JP2008157843A - ノイズ成分除去方法 - Google Patents

Abstract

【課題】本発明の目的は、多点スペクトルデータの信号成分の欠落を最小限にしつつ、ノイズ成分を除去することのできるノイズ成分除去方法を提供することにある。
【解決手段】試料面の測定部位を測定（Ｓ１０）して得られた多点スペクトルデータよりノイズ成分を除去するノイズ成分除去方法において、部分最小二乗法の濃度変数としてスペクトル情報以外で該測定部位の特性を表す特性情報を数値化したもの（Ｓ１２）及び該部分最小二乗法の独立変数としてスペクトル情報を用いて該多点スペクトルデータを該部分最小二乗法により多変量解析し、該測定部位の多点スペクトルデータの構成成分を固有値の高い順に求めるＰＬＳ解析工程（Ｓ１４）と、該構成成分のうち固有値が所定値よりも低い構成成分を除いて該多点スペクトルデータを再構築するスペクトル再構築工程（Ｓ１６）と、を備えたことを特徴とするノイズ成分除去方法。
【選択図】図１

Description

本発明はノイズ成分除去方法、特に多点スペクトルデータの信号成分とノイズ成分との分離手法の改良に関する。

従来より、試料面上を面分析をして得られたマッピングデータや時間変化データ等の多点スペクトルデータから、ノイズ成分の除去が行われている。
従来は、多点スペクトルデータに対してスムージングを行うにより、多点スペクトルデータからノイズ幅を減少させていたが、スペクトルのピーク高さが低くなる、波数がずれる等の問題を含んでいた。

また、従来は、主成分分析（ＰＣＡ）を用いて、多点スペクトルデータのノイズの除去を行うことも考えられる。従来のノイズ成分除去方法は、試料面の測定部位を測定して得られた多点スペクトルデータを主成分分析し、多点スペクトルデータをそれぞれの構成成分に分離する。分離された構成成分のうち、下位の構成成分を除いて、多点スペクトルデータを再構築することにより、多点スペクトルデータからノイズ成分を除去している。
従来は、このようなノイズ成分除去方法を、例えばデータの積算に対して行っている（例えば特許文献１参照）。また、従来は、特許文献１に記載のノイズ成分除去方法を面積に対して応用しているものもある。
特開２０００−７４８２６号公報

しかしながら、本発明者らによれば、前記主成分分析によるノイズ成分除去方法にあっても、多量の多点スペクトル内で、一つのスペクトルのみの形状が異なる場合、例えばマッピングデータ内に一点異なる物質成分がある場合、一点の異なるスペクトルの再構築が困難であることがわかった。
このため、下位のスペクトル（信号成分）の欠落は、改善の余地が残されていたものの、従来は、これを解決することのできる適切な技術が存在しなかった。
本発明は前記従来技術の課題に鑑みなされたものであり、その目的は、多点スペクトルデータの信号成分の欠落を最小限にしつつ、ノイズ成分を除去することのできるノイズ成分除去方法を提供することにある。

本発明者らが多点スペクトルデータからのノイズ成分除去について鋭意検討を重ねた結果、多点スペクトルデータに対して、スペクトル情報及び該スペクトル情報以外で試料面の各測定部位の特性を表す情報で重み付けをし、ＰＬＳ解析を行うことにより、多量の多点スペクトル内で、一つのスペクトルのみの形状が異なる場合であっても、該スペクトルを欠落することなく残して、多点スペクトルデータの再構築を行うことができることを見出し、本発明を完成するに至った。

すなわち、前記目的を達成するために、本発明にかかるノイズ成分除去方法は、試料面の測定部位を測定して得られた多点スペクトルデータより、ノイズ成分を除去するノイズ成分除去方法において、濃度変数算出工程と、ＰＬＳ解析工程と、スペクトル再構築工程と、を備えることを特徴とする。
ここで、前記濃度変数算出工程は、部分最小二乗法の濃度変数として、前記試料面の測定部位のスペクトル情報以外で該測定部位の特性を表す特性情報を数値化したものを得る。
また、前記ＰＬＳ解析工程は、前記部分最小二乗法の濃度変数として前記濃度変数算出工程で求められた濃度変数、及び前記部分最小二乗法の独立変数として該スペクトル情報を用いて、該測定部位の多点スペクトルデータを該部分最小二乗法により多変量解析し、構成成分を固有値の高い順に求める。
前記スペクトル再構築工程は、前記ＰＬＳ解析工程で求められた構成成分のうち、固有値が所定値よりも低い構成成分を除いて、多点スペクトルデータを再構築する。

ここにいう多点スペクトルデータとは、試料面の各測定部位を測定して得られた複数の波数での値（光強度等）よりなるマッピングデータの場合と、複数の時間での値（光強度等）よりなる時間変化データの場合とを含めていう。

なお、本発明においては、前記解析工程が、ローディング・スコア算出工程と、固有値計算・判定工程とを備えることが好適である。
ここで、前記ローディング・スコア算出工程は、前記試料面の測定部位に関する多点スペクトルデータの構成成分のローディング及びスコアを求める。
また、前記固有値計算・判定工程は、前記ローディング・スコア算出工程で求められた構成成分のローディング及びスコアに基づいて、該構成成分の固有値を計算し、固有値に基づいて多点スペクトルデータの構成成分を、固有値の高い順に分類する。
そして、前記スペクトル再構築工程は、前記ＰＬＳ解析工程で求められた多点スペクトルデータの構成成分のうち、固有値が所定値よりも低い構成成分を除いて、固有値が所定値以上の構成成分を用いて、多点スペクトルデータを再構築する。

また、本発明においては、前記濃度変数算出工程が、前記濃度変数として、前記試料面の測定部位に関して、多点スペクトルデータを解析した結果を数値化したスペクトル解析値、該多点スペクトルデータを主成分分析した結果を数値化した主成分解析値、及び試料面を撮像した画像上での測定部位の画像解析値よりなる群より選択された一以上の情報を用いることが好適である。

本発明においては、前記濃度変数算出工程が、前記スペクトル解析値として、前記試料面の測定部位での、ピーク高さ、ピーク面積、シフト量、エネルギー値、及びＳＢ面積値よりなる群より選択された一以上の情報を用いることが好適である。
ここにいう試料面の測定部位での、ＳＢ面積値とは、試料面の測定部位を透過したときの光源強度をいう。

本発明においては、前記濃度変数算出工程が、前記主成分解析値として、前記試料面の測定部位での、主成分分析によるスコア、ノイズ成分除去後のピーク高さ、ノイズ成分除去後のピーク面積よりなる群より選択された一以上の情報を用いることが好適である。
すなわち、主成分分析に用いる主成分数を少なくした場合、下位成分はノイズ成分と共に除去されることもある。この場合でも、上位成分は残っているので、上位成分固有のピークをキーバンドとすることで、ピーク高さや面積の値は有意な値になるからである。
また、主成分分析に用いる主成分数を多くした場合、下位成分を除去することなくノイズ成分を除去することができることがある。この場合、主成分分析によるノイズ成分を除去後のピーク高さや面積の値は除去前の値と大きく変わらないが、ノイズ成分を取り除いているため、より真のピーク高さや面積の値になるからである。

本発明においては、前記濃度変数算出工程は、前記画像解析値として、前記画像上での各測定部位に関する、輝度、赤値、緑値、及び青値よりなる群より選択された一以上の情報を用いることが好適である。

本発明にかかるノイズ成分除去方法によれば、試料面の測定部位の多点スペクトルデータに対して、スペクトル情報及び該スペクトル情報以外で該測定部位の特性を表す特性情報で重み付けをして、部分最小二乗法による多変量解析を行うことにより、該多点スペクトルデータの構成成分を、固有値と共に求めるＰＬＳ解析工程と、該構成成分のうち固有値の低い構成成分を除いて多点スペクトルデータを再構築するスペクトル再構築工程と、を備えることとしたので、多点スペクトルデータの信号成分の欠落を最小限にしつつ、ノイズ成分を除去することができる。

以下、図面に基づき本発明の好適な一実施形態について説明する。
図１には本発明の一実施形態にかかるノイズ成分除去方法を行うためのノイズ成分除去装置の概略構成が示されている。
同図に示すノイズ成分除去装置１０は、例えばコンピュータ１２よりなり、試料面の各測定部位を測定して得られた多点スペクトルデータセットより、ノイズ成分を除去する。
このために本実施形態のノイズ成分除去装置１０は、濃度変数算出手段１４と、ＰＬＳ解析手段１６と、スペクトル再構築手段１８と、を備える。

ここで、濃度変数算出手段１４は、スペクトル解析部２０と、ＰＣＡ解析部２２と、画像解析部２４とを備え、本発明の濃度変数算出工程（Ｓ１２）を行う。
また、ＰＬＳ解析手段１６は、ローディング・スコア算出部２６と、固有値計算・判定部２８とを備え、本発明のＰＬＳ解析工程（Ｓ１４）を行う。
スペクトル再構築手段１８は、本発明のスペクトル再構築工程（Ｓ１６）を行う。

なお、本実施形態においては、多点スペクトルデータセットを得るために、マッピング測定装置（スペクトルデータ取得手段）３０を備えている。マッピング測定装置３０としては、例えばマッピング測定可能なマルチチャンネル赤外顕微鏡等の分光測定装置を用いている。
また、本実施形態においては、コンピュータ１２が、さらに、ディスプレイ等の表示手段３２と、キーボードやマウス等の入力手段３４と、記憶手段３６とを備える。

本実施形態にかかるノイズ成分除去方法を行うためのノイズ成分除去装置１０は概略以上のように構成され、以下にその作用について説明する。
すなわち、本実施形態においては、試料面の各測定部位の多点スペクトルデータに対して、測定部位のスペクトル情報、及び該スペクトル情報以外で該測定部位の特性を表す特性情報で重み付けをし、ＰＬＳ解析を行うことにより、該測定部位の多点スペクトルデータを各構成成分に分離し、また、分離された各構成成分の固有値を求めている。
本実施形態においては、スペクトル情報以外で測定部位の特性を表す特性情報で重み付けをしているため、多量の多点スペクトル内で、一つのスペクトルのみの形状が異なる場合であっても、それがスペクトルであれば、ノイズ成分に比較し、固有値が突出してくるので、ノイズ成分との分類を確実に行うことができる。これにより、本実施形態においては、多点スペクトルデータを再構築する際に、下位成分のスペクトルであっても、これを確実に残すことができる。
次に、本実施形態においては、多点スペクトルデータの構成成分のうちの、固有値が所定値よりも低いものを除いて、多点スペクトルデータを再構築することにより、多点スペクトルデータの信号成分の欠落を最小限にしつつ、ノイズ成分を確実に除去することができる。

以下に、前記本実施形態の作用について、具体的に説明する。
すなわち、本実施形態においては、同図に示されるように、スペクトルデータ取得工程（Ｓ１０）と、濃度変数算出工程（Ｓ１２）と、ＰＬＳ解析工程（Ｓ１４）と、スペクトル再構築工程（Ｓ１６）とを備えている。

すなわち、スペクトルデータ取得工程（Ｓ１０）では、マッピング測定装置３０で、試料面をマッピング測定しており、試料面を複数の測定部位（微小領域）に分割し、試料面の各測定部位からの分光スペクトルデータを測定している。測定された分光スペクトルデータは、試料面の各測定部位の位置情報と共に、記憶手段３６に記憶されている。
スペクトルデータ取得工程（Ｓ１０）を行うことにより、多点スペクトルデータセットを得ることができる。

濃度変数算出工程（Ｓ１２）では、部分最小二乗法（ＰＬＳ法）を行うのに必要な濃度変数を得ている。濃度変数として、試料面の各測定部位で得られた多点スペクトルデータ、つまり複数の波数での光強度（スペクトル情報）以外で、試料面の各測定部位の特性を表す特性情報を数値化したものを用いている。本実施形態においては、マッピング測定装置３０で試料面を撮像して得られた画像をコンピュータ１２の画像解析部２４で解析し、画像上での各測定部位の輝度値を得ている。このようにして得られた各測定部位の輝度値に応じた演算値を、濃度変数に関するデータセットとして用いている。

前記濃度変数の算出後、ＰＬＳ解析工程（Ｓ１４）を行う。
すなわち、ＰＬＳ解析工程（Ｓ１４）では、濃度変数算出工程（Ｓ１２）で得られた濃度変数に関するデータセット、及び独立変数に関する多点スペクトルデータセットを、ＰＬＳ法により多変量解析することにより、試料面上の一つの測定部位に関する多点スペクトルデータを各構成成分に分離し、また、各構成成分の固有値を求めている。
このために本実施形態においては、ローディング・スコア算出工程（Ｓ２０）と、固有値計算・判定工程（Ｓ２２）と、を行う。
すなわち、ローディング・スコア算出工程（Ｓ２０）では、試料面の測定部位ごとに、多点スペクトルデータの構成成分のローディング及びスコアを求める。
また、固有値計算・判定工程（Ｓ２２）では、試料面の測定部位ごとに、ローディング・スコア算出工程（Ｓ２０）で求められた構成成分のローディング及びスコアに基づいて、該構成成分の固有値を計算する。
そして、本実施形態においては、固有値が所定値よりも低い構成成分をノイズ成分と判断し、固有値が所定値以上の構成成分を信号成分と判断する。

前記解析の後、スペクトル再構築工程（Ｓ１６）を行う。
すなわち、スペクトル再構築工程（Ｓ１６）では、ＰＬＳ解析工程（Ｓ１４）で求められた構成成分のうち、固有値が所定値よりも低い構成成分を除いて、多点スペクトルデータを再構築する。
これを試料面の各測定部位について同様に行い、各測定部位の、多点スペクトルデータ（再構築）から、試料面の多点スペクトルデータセットの再構築を行うことができる。

本実施形態においては、例えば図２に示されるような試料面の多点スペクトルデータセットの再構築を行うことができる。
なお、同図において、Ｘ（ｍ、ｎ）は、多点スペクトルデータセット、
Ａ（ｍ、ｎ）は、再構築多点スペクトルデータセット、
Ｅ（ｍ，ｎ）は、ノイズ成分、
ｒは、因子数、
Ｐは、ローディング
Ｔは、スコアー
ｍは、標本数（測定部位の数）、
ｎは、スペクトルデータ点数（スペクトルデータでの波数の数）である。
同図に示されるような再構築多点スペクトルデータセットＡによれば、試料面に関して、下位のスペクトル成分（信号成分）の欠落を大幅に低減しつつ、ノイズ成分の除去された良好な面分析結果を得ることができる。

以下に、本実施形態のノイズ成分除去方法を、ＰＥＴ製品における不純物の検査に用いた例について、説明する。
本実施形態では、試料面として、図３（Ａ）に示されるように測定部位ｓ_９に不純物であるシリコンを仕込んでおり、それ以外の部位にＰＥＴが存在するものを想定している。
これを撮像することにより、同図（Ｂ）に示されるような、試料面の各測定部位に関する画像情報を得ている。同図より、試料面を観察すると、シリコンが存在する測定部位ｓ_９は、視覚的にも、他の測定部位とは明らかに異なる。
次に、画像情報をコンピュータで画像解析し、画像上での、試料面の各測定部位の輝度値を得ている。同図（Ｃ）より、スペクトル情報以外の画像情報である輝度値に関しても、シリコンのある測定部位ｓ_９は、他の測定部位とは明らかに異なる（測定部位ｓ_９の輝度値ｂ_２＞他の測定部位の輝度値ｂ_１）。
このようにして得られた各測定部位の輝度値に基づいてＰＬＳ法に必要な濃度変数のデータセットを算出している。
以下に、これを用いて、多点スペクトルデータのＰＬＳ解析を行う例について説明する。

＜上位スペクトル成分＞
まず、多量のＰＥＴ部位の多点スペクトルデータのＰＬＳ解析について、図４を参照しつつ、検討する。
多量のＰＥＴ部位の一つである測定部位ｓ_１３の輝度値に応じた濃度変数を用いて、同図（Ａ）に示されるような測定部位ｓ_１３の多点スペクトルデータｘ_１３の多変量解析を行い、測定部位ｓ_１３の多点スペクトルデータｘ_１３を、構成成分ｃ_１、構成成分ｃ_２、構成成分ｃ_３に分離する。
ここで、多点スペクトルデータｘ_１３の各構成成分ｃ_１〜ｃ_３に関して、輝度への寄与（影響）は大きくないが、構成成分ｃ_１のスペクトルへの寄与（影響）は、他の成分と大きく異なり極めて大であり、固有値の高い順に、例えば構成成分ｃ_１、構成成分ｃ_３、構成成分ｃ_２が求められる。
このため、測定部位ｓ_１３の多点スペクトルデータｘ_１３の多変量解析を行うことにより求められた各構成成分ｃ_１〜ｃ_３のうちの、固有値が所定値よりも低い構成成分ｃ_２及び構成成分ｃ_３が除かれるが、固有値が所定値以上の高い構成成分ｃ_１を残して、測定部位ｓ_１３の多点スペクトルデータを再構築する。これを、再構築多点スペクトルデータａ_１３とする。
このように測定部位ｓ_１３の多点スペクトルデータｘ_１３から、ノイズ成分を確実に除去することができるので、本実施形態のノイズ成分除去方法を行う前と比較して、ＰＥＴ情報を強調して得ることができる。

＜下位スペクトル成分＞
一方、シリコン成分がＰＥＴ成分に比較してスペクトルへの寄与（影響）に関して、ノイズ成分と同様、下位成分の場合、従来方式では、シリコン成分とノイズ成分との区別がつきにくい場合があり、多点スペクトルデータの再構築の際に、シリコン成分をノイズ成分と共に除去してしまうことがあるので、良好な面分析結果が得られない場合がある。
すなわち、従来方式（ＰＣＡ）によるノイズ成分除去方法では、図５（Ａ）に示されるようにＰＥＴにシリコンが仕込まれている測定部位ｓ_９の多点スペクトルデータｘ_９をＰＣＡによる多変量解析を行い、測定部位ｓ_９の多点スペクトルデータｘ_９を、構成成分ｃ_１、構成成分ｃ_２、構成成分ｃ_３に分離する。
ここで、ＰＣＡでは、スペクトル情報のみを見ているので、シリコン成分に関する情報を含む構成成分ｃ_２は、ＰＥＴ成分に関する情報を含む構成成分ｃ_１に比較し、ノイズ成分である構成成分ｃ_３と同様、下位の成分となる。
このため、従来方式を用いたのでは、測定部位ｓ_９の多点スペクトルデータｘ_９のＰＣＡによる多変量解析を行うことにより求められた構成成分のうち、固有値が所定値よりも低い構成成分ｃ_２及び構成成分ｃ_３を除いて、測定部位ｃ_２の多点スペクトルデータを再構築する。これを、再構築多点スペクトルデータａ_９´とする。
この結果、測定部位ｓ_９においては、実際のところ、ＰＥＴにシリコンが仕込まれているにもかかわらず、再構築された多点スペクトルデータａ_９´からは、ノイズ成分と共にシリコンに関するスペクトル情報も欠落してしまう。

これに対し、本実施形態のノイズ成分除去方法を示す同図（Ｂ）では、測定部位ｓ_９の輝度値に応じた濃度変数を用いて、ＰＬＳによる多点スペクトルデータｘ_９の多変量解析を行い、測定部位ｓ_９の多点スペクトルデータｘ_２を、構成成分ｃ_１、構成成分ｃ_２、構成成分ｃ_３に分離する。
ここで、スペクトル情報だけを見ると、同図（Ｂ）に示される構成成分ｃ_２の寄与（影響）は、同図（Ａ）に示した構成成分ｃ_２の寄与（影響）と同様、下位のレベルにあるが、本実施形態においては、スペクトル情報に加えて、輝度情報をも用いて、重み付けをしており、測定部位ｓ_９の多点スペクトルデータｘ_９に対しては、他の部位のものよりも大きい重み付けをしている。このため、シリコン成分である構成成分ｃ_２が構成成分ｃ_３と同等の低いレベルにあっても、シリコン成分である構成成分ｃ_２の固有値は、ノイズ成分である構成成分ｃ_３の固有値よりも突出してくる。
このため、多変量解析の結果も、同図（Ｂ）に示されるように、シリコン成分である構成成分ｃ_２のレベルが、同図（Ａ）のものに比較しアップするので、スペクトル成分である構成成分ｃ_１，ｃ_２を残して、ノイズ成分である構成成分ｃ_３を除いて、測定部位ｓ_９の多点スペクトルデータを再構築することができる。これを、再構築多点スペクトルデータａ_９とする。
このようにして測定部位ｓ_９の多点スペクトルデータｘ_９から、シリコンに関するスペクトルが欠落してしまうのを大幅に低減しつつ、ノイズ成分のみを確実に除去することができる。

以上、本実施形態を用いた多変量解析では、輝度情報をも用いて、重み付けをしているので、スペクトル成分である構成成分ｃ_２の固有値はノイズ成分である構成成分ｃ_３の固有値と比較して突出している。このため、スペクトルに関してはノイズ成分と同等の下位レベルのシリコン成分であっても、これを残してスペクトルデータの再構築が行えるので、マッピングデータ内に１点異なる成分がある場合であっても、この１点に関するスペクトル成分を残しつつ、ノイズ成分のみを確実に除去することができる。

このようなノイズ成分除去の違いは、面分析結果にも違いを生じる。
すなわち、従来方式では、例えば図６（Ａ）に示されるようなマッピング図が得られるが、試料面に比較し各測定部位の領域が小さくなるにつれ、広い試料面内で一つの微小な測定部位（一つの点）のみが異なる場合は、それに関係するスペクトルの再構築が困難である。このため同図（Ａ）に示されるようなマッピング図からも、一つのスペクトル成分に関する情報も欠落してしまうので、測定部位ｓ_９にシリコンが仕込まれているのを見つけるのは困難である。
これに対し、本実施形態では、同図（Ｂ）に示されるようなマッピング図が得られるので、各測定部位が小さくなっても、一つの点、例えば測定部位ｓ_９にシリコン成分があることを確実に見つけることができる。この結果、例えばＰＥＴ製品の検査において不純物が混在しているか否かを、また、不純物が混在している場合には、その不純物の部位が例えば測定部位ｓ_９であり、また、その不純物がシリコン成分であることと見つけることができるので、良好な面分析結果を得ることができる。

以上、本実施形態によれば、ノイズ幅を大幅に低減させることができる。これにより、本実施形態においては、マッピングデータの２次元図や時間変化スペクトル等の品位が向上するので、検索のヒット率等を上げることができる。
また、本実施形態によれば、ＰＬＳ法により多点スペクトルデータのノイズ幅が低減され、つまりＳ／Ｎの向上が図られ、データの積算回数を減らすことができるので、測定時間を短縮することができる。
したがって、本実施形態によれば、多点スペクトルデータセットからのノイズ成分の除去を、スペクトル（信号成分）の欠落を最小限にしつつ、実行することできる。

濃度変数
なお、本実施形態では、ＰＬＳ法に必要な濃度変数として、試料面を撮像した画像上での各測定部位の、輝度値を用いた例について説明したが、本発明はこれに限定されるものでなく、Ｒ値（赤値）、Ｇ値（緑値）、及びＢ値（青値）よりなる群より選択された一以上の画像情報を用いることも好ましい。

また、本実施形態の濃度変数としては、スペクトル情報以外で、試料面の各測定部位の特性を表す情報を数値化したものであれば、任意の情報を用いることができるが、例えば下記のスペクトル解析値、ＰＣＡ解析値よりなる群より選択された一以上の情報を用いることが好ましい。

すなわち、本実施形態のスペクトル解析値としては、試料面の各測定部位に関する多点スペクトルデータを解析した結果を数値化したものを用いることも好ましい。このスペクトル解析値としては、ピーク高さ、ピーク面積、シフト量、エネルギー値、及びＳＢ面積値（試料面の測定部位を透過したときの光源強度）よりなる群より選択された一以上の情報を用いることが好ましい。

また、本実施形態のＰＣＡ解析値としては、試料面の各測定部位に関する多点スペクトルデータを主成分分析した結果を数値化したものを用いることも好ましい。このＰＣＡ解析値としては、主成分分析によるスコア、ノイズ成分除去後のピーク高さ、ノイズ成分除去後のピーク面積よりなる群より選択された一以上の情報を用いることも好ましい。

本発明の一実施形態にかかるノイズ成分除去方法を行うための装置の概略構成、及び該方法の処理手順の説明図である。 本発明の一実施形態にかかるノイズ成分除去方法において特徴的な多点スペクトルデータセットの説明図である。 本発明の一実施形態にかかるノイズ成分除去方法において特徴的な濃度変数算出工程の説明図である。 本発明の一実施形態にかかるノイズ成分除去方法において特徴的な解析工程及び再構築工程の説明図である。 本発明の一実施形態及び従来方式を用いた場合のノイズ成分除去結果の比較説明図である。 本発明の一実施形態にかかるノイズ成分除去方法及び従来方式を用いた場合の面分析結果の比較説明図である。

符号の説明

１０ ノイズ成分除去装置
１２ コンピュータ
１４ 濃度変数算出手段
１６ ＰＬＳ解析手段
１８ スペクトル再構築手段
３０ マッピング測定装置（スペクトルデータ取得手段）

Claims (6)

1. 試料面の測定部位を測定して得られた多点スペクトルデータより、ノイズ成分を除去するノイズ成分除去方法において、
   部分最小二乗法の濃度変数として、前記試料面の測定部位のスペクトル情報以外で該測定部位の特性を表す特性情報を数値化したものを得る濃度変数算出工程と、
   前記部分最小二乗法の濃度変数として前記濃度変数算出工程で求められた濃度変数、及び前記部分最小二乗法の独立変数として該スペクトル情報を用いて、該測定部位の多点スペクトルデータを該部分最小二乗法により多変量解析し、該測定部位の多点スペクトルデータの構成成分を固有値の高い順に求めるＰＬＳ解析工程と、
   前記ＰＬＳ解析工程で求められた構成成分のうち、固有値が所定値よりも低い構成成分を除いて、前記測定部位の多点スペクトルデータを再構築するスペクトル再構築工程と、
   を備えたことを特徴とするノイズ成分除去方法。
2. 請求項１記載のノイズ成分除去方法において、
   前記ＰＬＳ解析工程は、前記試料面の測定部位に関する多点スペクトルデータの構成成分のローディング及びスコアを求めるローディング・スコア算出工程と、
   前記ローディング・スコア算出工程で求められた構成成分のローディング及びスコアに基づいて該構成成分の固有値を計算し、固有値に基づいて多点スペクトルデータの構成成分を固有値の高い順に分類する固有値計算・判定工程と、
   を備え、前記スペクトル再構築工程は、前記ＰＬＳ解析工程で求められた多点スペクトルデータの構成成分のうち、固有値が所定値よりも低い構成成分を除いて、固有値が所定値以上の構成成分を用いて、多点スペクトルデータを再構築することを特徴とするノイズ成分除去方法。
3. 請求項１又は２記載のノイズ成分除去方法において、
   前記濃度変数算出工程は、前記濃度変数として、前記試料面の各測定部位に関して、多点スペクトルデータを解析した結果を数値化したスペクトル解析値、該多点スペクトルデータを主成分分析した結果を数値化した主成分解析値、及び該試料面に関する画像上での各測定部位の画像解析値よりなる群より選択された一以上の情報を用いることを特徴とするノイズ成分除去方法。
4. 請求項３記載のノイズ成分除去方法において、
   前記濃度変数算出工程は、前記スペクトル解析値として、前記試料面の各測定部位での、ピーク高さ、ピーク面積、シフト量、エネルギー値、及びＳＢ面積値よりなる群より選択された一以上の情報を用いることを特徴とするノイズ成分除去方法。
5. 請求項３記載のノイズ成分除去方法において、
   前記濃度変数算出工程は、前記主成分解析値として、前記試料面の各測定部位での、主成分分析によるスコア、ノイズ成分除去後のピーク高さ、ノイズ成分除去後のピーク面積よりなる群より選択された一以上の情報を用いることを特徴とするノイズ成分除去方法。
6. 請求項３記載のノイズ成分除去方法において、
   前記濃度変数算出工程は、前記画像解析値として、前記画像上での各測定部位に関する、輝度、赤値、緑値、及び青値よりなる群より選択された一以上の情報を用いることを特徴とするノイズ成分除去方法。

Images