JP4695239B2 - 形状特徴に基づく欠陥検出方法及び装置 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は半導体ウェーハなどパターン形成済み基板の欠陥検出技術に関し、特に電圧コントラスト画像の特徴に基づく欠陥検出技術に関する。
【０００２】
この出願は1997年７月15日提出の同時出願中の米国特許出願第08/892,734号、1997年１月13日提出の同米国特許出願第08/782,740号、1998年１月23日提出の同米国特許出願第09/012,227号、この出願と同日付の米国特許出願第09/226,962号「微小構造欠陥の検出」、同米国特許出願第09/227,747号「形状特徴を利用した欠陥検出」、および同米国特許出願第09/226,967号「パターン形成した基板の欠陥の検出」に関連し、これら出願をここに参照して、それぞれの内容をこの明細書に組み入れる。
【０００３】
半導体デバイスの製造には、基板上にパターンを形成する多くのプロセスステップが関わる。中間製造段階のパターンに欠陥があると、欠陥チップが生まれる結果にもなり、ひいては歩留まり低下につながる。中間製造段階（「インプロセス」）の半導体ウェーハ上のパターンを検査するための方法及び装置は周知である。これにはウェーハの光像における可視パターン欠陥の識別に基づくシステム及び方法が含まれる。その少なくとも１つの技術的取り組み方は、米国特許第５，５０２，３０６号及び第５，５７８，８２１号に開示され、ＫＬＡ−Ｔｅｎｃｏｒ Ｃｏｒｐ社により商業ベースで提供されるＳＥＭＳｐｅｃシステムで実施されているような走査電子ビームを用いて得られるウェーハの電圧コントラスト画像に基づいたものである。
【０００４】
電圧コントラスト画像から欠陥を検出するための従来技術の方法としては、検査しようとするパターンの画像と基準画像とで１画素ずつ画素強度値の差を取るという原理に基づいたものがある。この方法では、２つの電圧コントラスト画像、あるいは１つの電圧コントラスト画像の２つの領域が互いに比較される。欠陥を抽出するには、まずこれらの２つの画像あるいは画像領域の明るさとコントラストの差が補正され、互いに位置合わせ（以下アラインメントとも称する）される。次に、１画素ずつ画素強度値の差を取って、差画像が生成される。その結果の差画像をスレッショルド値と比較して、２値形式の画素値からなる欠陥画像が生成される。最小サイズ、形状、強度等のような欠陥画像の一定条件を満たす特徴は、欠陥であると見なされる。次に、画像の欠陥の統計データが計算されて、報告される。例えば、各画像毎に最大の欠陥と欠陥の総数が表示される。次に、それらの統計データに基礎づき画像が評価されて、最も顕著な欠陥を最初に処理、分析することにより評価時間が大幅に短縮されるようにする。
【０００５】
この方法の強味は、両方の画像または両方の画像領域がほぼ同じサイズであること、アラインメント及び画像正規化により画像または画像領域の全体的な差を補正するということ以外、電圧コントラスト画像の電気的な特徴あるいは構成の情報をほとんど必要としないということである。この方法は、どのような電気パターンが検査中であるかが最初から分からなくても電圧コントラスト画像の欠陥を検出することが可能である。
【０００６】
しかしながら、この強味は同時に弱点でもある。すなわち、画像間の差は、たとえ欠陥ではなくとも全て潜在的欠陥であると見なされるので、「致命的」欠陥を「妨害的」欠陥あるいは「疑似」欠陥と区別することができない。「致命的」欠陥とは、チップの最終検査で電気的有意性を持つ欠陥で、信頼性の低下あるいは電気性能の低下につながるものをいう。「疑似」欠陥とは、表面あるいは画像の何らかの人為的な結果（以下アーティファクトとする）とは何ら対応していないのに欠陥検出システムによって欠陥と報告される欠陥で、例えば欠陥検出システムによる誤差に起因する。「妨害的」欠陥とは、実際にあるが、致命的欠陥でもなければ、他の点で重要でもない表面あるいは画像のアーティファクトである。検査プロセスのアーティファクトには、画像のミスアラインメント、局部的な画像歪み及び電圧コントラスト画像を得るために用いられる走査プロセスの非線形性に起因するものがある。致命的欠陥の発生は一般には非常にまれであるため、妨害的欠陥の検出数は致命的欠陥の数よりはるかに多くなり得る。従来の画素ベースの検査システムでは、報告される欠陥の９０％以上が妨害的欠陥のこともある。これらの妨害的欠陥を致命的欠陥から選別するには、人間による時間と費用のかかる評価及び判定の作業が必要になる。妨害的欠陥と疑似欠陥の割合が高く、人間の介在が必要であると、検査プロセスが半導体ウェーハ製造により役立つようにするためにその性能を改善することが困難になる。ウェーハステージの位置決めをより正確にする、画像化をより均一かつより再現性のあるものにする、また欠陥検出アルゴリズムを改善するというようなミスアラインメントに起因する妨害的欠陥及び疑似欠陥の割合を小さくするための現行の解決方法では、問題が解消されず、通常は致命的欠陥に対する感度が低下する。同時に、これらの解決方法は、より多くの処理が必要になり、従って処理時間あるいは処理用ハードウェアもより多く必要になる。これは、スループット及び性能対価格比が低く抑えられる結果につながる。
【０００７】
もう一つの欠点は、画素ベースの方法であるため、強度差を１画素ずつしか検出できないということである。そのために、ある種の欠陥の検出が、不可能ではないにしても、困難になる。本願原出願と同日提出の米国特許出願第09/226,962号には、空コンタクトホールのような特徴要素における電気的に有意な欠陥の電圧コントラスト画像での可視性を良くするための技術が開示されている。これらの技術は、コンタクトホール中の材料の電気的接続性に応じて電圧コントラスト画像中の空コンタクトホールの見かけのサイズを変化させるものである。画素ベースの画像比較法は、コンタクトホールのサイズの変化をコンタクトホールの周りにある画素の強度差として検出することができるかもしれず、画素強度の差を取る方法は、ドーナッツ型欠陥を明らかにすることができるかもしれないが、この種の欠陥の基本的な現出形態、すなわち強度の変化ではなく特徴要素のサイズの見かけの変化を検出するものではないように思われる。
【０００８】
図１は、画像を取り込んで、並列に処理する従来技術の方法を示したものである。画像取込みの部分は、ステップ１０５のバッチファイルのセットアップから始まり、ステップ１１０の画像取込み、ステップ１１５の画像の保存と続いた後、ステップ１２０で次の画像に移る。画像はディスク記憶装置１２５に保存される。ウェーハの他の領域についてもステップ１１０、１１５及び１２０が繰り返され、ウェーハについて画像化が終了すると、次のウェーハの画像化が開始される。画像が取り込まれたならば、続いて次の画像の取込みと並行して画像処理が行われる。画像処理は、ステップ１３０の取込み画像と基準画像とのアラインメントで開始され、次にステップ１３５で画像の画素強度レベルの差を取ることによって差画像が生成される。ステップ１４０で差画像からノイズが減じられ、その後ステップ１４５で差画像中の特徴要素数が数えられる。ステップ１５０で差画像中の特徴要素が仕分けされ、ステップ１５５でどの特徴要素を欠陥とみなすかどうかを決定するための評価が人手によって行われる。
【０００９】
【発明が解決しようとする課題】
このように、妨害的欠陥の割合がより小さくて人間の介在の必要度がより低く、従ってスループット及び性能対コスト比が改善された方法及び装置が必要な情況にある。
【００１０】
【課題を解決するための手段】
本発明は、半導体ウェーハのようなパターン形成済み基板の検査で特徴要素ベースの画像処理を用いて電圧コントラスト電子ビーム（以下ｅ−ビームとも称する）画像から欠陥を検出し、数値化し、分析する方法及び装置にある。本発明によれば、パターン形成済み基板を検査する方法は、基準画像と被検画像を用意する過程と、基準画像から特徴要素を抽出すると共に被検画像から特徴要素を抽出する過程と、基準画像の特徴要素と被検画像の特徴要素とをマッチングさせる過程と、基準画像と被検画像の特徴要素とを比較して欠陥を特定する過程とを具備したものである。特徴要素をマッチさせる前に、基準画像と被検画像を互いに位置合わせする過程を設けてもよい。基準画像及び被検画像はそれぞれ第１のパターン形成済み基板の電圧コントラスト画像及び第２のパターン形成済み基板の電圧コントラスト画像であってもよく、あるいは基準画像及び被検画像はそれぞれパターン形成済み基板の第１の領域の電圧コントラスト画像及び同じパターン形成済み基板の第２の領域の電圧コントラスト画像であってもよく、あるいは基準画像はパターン形成済み基板の反復セルの画像とし、被検画像はその基準画像を１セルだけずらした画像の複製画像としてもよい。画像は、空間平滑化法及び／または正規化法のような技術によって前処理することによりノイズ及び／またはアーティファクトを低減させることも可能である。画像の特徴要素を比較して欠陥を特定する過程は、特徴要素すなわち形状特徴の特性（サイズ、形状、平均画素強度、重心、直径、面積、標準偏差等）を計算する過程と、これらの計算された特徴要素の特性を比較する過程と、その比較結果の中で所定の欠陥基準に適合する比較結果を調べて決定する過程とで構成することが可能である。画像から特徴要素を抽出する過程は、特徴要素の画質を向上させる（画像の平均背景レベルを計算し、その平均背景レベルを画像から除去する等により）ことによって第１の修正画像を生成する過程と、第１の修正画像をスレッショルド値と比較処理して第２の修正画像を生成する過程と、第２の修正画像の特徴要素をする過程とで構成することができる。あるいは、画像から特徴要素を抽出する過程は、画像に特徴要素テンプレートをマッチさせる過程と、特徴要素テンプレートとマッチする画像中の特徴要素を特定する過程とで構成することができる。
【００１１】
本発明の実施例には、パターン形成済み基板を検査するための装置、パターン形成済み基板を検査するためのプロセッサを有するシステムを制御するための命令が書き込まれたコンピュータ可読媒体、及びパターン形成済み基板を検査するためのシステムを制御するためのコンピュータ可読プログラムコードが実装されたコンピュータ使用可能媒体よりなるコンピュータプログラム製品が含まれる。
【００１２】
【発明の実施の形態】
以下、本発明を添付図面に示す実施例に基づき詳細に説明する。
【００１３】
図２は、本発明による電圧コントラスト技術を使用するウェーハの検定のための一例のシステム２００の構成を概略図示したものである。システム２００は、任意のディスプレイ２１０を有する（シュルンベルジェ（Ｓｃｈｌｕｍｂｅｒｇｅｒ）ＩＤＳ１００００システムの電子ビーム画像化サブシステムのような）電子ビームサブシステム２０５、モータ駆動ウェーハステージ２１３、ステージ及び真空室を含む電子カラム２１５、画像プロセッサ２２０、１００ギガバイト（ＧＢ）のディスクドライブのようなデータ記憶装置２２５及び、ディスプレイ２３５を有する任意の構成要素としてのコンピュータサブシステム２３０で構成されている。電子ビームサブシステム２０５、画像プロセッサ２２０及びコンピュータサブシステム２３０は、ネットワークバス２４０あるいは他の適切なリンクを介して相互に通信する。電子ビームサブシステム２０５は、例えば、シュルンベルジェ・オートメーティド・テスト・システムズ社（Ｓｃｈｌｕｍｂｅｒｇｅｒ Ａｕｔｏｍａｔｅｄ Ｔｅｓｔ Ｓｙｓｔｅｍｓ）（米国カリフォルニア州サンノゼ）より商業ベースで提供されているＩＤＳ１００００電子ビーム・プローブシステムで、ソフトウェアを以下詳細に説明するように本発明による動作が可能なように修正したものを使用することができる。このような動作には、例えば、多重非同期画像処理、画像アラインメント処理及び評価、ウェーハ欠陥マップ生成及び表示、さらには評価のための画像のインポート及びエクスポートが含まれる。電子ビームサブシステム２０５は、より高い電子ビームエネルギーあるいは電流が得られるようにした修正態様や、本願と同時係属になるシー・ダブル・ロー（Ｃ．Ｗ．Ｌｏ）他の米国特許出願第０８／８９２，７３４号（１９９７年７月１５日出願）に記載されているような選択された荷電極性による安定した制御可能なウェーハの表面荷電のためのプリチャージ用フラッドガンと関連ハードウェア及びソフトウェア要素を含んでもよい。モータ駆動ウェーハステージ２１５は、例えばシュルンベルジェ・オートメーティド・テストシステムズ社（Ｓｃｈｌｕｍｂｅｒｇｅｒ Ａｕｔｏｍａｔｅｄ Ｔｅｓｔ Ｓｙｓｔｅｍｓ）（米国カリフォルニア州サンノゼ）より商業ベースで提供されているような、電子ビームサブシステム２０５の電子カラム（図示省略）に対して相対的にウェーハを操作し、処理するためのモデルＭＷＳモータ駆動ウェーハステージであってもよい。画像プロセッサ２２０は、例えば、ネットワーク化されたワークステーションのグループあるいはペンティアム（Ｐｅｎｔｉｕｍ）２プロセッサを具備したパーソナルコンピュータのネットワーク化グループのようなパーソナルコンピュータのグループであってもよい。データ記憶装置２２５は、基準画像の保存及び多重非同期画像処理のための記憶容量を具備する。ディスプレイ２３５を有する任意の構成要素としてのコンピュータサブシステム２３０は、ウェーハの検査・検定作業に関連したプロセス及び画像の人間のオペレータによる監視と評価が可能な構成を有する。
【００１４】
本発明による欠陥検出方法は、スレッショルド値との比較処理によって特徴要素画像の２値画像を生成し、次いで任意のグレースケール画像を生成することによるか、あるいは画像中の特徴要素と特徴要素テンプレートとの比較による等によって画像から特徴ないしは特徴要素を抽出する。画像は特徴要素のマッピングのために位置合わせすることもできれば、特徴要素画像の２値画像を位置合わせしてから対応する特徴要素をマッチさせるようにしてもよい。すなわち、例えば電気的有意性があるような特徴要素を電圧コントラスト画像から抽出した後、１特徴要素ずつマッチさせてから欠陥判定が行われる。この方法は、従来の画素ベースの方法と比較して、下記の点で望ましい効果がある：
１．妨害的欠陥と疑似欠陥との比が小さくなり、致命的欠陥に対する感度が向上する。
２．特徴要素全体にわたって画素値を平均することによるショットノイズ低減。
３．欠陥判定プロセスが簡単化及び迅速化されるように、電気的有意性がありそうな画像の部分だけが抽出される。
４．このプロセスは画素より特徴要素に基づいたものであるから、面積、平均強度、強度の和、形状、モーメント等のような特徴要素の潜在的に有意な特性を計算して比較することができる。
５．処理作業負荷を低減することが可能である。１画素ずつではなく１特徴要素ずつ画像を比較することによって、演算数が画素数（通常数１０万あるい数１００万）によってではなく、特徴要素の数（通常数１００）によって決定される。そのため、計算資源を欠陥検出のローバスト性を改善するために利用することが可能になる。
６．基準画像と被検画像あるいはこれらの画像領域のアラインメントに画素精度を必要としない。画像のアラインメントは、画像間あるいは画像領域間の対応する特徴要素が正確にマッチする程度に正確でありさえすれば十分である。従って、ウェーハステージと画像アラインメントアルゴリズムの要求精度は、画素サイズではなく特徴要素サイズによって決まる。
【００１５】
図３は、本発明に基づくいくつかの方法の高水準フローチャートである。まずステップ３０５において、グラフィカルユーザインタフェースがオペレータによる評価のための「ジョブレシピ」を表示する。オペレータがそのジョブのためのパラメータを選択するかあるいは入力すると、ステップ３１０で画像処理（ＩＰ）アルゴリズムとＩＰパラメータが、そのジョブにテンプレート画像が必要ならばそれと共に、アクティブメモリにロードされる。ステップ３１５で、画像データソース、例えばダイレクトビデオ（ライブ）画像かまたは前に取り込まれディスクに保存された画像のどちらかが選択される。ステップ３２０で、基準画像Ｒと処理しようとする被検画像Ｔが、ジョブに必要ならアービトレータ画像Ａと共に、アクティブメモリにロードされる。アービトレータ画像の利用については、以下にさらに詳しく説明する。一般に、アービトレータ画像は、例えば隣り合うメモリセルのようにウェーハ上で反復的に生じる構造を表す画像あるいは画像部分を比較するとき等、ウェーハ上の２つの領域の画像を比較する際、２つの領域のどちらに欠陥があるかに関するあいまい性を排除するために用いられる。ステップ３２５で、基準画像と被検画像とが位置合わせされ、ジョブにとって必要ならば、アービトレータ画像もこれらの画像と位置合わせされる。あるいは、正確なステージが使用されかつ／または画像が前もって位置合わせされている場合のように、画像アラインメントが必要でない場合は、ステップ３２５はスキップされる。ステップ３３５では、特徴要素ベースの欠陥検出が実行される。ステップ３４０では、欠陥の位置、サイズ、タイプ等のような欠陥検出の結果がデータベースにセーブされかつ／または報告され、また任意の態様としては、画像が事後の参照用としてセーブされる。ステップ３４５で、欠陥のマップや欠陥の位置、サイズ、タイプ等についての統計データのような中間画像及び中間結果が、任意の態様として、オペレータによる監視のために表示画面３５０上に表示される。
【００１６】
図４は、中間製造段階の半導体ウェーハのチップの２つの電圧コントラスト画像を示す分割画面の図である。これらの画像は、誘電体層を貫通してエッチングすることによりコンタクトホールが形成されてコンタクト要素が露出した後の製造段階で得られる画像である。黒のドットは各々コンタクトホールを表している。図４の左側の画像４１０は第１のチップについて撮影された基準画像である。画像４２０は第２のチップについて撮影された被検画像である。コンタクトホールの欠落あるいは形成不良のような電気的有意性のある欠陥を識別ないしは特定するためには、画像４２０を検査することが望ましい。本発明による方法は、これらの画像間で特徴要素をマッチさせることによって検査を行うよう構成されている。
【００１７】
図５は、コンタクトホールの電圧コントラスト画像間で特徴要素をマッチさせるための本発明による方法の高水準説明図である。図示説明の便宜上図５の画像には少数のコンタクトホールしか示されていないが、これらの技術は、はるかに大きいコンタクトホール視野にも、コンタクトホール以外の半導体特徴要素の画像にも適用することができる。基準画像５１０は黒ドット５１２、５１４、５１６、５１８及び５２０で示す５つのコンタクトホールを有し、５２２で示す位置のコンタクトホールが欠落している。被検画像５２４は５２６、５２８、５３０、５３２、５３４及び５３６の位置の黒ドットで示されたコンタクトホールを有する。ステップ５３８で、被検画像５２４は基準画像５１０と位置合わせされる。このアラインメントは、図示説明の便宜上画像５１０と５２４の互いに重なる領域を示す破線のボックス５４０と５４２で示してあり、例えば特徴要素５１２は特徴要素５２６と対応し、特徴要素５１４は特徴要素５２８と対応し、特徴要素５１６は被検画像中に対応する特徴要素がなく、特徴要素５１８は特徴要素５３２と対応し、特徴要素５２０は特徴要素５３４と対応し、５２２で示す位置は特徴要素５３０と対応している。被検画像５２４の特徴要素５３６は基準画像５１０中に対応する特徴要素がない。これらの画像からステップ５４４及び５４６で特徴要素が抽出される。画像から抽出された特徴要素には、抽出後の特徴要素として識別される特徴要素であることを指示するための番号が付される。このステップでは、基準画像の特徴要素番号と被検画像の特徴要素番号との間で一致が見られない。
【００１８】
図２０Ａ乃至２０Ｆは、本発明による特徴要素マッチングプロセスを図解したものである。図２０Ａは、コンタクト２００５及び２０１０のようなウェーハのコンタクトを表す複数の特徴要素を有する基準画像の一部を示し、各特徴要素の中心点と境界がそれぞれｘ印と円で示されている。図２０Ｂは、同じくウェーハのコンタクトを表す複数の特徴要素を有する被検画像の一部を示し、各特徴要素の中心点と境界がそれぞれｘ印と円で示されている。図２０Ｃは、被検画像の特徴要素を基準画像の特徴要素と比較する際の偏りやずれの許容限界を各特徴要素を囲むもう一つの円で指示した基準画像を示す。図２０Ｄは、図２０Ｂの被検画像を図２０Ｃの基準画像に重ねた状態を示す。小さいアラインメント誤差が認められる。被検画像の１つの特徴要素、すなわち特徴要素２０１５の中心が特徴要素２０１０の許容偏り限界の外側にあることが分かる。また、基準画像の中心にある特徴要素、すなわち特徴要素２０２０は被検画像中に対応する特徴要素がないということ分かる。図２０Ｅは、マッチングプロセスで「マッチ」した特徴要素を示す。図２０Ｆは、マッチングプロセスで「欠陥」と識別された特徴要素を示し、特徴要素２０２０に関しては特徴要素欠落欠陥が報告され、特徴要素２０１０に関しては、被検画像の特徴要素２０１５が許容偏り限界外にあるので、特徴要素偏り欠陥が報告される。欠陥が特定された後は、オペレータ等の観察者にそれらの欠陥を見易くするために、被検画像と共にコントラストカラーのようなコントラストオーバーレイを表示するようにしてもよい。
【００１９】
特徴要素を識別し、番号を付けることに加えて、抽出された特徴要素の特性が調べられる。特徴要素が抽出されたならば、それらの特徴要素の１つ以上の特性を計算することは簡単なコンピュータプロセスである。これらの特性としては、面積、サイズ、形状、重心、平均強度（これはショットノイズ制限電子ビーム画像でのノイズ低減にとって特に重要である）、強度の和及び強度の標準偏差等がある（ただし、これに限定されるものではない）。表１は、特徴要素の重心の座標（ｘ、ｙ）、面積（Ａ）及び平均画素強度（Ｉ）のような一部の特徴要素特性の例を示したものである。表中の値は、図示説明のためのものであり、必ずしも図５の画像に合わせて倍率調整されてはいない。
【００２０】
【表１】

ステップ５４８では、特徴要素がマッチングされる。例えば、特徴要素５１２〜５２０は基準画像５１０の特徴要素Ｒ１〜Ｒ５であると識別されるが、５２２で示す位置には特徴要素がない。特徴要素５２６〜５３４は、被検画像５２４の特徴要素Ｔ１〜Ｔ５であると識別される。基準画像５１０の特徴要素Ｒ１、Ｒ２、Ｒ４及びＲ５はそれぞれ被検画像５２４の特徴要素Ｔ１、Ｔ２、Ｔ４及びＴ５とマッチする。基準画像５１０の特徴要素Ｒ３は、被検画像５２４の視野外にあるので、被検画像５２４には対応する特徴要素がない。被検画像５２４の特徴要素Ｔ３は、基準画像５１０では欠落しており、基準画像には対応する特徴要素がない。
【００２１】
表２は、マッチが見られた特徴要素の特性を比較した簡単な例を示す。基準画像の番号が付けられた特徴要素（Ｒ＃）が被検画像の番号を付けられた特徴要素（Ｔ＃）と比較され、基準画像の特徴要素の面積（Ａｒｅｆ）と被検画像の特徴要素の面積（Ａｔｅｓｔ）との差を計算して差面積値（Ａｄｉｆ）が得られ、ＡｒｅｆとＡｔｅｓｔとの比を計算して面積比値（Ａｒａｔｉｏ）が得られる。この比は欠陥の尺度として用いることも可能であろう。例えば、この比があるスレッショルド、例えば１．２より大きい場合、すべて欠陥特徴要素であると見なすようにすることがでよう。Ａｒａｔｉｏ値がスレッショルド値以下でない（Ａｒ＞１．２）かどうかを調べるためのチェックが行われる。
【００２２】
【表２】

特徴要素の特性が計算された後、それらの特性は個々に、あるいはいくつか組み合わせて比較することができる。例えば、特徴要素の特性が所定量だけ異なる場合、欠陥として報告することができる。数値的には、この比較は減算、比（どちらも一般的に使用される）、不等号関数等で行うことができる（ただし、これに限定されるものではない）。特性を組み合わせて比較を行うと、妨害的欠陥の割合が増大することなく、欠陥検出の感度を高めることができる。例えば、特徴要素中の全ての画素の強度の和は、面積の測定値と強度の平均計算とを組み合わせたものであり、本願原出願と同日提出の米国特許出願第09/226,962号に記載されているように、微妙なグレーレベル変化を生じるが同時に（コンタクトあるいはバイアの場合のように）欠陥特徴要素の見かけのサイズを変化させる欠陥を検出するのに特に好適である。表２には、特徴要素欠落または余分の特徴要素があると分類される欠陥も示されている。
【００２３】
もう一つの方法として、当の特性間の差についての平均、標準偏差及び／または線形回帰のような統計データを計算する手法がある。差の分布の標準偏差の例えば２倍より大きく異なっている特性を持つ特徴要素を欠陥として報告するようにしてもよい。この方法によれば、特徴要素の特性間の差に固定スレッショルドを設定する必要がなくなる。（固定スレッショルドは、間違って設定されることが起こり得、また正しく設定された場合でも、コントラストや明るさの変化のような画像の微妙な変化に適応しないので、誤差を生じやすい）他方、この場合のスレッショルドは統計的に有意な選択された範囲内で適応性を有する。特徴要素特性の差の平均及び標準偏差も、それ自体ウェーハの欠陥密度の尺度になる。この適応型の手法は、例えば多数の欠陥がある不良ウェーハでは標準偏差が大きく、最悪の欠陥だけしか報告されないので、そのような不良ウェーハの場合に有用である。不良ウェーハでは、平均及び標準偏差自体が劣悪な歩留まりを示す。歩留まりが良いウェーハの場合、致命的欠陥は差の分布ではっきりと際立ち、欠陥として正確に報告され得る。図２１は、被検画像の特徴要素の計算面積を基準画像の特徴要素の計算面積に対してプロットしたグラフの一例を示す。完全にマッチした画像は、「完全マッチ」線２１００沿いにプロットされた面積を持つはずである。２１０５、２１１０及び２１１５で示す面積のように線２１００から大きく離れてプロットされた特徴要素の面積は、容易に潜在的な致命的欠陥として識別される。
【００２４】
図６は、本発明による方法を示したフローチャートである。この特徴要素ベースの欠陥検出はステップ６０５で開始される。ステップ６１０で、基準画像と被検画像、また任意の態様として、アービトレータ画像が用意される。基準画像と被検画像は、望ましい場合、あるいは必要に応じて任意にステップ６１５で互いに位置合わせされる。画像アラインメント方法は当技術分野において周知であり、詳細な説明は省略する。例えば、フリノイス（Ｆｌｉｎｏｉｓ）他の米国特許第５，０５４，０９７号には画像を位置合わせするための技術が記載されており、米国カリフォルニア州サンノゼのシュルンベルジェ・テクノロジーズ・インク（Ｓｃｈｌｕｍｂｅｒｇｅｒ Ｔｅｃｈｎｏｌｏｇｉｅｓ，Ｉｎｃ．） 社から商業ベースで入手可能ＩＤＳ１００００電子ビーム画像化システムのような製品は画像アラインメント能力を具備している。特徴要素はステップ６２０で画像から抽出される。ステップ６１５（アラインメント）とステップ６２０（特徴要素抽出）は、アラインメントアルゴリズムが抽出された特徴要素情報をアラインメントのために使用しない限り、どの順序で行っても、あるいは同時に行ってもよく、結果に影響が生じることはない。抽出特徴要素は、任意にアラインメント情報を用いて、ステップ６２５でマッチングされる。特徴要素はステップ６３０で比較されて、欠陥が識別される。それらの識別された欠陥は、任意態様としてのステップ６３５で報告されかつ／またはそれらの記録がセーブされる。報告は、例えば、識別された欠陥を示すコントラスト型（例えば色違いの）オーバーレイと共に特徴要素の統計データを表形式にして示す被検画像の表示あるいはプリントアウトの形であってもよい。
【００２５】
ステップ６４０では、別の画像について欠陥の有無を検査すべきかどうかの判断が行われる。判断結果がイエスならば、上記プロセスが再度ステップ６１０から始まって、繰り返される。判断結果がノーならば、プロセスはステップ６４５で終了する。ステップ６１０の基準画像の用意は、必要でなければ省略することができる。例えば、被検画像が検査される都度同じ基準画像が使用される場合、あるいは次のプロセスで使用される基準画像が一つ前のプロセスの被検画像である場合は、プロセス反復の都度基準画像を用意する必要はない。
【００２６】
図７は、ステップ７６１０Ａで画像が読み込まれる（前に取り込まれ保存されている画像の場合）かあるいは取り込まれるステップ６１０の詳細な実施態様の一例を示したものである。画像は、必要ならば任意のステップ７６１０Ｂで平滑化される。また、必要ならば、画像は任意のステップ７６１０Ｃで正規化される。ガウス空間平滑化法のような画像を平滑化するための方法、及び画素強度正規化法のような画像を正規化するための方法は当技術分野において周知である。平滑化の目的はノイズ低減あるいはノイズ除去であるから、画像取込み時のビーム電流を増やし、時間平均を取る（空間平滑化法に対して）というような他の技術を用いてノイズを低減することもできる。
【００２７】
図８は、ステップ６３０の詳細な実施態様の一例を示したものである。ステップ８６３０Ａで画像の特徴要素の特性が計算される。計算された特徴要素の特性はステップ８６３０Ｂで比較される。ステップ８６３０Ｃで、比較結果が欠陥基準に適合するかどうかの判断が行われる。
【００２８】
図９は、ステップ６１０、６１５及び６２０を実行することができる一つの方法を示す。ステップ９６１０Ａでは、基準画像Ｒが読み取られて保存されるか、あるいは取り込まれる。基準画像Ｒは任意態様としてのステップ９６１０Ｂで平滑化される。ステップ９６２０Ａでは、基準画像Ｒから特徴要素が抽出される。ステップ９６１０Ｃでは、被検画像Ｔが読み取られて保存されるか、あるいは取り込まれる。被検画像Ｔは任意態様としてのステップ９６１０Ｄにおいて平滑化され、任意態様のステップ９６１０Ｅで基準画像Ｒに対して正規化される。被検画像Ｔは、任意態様のステップ６１５で基準画像Ｒと位置合わせされる。ステップ９６２０Ｂでは被検画像Ｔから特徴要素が抽出される。
【００２９】
図１０は、特徴要素を比較して欠陥が識別されるステップ６３０の詳細な実施態様の一例を示したものである。基準画像Ｒと被検画像Ｔの特徴要素特性がステップ１０−６３０Ａで計算される。それらの基準画像Ｒと被検画像Ｔの計算された特徴要素特性がステップ１０−６３０Ｂで比較される。ステップ１０−６３０Ｃでは、特性比較統計データが計算される。ステップ１０−６３０Ｄで、それらの特性比較統計データが所定の欠陥基準に適合するかどうかの判断が行われる。
【００３０】
図１１は、検出された欠陥に関するデータが報告されかつ／または保存されるステップ６３５の詳細な実施態様の一例を示したものである。ステップ１１−６３５Ａで、欠陥が識別されたか判断が行われる。判断結果がイエスならば、ステップ１１−６３６Ｂで欠陥特徴要素の特性統計データが報告される。ステップ１１−６３５Ｃでは、欠陥の特性統計データ及び／または他の画像情報が報告され、あるいは記憶装置にセーブされる。
【００３１】
図１２は、別のプロセス反復モードによるもう一つの実施例を図解した詳細なフローチャートである。ステップ６０５で、特徴要素ベースの欠陥検出プロセスが開始される。ステップ６１０で基準画像と被検画像が用意される。基準画像は、ステップ１２−６１０Ａで例えば図９のステップ９６１０Ａ、９６１０Ｂ及び９６２０Ａと同様にして用意される。これらの画像は任意態様のステップ６１５で互いに位置合わせされる。特徴要素がステップ６２０で抽出される。これらの特徴要素はステップ６２５で互いにマッチングされる。ステップ６３０では特徴要素が比較して欠陥が識別される。欠陥データが任意態様のステップ６３５で報告されかつ／またはセーブされる。このプロセスが次のようにして繰り返される：動作方式が基準画像、次に被検画像、次いで基準画像、次に被検画像というように交互パターンＲＴＲＴ．．．で走査する方式の場合は、各プロセス反復毎にステップ１２−６１０Ａが実行される。動作方式が、基準画像を１回だけ走査した後、逐次パターンＲＴＴＴ．．．で複数の被検画像と比較する方式の場合は、各プロセス反復はステップ１２−６ｌ０Ｂで開始される。全ての画像が検査されたならば、特徴要素ベースの欠陥検出はステップ６４０で終了する。この検査ランの欠陥検出結果は、ステップ１２４５で報告されかつ／または保存される。そして、プロセスはステップ１２５０で終了する。
【００３２】
図１３は、ステップ９６２０Ａで基準画像Ｒから特徴要素を抽出する詳細な実施態様の一例を示す。基準画像Ｒの平均背景レベルがステップ１３−９６２０Ａ１で計算される。ステップ１３−９６２０Ａ２で、基準画像Ｒの画素強度から背景レベルが除去されて第１の修正基準画像Ｒ１が生成される。電圧コントラスト画像は均一のコントラストを持たないものもあるので、背景レベルの除去は任意の態様として行われる。コントラストが均一でないと、まず背景の画素強度レベルを減算あるいは正規化することなく単純な画素減算アルゴリズム使用した場合に、疑似欠陥が報告される結果が起こり得る。背景は特徴要素間の画像の部分である。通常、欠陥検出が行われる対象のウェーハの特徴要素は、導線、バイアあるいはコンタクトのような導体部である。これらの特徴要素を取り囲む部分は通常誘電体で、今日では大部分がＳｉＯ２である。ウェーハの画像の背景部分はこの誘電体を表す。ウェーハ表面の不均一な帯電によって生じるアーティファクトは、その結果として僅かに異なる表面電位を生じさせ、そのために画像の全体にわたって背景強度が変化する結果がもたらされることが時々ある。背景画素強度を除去あるいは正規化すると、特徴要素抽出の頑強性が改善され得る。この明細書において、「背景」除去という用語は、背景レベルの減算または背景レベルの正規化、あるいは不均一な画像のコントラストを補償するための他の何らかの適切な技術をすべて包含する意味で用いられる。第１の修正基準画像Ｒ１の画素はステップ１３−９６２０Ａ３でスレッショルド値と比較処理されて、第２の修正基準画像Ｒ２、例えば２値画像が生成される。ステップ１３−９６２０Ａ４で、この第２の修正基準画像Ｒ２の特徴要素が特定される。一般に、背景除去の目的は特徴要素を強調することにある。特徴要素強調のための技術は他にも周知である。例えば、抽出しようとする特徴要素が長い直線で構成されている場合は、特徴要素抽出の前に画像に対してエッジ強調を行うことができる。
【００３３】
図１４は、ステップ９６２０Ｂで被検画像Ｔから特徴要素を抽出する詳細な実施態様の一例を示したものである。被検画像Ｔの平均背景レベルがステップ１４−９６２０Ｂ１で計算される。ステップ１４−９６２０Ｂ２で被検画像Ｔの画素強度から背景レベルが除去されて第１の修正被検画像Ｔ１が生成される。ステップ１４−９６２０Ｂ３で第１の修正被検画像Ｔ１の画素がスレッショルド値と比較処理されて、第２の修正被検画像Ｔ２、例えば２値画像が生成される。ステップ１４−９６２０Ｂ４では、第２の修正被検画像Ｔ２の特徴要素が特定される。
【００３４】
図１５は、ステップ９６２０Ａで基準画像Ｒから特徴要素を抽出するもう一つの実施例を示したものである。任意態様のステップ１５−９６２０Ａ１で基準画像Ｒの平均背景レベルが計算される。この背景レベルは、ステップ１５−９６２０Ａ２で基準画像Ｒから除去される。次に、ステップ１５−９６２０Ａ３で、特徴要素テンプレートが基準画像（あるいは背景レベル除去後に得られた画像）にマッチングされる。あるスレッショルド以上、例えば所定の平均強度以上でテンプレートとマッチする基準画像中の特徴要素は、ステップ１５−９６２０Ａ４で基準画像中に存在する特徴要素として識別される。
【００３５】
図１６は、ステップ９６２０Ｂで被検画像Ｒから特徴要素を抽出するもう一つの実施例を示したものである。被検画像Ｔの平均背景レベルが任意態様のステップ１６−９６２０Ｂ１で計算される。ステップ１６−９６２０Ｂ２で基準画像Ｒの画素強度から背景レベルが除去される。次に、ステップ１６−９６２０Ｂ３で特徴要素テンプレートが被検画像（あるいは背景レベルの除去後に得られた画像）にマッチングされる。ステップ１６−９６２０Ｂ４で、あるスレッショルド以上、例えば所定の平均強度以上でテンプレートとマッチする被検画像中の特徴要素は被検画像に存在する特徴要素として識別される。
【００３６】
図１７Ａ、１７Ｂ、１７Ｃ及び１７Ｄは、本発明による特徴要素ベースの欠陥検出の一実施例のフローチャートを示す。まず図１７Ａを参照して、この実施例の欠陥検出プロセスはステップ１７００で開始される。このプロセスは、任意のオペレーティングシステム・ソフトウェア、例えば、ウィンドリバー・システムズ（ＷｉｎｄＲｉｖｅｒ Ｓｙｓｔｅｍｓ）社から商業ベースで入手可能なＶｘＷｏｒｋｓオペレーティングシステム・ソフトウェアを使用するコンピュータシステム上で実行することができる。ステップ１７０２で、どの基準画像と被検画像とを比較するかや、フラグ等のような実行パラメータがダウンロードされる（すなわち、プロセスがそれらのパラメータを受け取る）。ステップ１７０４で、被検画像と比較される基準画像があるかどうかのチェックが行われる。プロセスは開始されたばかりであり、比較に使用される少なくとも１つの基準画像があるから、制御はステップ１７０６に移る。ステップ１７０６では、例えばバルクメモリ１７０８あるいはディスク１７１０から前処理済みの基準画像がプロセスによる使用のためにロードされる。バルクメモリは、大容量の高速ランダムアクセスメモリである。ステップ１７１２で、基準画像がロードされたことを確認するためのチェックが行われる。基準画像がロードされていなければ、ステップ１７１４で基準画像がないという報告がなされ、制御はステップ１７７０（図１７Ｄ）に移る。基準画像がロードされていれば、ステップ１７１６で他に処理すべき被検画像があるかどうかの判断が行われる。
【００３７】
図１７Ｂのステップ１７１６で、それ以上処理すべき被検画像がなければ、制御はステップ１７７０（図１７Ｄ）に移る。他に処理すべき被検画像がある場合は、ステップ１７１８で、画像走査バッファのようなライブ画像ソース１７２０から、あるいはバルクメモリのような記憶画像ソース１７２２から被検画像がロードされる。ステップ１７２４で、被検画像がロードされたかどうかのチェックが行われる。被検画像がロードされていなければ、ステップ１７２６で被検画像がないという報告がなされ、制御はステップ１７７０（図１７Ｄ）に移る。被検画像がロードされている場合は、図１７Ｃのステップ１７２８で、被検画像を前処理するべきかどうかの判断がチェックが行われる。チェック結果がイエスならば、ステップ１７３０で前処理が行われ、制御はステップ１７３２に移る。ステップ１７３２では、基準画像と被検画像が既に位置合わせ済みかどうかのチェックが行われる。（画像は、ステージ精度及び再現性に基づいて、またはシュルンベルジェ（Ｓｃｈｌｕｍｂｅｒｇｅｒ）のＩＤＳ１００００電子ビーム画像化システムの電子ビーム画像化サブシステムのようなアナログ・スキャンジェネレータの動作によって、あるいはディジタル・スキャンジェネレータ（“ＤＳＢ”）によって既に位置合わせ済みになっている場合もある。）チェック結果がイエスの場合、制御はステップ１７４２に移る。ノーの場合は、ステップ１７３４で粗調アラインメントが行われる。ステップ１７３６では、その粗調アラインメントが十分であるかどうかのチェックが行われる。チェック結果がイエスの場合は、アラインメント・パラメータがステップ１７３８で更新されて、ステップ１７４０で、ファイルにセーブされかつ／またはの制御コンピュータ（例えば、ＷｉｎｄＳｔａｒ Ｓｙｓｔｅｍｓ，Ｉｎｃ．社のＶｘＷｏｒｋｓのようなリアルタイム・オペレーティングシステムを走らせる制御コンピュータ、あるいはリアルタイム・オペレーティングシステムがない場合は、制御コンピュータはミザル（Ｍｉｚａｒ）シングルボード・コンピュータのようなシングルボード・コンピュータであってもよい）に送られ、制御はステップ１７４２へ移る。ステップ１７４２で、その粗調アラインメントが良好かどうかのチェックが行われる。チェック結果がイエスならば、ステップ１７４４で、“Ａｌｉｇｎｅｄ”フラグ（アナログ・スキャンジェネレータ使用の場合）または“ＤＳＢ Ａｌｉｇｎｅｄ”フラグ（ディジタル・スキャンジェネレータ使用の場合）がセットされる。ステップ１７４６では、画像の微調アラインメントを行う必要があるかどうかのチェックが行われる。チェック結果がノーならば、制御はステップ１７５０（図１７Ｄ）に移る。イエスならば、ステップ１７４８で基準画像と被検画像との微調アラインメントが行われた後、制御はステップ１７５０（図１７Ｄ）に移る。
【００３８】
次に、図１７Ｄを参照して説明すると、ステップ１７５０で被検画像から特徴要素が抽出され、ステップ１７５２でローカルメモリに記憶される。基準画像の特徴要素がステップ１７５４でローカルメモリから取り出され、ステップ１７５６で被検画像の特徴要素とマッチングされる。ステップ１７５８で、特徴要素を比較することによって欠陥が検出される。それらの欠陥は、ステップ１７６０でローカルメモリのようなメモリに記憶される。ステップ１７６２では、ステップ１７５８で識別された欠陥を示す例えば２値画像あるいはグレースケール画像の形で「欠陥画像」が計算により生成される。欠陥の性質や量についての統計情報のような欠陥結果がステップ１７６６で計算される。それらの欠陥結果は、ステップ１７６８でバルクメモリ等に記憶される。ステップ１７７０では、更新欠陥報告が生成される。欠陥結果と画像は、ステップ１７７２でバルクメモリに記憶されかつ／またはステップ１７７４でディスク記憶装置に記憶される。
【００３９】
図１８Ａ乃至１８Ｈは、本発明の方法に基づくスレッショルド値との比較処理法による特徴要素抽出過程を図解したものである。この例においては、スレッショルドレベル以上の強度値を有する画素のみが特徴要素の一部であると見なされる。図１８Ａにおいて、グレースケール画像１８００には、背景強度に対して相対的に「明るい」ように見える特徴要素１８０５のようなコンタクトの特徴要素の視野が入っている。図１８Ｂでは、１８１０画像の３次元図に、画素強度が第３次元にプロットされた特徴要素の視野が示されている。これらの特徴要素を横切る平面１８１５が画素強度に適用されるスレッショルドを表している。図１８Ｃは、一列の特徴要素を横切る線に沿って強度をプロットした図で、画素のグレースケール強度を示す。１８２０の画素強度スレッショルドは、この画像で特徴要素領域と特徴要素外領域とが如何に容易に見分けられるかを示している。特徴要素１８２５のエッジ部が符号１８３０及び１８３５で示す部分に見られる。このスレッショルドのレベルは、特徴要素のエッジ部をどこに設定するかに影響する。図１８Ｄは、スレッショルド値との比較処理後における図１８Ｃの特徴要素を示す。図１８Ｅは、結果的に得られる画像で、特徴要素が２値形式の値を有する画素によって定義される画像を示す。図１８Ｅに示す結果の画像は、例えばブロッブ分析演算により、あるいは識別された２値形式特徴要素マップをマスクとして用いる等によって、図１８Ａのグレースケール画像と結合されて、出力画像を定義するブロッブ特徴要素のリストが生成される。例えば、ブロッブ分析演算は、“ｍａｔｒｏｘ＿ｂｌｏｂ＿ｃａｌｃｕｌａｔｅ（Ｅ，Ａ，ｌｉｎｋｅｄ＿ｌｉｓｔ＿ｏｆ＿ｂｌｏｂ＿ｆｅａｔｕｒｅｓ）”のようなコマンドを用いてＭａｔｒｏｘイメージングライブラリにより得られるようなものであってもよい。ここで、“Ｅ”及び“Ａ”は、それぞれ図１８Ｅ及び１８Ａの画像を表す入力データである。図１８Ｆは、図１８Ｄの特徴要素がブロッブ分析及びＴ１−Ｔ３のような特徴要素番号割り当て後にどのように見えるかを示したものである。図１８Ｇは、識別された特徴要素Ｔ１−Ｔ６を示す出力画像の図である。図１８Ｈは、ブロッブ分析演算によってを生成されるデータ構造を示し、このデータ構造では特徴要素が特徴要素番号によって、また画像中のｘｙ座標位置、面積及び強度のような特性によって識別される。特徴要素特性は、必要に応じて比較、保存及び分析を行うことができる。
【００４０】
スレッショルド値との比較処理法は、例えばグレーの背景上に非常に暗いコンタクトがあるというような一定の状況では十分有効であることが明らかになっている。しかしながら、スレッショルド値との比較処理法は、適当なスレッショルドを設定するのにオペレータに依存する場合、及び／または当の特徴要素が背景に類似したグレーレベルを持ち、特徴要素のエッジでの強度変化によってしか識別することができないような場合、制約がある。オペレータ依存の問題は、スレッショルド値を固定せず、画像全体にわたって変えることができる適応型スレッショルド値比較処理法によって克服することができる。この方法は、電圧コントラスト画像中の標本の表面帯電、あるいは光像における照明差のような効果による画像全体にわたるコントラスト差を解消するために用いることができる。適応スレッショルドあるいは可変スレッショルドは、例えば局部平均グレーレベル、あるいは背景除去時に得られた局部背景レベルに対する一定偏差を用いることによって決定することができる。適応スレッショルド法には、荷電粒子ビームシステムにおける共通の問題である絶縁性背景の不均一荷電に起因するグレーレベル変化に対応できるという利点がある。
【００４１】
図２２Ａ乃至２２Ｃは、本発明の方法に基づく適応型スレッショルド値比較処理法による特徴要素抽出を図解した説明図である。図２２Ａは、不均一なあるいは勾配を持つ背景コントラスト上でダーク部分として現われるコンタクトホールを持つパターン形成済み基板の電圧コントラスト画像のプロファイル２２０５を示す。プロファイル２２０５は、３つのコンタクトホールと交わる直線に沿ってｘ軸方向でに画像コントラストをプロットした曲線である。不均一なあるいは勾配を持つ背景コントラストは、例えば誘電体の不均一な帯電によって起こり得る。プロファイル２２０５のディップ２２１０、２２１５及び２２２０はそれぞれコンタクトホールを表す。図解説明のため、図２２Ａには非適応性型の固定されたスレッショルド２２２５も示してある。固定スレッショルド法の制約は、プロファイル２２０５がスレッショルド２２２５を横切る各点でレベルが変わるが、コンタクトホール位置を正確に表してはいない２値表現曲線２２３０で視覚的に理解することができる。図２２Ｂは、プロファイル２２０５の平滑化によって生成される適応スレッショルドのプロファイル２２３５を示す。図２２Ｃは、プロファイル２２０５上に重ね合わせた適応スレッショルドプロファイル２２３５を示す。適応スレッショルド法の長所は、プロファイル２２０５がスレッショルド２２３５を横切る各点でレベルが変わり、かつコンタクトホール位置を正確に表す２値表現曲線２２４０で視覚的に理解することができる。
【００４２】
上記のスレッショルドとの比較処理法に代えて、あるいはこれと組み合わせて画像モデルマッチング法を用いることができる。この方法では、特徴要素がある位置を特定するのに、画像強度を使うのではなく、抽出しようとする特徴要素のモデルが用いられる。この方法の簡単な例は、特徴要素モデルを画像と相関させて相関画像を生成することである。相関画像は、強度レベルスレッショルドの代わりに相関レベルスレッショルドを用いてスレッショルド値と比較処理されることにより、特徴要素が特定される。その後、画像中の特徴要素のエッジ部がパターンマッチング技術を用いて検出される。パターンマッチング技術は、例えばアール・ハーラリック（Ｒ．ＨＡＲＡＬＩＣＫ）他の「コンピュータとロボット視覚（ＧＯＭＰＵＴＥＲ ＡＮＤ ＲＯＢＯＴ ＶＩＳＩＯＮ）」、巻２、アディソン・ウェスリー（Ａｄｄｉｓｏｎ Ｗｅｓｌｅｙ（ＩＳＢＮ０−２０１−５６９４３−４））より公知であり、同書の内容はここで言及することにより本願に援用される。パターンマッチング・ソフトウェアプログラムは、マトロックス・リミティッド（Ｍａｔｒｏｘ Ｌｉｍｉｔｅｄ）社のＭａｔｒｏｘイメージングライブラリ（Ｍａｔｒｏｘ Ｉｍａｇｉｎｇ Ｌｉｂｒａｒｉｅｓ）及びコグネックス・コーポレーション（Ｃｏｇｎｅｘ Ｃｏｒｐｏｒａｔｉｏｎ）のＰａｔＭａｘソフトウェアに入っており、商業ベースで入手可能である。また、モデルが、物理画像モデルではなく、組み合わせてマッチングしようとする特徴要素の理想化（合成）モデルを形成することができる単純な幾何学形状（矩形、円、環形、直線）で構成される合成モデルマッチング法を使用することもできる。合成モデルの一例としては、例えば暗い環形（ダークリング）とこれより小さくて明るい円で形成される「ドーナツ」が考えられる。この例では、モデルマッチング・プロセスは、例えば：１．画像中の全ての「ダークリング」を見つける；２．全ての「明るい円」を見つける；３．「ダークリング」中の全ての「明るい円」を見つける；という３つのステップよりなる。この方法によれば、明るい部分が暗い部分の中にありさえすれば、「ドーナツ」様特徴要素の領域全体を特徴要素の明るい部分と暗い部分との間の正確な関係を知る必要なく抽出することができる。
【００４３】
図１９Ａ乃至１９Ｇは、本発明の方法に基づくモデルマッチング法による特徴要素抽出プロセスを図解した説明図である。図１９Ａにおいて、グレースケール画像１９００には特徴要素１９０５のようなコンタクト特徴要素の視野が入っている。例えば特徴要素１９１０のような特徴要素がモデルとして選択される。図１８Ｂでは、１９１５の位置にある画像の３次元図に、画素強度が第３次元に表された特徴要素の視野が示されている。図１９Ｃは、欠陥コンタクトの特徴要素１９２０を含み、相関のためにモデル特徴要素１９２５がオーバーレイされた特徴要素の視野を示す。図１９Ｄは、線１９Ｄ−１９Ｄに沿って切断した図１９Ｃの画像の矢視図で、各特徴要素とモデル特徴要素１９２５との相関が示されている。相関ピーク１９３０と１９３５は＞０．９という相関を示している。相関ピーク１９４０は、モデル特徴要素１９２５と欠陥コンタクトの特徴要素１９２０との間には部分相関しかないことを示している。図１９Ｅは、特徴要素１９４５及び１９５０のような特徴要素１９２５と０．９以上の相関があるモデル特徴要素の中心点を示す画像である。破線１９５５で示す部分は部分的にしか形成されていないコンタクトの特徴要素１９２０の位置と対応するが、特徴要素１９２０は、そのモデル特徴要素１９２５との相関が０．９以下であり、そのために欠陥らしいと識別されるので、図１９Ｅには表されていない。
【００４４】
図１９Ｆは、微分法あるいは特徴要素エッジを明確化するための他技術を適用した後における図１９Ｅの特徴要素のエッジ部を表した説明図である。例えば、画像微分（あるいはエッジ強調）フィルタを使用して画像中のエッジ部を強調することができる。微分画像から極大と極小を決定することによって特徴要素を抽出することができる。これらの極大と極小の輪郭によって囲まれた境界は当の特徴要素の境界であり、特徴要素リストを生成するために使用することができる。図１９Ｇは、図１９Ｅの中心点情報及び図１９Ｆの特徴要素エッジ情報を用いて元の画像、例えば、図１９Ａの画像からの特徴要素の抽出プロセスを示す。特徴要素の中心点１９６０とエッジ１９６５が既知ならば、エッジ１９６５の境界内にあって点１９６０に中心がある図１９Ａの画像から画素１９７０をグルーピングすることにより特徴要素が定義されると考えられる。図１９Ｇの抽出プロセスを検出された各特徴要素について繰り返すことにより、比較のための特徴要素のテーブルあるいはリストが生成される。このリストは実質的に、例えば図１８Ｈに示されたようなものであってもよい。
【００４５】
本願で説明する技術は、半導体ウェーハ上の０．２５μｍプロセスでタングステン入りバイアの視野中の欠陥検出を自動化するのに好適であることが実証されている。パターンは反復性があるので、人間の目は欠落しているバイアや一部しか形成されていないバイアを非常に用意に見つけだすことができる。このような画像について画素減算法によりオートメーションを行うと、背景とコンタクトのエッジとの間の微妙かつ些細な差のためにノイズが多い差画像が生じ、非常に多数の妨害的欠陥が報告される結果になる。この妨害的欠陥の割合は、通常、画像をほぼ１００％オペレータによって検査しなければならないほど非常に高く、従来技術の画素ベースの差を取る方法を用いては自動欠陥検出プロセスが実際上役に立たなくなる。これに対して、本発明による特徴要素ベースの検出技術は、人間の介在なしにバイアやコンタクトのような要素のフィードスルーの欠落や部分欠落を識別することができ、妨害的欠陥の報告がほとんど、あるいは全くでないということが確認されている。
【００４６】
本願で使用する用語の定義は下記の通りである：
パターン形成済み基板：半導体ウェーハあるいはフォトリソグラフィ・マスク。実施例の説明はパターン形成済み半導体ウェーハとの関連で行うが、本願記載の技術は、適切な荷電制御手段を有する電子ビーム画像化システムのような適切な画像化技術によって取り込まれたフォトリソグラフィ・マスクの画像の特徴要素についても適用することができる。
パターン形成済み：パターンが形成されていること。パターンは、どのようなものを表したものでもよく、最初のウェル拡散構造、コンタクト、バイア、ポリシリコンゲート構造、局部相互配線、金属（アルミニウムあるいは銅）相互配線、パワープレーン、ボンドパッド及びこれらの組合せのパターンが含まれるが、これに限定されるものではない。また、パターンは酸化膜あるいは他の誘電体中の二重ダマシントレンチのような特徴要素を表すものであってもよい。また、パターンは標準的な、あるいはトポグラフィＳＥＭ画像のようなフォトレジストを表すものであってもよい。
画像：オブジェクトを表す画素のアレイまたは画素データ。アレイは、均一なサイズと間隔の画素を有し、画素サイズが画像化される特徴要素より小さく、例えば特徴要素の端から端まで２〜５画素の２次元アレイでもよいが、これに限定されるものではない。画像は、画素間隔が不均一でもよく、例えば、本願と同時係属の米国特許出願第０９／０１２，２７７号（代理人事件整理番号６５．０２５５Ｐ１）に記載されている線走査あるいは線分走査のように、一方向の画素間隔がその直交方向の画素間隔の何倍も大きくてよい。画像は断層撮影画像のような三次元画像の場合もある。
電圧コントラスト画像：強度信号（例えば画素強度）が画像化されるオブジェクト、例えばパターン形成済み半導体ウェーハあるいはパターン形成済みフォトリソグラフィ・マスクの表面上の電圧または電位の関数である画像。この関数は、理想的には線形関数であるが、一般には非線形である。この関数は、必ずしもそうではないが、通常は単調関数である。
基準画像：被検画像との比較に使用される画像。基準画像は、同じウェーハ上にあるいは異なるウェーハ上にある別のチップまたはセルあるいはブロックの画像であってもよい。基準画像は、既知品質のチップまたはセルあるいはブロック、例えば「金製」チップまたはセルあるいはブロックの画像でもよく、例えばアービトレーションのために第３のチップまたはセルあるいはブロックが使用される場合等においては、品質不明のチップまたはセルあるいはブロックの画像であってもよい。また、基準画像は、比較される被検画像と同じあるいは類似の倍率のものでも、あるいは如何なる倍率のものであってもよい。基準画像は、電圧コントラスト画像でも、集束イオンビーム（ＦＩＢ）画像、原子間力顕微鏡（ＡＦＭ）画像、トポグラフィ走査電子の顕微鏡（ＳＥＭ）画像あるいはコンピュータ支援設計（ＣＡＤ）データベースで作成された画像のような他の種類の画像であってもよい。あるいは、基準画像は特徴要素のリスト及びそれらの特徴要素の対応特性（位置、サイズ、形状、強度、強度、接地か浮動か、あるいは接続性のような他の特性）が書き込まれたデータ構造であってもよい。
被検画像：パターン形成済み半導体ウェーハあるいはパターン形成済みフォトリソグラフィ・マスクのような検査しようとする物理試料から取り込まれた画像で、基準画像と比較される。被検画像は、チップまたはセルあるいはブロックの画像であってもよい。被検画像は電圧コントラスト画像でも、あるいは集束イオンビーム（ＦＩＢ）画像、原子間力顕微鏡（ＡＦＭ）画像またはトポグラフィ走査電子顕微鏡（ＳＥＭ）画像のような他の種類の画像でもよい。
特徴要素を抽出する：画像（画素のアレイあるいは画素データ）をリンクリストのようなデータ構造として表される特徴要素のリストに変換すること。画像中の隣り合う画素の集まりとして表される検査対象の物理オブジェクトのアーティファクトは、特徴要素抽出後、そのアーティファクトの特性によって表される。特徴要素は、例えば、コンタクトまたはコンタクトホールあるいは導体及び／またはパターン形成済み半導体ウェーハの他の物理構造であってもよい。特性は、画像で表された特徴要素の直径、面積、強度及び位置のような尺度、及びブロッブ分析の分野で周知の他の尺度であってよいが、これらに限定されるものではない。これに限定されるものではないが、計算することができる特性例のリストがＭａｔｒｏｘイメージングライブラリ・コマンドのコマンドレファレンス、バージョン３．１、マニュアルＮｏ．１０３６８−ＭＳ−０３１０（Ｍａｔｒｏｘ Ｅｌｅｃｔｒｏｎｉｃ Ｓｙｓｔｅｍｓ Ｌｔｄ．）に記載されている。抽出は、スレッショルドとの比較処理法を用いることもできるし、非スレッショルド方式の技術を用いることもできる。
特徴要素をマッチングする：被検画像と基準画像から抽出された特徴要素を処理あるいは対合すること。特徴要素は、基準画像の場合のリストと被検画像の場合のリストでは特徴要素が必ずしも同じ順序でリストされないデータ構造、例えばリンクリストとして記憶されるかまたは表される。（特徴要素抽出順序は、ステージ位置の相対誤差を含めて、種々の要因により変化し得る。）被検画像と基準画像の特徴要素は、従って、データ構造をオーバーレイすることによってマッチングすることはできない。そのために、マッチングは、画像アラインメント偏りに関して必要に応じて修正された（例えば、画像アラインメントアルゴリズムの結果を用いて）特徴要素の物理位置（例えばｘ，ｙ座標位置）に基づいて行われる。マッチングでは、視野外にある（例えばステージ誤差の故に）ためでも、あるいはウェーハ処理誤差（すなわち欠陥）のためでも、画像中で欠落している特徴要素が考慮に入れられる。
特徴要素を比較して欠陥を特定する：特徴要素が抽出された後、特徴要素の１つ以上の特性を計算プロセスによって計算し、それらの計算された特性の値を比較すること。特性としては、例えばサイズ、形状、平均強度（これはショットノイズ制限電子ビーム画像におけるノイズ低減のために特に重要である）、重心、直径、面積及び標準偏差等がある（ただし、これらに限定されるものではない）。１つあるいは複数の特性を組み合わせて比較することができ、特徴要素特性が所定量だけ差があると、欠陥が報告される。この比較は、減算、比計算、不等号関数、あるいはその他の数学的比較のような数値演算であってもよい。特性を組み合わせて比較すると、妨害的欠陥の割合が大きくなることなく欠陥検出感度を高めることができ、例えば、特徴要素中の全ての画素の和を面積及び平均強度の尺度と組み合わせると、微妙なグレーレベル変化を生じる一方で特徴要素の見かけのサイズも変化させる（コンタクトあるいはバイアの場合のように）欠陥を検出するのに特に効果的である。もう一つの方法は、特性間の差について統計データ（平均、標準偏差及び／または線形回帰のような）を計算することである。差が差の分布の標準偏差の例えば２倍より大きい特徴要素は欠陥として報告される。このような適応スレッショルド法によれば、固定された限界を設定しなくて済み、従って統計的に意味のあるの所望の範囲内でスレッショルドを適応させられる。特徴要素の差の平均と標準偏差は、それ自身欠陥密度の尺度である。線形回帰法を使用する場合は、回帰線に対する統計偏差も欠陥密度を測定するために利用することができる。
背景レベル（背景除去）：電圧コントラスト画像の中には、均一のコントラストを持たないものがある。この不均一性があることから、背景レベルの除去（つまり、減算または正規化）を行わずに単純な画素減算アルゴリズムを使用すると結果的に疑似欠陥が招かれる可能性がある。半導体ウェーハの特徴要素は、一般に導体、すなわちワイヤ、バイアあるいはコンタクトであり、これらの特徴要素を囲む領域は、通常、ＳｉＯ２等の誘電体である。背景は、特徴要素間の画像領域であり、誘電体を表す。不均一に帯電しているアーティファクトは、しばしば、わずかに異なる表面電位をもたらし、その結果、画像全体にわたって背景の強度レベルが変化することがある。背景レベルを除去あるいは正規化すれば、特徴要素抽出の頑強性が改善される。
特徴要素テンプレート：特徴要素抽出を補助する特徴要素（例：コンタクト）。一例を挙げれば、マッチング・フィルタ理論を使用し、抽出すべき特徴要素のタイプと同一もしくは類似のインパルス応答を有するフィルタを適用することによって画像から特定タイプの特徴要素を抽出することができる。特徴要素は、画像の特徴要素と特徴要素テンプレートの間の相関応答を微分することにより、強い相関もしくは最大の相関がある場所として識別される。つまり、特徴要素を特徴要素テンプレートとの相関として識別すれば、スレッショルド比較を使用することによって、あるいは二次微分を演算し、勾配の最大値を使用してサイズを決定することによって、そのサイズを抽出することができる。たとえば、１つのコンタクトを含む画像を、多数のコンタクトを含む画像と相関させる。これらのコンタクトは、特徴要素テンプレートとの高い相関があることからコンタクトとして識別される。
アービトレーション：前述したように、基準画像と被検画像の間において比較を実行することができる。基準画像には、被検画像より欠陥の可能性の低いチップによるものを選び、たとえばウェーハの中心に近いチップは、ウェーハのエッジに近いチップより欠陥の可能性が低いことから、それを基準画像として使用する。その場合、被検チップは、欠陥を有する可能性の高い領域に含まれることになる。しかしながら、基準チップが欠陥を有する可能性がないわけではない。一般に、いずれの画像が欠陥であるかを一義的に決定することは不可能であり、アービトレーションのために第３の画像が必要となる。アービトレーションは、欠陥検出プロセスと組み合わせて、あるいはポストプロセスとして実行することができる。基準画像と被検画像の間の比較によって欠陥を検出した後、第３の画像（配列モードにおいてセルごとの比較を行う場合には第３のセル）との比較によりアービトレーションを実行し、基準画像と被検画像のうちいずれが欠陥を有しているかを判断する。配列モードにおいては、特徴要素が抽出され、同一画像内の隣接セルにおける対応する特徴要素と比較される。なおこのアービトレーションは、たとえばＣＡＤデータベースから生成された基準画像を用いる場合には不要である。
【００４７】
図２３Ａないし図２３Ｄおよび図２４を参照して配列モードの一例を説明する。配列モードのオペレーションは、メモリ・セル等の構造において反復している性質を利用する。配列モードにおいては、メモリ・セル等の反復構造がその近傍で比較されて欠陥が検出される。図２３Ａないし図２３Ｄに示した例においては、被検画像を隣接セル等の近傍のセルとすることができる。配列モードのオペレーションは多数の方法により具体化が可能であり、それには１セルごとの画像のシフトによる方法、あるいは図２４のフローチャートに示されるようにセルの繰り返しに基づいて特徴要素のマッチングを行う特徴要素マッチング・ルーチンの使用による方法が挙げられる。図２３Ａは、反復セル２３０５の例を示しており、このセルはコンタクトならびにコンタクト・ホールといった複数の特徴要素を有する。図２３Ｂは、図２３Ａに示したセルが反復されている画像であり、それにおいてセルは誤りなく反復されている必要がある。セル２３１０および２３１５等の隣接セルからの特徴要素は、欠陥を識別するための比較に使用することができる。セル２３２０は、２３２５として示したコンタクトの欠落があり、これは欠陥として検出されなければならない。図２３Ｃは、セル２３２０にコンタクトの欠落を伴う、図２３Ｂに示したセルが反復するパターンの画像である。図２３Ｄは、同一の画像であるが、セル２３３０とセル２３２０の比較を可能にすべく１セルだけ右にシフトしている。
【００４８】
図２４は、セルごとの比較を実行して欠陥を検出する配列モード法を表すフローチャートである。この配列モードにおいては、各セルが２回の比較に関係することから、すなわち実際上、左側および右側とそれぞれ比較されることから、欠陥が二重にカウントされる。たとえば、ある比較において特徴要素の過多として現れる微小欠陥は、続く比較において特徴要素の欠落として現れることになり、ともに、アービトレーション（前述）を使用していずれのセルが真の欠陥を有しているかを識別しない限り、欠陥についての誤った報告がなされる可能性を有する。この方法は、ステップ２４１０から開始する。ステップ２４２０においては、反復配列構造の画像が取り込まれる（または、すでに取り込みを完了していればメモリその他の記憶装置から読み出される）。ステップ２４３０においては、取り込みもしくは読み出しを行った画像に対して、たとえば平滑化を施すことによりノイズを減少する。ステップ２４４０は、画像から特徴要素を抽出する。ステップ２４５０においては、セルの繰り返しオフセットを使用してセルごとの特徴要素マッチングが行われる。ステップ２４６０においては、対応する特徴要素どうしが比較される。ステップ２４７０においては、アービトレーションを行って、事実上、双方向に交互に行うことになるセルのシフトによってもたらされる欠陥の二重カウントを除去するが、このステップは必須ではない。ステップ２４８０においては、特徴要素が比較され、欠陥が報告される。ステップ２４９０から制御はステップ２４２０に戻り、続く画像の処理を繰り返す。すべての画像の処理を完了するとこれにおいてこの方法を終了する。
【００４９】
図２のシステムに一例を示した電子ビーム画像処理システムは、データ保存するプロセッサによってコントロールされる。本発明に準じた方法は、任意形式のコンピュータ・プログラム・プロダクトに具体化されたアプリケーション・コード（コンピュータ可読命令）をこのプロセッサが実行することによって実施される。コンピュータ・プログラム・プロダクトは、コンピュータ可読コードを保存あるいは移動すべく構成されたメディア、あるいは場合によってはコンピュータ可読コードが埋め込まれているメディアを備える。このコンピュータ・プログラム・プロダクトの一例としては、ＣＤ−ＲＯＭディスク、ＲＯＭカード、フロッピーディスク、磁気テープ、コンピュータのハードドライブ、ネットワーク上のサーバ、および搬送波が挙げられる。ここで説明した比較機能は、電子ビーム画像処理システムのプロセッサにおいて実行し得るが、望ましければ他のコンピュータ・システム上で実行することもできる。前述のシステムは、例示のみを目的としたものである。任意のタイプのコンピュータ・システムあるいはプログラミングないしはプロセッシング環境を有する荷電粒子ビーム・システムにおいて本発明に準じた方法を具体化することも考えられる。
【００５０】
画像から特徴要素を抽出する方法は、ここに示した例に限定されない。当分野において周知の方法に適したものがあれば、それを使用してもよい。本発明に準じた方法ならびに装置の具体化に有用な、画像の特徴要素（当分野においては「ブロブ」と呼ばれることもある）の抽出、解析、および認識のためのテクニックはよく知られており、こういったテクニックを具体化するためのコンピュータ命令のライブラリも市場から入手できる。この種のライブラリの一例として、メイトロクス・エレクトロニック・システムズ（Ｍａｔｒｏｘ Ｅｌｅｃｔｒｏｎｉｃ Ｓｙｓｔｅｍｓ Ｌｔｄ．）の「メイトロクス・イメージング・ライブラリ（Ｍａｔｒｏｘ Ｉｍａｇｉｎｇ Ｌｉｂｒａｒｙ）」（例：バージョン３．１）があり、メイトロクス・マニュアル番号１０３６８−ＭＳ−０３１０「命令リファレンス」に記述されている機能を有する。
【００５１】
概して特徴要素抽出は、画像内の所定の一特徴要素をくまなく識別し、かつ位置を特定するために使用される。画像をスキャンし、画像内にある当該所定特徴要素に類似のパターンのみが抽出される。これにより、画像は２タイプの領域、すなわち特徴要素の領域と特徴要素でない非特徴要素の領域に分けられる。欠陥の検出には特徴要素の領域のみを処理し、解析すれば足りる。また欠陥は、面積、サイズ、位置等の特徴要素の特性（１つないしは複数）を演算し、解析し、比較することにより検出できる。電圧コントラスト画像における特徴要素の識別に使用可能な画像処理テクニックは多数存在し、単純な画像スレッショルド比較法、適応型画像スレッショルド比較法、画像モデル・マッチング法、合成モデル・マッチング法および微分等によるエッジ強調法などが挙げられる。一般に特徴要素抽出技術は、画素強度値のスレッショルド比較、特徴要素のエッジ検出、あるいはスレッショルド比較とエッジ検出の組み合わせを基礎にする。
【００５２】
単純な画像スレッショルド比較法においては、画像を特徴要素と非特徴要素に分けるため、画像のグレー・スケール強度を使用する。同一の強度有する画像の領域もしくは同一の強度範囲に属する画像の領域は、「ブロブ」にグループ化される。その後各ブロブは、画像から抽出された特徴要素を表すものとして扱われる。当該画像内の残りすべては、「背景」つまり非特徴要素と見なされる。特徴要素が抽出されれば、位置、面積、平均強度、合計強度等といった特徴要素の特性を演算することができる。これらの特性は、特徴要素の特性決定に使用可能であり、また抽出した他の特徴要素の特性と比較することもできる。
【００５３】
ステージ・ポジショニングの精度と画像アラインメントの間にはトレードオフが存在する。被検画像、基準画像およびアービトレーション画像（使用する場合）の間の特徴要素のマッチングを正確に行うためには、一般に、これらの画像を重ねたとき、画像間のアラインメント誤差が画像内の特徴要素間の距離の２分の１より小さく（好ましくは実質的に小さく）なるように充分に正確に位置合わせを行わなければならない。それがなされないと特徴要素の対応が得られず、結果的に疑似（つまり欠陥検出システムによって導かれた誤りの）欠陥が報告される可能性がある。ここで説明した特徴要素ベースのアラインメント・テクニックは、本質的にこのアラインメントの制約を緩和するが、それでもなおＩＣの相互接続パターンにおける固有のパターン反復によって制限を受けることがある。しかしながら、本発明に準じた特徴要素ベースのアラインメントに求められるアラインメント精度は、画素ベースの差分法に求められるほど厳密でなく、後者においては、一般に最大許容アラインメント誤差が画像内の特徴要素サイズより実質的に小さいこと（＜２０％）、好ましくは単一画素より小さいことが要求される。
【００５４】
このアラインメント問題には、２つの実践的な解決策が使用される：すなわち、画像処理エリアの事前アラインメントを組み合わせた高精度ステージ、あるいはステージ誤差を修正する画像処理アルゴリズムを伴う低コストの低精度ステージである。ポジションのフィードバックにレーザ干渉計を使用する高精度真空室ステージはよく知られており、ニューヨーク州ロングアイランドのアノラド・コーポレーション（Ａｎｏｒａｄ Ｃｏｒｐｏｒａｔｉｏｎ）等のサプライヤからも市販されている。画像アラインメント・ルーチンを含む画像処理ソフトウェアもまた、多数のソースから入手可能であるが、これらのアルゴリズムの一部には、実際の使用において、画像のオフセットが大きいとき（ＦＯＶの１０％超）あるいは特徴要素が部分的に反復しているとき、アラインメント誤りのレートが許容限界を超えるものもある。コグネクス・コーポレーション（Ｃｏｇｎｅｘ Ｃｏｒｐｏｒａｔｉｏｎ）はパターン認識ならびにアラインメント・ソフトウェアのリーディング・サプライヤであり、同社の「ＰａｔＭａｘ」プロダクトは頑強かつ信頼性が高いと見られる。それでもなお、ある程度のアラインメント誤りレートが残るが、一般にそれは１％未満となる。画像アラインメント・アルゴリズム・ベースのアプローチは、高精度ステージ・ソリューションに比べると低コストであるが、アラインメント・アルゴリズムから演算のオーバーヘッドをもたらす。約１ないし２マイクロメートルの精度のステージをアラインメント・ルーチンと組み合わせて使用した実験的実装においては、約３％のアラインメント誤りレートが示された。ただしこの値は、コグネクス（Ｃｏｇｎｅｘ）の「ＰａｔＭａｘ」プロダクトの使用によって改善し得ると思量される。
【００５５】
なお、当業者であれば認識されようが、特許請求の範囲に明示する本発明の真意ならびに範囲から逸脱することなく、これらの変形ならびに他の変形が可能である。
【図面の簡単な説明】
【図１】画像取込みを画像処理と並行して行う従来技術の方法のフローチャート。
【図２】本発明によるシステムの概略ブロック図。
【図３】本発明によるいくつかの方法を図解した高水準フローチャート。
【図４】中間製造段階の半導体ウェーハのチップの２つの電圧コントラスト画像を示す分割画面の説明図。
【図５】本発明によるコンタクトホールの電圧コントラスト画像間で特徴要素をマッチさせるための方法を図解した高水準説明図。
【図６】本発明による方法を図解したフローチャート。
【図７】本発明による図６のステップ６１０の詳細な態様を示すフローチャート。
【図８】本発明による図６のステップ６３０の詳細な態様を示すフローチャート。
【図９】本発明による図６のステップ６１０、６１５及び６２０の詳細な態様を示すフローチャート
【図１０】本発明による図６のステップの６３０の詳細な態様を示す図フローチャート。
【図１１】本発明による図６のステップ６３５の詳細な態様を示すフローチャート。
【図１２】本発明による図６の方法による詳細な態様を示すフローチャート。
【図１３】本発明による図９のステップ９６２０Ａの詳細な態様を示すフローチャート。
【図１４】本発明による図９のステップ９６２０Ｂの詳細な態様を示すフローチャート。
【図１５】本発明による図９のステップ９６２０Ａのもう一つの詳細な態様を示すフローチャート。
【図１６】本発明による図９のステップ９６２０Ｂもう一つの詳細な態様を示すフローチャート。
【図１７Ａ】本発明による特徴要素ベースの欠陥検出方法の一実施例を示すフローチャートの一部。
【図１７Ｂ】本発明による特徴要素ベースの欠陥検出方法の一実施例を示すフローチャートの一部。
【図１７Ｃ】本発明による特徴要素ベースの欠陥検出方法の一実施例を示すフローチャートの一部。
【図１７Ｄ】本発明による特徴要素ベースの欠陥検出方法の一実施例を示すフローチャートの一部。
【図１８Ｘ】本発明による方法におけるスレッショルド値比較処理法による特徴要素抽出過程を１８Ａ〜１８Ｅで図解した説明図。
【図１８Ｙ】本発明による方法におけるスレッショルド値比較処理法による特徴要素抽出過程を１８Ｆ〜１８Ｈで図解した説明図。
【図１９Ｘ】本発明による方法におけるモデルマッチング法による特徴要素抽出過程を１９Ａ〜１９Ｄで図解した説明図である。
【図１９Ｙ】本発明による方法におけるモデルマッチング法による特徴要素抽出過程を１９Ｅ〜１９Ｇで図解した説明図である。
【図２０】本発明による欠陥検出プロセスを２０Ａ〜２０Ｆで図解した説明図である。
【図２１】被検画像の特徴要素の計算面積を基準画像の特徴要素の計算面積に対してプロットしたグラフである。
【図２２】本発明による方法における適応スレッショルド値比較処理法による特徴要素抽出過程を２２Ａ〜２２Ｃで図解した説明図。
【図２３】アレイモード動作の例を２３Ａ〜２３Ｄで図解した説明図。
【図２４】欠陥検出のためにセル対セル比較を行うためのアレイ法を示すフローチャート。
【符号の説明】
図１
105 バッチファイルをセットアップする
110 画像取込み
115 ディスクに保存
116 次の画像に移行する
130 画像アラインメント
135 画像の濃度を取る
140 ノイズ低減
145 ブロッブ／欠陥カウント
150 分類
155 欠陥を評価する
図２
205 電子ビーム画像化サブシステム
213 モータ駆動ウェーハステージ
215 ステージ及び部屋区画を含む電子カラム
220 画像プロセッサ
225 データ記憶装置
図３
１．ユーザがジョブレシピを定義する
２．制御及び画像処理パラメータをセットアップする
３．画像データソース、例えばダイレクトビデオまたは前にディスクに保存されたデータを設定する
４．基準（Ｒ）画像、被検（Ｔ）画像及び任意態様としてアービトレータ（Ａ）画像をロードする
５．Ｒ、Ｔ及びＡ画像のアラインメント（必要な場合、例えばアレイモードではアラインメントは不要）
６．Ｒ画像及びＴ画像と任意でＡ画像の特徴要素ベースの欠陥検出
７．結果、例えば欠陥位置、サイズ、タイプをデータベースにセーブし、任意態様として元画像をハードディスクにセーブする
８．欠陥マップ、欠陥位置、サイズ、タイプ等の中間結果及び最終結果を表示する
図５
538 位置合わせする
544 特徴要素を抽出する
546 特徴要素を抽出する
548 特徴要素をマッチングする
図６
605 特徴要素ベース欠陥検出を開始する
610 画像（基準、被検及び任意態様のアービトレータ画像）を用意する
615 画像を位置合わせする（任意態様）
620 特徴要素を抽出する
625 特徴要素をマッチングする（任意態様としてアラインメント情報を利用する）
630 特徴要素を比較して欠陥を検出する
635 欠陥を報告かつ／またはセーブする（任意態様）
640 他に画像があるか？
645 終了
図７
610 画像（基準及び被検画像）を用意する
7610A 画像を読み込む／取り込む
7610B 画像を平滑化する（任意態様）
7610C 画像を正規化する（任意態様）
図８
630 特徴要素を比較して欠陥を検出する
8630A 特徴要素特性を計算する
8630B 計算で得た特徴要素特性を比較する
8630C 比較結果が欠陥基準に適合するかどうか判断する
図９
9610A 基準画像Ｒを読み取り、保存する
9610B 基準画像Ｒを平滑化する（任意態様）
9620A 基準画像Ｒから特徴要素を抽出する
9610C 被検画像Ｔを読み取り、保存する
9610D 被検画像を平滑化する（任意態様）
9610E 被検画像を基準画像に対して正規化する（任意態様）
615 被検画像Ｔと基準画像Ｒを位置合わせする（任意態様）
9620B 被検画像から特徴要素を抽出する
図１０
630 特徴要素を比較して欠陥を検出する
10-630A 基準画像Ｒと被検画像Ｔの特徴要素特性を計算する
10-630B 計算で求めた基準画像Ｒと被検画像の特徴要素を比較する
10-630C 特性比較統計データを計算する
10-630D 比較統計データが欠陥基準に適合するかどうか判断する
図１１
635 欠陥を報告かつ／またはセーブする（任意態様）
11-635A 欠陥が検出されたならば、次に
11-635B 欠陥特性統計データを報告する
11-635C 欠陥特性統計データ及び／または画像情報をセーブする
図１２
605 特徴要素ベースの欠陥検出を開始する
610 画像（基準及び被検画像）を用意する
12-610A 基準画像を用意する（例えばステップ９６１０Ａ、９６１０Ｂ、９６２０Ａ）
12-610B 被検画像を用意する（例えばステップ９６１０Ｄ、９６１０Ｅ、９６２０Ｂ）
615 画像を位置合わせする（任意態様）
620 特徴要素を抽出する
625 特徴要素をマッチングする
630 特徴要素を比較して欠陥を検出する
635 欠陥を報告かつ／またはセーブする（任意態様）
640 特徴要素ベースの欠陥検出を終了する
1245 検査ランの欠陥結果を報告する
1250 終了
図１３
9620A 基準画像Ｒから特徴要素を抽出する
13-9620A1 基準画像Ｒの平均背景レベルを計算する
13-9620A2 基準画像Ｒから背景レベルを除去して第１の修正基準画像Ｒ１を生成する
13-9620A3 第１の修正基準画像Ｒ１をスレッショルド値比較処理して第２の修正基準画像Ｒ２を生成する
13-9620A4 第２の修正基準画像Ｒ２の特徴要素を特定する
図１４
9620B 被検画像Ｔから特徴要素を抽出する
14-9620B1 被検画像Ｔの平均背景レベルを計算する
14-9620B2 被検画像Ｔから背景レベルを除去して第１の修正被検画像Ｔ１を生成する
14-9620B3 第１の修正被検画像Ｒ１をスレッショルド値比較処理して第２の修正被検画像Ｔ２を生成する
14-9620B4 第２の修正被検画像Ｔ２の特徴要素を特定する
図１５
9620A 基準画像Ｒから特徴要素を抽出する
15-9620A1 基準画像Ｒ１の平均背景レベルを計算する（任意態様）
15-9620A2 基準画像Ｒから背景レベルを除去する（任意態様）
15-9620A3 特徴要素テンプレートを基準画像Ｒにマッチングする
15-9620A4 あるスレッショルド以上でテンプレートとマッチする基準画像中の特徴要素を識別する
図１６
9620B 被検画像Ｔから特徴要素を抽出する
16-9620B1 被検画像Ｔ１の平均背景レベルを計算する（任意態様）
16-9620B2 被検画像Ｔから背景レベルを除去する（任意態様）
16-9620B3 特徴要素テンプレートを被検画像Ｔにマッチングする
16-9620B4 あるスレッショルド以上でテンプレートとマッチする被検画像中の特徴要素を識別する
図１７Ａ
1700 検査ループ（ＶｘＷｏｒｋｓ）を開始する
1702 実行パラメータをダウンロードする
1704 他に基準画像があるか？
1706 前処理された基準画像をロードする
1708 前処理された基準画像（バルクメモリ）
1710 前処理された基準画像（ＲＡＩＤディスク）
1712 基準画像がロードされているか？
1714 基準画像の欠落を報告する
図１７Ｂ
1716 他に被検画像があるか？
1718 被検画像をロードする
1720 被検画像入力（走査バッファ）
1722 被検画像（バルクメモリ）
1724 被検画像がロードされているか？
1726 被検画像の欠落を報告する
図１７Ｃ
1728 被検画像を処理する必要があるか？
1730 被検画像を前処理する
1732 ＤＳＢは位置合わせ済みか？
1734 基準画像と被検画像の粗調アラインメント
1736 粗調アラインメントは最低限適切か？
1738 Ｌ．Ｓ．アラインメント・パラメータを更新する
1740 Ｌ．Ｓ．アラインメント・パラメータを送る（ＶｘＷｏｒｋｓ）
1742 粗調アラインメントは十分か？
1744 ＤＳＢ Ａｌｉｇｎｅｄフラグをセットする
1746 微調アラインメントを行う必要があるか？
1748 基準画像と被検画像の微調アラインメント
図１７Ｄ
1750 被検画像から特徴要素を抽出する
1752 被検画像の特徴要素（ローカルメモリ）
1754 基準画像の特徴要素（ローカルメモリ）
1756 特徴要素をマッチングする
1758 特徴要素を比較して欠陥を検出する
1760 欠陥特徴要素（ローカルメモリ）
1762 欠陥画像を計算により生成する
1764 欠陥画像（バルクメモリ？）
1766 欠陥結果を計算する
1768 欠陥結果（バルクメモリ）
1770 欠陥報告を更新する
1772 欠陥結果及び欠陥画像（バルクメモリ？）
1774 欠陥結果及び欠陥画像（ＲＡＩＤディスク）
図２１
2100 完全マッチの直線
図２４
2410 アレイモードＦＢＤＤを開始する
2420 反復アレイ構造の次の画像を取り込む
2430 ノイズ低減（例えば平滑化）
2440 特徴要素抽出
2450 セルの繰り返し偏差を用いたセル対セルの特徴要素マッチング
2460 特徴要素比較
2470 方向交番のセルずれの二重カウントをなくすための任意態様のアービトレーション
2480 特徴要素比較及び欠陥報告
2490 全画像について繰り返す

Claims (28)

1. パターン形成ずみ基板を検査する方法であって、
   (a)前記パターン形成ずみ基板の少なくとも一部の基準画像および被検画像を形成する過程（６１０）と、
   (b)前記基準画像から形状特徴を抽出するとともに前記被検画像から形状特徴を抽出する過程（６２０）と、
   (c)前記基準画像の形状特徴と前記被検画像の形状特徴とをマッチングする過程（６２５）と、
   (d)欠陥を特定するように前記基準画像の形状特徴を前記被検画像の形状特徴と比較する過程（６３０）と
   を含み、
   欠陥を特定するように前記基準画像の形状特徴を前記被検画像の形状特徴と比較する過程が、
   前記基準画像の中の形状特徴特性を計算する過程と、
   前記被検画像の中の形状特徴特性を計算する過程と、
   前記被検画像の中の前記算出された形状特徴特性を前記基準画像の中の前記算出された形状特徴特性と比較する過程であり、前記算出された形状特徴特性が、面積、サイズ、重心、平均強度、強度の和及び強度の標準偏差を含む過程と、
   を含み、
   前記算出された形状特徴特性を比較する過程が、１つ以上の差、比、不等号関数、平均、標準偏差、線形回帰及び適応性を有するスレッショルドを含む形状特徴特性比較統計値を計算する過程と、前記形状特徴特性比較統計値が所定の欠陥判定基準に合致するかを判定する過程と、を含む、方法。
2. 前記基準画像の形状特徴と前記被検画像の形状特徴とをパターンマッチングする過程の前に前記被検画像を前記基準画像と目合わせする過程（６１５）をさらに含む請求項１記載の方法。
3. 前記基準画像の形状特徴を前記被検画像の形状特徴と比較する過程において特定された欠陥を記録する過程（６２５）をさらに含む請求項１記載の方法。
4. 前記基準画像が第１のパターン形成ずみ基板の電圧コントラスト画像であり、前記被検画像が第２の基板の電圧コントラスト画像である請求項１記載の方法。
5. 前記基準画像がパターン形成ずみ基板の第１の領域の電圧コントラスト画像であり、前記被検画像が同じ基板の第２の領域の電圧コントラスト画像である請求項１記載の方法。
6. 前記基準画像がパターン形成ずみの反復セルの画像であり、前記被検画像が前記基準画像に対してセル１個分だけシフトした前記基準画像の複製である請求項５記載の方法。
7. 前記基準画像および被検画像を形成する過程が前記基準画像を平滑化するとともに前記被検画像を平滑化する過程（7610B，9610B，9610D）を含む請求項１記載の方法。
8. 前記基準画像および被検画像を形成する過程が前記基準画像を正規化するとともに前記被検画像を正規化する過程（7610C，9610E）を含む請求項１記載の方法。
9. 前記基準画像および被検画像を形成する過程が基準画像を蓄積する過程（9610A）および被検画像を蓄積する過程（9610C）を含む請求項１記載の方法。
10. 前記形状特徴を抽出する過程が前記基準画像から形状特徴を抽出する過程（9620A）とそのあと被検画像から形状特徴を抽出する過程（9620B）とを含む請求項１記載の方法。
11. 基準画像および被検画像を形成する過程並びにそれら画像から形状特徴を抽出する過程が、基準画像を蓄積する過程（9610A）および前記基準画像から形状特徴を抽出する過程（9620A）と、被検画像を蓄積する過程（9610C）および前記被検画像から形状特徴を抽出する過程（9620B）とを含む請求項１記載の方法。
12. 前記基準画像および前記被検画像が位置情報および強度情報を有する画素データから成り、前記基準画像および前記被検画像から形状特徴を抽出する過程が、形状特徴領域および非形状特徴領域を有する２値レベル画像を生ずるように前記被検画像の前記強度情報をスレッショルド処理する過程と、前記２値レベル画像をマスクとして用いてその２値レベル画像の前記形状特徴領域に対応する前記被検画像の領域を形状特徴として画定する過程とを含む請求項１記載の方法。
13. 前記基準画像および前記被検画像が位置情報および強度情報を有する画素データから成り、前記基準画像および前記被検画像から形状特徴を抽出する過程が、前記被検画像を標本形状特徴と繰り返し比較して前記標本形状特徴と相関する前記被検画像の形状特徴を表す相関データを生ずる過程と、前記被検画像の中の形状特徴位置を特定するように前記相関データをスレッショルド処理する過程と、特定された前記形状特徴位置における形状特徴の端部を検出する過程とを含む請求項１記載の方法。
14. 欠陥特性統計値を通知する過程をさらに含む請求項１記載の方法。
15. 前記基準画像から形状特徴を抽出する過程が、前記基準画像の平均背景レベルを計算する過程（13-9620A1）と、前記基準画像から前記平均背景レベルを除去して第１の改変基準画像を生ずる過程（13-9620A2）と、前記第１の改変基準画像をスレッショルド処理して第２の改変基準画像を生ずる過程（13-9620A3）と、前記第２の改変基準画像の中の形状特徴を特定する過程（13-9620A4）とを含み、前記マッチングする過程が、前記第２の改変基準画像の形状特徴と前記被検画像の形状特徴とをマッチングする過程を含み、前記比較する過程が、欠陥を特定するように前記第２の改変基準画像の形状特徴を前記被検画像の形状特徴と比較する過程を含む、請求項１２記載の方法。
16. 前記被検画像から形状特徴を抽出する過程が、前記被検画像の平均背景レベルを計算する過程（14-9620A1）と、前記被検画像から前記平均背景レベルを除去して第１の改変被検画像を生ずる過程（14-9620A2）と、前記第１の改変被検画像をスレッショルド処理して第２の改変被検画像を生ずる過程（14-9620A3）と、前記第２の改変被検画像の中の形状特徴を特定する過程（14-9620A4）とを含み、前記マッチングする過程が、前記基準画像の形状特徴と前記第２の改変被検画像の形状特徴とをマッチングする過程を含み、前記比較する過程が、欠陥を特定するように前記基準画像の形状特徴を前記第２の改変被検画像の形状特徴と比較する過程を含む、請求項１２記載の方法。
17. 前記基準画像から形状特徴を抽出する過程が、前記基準画像の平均背景レベルを計算する過程（15-9620A1）と、前記基準画像から前記平均背景レベルを除去して第１の改変基準画像を生ずる過程（15-9620A2）と、前記第１の改変基準画像の中の形状特徴テンプレートをマッチングする過程（15-9620A3）と、前記形状特徴テンプレートに合致する前記第１の改変基準画像の中の形状特徴を特定する過程（15-9620A4）とを含む請求項１２記載の方法。
18. 前記被検画像から形状特徴を抽出する過程が、前記被検画像の平均背景レベルを計算する過程（16-9620B1）と、前記被検画像から前記平均背景レベルを除去して第１の改変被検画像を生ずる過程（16-9620B2）と、前記第１の改変被検画像の中の形状特徴テンプレートをマッチングする過程（16-9620B3）と、前記形状特徴テンプレートに合致する前記第１の改変被検画像の中の形状特徴を特定する過程（16-9620B4）とを含む請求項１２記載の方法。
19. パターン形成ずみ基板を検査する装置であって、コンピュータシステムと、前記パターン形成ずみ基板の少なくとも一部の基準画像および被検画像を形成し、前記基準画像から形状特徴を抽出するとともに前記被検画像から形状特徴を抽出し、前記基準画像の形状特徴を前記被検画像の形状特徴とマッチングし、欠陥の特定のために前記基準画像の形状特徴を前記被検画像の形状特徴と比較するように前記コンピュータを制御する命令とを含み、
    欠陥を特定するように前記基準画像の形状特徴を前記被検画像の形状特徴と比較する過程が、前記基準画像の中の形状特徴特性を計算する過程と、前記被検画像の中の形状特徴特性を計算する過程と、前記被検画像の中の前記算出された形状特徴特性を前記基準画像の中の前記算出された形状特徴特性と比較する過程とを含み、
    前記算出された形状特徴特性が、面積、サイズ、重心、平均強度、強度の和及び強度の標準偏差を含み、
    前記算出された形状特徴特性を比較する過程が、１つ以上の差、比、不等号関数、平均、標準偏差、線形回帰及び適応性を有するスレッショルドを含む形状特徴特性比較統計値を計算する過程と、前記形状特徴特性比較統計値が所定の欠陥判定基準に合致するかを判定する過程と、を含む、装置。
20. 前記命令が、前記基準画像の形状特徴と前記被検画像の形状特徴とをマッチングする前に前記被検画像を前記基準画像と目合わせするように前記コンピュータを制御する請求項１９記載の装置。
21. 前記命令が、前記基準画像の形状特徴を前記被検画像の形状特徴と比較する過程において特定された欠陥を記録するように前記コンピュータを制御する請求項１９記載の装置。
22. 前記パターン形成ずみ基板の電圧コントラスト画像を被検画像として使えるように捕捉する電子ビーム画像形成システムをさらに含む請求項１９記載の装置。
23. 前記命令が前記基準画像および前記被検画像の少なくとも一方を平滑化するように前記コンピュータシステムを制御する請求項１９記載の装置。
24. 前記命令が前記基準画像および前記被検画像の少なくとも一方を正規化するように前記コンピュータシステムを制御する請求項１９記載の装置。
25. 前記命令が前記基準画像から形状特徴を抽出し次に前記被検画像から形状特徴を抽出するように前記コンピュータシステムを制御する請求項１９記載の装置。
26. 前記命令が、前記基準画像の平均背景レベルを計算し、第１の改変基準画像の発生のために前記基準画像から前記平均背景レベルを除去し、第２の改変基準画像の発生のために前記第１の改変基準画像をスレッショルド処理し、前記第２の改変基準画像の中の形状特徴を特定するように前記コンピュータシステムを制御し、前記マッチングする過程が、前記第２の改変基準画像の形状特徴と前記被検画像の形状特徴とをマッチングする過程を含み、前記比較する過程が、欠陥を特定するように前記第２の改変基準画像の形状特徴を前記被検画像の形状特徴と比較する過程を含む、請求項１９記載の装置。
27. 前記命令が、前記被検画像の平均背景レベルを計算し、第１の改変被検画像の発生のために前記被検画像から前記平均背景レベルを除去し、第２の改変被検画像の発生のために前記第１の改変被検画像をスレッショルド処理し、前記第２の改変被検画像の中の形状特徴を特定するように前記コンピュータシステムを制御し、前記マッチングする過程が、前記第２の改変被検画像の形状特徴と前記基準画像の形状特徴とをマッチングする過程を含み、前記比較する過程が、欠陥を特定するように前記第２の改変被検画像の形状特徴を前記基準画像の形状特徴と比較する過程を含む、請求項１９記載の装置。
28. 前記命令が、画像の中の形状特徴の抽出を、その画像の中の形状特徴テンプレートをマッチングし、前記形状特徴テンプレートに合致する前記画像の中の形状特徴を特定することによって行うように前記コンピュータシステムを制御する請求項１９記載の装置。

Images