JP4604582B2

JP4604582B2 - Pattern image measurement method

Info

Publication number: JP4604582B2
Application number: JP2004206877A
Authority: JP
Inventors: 勲米倉; 晋二国谷; 祐一福島
Original assignee: Toppan Inc
Current assignee: Toppan Inc
Priority date: 2004-07-14
Filing date: 2004-07-14
Publication date: 2011-01-05
Anticipated expiration: 2024-07-14
Also published as: JP2006029891A

Description

本発明は半導体製造のリソグラフィ工程に用いられるフォトマスク、及びリソグラフィ工程後のウェハを、電子顕微鏡で撮影したパターン画像を計測するパターン画像計測方法及びその方法を用いたパターン画像計測装置に関する。 The present invention relates to a photomask used in a lithography process of semiconductor manufacturing, a pattern image measurement method for measuring a pattern image obtained by photographing an wafer after the lithography process with an electron microscope, and a pattern image measurement apparatus using the method.

近年の半導体ＬＳＩパターンの微細化に伴い、パターン原版としてのフォトマスクも同様に微細化への対応を迫られており、同時に高精度化への要求は非常に厳しい。従来、フォトマスク品質における重要項目として、欠陥・寸法精度・アライメントの３項目が特に重視されており、半導体の微細化が進む現在ではそれぞれの項目を計測するための高精度なフォトマスク専用検査装置が開発され使用されている。しかしフォトマスクパターンの微細化による高精度化への要求は、前記３項目以外のあらゆる品質項目（パターン形状、パターンデータ保証、耐久性、クリーン度等）においても同様になりつつあり、特にパターン形状の精度については直接ＬＳＩ回路の精度および性能に関わることから、重視されるようになってきた。 With the recent miniaturization of semiconductor LSI patterns, photomasks as pattern masters are also required to cope with miniaturization, and at the same time, the demand for higher accuracy is very severe. Conventionally, three items of defects, dimensional accuracy, and alignment have been especially emphasized as important items in photomask quality, and at present, with the progress of semiconductor miniaturization, high-precision photomask inspection equipment for measuring each item. Has been developed and used. However, the demand for high precision by miniaturization of photomask patterns is becoming the same in all quality items (pattern shape, pattern data guarantee, durability, cleanliness, etc.) other than the above three items. As for the accuracy of the above, since it is directly related to the accuracy and performance of the LSI circuit, it has come to be emphasized.

フォトマスクのパターン形状は、半導体回路のマスクレイアウト設計において設計図面通りのパターンが精度良くマスク上に再現されていることが望ましいのは当然である。しかし、実際にはリソグラフィ技術を用いてガラス基板（以下基板と記す）上の金属薄膜に微細なパターンを加工しているため、マスクパターンと設計パターンとは完全に同一形状ではなく、寸法差やコーナー部の丸みなど、微小な違いが存在する。この違いはマスク上で数十〜数百ナノメートル程度の大きさであるが、近年の超ＬＳＩの微細化の進展によって、これが半導体回路の特性に影響を与えることが懸念され始めている。すなわち、微細なパターンであるほど、パターン自体に対して前記のパターン形状の違いが相対的に大きくなり、特性値に影響するようになってきた。 As for the pattern shape of the photomask, it is naturally desirable that the pattern according to the design drawing is accurately reproduced on the mask in the mask layout design of the semiconductor circuit. However, in actuality, since a fine pattern is processed on a metal thin film on a glass substrate (hereinafter referred to as a substrate) using a lithography technique, the mask pattern and the design pattern are not completely the same shape. There are subtle differences such as rounded corners. This difference is on the order of several tens to several hundreds of nanometers on the mask. However, due to the recent progress in miniaturization of VLSI, there is a concern that this will affect the characteristics of the semiconductor circuit. In other words, the finer the pattern, the greater the difference in the pattern shape with respect to the pattern itself, which affects the characteristic value.

また、近年の急激な微細化に伴い、投影露光技術において光学原理を積極的に利用することで前記のパターン形状の問題を改善しようという試みが盛んになってきている。その代表例は光近接効果補正マスク（以下ＯＰＣマスクと称する）である。ここでＯＰＣマスクについて説明する。ＯＰＣマスクは、ウェハ露光転写時に回路パターン形状が精度良く転写されるように、本来の回路パターンに近接あるいは接触するようにして微細な光近接効果補正パターン（以下ＯＰＣパターンと称する）が付加されているマスクである。ＯＰＣパターンは、投影露光転写時に光学的近接効果が原因で生じる転写パターン形状の劣化に対して、近接するパターン同士の光干渉効果を利用して形状補正し、本来の設計パターンを精度よく転写可能にすることを目的とするパターンであり、本来の回路パターンの四隅や隣接するパターンと最も近接する部分に配置されることが多い。また最近では回路パターン全体を複雑に変形させるような種類のＯＰＣパターンも提案されている。ただし、本来の回路パターンとしては不要なため、ＯＰＣパターン自身は転写されない程度に微細でなければならない。従って、ＯＰＣパターンは従来のパターンよりもかなり微細であるため、マスクパターンの寸法ルールが従来のマスクよりも飛躍的に微細化することになり、マスク製造技術の点では非常に高度な微細加工技術を必要とする。もちろん、微細化の点では従来型のフォトマスクも同様に進展していくことは確実であり、やはり高度な微細加工技術が要求されるようになっている。そこでフォトマスク製造及び検査技術の課題として重視されるようになったのが、前述のパターン形状精度の問題である。一方、フォトマスクを利用してリソグラフィ工程によってウェハ上に形成されたパターンについてもフォトマスクと同様に形状の精度が問題となってきている。 In addition, with the recent rapid miniaturization, attempts to improve the pattern shape problem by actively utilizing the optical principle in the projection exposure technique have become active. A typical example is an optical proximity correction mask (hereinafter referred to as an OPC mask). Here, the OPC mask will be described. The OPC mask is added with a fine optical proximity effect correction pattern (hereinafter referred to as an OPC pattern) so as to be close to or in contact with the original circuit pattern so that the circuit pattern shape can be accurately transferred during wafer exposure transfer. It is a mask. OPC patterns can be accurately transferred to the original design pattern by correcting the shape using the optical interference effect between adjacent patterns against the deterioration of the transferred pattern shape caused by the optical proximity effect during projection exposure transfer. In many cases, the pattern is arranged at the four corners of the original circuit pattern or at a portion closest to the adjacent pattern. Recently, an OPC pattern of a type that deforms the entire circuit pattern in a complicated manner has also been proposed. However, since it is unnecessary as an original circuit pattern, the OPC pattern itself must be fine enough not to be transferred. Therefore, since the OPC pattern is considerably finer than the conventional pattern, the dimensional rule of the mask pattern is remarkably finer than that of the conventional mask, and a very advanced fine processing technology in terms of mask manufacturing technology. Need. Of course, in terms of miniaturization, it is certain that conventional photomasks will advance in the same way, and advanced microfabrication techniques are still required. Therefore, the above-mentioned problem of pattern shape accuracy has come to be emphasized as a problem of photomask manufacturing and inspection technology. On the other hand, the accuracy of the shape of a pattern formed on a wafer by a lithography process using a photomask has become a problem as in the case of a photomask.

基板上のフォトマスクやウェハのパターン形状を計測する手段として従来は、光学顕微鏡や電子顕微鏡（以下ＳＥＭ）を用いてパターンの画像を取得した後、画像計測用のソフトを利用して計測を行っていた（例えば、特許文献１を参照）。画像計測の手法としては、パターン画像からパターンのエッジ部分を輪郭線として抽出して、その輪郭線の座標情報をもとにパターンの特性を計測する手法や、パターン画像の濃度分布情報からある閾値を決め、該閾値を基準にして線幅を計測する手法などがある。一般的にフォトマスクやウェハの非常に微細なパターンを高精度に計測するには、光学顕微鏡の画像では解像度が足りないため、ＳＥＭのパターン画像が利用されることが多い。 Conventionally, as a means of measuring the pattern shape of a photomask or wafer on a substrate, a pattern image is acquired using an optical microscope or an electron microscope (hereinafter SEM), and then measurement is performed using image measurement software. (For example, refer to Patent Document 1). Image measurement methods include extracting a pattern edge from a pattern image as a contour line and measuring the pattern characteristics based on the coordinate information of the contour line. And the line width is measured based on the threshold value. In general, in order to measure a very fine pattern of a photomask or wafer with high accuracy, the resolution of an optical microscope image is insufficient, and therefore, an SEM pattern image is often used.

下記に公知文献を記す
特開２００２−９２５９５号公報 The following is a list of known documents
JP 2002-92595 A

フォトマスクやウェハのパターンをＳＥＭで撮影し、パターンの大きさやコーナーラウンディング、エッジラフネスといった特性を計測する際、ＳＥＭ特有のチャージアップによる画像の変動やフォーカスずれによる画像のボケが問題となる。特に画像のボケは、パターンを計測する際に利用するエッジの濃度分布が変化してしまうため、計測結果に直接影響を及ぼす。通常、ＳＥＭでパターン画像を撮影する際にはオートフォーカス機能やマニュアルによる微調整により、なるべくフォーカスずれが少ない条件で画像を取得するようにしている。しかしながら、全ての画像についてフォーカスをきちんと合わせ込むのは非常に難しく、また１枚の画像中にもフォーカスがあっているところとずれているところが存在することがある。これまでは、ＳＥＭで取得した画像がよほど変化してしまっていない限り、フォーカスが合っていてもずれていても構わずに計測が行われていた。そのため、同じパターンであるのにＳＥＭのパターン画像の画質の善し悪しによって計測値が変わってしまうことが多々見られ、ＳＥＭのパターン画像からパターン計測することの信頼性が低かった。 When a photomask or wafer pattern is photographed with an SEM and characteristics such as the size of the pattern, corner rounding, and edge roughness are measured, image fluctuations due to charge-up unique to the SEM and image blur due to defocusing become a problem. In particular, blurring of the image directly affects the measurement result because the density distribution of the edges used when measuring the pattern changes. Normally, when a pattern image is taken with an SEM, an image is acquired under conditions with as little focus deviation as possible by an autofocus function or manual fine adjustment. However, it is very difficult to properly focus on all images, and there may be a place where one image is out of focus. Until now, as long as the image acquired by the SEM has not changed much, measurement has been performed regardless of whether the image is in focus or not. For this reason, it is often seen that the measured value changes depending on the quality of the SEM pattern image even though the pattern is the same, and the reliability of pattern measurement from the SEM pattern image is low.

本発明は以上の問題点を鑑みてなされたもので、フォトマスク又はウェハのＳＥＭによるパターン画像を計測する際に、そのパターン画像の画質を定量的に把握することで、パターン計測結果の信頼性を高めることを目的とする。 The present invention has been made in view of the above problems, and when measuring a pattern image of a photomask or wafer by SEM, the image quality of the pattern image is quantitatively grasped, whereby the reliability of the pattern measurement result is determined. The purpose is to increase.

本発明の請求項１に係る発明は、基板上に形成されたパターンを電子顕微鏡から撮像し、得られたパターン画像を判定するパターン画像判定方法において、判定対象のパターン画像から、パターン輪郭線を抽出する輪郭線抽出工程と、前記パターン輪郭線に対応するパターン画像上の輪郭線画素の一つについて、該輪郭線画素を中心とした領域であり、該輪郭線画素を含むＮ個（Ｎは任意個数）画素の領域を近傍領域とし、該近傍領域内の画素を画素の濃度値に基づいて濃度閾値ｋで２つのクラスに分離し、前記濃度閾値ｋは、該２つのクラスの画素の濃度値の平均値の分散と画像全体の画素の濃度値の分散との比を最大とするような濃度閾値ｋであり、該２つのクラスの分離度ηを２つのクラスの画素の濃度値の平均値の分散と近傍領域内の画素の濃度値の分散との比から求める判別分析工程と、
他の輪郭線画素について各輪郭線画素ごとにそれぞれ対応する分離度ηを求め、各画素における分離度ηに対して、統計解析処理を行い、分離度ηの平均を求める統計解析工程と、
該分離度の平均値と予め定めた基準値とを比較して、パターン画像計測の可否を判定する定量化判定工程と、を有するパターン画像計測方法である。 According to a first aspect of the present invention, in a pattern image determination method for imaging a pattern formed on a substrate from an electron microscope and determining the obtained pattern image, a pattern outline is determined from the pattern image to be determined. A contour extraction step to be extracted and one of the contour pixels on the pattern image corresponding to the pattern contour line is an area centered on the contour pixel, and includes N pixels (N is the contour pixel). Arbitrary number of pixels) is set as a neighborhood region, and pixels in the neighborhood region are separated into two classes by a density threshold value k based on the density value of the pixel, and the density threshold value k is the density of the pixels of the two classes. A density threshold k that maximizes the ratio between the variance of the average value of the values and the variance of the density values of the pixels of the entire image , and the separation η of the two classes is the average of the density values of the pixels of the two classes Variance of values and within neighborhood A discriminant analysis step of obtaining from the ratio of the variance of the density values of the pixels,
A statistical analysis step of obtaining a separation degree η corresponding to each contour pixel for other contour pixels, performing a statistical analysis process on the separation degree η in each pixel, and obtaining an average of the separation degree η;
A pattern image measurement method comprising: a quantification determination step of comparing the average value of the degree of separation with a predetermined reference value to determine whether pattern image measurement is possible.

フォトマスク又はウェハのパターン形状の計測において、本発明のパターン画像計測方法を用いることにより、ＳＥＭで撮影されたパターン画像を計測する際、チャージアップやフォーカスずれによる画質の変動を数値的に捉え、その善し悪しを定量評価した上でパターン計測を行うことが可能となるため、パターン計測結果の信頼度を向上させることが可能となる。また、パターン画像の撮像条件にフイードバックすることで、ＳＥＭ画像の撮影を安定できる。 In measuring the pattern shape of a photomask or wafer, by using the pattern image measurement method of the present invention, when measuring a pattern image photographed with an SEM, numerically capture fluctuations in image quality due to charge-up or focus shift, Since it is possible to perform pattern measurement after quantitatively evaluating the good or bad, it is possible to improve the reliability of the pattern measurement result. Further, by feeding back to the pattern image capturing condition, it is possible to stabilize the SEM image capturing.

以下、本発明の具体的な形態を一実施形態に基づいて以下説明する。 Hereinafter, specific embodiments of the present invention will be described based on an embodiment.

図１は、本発明のパターン画像計測のフロー図である。計測では、工程１〜６を実行する。まず、ＳＥＭ画像の取得１では、フォトマスク又はウェハの計測対象パターンをＳＥＭで撮影し、パターン画像のＳＥＭ画像を得る。このＳＥＭ画像の取得１では、画像の濃淡の情報が２５６階調で画素単位に記録されたものである。フォトマスク又はウェハのパターンを撮影したＳＥＭ画像のパターン画像の例を図３（ａ）に示す。ＳＥＭ画像のパターン画像１０は、ホールパターンと呼ばれるもので、パターン部１１の部分がガラス、その周辺の背景部１２がクロムで形成されている。 FIG. 1 is a flow chart of pattern image measurement according to the present invention. In the measurement, steps 1 to 6 are executed. First, in SEM image acquisition 1, a measurement target pattern of a photomask or wafer is photographed with an SEM to obtain an SEM image of the pattern image. In SEM image acquisition 1, information on the density of an image is recorded in units of pixels with 256 gradations. An example of a pattern image of an SEM image obtained by photographing a photomask or wafer pattern is shown in FIG. The pattern image 10 of the SEM image is called a hole pattern, and the pattern portion 11 is made of glass and the surrounding background portion 12 is made of chrome.

次に、得られたＳＥＭのパターン画像に輪郭抽出処理２を行い、パターン画像の輪郭線１３を生成する（図３ｂ参照）。この輪郭抽出処理には様々な方法がある。一般的には、閾値を定めて画像を２値化することでパターンと背景を分離しておき、そのパターンの輪郭をエッジ抽出処理で抽出する方法がある。しかしながら、ＳＥＭのパターン画像ではこのような一般的な方法でパターンの輪郭線を抽出できることが少ない。そのため、本発明ではＳＥＭのパターン画像に特化したパターン輪郭抽出方法を用いている。まず、パターン画像からパターンのエッジ情報を抽出する。このエッジ情報は画素の濃度値の差分を計算したものであるが、本方法では差分を計算する距離を変化させて各距離ごとの差分データを作成する。次にこの差分データを利用して追跡開始点を特定し、輪郭追跡処理を行うことで輪郭データを抽出する。ここで求められた輪郭データにはノイズが多く含まれているため、次に動的輪郭モデルという手法を用いてノイズを除去する。動的輪郭モデルとは、輪郭線全体の滑らかさと元のパターンエッジとの一致度の双方のバランスをとりながら、輪郭データを構成する個々の画素を動かして輪郭線を変化させる手法である。以上の方法により、パターン画像にノイズや濃淡ムラがある場合においても、元のパターン画像と一致し、且つ滑らかな輪郭線を抽出することが可能である。図３（ａ）のパターン画像から輪郭線を抽出した結果を図３（ｂ）に示す。 Next, contour extraction processing 2 is performed on the obtained SEM pattern image to generate a contour line 13 of the pattern image (see FIG. 3b). There are various methods for this contour extraction process. In general, there is a method in which a pattern and a background are separated by setting a threshold value and binarizing an image, and an outline of the pattern is extracted by edge extraction processing. However, it is rare that an outline of a pattern can be extracted by such a general method in an SEM pattern image. Therefore, in the present invention, a pattern contour extraction method specialized for SEM pattern images is used. First, pattern edge information is extracted from the pattern image. This edge information is obtained by calculating the difference between the density values of the pixels. In this method, difference data for each distance is created by changing the distance for calculating the difference. Next, the tracking start point is specified using this difference data, and contour data is extracted by performing contour tracking processing. Since the contour data obtained here contains a lot of noise, the noise is then removed using a technique called a dynamic contour model. The dynamic contour model is a method of changing the contour line by moving individual pixels constituting the contour data while balancing both the smoothness of the entire contour line and the degree of coincidence with the original pattern edge. By the above method, even when the pattern image has noise or shading unevenness, it is possible to extract a smooth contour line that matches the original pattern image. FIG. 3B shows the result of extracting the contour line from the pattern image of FIG.

次に、パターン画像１０の輪郭線１２上の各座標の画素とその近傍領域の各々画素の濃度値データを利用して、判別分析処理３を行う。判別分析処理の具体的な手順は以下の通
りである。輪郭線１３を構成している各点の画素（以下輪郭線画素と記す）について、一つの輪郭線画素を中心とする９×９の正方形領域（以下９×９近傍と記す）の全画素（８１ヶ）の濃度値データを元のＳＥＭ画像から取得し、前記９×９近傍の画素を２５６階調の濃度値データと画素の度数のヒストグラム（図４参照）を作成する。図４では、横軸に濃度、縦軸に該濃度を持つ画素数（度数）を示し、画素数ｎは８１である。続いて判別分析法により、９×９近傍を輪郭抽出処理２時に用いた２値化する閾値と、濃度値データより最適な閾値を用いてパターン部・背景部の分離度を示すη値の関係（図５）を調べ、η値の最大値をその輪郭線画素でのη値とする。この判別分析処理３を順次に、全ての輪郭線画素で行う。図５では、横軸に９×９近傍の画素を濃度値データによりパターン部・背景部を分離する濃度の閾値と、該閾値による分離度を示すη値の変動の関係を示し、前記閾値を低い場合及び高い場合共にη値は低くなる。 Next, the discriminant analysis process 3 is performed using the density value data of each pixel of the coordinates on the contour line 12 of the pattern image 10 and each pixel in the vicinity thereof. The specific procedure of the discriminant analysis process is as follows. For pixels at each point constituting the contour line 13 (hereinafter referred to as contour pixel), all the pixels in a 9 × 9 square area (hereinafter referred to as the vicinity of 9 × 9) centered on one contour pixel ( 81 pieces of density value data are acquired from the original SEM image, and the density value data of 256 gradations and the histogram of the frequency of the pixels (see FIG. 4) are created for the pixels near the 9 × 9. In FIG. 4, the horizontal axis indicates density, the vertical axis indicates the number of pixels having the density (frequency), and the number of pixels n is 81. Subsequently, by the discriminant analysis method, the relationship between the threshold value for binarizing the 9 × 9 neighborhood used in the contour extraction process 2 and the η value indicating the degree of separation between the pattern portion and the background portion using the optimum threshold value from the density value data (FIG. 5) is examined, and the maximum value of the η value is set as the η value at the contour line pixel. This discriminant analysis process 3 is sequentially performed on all the contour line pixels. In FIG. 5, the horizontal axis shows the relationship between the threshold value of the density for separating the pattern portion and the background portion from the density value data of pixels in the vicinity of 9 × 9 and the variation in η value indicating the degree of separation due to the threshold value. The η value is low for both low and high cases.

ここで、前記η値とこれを算出する判別分析法について説明する。一般的に、９×９近傍において、中心に輪郭線画素を持つＳＥＭ画像は、パターンと背景の両方を含み、画素の濃度のヒストグラムは、２つの山が形成される。すなわち、パターン部と背景部とを分離するということは、ヒストグラムの２つの山を分離することに等しい。そこで、２つの山ＡとＢとの分離度は、もっとも適切な閾値ｋを求める方法と考える。それには、Ａの平均値ａとＢの平均値ｂと閾値ｋとの間の分散を最大にするｋの値を求めれば良い。判別分析法は、９×９近傍の画像の濃度値のヒストグラムにおいて、濃度値の集合を閾値ｋで２つのクラス（ｋ以上とｋ未満）に分割したと仮定したとき、２つのクラスの分離が最も良くなるように閾値ｋを決めるという考え方に基づいている。実際には、２つのクラスの平均値の分散と、画像全体での分散の比を最大にするという基準によりｋを決める。 Here, the η value and the discriminant analysis method for calculating it will be described. In general, an SEM image having a contour pixel at the center in the vicinity of 9 × 9 includes both a pattern and a background, and the pixel density histogram has two peaks. That is, separating the pattern portion and the background portion is equivalent to separating the two peaks of the histogram. Therefore, the degree of separation between the two peaks A and B is considered as a method for obtaining the most appropriate threshold value k. For this purpose, the value of k that maximizes the variance between the average value a of A, the average value b of B, and the threshold value k may be obtained. In the discriminant analysis method, assuming that a set of density values is divided into two classes (k or more and less than k) with a threshold value k in a density value histogram of an image near 9 × 9, the separation of the two classes is as follows. This is based on the idea of determining the threshold value k so as to be the best. In practice, k is determined based on the criterion of maximizing the ratio of the variance of the average values of the two classes and the variance of the entire image.

さらに具体的に説明すると、与えられた９×９近傍の画像の画素が、１，２，…，ｉのｉレベルの濃度値をもつとする。ここで閾値をｋとして、ｋより大きな濃度値をもつ画素と、それ以下の濃度値をもつ画素の２つのグループに分け、クラス１、クラス２とする。濃度レベルｉの画素数をｎ_iとし、全画素数をＮとすると、下記の数式１に示すように、クラス１及び２間の分散σ_B ²（ｋ）は、（１）で与えられる。画像全体での分散σ_T ²は、（２）で与えられる。また、（３）で与えられる評価基準値ηは、クラス１及び２間の分散を９×９近傍画像の画素全体での分散で正規化したものである。 More specifically, it is assumed that pixels of an image in the vicinity of a given 9 × 9 have i-level density values of 1, 2,. Here, the threshold value is k, and it is divided into two groups of pixels having a density value larger than k and pixels having a density value lower than k, and are defined as class 1 and class 2. Assuming that the number of pixels at the density level i is n _i and the total number of pixels is N, the variance σ _B ² (k) between the classes 1 and 2 is given by (1) as shown in Equation 1 below. The variance σ _T ² for the entire image is given by (2). Further, the evaluation reference value η given in (3) is obtained by normalizing the variance between classes 1 and 2 by the variance of all pixels of the 9 × 9 neighborhood image.

この分散σ_T ²は、０≦η≦１の範囲の値をもち、１に近いほど１及び２クラスの分離度が高い、あるいはヒストグラムの双峰性が高いことを示す有効な評価尺度である。

The variance σ _T ² is an effective evaluation measure having a value in the range of 0 ≦ η ≦ 1, and the closer to 1, the higher the degree of separation of the first and second classes, or the higher the bimodality of the histogram. .

続いて、輪郭線画素の全ての点で算出したη値に対して統計解析処理４を行う。本処理では、η値のデータからノイズを除去するため移動平均処理を行う。図３のパターン画像から輪郭線画素の全点でη値を算出し、移動平均処理した結果を図６のグラフに示す。次に移動平均処理後のデータからη値の平均値を算出するとともに、η値の大きさの分布を解析する。 Subsequently, statistical analysis processing 4 is performed on the η values calculated at all points of the contour pixel. In this process, a moving average process is performed to remove noise from the η value data. A graph of FIG. 6 shows the result of calculating the η value at all points of the contour pixel from the pattern image of FIG. Next, an average value of η values is calculated from the data after the moving average process, and the distribution of η value magnitudes is analyzed.

次に、η値の解析結果をもとに画質の定量化判定処理５を行う。一般的に判別分析の結果、η値が０．７未満となる場合は、ノイズやフォーカスずれの影響によりその領域においてパターン部と背景部とが正しく分離されないことが多い。つまり、η値が、０．７未満となるところではパターン計測の精度が悪くなる。画質の定量化判定処理では、統計解析処理で算出したη値の平均値を１００倍した数値をパターン画像の画質の善し悪しを示す評価値として出力する。これが７０点未満の場合には、画質が不良のため計測できない、又は計測した値の信頼性が低い旨のメッセージをユーザーに知らせる処理を行う。 Next, image quality quantification determination processing 5 is performed based on the analysis result of the η value. In general, when the η value is less than 0.7 as a result of discriminant analysis, the pattern portion and the background portion are often not correctly separated in the region due to the influence of noise and focus shift. That is, the accuracy of pattern measurement deteriorates where the η value is less than 0.7. In the image quality quantification determination process, a numerical value obtained by multiplying the average value of the η values calculated in the statistical analysis process by 100 is output as an evaluation value indicating the quality of the pattern image. If this is less than 70, a process for notifying the user of a message indicating that the image quality is poor and cannot be measured or the reliability of the measured value is low is performed.

また、平均値が７０点以上となる場合でも、パターン画像の画質が局所的に悪くなって
いることもありえるため、統計解析処理の結果をもとにη値が０．７未満となるデータ個数を調べ、それがある規定量を越えている場合には、０．７未満のデータ数の全データ数に対する割合とともに計測エラーが含まれる可能性がある注意メッセージをユーザーに知らせる処理を行う。一方、平均値が７０点以上でη値が０．７未満となるデータ数がある規定値未満の場合には、その画像の点数のみを表示する処理を行う。この点数が大きいほど、パターン計測結果の信頼度が高いことを示している。 Even when the average value is 70 points or more, the image quality of the pattern image may be locally deteriorated. Therefore, the number of data for which the η value is less than 0.7 based on the result of statistical analysis processing If it exceeds a predetermined amount, processing is performed to notify the user of a caution message that may include a measurement error together with the ratio of the number of data less than 0.7 to the total number of data. On the other hand, if the number of data with an average value of 70 points or more and an η value of less than 0.7 is less than a specified value, a process of displaying only the score of the image is performed. The larger this score, the higher the reliability of the pattern measurement result.

次に、図１のフロー図の工程６のパターン計測処理について図２を参照し、説明する。図２は、パターン計測処理６の手順を示すフロー図で、マスク形状計測アルゴリズムの構成を示すブロック図ある。図２では、ｋ１〜ｋ６まであり、ｋ１は、パターン画像入力部であって、計測の対象となるパターンを含む画像を入力する。入力する画像は、検査機、ＳＥＭ、光学顕微鏡等によって撮影された画像となる。 Next, the pattern measurement process in step 6 of the flowchart of FIG. 1 will be described with reference to FIG. FIG. 2 is a flowchart showing the procedure of the pattern measurement process 6, and is a block diagram showing the configuration of the mask shape measurement algorithm. In FIG. 2, k1 to k6 are provided, and k1 is a pattern image input unit for inputting an image including a pattern to be measured. The input image is an image taken by an inspection machine, SEM, optical microscope, or the like.

次にｋ２は、パターンを指定して計測モードを選択する。パターンの指定は、マウス等のポインティングデバイスにより矩形領域（以下ＲＯＩと記す）を生成して行う。図７に示すようにＲＯＩ１７でパターンを囲み、パターンに対応した計測モードを選択する。計測モードは、フォトマスクに一般的にみられる形状別に１０種類程度登録されている。具体的には、コーナーパターン、エッジラフネス、ホールパターン、突起、欠け、バッテングエラー、ＯＰＣパターン（セリフ、ハンマーヘッド）と、歪みなどがある。計測モードはパターン形状に応じた計測プログラムを作成することで追加することができる。 Next, k2 designates a pattern and selects a measurement mode. The pattern is specified by generating a rectangular area (hereinafter referred to as ROI) with a pointing device such as a mouse. As shown in FIG. 7, the ROI 17 surrounds the pattern, and the measurement mode corresponding to the pattern is selected. About ten measurement modes are registered for each shape commonly found in photomasks. Specifically, there are a corner pattern, edge roughness, hole pattern, protrusion, chipping, batting error, OPC pattern (serif, hammerhead), distortion, and the like. The measurement mode can be added by creating a measurement program corresponding to the pattern shape.

次にｋ３は選択したパターンの輪郭線を抽出する。輪郭線の抽出方法は、図１の工程３と同様である。図８（ａ）に示すＳ１は、元のパターン画像であり、図８（ｂ）のＳ２はその輪郭線を抽出した輪郭線画像を示す。 Next, k3 extracts the contour line of the selected pattern. The method for extracting the contour line is the same as in step 3 of FIG. S1 shown in FIG. 8A is an original pattern image, and S2 in FIG. 8B shows a contour image obtained by extracting the contour line.

次にｋ４では、抽出された輪郭線の座標情報から計測箇所を自動で特定する。そして、ｋ５は各計測箇所において、濃度分布データを用いて計測を行う。ここでは、ホールパターンの計測モードでの計測を説明する。計測する項目は、幅、高さとコーナーの丸み量である。まず、ホールパターンの輪郭線の座標情報から幅、高さを算出する。ここで幅、高さは、輪郭線画像の画素単位で求められるため、その精度が不十分である。そこで実際の計測は、輪郭抽出前の元画像の濃度分布データを利用する。図９（ａ）のＴ１に示すように、ホールパターンの幅、高さの１／３程度の領域を決め、この領域の濃度分布データを元画像から取得する。この領域の範囲は、パターンの大きさより小さければよく、ホールパターンのコーナー部分の丸みの影響を避けるため、今回は１／３程度とした。幅、高さの計測は、図１０に示すように、濃度分布データのピークの内側において極大値と極小値の５０％を閾値として、エッジ位置１４をサブピクセル単位で抽出することで行う。次に、ホールパターンのコーナー部分の丸みを計測する。コーナー丸みを計測する際の始点は、図９（ｂ）のＴ２に示すように、ホールパターンにおける各辺のエッジ位置１４を延長した交点１５とする。なお、このエッジ位置１４は、濃度分布データからサブピクセル単位で算出したものである。図１１に示すように、この始点１５（エッジ位置の交点１５）から斜め４５度方向に濃度分布データを取得し、ピークの外側において極大値と極小値の５０％を閾値として、エッジ位置をサブピクセル単位で抽出し、該位置を終点１６とする。始点１５と終点１６であるエッジ位置との距離がコーナーの丸み量となる。以上のように輪郭線の座標情報から計測箇所を自動的に決定することで、ユーザーが計測箇所を指定していた従来手法に比べて、計測誤差を大きく低減させることができる。また、元画像の濃度分布データを利用してサブピクセル単位で計測を行うため、高精度な計測が期待できる。 Next, at k4, a measurement location is automatically specified from the extracted coordinate information of the contour line. And k5 measures using density distribution data in each measurement location. Here, measurement in the hole pattern measurement mode will be described. Items to be measured are width, height, and corner roundness. First, the width and height are calculated from the coordinate information of the contour line of the hole pattern. Here, since the width and height are obtained in units of pixels of the contour image, the accuracy thereof is insufficient. Therefore, the actual measurement uses the density distribution data of the original image before contour extraction. As shown at T1 in FIG. 9 (a), a region having about 1/3 of the width and height of the hole pattern is determined, and density distribution data of this region is acquired from the original image. The range of this region only needs to be smaller than the size of the pattern, and in order to avoid the influence of the roundness of the corner portion of the hole pattern, this region is set to about 1/3 this time. As shown in FIG. 10, the width and height are measured by extracting the edge position 14 in units of sub-pixels with the maximum value and 50% of the minimum value as threshold values inside the peak of the density distribution data. Next, the roundness of the corner portion of the hole pattern is measured. As shown at T2 in FIG. 9B, the starting point for measuring the corner roundness is an intersection 15 obtained by extending the edge position 14 of each side in the hole pattern. The edge position 14 is calculated from the density distribution data in units of subpixels. As shown in FIG. 11, the density distribution data is acquired in the direction of 45 degrees diagonally from the starting point 15 (the intersection 15 of the edge positions), and the edge position is set to the sub-value with 50% of the maximum value and the minimum value outside the peak as threshold values. Extraction is performed in units of pixels, and the position is set as the end point 16. The distance between the start point 15 and the edge position that is the end point 16 is the roundness of the corner. As described above, by automatically determining the measurement location from the coordinate information of the contour line, the measurement error can be greatly reduced as compared with the conventional method in which the user designates the measurement location. In addition, since measurement is performed in units of subpixels using density distribution data of the original image, high-precision measurement can be expected.

最後に、ｋ６では、上記アルゴリズムで計測された結果をモニター画面やデータファイルで出力する。 Finally, at k6, the result measured by the above algorithm is output on a monitor screen or a data file.

以下本発明の実施例について説明する。 Examples of the present invention will be described below.

ここで、本発明の１つ目の実施例を図１２、図１３に示す。図１２は、フォトマスク上の０．６μｍのホールパターンをＳＥＭで撮影する際、基準のフォーカスからわざとプラス及びマイナス方向にずらして複数の画像を取得し、それぞれの画質を本手法で数値化した結果である。このグラフから、フォーカスのずれが大きくなるに従ってη値が小さくなっていることが分かる。図１３は、フォーカスをずらした各パターン画像においてホールの幅を計測した結果である。このグラフから、フォーカスのずれに応じて計測誤差が増大していることが分かる。つまりこれらの２つのグラフから、パターン画像のη値を評価することでパターン画像の計測精度を管理することができることが分かる。例えば、あるＳＥＭのパターン画像のパターン計測精度を２ｎｍ未満に抑えたい場合、ＳＥＭのフォーカスずれは基準±２０以内である必要がある。一方、図１２のグラフからフォーカスのすれが±２０以内のときはη値が０．８以上になっていることが分かる。つまり、パターン画像からη値を計測し、それが０．８以上のものだけを計測対象とすれば計測誤差を２ｎｍ未満に抑えることが可能となる。 Here, the first embodiment of the present invention is shown in FIGS. FIG. 12 shows that when a 0.6 μm hole pattern on a photomask is photographed with an SEM, a plurality of images are acquired by intentionally shifting the reference focus in the plus and minus directions, and the respective image quality is quantified by this method. It is a result. From this graph, it can be seen that the η value decreases as the focus shift increases. FIG. 13 shows the result of measuring the hole width in each pattern image with the focus shifted. From this graph, it can be seen that the measurement error increases in accordance with the focus shift. That is, from these two graphs, it can be seen that the measurement accuracy of the pattern image can be managed by evaluating the η value of the pattern image. For example, when it is desired to suppress the pattern measurement accuracy of a pattern image of a certain SEM to less than 2 nm, the focus shift of the SEM needs to be within ± 20. On the other hand, it can be seen from the graph of FIG. 12 that the η value is 0.8 or more when the focus shift is within ± 20. That is, if the η value is measured from the pattern image and only those having a value of 0.8 or more are measured, the measurement error can be suppressed to less than 2 nm.

次に本発明の２つめの実施例を図１４，図１５に示す。図１４はフォトマスク上のホールパターンをある条件で撮影したＳＥＭのパターン画像である。図１５は本発明の手法によりホールパターンの輪郭線の各ポイントでη値を算出し、プロットしたグラフである。ここでは、ホールパターンの左側のエッジの中央から右回りに輪郭線を辿っている。図１４のパターン画像を見ると、ホールパターンの上辺部分がボケていることが分かる。このようなパターン画像を計測した場合、横方向の幅についてはボケがないため正しく計測できるが、縦方向の高さは正しい計測を行うことができない。そこで、図１５のグラフを見てみると、ちょうどパターンの上辺部分に相当するポイント（５０〜１５０）においてη値が大きく落ちこんでいることが分かる。つまり、輪郭線の各ポイントでのη値を監視することで、一つのパターン内において計測結果が信頼できるかどうかを局所的に判定することが可能となる。 Next, a second embodiment of the present invention is shown in FIGS. FIG. 14 is an SEM pattern image obtained by photographing the hole pattern on the photomask under a certain condition. FIG. 15 is a graph in which the η value is calculated and plotted at each point of the contour line of the hole pattern by the method of the present invention. Here, the contour line is traced clockwise from the center of the left edge of the hole pattern. From the pattern image shown in FIG. 14, it can be seen that the upper side of the hole pattern is blurred. When such a pattern image is measured, the horizontal width can be measured correctly because there is no blur, but the vertical height cannot be measured correctly. Therefore, when looking at the graph of FIG. 15, it can be seen that the η value is greatly reduced at the point (50 to 150) corresponding to the upper side of the pattern. That is, by monitoring the η value at each point of the contour line, it is possible to locally determine whether or not the measurement result is reliable in one pattern.

本発明のパターン画像計測方法の手順を示すフローである。It is a flow which shows the procedure of the pattern image measuring method of this invention. 本発明のパターン計測処理の手順を示すフロー図である。It is a flowchart which shows the procedure of the pattern measurement process of this invention. パターン画像と輪郭線抽出の例を示す平面図であり、（ａ）は、パターン画像であり、（ｂ）は、その輪郭線である。It is a top view which shows the example of a pattern image and outline extraction, (a) is a pattern image, (b) is the outline. 本発明のパターン画像計測方法の輪郭線上のある画素での近傍領域のヒストグラムである。It is a histogram of the vicinity area | region in a certain pixel on the outline of the pattern image measuring method of this invention. 本発明のパターン画像計測方法の判別分析法によって計算した閾値とη値の関係を示すグラフである。It is a graph which shows the relationship between the threshold value computed by the discriminant analysis method of the pattern image measurement method of this invention, and (eta) value. 図３の輪郭線上の全ての画素におけるη値を示すグラフである。It is a graph which shows (eta) value in all the pixels on the outline of FIG. 計測対象パターンを選択している図である。It is the figure which has selected the measurement object pattern. 計測対象パターンの輪郭抽出例を示す図である。It is a figure which shows the example of an outline extraction of a measurement object pattern. 輪郭線から計測箇所を自動的に特定する模式図である。It is a schematic diagram which specifies a measurement location automatically from an outline. 計測箇所の濃度分布グラフである。It is a density | concentration distribution graph of a measurement location. コーナー部分の計測手法の模式図である。It is a schematic diagram of the measurement method of a corner part. ＳＥＭ画像のフォーカスとη値の関係を示すグラフである。It is a graph which shows the relationship between the focus of a SEM image, and (eta) value. ＳＥＭ画像のフォーカスと計測誤差の関係を示すグラフである。It is a graph which shows the relationship between the focus of a SEM image, and a measurement error. 部分的にボケがあるＳＥＭのパターン画像の例である。It is an example of the pattern image of SEM which is partially blurred. 図１４のパターンのη値を示すグラフである。It is a graph which shows (eta) value of the pattern of FIG.

Explanation of symbols

１…ＳＥＭ画像の取得
２…輪郭抽出処理
３…判別分析処理
４…統計解析処理
５…画質の定量化判定処理
６…パターン計測処理
１０…パターン画像
１１…パターン
１２…背景
１３…輪郭線
１４…（ピークの内側で、最大最小値５０％の濃度閾値で分離した）エッジ位置
１５…（側面のエッジ位置を延長線の）交点、始点
１６…（コーナー丸みの計測時のエッジ位置の）終点
１７…矩形領域（ＲＯＩ）
ｋ１…パターン画像の入力
ｋ２…パターンの指定と計測モード選択
ｋ３…パターンの輪郭線抽出
ｋ４…計測箇所の自動特定
ｋ５…濃度分布情報による計測
ｋ６…計測結果出力
Ｓ１…パターン輪郭線抽出前の画像
Ｓ２…パターン輪郭線抽出後の画像
Ｔ１…計測箇所自動特定の模式図
Ｔ２…エッジ位置と計測始点の図
DESCRIPTION OF SYMBOLS 1 ... Acquisition of SEM image 2 ... Contour extraction process 3 ... Discriminant analysis process 4 ... Statistical analysis process 5 ... Image quality quantification determination process 6 ... Pattern measurement process 10 ... Pattern image 11 ... Pattern 12 ... Background 13 ... Contour line 14 ... Edge position 15 (separated by density threshold value of maximum and minimum value of 50% inside peak) ... intersection point (side edge position of extension line), start point 16 ... end point 17 (of edge position when measuring corner roundness) ... Rectangle area (ROI)
k1 ... pattern image input k2 ... pattern designation and measurement mode selection k3 ... pattern outline extraction k4 ... automatic specification of measurement location k5 ... measurement by density distribution information k6 ... measurement result output S1 ... image before pattern outline extraction S2: Image T1 after pattern outline extraction ... Schematic diagram of automatic specification of measurement location T2 ... Diagram of edge position and measurement start point

Claims

In a pattern image determination method for imaging a pattern formed on a substrate from an electron microscope and determining an obtained pattern image,
An outline extraction step for extracting a pattern outline from the pattern image to be determined;
For one of the contour pixels on the pattern image corresponding to the pattern contour,
A region centered on the contour pixel, and a region of N pixels (N is an arbitrary number) including the contour pixel is a neighborhood region,
Separating the pixels in the neighboring region into two classes with a density threshold k based on the density value of the pixel;
The density threshold k is a density threshold k that maximizes the ratio of the variance of the average density values of the two classes of pixels to the variance of the density values of the pixels of the entire image . A discriminant analysis step in which the degree of separation η is obtained from the ratio between the variance of the average value of the density values of the two classes of pixels and the variance of the density values of the pixels in the neighboring region
A statistical analysis step of obtaining a separation degree η corresponding to each contour pixel for other contour pixels, performing a statistical analysis process on the separation degree η in each pixel, and obtaining an average of the separation degree η;
A quantification determination step of comparing the average value of the degree of separation with a predetermined reference value to determine whether pattern image measurement is possible;
A pattern image measurement method comprising: