JP4601134B2 - 形状特徴に基づく欠陥検出の方法及び装置 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は概括的にはディジタル画像処理に関し、とくに画像比較技術を用いて半導体装置中の欠陥を検出するシステムおよび方法に関する。
【０００２】
【発明が解決しようとする課題】
半導体ウェーハ中の欠陥の検出には画像比較技術が用いられる。通常は被検画像を取り込み、それを基準画像と比較する。これら二つの画像の間の差の検出およびそれら差に基づく実際の欠陥の判定のために欠陥検出アルゴリズムを用いる。いわゆるランダム論理検査モードでは、第１のダイの画像を取り込み、次に同一ウェーハ中の第２のダイの画像と比較する。アレー検査モードも同様に動作が進むが、ダイの一区画を同じダイの中で同一構造を有するもう一つの区画と比較する点がランダム論理検査モードと異なる。アレー検査モードは例えばメモりセルなど同一パターン反復構造のデバイスの検査に用いる。検査対象のウェーハからの複数の画像を比較する代わりに、取り込んだ被検画像をデータベースからの既知の無欠陥基準画像と比較して欠陥を検出することもできる。
【０００３】
図１は従来技術における欠陥検出方法を図解する。分析対象のウェーハの形状特徴の被検画像および基準画像をそのウェーハの互いに異なる区画から例えば慣用の電子ビーム画像化技術を用いて取り込む（ステップ１１０）。各画像は、その画像の中における位置および輝度またはグレーレベルで各々が定義される複数の画素から成る。画像処理におけるグレーレベルの利用はこの技術分野において周知であり、R.C.Conzales および R.E.Woods 共著「ディジタル画像処理」（Addison-Wesley社1992年刊）の例えば第６頁乃至第７頁に記載されている。その記載をここに引用してその内容全部をこの明細書に組み入れる。次に、上記二つの画像を画素ごとに位置合わせして被検画像の中の各形状特徴と基準画像の中の対応の形状特徴とを照合できるようにする（ステップ１２０）。次に、これら二つの画像のグレーレベルを減算することによって差分画像を発生する（ステップ１３０）。互いに等しいグレーレベルを有する似合いの画素は減算により零となるので上記差分画像が基準画像と被検画像との間の画素グレーレベル偏差を表す。この差分画像の中の各画素のグレーレベルを計測し正規化したのち、図２の曲線２００など一次元ヒストグラムにプロットする（ステップ１４０）。ヒストグラム２００は上記差分画像の中で特定のグレーレベルを有する画素の数をプロットしたものである。例えば、ヒストグラム２００はグレーレベル５０の画素が上記差分画像の中に20,000個あることを示す。
【０００４】
上記二つの画像に欠陥がない場合でも被検画像の一つの画素が基準画像の中の対応画素と同じでないことがあり得る。例えば、物理的層構造の相違や、画像取込み電子回路および信号経路における雑音や、単一画像中でグレーレベルの差に応じて変動する雑音などにより輝度変動が生じ得るからである。すなわち、上記差分画像の中の画素は欠陥の存在を示すとは限らない。この擬似欠陥を実際の欠陥から区別するために、差分画像の各画素を閾値窓と比較する（図１、ステップ１５０）。閾値窓を超えたグレーレベルを有する画素は実際の欠陥と判定する。例えば、閾値窓が±５０であって差分画像の中の画素のグレーレベルが６０である場合（すなわち、被検画像のグレーレベルと基準画像のグレーレベルとの差が６０単位である場合）は、その画素は欠陥であると判定する（図１、ステップ１６０）。次に操作者は次の処理過程でダイを廃棄する前にこの欠陥事象がダイの実際の欠陥を示すものであることを確認するために検証する。
【０００５】
与えられた被検画像について最適の閾値を見出すことは重要であるが不正確なタスクである。閾値は、擬似欠陥を識別しながら実際の欠陥を検出するように選定しなければならない。閾値幅が狭いほど多くの擬似欠陥が検出される。擬似欠陥は、各欠陥事象につき検証が必要となるので、製造効率に悪影響を及ぼす。一方、閾値幅を広くすると、擬似欠陥事象は減るものの実際の欠陥が検出されないままになる可能性が高まる。
【０００６】
したがって、擬似欠陥検出を最小に抑えながら実際の欠陥を確実に検出できる欠陥検出方法が必要になっている。
【０００７】
【課題を解決するための手段】
この発明の一つの実施例においては、第１の画像と第２の画像とを取り込んで位置合わせする。その第１の画像からの画素のグレーレベルを第２の画像からの対応の画素のグレーレベルと対応させてプロットすることにより第１の二次元分散プロットを作成する。次に、この第１の分散プロットのデータ点をフィルタ処理することにより第２の二次元分散プロットを作成する。この第２の分散プロットはマスクの形成のために抽出補填可能なマスク形状を生ずる。上記第１および第２の画像からの対応画素のグレーレベルを上記マスクと比較することにより欠陥を特定する。
【０００８】
【発明の実施の形態】
この発明は解析対象の一対の画像に適応型閾値比較手法を適用することにより、上述の従来技術の欠陥検出方法の問題点を解消する。上述の画像対すべてに所定の閾値比較を適用する従来技術の方法と対照的に、この発明の方法は画像対の各々に対応した閾値マスクを用いる。この発明は、電子ビーム比較検査システム、高輝度フィールド比較検査システム、低輝度フィールド比較検査システム、レーザ比較検査システム、原子間力顕微鏡（ＡＦＭ）比較検査システムなど多様な画像形成応用装置に用いることができる。
【０００９】
図３はこの発明の実施例の方法の各ステップの説明図である。ステップ３１０において、例えば半導体装置の被検画像と基準画像とを慣用の画像取込み技術を用いて取り込む。この画像取込みは、この出願と同一出願人名義の特許出願である特願２０００−００２０２９「パターン形成ずみの半導体基板における欠陥の検出」（平成１２年１月７日提出）に記載した歩進式の画像取込みシステムを用いて達成することもでき、同出願をここに参照してその記載内容全部をこの明細書に組み入れる。
【００１０】
ステップ３２０において、上記被検画像および基準画像を位置合わせしてこれら両画像の間の対応画素比較を遂行できるようにする。この出願と同一出願人名義の特許出願である特願２０００−００２０１８「形状特徴に基づく欠陥検出方法および装置」（平成１２年１月７日提出）に記載した技術を含む多様な位置合わせ手法をこの発明と組み合わせて用いることができ、同出願をここに参照してその記載内容全部をこの明細書に組み入れる。被検画像の中の形状特徴すべてを基準画像の中の各対応形状特徴と確実に比較できるようにするために上記位置合わせステップすなわちアラインメントステップが必要である。
【００１１】
ステップ３２０を図４Ａ乃至図４Ｃにさらに詳細に図解する。図４Ａは画素４１１−４１６を含む被検画像４１０を示す。これら画素の各々は画像上の位置とグレーレベルとによって定義される。例えば、画素４１３はｉ＝１０，ｊ＝３０（すなわち（１０，３０））の位置にある。画素４１３のグレーレベルはこの図解では５０としてある。表１は被検画像４１０の上記画素の各々についての座標位置およびグレーレベルを示し、表２は基準画像４２０の画素４２１−４２６の各々についての座標位置およびグレーレベルを示す。

図４Ｃは被検画像４１０と基準画像４２０との位置合わせを図解する。位置合わせした画素位置４３１は画素４１１および４２１を含み、位置合わせした画素位置４３２は画素４１２および４２２を含み、以下同様となる。
【００１２】
基準画像と被検画像とを位置合わせすると、両画像間の画素対画素対応が既知となる。被検画像からの一つの画素のグレーレベルを基準画像の中の対応の画素のグレーレベルと対応させて位置合わせずみの各画素位置につきプロットすることによって、二次元（２Ｄ）分散プロットを作成する（図３、ステップ３３０）。図４Ｃを例として用いて述べると、画素４１１のグレーレベルを画素４２１のグレーレベルに対応させてプロットし、画素４１２のグレーレベルを画素４２２のグレーレベルに対応させてプロットし、以下同様とする。位置４３１−４３６についてステップ３３０を実行すると図３に示すデータが得られる。その結果得られた二次元分散プロット５００を図５に示す。

表３は位置合わせずみの画素位置４３４、４３５および４３６が多様なグレーレベルを呈し、したがって欠陥の存在を示していることを表す。一方、位置合わせずみの画素位置４３１、４３２および４３３は、これら位置における被検画像および基準画像のグレーレベルが等しいので、欠陥ではない。分散プロット５００（図５）は欠陥の存在に関する情報をもたらす。互いに等しいグレーレベルの位置合わせずみ画像位置はすべて分散プロット５００において仮想直線５０１により表示できる。仮想直線１の勾配は、被検画像画素のグレーレベルが基準画像中の対応画素のグレーレベルに等しいので＋１である。プロットされる位置が仮想直線５０１から離れるほどグレーレベルの偏移が大きくなり、その位置に欠陥が存在する確率が高まる。分散プロット５００において、位置４３４、４３５および４３６は仮想直線５０１沿いになく欠陥の存在を示している。この明細書においては、二次元（２Ｄ）分散データ点の座標を画像画素位置座標（ｉ，ｊ）から区別するために（ｔｇｒａｙ，ｒｇｒａｙ）で表示する。例えば、位置合わせずみ画素位置４３５は位置（２００，１００）の２Ｄ分散プロットデータ点として定義する。
【００１３】
二次元分散プロットをコンピュータプログラムで実働化する擬似符号を下に示す。この擬似符号ではグレーレベル値はメモリーアレー変数（分散）でプロットされる。

上述の２Ｄ分散プロットはこの出願と同一出願人名義の米国特許出願第０９／３６５，５１７号「欠陥検出のためのに次元分散プロット手法」にも記載しているので、同出願をここに参照してその内容全体をこの明細書に組み入れる。
【００１４】
図６乃至図８は図３に示した実施例のステップ３１０、３２０および３３０の要約図解である。図６は欠陥６０１を含むウェーハから慣用の手法で取り込んだ被検画像６００である。基準画像７００（図７）を取り込んだのち被検画像６００と位置合わせする。被検画像からの画素グレーレベルと基準画像の対応画素のグレーレベルと対応させてプロットすることにより、２Ｄ分散プロット８００（図８）を作成する。この分散プロットは手計算で作成でき、またプログラムしたコンピュータを用いても作成できる。分散プロット８００のデータ点を暗色背景の中の白い点で示す。図示の直線８０１は被検画像画素と基準画像画素とが同じである位置合わせずみ画素位置を画する。例えば、被検画像６００が基準画像７００と同じである場合は、分散プロット８００のデータ点はすべて直線８０１上にある。
【００１５】
分散プロット８００は、被検画像および基準画像の中の欠陥６０１の画素も入れた全画素についてのグレーレベル情報を含む。上述のとおり、データ点の位置が直線８０１から遠いほどそのデータ点が欠陥の存在を示している確率が高い。
この発明の方法は、この情報を利用して、欠陥画素と被欠陥画素との区別のために分散プロット８００に重畳できるマスクを形成する。このマスクを外れたデータ点は欠陥事象と判定する。
【００１６】
このマスクの縁部または境界を見出すために、分散プロット８００のデータ点に雑音除去フィルタ処理を適用する（図３、ステップ３４０）。この雑音除去フィルタは、例えば形態素フィルタなど多様な慣用の雑音除去フィルタで構成できる。形態素フィルタはこの技術分野で周知であり、B.Jahne 著「ディジタル画像処理の概念、アルゴリズムおよび科学的応用」（Springer Verlag 社1991年刊）第11章および R.C.Gonzales および R.E.Woods 共著「ディジタル画像処理」（Addison-Wasley 社1992年刊）第８章にも記載されているのでこれらを参照してその内容全部をこの明細書に組み入れる。形態素フィルタ処理はマスク形状を画するように分散プロット８００のデータ点を「圧縮」し「浄化」する。図９Ａに示した２Ｄ分散プロット９５０は分散プロット８００に形態素フィルタ処理を適用した結果である。この分散プロット９５０はマスク形状９００を示す。
【００１７】
境界抽出はマスク形状の境界データ点の各々の座標を把握するデータ処理である（図３、ステップ３５０）。マスク形状９００の境界抽出のための一つのアルゴリズムは次のとおりである。
マスク形状抽出アルゴリズム
（ａ１）図９Ｂに示すとおり、分散プロット９５０の左上角から右下角に延びる直線９０１を描く。
（ａ２）直線９０１から境界点までの垂直距離の跡をたどる二つの数アレーを作成する。それら数アレーの片方を「上側」と表示する。「上側」アレーは直線９０１の上側（すなわち矢印９０２で示した領域）の境界点の上記垂直距離の跡をたどるのに用いる。上記数アレーの他方、すなわち「下側」アレーは直線９０１の下側（すなわち矢印９０３で示した領域）の境界点の上記垂直距離の跡をたどるのに用いる。垂直距離の例を直線９０１から境界点９０５に延びる垂線９０４の長さとして図９Ｂに示してある。もう一つの垂直距離の例を直線９０１から境界点９０７に延びる垂線９０６の長さとして図示してある。
（ａ３）「上側」および「下側」アレーの構成要素全部を論理０に初期化する。
（ａ４）分散プロット９５０上の座標位置（ｔｇｒａｙ，ｒｇｒａｙ）の各々についてその座標にデータ点があるか否かをチェックする。データ点がある場合は下記ステップ（ａ５）乃至（ａ９）に進み、ない場合は分散プロット上の次の位置に動く。図８、図９Ａおよび図９Ｂにおいて、データ点は暗色背景に白い点で示してある（すなわち、データ点または論理１の点は白い点で示し、データなしの点または論理０の点は黒い点で示してある）。すなわち、図９Ｂの暗色の部分はデータ点を含んでいないので無視する。
（ａ５）分散プロット位置がデータ点を有する場合は直線９０１からの垂直距離Ｄｐｅｒｐを測る。また、このデータ点の一次元（１Ｄ）距離プロフィール沿いの位置Ｒｐｒｏｆｉｌｅを算出する。一次元（１Ｄ）距離プロフィールについてはさらに後述する。ＲｐｒｏｆｉｌｅはＲｐｒｏｆｉｌｅ＝（ｔｇｒａｙ＋ｒｇｒａｙ）／２（式１）で算出できる。
（ａ６）座標（ｔｇｒａｙ，ｒｇｒａｙ）が直線９０１の上側にある場合はＤｐｅｒｐは正の値とし、下側にある場合は負の値とする。
（ａ７）Ｄｐｅｒｐが「上側」アレーの要素Ｒｐｒｏｆｉｌｅに蓄積中の上記垂直距離よりも大きい場合は「上側」アレーの要素ＲｐｒｏｆｉｌｅにＤｐｅｒｐを蓄積する。
（ａ８）Ｄｐｅｒｐが「下側」アレーの要素Ｒｐｒｏｆｉｌｅに蓄積中の上記垂直距離よりも小さい場合は「下側」アレーの要素ＲｐｒｏｆｉｌｅにＤｐｅｒｐを蓄積する。
（ａ９）上記ステップをデータ点全部について続ける。
【００１８】
上述のマスク形状抽出アルゴリズムの実行後には「上側」および「下側」アレーはマスク形状境界点の垂直距離を含む。これら垂直距離の値および対応のＲｐｒｏｆｉｌｅを図１０Ａに示した１Ｄ距離プロフィールの作成に用いる。曲線１０１０は「上側」アレーの要素Ｒｐｒｏｆｉｌｅに蓄積した垂直距離のグラフであり、曲線１０２０は「下側」アレーについての同様のグラフである。この抽出したマスク形状の輪郭をさらに明確にするために、例えば、移動平均アルゴリズムを用いて距離プロフィール１０００をさらに円滑化することもできる。移動平均アルゴリズムはA.V.Oppenheim および R.W.Schafer 共著「離散的時間信号処理」（Prentice-Hall 社1989年刊）に記載されていて周知であるので、同文献を参照してその内容全部をこの明細書に組み入れる。図１０Ｂに示した距離プロフィール２０００は上述の距離プロフィール１０００に移動平均アルゴリズムを適用した結果得られたものである。曲線１０３０および１０４０はそれぞれ曲線１０１０および１０２０の移動平均である。
【００１９】
ユーザがマスクの範囲を変更できるようにするために、抽出したマスク形状に感度マージンを適用することもできる（図３、ステップ３６０）。ユーザの選択した感度の値を抽出マスク形状の計測またはオフセットに用いることもできる。
図１０Ｃの曲線１０５０は曲線１０３０の各点に感度値Ｓｖａｌｕｅを加算した結果を示す。曲線１０６０は曲線１０４０の各点からＳｖａｌｕｅを減算した結果を示す。
【００２０】
抽出したマスク形状の境界内の座標点すべてに補填することによってマスク参照用テーブルを作成する（図３、ステップ３７０）。抽出したマスク形状の補填のためのアルゴリズムを図９Ｂの分散プロット９５０を用いて図解する。
マスク形状領域補填アルゴリズム
（ｂ１）二次元分散プロットＭｓｃａｔｔｅｒを作成する。Ｍｓｃａｔｔｅｒのすべてのデータ点を論理１に設定する。
（ｂ２）分散プロット９５０の位置（ｔｇｒａｙ，ｒｇｒａｙ）の各々につき上記の式１を用いてＲｐｒｏｆｉｌｅを算出し、垂直距離Ｄｐｅｒｐを得る。
（ｂ３）図１０Ｂに示した距離プロフィール２０００（感度マージンを用いた場合は図１０Ｃに示した距離プロフィール）にＲｐｒｏｆｉｌｅおよびＤｐｅｒｐをプロットする。点（Ｒｐｒｏｆｉｌｅ，Ｄｐｅｒｐ）が曲線１０３０および１０４０に囲まれている場合はＭｓｃａｔｔｅｒの位置（ｔｇｒａｙ，ｒｇｒａｙ）を論理０にリセットする。それ以外の場合は分散プロット９５０の次の位置（ｔｇｒａｙ，ｒｇｒａｙ）に続ける。
（ｂ４）上述のステップを位置全部について続ける。
【００２１】
上述のアルゴリズムにより図１１のＭｓｃａｔｔｅｒ１１００が得られる。Ｍｓｃａｔｔｅｒ１１００は二次元分散プロット中の欠陥点の検出に使えるマスク１１１０を含む。マスク１１１０の内側の点はすべて論理０である。図１２は分散プロット８００に重畳したマスク１１１０を示す。マスクの外側のデータ点はすべて欠陥事象と判定する。
【００２２】
欠陥の検出にマスク１１１０を用いる一つのアルゴリズムは次のとおりである。
マスクを用いた欠陥検出アルゴリズム
（ｃ１）被検画像および基準画像の画素すべてについて、対応のグレーレベルｔｇｒａｙおよびｒｇｒａｙをそれぞれ計測する。
（ｃ２）Ｍｓｃａｔｔｅｒ１１００の位置（ｔｇｒａｙ，ｒｇｒａｙ）が論理０であれば、それはその位置がマスクの内側にありしたがって欠陥事象はないことを示す。被検画像および基準画像の次の画素について続行する。
（ｃ３）Ｍｓｃａｔｔｅｒ１１００の位置（ｔｇｒａｙ，ｒｇｒａｙ）が論理１であれば、それはその位置がマスクの外側にあり欠陥があることを示す。欠陥事象を報告する。
（ｃ４）被検画像および基準画像の画素対すべてについて続行する。
【００２３】
添付の参考資料はこの発明の実働化のしかたの他の例を示す。この参考資料はこの発明の方法のＣプログラム言語によるソースコードを示す。このコードは欠陥検査システムに慣用の形で結合したコンピュータもしくはプロセッサまたは欠陥検査システムの一部を構成するコンピュータもしくはプロセッサによって実行する。それらシステムがこのソースコード、演算結果として得られるプロット、マスクなどをコンピュータに読取可能なメモリに通常蓄積することはもちろんである。表４はこの発明の方法の各ステップと上記参考資料のソースコードとの間の対応関係を示す。

図１３乃至１５はこの発明の方法の効果をさらに示す。上述のアルゴリズムのステップ（ｃ１）乃至（ｃ４）を用いて分散プロット８００上の欠陥を検出するようにＭｓｃａｔｔｅｒ１１００を用いると、図１３に示した欠陥マップ１３００が得られる。なお、欠陥マップ１３００は被検画像６００（図６）の欠陥６０１を正しく特定している。
【００２４】
図１４は直線１４０１および１４０２で画した所定の閾値を分散プロット８００に適用した状態を図解する。所定の閾値の利用は上記米国特許出願第０９／３６５，５１７号に記載してあるので、同出願をさらに参照してその内容全体をこの明細書に組み入れる。直線１４０１および１４０２に囲まれていない点は欠陥事象と判定する。図１５は上記所定の閾値を分散プロット８００に適用して得られた欠陥マップを示す。なお、欠陥６０１の捕捉に至らない多数の擬似欠陥が検出されていたことに注目されたい。
【００２５】
この明細書の記載は説明を目的とするものであって限定を意図するものではないことを理解されたい。この発明の範囲と真意を逸脱することなく多数の変形が可能である。この発明の範囲は特許請求の範囲の各請求項の文言のみによって解釈されなければならない。
【図面の簡単な説明】
【図１】従来技術における欠陥検出方法の流れ図。
【図２】グレーレベルの一次元ヒストグラム曲線。
【図３】本発明の一実施例の方法の各ステップの説明図。
【図４】図４Ａ−図４Ｃは本発明によるアラインメントステップの説明図。
【図５】本発明による二次元分散プロットを示す図。
【図６】ウェーハから得られた被検画像を示す図。
【図７】ウェーハから得られた基準画像を示す図。
【図８】本発明による二次元分散プロットを示す図。
【図９Ａ】図８の二次元分散プロットに形態素フィルタ処理を適用した結果を示す図。
【図９Ｂ】図８の二次元分散プロットに形態素フィルタ処理を適用した結果を示す図。
【図１０Ａ】本発明による一次元距離プロフィールを示す図。
【図１０Ｂ】本発明による一次元距離プロフィールを示す図。
【図１０Ｃ】本発明による一次元距離プロフィールを示す図。
【図１１】本発明によるマスクを示す図。
【図１２】フィルタ処理なしの二次元分散プロットに重畳したマスクを示す図。
【図１３】適応型マスクを用いて得られたウェーハ欠陥マップを示す図。
【図１４】フィルタ処理していない二次元プロットに重畳した所定の閾値を示す図。
【図１５】所定の閾値を用いて得られたウェーハ欠陥マップを示す図。
【符号の説明】
図１
110 基準画像および被検画像を取り込む
120 画像を位置合わせする
130 差分画像（基準画像−被検画像）
140 計測、正規化、ヒストグラム作成
150 閾値比較
155 欠陥事象を知らせる
図３
310 被検画像と基準画像とを取り込む
320 それら被検画像と基準画像とを位置合わせする
330 ２Ｄ分散プロットを作成する
340 雑音除去フィルタ処理にかける
350 マスク形状境界を抽出する
360 感度マージンを加算する（オプション）
370 マスク領域を補填する
380 ２Ｄ分散プロットにマスクを適用する
390 欠陥を知らせる
200 ヒストグラム曲線
410 被検画像
420 基準画像
411-416，421-426 画素
431-436 位置合わせした画素位置
501 仮想直線
600 被検画像
700 基準画像
800, 950 分散プロット
900 マスク形状
901 直線
905，907 境界点
1000，2000 距離プロフィール
1110 マスク
1300 欠陥マップ

Claims (10)

1. 欠陥を検出する方法であって、
   （ａ）検査対象の物体の第１の画像およびそれと関連する第２の画像を生ずる工程と、
   （ｂ）前記第１の画像を前記第２の画像と位置合わせする工程と、
   （ｃ）前記第１の画像からの画素のグレーレベルを前記第２の画像からの対応の画素のグレーレベルと対応させてプロットすることにより第１のプロットを作成する工程と、
   （ｄ）前記第１のプロットをフィルタ処理することにより第２のプロットを作成する工程と、
   （ｅ）前記第２のプロットの形状により区画された縁部を有するマスクを作成する工程と、
   （ｆ）前記第１の画像に現れる欠陥を検出するように前記マスクを用いる工程とを含み、
   前記第１の画像が被検画像であり、前記第２の画像が基準画像である、方法。
2. 前記フィルタ処理は、前記マスクの境界を抽出するために、形態素フィルタを用いて前記第１のプロットから雑音を除去することにより行われる、請求項１記載の方法。
3. 前記マスクの範囲がユーザにより調節可能である、請求項１記載の方法。
4. 前記マスクの前記縁部の円滑化のために移動平均フィルタを用いる工程をさらに含む、請求項１記載の方法。
5. 前記第２の画像をデータベースから得る、請求項１記載の方法。
6. 前記第１のプロット及び前記第２のプロットをコンピュータに読出し可能な媒体に蓄積する工程をさらに含む、請求項１記載の方法。
7. 請求項１記載の方法の実行のためのプログラムを蓄積したコンピュータに読出し可能な媒体。
8. コンピュータに読出し可能な媒体であって、
   位置座標およびグレーレベルで各々が定義される複数の画素を各々が有する第１の画像およびそれに関連する第２の画像を表すデータを含む複数の記憶位置と、
   マスクを区画するデータを蓄積した複数の記憶位置を有する第１のアレーであって、前記マスクが、（ａ）前記第２の画像を用いて前記第１の画像を位置合わせすることと、（ｂ）前記第１の画像からの画素のグレーレベルの、前記第２の画像からの対応の画素のグレーレベルに対するプロットをフィルタ処理することとにより作成される、第１のアレーと、
   欠陥を区画するデータを蓄積した複数の記憶位置を有する第２のアレーであって、前記第１の画像に表示されている欠陥を検出するために、前記マスクを用いて前記欠陥が決定される、第２のアレーとを含み、
   前記第１の画像が被検画像であり、前記第２の画像が基準画像である、コンピュータに読出し可能な媒体。
9. 前記フィルタ処理は、前記マスクの境界を抽出するために、形態素フィルタを用いて前記プロットから雑音を除去することにより行われる、請求項８記載のコンピュータに読出し可能な媒体。
10. 前記第１の画像からの画素のグレーレベルの前記第２の画像からの画素のグレーレベルに対するプロットを円滑化するように移動平均アルゴリズムを用いる、請求項８記載のコンピュータに読出し可能な媒体。

Images