されるべき境界領域を越えて波及することがある。

このステップの実行は簡単である。なお、代わりの実施態様として、欠陥を検出するために位相差および絶対値差を用いてもよい。

差分画像のエッジ付近の画素は、人工物になりがちであるので、ゼロに設定し、それらの区域における欠陥の検出となることを予め排除する。画像の各エッジにおける特定された数の画素に含まれることとなるベクトル差画像における各画素を、ゼロに設定する。このため、ゼロにして消してしまう各エッジの画素数が特定されなければならないということになる。いくつかの実施態様において、画素数は、画素単位で、最大の許容された重ね合わせシフトに等しくなるように、採られる。

初期の閾値は、差分画像全体の標準偏差に基づいて、演算される。その一実行において、閾値は、更なる変化がなくなるまでその閾値を超えた画素を排除しながら標準偏差を演算し直すことによって、繰り返し修正される。これは、多くの欠陥をもつ画像に対する閾値を効果的に、時には極めて十分に、下げさせる。ある好適な実施態様においては、画像を閾値化するための標準偏差の倍数をユーザが特定する。

次に、その整列され、閾値化された差分画像に論理和動作を適用して、図２１に示すように、両方には現われないけれども検出されてしまう欠陥のいずれをも消去する。これは、偽の実在する欠陥の数を減らし、シーケンス中の正当な画像に欠陥を割り振る。

ある特定の実施態様において、二つの閾値化された画像の値は０か１のいずれかに限定されているので、それらの掛け算として論理和が実行される。
代わりの実施態様においては、整列および論理和のステップが閾値化の前に実行されるように、上述したステップが記憶されてもよく、代わりに、副画素整列が用いられてもよく、また、論理和ステップが真の掛け算となってもよい。
いくつかの実施態様においては、結果として生じる欠陥区域は、それらがあるサイズの閾値以下ならば、無視することもできる。また、それらの欠陥区域に形態学的操作を施して、それらの形状を「クリーンアップ」してもよい。形状の修正は、数学的形態学操作、すなわち、形態学的クロージングとして、実行してもよい。この演算子は次のように説明される。

正方形のカーネル（K）をもつ形態学的クロージングは、欠陥マップの形状修正のための最もありそうな操作である。

サイズ限定を、関連する各コンポーネントにおける画素数を計数することによって、実行してもよい。このステップは、おそらく、関連するコンポーネント分析と組み合わされることとなる。一つの実施態様において、形状修正には、数学的形態学操作、特に、３×３正方形のカーネルをもつ形態学的クロージングが利用される。

好適な実施態様においては、サイズ限定操作のために、受容する最小の欠陥サイズを特定しなければならない。いくつかの実施態様においては、ユーザがこのパラメータを修正してもよい。形状修正操作のために、ユーザが、形態学的演算子のタイプに加えて、カーネルのサイズおよび形状を特定しなければならない。加えて、ユーザが、一体、形状修正を用いるのかどうかについても、特定してもよい。

その後、関連するコンポーネントは、図２２に示すような絶対値画像、あるいは、図２３に示すような位相画像として、観察される。一つの実施態様において、関連するコンポーネントが結果のファイルにマップ化されて入れられ、また、それらの欠陥に対する基本的な統計が演算される。特定の実施態様においては、欠陥の境界付け四角形の座標のみが報告される。

開示された実施態様が詳細に説明されたが、各種の変形、置換および変更が、それらの精神および範囲から離れることなしに、それらの実施態様に対してなされることができる。

添付した図面に関連してなされる以下の記載を参照すれば、本発明の実施態様およびその利点をより完全に理解することができる。図面において、同じ参照番号は同じ要素を示している。

強度ベースの重ね合わせ方法を示すフロー図である。 絶対値ベースの重ね合わせ方法を示すフロー図である。 ホログラフィ位相画像のための重ね合わせ方法を示すフロー図である。 ホログラフィ複合画像のための重ね合わせ方法を示すフロー図である。 信頼度の値の演算を省いた簡易型の重ね合わせシステムのフロー図である。 ホログラフィ複合画像のための簡易型の重ね合わせシステムを示すフロー図である。 位置の細分化を決定するためのウェハの説明図である。 ディジタルホログラフィ画像処理システムを示す図である。 ＣＣＤカメラで捕捉されたホログラムの画像である。 縞の詳細を示す図１０の部分拡大図である。 高速フーリエ変換（ＦＦＴ）操作により変換されたホログラフィ画像である。 サイドバンドを示すホログラフィ画像である。 キャリア周波数を中心とするホログラムＦＦＴの１象限の図である。 バターワースローパスフィルタ適用後の図１４のサイドバンドを示す。 絶対値画像を示す。 位相画像を示す。 差分画像を示す。 第２の差分画像を示す。 閾値化された差分画像を示す。 第２の閾値化された差分画像を示す。 二つの閾値化された差分画像の論理和操作後の画像を示す。 欠陥のある絶対値画像を示す。 欠陥のある位相画像を示す。

Claims (33)

1. 対応する強度画像を重ね合わせるための方法であって、次のステップ
   第１の強度画像を供給し、
   第２の対応する強度画像を供給し、
   上記第１の強度画像および上記第２の強度画像にエッジ強調操作を別々に施し、
   上記第１の強度画像および上記第２の強度画像にノイズ除去用閾値化操作を別々に施し、
   フーリエ変換により上記第１の強度画像および上記第２の強度画像を別々に変換し、
   上記第１の強度画像および上記第２の強度画像を用いてコヒーレンス関数を演算し、
   逆フーリエ変換により上記コヒーレンス関数を変換し、
   上記変換されたコヒーレンス関数に絶対値操作を施し、
   上記絶対値操作に基づいて信頼度の値を計算し、そして、
   上記計算された信頼度の値を用いて上記第１の強度画像と上記重ね合わせとの間の一致性についての許容度を決定する
   を含む方法。
2. 請求項１の方法であって、更に、次のステップ
   ディジタルホログラフィ画像処理システムを用いて、第１の強度画像および第２の強度画像を供給する
   を含む方法。
3. 請求項１の方法において、
   信頼度の値を計算するステップが少なくとも一つの同一視されたコヒーレントピークを利用している
   方法。
4. 請求項１の方法において、
   信頼度の値を計算するステップが更に第１のコヒーレントピークおよび第２のピークの間の強度の差を決定することを含んでいる
   方法。
5. 対応するホログラフィ画像を重ね合わせるための方法であって、次のステップ
   第１のホログラフィ画像および第２の対応するホログラフィ画像を供給し、
   フーリエ変換により上記第１のホログラフィ画像および上記第２のホログラフィ画像を別々に変換し、
   上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像にサイドバンド抽出操作を別々に施し、
   バンドパスフィルタを用いて上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像を別々に濾波し、
   逆フーリエ変換により上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像を別々に変換し、
   上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像に絶対値操作を別々に施し、
   上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像にノイズ除去用閾値化を別々に施し、
   フーリエ変換により上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像を別々に変換し、
   上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像のコヒーレンス関数を計算し、
   逆フーリエ変換により上記コヒーレンス関数を変換し、
   上記の結果得られた変換されたコヒーレンス関数に絶対値操作を施し、
   上記絶対値操作に基づいて信頼度の値を計算し、そして、
   上記信頼度の値に基づいて上記第１のホログラフィ画像と上記第２のホログラフィ画像との間の一致性についての許容度を決定する
   を含む方法。
6. 請求項５の方法であって、更に、次のステップ
   ディジタルホログラフィ画像処理システムを用いて、第１のホログラフィ画像および第２のホログラフィ画像を供給する
   を含む方法。
7. 請求項５の方法において、
   信頼度の値を計算するステップが少なくとも一つの同一視されたコヒーレントピークを利用している
   方法。
8. 請求項５の方法において、
   信頼度の値を計算するステップが更に第１のコヒーレントピークおよび第２のピークの間の強度の差を決定することを含んでいる
   方法。
9. ホログラフィ画像を重ね合わせるための方法であって、次のステップ
   第１のホログラフィ画像および第２の対応するホログラフィ画像を供給し、
   フーリエ変換により上記第１のホログラフィ画像および上記第２のホログラフィ画像を別々に変換し、
   上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像にサイドバンド抽出操作を別々に施し、
   ローパスフィルタを用いて上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像を別々に濾波し、
   逆フーリエ変換により上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像を別々に変換し、
   上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像に位相操作を別々に施し、
   上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像に位相知覚によるエッジ強調操作を別々に施し、
   上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像にノイズ除去用閾値化を別々に施し、
   フーリエ変換により上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像を別々に変換し、
   上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像のコヒーレンス関数を計算し、
   逆フーリエ変換により上記コヒーレンス関数を変換し、
   上記の結果得られた変換されたコヒーレンス関数に絶対値操作を施し、
   上記絶対値操作に基づいて信頼度の値を計算し、そして、
   上記信頼度の値に基づいて上記第１のホログラフィ画像と上記第２のホログラフィ画像との間の一致性についての許容度を決定する
   を含む方法。
10. 請求項９の方法であって、更に、次のステップ
    ディジタルホログラフィ画像処理システムを用いて、第１のホログラフィ画像および第２のホログラフィ画像を供給する
    を含む方法。
11. 請求項９の方法において、
    信頼度の値を計算するステップが少なくとも一つの同一視されたコヒーレントピークを利用している
    方法。
12. 請求項９の方法において、
    信頼度の値を計算するステップが更に第１のコヒーレントピークおよび第２のピークの間の強度の差を決定することを含んでいる
    方法。
13. ホログラフィ画像を重ね合わせるための方法であって、次のステップ
    第１のホログラフィ画像および第２の対応するホログラフィ画像を供給し、
    フーリエ変換により上記第１のホログラフィ画像および上記第２のホログラフィ画像を別々に変換し、
    上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像にサイドバンド抽出操作を別々に施し、
    バンドパスフィルタを用いて上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像を別々に濾波し、
    上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像のコヒーレンス関数を計算し、
    逆フーリエ変換により上記コヒーレンス関数を変換し、
    上記の結果得られた変換されたコヒーレンス関数に絶対値操作を施し、
    上記絶対値操作に基づいて信頼度の値を計算し、そして、
    上記信頼度の値に基づいて上記第１のホログラフィ画像と上記第２のホログラフィ画像との間の一致性についての許容度を決定する
    を含む方法。
14. 請求項１３の方法であって、更に、次のステップ
    ディジタルホログラフィ画像処理システムを用いて、第１のホログラフィ画像および第２のホログラフィ画像を供給する
    を含む方法。
15. 請求項１３の方法において、
    信頼度の値を計算するステップが少なくとも一つの同一視されたコヒーレントピークを利用している
    方法。
16. 請求項１３の方法において、
    信頼度の値を計算するステップが更に第１のコヒーレントピークおよび第２のピークの間の強度の差を決定することを含んでいる
    方法。
17. ホログラフィ画像を重ね合わせるための方法であって、次のステップ
    第１のホログラフィ画像および第２の対応するホログラフィ画像を供給し、
    フーリエ変換により上記第１のホログラフィ画像および上記第２のホログラフィ画像を別々に変換し、
    上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像にサイドバンド抽出操作を別々に施し、
    バンドパスフィルタを用いて上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像を別々に濾波し、
    上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像の共役積を計算し、
    逆フーリエ変換により上記共役積を変換し、
    上記の結果得られた変換された共役積に絶対値操作を施し、
    上記絶対値操作に基づいて信頼度の値を計算し、そして、
    上記信頼度の値に基づいて上記第１のホログラフィ画像と上記第２のホログラフィ画像との間の一致性についての許容度を決定する
    を含む方法。
18. 請求項１７の方法であって、更に、次のステップ
    ディジタルホログラフィ画像処理システムを用いて、第１のホログラフィ画像および第２のホログラフィ画像を供給する
    を含む方法。
19. 請求項１７の方法において、
    信頼度の値を計算するステップが少なくとも一つの同一視されたコヒーレントピークを利用している
    方法。
20. 請求項１７の方法において、
    信頼度の値を計算するステップが更に第１のコヒーレントピークおよび第２のピークの間の強度の差を決定することを含んでいる
    方法。
21. ホログラフィ画像を重ね合わせるための方法であって、次のステップ
    第１のホログラフィ画像および第２の対応するホログラフィ画像を供給し、
    フーリエ変換により上記第１のホログラフィ画像および上記第２のホログラフィ画像を別々に変換し、
    上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像にサイドバンド抽出操作を別々に施し、
    バンドパスフィルタを用いて上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像を別々に濾波し、
    上記の結果得られた第１のホログラフィ画像および第２のホログラフィ画像の共役積を計算し、
    逆フーリエ変換により上記共役積を変換し、
    上記の結果得られた変換された共役積に絶対値操作を施し、そして、
    上記の結果得られた絶対値画像に整数回の並進および副画素モデリング操作を施す
    を含む方法。
22. 請求項２１の方法であって、更に、次のステップ
    ディジタルホログラフィ画像処理システムを用いて、第１のホログラフィ画像および第２のホログラフィ画像を供給する
    を含む方法。
23. ディジタルホログラフィ画像処理システムにおいてテスト用ホログラフィ画像および参照用ホログラフィ画像を重ね合わせるための方法であって、次のステップ
    上記テスト用画像からテスト用サイドバンドを、また、上記参照用画像から参照用サイドバンドを供給し、
    バンドパスフィルタを用いて上記テスト用サイドバンドおよび上記参照用サイドバンドを別々に濾波し、
    上記の結果得られたテスト用サイドバンドおよび参照用サイドバンドの共役積を計算し、
    逆フーリエ変換により上記共役積を変換し、
    上記の結果得られた変換された共役積に絶対値操作を施し、そして、
    上記の結果得られた絶対値画像に整数回の並進および副画素モデリング操作を施す
    を含む方法。
24. 請求項２３の方法であって、更に、次のステップ
    ディジタルホログラフィ画像処理システムを用いて、上記テスト用ホログラフィ画像および上記参照用ホログラフィ画像を供給する
    を含む方法。
25. 対応するホログラフィ画像を比較するための方法であって、次のステップ
    第１のホログラフィ画像を獲得し、
    上記第１のホログラフィ画像に対応する第２のホログラフィ画像を獲得し、
    上記第１のホログラフィ画像および上記第２のホログラフィ画像を比較して、第１の差分画像の記述を獲得し、
    上記第２のホログラフィ画像に対応する第３のホログラフィ画像を獲得し、
    上記第２のホログラフィ画像および上記第３のホログラフィ画像を比較して、第２の差分画像の記述を獲得し、そして、
    上記第１の差分画像および上記第２の差分画像の記述を比較する
    を含む方法。
26. 請求項２５の方法であって、更に、次のステップ
    周波数領域において、上記第１のホログラフィ画像、上記第２のホログラフィ画像および上記第３のホログラフィ画像を比較する
    を含む方法。
27. 請求項２５の方法であって、更に、次のステップ
    空間領域において、上記第１のホログラフィ画像、上記第２のホログラフィ画像および上記第３のホログラフィ画像を比較する
    を含む方法。
28. 第１の複合画像および第２の対応する複合画像の間の差分を生成するための方法であって、次のステップ
    上記第１の複合画像および上記第２の複合画像を振幅表示に変換し、そして、
    上記の結果得られた振幅表示間の差分の絶対値を演算する
    を含む方法。
29. 第１の複合画像および対応する第２の複合画像の間の位相差を生成するための方法であって、次のステップ
    上記第１の複合画像および上記第２の複合画像を第１の位相画像および第２の位相画像に変換し、そして、
    上記第１の位相画像および上記第２の位相画像の間の実効的な位相差を演算する
    を含む方法。
30. 第１の複合画像および第２の対応する複合画像の間の差分を生成するための方法であって、次のステップ
    複素空間において、上記第１の複合画像および上記第２の複合画像を引き算し、そして、
    上記の結果得られた複素差分の振幅を演算する
    を含む方法。
31. ディジタルホログラフィ画像処理システムにおいて差分画像間の共通の差分を決定するための方法であって、次のステップ
    第１の差分画像および第２の差分画像を閾値化し、そして、
    シフトされる方の閾値化された画像とシフトされない方の閾値化された画像との論理和によって上記両差分画像間の共通な差分が表示されるように、上記閾値化された画像のうちの一つを選択された量だけシフトする
    を含む方法。
32. ディジタルホログラフィ画像処理システムにおいて差分画像間の共通の差分を決定するための方法であって、次のステップ
    上記差分画像のうちの一つを選択された量だけシフトし、
    上記シフトされた差分画像を閾値化し、そして、
    シフトされたが閾値化されていない画像とシフトされ、かつ、閾値化された画像との論理和をとることによって、上記共通な差分を演算する
    を含む方法。
33. ディジタルホログラフィ画像処理システムにおいて二つの対応する差分画像間の共通の差分を決定するための方法であって、次のステップ
    上記第１の差分画像を選択された量だけシフトし、
    上記シフトされた画像を上記第２の画像と組み合わせ、そして、
    上記組み合わされた画像を閾値化する
    を含む方法。

Images