JP2022161475A - 欠陥検出装置、欠陥検出方法、画像処理装置及び画像処理プログラム - Google Patents

Abstract

【課題】装置起因の微小な差分による疑似欠陥を排除し、微小欠陥の検出感度を向上させることができる欠陥検出装置、欠陥検出方法、画像処理装置及び画像処理プログラムを提供する。【解決手段】本発明に係る欠陥検出装置１は、試料６０を撮像する撮像光学系１０と、撮像光学系１０が撮像した画像を処理する画像処理装置３０と、を備え、画像処理装置３０は、試料６０の欠陥候補領域を撮像した画像を取得する画像取得部３１と、差分画像ＧＳを生成させる差分画像生成部３２と、バイナリーマップＢＭを生成させるバイナリーマップ生成部３３と、エリアフィルターマップＡＦＭを生成させるエリアフィルターマップ生成部３４と、クラスター割合を算出するクラスター割合算出部３５と、０＜クラスター割合≦所定の割合上限値を満たすときに、欠陥候補領域に欠陥が存在すると判断する欠陥判断部と、を有する。【選択図】図１

Description

本発明は、欠陥検出装置、欠陥検出方法、画像処理装置及び画像処理プログラムに関する。

半導体プロセスノードの微細化に伴い、マスク検査のさらなる高感度化が急務となっている。マスクの異物を検査する方法として、Ｄｉｅ－ｔｏ－Ｄｉｅ検査、Ｍａｓｋ－ｔｏ－Ｍａｓｋ検査等が知られている。

Ｄｉｅ－ｔｏ－Ｄｉｅ検査は、例えば、正常なＤｉｅ画像と、欠陥を含むＤｉｅ画像とを比較し、輝度の差から欠陥を検出する方法である。輝度の差を差分とも呼ぶ。Ｄｉｅ－ｔｏ－Ｄｉｅ検査は、マスクに複数設けられたＤｉｅにおいて、隣接するＤｉｅ同士を比較し、差分から欠陥を検出してもよい。

特開２０１８－０８４５８７号公報 特開２０１８－０８４５８８号公報 特開２０１７－００３２７４号公報

Ｄｉｅ－ｔｏ－Ｄｉｅ検査において、装置起因及びプロセス起因による差分のように、異物以外の差分を疑似欠陥として誤検出してしまう場合がある。具体的には、Ｄｉｅ－ｔｏ－Ｄｉｅ検査において、大きな欠陥は、画像間の差分やサイズ（差分分布）が大きいため、比較的容易に検出することができる。しかしながら、微小な欠陥は、画像間の差分やサイズが小さいため、これを検出しようとすると、装置起因の微小な差分を疑似欠陥として検出してしまう。これにより、微小な欠陥の検出感度を低下させている。

本発明の目的は、このような問題を解決するためになされたものであり、装置起因の微小な差分による疑似欠陥を排除し、微小欠陥の検出感度を向上させることができる欠陥検出装置、欠陥検出方法、画像処理装置及び画像処理プログラムを提供することである。

本実施形態の一態様に係る欠陥検出装置は、試料を撮像する撮像光学系と、前記撮像光学系が撮像した画像を処理する画像処理装置と、を備え、前記画像処理装置は、前記試料の欠陥候補領域を撮像した第１画像及び前記欠陥候補領域に対応した領域を撮像した第２画像を取得する画像取得部と、前記第１画像に含まれる複数の画素の各輝度と、前記第２画像に含まれる複数の画素の各輝度と、の差分を算出することにより、各差分値を有する複数の画素を含む差分画像を生成させる差分画像生成部と、前記差分画像に含まれる前記複数の画素の前記差分値を、所定の差分閾値よりも大きい第１値または前記差分閾値以下の第２値に変換してバイナリーマップを生成させるバイナリーマップ生成部と、エリアサイズ数として設定された複数個数の隣接した画素を含むエリア毎に順番に前記バイナリーマップに含まれる前記複数の画素に渡ってエリアフィルタによる畳み込みを行う際に、前記エリアフィルタがかけられる前記エリアの前記第１値の画素数がエリアカウント数として設定された個数以上の場合に、前記エリアをクラスターとして出力されたエリアフィルターマップを生成させるエリアフィルターマップ生成部と、前記エリアフィルターマップにおける前記クラスターの個数をクラスター数とし、前記エリアサイズ数に対する前記エリアカウント数の比に比例した係数を補正係数とした場合に、下記（Ａ）式のクラスター割合を算出するクラスター割合算出部と、
クラスター割合＝（クラスター数×補正係数）／（バイナリーマップにおける第１値の画素数） （Ａ）
下記の（Ｂ）式を満たすときに、前記欠陥候補領域に欠陥が存在すると判断する欠陥判断部と、
０＜クラスター割合≦所定の割合上限値 （Ｂ）
を有する。

上記の欠陥検出装置では、前記エリアは、行方向及び列方向に同じ数だけ並んだ前記画素を含み、前記エリアフィルタは、前記行方向及び前記列方向の少なくともいずれかに１行または１列ずつ移動して畳み込みを行ってもよい。

上記の欠陥検出装置では、前記割合上限値は、予め微小欠陥の個数を検出した試料を用いて設定されてもよい。

上記の欠陥検出装置では、前記撮像光学系が撮像した前記画像から所定の差分値を有する画素を含む前記欠陥候補領域を検出する欠陥候補検出部をさらに備えてもよい。

本実施形態の一態様に係る欠陥検出処理方法は、試料を撮像する撮像ステップと、撮像された画像を処理する画像処理ステップと、を備え、前記画像処理ステップは、前記試料の欠陥候補領域を撮像した第１画像及び前記欠陥候補領域に対応した領域を撮像した第２画像を取得する画像取得ステップと、前記第１画像に含まれる複数の画素の各輝度と、前記第２画像に含まれる複数の画素の各輝度と、の差分を算出することにより、各差分値を有する複数の画素を含む差分画像を生成させる差分画像生成ステップと、前記差分画像に含まれる前記複数の画素の前記差分値を、所定の差分閾値よりも大きい第１値または前記差分閾値以下の第２値に変換してバイナリーマップを生成させるバイナリーマップ生成ステップと、エリアサイズ数として設定された複数個数の隣接した画素を含むエリア毎に順番に前記バイナリーマップに含まれる前記複数の画素に渡ってエリアフィルタによる畳み込みを行う際に、前記エリアフィルタがかけられる前記エリアの前記第１値の画素数がエリアカウント数として設定された個数以上の場合に、前記エリアをクラスターとして出力されたエリアフィルターマップを生成させるエリアフィルターマップ生成ステップと、前記エリアフィルターマップにおける前記クラスターの個数をクラスター数とし、前記エリアサイズ数に対する前記エリアカウント数の比に比例した係数を補正係数とした場合に、下記（Ａ）式のクラスター割合を算出するクラスター割合算出ステップと、
クラスター割合＝（クラスター数×補正係数）／（バイナリーマップにおける第１値の画素数） （Ａ）
下記の（Ｂ）式を満たすときに、前記欠陥候補領域に欠陥が存在すると判断する欠陥判断ステップと、
０＜クラスター割合≦所定の割合上限値 （Ｂ）
を有する。

本実施形態の一態様に係る画像処理装置は、試料の欠陥候補領域を撮像した第１画像及び前記欠陥候補領域に対応した領域を撮像した第２画像を取得する画像取得部と、前記第１画像に含まれる複数の画素の各輝度と、前記第２画像に含まれる複数の画素の各輝度と、の差分を算出することにより、各差分値を有する複数の画素を含む差分画像を生成させる差分画像生成部と、前記差分画像に含まれる前記複数の画素の前記差分値を、所定の差分閾値よりも大きい第１値または前記差分閾値以下の第２値に変換してバイナリーマップを生成させるバイナリーマップ生成部と、エリアサイズ数として設定された複数個数の隣接した画素を含むエリア毎に順番に前記バイナリーマップに含まれる前記複数の画素に渡ってエリアフィルタによる畳み込みを行う際に、前記エリアフィルタがかけられる前記エリアの前記第１値の画素数がエリアカウント数として設定された個数以上の場合に、前記エリアをクラスターとして出力されたエリアフィルターマップを生成させるエリアフィルターマップ生成部と、前記エリアフィルターマップにおける前記クラスターの個数をクラスター数とし、前記エリアサイズ数に対する前記エリアカウント数の比に比例した係数を補正係数とした場合に、下記（Ａ）式のクラスター割合を算出するクラスター割合算出部と、
クラスター割合＝（クラスター数×補正係数）／（バイナリーマップにおける第１値の画素数） （Ａ）
下記の（Ｂ）式を満たすときに、前記欠陥候補領域に欠陥が存在すると判断する欠陥判断部と、
０＜クラスター割合≦所定の割合上限値 （Ｂ）
を備える。

本実施形態の一態様に係る欠陥検出処理プログラムでは、試料の欠陥候補領域を撮像した第１画像及び前記欠陥候補領域に対応した領域を撮像した第２画像を取得する画像取得ステップと、前記第１画像に含まれる複数の画素の各輝度と、前記第２画像に含まれる複数の画素の各輝度と、の差分を算出することにより、各差分値を有する複数の画素を含む差分画像を生成させる差分画像生成ステップと、前記差分画像に含まれる前記複数の画素の前記差分値を、所定の差分閾値よりも大きい第１値または前記差分閾値以下の第２値に変換してバイナリーマップを生成させるバイナリーマップ生成ステップと、エリアサイズ数として設定された複数個数の隣接した画素を含むエリア毎に順番に前記バイナリーマップに含まれる前記複数の画素に渡ってエリアフィルタによる畳み込みを行う際に、前記エリアフィルタがかけられる前記エリアの前記第１値の画素数がエリアカウント数として設定された個数以上の場合に、前記エリアをクラスターとして出力されたエリアフィルターマップを生成させるエリアフィルターマップ生成ステップと、前記エリアフィルターマップにおける前記クラスターの個数をクラスター数とし、前記エリアサイズ数に対する前記エリアカウント数の比に比例した係数を補正係数とした場合に、下記（Ａ）式のクラスター割合を算出するクラスター割合算出ステップと、
クラスター割合＝（クラスター数×補正係数）／（バイナリーマップにおける第１値の画素数） （Ａ）
下記の（Ｂ）式を満たすときに、前記欠陥候補領域に欠陥が存在すると判断する欠陥判断ステップと、
０＜クラスター割合≦所定の割合上限値 （Ｂ）
をコンピュータに実行させる。

本発明によれば、装置起因の微小な差分による疑似欠陥を排除し、微小欠陥の検出感度を向上させることができる欠陥検出装置、欠陥検出方法、画像処理装置及び画像処理プログラムを提供することができる。

実施形態に係る欠陥検出装置を例示した構成図である。 実施形態に係る画像処理装置を例示したブロック図である。 実施形態に係る画像取得部が取得した画像及び差分画像生成部が生成した差分画像を例示した図である。 実施形態に係る差分画像生成部が生成した差分画像及びバイナリーマップ生成部が生成したバイナリーマップを例示した図である。 実施形態に係るバイナリーマップ生成部が生成したバイナリーマップ及びエリアフィルターマップ生成部が生成したエリアフィルターマップを例示した図である。 実施形態に係る微小欠陥の差分分布を例示した図である。 実施形態に係るデフォーカスによる差分分布を例示した図である。 実施形態に係る欠陥検出装置の欠陥検出方法を例示したフローチャート図である。 実施形態に係る画像処理装置の画像処理方法を例示したフローチャート図である。 実施形態に係るシミュレーション結果を例示したグラフであり、横軸は、割合上限設定値を示し、縦軸は、削除されずに残った疑似欠陥個数及び削除されずに残った微小欠陥個数を示す。 実施形態に係るシミュレーション結果を例示したグラフであり、横軸は、割合上限設定値を示し、縦軸は、削除されずに残った疑似欠陥個数及び削除されずに残った微小欠陥個数を示す。 実施形態に係るシミュレーション結果を例示したグラフであり、横軸は、割合上限設定値を示し、縦軸は、削除されずに残った疑似欠陥個数を示す。 実施形態に係るシミュレーション結果を例示したグラフであり、横軸は、割合上限設定値を示し、縦軸は、削除されずに残った疑似欠陥個数を示す。 実施形態に係る画像処理装置が処理した画像を例示した図である。

以下、本実施形態の具体的構成について図面を参照して説明する。以下の説明は、本発明の好適な実施の形態を示すものであって、本発明の範囲が以下の実施の形態に限定されるものではない。以下の説明において、同一の符号が付されたものは実質的に同様の内容を示している。

（実施形態）
実施形態に係る欠陥検出装置を説明する。まず、＜欠陥検出装置の構成＞を説明し、その後、＜画像処理装置の構成＞を説明する。そして、欠陥検出装置を用いた＜欠陥検出方法＞を説明した後、画像処理装置を用いた＜画像処理方法＞を説明する。

＜欠陥検出装置の構成＞
図１は、実施形態に係る欠陥検出装置を例示した構成図である。図１に示すように、欠陥検出装置１は、撮像光学系１０、欠陥候補検出部２０、画像処理装置３０、表示装置４０及びステージ５０を備えている。ここで、欠陥検出装置１の説明の便宜のために、ＸＹＺ直交座標軸系を導入する。ステージ５０のステージ面５１に直交する方向をＺ軸方向、Ｚ軸方向に直交する面をＸＹ面とする。例えば、＋Ｚ軸方向を上方と呼び、－Ｚ軸方向を下方と呼ぶ。なお、上方及び下方は、説明の便宜のためであり、実際の欠陥検出装置１の配置方向を示すものではない。

撮像光学系１０は、ステージ面５１上に配置された試料６０を撮像する。撮像光学系１０は、光源１１、ビームスプリッタ１２、対物レンズ１３、及び、検出器１４を備えている。なお、図１に示す撮像光学系１０は、適宜、簡略されている。撮像光学系１０は、上記の構成以外の光学素子、レンズ、光スキャナ、ミラー、フィルタ、ビームスプリッタなどが設けられていてもよい。例えば、撮像光学系１０はコンフォーカル光学系であってもよい。

光源１１は、照明光Ｌ１１を発生する。光源１１は、ランプ光源、ＬＥＤ（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）光源、レーザ光源などである。照明光Ｌ１１は、例えば、ＥＵＶ（Ｅｘｔｒｅｍｅ Ｕｌｔｒａｖｉｏｌｅｔ）光でもよい。なお、照明光Ｌ１１は、ＥＵＶ光に限らず、ＵＶ光、可視光でもよい。光源１１からの照明光Ｌ１１は、ビームスプリッタ１２に入射する。ビームスプリッタ１２は、例えば、ハーフミラーであり、照明光Ｌ１１のほぼ半分を試料６０の方向に反射する。ビームスプリッタ１２で反射した照明光Ｌ１１は、対物レンズ１３に入射する。対物レンズ１３の光軸ＯＸは、例えば、Ｚ軸方向と平行となっている。対物レンズ１３は、照明光Ｌ１１を試料６０に集光する。これにより、試料６０を照明することができる。

ステージ５０には、撮像対象の試料６０が載置されている。ステージ面５１上において、試料６０は、ＸＹ平面に平行に保持されている。試料６０の厚さ方向は、Ｚ軸方向とされている。ステージ５０は、駆動機構５２を有する３次元駆動ステージである。画像処理装置３０が駆動機構５２を制御することで、ステージ５０がＸＹＺ軸方向に駆動される。

試料６０は、例えば、微細なパターン６１が形成されたフォトマスクや半導体ウェハ等であり、ステージ面５１上に保持されている。試料６０のパターン６１は、例えば、遮光膜等である。

試料６０で反射した反射光Ｌ１２は、対物レンズ１３で集光されて、ビームスプリッタ１２に入射する。ビームスプリッタ１２は、反射光Ｌ１２のほぼ半分を透過させる。ビームスプリッタ１２を透過した反射光Ｌ１２は、検出器１４に入射する。これにより、検出器１４が試料６０を撮像することができる。対物レンズ１３により試料６０の像が検出器１４に拡大投影される。また、反射光Ｌ１２を検出器１４の受光面に結像するためのレンズなどを設けてもよい。

図１では、欠陥検出装置１が明視野照明方式の顕微鏡となっているが、欠陥検出装置１の照明方式は、特に限定されるものではない。例えば、透過照明方式を用いた場合、検出器１４は、試料６０を透過した透過光を検出する。検出器１４が検出する検出光は、試料６０で反射した反射光に限られるものではなく、試料６０を透過した透過光であってもよい。

検出器１４は、試料６０を撮像するための撮像素子を有している。検出器１４は、例えば、ＴＤＩ（Ｔｉｍｅ Ｄｅｌａｙ Ｉｎｔｅｇｒａｔｉｏｎ）センサである。なお、検出器１４は、照明光Ｌ１１で照明された試料６０からの反射光Ｌ１２を検出するものであれば、ＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）カメラやＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）センサ等でもよい。検出器１４は、Ｘ軸方向に配列された複数の画素を有してもよい。検出器１４は、複数の画素が１列に配列されたラインセンサであってもよい。

パターン６１の有無に応じて、照明光Ｌ１１に対する反射率が異なる。例えば、フォトマスクの場合、パターン６１がある箇所では反射率が高くなり、パターン６１がない箇所では反射率が低くなる。よって、パターン６１の有無に応じて、検出器１４の受光量が変化する。検出器１４は、画素毎に、受光量に応じた検出信号（検出データ）を欠陥候補検出部２０または画像処理装置３０に出力する。

ステージ５０は駆動ステージであり、試料６０をＸＹＺ軸方向に移動させることができる。欠陥候補検出部２０及び画像処理装置３０は、駆動機構５２を制御することができる。駆動機構５２が、試料６０における検出領域を相対的に移動させる。ステージ５０をＸＹＺ軸方向に移動させることで、試料６０において、照明光Ｌ１１による照明位置を変化させることができる。

このため、試料６０の任意の位置を撮像することができ、試料６０のほぼ全面を検査することができる。なお、ステージ５０ではなく、撮像光学系１０を駆動してもよい。すなわち、ステージ５０に対する撮像光学系１０の相対位置を移動可能にしてもよい。あるいは、光スキャナなどを用いて、照明光Ｌ１１を走査してもよい。

欠陥候補検出部２０は、撮像光学系１０が撮像した画像から所定の差分を有する画素を含む欠陥候補領域を検出する。例えば、欠陥候補検出部２０は、Ｄｉｅ－ｔｏ－Ｄｉｅ検査における一方のＤｉｅの画像と他方のＤｉｅの画像との差分から、欠陥または欠陥の候補とされる周辺の領域の欠陥候補領域を検出する。なお、欠陥検出装置１は、欠陥候補検出部２０を設けず、以下に示す画像処理装置３０において、欠陥候補領域を検出してもよい。

欠陥候補検出部２０は、欠陥候補領域を検出する前に、イメージマッチングを行ってもよい。例えば、一方のＤｉｅの画像と他方のＤｉｅの画像との間の位置ずれを解消するために、全体の差分が極小値になるように位置を調整してもよい。なお、欠陥候補検出部２０は、最大差分値が所定のマッチング差分閾値より小さい場合に、疑似欠陥として、削除してもよい。所定のマッチング差分閾値は、以下で示す差分閾値ＶＳよりも大きい値に設定してもよい。

＜画像処理装置の構成＞
次に、撮像光学系１０が撮像した画像を処理する画像処理装置３０を説明する。図２は、実施形態に係る画像処理装置３０を例示したブロック図である。図２に示すように、画像処理装置３０は、画像取得部３１、差分画像生成部３２、バイナリーマップ生成部３３、エリアフィルターマップ生成部３４、クラスター割合算出部３５、欠陥判断部３６を備えている。画像処理装置３０は、例えば、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）及びメモリ等を備えたコンピュータである。画像処理装置３０における各構成要素は、例えば、プログラムを実行させることによって実現できる。なお、画像処理装置３０は、ＧＰＵに限らず、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）又はマイコン等を備えたコンピュータでもよい。

画像取得部３１は、試料６０の欠陥候補領域を撮像した第１画像及び欠陥候補領域に対応した領域を撮像した第２画像を取得する。例えば、画像取得部３１は、検出器１４または欠陥候補検出部２０から画素毎の検出データを受け取る。画像取得部３１は、受け取った検出データから試料６０の画像を取得する。

画像取得部３１は、イメージマッチングを行ってもよい。例えば、第１パターン画像Ｇ１及び第２パターン画像Ｇ２との間の位置ずれを解消するために、全体の差分が極小値になるように位置を調整してもよい。

図３は、実施形態に係る画像取得部３１が取得した画像及び差分画像生成部３２が生成した差分画像を例示した図である。図３に示すように、画像取得部３１は、例えば、欠陥または欠陥の候補とされる周辺の欠陥候補領域における同一パターンの２枚の画像を取得する。同一パターンの２枚の画像を、第１パターン画像Ｇ１及び第２パターン画像Ｇ２と呼ぶ。第１パターン画像Ｇ１を単に第１画像とも呼び、第２パターン画像Ｇ２を単に第２画像とも呼ぶ。各画像の画素数は、例えば、２５６ｐｘ×２５６ｐｘであるが、各画像の画素数はこれに限らない。リアルタイム検出する場合のデータ通信速度を考慮すれば、画像に含まれる画素数は変更可能である。

第１パターン画像Ｇ１及び第２パターン画像Ｇ２は、Ｄｉｅ－ｔｏ－Ｄｉｅ検査の各画像の欠陥候補領域に相当してもよい。例えば、第１パターン画像Ｇ１は、試料６０における隣接したＤｉｅのうち一方のＤｉｅのパターンを撮像したものである。第２パターン画像Ｇ２は、試料６０における隣接したＤｉｅのうち他方のＤｉｅのパターンを撮像したものである。このようにして、画像取得部３１は、試料６０の欠陥候補領域を撮像した第１パターン画像Ｇ１及び欠陥候補領域に対応した領域を撮像した第２パターン画像Ｇ２を取得する。

なお、画像取得部３１は、欠陥候補領域の画像を欠陥候補検出部２０から取得してもよいし、Ｄｉｅ－ｔｏ－Ｄｉｅ検査における一方のＤｉｅの画像と他方のＤｉｅの画像との差分から、欠陥候補領域を検出してもよい。

差分画像生成部３２は、第１パターン画像Ｇ１と第２パターン画像Ｇ２との差分画像ＧＳを生成する。具体的には、差分画像生成部３２は、第１パターン画像Ｇ１に含まれる複数の画素の各輝度と、第２パターン画像Ｇ２に含まれる複数の画素の各輝度と、の差分を算出する。これにより、各差分値を有する複数の画素を含む差分画像ＧＳを生成させる。図３に示すように、一例として、差分画像ＧＳの一部を拡大させると、各画素は、輝度の差分値を有している。例えば、１画素が８ビットの場合には、０～２５５の輝度の差分値を有している。差分は、例えば、差の絶対値である。

図４は、実施形態に係る差分画像生成部３２が生成した差分画像ＧＳ及びバイナリーマップ生成部３３が生成したバイナリーマップＢＭを例示した図である。図４に示すように、バイナリーマップ生成部３３は、差分閾値ＶＳを設定し、バイナリーマップＢＭを生成させる。例えば、バイナリーマップ生成部３３は、差分閾値ＶＳとして５を設定する。この場合には、バイナリーマップ生成部３３は、差分値が５よりも大きい画素を１に変換し、差分値が５以下の画素を０に変換する。

このように、バイナリーマップ生成部３３は、差分画像ＧＳに含まれる複数の画素の差分値を、所定の差分閾値よりも大きい第１値または差分閾値以下の第２値に変換してバイナリーマップを生成させる。図４に示すバイナリーマップＢＭでは、第１値を「１」で示し、第２値を「０」で示している。図４に示すバイナリーマップＢＭでは、第１値「１」、すなわち、閾値ＶＳ＝５を超えた差分値を有する画素数は１２画素である。なお、図４では、図３の差分画像ＧＳの一部のみのバイナリーマップＢＭを示しているが、バイナリーマップ生成部３３は、差分画像ＧＳ全体のバイナリーマップＢＭを生成してもよい。

図５は、実施形態に係るバイナリーマップ生成部３３が生成したバイナリーマップＢＭ及びエリアフィルターマップ生成部３４が生成したエリアフィルターマップＡＦＭを例示した図である。図５に示すように、差分分布がクラスター化している箇所、すなわち、第１値がクラスター化している箇所を求めるために、エリアフィルターマップ生成部３４は、バイナリーマップＢＭからエリアフィルターマップＡＦＭを生成する。具体的には、エリアフィルターマップ生成部３４は、まず、クラスターサイズを設定する。そして、エリアフィルターマップ生成部３４は、バイナリーマップＢＭに含まれる複数の画素に渡って畳み込みを行うことによって、エリアフィルターマップＡＦＭを生成する。

クラスターサイズは、エリアサイズ数及びエリアカウント数を含む。エリアサイズ数は、エリアフィルタがフィルタ処理するエリアの大きさを示す。すなわち、エリアサイズ数は、エリアフィルタがかけられるエリアの画素数を示す。エリアの各画素は隣接している。よって、エリアフィルタは、エリアサイズ数として設定された複数個数の隣接した画素を含むエリアに対して畳み込みを行う。

例えば、エリアフィルタがかけられるエリアは、行方向及び列方向に２個ずつ並んだ４つの画素を含む。この場合には、エリアサイズ数は、４画素であり、２×２と表す。エリアサイズ数は、例えば、検出対象としている欠陥の差分分布の大きさに合わせることが望ましい。例えば、１画素を、４５ｎｍとした場合には、欠陥差分分布が２×２のエリア（９０ｎｍ程度）でまとまって分布している欠陥を検出するのに適している。なお、エリアは、２×２に限らず、３×３等、他の画素数でもよい。また、検出する欠陥の差分分布は、エリアの大きさに合うものに限らず、エリアの大きさよりも大きい欠陥の差分分布を検出してもよいし、エリアの大きさよりも小さい欠陥の差分分布を検出してもよい。

エリアフィルタは、エリア毎に順番にバイナリーマップＢＭに含まれる複数の画素に渡って畳み込みを行う。例えば、図５において、バイナリーマップＢＭの左上のエリアＡＲ１から畳み込みを行い、順次、エリアＡＲ２、・・・と進み、エリアＡＲ１６まで行う。エリアフィルタは、畳み込みを行う際に、エリアにおける行方向及び列方向の少なくともいずれかに１行または１列ずつ移動して畳み込みを行う。すなわち、エリアフィルタは、バイナリーマップＢＭの左上から右上まで移動する際に、１列ずつ移動する。よって、エリアフィルタがかけられる隣り合うエリアは、同じ画素を含んでいる。例えば、エリアＡＲ１は、１行２列及び２行２列の画素を含み、エリアＡＲ２も、１行２列及び２行２列の画素を含んでいる。このように、エリアフィルターマップ生成部３４は、エリアに含まれるエリアサイズ数の画素のうち、一部を重複させて移動させながらエリアフィルタによる畳み込みを行う。

エリアカウント数は、エリアに含まれた画素のうち、第１値の画素数の閾値である。例えば、エリアカウント数を３以上に設定した場合には、エリアに含まれた第１値の画素数が２以下の場合には、エリアフィルタはクラスターとして出力しない。一方、エリアに含まれた第１値の画素数が３以上の場合には、エリアフィルタは、クラスターとして出力する。

このようにして、エリアフィルターマップ生成部３４は、エリアサイズ数として設定された複数個数の隣接した画素を含むエリア毎に順番にバイナリーマップＢＭに含まれる複数の画素に渡ってエリアフィルタによる畳み込みを行う。エリアフィルターマップ生成部３４は、このような畳み込みを行う際に、エリアフィルタがかけられるエリアの第１値の画素数がエリアカウント数として設定された個数以上の場合に、そのエリアをクラスターとして出力されたエリアフィルターマップを生成させる。

図５に示すように、例えば、（１、０、１、１）のバイナリー値を有する２×２のエリアＡＲ１は、エリアカウント数３個以上であるのでクラスターとして出力される。例えば、「１」として出力される。一方、（０、０、１、０）のバイナリー値を有する２×２のエリアＡＲ２は、エリアカウント数３個未満であるのでクラスターとして出力しない。例えば、「０」として出力される。

クラスターサイズは、予め設定されてもよいし、エリアフィルターマップ生成部３４がこれまでの検査におけるバイナリーマップＢＭ及びエリアフィルターマップＡＦＭのデータの中から類似したデータを選択して、そのときのクラスターサイズに設定してもよい。

クラスター割合算出部３５は、クラスター割合を算出する。クラスター割合は、エリアフィルターマップＡＦＭにおけるクラスターの個数をクラスター数とし、エリアサイズ数に対するエリアカウント数の比に比例した係数を補正係数とした場合に、下記（１）式から求められる。

クラスター割合＝（クラスター数×補正係数Ｋ）／（バイナリーマップＢＭにおける第１値の画素数） （１）

ここで、補正係数Ｋは、下記（２）式である。

補正係数Ｋ＝（エリアカウント数／エリアサイズ数）×α （２）

αは、クラスター割合算出の便宜のためのスケールであり、例えば、１０２４である。そうすると、図５のバイナリーマップＢＭについては、以下の（３）式である。
クラスター割合＝５×（３／４）×１０２４／１２＝３２０ （３）

欠陥判断部３６は、下記の（４）式を満たす場合に、欠陥候補領域に欠陥が存在すると判断する。

０＜クラスター割合≦所定の割合上限値 （４）

欠陥判断部３６は、（４）式を満たす場合には、欠陥候補領域における差分を微小欠陥による差分と判断する。一方、欠陥判断部３６は、クラスター割合が、所定の割合上限値よりも大きい場合には、欠陥候補領域の差分は疑似欠陥等による誤検出と判断する。その場合には、欠陥候補領域を削除してもよい。例えば、欠陥候補領域における差分を周囲と同等の輝度に修正することにより削除する。また、欠陥判断部３６は、クラスター割合が０の場合も微小欠陥ではないと判断して欠陥候補領域から削除してもよい。クラスター割合＝０のとき、つまり、差分のクラスターが１つもない場合は、本物の欠陥はないとして疑似欠陥と判定する。

表示装置４０は、欠陥判断部３６が欠陥候補領域に欠陥が存在すると判断する場合に、当該欠陥を表示する。表示装置４０は、例えば、ユーザとのユーザインターフェースとなるメインＰＣである。

図６は、実施形態に係る微小欠陥の差分分布を例示した図である。図７は、実施形態に係るデフォーカスによる差分分布を例示した図である。図６及び図７では、差分が大きいほど明るく表示されるようになっている。図６に示すように、微小欠陥は、画像間の差分やサイズ（差分分布）が小さい。よって、微小欠陥を検出しようとすると、装置起因の微小な差分を疑似欠陥として検出してしまう恐れがある。例えば、図７は、隣接する２つのＤｉｅを撮像する間にデフォーカスが発生した場合であり、パターン６１のエッジにおけるデフォーカスによる輝度の差が差分として検出されている。図７に示すように、装置起因の疑似欠陥は、デフォーカスによる差分の誤検出である場合が多く、パターンエッジに沿って差分が発生する。このため、差分分布は、大きくなり、画像内のある割合以上を占めていることが多い。

そこで、本実施形態では、欠陥候補領域の差分分布に着目し、差分値の大きいクラスター割合が画像内の所定の割合上限値よりも大きい場合は、疑似欠陥と判断する。一方、クラスター割合が、所定の割合上限値以下の場合には、微小欠陥と判断する。これにより、図６に示すような微小欠陥を、図７に示すような疑似欠陥から区別することができる。

なお、サイズの大きな欠陥は、差分分布が大きく、実施形態の画像処理装置３０では、微小欠陥と判断されない場合がある。しかしながら、そもそも、サイズの大きな欠陥は、装置起因の疑似欠陥と、本実施形態以外の方法で明確に区別することができるので、本実施形態の対象外である。本実施形態では、微小な欠陥をターゲットにしているため、大きな欠陥は、別の方法で予め検出しておくことが望ましい。本実施形態は、装置起因の微小な疑似欠陥と区別するためのものであり、微小欠陥を検出するために高感度設定されたアルゴリズムに適用することが望ましい。

＜欠陥検出方法＞
次に、欠陥検出装置１の動作として、欠陥検出方法を説明する。図８は、実施形態に係る欠陥検出装置１の欠陥検出方法を例示したフローチャート図である。図８に示すように、欠陥検出方法は、撮像ステップ（ステップＳ１１）、欠陥候補検出ステップ（ステップＳ１２）、画像処理ステップ（ステップＳ１３）及び欠陥の表示ステップ（ステップＳ１４）を備えている。

撮像ステップ（ステップＳ１１）において、撮像光学系１０は、試料６０を撮像する。次に、欠陥候補検出ステップ（ステップＳ１２）において、欠陥候補検出部２０は、撮像光学系１０が撮像した画像から欠陥候補領域を検出する。なお、欠陥候補検出部２０は、欠陥候補領域を検出する前に、イメージマッチングを行ってもよい。例えば、一方のＤｉｅの画像と他方のＤｉｅの画像との間の位置ずれを解消するために、全体の差分が極小値になるように位置を調整してもよい。また、欠陥候補検出部２０は、最大差分値が所定のマッチング差分閾値より小さい場合に、疑似欠陥として、削除してもよい。

次に、画像処理ステップ（ステップＳ１３）において、画像処理装置３０は、撮像された画像を処理する。具体的には、下記の画像処理方法で説明するように、第１パターン画像Ｇ１及び第２パターン画像Ｇ２を用いて画像処理を行う。画像処理では、上述した画像処理装置３０を用いて、高速処理することで、疑似欠陥を排除し、微小欠陥をリアルタイムで識別する。そして、欠陥の表示ステップ（ステップＳ１４）において、表示装置４０は、欠陥が存在すると判断された場合に、欠陥を表示させる。このようにして、試料６０の欠陥を検出することができる。

＜画像処理方法＞
次に、画像処理装置３０の動作として、画像処理方法を説明する。図９は、実施形態に係る画像処理装置３０の画像処理方法を例示したフローチャート図である。図９に示すように、画像処理方法は、画像取得ステップ（ステップＳ２１）、差分画像生成ステップ（ステップＳ２２）、バイナリーマップ生成ステップ（ステップＳ２３）、エリアフィルターマップ生成ステップ（ステップＳ２４）、クラスター割合算出ステップ（ステップＳ２５）及び欠陥判断ステップ（ステップＳ２６）を備えている。本実施形態では、例えば、ＧＰＵを含む画像処理装置３０を用いて高速処理することで、疑似欠陥を排除し、微小欠陥をリアルタイムで識別する。

画像取得ステップ（ステップＳ２１）において、画像取得部３１は、試料６０の欠陥候補領域を撮像した第１パターン画像Ｇ１及び欠陥候補領域に対応した領域を撮像した第２パターン画像Ｇ２を取得する。

次に、差分画像生成ステップ（ステップＳ２２）において、差分画像生成部３２は、第１パターン画像Ｇ１に含まれる複数の画素の各輝度と、第２パターン画像Ｇ２に含まれる複数の画素の各輝度と、の差分を算出することにより、各差分値を有する複数の画素を含む差分画像ＧＳを生成させる。なお、差分画像ＧＳにおいて、最大差分値が所定のマッチング差分閾値より小さい場合には、疑似欠陥として削除してもよい。ここで、マッチング差分閾値は、基本的に本実施形態で設定する差分閾値ＶＳよりも大きい値に設定する。そして、マッチング差分閾値を用いた処理で削除されなかった欠陥候補に対して、本実施形態の画像処理を適用してもよい。

次に、バイナリーマップ生成ステップ（ステップＳ２３）において、バイナリーマップ生成部３３は、差分画像ＧＳに含まれる複数の画素の差分値を、所定の差分閾値ＶＳよりも大きい第１値または差分閾値ＶＳ以下の第２値に変換してバイナリーマップを生成させる。

次に、エリアフィルターマップ生成ステップ（ステップＳ２４）において、エリアフィルターマップ生成部３４は、エリアサイズ数として設定された複数個数の隣接した画素を含むエリア毎に順番にバイナリーマップＢＭに含まれる複数の画素に渡ってエリアフィルタによる畳み込みを行う。エリアフィルターマップ生成部３４は、このような畳み込みを行う際に、エリアフィルタがかけられるエリアの第１値の画素数がエリアカウント数として設定された個数以上の場合に、エリアをクラスターとして出力されたエリアフィルターマップを生成させる。

次に、クラスター割合算出ステップ（ステップＳ２５）において、クラスター割合算出部３５は、上記（１）式のクラスター割合を算出する。

次に、欠陥判断ステップ（ステップＳ２６）において、欠陥判断部３６は、上記（４）式を満たすときに、欠陥候補領域に欠陥が存在すると判断する。

＜シミュレーション結果＞
次に、シミュレーション結果を説明する。図１０及び図１１は、実施形態に係るシミュレーション結果を例示したグラフであり、横軸は、割合上限設定値を示し、縦軸は、削除されずに残った疑似欠陥個数及び削除されずに残った微小欠陥個数を示す。

図１０に示すように、画像処理装置３０による画像処理を行う前において、マスク１には、９２個の欠陥（疑似欠陥）が検出された。また、マスク１には、もともと６個の微小欠陥が存在する。よって、もともと６個ある微小欠陥を削除せずに、疑似欠陥をどれだけ減らせるかをシミュレーションする。例えば、本実施形態の画像処理後において、割合上限値を４００に設定した場合には、微小欠陥を６個検出しつつ、疑似欠陥を５０個まで抑えることができる。割合上限値を２００に設定した場合には、微小欠陥を６個検出しつつ、疑似欠陥を２０個まで抑えることができる。割合上限値を１００に設定した場合には、微小欠陥を６個検出しつつ、疑似欠陥を２個まで抑えることができる。なお、差分閾値ＶＳ＝２、エリアサイズ＝（２、２）、エリアカウント＝３である。

割合上限値を小さくするほど、小さくクラスター化しているものだけが残ることになる。よって、割合上限値を１００に設定することにより、もともと存在する微小欠陥を６個検出しつつ、疑似欠陥を２個まで抑えることができる。このように、他の方法で予め微小欠陥の個数を検出した試料を用いて上限設定値を設定してもよい。

図１１に示すように、画像処理装置３０による画像処理を行う前において、マスク２には、１５７個の欠陥（疑似欠陥）が検出された。また、マスク２には、もともと１個の微小欠陥が存在する。よって、もともと１個ある微小欠陥を削除せずに、疑似欠陥をどれだけ減らせるかをシミュレーションする。例えば、本実施形態の画像処理後において、割合上限値を４００に設定した場合には、微小欠陥を１個検出しつつ、疑似欠陥を２０個まで抑えることができる。割合上限値を２００に設定した場合には、微小欠陥を１個検出しつつ、疑似欠陥を３個程度まで抑えることができる。割合上限値を１００に設定した場合には、微小欠陥を１個検出しつつ、疑似欠陥を１個まで抑えることができる。なお、差分閾値ＶＳ＝２、エリアサイズ＝（２、２）、エリアカウント＝４である。図１１の場合でも、割合上限値を１００に設定することにより、もともと存在する微小欠陥を１個検出しつつ、疑似欠陥を２個まで抑えることができる。

図１２及び図１３は、実施形態に係るシミュレーション結果を例示したグラフであり、横軸は、割合上限設定値を示し、縦軸は、削除されずに残った疑似欠陥個数を示す。

図１２及び図１３に示すように、本実施形態の画像処理を適用することにより、疑似欠陥を大幅に減少させることができる。なお、差分閾値＝２、エリアサイズ＝（２、２）、エリアカウント＝４である。

次に、本実施形態の効果を説明する。本実施形態によれば、試料６０の欠陥をリアルタイムで検出することができる。そして、微小欠陥と疑似欠陥との区別をすることができ、疑似欠陥の検出を抑えつつ、微小欠陥を検出することができる。よって、欠陥の検出感度を向上させることができる。

図１４は、実施形態に係る画像処理装置３０が処理した画像を例示した図である。図１４に示すように、本実施形態では、欠陥の検査中にリアルタイムで画像処理を適用することができ、疑似欠陥の検出を抑制しつつ、微小欠陥を検出することができる。

また、本実施形態では、エリアフィルタによりフィルタ処理するエリアは、行方向及び列方向に同じ数だけ並んだ画素を含む。そして、エリアフィルタは、行方向及び列方向の少なくともいずれかに１行または１列ずつ移動して畳み込みを行う。よって、各エリアの一部を重複させて畳み込みを行うので、欠陥検出の元となるクラスターを精度よく検出することができる。

さらに、割合上限値は、予め微小欠陥の個数を検出した試料を用いて設定されてもよい。これにより、微小欠陥を削除せずに、疑似欠陥を抑制することができる。

本実施形態の欠陥検出装置１は、撮像光学系１０が撮像した画像から欠陥候補領域を検出する欠陥候補検出部２０をさらに備えてもよい。これにより、欠陥候補領域に絞って画像処理を行うことができ、処理を高速化することができる。

以上、本発明の実施形態を説明したが、本発明はその目的と利点を損なうことのない適宜の変形を含み、更に、上記の実施形態による限定は受けない。

１ 欠陥検出装置
１０ 撮像光学系
１１ 光源
１２ ビームスプリッタ
１３ 対物レンズ
１４ 検出器
２０ 欠陥候補検出部
３０ 画像処理装置
３１ 画像取得部
３２ 差分画像生成部
３３ バイナリーマップ生成部
３４ エリアフィルターマップ生成部
３５ クラスター割合算出部
３６ 欠陥判断部
４０ 表示装置
５０ ステージ
５１ ステージ面
５２ 駆動機構
６０ 試料
６１ パターン
ＢＭ バイナリーマップ
Ｇ１ 第１パターン画像
Ｇ２ 第２パターン画像
ＧＳ 差分画像
Ｌ１１ 照明光
Ｌ１２ 反射光
ＶＳ 差分閾値

Claims (7)

1. 試料を撮像する撮像光学系と、
   前記撮像光学系が撮像した画像を処理する画像処理装置と、
   を備え、
   前記画像処理装置は、
   前記試料の欠陥候補領域を撮像した第１画像及び前記欠陥候補領域に対応した領域を撮像した第２画像を取得する画像取得部と、
   前記第１画像に含まれる複数の画素の各輝度と、前記第２画像に含まれる複数の画素の各輝度と、の差分を算出することにより、各差分値を有する複数の画素を含む差分画像を生成させる差分画像生成部と、
   前記差分画像に含まれる前記複数の画素の前記差分値を、所定の差分閾値よりも大きい第１値または前記差分閾値以下の第２値に変換してバイナリーマップを生成させるバイナリーマップ生成部と、
   エリアサイズ数として設定された複数個数の隣接した画素を含むエリア毎に順番に前記バイナリーマップに含まれる前記複数の画素に渡ってエリアフィルタによる畳み込みを行う際に、前記エリアフィルタがかけられる前記エリアの前記第１値の画素数がエリアカウント数として設定された個数以上の場合に、前記エリアをクラスターとして出力されたエリアフィルターマップを生成させるエリアフィルターマップ生成部と、
   前記エリアフィルターマップにおける前記クラスターの個数をクラスター数とし、前記エリアサイズ数に対する前記エリアカウント数の比に比例した係数を補正係数とした場合に、下記（Ａ）式のクラスター割合を算出するクラスター割合算出部と、
   クラスター割合＝（クラスター数×補正係数）／（バイナリーマップにおける第１値の画素数） （Ａ）
   下記の（Ｂ）式を満たすときに、前記欠陥候補領域に欠陥が存在すると判断する欠陥判断部と、
   ０＜クラスター割合≦所定の割合上限値 （Ｂ）
   を有する欠陥検出装置。
2. 前記エリアは、行方向及び列方向に同じ数だけ並んだ前記画素を含み、前記エリアフィルタは、前記行方向及び前記列方向の少なくともいずれかに１行または１列ずつ移動して畳み込みを行う、
   請求項１に記載の欠陥検出装置。
3. 前記割合上限値は、予め微小欠陥の個数を検出した試料を用いて設定される、
   請求項１または２に記載の欠陥検出装置。
4. 前記撮像光学系が撮像した前記画像から所定の差分値を有する画素を含む前記欠陥候補領域を検出する欠陥候補検出部をさらに備えた、
   請求項１～３のいずれか１項に記載の欠陥検出装置。
5. 試料を撮像する撮像ステップと、
   撮像された画像を処理する画像処理ステップと、
   を備え、
   前記画像処理ステップは、
   前記試料の欠陥候補領域を撮像した第１画像及び前記欠陥候補領域に対応した領域を撮像した第２画像を取得する画像取得ステップと、
   前記第１画像に含まれる複数の画素の各輝度と、前記第２画像に含まれる複数の画素の各輝度と、の差分を算出することにより、各差分値を有する複数の画素を含む差分画像を生成させる差分画像生成ステップと、
   前記差分画像に含まれる前記複数の画素の前記差分値を、所定の差分閾値よりも大きい第１値または前記差分閾値以下の第２値に変換してバイナリーマップを生成させるバイナリーマップ生成ステップと、
   エリアサイズ数として設定された複数個数の隣接した画素を含むエリア毎に順番に前記バイナリーマップに含まれる前記複数の画素に渡ってエリアフィルタによる畳み込みを行う際に、前記エリアフィルタがかけられる前記エリアの前記第１値の画素数がエリアカウント数として設定された個数以上の場合に、前記エリアをクラスターとして出力されたエリアフィルターマップを生成させるエリアフィルターマップ生成ステップと、
   前記エリアフィルターマップにおける前記クラスターの個数をクラスター数とし、前記エリアサイズ数に対する前記エリアカウント数の比に比例した係数を補正係数とした場合に、下記（Ａ）式のクラスター割合を算出するクラスター割合算出ステップと、
   クラスター割合＝（クラスター数×補正係数）／（バイナリーマップにおける第１値の画素数） （Ａ）
   下記の（Ｂ）式を満たすときに、前記欠陥候補領域に欠陥が存在すると判断する欠陥判断ステップと、
   ０＜クラスター割合≦所定の割合上限値 （Ｂ）
   を有する欠陥検出方法。
6. 試料の欠陥候補領域を撮像した第１画像及び前記欠陥候補領域に対応した領域を撮像した第２画像を取得する画像取得部と、
   前記第１画像に含まれる複数の画素の各輝度と、前記第２画像に含まれる複数の画素の各輝度と、の差分を算出することにより、各差分値を有する複数の画素を含む差分画像を生成させる差分画像生成部と、
   前記差分画像に含まれる前記複数の画素の前記差分値を、所定の差分閾値よりも大きい第１値または前記差分閾値以下の第２値に変換してバイナリーマップを生成させるバイナリーマップ生成部と、
   エリアサイズ数として設定された複数個数の隣接した画素を含むエリア毎に順番に前記バイナリーマップに含まれる前記複数の画素に渡ってエリアフィルタによる畳み込みを行う際に、前記エリアフィルタがかけられる前記エリアの前記第１値の画素数がエリアカウント数として設定された個数以上の場合に、前記エリアをクラスターとして出力されたエリアフィルターマップを生成させるエリアフィルターマップ生成部と、
   前記エリアフィルターマップにおける前記クラスターの個数をクラスター数とし、前記エリアサイズ数に対する前記エリアカウント数の比に比例した係数を補正係数とした場合に、下記（Ａ）式のクラスター割合を算出するクラスター割合算出部と、
   クラスター割合＝（クラスター数×補正係数）／（バイナリーマップにおける第１値の画素数） （Ａ）
   下記の（Ｂ）式を満たすときに、前記欠陥候補領域に欠陥が存在すると判断する欠陥判断部と、
   ０＜クラスター割合≦所定の割合上限値 （Ｂ）
   を備えた画像処理装置。
7. 試料の欠陥候補領域を撮像した第１画像及び前記欠陥候補領域に対応した領域を撮像した第２画像を取得する画像取得ステップと、
   前記第１画像に含まれる複数の画素の各輝度と、前記第２画像に含まれる複数の画素の各輝度と、の差分を算出することにより、各差分値を有する複数の画素を含む差分画像を生成させる差分画像生成ステップと、
   前記差分画像に含まれる前記複数の画素の前記差分値を、所定の差分閾値よりも大きい第１値または前記差分閾値以下の第２値に変換してバイナリーマップを生成させるバイナリーマップ生成ステップと、
   エリアサイズ数として設定された複数個数の隣接した画素を含むエリア毎に順番に前記バイナリーマップに含まれる前記複数の画素に渡ってエリアフィルタによる畳み込みを行う際に、前記エリアフィルタがかけられる前記エリアの前記第１値の画素数がエリアカウント数として設定された個数以上の場合に、前記エリアをクラスターとして出力されたエリアフィルターマップを生成させるエリアフィルターマップ生成ステップと、
   前記エリアフィルターマップにおける前記クラスターの個数をクラスター数とし、前記エリアサイズ数に対する前記エリアカウント数の比に比例した係数を補正係数とした場合に、下記（Ａ）式のクラスター割合を算出するクラスター割合算出ステップと、
   クラスター割合＝（クラスター数×補正係数）／（バイナリーマップにおける第１値の画素数） （Ａ）
   下記の（Ｂ）式を満たすときに、前記欠陥候補領域に欠陥が存在すると判断する欠陥判断ステップと、
   ０＜クラスター割合≦所定の割合上限値 （Ｂ）
   をコンピュータに実行させる画像処理プログラム。

Images