JP2021129043A - 検査装置、検査方法、及びプログラム - Google Patents

Abstract

【課題】回路パターンが疎な領域を含む場合にも欠陥の誤検出を抑制する。
【解決手段】実施形態によれば、検査装置は、第１画像に対応する第２画像を生成する画像生成装置と、第１画像に対する第２画像の欠陥を検出する画像欠陥検出装置と、を備える。第１画像及び第２画像の各々は、複数の画素を含む複数の部分領域を含む。画像欠陥検出装置は、第１画像と第２画像との輝度差に基づいて、第１画像と第２画像との間の位置差を示す第１値を複数の部分領域毎に推定し、第１値の信頼度を示す第２値を複数の部分領域毎に推定し、各々が複数の部分領域毎に推定された第１値及び第２値に基づいて、第１画像と第２画像との間の位置差を全ての画素毎に推定する。
【選択図】図４

Description

本発明の実施形態は、半導体装置の製造に使用されるマスクの欠陥を検出可能な検査装置に関する。

半導体装置に設けられる回路パターンの検査においては、正しい状態か否かを評価する基準となる基準画像と、実際に取得された被検査画像とを比較、演算することによって、両者の差分画像を生成する処理が行われる。被検査画像に欠陥が全く存在しない場合、差分画像はほぼ一定の階調を有する平坦な画像となる。一方、欠陥が存在する場合、差分画像には、その欠陥と同じ位置に、周囲に対して顕著な明暗の変化を持つパターンが出現する。

被検査画像には、原理上避けられない原因や、検査時の環境に起因して、位置ずれ、及び空間的な歪みが含まれる。この場合、上述のように生成した差分画像には、本来欠陥ではないにも関わらず、周囲に対して顕著な明暗の変化を持つ擬似欠陥と呼ばれるパターンが生じ得る。

疑似欠陥による欠陥の誤検出を抑制するために、回路パターンの比較によって位置ずれ及び歪みを計測、推定する様々な手法が提案されている。しかしながら、回路パターンが疎な領域では、位置ずれや空間的な歪みが精度良く推定されない可能性がある。

特許第３９６５１８９号公報 特許第５７７１５６１号公報 特開２０１９−１５８４０５号公報

本発明が解決しようとする課題は、回路パターンが疎な領域を含む場合にも欠陥の誤検出を抑制することができる検査装置、検査方法、及びプログラムを提供することを目的とする。

実施形態によれば、検査装置は、第１画像に対応する第２画像を生成する画像生成装置と、上記第１画像に対する上記第２画像の欠陥を検出する画像欠陥検出装置と、を備える。上記第１画像及び上記第２画像の各々は、複数の画素を含む複数の部分領域を含む。上記画像欠陥検出装置は、上記第１画像と上記第２画像との輝度差に基づいて、上記第１画像と上記第２画像との間の位置差を示す第１値を上記複数の部分領域毎に推定し、上記第１値の信頼度を示す第２値を上記複数の部分領域毎に推定し、各々が上記複数の部分領域毎に推定された上記第１値及び上記第２値に基づいて、上記第１画像と上記第２画像との間の位置差を全ての画素毎に推定する。

第１実施形態に係る検査装置の全体構成の一例を説明するためのブロック図。 第１実施形態に係る検査装置の実画像データ生成装置のハードウェア構成の一例を説明するための模式図。 第１実施形態に係る検査装置の画像欠陥検出装置のハードウェア構成の一例を説明するためのブロック図。 第１実施形態に係る検査装置の画像欠陥検出装置の機能構成の一例を説明するためのブロック図。 第１実施形態に係る検査装置の全体動作の一例を説明するためのフローチャート。 第１実施形態に係る検査装置の画像欠陥検出装置における画像欠陥検出動作の一例を説明するためのフローチャート。 第１実施形態に係る検査装置の画像欠陥検出装置における補正動作の一例を模式的に説明するためのダイアグラム。 第１実施形態に係る検査装置の画像欠陥検出装置における信頼度付きローカルシフト量推定動作が適用される被検査画像データの一例を説明するための模式図。 第１実施形態に係る検査装置の画像欠陥検出装置における信頼度推定動作の一例を説明するためのダイアグラム。 第１実施形態に係る検査装置の画像欠陥検出装置における歪み量推定動作の一例を説明するための模式図。 第１実施形態の変形例に係る検査装置の画像欠陥検出装置における信頼度推定動作の一例を説明するためのダイアグラム。 第２実施形態に係る検査装置の画像欠陥検出装置における信頼度推定動作の一例を説明するためのダイアグラム。 第２実施形態の変形例に係る検査装置の画像欠陥検出装置における信頼度推定動作の一例を説明するためのダイアグラム。 第３実施形態の変形例に係る検査装置の画像欠陥検出装置における信頼度推定動作の一例を説明するためのダイアグラム。 変形例に係る検査装置の実画像データ生成装置のハードウェア構成の一例を説明するための模式図。

以下、図面を参照して実施形態について説明する。なお、以下の説明において、同一の機能及び構成を有する構成要素については、共通する参照符号を付す。

１． 第１実施形態
第１実施形態に係る検査装置について説明する。

第１実施形態に係る検査装置は、例えば、半導体装置の欠陥を検査する欠陥検査装置を含む。半導体装置は、例えば、ＮＡＮＤ型フラッシュメモリ等の半導体記憶装置を含む。

１．１ ハードウェア構成
まず、第１実施形態に係る検査装置のハードウェア構成について説明する。

１．１．１ 全体構成
第１実施形態に係る検査装置の全体構成について説明する。

図１は、第１実施形態に係る検査装置の全体構成の一例を示すブロック図である。図１に示すように、検査装置１は、実画像データ生成装置１０と、設計画像データ生成装置３０と、画像欠陥検出装置５０と、を備える。

実画像データ生成装置１０は、例えば、半導体装置（図示せず）上に転写されたパターンの電子画像を実画像データとして生成可能な走査型電子顕微鏡（ＳＥＭ：Scanning electron Microscope）としての機能を有する。実画像データ生成装置１０は、生成した実画像データを画像欠陥検出装置５０に送出する。

設計画像データ生成装置３０は、半導体装置上に転写されるパターンの設計データに基づき、当該パターンの設計画像データを生成する機能を有する。設計データは、例えば、ＣＡＤ（Computer-aided design）データ等の形式で予め設計画像データ生成装置３０内に記憶される。設計画像データ生成装置３０は、当該設計データを画像欠陥検出装置５０における画像欠陥処理に適用可能なデータ形式（設計画像データ）に変換した後、画像欠陥検出装置５０に送出する。

画像欠陥検出装置５０は、実画像データ生成装置１０から実画像データを、設計画像データ生成装置３０から設計画像データをそれぞれ受ける。画像欠陥検出装置５０は、同一のパターンについて生成された複数の実画像データ同士の組、又は実画像データと設計画像データとの組、を被検査画像データと参照画像データとの組とみなす。被検査画像データとは、欠陥検出の対象となる画像データであることを示す。参照画像データとは、被検査画像データについて欠陥検出を行う際の基準となる画像データであることを示す。画像欠陥検出装置５０は、被検査画像データと、当該被検査画像データに対応する参照画像データと、を比較することにより、被検査画像データに存在する欠陥を検出する。そして、画像欠陥検出装置５０は、被検査画像データに検出された欠陥に基づき、パターンに存在する欠陥を特定する。

１．１．２ 実画像データ生成装置のハードウェア構成
次に、第１実施形態に係る検査装置の実画像データ生成装置のハードウェア構成について説明する。

図２は、第１実施形態に係る実画像データ生成装置のハードウェア構成を説明するための模式図である。図２では、実画像データ生成装置１０の一例として、ＳＥＭのハードウェア構成が模式的に示されている。

図２に示すように、実画像データ生成装置１０は、例えば、電子源１０２と、複数の集束レンズ１０３及び１０４と、複数の走査コイル１０５及び１０６と、対物レンズ１０７と、ステージ１０８と、センサ１０９と、を備え、これらがチャンバ１０１内に格納され構成されている。

電子源１０２から射出された電子線は、加速された後に集束レンズ１０３及び１０４、並びに対物レンズ１０７によって、ステージ１０８上に載置された半導体装置１１０の表面に電子スポットとして集束する。走査コイル１０５及び１０６は、半導体装置１１０上における電子スポットの位置を制御する。

センサ１０９は、例えば、半導体装置１１０上から反射した電子を検出する。実画像データ生成装置１０は、検出された電子を図示しないプロセッサにおいて処理し、半導体装置１１０上のパターンに係る実画像データ（すなわち、図示しないマスクによってパターンが転写された半導体装置１１０の電子像）を生成する。生成された実画像データは、画像欠陥検出装置５０に送出される。

なお、上述の通り、実画像データ生成装置１０によって生成される実画像データは、画像欠陥検出装置５０において、被検査画像データとしても参照画像データとしても使用され得る。すなわち、同一のパターン同士を比較する場合、当該同一パターンについて生成された複数の実画像データの組が、被検査画像データと、参照データと、の組とみなされ得る。このような実画像データの使用方法は、ダイとダイとの比較（ＤＤ（Die to die）比較）とも呼ばれる。一方、あるマスクによって形成されたパターンと、設計データ上のパターンとを比較する場合、実画像データ生成装置１０によって生成される実画像データと、設計画像データ生成装置３０によって生成される設計画像データとの組が、被検査画像データと、参照データと、の組とみなされ得る。このような実画像データ及び設計画像データの使用方法は、ダイとデータベースとの比較（ＤＢ（Die to database）比較）とも呼ばれる。

１．１．３ 画像欠陥検出装置のハードウェア構成
次に、第１実施形態に係る検査装置の画像欠陥検出装置のハードウェア構成について説明する。図３は、第１実施形態に係る検査装置の画像欠陥検出装置のハードウェア構成を説明するためのブロック図である。

図３に示すように、画像欠陥検出装置５０は、制御部５１、記憶部５２、表示部５３、ドライブ５４、及び通信部５５を備えている。

制御部５１は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等を含み、画像欠陥検出装置５０全体の動作を制御する。

記憶部５２は、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）等の補助記憶装置である。記憶部５２には、画像欠陥検出装置５０で実行される画像欠陥検出プログラム５２１が記憶される。また、記憶部５２には、画像欠陥検出プログラム５２１が実行される際に必要な入力情報として、例えば、参照画像データ５２２及び被検査画像データ５２３が記憶される。

画像欠陥検出プログラム５２１は、被検査画像データ５２３から、参照画像データ５２２に対して有意に相違する点を欠陥として検出する画像欠陥検出処理を、画像欠陥検出装置５０に実行させるためのプログラムである。なお、画像欠陥検出処理の詳細については、後述する。

表示部５３は、例えば、表示画面（例えば、ＬＣＤ（Liquid Crystal Display）又はＥＬ（Electroluminescence）ディスプレイ等）等を含む。表示部５３は、制御部５１によって実行された画像欠陥検出プログラム５２１の実行結果をユーザに出力する。

ドライブ５４は、例えば、ＣＤ（Compact Disk）ドライブ、ＤＶＤ（Digital Versatile Disk）ドライブ等であり、記憶媒体５４１に記憶されたプログラムを読込むための装置である。ドライブ５４の種類は、記憶媒体５４１の種類に応じて適宜選択されてよい。上記画像欠陥検出プログラム５２１は、この記憶媒体５４１に記憶されていてもよい。

記憶媒体５４１は、コンピュータその他装置、機械等が記録されたプログラム等の情報を読取り可能なように、当該プログラム等の情報を、電気的、磁気的、光学的、機械的又は化学的作用によって蓄積する媒体である。画像欠陥検出装置５０は、この記憶媒体５４１から、画像欠陥検出プログラム５２１を取得してもよい。

通信部５５は、画像欠陥検出装置５０と、実画像データ生成装置１０及び設計画像データ生成装置３０を含む外部と、の通信を司る通信インタフェースである。通信部５５は、例えば、実画像データ及び設計画像データを外部から受け、記憶部５２に記憶させる。また、通信部５５は、画像欠陥検出プログラム５２１の実行結果として生成された比較結果を外部に出力する。

１．２ 機能構成
次に、第１実施形態に係る検査装置の機能構成について説明する。

１．２．１ 画像欠陥検出装置の機能構成
第１実施形態に係る検査装置の画像欠陥検出装置の機能構成について説明する。

画像欠陥検出装置５０の制御部５１は、例えば、記憶部５２に記憶された画像欠陥検出プログラム５２１をＲＡＭに展開（load）する。そして、制御部５１は、ＲＡＭに展開された画像欠陥検出プログラム５２１をＣＰＵにより解釈及び実行して、各構成要素を制御する。

図４は、第１実施形態に係る検査装置の画像欠陥検出装置の機能構成のうち、画像欠陥検出処理に係る部分を説明するためのブロック図である。

図４に示すように、画像欠陥検出装置５０は、参照画像データ５２２及び被検査画像データ５２３に基づいて画像欠陥検出処理を実行する際、グローバルシフト量推定部５０１、信頼度付きローカルシフト量推定部５０２、歪み量推定部５０３、補正部５０４、及び比較部５０５を備えるコンピュータとして機能する。なお、以下の説明では、参照画像データ５２２及び被検査画像データ５２３は、互いに交差するＸ軸及びＹ軸から構成されるＸＹ平面上に展開される画素の輝度値の集合であるものとして説明する。より具体的には、参照画像データ５２２の座標（ｘ、ｙ）における輝度値は、Ｉ_Ｒ（ｘ、ｙ）と表し、被検査画像データ５２３の座標（ｘ、ｙ）における輝度値は、Ｉ_Ｓ（ｘ、ｙ）と表す。

グローバルシフト量推定部５０１及び信頼度付きローカルシフト量推定部５０２は、２つの画像データ間の誤差を最も小さくするシフト量Ｓを推定する機能を有する。より具体的には、例えば、グローバルシフト量推定部５０１及び信頼度付きローカルシフト量推定部５０２は、以下の式（１）にしたがって評価値Ｅを算出する。

ここで、２つの画像データの評価範囲は、Ｎ×Ｎ個の画素により構成される範囲（０≦ｘ、ｙ≦Ｎ−１）であるとする。

グローバルシフト量推定部５０１及び信頼度付きローカルシフト量推定部５０２は、算出した評価値Ｅを最小にするシフト量Ｓ＝（ｓ_ｘ、ｓ_ｙ）を推定する。これにより、一方の画像データを他方の画像データに対しシフトさせた場合に、２つの画像データの評価範囲全体における輝度差が最も整合するシフト量Ｓが推定される。このような２つの画像データ間の線形マッチング手法は、ＳＳＤ（Sum of squared difference）マッチングとも呼ばれる。なお、以下に説明する通り、シフト量Ｓは、例えば、グローバルシフト量Ｓ１及びローカルシフト量Ｓ２を含む。

グローバルシフト量推定部５０１は、上述のＳＳＤマッチングを参照画像データ５２２及び被検査画像データ５２３の全体に適用して、グローバルシフト量Ｓ１＝（ｓ１_ｘ、ｓ１_ｙ）を推定する。グローバルシフト量推定部５０１は、グローバルシフト量Ｓ１を補正部５０４に送出する。

信頼度付きローカルシフト量推定部５０２は、上述のＳＳＤマッチングを、補正部５０４から受けた第１補正済み参照画像データ及び被検査画像データ５２３に含まれる部分領域に適用して、ローカルシフト量Ｓ２を推定する。例えば、信頼度付きローカルシフト量推定部５０２は、第１補正済み参照画像データ及び被検査画像データ５２３をＭ個の部分領域に等分割し、当該分割された第１補正済み参照画像データ及び被検査画像データ５２３の組の各々についてＳＳＤマッチングを適用する（Ｍは自然数）。これにより、信頼度付きローカルシフト量推定部５０２は、Ｍ個のローカルシフト量Ｓ２（Ｓ２_１＝（ｓ２_ｘ１、ｓ２_ｙ１）、Ｓ２_２＝（ｓ２_ｘ２、ｓ２_ｙ２）、…、及びＳ２_Ｍ＝（ｓ２_ｘＭ、ｓ２_ｙＭ））を推定する。信頼度付きローカルシフト量推定部５０２は、ローカルシフト量Ｓ２を歪み量推定部５０３に送出する。

また、信頼度付きローカルシフト量推定部５０２は、ローカルシフト量Ｓ２の推定に際して、当該Ｍ個のローカルシフト量Ｓ２に対応するＭ個の信頼度ｗ（ｗ_１、ｗ_２、…、及びｗ_Ｍ）を更に推定する。信頼度付きローカルシフト量推定部５０２は、ローカルシフト量Ｓ２と共に、信頼度ｗを歪み量推定部５０３に送出する。なお、信頼度ｗは、例えば、０以上１以下の実数であり（０≦ｗ≦１）、Ｍ個のローカルシフト量Ｓ２同士の相対的な確からしさを示す。すなわち、１に近い信頼度ｗに対応づけられたローカルシフト量Ｓ２ほど確からしく、０に近い信頼度ｗに対応づけられたローカルシフト量Ｓ２ほど、正しいシフト量でない可能性が高い、と見なされる。信頼度ｗは、対応するローカルシフト量Ｓ２の重みを決定するための重み付け係数ｗと言い換えてもよい。

歪み量推定部５０３は、信頼度付きローカルシフト量推定部５０２から受けたＭ個のローカルシフト量Ｓ２、及びＭ個の信頼度ｗに基づき、歪み量ベクトルＣ_ｄを推定する。歪み量ベクトルＣ_ｄは、２つの画像データ間の対応する画素間の位置の歪み量ｄを任意の次数の多項式で表現した場合の係数を、ベクトル形式で表現したものである。具体的には、例えば、歪み量ｄが二次の多項式で表現される場合、歪み量ベクトルＣ_ｄは、６個の係数（ｃ_ｄ１、ｃ_ｄ２、ｃ_ｄ３、ｃ_ｄ４、ｃ_ｄ５、ｃ_ｄ６）からなる列ベクトルとして表現される。この場合、画像データ内の任意の位置（ｘ、ｙ）における画素の位置の歪み量ｄ＝（ｄ_ｘ（ｘ、ｙ）、ｄ_ｙ（ｘ、ｙ））は、係数ｃ_ｄ１〜ｃ_ｄ６を用いて、以下の式（２）にしたがって算出される。

歪み量推定部５０３は、推定した歪み量ベクトルＣ_ｄを補正部５０４に送出する。なお、歪み量ベクトルＣ_ｄの推定手法の詳細については、後述する。

補正部５０４は、グローバルシフト量推定部５０１からグローバルシフト量Ｓ１を受けると、当該グローバルシフト量Ｓ１を参照画像データ５２２に適用し、第１補正済み参照画像データを生成する。補正部５０４は、第１補正済み参照画像データを信頼度付きローカルシフト量推定部５０２に送出する。また、補正部５０４は、歪み量推定部５０３から歪み量ベクトルＣ_ｄを受けると、当該歪み量ベクトルＣ_ｄ及びグローバルシフト量Ｓ１を参照画像データ５２２に適用し、第２補正済み参照画像データを生成する。補正部５０４は、第２補正済み参照画像データを比較部５０５に送出する。

なお、補正部５０４は、第１補正済み参照画像データ及び第２補正済み参照画像データが整数グリッドの画像データとなるようにリマッピング（再配置）してもよい。リマッピング手法としては、正順方向のリマッピングに限らず、逆方向のリマッピングが適用可能である。正順方向のリマッピングは、例えば、補正済み参照画像データを実数グリッドから整数グリッドとなるように変換する手法である。また、逆方向のリマッピングは、整数グリッドの補正前参照画像データから補間によって実数の輝度値を求め、これを整数グリッドの補正済み参照画像データに変換する手法である。逆方向のリマッピングは、正順方向のリマッピングと同等に演算量を軽減させつつ、正順方向のリマッピングよりも量子化誤差を低減可能である。

比較部５０５は、第２補正済み参照画像データ及び被検査画像データ５２３を補正部５０４から受けると、当該第２補正済み参照画像データと、被検査画像データ５２３とを比較し、当該比較結果をユーザに提示する。より具体的には、例えば、比較部５０５は、第２補正済み参照画像データと、被検査画像データ５２３との画素毎の輝度値の差分をＸＹ平面上にマッピングし、当該輝度値の差分が所定の閾値より大きい点を欠陥部分として抽出する。比較部５０５は、抽出された欠陥部分と共に、ＸＹ平面上にマッピングされた輝度値の差分の画像データを比較結果としてユーザに提示する。

なお、図４では図示が省略されているが、グローバルシフト量推定部５０１によるグローバルシフト量Ｓ１の推定処理、又は信頼度付きローカルシフト量推定部５０２によるローカルシフト量Ｓ２及び信頼度ｗの推定処理に先立ち、参照画像データ５２２及び被検査画像データ５２３に対して、推定用前処理が施されてもよい。例えば、推定用前処理は、主として２つの画像データに含まれるノイズを低減するノイズフィルタとして機能する。具体的には、例えば、推定用前処理にはガウシアンブラー（Gaussian blur）処理が適用可能である。

また、図４では図示が省略されているが、比較部５０５による比較処理に先立ち、参照画像データ５２２及び被検査画像データ５２３に対して、比較用前処理が施されてもよい。例えば、比較用前処理は、推定用前処理と同様、主として２つの画像データに含まれるノイズを低減するノイズフィルタとして機能する。具体的には、例えば、比較用前処理にはＮＬＭ（Non-local means）処理が適用可能である。なお、推定用前処理に適用されるノイズ除去処理（例えば、ガウシアンブラー処理）と、比較用前処理に適用されるノイズ除去処理（例えば、ＮＬＭ処理）とは、重複して適用されない。

１．２ 動作
次に、第１実施形態に係る検査装置の動作について説明する。

１．２．１ 検査装置の全体動作
まず、第１実施形態に係る検査装置の全体動作について説明する。

図５は、第１実施形態に係る検査装置の全体動作を説明するためのフローチャートである。図５に示すように、検査装置１は、ＤＤ比較とＤＢ比較のいずれにも対応可能である。

ステップＳＴ１において、実画像データ生成装置１０は、検査対象の半導体装置１１０をステージ１０８に載置し、電子源１０２から電子線を射出することにより、半導体装置１１０上に転写されたパターンの実画像データを生成する。実画像データ生成装置１０は、生成した実画像データを画像欠陥検出装置５０に送出する。

ステップＳＴ２において、検査装置１は、パターンの検査方法がＤＤ比較であるかＤＢ比較であるかを判定する。ＤＤ比較が実行される場合、すなわち、実画像データ同士を比較する場合（ステップＳＴ２；ｙｅｓ）、ステップＳＴ３に進む。一方、ＤＢ比較が実行される場合、すなわち、実画像データ同士を比較しない場合（ステップＳＴ２；
ｎｏ）、ステップＳＴ３を行うことなく、ステップＳＴ４に進む。

ステップＳＴ３において、設計画像データ生成装置３０は、検査対象のパターンの設計データに基づき、設計画像データを生成する。設計画像データ生成装置３０は、生成した設計画像データを画像欠陥検出装置５０に送出する。

ステップＳＴ４において、画像欠陥検出装置５０は、ＤＤ比較が実行される場合、ステップＳＴ１において生成された実画像データを参照画像データ５２２及び被検査画像データ５２３として記憶部５２に記憶し、画像欠陥検出処理を実行する。また、画像欠陥検出装置５０は、ＤＢ比較が実行される場合、ステップＳＴ１において生成された実画像データを被検査画像データ５２３として、ステップＳＴ３において生成された設計画像データを参照画像データ５２２として記憶部５２に記憶し、画像欠陥検出処理を実行する。

以上で、全体動作が終了する。

１．２．２ 画像欠陥検出動作
次に、上述した第１実施形態に係る検査装置における全体動作のうち、画像欠陥検出動作について説明する。

１．２．２．１ フローチャート
第１実施形態に係る画像欠陥検出装置における画像欠陥検出動作のフローチャートについて、図６を用いて説明する。図６は、図５において示したステップＳＴ４の詳細を説明するものである。

図６に示すように、ステップＳＴ１１において、制御部５１は、グローバルシフト量推定部５０１として機能し、参照画像データ５２２及び被検査画像データ５２３の全体に対してＳＳＤマッチングを実行し、グローバルシフト量Ｓ１を推定する。なお、制御部５１は、グローバルシフト量Ｓ１の推定に先立ち、推定用前処理を実行してもよい。具体的には、制御部５１は、参照画像データ５２２及び被検査画像データ５２３の各々についてガウシアンブラー処理を適用してもよい。

ステップＳＴ１２において、制御部５１は、補正部５０４として機能し、ステップＳＴ１１において推定されたグローバルシフト量Ｓ１に基づいて参照画像データ５２２の補正を行い、第１補正済み参照画像データを生成する。

ステップＳＴ１３において、制御部５１は、信頼度付きローカルシフト量推定部５０２として機能し、ステップＳＴ１２において生成された第１補正済み参照画像データ、及び被検査画像データ５２３をＭ個の部分領域に分割する。制御部５１は、分割されたＭ個の部分領域の各々に対してＳＳＤマッチングを実行し、Ｍ個のローカルシフト量Ｓ２、及び当該Ｍ個のローカルシフト量Ｓ２にそれぞれ対応するＭ個の信頼度ｗを推定する。

ステップＳＴ１４において、制御部５１は、歪み量推定部５０３として機能し、ステップＳＴ１３において推定されたＭ個のローカルシフト量Ｓ２、及びＭ個の信頼度ｗに基づいて第１補正済み参照画像データの全体に対する歪み量ベクトルＣ_ｄを推定する。

ステップＳＴ１５において、制御部５１は、補正部５０４として機能し、ステップＳＴ１２において推定されたグローバルシフト量Ｓ１と、ステップＳＴ１４において推定された歪み量ベクトルＣ_ｄと、に基づいて参照画像データ５２２の補正を行い、第２補正済み参照画像データを生成する。

ステップＳＴ１６において、制御部５１は、比較部５０５として機能し、ステップＳＴ１５において生成された第２補正済み参照画像データと、被検査画像データ５２３とを比較し、比較結果をユーザに提示する。なお、制御部５１は、比較処理に先立ち、比較用前処理を実行してもよい。具体的には、制御部５１は、第２補正済み参照画像データ及び被検査画像データ５２３の各々についてＮＬＭ処理を適用してもよい。

以上で、画像欠陥検出動作が終了する。

１．２．２．２ 補正動作
次に、第１実施形態に係る画像欠陥検出装置における画像欠陥検出動作のうち、補正動作について説明する。

図７は、第１実施形態に係る画像欠陥検出装置における参照画像データの補正動作を模式的に説明するためのダイアグラムである。図７は、図６において説明したステップＳＴ１３及びＳＴ１６に対応する。図７では、一例として、参照画像データ５２２について２回の補正が実行された際の補正前後の画素の位置の変化が、１次元（ｘ軸方向）について模式的に示される。図７の例では、横軸に被検査画像データ５２３の画素の位置ｘが示され、縦軸に被検査画像データ５２３に対応する参照画像データ５２２（第１補正済み参照画像データ、及び第２補正済み参照画像データを含む）の画素の位置ｘ’が示される。

図７に示すように、補正前の参照画像データ５２２と被検査画像データ５２３との間には、線Ｌ１に示されるような位置ずれが存在し得る。すなわち、位置ずれの要因は、シフト量ｓ_ｘと歪み量ｄ_ｘ（ｘ、ｙ）との２つに大別され、これらを用いて位置ｘ及びｘ’は以下の式（３）のように対応付けられる。

ここで、シフト量ｓ_ｘは、画素の位置によらず、画像データ全体にわたり一様に生じるずれ量を示し、歪み量ｄ_ｘ（ｘ、ｙ）は、画素の位置に依存して生じる（画素の位置に対して非線形な）ずれ量を示している。

補正部５０４は、上述のシフト量ｓ_ｘを除去することにより、第１補正済み参照画像データを生成する。すなわち、第１補正済み参照画像データと被検査画像データ５２３との間には、線Ｌ２に示されるように歪み量ｄ_ｘ（ｘ、ｙ）が存在し得る。

補正部５０４は、上述の歪み量ｄ_ｘ（ｘ、ｙ）を更に除去することにより、第２補正済み参照画像データを生成する。シフト量ｓ_ｘ及び歪み量ｄ_ｘ（ｘ、ｙ）が除去されれば、理想的には、線Ｌ３に示されるようにｘ’＝ｘとなり、第２補正済み参照画像データと被検査画像データとは完全に一致し得る。

１．２．２．３ 信頼度付きローカルシフト量推定動作
次に、信頼度付きローカルシフト量推定動作について説明する。

図８は、第１実施形態に係る画像欠陥検出装置における信頼度付きローカルシフト量推定動作が適用される被検査画像データの一例を示す模式図である。

図８に示すように、被検査画像データ５２３はＳＥＭ画像データであり、回路パターンが画像内に局所的に配置され得る。この場合、例えば、回路パターンが多く存在する部分領域Ｒａには、回路パターンのエッジが多く含まれるため、参照画像データ５２２とのシフト量を比較的正しく推定しやすい。一方、回路パターンがほとんど存在しない部分領域Ｒｂには、回路パターンのエッジがほとんど含まれない。また、ＳＥＭ画像データには、回路パターンが存在しない領域において、ノイズが多く含まれる。このため、部分領域Ｒｂにおいては、参照画像データ５２２とのシフト量を正しく推定することが比較的困難であり、推定されたシフト量は誤差を多く含み得る。このように、被検査画像データ５２３を複数の部分領域に分割した場合、被検査画像データ５２３内の回路パターンの分布によって、参照画像データ５２２とのシフト量をより確からしく推定することが期待される部分領域Ｒａと、推定されたシフト量の確からしさが低い部分領域Ｒｂとが発生し得る。この場合、部分領域Ｒａは、部分領域Ｒｂよりも高い信頼度を設定し、当該信頼度に応じたローカルシフト量Ｓ２の重み付けを行って画像欠陥検出動作が実行されることが好ましい。

図９は、第１実施形態に係る画像欠陥検出装置における信頼度推定動作を説明するためのダイアグラムである。図９は、図６において説明したステップＳＴ１４に対応する。図９では、部分領域毎Ｒａ及びＲｂに対して真のシフト量（ｓ_ｘ、ｓ_ｙ）を与えた場合における、真のシフト量（ｓ_ｘ、ｓ_ｙ）近傍におけるＳＳＤマッチングによる評価値Ｅ（ＳＳＤ値）の推移が示される。より具体的には、図８では、真のシフト量（ｓ_ｘ、ｓ_ｙ）近傍において、信頼度の高い部分領域Ｒａに対応するＳＳＤ値の推移が線Ｌ＿Ｒａとして示され、信頼度の低い部分領域Ｒｂに対応するＳＳＤ値の推移が線Ｌ＿Ｒｂとして示される。なお、説明の便宜上、図９ではｙ方向のシフト量を固定し、ｘ方向のシフト量を横軸にとった場合のＳＳＤ値Ｅ（ｘ、ｓ_ｙ）が縦軸に示される。

図９に示すように、ＳＳＤ値Ｅ（ｘ、ｓ_ｙ）は、真のｘ方向シフト量ｓ_ｘで極小値をとり、当該真のシフト量ｓ_ｘから離れるほど大きくなる。例えば、ＳＳＤ値Ｅ（ｘ、ｓ_ｙ）は、真のシフト量ｓ_ｘを中心とする２次関数で近似し得る。

部分領域Ｒａでは、回路パターンが多く存在するため、真のｘ方向シフト量ｓ_ｘから少し離れるだけでＳＳＤ値が大きくなる。一方、部分領域Ｒｂでは、パターンがほとんど存在しないため、真のｘ方向シフト量ｓ_ｘから少し離れても、参照画像データ５２２との差異が顕著に表れにくく、ＳＳＤ値の上昇量は線Ｌ＿Ｒａよりも小さい。このため、線Ｌ＿Ｒｂで近似される２次関数の２次係数は、線Ｌ＿Ｒａで近似される２次関数の２次係数よりも小さな値となる。

このように、ＳＳＤ値Ｅ（ｘ、ｓ_ｙ）を２次関数で近似した場合の２次係数は、部分領域毎内のパターンの有無に相関し得るため、ｘ方向に関する信頼度ｗとして用いることができる。具体的には、信頼度付きローカルシフト量推定部５０２は、ローカルシフト量Ｓ２の推定に際し、図９に示したようなｘ方向のシフト量に対するＳＳＤ値の推移を部分領域毎に算出し、当該推移を２次関数で近似する。信頼度付きローカルシフト量推定部５０２は、部分領域毎に２次関数の２次係数を抽出し、２次係数が最大となる部分領域の信頼度が１となるように、２次係数の値を正規化する。これにより、部分領域毎のｘ方向についての信頼度ｗ_ｘが推定される。

ｘ方向と同様に、ｙ方向についての信頼度ｗ_ｙついても、上述の手法を用いて推定することができる。すなわち、信頼度付きローカルシフト量推定部５０２は、ｙ方向のシフト量に対するＳＳＤ値の推移を部分領域毎に算出し、当該推移を２次関数で近似する。信頼度付きローカルシフト量推定部５０２は、部分領域毎に２次関数の２次係数を抽出し、２次係数が最大となる部分領域の信頼度が１となるように、２次係数の値を正規化する。これにより、部分領域毎のｙ方向についての信頼度ｗ_ｙが推定される。

これにより、信頼度付きローカルシフト量推定部５０２は、１つのローカルシフト量Ｓ２に対して、ｘ方向についての信頼度ｗ_ｘと、ｙ方向についての信頼度ｗ_ｙと、を推定することができる。

１．２．２．４ 歪み量推定動作
次に、歪み量推定動作について説明する。

図１０は、第１実施形態に係る画像欠陥検出装置における歪み量推定動作を説明するための模式図である。図１０では、第１補正済み参照画像データの部分領域毎の代表的な歪み量ｄと、ローカルシフト量Ｓ２との関係が模式的に示される。図１０の例では、第１補正済み参照画像データは、Ｍ＝９個の部分領域Ｒ_１、Ｒ_２、…、Ｒ_９に分割され、当該部分領域Ｒ_１〜Ｒ_９の各々についてローカルシフト量Ｓ２（（ｓ２_ｘ１、ｓ２_ｙ１）、（ｓ２_ｘ２、ｓ２_ｙ２）、…、（ｓ２_ｘ９、ｓ２_ｙ９））が推定された場合が示される。また、図示されていないが、部分領域Ｒ_１〜Ｒ_９の各々について、信頼度ｗ（（ｗ_ｘ１、ｗ_ｙ１）、（ｗ_ｘ２、ｗ_ｙ２）、…、（ｗ_ｘ９、ｗ_ｙ９））が推定されているものとする。

図１０に示すように、歪み量推定部５０３は、ローカルシフト量（ｓ２_ｘ１、ｓ２_ｙ１）〜（ｓ２_ｘ９、ｓ２_ｙ９）の各々を、対応する部分領域Ｒ_１〜Ｒ_９の代表位置（ｘ_１、ｙ_１）〜（ｘ_９、ｙ_９）における歪み量（ｄ_ｘ１、ｄ_ｙ１）〜（ｄ_ｘ９〜ｄ_ｙ９）とみなす。すなわち、歪み量推定部５０３は、歪み量（ｄ_ｘ１、ｄ_ｙ１）〜（ｄ_ｘ９〜ｄ_ｙ９）と、ローカルシフト量（ｓ２_ｘ１、ｓ２_ｙ１）〜（ｓ２_ｘ９、ｓ２_ｙ９）との間に、以下の式（４）に示す対応関係を仮定する。

上述の通り、第１実施形態では、任意の位置（ｘ、ｙ）において、歪み量ｄは、式（２）を満たすと仮定される。このため、第１補正済み参照画像データは、少なくとも９点の代表位置（ｘ_１、ｙ_１）〜（ｘ_９、ｙ_９）において、上述の式（２）を満たす。したがって、式（２）を９点の代表位置（ｘ_１、ｙ_１）〜（ｘ_９、ｙ_９）について連立することにより、以下の線形方程式（５）及び（６）が得られる。

加えて、第１実施形態では、部分領域毎の信頼度ｗが考慮される。上述の通り、信頼度ｗは、部分領域Ｒ１〜Ｒ９毎に、互いに独立に設定されると仮定すると、以下の式（７）及び（８）にそれぞれ示されるような信頼度行列Ｗ_ｘ及びＷ_ｙが得られる。

ここで、信頼度行列Ｗ_ｘ及びＷ_ｙ、代表位置の座標（ｘ_１、ｙ_１）〜（ｘ_９、ｙ_９）に基づく行列Ｚ、並びに歪み量ｄ_ｘ１〜ｄ_ｘ９、及びｄ_ｙ１〜ｄ_ｙ９を含むベクトルＤ_ｘ及びＤ_ｙは、具体的な数値として定まる。このため、歪み量推定部５０３は、上述の式（５）〜（８）に対して、最小二乗法に基づいて以下の式（９）に示される演算を実行することにより、それぞれ歪み量ベクトルＣ_ｄｘ及びＣ_ｄｙを推定することができる。

なお、推定に際しては、最小二乗解を優決定系で得るために、分割される部分領域の数Ｍが歪み量ベクトルＣ_ｄの要素数（式（５）及び（６）の例では６個）よりも大きいことが望ましい。より好ましくは、分割される領域の数Ｍの平方根ｍ（ｍ＾２＝Ｍ）が定まる場合、歪み量ベクトルＣ_ｄを構成する多項式は、（ｍ−１）次以下の多項式であることが望ましい。

しかしながら、回路パターンを有意に含む（すなわち、信頼度ｗの大きい）部分領域の数が少ない場合、最小二乗解が劣決定系となり、解が一意に定まらない可能性がある。この場合、歪み量推定部５０３は、例えば、Ｌ１正則化又はＬ２正則化を行って、歪み量ベクトルＣ_ｄを推定してもよい。Ｌ１正則化の例としては、例えば、Ridge回帰が適用可能であり、Ｌ２正則化の例としては、例えば、LASSO回帰が適用可能であるが、これらに限られない。

１．３ 本実施形態に係る効果
第１実施形態によれば、回路パターンが疎な領域を含む場合にも画像の欠陥の誤検出を抑制することが出来る。本効果につき、以下説明する。

信頼度付きローカルシフト量推定部５０２は、参照画像データに対してグローバルシフト量Ｓ１を適用した第１補正済み参照画像データの部分領域と、被検査画像データの部分領域とのＳＳＤマッチングを行い、部分領域毎のローカルシフト量Ｓ２を推定する。一般的に、歪み量ｄは、画像データの位置に応じて一様に分布しない（すなわち、非線形な）ずれ量である。しかしながら、歪み量ｄは、局所的には、画像データの位置によらず一様に分布するシフト量Ｓの成分が支配的になり得る。これにより、歪み量推定部５０３は、画像データの部分領域において推定されたローカルシフト量Ｓ２を、当該部分領域における代表的な歪み量（すなわち、代表位置における歪み量）であるとみなして、全ての画素の位置ずれ量を表現可能な歪み量ベクトルＣ_ｄを推定できる。

また、信頼度付きローカルシフト量推定部５０２は、推定されたローカルシフト量Ｓ２について、部分領域に含まれる回路パターンの有無に応じて信頼度ｗを更に推定する。これにより、歪み量推定部５０３は、上述の式（９）を用いて、回路パターンが疎な部分領域のローカルシフト量Ｓ２をほとんど考慮せず、回路パターンが密な部分領域のローカルシフト量Ｓ２を重要視して、歪み量ベクトルＣ_ｄを推定することができる。

補足すると、図９を用いて説明したように、回路パターンが疎な部分領域では、回路パターンが密な部分領域よりも、真のシフト量（ｓ_ｘ、ｓ_ｙ）近傍においてＳＳＤ値の変化量が乏しい。また、回路パターンの無い領域の輝度値はノイズを多く含むため、ローカルシフト量Ｓ２が正しく推定されない可能性が比較的高い。このため、回路パターンが疎な部分領域のローカルシフト量Ｓ２と回路パターンが密な部分領域のローカルシフト量Ｓ２を同等に扱った場合、回路パターンが疎な部分領域のローカルシフト量Ｓ２に含まれる誤差が歪み量推定部５０３による歪み量ベクトルＣ_ｄの値に影響を与える可能性があり、好ましくない。

第１実施形態によれば、歪み量推定部５０３は、信頼度ｗに基づく重み付け最小二乗法を用いて、歪み量ベクトルＣ_ｄを推定する。これにより、推定精度の低いローカルシフト量Ｓ２が含まれる場合にも、推定精度の高いローカルシフト量Ｓ２の方を考慮しつつ歪み量ベクトルＣ_ｄを推定できる。したがって、回路パターンが疎な領域を含む場合にも画像の欠陥の誤検出を抑制することが出来る。

１．４ 第１実施形態の変形例
なお、第１実施形態では、信頼度付きローカルシフト量推定部５０２は、ＳＳＤ値を最小にするシフト量（ｓ_ｘ、ｓ_ｙ）近傍におけるＳＳＤ値の変化量を２次関数で近似し、当該２次関数の２次係数に基づいて信頼度ｗを推定したが、これに限られない。例えば、信頼度付きローカルシフト量推定部５０２は、部分領域毎に、隣り合う画素の輝度の変化量を求め、当該変化量の二乗和（又は絶対値和）の大きさを評価することにより、信頼度ｗを推定してもよい。

図１１は、第１実施形態の変形例に係る画像欠陥検出装置における信頼度推定動作を説明するためのダイアグラムである。図１１では、図８のＸＩ−ＸＩ線に沿った被検査画像データ５２３の輝度の変化が示される。

部分領域Ｒａでは、ｙ方向に沿って延びる２つの回路パターンがＸＩ−ＸＩ線を横切る。このため、図１１に示すように、部分領域Ｒａでは、ｘ方向に沿って、輝度が他の部分よりも大きくなる部分が２つ発生する。一方、部分領域Ｒｂでは、ＸＩ−ＸＩ線を横切る回路パターンは存在しない。このため、部分領域Ｒｂにおける輝度は、ｘ方向に沿ってノイズ成分しか現れない。

このように、回路パターンが存在する部分領域には、回路パターンが存在しない部分領域よりも輝度の変化が顕著に表れる。したがって、信頼度付きローカルシフト量推定部５０２は、部分領域毎に、隣り合う画素の輝度の変化量を求め、当該変化量の二乗和（又は絶対値和）の大きさを評価することにより、信頼度ｗを推定してもよい。これにより、第１実施形態の変形例においても、回路パターンの有無に応じた信頼度ｗをローカルシフト量Ｓ２に対応づけることができ、回路パターンが疎な部分領域による誤差の影響を抑制することができる。したがって、第１実施形態と同等の効果を奏することができる。

２． 第２実施形態
次に、第２実施形態に係る検査装置について説明する。

第１実施形態では、部分領域毎の評価値を、部分領域間で正規化することによって信頼度ｗが推定される場合について説明したが、これに限られない。第２実施形態では、推定された信頼度ｗに基づき、回路パターンが有ると見なされる部分領域と回路パターンが無いと見なされる部分領域とで、信頼度の差が極端に大きくような信頼度ｗ’が再設定される。以下の説明では、第１実施形態と同一の構成及び動作についてはその説明を省略し、第１実施形態と異なる構成及び動作について主に説明する。

２．１ 信頼度推定動作
第２実施形態に係る画像欠陥検出装置における信頼度推定動作について説明する。

まず、第１実施形態と同様に、信頼度付きローカルシフト量推定部５０２は、シフト量に対するＳＳＤ値の推移を部分領域毎に算出し、当該推移をｘ方向とｙ方向の各々について２次関数で近似する。信頼度付きローカルシフト量推定部５０２は、部分領域毎に２次関数の２次係数を抽出し、２次係数が最大となる部分領域の信頼度が１となるように、２次係数の値を正規化する。これにより、信頼度ｗが推定される。

更に、信頼度付きローカルシフト量推定部５０２は、推定された信頼度ｗが、所定の閾値θ以上であるか否かを判定する。信頼度ｗが閾値θ以上である場合（ｗ≧θ）、信頼度付きローカルシフト量推定部５０２は、当該信頼度ｗに対応する部分領域には回路パターンが有ると見なし、所定の定数Ｃ１を信頼度ｗ’として再設定する（ｗ’＝Ｃ１）。また、信頼度ｗが閾値θ未満である場合（ｗ＜θ）、信頼度付きローカルシフト量推定部５０２は、当該信頼度ｗに対応する部分領域には回路パターンが無いと見なし、定数Ｃ１よりも小さい所定の定数Ｃ２を信頼度ｗ’として再設定する（ｗ’＝Ｃ２）。

図１２は、第２実施形態に係る画像欠陥検出装置における信頼度推定動作を説明するためのダイアグラムである。図１２では、上述した閾値θ、並びに定数Ｃ１及びＣ２がそれぞれ０．１、１．０、０．０である場合が図示される。

図１２に示すように、再設定後の信頼度ｗ’は、回路パターンが有ると見なされた部分領域では極端に大きな値にして、回路パターンが無いと見なされた部分領域では極端に小さな値にすることができる。このため、実質的に回路パターンが有る部分領域の情報のみを用いて歪み量ベクトルＣ_ｄを推定することができる。

したがって、第２実施形態によれば、回路パターンが無いと見なされた部分領域に起因する歪み量ベクトルＣ_ｄの推定誤差を実質的に排除することができる。

２．２ 第２実施形態の変形例
なお、第２実施形態では、閾値θを境界として、再設定後の信頼度ｗ’が定数Ｃ１からＣ２へと離散的に変化する場合について説明したが、これに限られない。例えば、再設定後の信頼度ｗ’は、閾値θ近傍において、連続的に変化するように設定されてもよい。

例えば、信頼度付きローカルシフト量推定部５０２は、推定された信頼度ｗに対して、閾値θ及び任意の定数αを含む以下の式（１０）を適用することにより、信頼度ｗ’を算出してもよい。

図１３は、第２実施形態の変形例に係る画像欠陥検出装置における信頼度推定動作を説明するためのダイアグラムである。図１３では、上述した閾値θが０．１である場合が図示される。

図１３に示すように、再設定後の信頼度ｗ’は、回路パターンが有ると見なされた部分領域では極端に大きな値となり、回路パターンが無いと見なされた部分領域では極端に小さな値となりつつ、閾値θ近傍において連続的に変化する。このため、画像全体の歪み量が連続的に変化するような歪み量ベクトルＣ_ｄを推定することができる。

３． 第３実施形態
次に、第３実施形態に係る検査装置について説明する。

第１実施形態及び第２実施形態では、ある部分領域に対応する信頼度ｗを推定する場合には、当該部分領域以外の部分領域に関する情報を用いることなく信頼度ｗが推定される場合について説明したが、これに限られない。第３実施形態では、回路パターンが無いと見なされる部分領域の信頼度ｗは、回路パターンが有ると見なされる部分領域に関する情報に基づいて設定される。以下の説明では、第２実施形態と同一の構成及び動作についてはその説明を省略し、第２実施形態と異なる構成及び動作について主に説明する。

３．１ 信頼度推定動作
第３実施形態に係る画像欠陥検出装置における信頼度推定動作について説明する。

まず、第２実施形態と同様に、信頼度付きローカルシフト量推定部５０２は、信頼度ｗを推定した後、当該信頼度ｗが、所定の閾値θ以上であるか否かを判定する。信頼度ｗが閾値θ以上である場合（ｗ≧θ）、信頼度付きローカルシフト量推定部５０２は、当該信頼度ｗに対応する部分領域には回路パターンが有ると見なし、所定の定数Ｃ１を信頼度ｗ’として再設定する（ｗ’＝Ｃ１）。

信頼度ｗが閾値θ未満である場合（ｗ＜θ）、信頼度付きローカルシフト量推定部５０２は、当該信頼度ｗに対応する部分領域には回路パターンが無いと見なし、以下に示す式（１１）を適用する。

ここで、Ｌは、隣り合う部分領域間の距離を１としたときの、信頼度推定対象の部分領域からの距離であり、σは、任意の定数である。

これにより、回路パターンが無いと見なされた部分領域の信頼度ｗ’を、回路パターンが有ると見なされた周囲の部分領域の信頼度（ｗ’＝Ｃ１）と、当該周囲の部分領域までの距離に基づくガウス加重平均によって推定することができる。

図１４は、第３実施形態に係る画像欠陥検出装置における信頼度推定動作を説明するためのダイアグラムである。図１４では、ある方向に並ぶ５つの部分領域Ｒａ２、Ｒｂ１、Ｒｂ０、Ｒａ１、及びＲｂ２と、当該５つの部分領域のうち、回路パターンが無いと見なされた部分領域Ｒｂ０の信頼度ｗ’を推定するためのガウス分布Ｌ＿ｇａｕｓｓとが模式的に示される。

図１４に示すように、部分領域Ｒａ１及びＲａ２は回路パターンが有ると見なされ、部分領域Ｒｂ０、Ｒｂ１、及びＲｂ２は回路パターンが無いと見なされた場合、部分領域Ｒｂ０の信頼度ｗ’は、ｗ’＝（Ｓ１＋Ｓ２）／Ｓ０で表される。ここで、Ｓ０は、ガウス分布Ｌ＿ｇａｕｓｓ全体の面積Ｓ０であり、Ｓ１及びＳ２はそれぞれ、回路パターンが有ると見なされた部分領域Ｒａ１及びＲａ２に対応する部分の面積である。

なお、上述の例では、確率密度関数として正規分布が用いられる場合について説明したが、信頼度推定対象の部分領域からの距離に応じて減衰する関数であれば、正規分布に限らず、任意の形状の分布が適用可能である。

第３実施形態によれば、信頼度付きローカルシフト量推定部５０２は、回路パターンが有ると見なされた部分領域の信頼度と、当該回路パターンが有ると見なされた部分領域までの距離と、に基づいて回路パターンが無いと見なされた部分領域の信頼度を推定する。これにより、歪み量ベクトルＣ_ｄの推定に際して、回路パターンが有ると見なされた部分領域から遠い部分領域のローカルシフト量Ｓ２ほど、低く重み付けされる。これにより、回路パターンが疎な部分領域の情報を排除しつつ、隣り合う部分領域間の信頼度を滑らかに設定することができる。したがって、隣り合う画素間で歪み量が滑らかに変化するような歪み量ベクトルＣ_ｄを推定することができる。

４． その他
なお、上述の第１実施形態乃至第３実施形態は、種々の変形が可能である。

例えば、上述の第１実施形態乃至第３実施形態では、実画像データ生成装置１０として、ＳＥＭが適用される場合について説明したが、これに限られない。例えば、実画像データ生成装置１０は、半導体装置に使用されるマスクの光学画像（透過光画像及び／又は反射光画像）を実画像データとして生成可能な光学スキャナが適用されてもよい。

図１５は、変形例に係る実画像データ生成装置のハードウェア構成を説明するための模式図である。

図１５に示すように、実画像データ生成装置１０は、光源１１１と、複数のハーフミラー１１２、１１３、１１４、１１５、１１６、及び１１７と、複数の対物レンズ１１８、１１９、及び１２０と、ステージ１２１と、透過光センサ１２２と、反射光センサ１２３と、を備えていてもよい。

この場合、光源１１１は、例えば、紫外レーザ光を射出可能なレーザ光源である。光源１１１から出射されたレーザ光は、ハーフミラー１１２〜１１７並びに対物レンズ１１８及び１１９を介して、ステージ１２１に載置されたマスク１２４に照射される。例えば、ハーフミラー１１２〜１１５及び対物レンズ１１８は、透過光学系を構成し、ハーフミラー１１２、１１６、及び１１７、並びに対物レンズ１１９は、反射光学系を構成する。これにより、マスク１２４を上下から照明することができ、マスク１２４の透過光及び反射光はそれぞれ、対物レンズ１２０を介して透過光センサ１２２及び反射光センサ１２３に入力される。透過光センサ１２２及び反射光センサ１２３はそれぞれ、マスク１２４の透過光及び反射光を検出する。実画像データ生成装置１０は、検出された透過光及び反射光を図示しないプロセッサにおいて処理し、マスク１２４の実画像データを生成する。生成された実画像データは、画像欠陥検出装置５０に送出される。

以上のような構成によれば、実画像データとして光学像が生成された場合においても、画像欠陥検出処理を実行することができる。したがって、光学スキャナによって生成された光学画像データを画像欠陥検出装置５０に入力した場合においても、第１実施形態乃至第３実施形態と同様の効果を奏することができる。

また、上述の第１実施形態及び第２実施形態は、参照画像データ５２２に対して補正を行う場合について説明したが、これに限らず、被検査画像データ５２３に対して補正を行ってもよい。

また、上述の第１実施形態及び第２実施形態は、グローバルシフト量推定部５０１によるグローバルシフト量Ｓ１の推定を行う場合について説明したが、この動作は省略されてもよい。この場合、グローバルシフト量Ｓ１は、歪み量ベクトルＣ_ｄの無次元の係数（Ｃ_ｄｘ６、及びＣ_ｄｙ６）によってほぼ代替されることができる。

また、上述の第１実施形態及び第２実施形態では、画像欠陥検出装置５０の制御部５１は、ＣＰＵによって動作する場合について説明したが、これに限られない。例えば、制御部５１は、１つ又は複数のＧＰＵ、ＡＳＩＣ、ＦＰＧＡ等で構成される専用回路（専用プロセッサ）を含んでもよい。制御部５１は、当該専用プロセッサにより、グローバルシフト量推定部５０１、信頼度付きローカルシフト量推定部５０２、歪み量推定部５０３、補正部５０４、及び比較部５０５による機能を実現可能である。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１…検査装置、１０…実画像データ生成装置、３０…設計画像データ生成装置、５０…画像欠陥検出装置、５１…制御部、５２…記憶部、５３…表示部、５４…ドライブ、５５…通信部、１０１…チャンバ、１０２…電子源、１０３，１０４…集束レンズ、１０５，１０６…走査コイル、１０７…対物レンズ、１０８，１２１…ステージ、１０９…センサ、１１０…半導体装置、１１１…光源、１１２，１１３，１１４，１１５，１１６，１１７…ハーフミラー、１１８，１１９，１２０…対物レンズ、１２２…透過光センサ、１２３…反射光センサ、１２４…マスク、５０１…グローバルシフト量推定部、５０２…信頼度付きローカルシフト量推定部、５０３…歪み量推定部、５０４…補正部、５０５…比較部、５２１…画像欠陥検出プログラム、５２２…参照画像データ、５２３…被検査画像データ、５４１…記憶媒体。

Claims (12)

1. 第１画像に対応する第２画像を生成する画像生成装置と、
   前記第１画像に対する前記第２画像の欠陥を検出する画像欠陥検出装置と、
   を備え、
   前記第１画像及び前記第２画像の各々は、複数の画素を含む複数の部分領域を含み、
   前記画像欠陥検出装置は、
   前記第１画像と前記第２画像との輝度差に基づいて、前記第１画像と前記第２画像との間の位置差を示す第１値を、前記複数の部分領域毎に推定し、
   前記第１値の信頼度を示す第２値を前記複数の部分領域毎に推定し、
   各々が前記複数の部分領域毎に推定された前記第１値及び前記第２値に基づいて、前記第１画像と前記第２画像との間の位置差を、全ての画素毎に推定する
   検査装置。
2. 前記複数の部分領域は、回路パターンを含む第１部分領域と、回路パターンを含まない第２部分領域とを含み、
   前記第１部分領域の前記第２値は、前記第２部分領域の前記第２値よりも大きい、
   請求項１記載の検査装置。
3. 前記第１部分領域の前記第２値は、定数である、
   請求項２記載の検査装置。
4. 前記第２部分領域の前記第２値は、定数である、
   請求項３記載の検査装置。
5. 前記第２部分領域の前記第２値は、前記第１部分領域の前記第２値と、前記第１部分領域からの距離と、に基づいて推定される、
   請求項３記載の検査装置。
6. 前記画像欠陥検出装置は、前記複数の部分領域毎に、ＳＳＤ（Sum of Squared Difference）値を最小にする前記第１画像と前記第２画像との間の位置差を前記第１値として推定する、
   請求項１記載の検査装置。
7. 前記画像欠陥検出装置は、前記複数の部分領域毎に、前記第１値を含む範囲における前記ＳＳＤ（Sum of Squared Difference）値の変化量に基づいて前記第２値を推定する、
   請求項６記載の検査装置。
8. 前記画像欠陥検出装置は、前記複数の部分領域毎に、隣り合う画素間の輝度の変化量の和に基づいて前記第２値を推定する、
   請求項６記載の検査装置。
9. 前記第１画像の第１画素と、前記第１画素に対応する前記第２画像の第２画素とは、位置に関する２次以上の次数を有する関数で対応づけられる、
   請求項１記載の検査装置。
10. 前記画像生成装置は、光学スキャナ又は走査型電子顕微鏡を含む、
    請求項１記載の検査装置。
11. 第１画像に対応する第２画像を生成する画像生成装置と、前記第１画像に対する前記第２画像の欠陥を検出する画像欠陥検出装置と、
    を備える検査装置が実行する検査方法であって、
    前記第１画像及び前記第２画像の各々は、複数の画素を含む複数の部分領域を含み、
    前記画像欠陥検出装置が、
    前記第１画像と前記第２画像との輝度差に基づいて、前記第１画像と前記第２画像との間の位置差を示す第１値を、前記複数の部分領域毎に推定することと、
    前記第１値の信頼度を示す第２値を前記複数の部分領域毎に推定することと、
    各々が前記複数の部分領域毎に推定された前記第１値及び前記第２値に基づいて、前記第１画像と前記第２画像との間の位置差を、全ての画素毎に推定することと、
    を備える、
    検査方法。
12. 第１画像に対応する第２画像を生成する画像生成装置と、前記第１画像に対する前記第２画像の欠陥を検出する画像欠陥検出装置と、を備える検査装置に用いられるプログラムであって、
    前記第１画像及び前記第２画像の各々は、複数の画素を含む複数の部分領域を含み、
    前記画像欠陥検出装置のプロセッサに、
    前記第１画像と前記第２画像との輝度差に基づいて、前記第１画像と前記第２画像との間の位置差を示す第１値を、前記複数の部分領域毎に推定することと、
    前記第１値の信頼度を示す第２値を前記複数の部分領域毎に推定することと、
    各々が前記複数の部分領域毎に推定された前記第１値及び前記第２値に基づいて、前記第１画像と前記第２画像との間の位置差を、全ての画素毎に推定することと、
    を実行させるためのプログラム。

Images