KR20160109303A - 고해상도 전자 현미경 이미지로부터 결정을 분석하는 방법 및 그 시스템 - Google Patents

고해상도 전자 현미경 이미지로부터 결정을 분석하는 방법 및 그 시스템 Download PDF

Info

Publication number
KR20160109303A
KR20160109303A KR1020150033437A KR20150033437A KR20160109303A KR 20160109303 A KR20160109303 A KR 20160109303A KR 1020150033437 A KR1020150033437 A KR 1020150033437A KR 20150033437 A KR20150033437 A KR 20150033437A KR 20160109303 A KR20160109303 A KR 20160109303A
Authority
KR
South Korea
Prior art keywords
data
information
pixel
local
image
Prior art date
Application number
KR1020150033437A
Other languages
English (en)
Other versions
KR102301536B1 (ko
Inventor
박민철
김대신
김샛별
김세진
샤즈리앙
이제현
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020150033437A priority Critical patent/KR102301536B1/ko
Priority to TW105107128A priority patent/TWI725015B/zh
Priority to CN201610135002.0A priority patent/CN105976349B/zh
Priority to US15/065,901 priority patent/US10217205B2/en
Publication of KR20160109303A publication Critical patent/KR20160109303A/ko
Application granted granted Critical
Publication of KR102301536B1 publication Critical patent/KR102301536B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
    • G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695—Preprocessing, e.g. image segmentation
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/26—Electron or ion microscopes; Electron or ion diffraction tubes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/30—Accessories, mechanical or electrical features
    • G01N2223/317—Accessories, mechanical or electrical features windows
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/30—Accessories, mechanical or electrical features
    • G01N2223/345—Accessories, mechanical or electrical features mathematical transformations on beams or signals, e.g. Fourier
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/408—Imaging display on monitor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/421—Imaging digitised image, analysed in real time (recognition algorithms)
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Abstract

고해상도 전자 현미경 이미지로부터 결정을 분석하는 방법 및 그 시스템이 개시된다. 본 발명의 결정 분석 방법은 나노(nano) 크기의 결정(grain)을 분석하는 방법으로서, HRTEM(High-resolution transmission electron microscopy) 이미지를 수신하는 단계, 상기 이미지에 대해 소정 크기의 로컬 윈도우를 설정하는 단계, 상기 로컬 윈도우에 의해 정해진 로컬 픽셀 데이터를 푸리에(Fourier) 변환하여 로컬 변환 데이터를 산출하는 단계, 및 상기 로컬 변환 데이터를 이용하여 결정(gain)을 분석하는 단계를 포함한다.

Description

고해상도 전자 현미경 이미지로부터 결정을 분석하는 방법 및 그 시스템 {Grain Analyzing Method and System using HRTEM Image}
본 발명의 개념에 따른 실시 예는 결정(grain) 분석 방법 및 그 시스템에 관한 것으로, 특히, 고해상도 전자 현미경(HRTEM) 이미지로부터 나노(nano) 크기의 결정을 분석하는 방법 및 그 시스템에 관한 것이다.
기존의 결정(grain) 측정 방법으로, 주사형 전자 현미경(SEM: Scanning Electron Microscopy), 주사형 투과전자현미경(STEM: Scanning Transmission Electron Microscopy), 또는 EBSD(Electron backscatter diffraction)를 이용하여 결정의 크기를 측정하는 방법이 있다. 그러나, 이러한 방법으로는, 나노미터(nm) 레벨의 결정 크기를 측정하기는 불가능하다.
나노미터(nm) 레벨의 결정 크기를 측정할 수 있는 방법으로는, 고해상도 전자 현미경(HRTEM: high resolution transmission electron microscopy)을 이용한 방법이 있으나, HRTEM 이미지 한 장을 분석하는데, 상당 시간이 소요될 뿐만 아니라, 정량화(quantization)가 불가능하다.
본 발명이 이루고자 하는 기술적인 과제는 HRTEM 이미지를 이용하여 나노미터(nm) 레벨의 결정 크기를 빠르게 분석할 수 있는 결정 분석 방법 및 그 시스템을 제공하는 것이다.
본 발명이 이루고자 하는 기술적인 과제는 HRTEM 이미지를 이용하여 폴리실리콘(poly-Silicon)이나 메탈(metal)의 결정 크기를 분석할 수 있는 결정 분석 방법 및 그 시스템을 제공하는 것이다.
본 발명의 일 실시 예에 따르면, 나노(nano) 크기의 결정(grain)을 분석하는 결정 분석 방법이 제공된다.
상기 결정 분석 방법은 HRTEM(High-resolution transmission electron microscopy) 이미지를 수신하는 단계; 상기 이미지에 대해 소정 크기의 로컬 윈도우를 설정하는 단계 상기 로컬 윈도우에 의해 정해진 로컬 픽셀 데이터를 푸리에(Fourier) 변환하여 로컬 변환 데이터를 산출하는 단계; 및 상기 로컬 변환 데이터를 이용하여 결정(gain)을 분석하는 단계를 포함한다.
상기 푸리에(Fourier) 변환하는 단계는 상기 로컬 픽셀 데이터를 2차원 DFT(2-Dimensional Digital Fourier Transform)하는 단계를 포함할 수 있다.
상기 결정을 분석하는 단계는 상기 결정의 방향성, 결정성 및 주기성 정보를 산출하는 단계를 포함할 수 있다.
상기 결정의 방향성, 결정성 및 주기성 정보를 산출하는 단계는 상기 로컬 변환 데이터 중에서 최대 크기(amplitude)를 갖는 데이터를 선택하는 단계; 중점으로부터 상기 선택된 데이터의 방향에 기초하여, 상기 방향성 정보를 산출하는 단계; 및 상기 중점과 상기 선택된 데이터 간의 거리에 기초하여 상기 주기성 정보를 산출하는 단계를 포함할 수 있다.
상기 결정을 분석하는 단계는 상기 주기성 정보를 이용하여 결정 물질인지 비결정 물질인지를 판단하는 단계; 및 상기 방향성 정보를 이용하여 동일 결정인지를 판단하는 단계를 더 포함할 수 있다.
본 발명의 다른 실시 예에 따르면, 나노(nano) 크기의 결정(grain)을 분석하는 방법에 있어서, HRTEM(High-resolution transmission electron microscopy) 이미지의 각 픽셀에 대하여 결정 분석 데이터를 산출하는 단계; 및 상기 결정 분석 데이터에 기초하여, 결정을 분류(segmentation)하는 단계를 포함하고, 상기 결정 분석 데이터는 결정의 방향성, 결정성 및 주기성 정보를 포함하는 결정 분석 방법이 제공된다.
상기 결정 분석 데이터를 산출하는 단계는, 상기 HRTEM 이미지를 푸리에(Fourier) 변환하여 FFT 데이터를 산출하는 단계; 및 상기 FFT 데이터에 기초하여 상기 각 픽셀에 대한 방향성, 결정성 및 주기성 정보를 산츨하는 단계를 포함할 수 있다.
상기 결정을 분석하는 단계는, 상기 각 픽셀별 결정 분석 데이터 중 상기 결정성 정보가 가장 큰 제1 픽셀을 선택하는 단계; 상기 제1 픽셀의 인접 픽셀들이 동일 물질인지 판단하는 단계; 상기 제1 픽셀의 인접 픽셀들 중 동일 물질인 픽셀들에 대하여 상기 제1 픽셀과 동일 결정인지 판단하는 단계; 및 상기 제1 픽셀과 동일 결정인 이웃 픽셀들을 포함하는 제1 결정의 경계를 설정하는 단계를 더 포함할 수 있다.
상기 선택된 픽셀의 인접 픽셀들이 동일 물질인지 판단하는 단계는 상기 주기성 정보를 이용하여 결정 물질인지 비결정 물질인지를 판단하는 단계를 포함할 수 있다.
상기 선택된 픽셀과 동일 결정인지 판단하는 단계는 상기 방향성 정보가 소정 범위 이내이면 동일 결정으로 판단하는 단계를 포함할 수 있다.
본 발명의 다른 실시 예에 따르면, 나노미터(nm) 크기의 결정(grain)을 분석하는 시스템이 제공된다. 상기 결정 분석 시스템은 HRTEM(High-resolution transmission electron microscopy) 이미지를 수신하고, 상기 수신된 HRTEM 이미지를 소정 크기의 로컬 윈도우 단위로 나누어 FFT(Fast Fourier Transform)하고, 상기 FFT 데이터를 이용하여 결정(gain)을 분석하고, 분석한 정보를 디스플레이를 위한 데이터로 변환하는 이미지 분석 장치; 및 상기 변환된 데이터를 수신하여 디스플레이하는 디스플레이 장치를 포함한다.
상기 이미지 분석 장치는 상기 HRTEM 이미지의 각 프레임에 대하여 소정 크기의 로컬 윈도우를 설정하는 로컬 윈도우 설정부; 상기 로컬 윈도우에 의해 정해진 로컬 픽셀 데이터를 2차원 FFT(Fast Fourier Transform)하여 로컬 FFT 데이터를 산출하는 FFT 처리부; 및 상기 로컬 FFT 데이터를 이용하여 각 로컬 윈도우에 대해 결정의 방향성 정보, 결정성 정보 및 주기성 정보를 산출하는 분석부를 포함할 수 있다.
상기 분석부는 상기 로컬 FFT 데이터 중에서 최대 크기(amplitude)를 갖는 데이터를 선택하고, 중점으로부터 상기 선택된 데이터의 방향에 기초하여, 상기 방향성 정보를 산출하며, 상기 중점과 상기 선택된 데이터 간의 거리에 기초하여 상기 주기성 정보를 산출할 수 있다.
상기 분석부는 상기 주기성 정보를 이용하여 결정 물질인지 비결정 물질인지를 판단하고, 상기 방향성 정보를 이용하여 동일 결정인지를 판단할 수 있다.
상기 분석부는 각 로컬 윈도우에 대해 산출한 상기 결정의 방향성 정보, 결정성 정보 및 주기성 정보를 해당 로컬 윈도우의 적어도 하나의 픽셀에 대응시킬 수 있다.
본 발명의 또 다른 실시 예에 따르면, 나노미터(nm) 크기의 결정(grain)을 분석하는 시스템이 제공된다. 상기 결정 분석 시스템은 프로그램 코드를 저장하는 메모리; 및 상기 프로그램 코드를 실행하는 프로세서를 포함한다.
상기 프로그램 코드는 HRTEM(High-resolution transmission electron microscopy) 이미지를 소정 크기의 로컬 윈도우 단위로 FFT(Fast Fourier Transform)하는 FFT 처리 코드; 및 상기 FFT 데이터를 이용하여 결정(gain)의 방향성, 결정성 및 방향성 중 적어도 하나를 산출하는 분석 코드를 포함한다.
상기 HRTEM 이미지는 복수의 픽셀들을 포함할 수 있다.
상기 프로세서는 상기 복수의 픽셀들 중 상기 로컬 윈도우에 속하는 픽셀들의 픽셀 데이터를 2차원 FFT(Fast Fourier Transform)하여 로컬 FFT 데이터를 산출하여 상기 메모리에 저장할 수 있다.
상기 로컬 FFT 데이터는 중점을 중심으로 2차원 배열을 가지는 복수의 크기(amplitude) 데이터를 포함할 수 있다.
상기 프로세서는 상기 로컬 FFT 데이터를 이용하여 상기 복수의 픽셀들 각각에 대한 결정의 방향성 정보, 결정성 정보 및 주기성 정보를 산출하여, 상기 메모리에 저장할 수 있다.
본 발명의 실시예에 따르면, HRTEM 이미지를 변환(DFT)하고, 변환된 데이터로부터 결정의 방향성, 결정성, 주기성 등을 추출함으로써, 나노미터 크기의 다결정에 대한 크기, 분포, 물질의 구분, 배향성과 같은 다양한 물성을 빠르고, 정확하게 분석할 수 있다. 이에 따라, 폴리실리콘(poly-Silicon)이나 메탈(metal) 등 나노미터 크기의 결정으로 이루어진 물질을 포함하는 반도체 소자의 개발 시 소자 동작 특성을 분석하는데 소요되는 비용 및 시간을 단축함으로써, 제품 개발 속도를 단축할 수 있다.
본 발명의 상세한 설명에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 본 발명의 일 실시예에 따른 결정 분석 시스템의 개략적인 구성 블록도이다.
도 2는 도 1에 도시된 이미지 분석 장치의 일 실시예를 나타내는 구성 블록도이다.
도 3은 도 1에 도시된 이미지 분석 장치의 다른 실시예를 나타내는 구성 블록도이다.
도 4 및 도 5는 각각 로컬 윈도우의 일 실시예를 설명하기 위한 도면이다.
도 6a은 2차원 FFT 데이터를 이용하여 결정의 방향성, 결정성 및 주기성 정보를 산출하는 방법을 설명하기 위한 도면이다.
도 6b는 각 픽셀에 대하여 산출된 결정의 방향성, 결정성 및 주기성 정보를 나타내는 표이다.
도 7은 본 발명의 실시예에 따른 결정 분석 방법을 나타내는 플로우차트이다.
도 8 내지 도 12는 도 7의 결정 분석 방법을 설명하기 위한 도면들이다.
도 13a 및 도 13b 각각은 디스플레이 장치를 통해 디스플레되는 매핑된 이미지의 일 실시예를 도시한다.
도 14는 결정 크기별 결정수를 나타내는 그래프이다.
도 15는 본 발명의 일 실시예에 따른 결정 분석 방법을 나타내는 플로우차트이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시 예들에 대해서 특정한 구조적 또는 기능적 설명은 단지 본 발명의 개념에 따른 실시 예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시 예들은 다양한 형태들로 실시될 수 있으며 본 명세서에 설명된 실시 예들에 한정되지 않는다.
본 발명의 개념에 따른 실시 예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시 예들을 도면에 예시하고 본 명세서에서 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시 예들을 특정한 개시 형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만, 예컨대 본 발명의 개념에 따른 권리 범위로부터 벗어나지 않은 채, 제1구성 요소는 제2구성 요소로 명명될 수 있고 유사하게 제2구성 요소는 제1구성 요소로도 명명될 수 있다.
어떤 구성 요소가 다른 구성 요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성 요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성 요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성 요소가 다른 구성 요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는 중간에 다른 구성 요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성 요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로서, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 본 명세서에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 나타낸다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 명세서에 첨부된 도면들을 참조하여 본 발명의 실시 예들을 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 결정 분석 시스템의 개략적인 구성 블록도이다. 이를 참조하면, 본 발명의 일 실시예에 따른 결정 분석 시스템(1)은 이미지 분석 장치(10), 이미지 측정 장치(20) 및 디스플레이 장치(30)를 포함한다.
이미지 측정 장치(20)는 결정을 포함하는 물질-예컨대, 폴리실리콘, 메탈 등-에 대한 HRTEM 이미지를 측정한다.
이미지 측정 장치(20)는 고해상도 전자 현미경(HRTEM)을 이용하여 대상 물질을 촬상함으로써, HRTEM 이미지(IIM)를 생성할 수 있다. HRTEM 이미지(IIM)의 포맷(format) 이나 형식은 다양할 수 있다. 예컨대, HRTEM 이미지(IIM)는 jpg, gif, tiff, bmp 등의 이미지 파일로 제공될 수 있다.
이미지 분석 장치(10)는 HRTEM 이미지(IIM)를 FFT 변환하고, FFT 변환된 데이터를 이용하여 결정(gain)의 방향성, 주기성, 및 결정성을 산출하여, 대상 물질에서 결정 영역(즉, 결정질(crystalline) 물질 영역)과 비결정 영역(즉, 비결정질(amorphous) 물질 영역)을 구분할 수 있다.
또한, 이미지 분석 장치(10)는 다른 방향성을 갖는 결정의 경계를 검출함으로써, 서로 다른 결정을 구분(또는, 분할; segmentation)할 수 있고, 결정의 크기를 산출할 수도 있다.
또한, 이미지 분석 장치(10)는 FFT 변환된 데이터를 이용하여 산출한 정보를 디스플레이를 위하여 색상 정보(예컨대, R, G, B 데이터) 및 그레이 레벨 정보(예컨대, 밝기 데이터)로 변환할 수 있다. 이미지 분석 장치(10)는 색상 정보 및 그레이 레벨 정보로 변환된 출력 이미지(OIM)를 디스플레이 장치로 제공할 수 있다.
디스플레이 장치(30)는 상기 변환된 색상 및 그레이 레벨 정보를 수신하여 디스플레이한다.
도 2는 도 1에 도시된 이미지 분석 장치(10)의 일 실시예를 나타내는 구성 블록도이다. 도 1 및 도 2를 참조하면, 이미지 분석 장치(10a)는 로컬 윈도우 설정부(210), FFT 처리부(220), 분석부(230) 및 매핑부(240)를 포함할 수 있다.
로컬 윈도우 설정부(210)는 HRTEM 이미지(IIM)를 소정 크기의 로컬 윈도우 단위로 나눈다. HRTEM 이미지(IIM)의 한 프레임이 M*N 픽셀로 구성된다면, 로컬 윈도우는 한 프레임 중 일부의 픽셀들(예컨대, k*l 픽셀들, 여기서, k<M, l<N)을 포함하도록 설정될 수 있다. 로컬 윈도우 설정부(210)는 한 프레임을 스캔하면서 복수의 로컬 윈도우들을 순차적으로 설정할 수 있다.
도 4 및 도 5는 로컬 윈도우의 일 실시예를 설명하기 위한 도면이다.
도 4 및 도 5를 참조하면, HRTEM 이미지(IIM)의 한 프레임(310)은 M*N 픽셀로 구성될 수 있고, 로컬 윈도우(311a, 311b, 311c, 311d) 각각은 한 프레임(310)에서 k*l 픽셀들(k<M, l<N)을 포함하도록 설정될 수 있다. 실시예에 따라, k와 l은 동일한 값(예컨대, 16*16, 8*8 등)일 수도 있고, 다른 값(예컨대, 12*16, 6*8 등)일 수도 있다. 도 4 및 도 5의 실시예에서는, k와 l은 모두 3이고, M과 N은 모두 9인 것으로 가정하나, 이는 설명의 편의를 위한 예일 뿐, 이에 한정되는 것은 아니다.
도 4 및 도 5의 실시예에서, 'P'는 픽셀 데이터를 나타낸다. 따라서, 도 4 및 도 5의 실시예에서는, 하나의 프레임(310)은 M*N 픽셀 데이터(P[1][1]~P[M][N])로 구성될 수 있다. P[i][j]에서, i는 M개의 행(row, 가로줄) 중에서 임의의 행(row)을 의미하고, j는 N개의 열(column, 세로줄) 중에서 임의의 열(column)을 의미한다.실시예에 따라, 로컬 윈도우 설정부(210)는 한 프레임(310)의 상부의 좌측에서부터 우측으로 데이터를 스캔하면서 로컬 윈도우(311a, 311b, 311c)를 설정하고, 다음 상부의 좌측에서부터 우측으로 데이터를 스캔하면서 로컬 윈도우(311d)를 설정하는 식으로 한 프레임에 대하여 복수의 로컬 윈도우들을 순차적으로 설정할 수 있다.
실시예에 따라, 로컬 윈도우(311a, 311b, 311c, 311d)는 도 4에 도시된 바와 같이, 상호 겹치지 않도록 설정될 수 있으나, 본 발명의 실시예가 이에 한정되지는 않는다.
도 4의 실시예에서, 제1 로컬 윈도우(311a)는 P[1][1], P[1][2], P[1][3], P[2][1], P[2][2], P[2][3], P[3][1], P[3][2] 및 P[3][3]을 포함하고, 제2 로컬 윈도우(311b)는 P[1][4], P[1][5], P[1][6], P[2][4], P[2][5], P[2][6], P[3][4], P[3][5] 및 P[3][6]을 포함한다.
도 5의 실시예에 따르면, 로컬 윈도우(311a', 311b', 311c', 311d') 각각은 하나 이상의 다른 로컬 윈도우와 일부 겹쳐지도록 설정될 수 있다.
도 5의 실시예에서, 제1 로컬 윈도우(311a')는 P[1][1], P[1][2], P[1][3], P[2][1], P[2][2], P[2][3], P[3][1], P[3][2] 및 P[3][3]을 포함하고, 제2 로컬 윈도우(311b')는 P[1][2], P[1][3], P[1][4], P[2][2], P[2][3], P[2][4], P[3][2], P[3][3] 및 P[3][4]을 포함한다.
다시 도 2를 참조하면, FFT 처리부(220)는 각 로컬 윈도우의 데이터(예컨대, k*l 픽셀들)(ILO)에 대해 2차원 FFT(Fast Fourier Transform)를 수행하여 로컬 변환 데이터(FLO)를 산출한다. 2차원 FFT 데이터는, 중점을 중심으로 2차원 배열을 가지는 복수의 크기(amplitude) 데이터를 포함할 수 있다. 이에 대해서는 후술하기로 한다.
분석부(230)는 로컬 변환 데이터(FLO), 즉 2차원 FFT 데이터를 이용하여 결정(gain)을 분석한다.
실시예에 따라, 분석부(230)는 순차적으로 입력되는 로컬 변환 데이터(FLO)를 이용하여 각 로컬 윈도우에 대해 세 가지 종류의 정보-예컨대, 결정의 방향성(orientation) 정보, 결정성(crystallization rate) 정보 및 주기성(periodicity) 정보-를 산출할 수 있다.
결정의 방향성 정보는 방향각(angle)으로 표현될 수 있다. 결정성 정보는 앰플리튜드(amplitude)로 표현될 수 있다.
분석부(230)는 2차원 FFT 데이터(FLO)를 가공(processing)한 후 결정의 방향성 정보, 결정성 정보 및 주기성(periodicity) 정보를 산출할 수 있다.
실시예에 따라, 분석부(230)는 2차원 FFT 데이터(FLO) 중에서 임계값 이상의 데이터만을 남기고 임계값 미만의 데이터는 삭제한 후 결정의 방향성 정보, 결정성 정보 및 주기성 정보를 산출할 수 있다.
실시예에 따라, 분석부(230)는 2차원 FFT 데이터(FLO) 중에서 최대 치(예컨대, 최대 앰플리튜드(amplitude))에 해당하는 데이터)만으로 결정의 방향성 정보, 결정성 정보 및 주기성(periodicity) 정보를 산출할 수 있다.
분석부(230)는 각 로컬 윈도우에 대해 산출한 결정의 방향성 정보, 결정성 정보 및 주기성 정보를 해당 로컬 윈도우의 적어도 하나의 픽셀에 대응시켜 저장할 수 있다.
도 6a은 2차원 FFT 데이터를 이용하여 결정의 방향성, 결정성 및 주기성 정보를 산출하는 방법을 설명하기 위한 도면으로, 도 4 또는 도 5에 도시된 하나의 로컬 윈도우에 대하여 산출된 2차원 FFT 데이터(FLO)에서 앰플리튜드가 최대인 데이터(323a, 323b)를 나타낸다.
도 6a를 참조하면, 앰플리튜드가 최대인 데이터(323a, 323b)는 중점(321)을 기준으로 대칭적인 점들(symmetric spots)로 표시될 수 있다. 설명의 편의상, 최대점(maximum spot, 323a, 323b) 라 칭한다.
이하, 하나의 최대점(323a)을 이용하여, 결정에 대한 정보를 산출하는 방법을 기술하나, 대칭점인 다른 하나의 최대점(323b)을 이용하여, 결정에 대한 정보가 산출될 수도 있다.
분석부(230)는 최대점(323a)의 값, 즉 최대 앰플리튜드로부터 결정성 정보를 얻을 수 있다.
분석부(230)는 중점(321)과 최대점(323a)을 연결하는 선과 기준 선(Ref_A) 간의 각도(angle)를 산출함으로써, 방향각(angle)을 구할 수 있다.
분석부(230)는 중점(321)과 최대 앰플리튜드 점(323a) 간의 거리(DIS)를 산출함으로써, 주기성(periodicity) 정보를 구할 수 있다.
실시예에 따라, 분석부(230)는 주기성 정보를 이용하여 결정(grain)(결정질 결정(Crystalline grain) 또는 결정질 물질이라 칭하기도 함)과 결정이 아닌 물질(즉, 비결정질(amorphous) 물질)을 구분할 수 있다. 실시예에 따라, 분석부(230)는 주기성 정보를 이용하여 결정 물질을 둘 이상의 서로 다른 결정으로 구분할 수 있다.
결정질 결정(Crystalline grains)은 특정 범위 내의 주기성을 갖는다.
따라서, 분석부(230)는 주기성(periodicity) 정보가 미리 정의된 특정 범위 내이면, 예컨대, 중점(321)과 최대 앰플리튜드 점(323a) 간의 거리(DIS)가 특정 범위 내이면 결정질 결정(Crystalline grain)으로 분류하고, 그렇지 않으면, 비결정질(amorphous) 물질로 분류할 수 있다. 또한, 둘 이상의 서로 다른 결정에 대한 주기성 범위를 미리 정의하면, 분석부(230)는 주기성(periodicity) 정보를 미리 정의된 주기성 범위와 비교하여, 결정 물질을 둘 이상의 서로 다른 결정으로 구분할 수 있다.
실시예에 따라, 분석부(230)는 결정성 정보를 이용하여 결정(grain)(결정질 결정(Crystalline grain) 또는 결정질 물질이라 칭하기도 함)과 결정이 아닌 물질(즉, 비결정질(amorphous) 물질)을 구분할 수 있다. 실시예에 따라, 분석부(230)는 결정성 정보를 이용하여 결정 물질을 둘 이상의 서로 다른 결정으로 구분할 수 있다.
결정은 특정 범위 내의 결정성을 가질 수 있다. 예컨대, 결정성의 범위가 미리 정의되어 저장되고, 분석부(230)는 각 픽셀의 결정성 정보를 미리 저장된 결정성의 범위와 비교하여, 해당 픽셀의 물질이 결정인지 아닌지를 판단할 수 있다.
실시예에 따라, 분석부(230)는 주기성 정보 및 결정성 정보를 함께 이용하여 결정과 비결정질(amorphous) 물질을 구분할 수 있다.
예컨대, 분석부(230)는 로컬 윈도우의 FFT 데이터로부터 산출한 주기성 정보가 제1 범위 내이고, 결정성 정보가 제2 범위 내이면, 해당 로컬 윈도우의 물질을 결정으로 판단할 수도 있다.
분석부(230)는 방향각(angle) 정보를 이용하여 동일한 방향성을 가진 결정인지 여부를 판단할 수 있다.
실시예에 따라, 분석부(230)는 방향각(angle) 정보가 특정 각도(예컨대, 3도, 5도, 7도 등) 이내이면 동일한 방향성을 가진 결정, 즉 동일 결정으로 판단할 수 있다.
상술한 바와 같이, 분석부(230)는 각 로컬 윈도우에 대한 FFT 데이터(FLO)를 이용하여 각 로컬 윈도우마다 또는 각 픽셀마다 결정의 방향성, 주기성 및 결정성 정보(INFO)를 산출할 수 있다. 산출된 결정 분석 데이터(INFO)는 메모리(도 2의 40 또는 120)에 저장될 수 있다.
분석부(230)에 의하여 산출된 결정 분석 데이터(INFO), 즉 결정의 방향성, 결정성 및 주기성 정보의 일 예가 도 6b에 도시된다. 도 6b를 참조하면, 프레임 데이터의 각 픽셀(P[1][1]~P[M][N])에 대하여, 도 4 또는 도 5와 같은 로컬 윈도우가 설정되고 로컬 윈도우의 픽셀 데이터를 FFT하고, FFT 데이터를 이용하여 도 6a를 참조하여 상술한 바와 같은 방법으로, 앰플리튜드(APij), 방향각(AGij) 및 주기성(PRij)이 산출될 수 있다. 여기서, i 및 j는 해당 픽셀의 좌표, 즉 행(row)과 열(column)을 의미한다.
도 6b에 도시된 픽셀별 결정 분석 데이터(INFO)는 다중 배열 형태로 메모리에 저장될 수 있다.
매핑부(240)는 분석부(230)로부터 출력되는 결정 분석 데이터(INFO)를 디스플레이를 위한 데이터로 매핑한다.
실시예에 따라, 매핑부(240)는 결정의 방향성 정보를 색상(color) 정보로, 결정성 정보를 그레이 레벨 정보(예컨대, 밝기(brightness) 정보)로 각각 매핑할 수 있으나, 이에 한정되는 것은 아니다.
매핑부(240)는 매핑된 데이터(OIM)을 디스플레이 장치로 전송할 수 있다.
도 3은 도 1에 도시된 이미지 분석 장치의 다른 실시예((10b)를 나타내는 구성 블록도이다.
도 3을 참조하면, 본 발명의 다른 실시예에 따른 이미지 분석 장치(10b)는 PC(personal computer), 태블릿 컴퓨터(tablet computer), PDA(personal digital assistant)와 같은 컴퓨터로 구현될 수 있다.
이미지 분석 장치(10b)은 중앙처리장치(Central Processing Unit; CPU, 100), ROM(Read Only Memory, 110), RAM(Random Access Memory, 120), 인터페이스부(I/F, 130), 디스플레이 컨트롤러(Display Controller, 140), 그래픽 프로세싱 유닛(Graphics Processing Unit; GPU, 150), 메모리 컨트롤러(Memory Controller, 160), 및 버스(170)를 포함한다.
프로세서(processor)라고도 불릴 수 있는 CPU(100)는 메모리(110, 120, 또는 40)에 저장된 프로그램들 및/또는 데이터를 처리 또는 실행할 수 있다. 예컨대, CPU(100)는 클락 신호 발생기(미 도시)로부터 출력된 클락 신호에 응답하여 상기 프로그램들 및/또는 상기 데이터를 처리 또는 실행할 수 있다.
CPU(100)는 실시예에 따라 멀티-코어 프로세서(multi-core processor)로 구현될 수 있다. 상기 멀티-코어 프로세서는 두 개 또는 그 이상의 독립적인 실질적인 프로세서들('코어들(cores)'이라고 불림)을 갖는 하나의 컴퓨팅 컴포넌트(computing component)이고, 상기 프로세서들 각각은 프로그램 명령들(program instructions)을 읽고 실행할 수 있다. 상기 멀티-코어 프로세서는 다수의 가속기를 동시에 구동할 수 있으므로, 상기 멀티-코어 프로세서를 포함하는 데이터 처리 시스템은 멀티-가속(multi-acceleration)을 수행할 수 있다.
ROM(110), RAM(120), 및 메모리 장치(40)에 저장된 프로그램들 및/또는 데이터는 필요에 따라 CPU(100)의 메모리에 로드(load)될 수 있다.
ROM(110)은 영구적인 프로그램들 및/또는 데이터를 저장할 수 있다. ROM(110)은 EPROM(erasable programmable read-only memory) 또는 EEPROM(electrically erasable programmable read-only memory)으로 구현될 수 있다.
도 2에 도시된 로컬 윈도우 설정부(210), FFT 처리부(220), 분석부(230) 및 매핑부(240)는 CPU(100)가 실행할 수 있는 코드(예컨대, ROM 코드)로 구현되어, ROM(110)에 저장될 수 있다.RAM(120)은 프로그램들, 데이터, 또는 명령들(instructions)을 일시적으로 저장할 수 있다. 예컨대, 메모리(40)에 저장된 프로그램들 및/또는 데이터는 CPU(100)의 제어 또는 ROM(110)에 저장된 부팅 코드(booting code)에 따라 RAM(120)에 일시적으로 저장될 수 있다. RAM(120)은 실시예에 따라 DRAM(dynamic RAM) 또는 SRAM(static RAM)으로 구현될 수 있다.
도 2에 도시된 로컬 윈도우 설정부(210), FFT 처리부(220), 분석부(230) 및 매핑부(240)는 CPU(100)가 실행할 수 있는 소프트웨어(예컨대, 어플리케이션 소프트웨어)로 구현되어, 메모리(40)에 저장될 수 있다.
인터페이스(130)는 이미지 측정 장치(20)와 인터페이스한다. 예컨대, 인터페이스(130)는 이미지 측정 장치(20)로부터 HRTEM 이미지(IIM)를 수신하여, 메모리 컨트롤러(160)를 통하여 메모리(40 또는 120)에 저장할 수 있다.
CPU(100)가 실행할 수 있는 프로그램 코드는 FFT 처리 코드, 분석 코드, 및 매핑 코드를 포함할 수 있다. CPU(100)는 FFT 처리 코드를 실행하여 메모리(40)로부터 로컬 윈도우 단위로 HRTEM 이미지(IIM)를 독출하고, 로컬 윈도우 단위로 2차원 FFT(Fast Fourier Transform)를 수행하여 로컬 변환 데이터(FLO)를 산출할 수 있다. 또한, CPU(100)는 분석 코드를 실행하여, FFT 처리 코드에 의해 산출된 2차원 FFT 데이터, 즉 로컬 변환 데이터(FLO)를 이용하여 결정(gain)을 분석함으로써 상술한 결정 분석 데이터(INFO)를 산출하여 메모리(40 또는 120)에 저장할 수 있다.
결정 분석 데이터(INFO)는 도 6b에 도시된 바와 같이, 각 픽셀별 방향성, 결정성 및 방향성 정보를 포함할 수 있다.
또한, CPU(100)는 상기 복수의 픽셀들 각각에 대한 결정성 정보 및 주기성 정보 중 적어도 하나에 기초하여 각 픽셀의 물질을 분류하고, 상기 복수의 픽셀들 각각에 대한 방향성 정보에 기초하여 결정을 분류하여 결정 분류 데이터를 산출하여 메모리(40 또는 120)에 저장할 수 있다. CPU(100)는 후술하는 도 15의 실시예에 따라, 결정들을 분류할 수 있다.
결정 분류 데이터는 서로 다른 결정으로 분류된 복수의 결정들 각각에 대하여 해당 결정에 속하는 픽셀들에 대한 정보(예컨대, 픽셀 좌표) 포함할 수 있다.
예를 들어, 서로 다른 결정으로 분류된 결정이 3개라고 가정하면, 결정 분류 데이터는 복수의 픽셀들 중 제1 결정에 속하는 픽셀들, 제2 결정에 속하는 픽셀들, 및 제3 결정에 속하는 픽셀들에 정보를 포함할 수 있다.
또한, 결정 분류 데이터는 각 결정의 대표 결정성 정보, 대표 방향성 정보 및 대표 주기성 정보를 더 포함할 수 있다.
실시예에 따라, 각 결정의 대표 결정성 정보는 해당 결정의 최대 앰플리튜드이고, 대표 방향성 정보는 해당 결정에서 최대 앰플리튜드를 갖는 픽셀에서의 방향각이며, 대표 주기성 정보는 해당 결정에서 최대 앰플리튜드를 갖는 픽셀에서의 주기성 정보일 수 있다.
CPU(100)는 또한 매핑 코드를 실행하여, 분석 데이터(도 2의 INFO)를 디스플레이를 위한 데이터(OIM)로 매핑하여 매핑 데이터(도 2의 OIM)을 메모리(40 또는 120)에 저장할 수 있다.
예컨대, CPU(100)는 매핑 코드를 실행하여 분석 데이터(INFO) 중 방향성 정보는 색상 정보로 변환하고, 결정성 정보는 밝기 정보로 변환할 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 매핑되는 정보가 달라질 수도 있고, 또한 주기성 정보가 색상 정보나 밝기 정보로 매핑될 수도 있다.
GPU(150)는 메모리 컨트롤러(160)가 메모리 장치(40)로부터 리드(read)한 데이터를 디스플레이에 적합한 신호로 처리한다.
예컨대, GPU(150)는 메모리(40)로부터 매핑 데이터(도 2의 OIM)를 독출하여, 디스플레이에 적합한 신호로 처리할 수 있다.
메모리 컨트롤러(160)는 메모리 장치(40)와 인터페이스하기 위한 블록이다. 메모리 컨트롤러(160)는 메모리 장치(40)의 동작을 전반적으로 제어하며, 또한 호스트와 메모리 장치(40)간의 제반 데이터 교환을 제어한다. 예컨대, 메모리 컨트롤러(160)는 호스트의 요청에 따라 메모리 장치(40)에 데이터를 쓰거나 메모리 장치(40)로부터 데이터를 독출한다.
여기서, 호스트는 CPU(100), GPU(150), 디스플레이 컨트롤러(140)와 같은 프로세싱 유닛일 수 있다.
메모리 장치(40)는 데이터를 저장하기 위한 저장 장소로서, OS(Operating System), 각종 프로그램들, 및 각종 데이터를 저장할 수 있다. 메모리 장치(40)는 DRAM일 수 있으나, 이에 한정되는 것은 아니다. 예컨대, 메모리 장치(40)는 비휘발성 메모리 장치(플래시 메모리, Phase-change RAM; PRAM, Magnetoresistive RAM; MRAM, Resistive RAM; ReRAM, 또는 Ferroelectric RAM; FeRAM 장치)일 수도 있다. 또한, 메모리 장치(40)는 이미지 분석 장치(10b)의 내부에 구비되는 내장 메모리일 수 있다.
각 구성 요소(100, 110, 120, 130, 140, 150, 및 160)는 버스(170)를 통하여 서로 통신할 수 있다.
디스플레이 디바이스(30)는 디스플레이 컨트롤러(140)로부터 출력된 출력 영상 신호를 디스플레이할 수 있다. 디스플레이 디바이스(30)는 LCD(liquid crystal display), LED(light emitting diode), OLED(Organic LED), 또는 AMOLED(active-matrix OLED) 디바이스로 구현될 수 있다.
디스플레이 컨트롤러(140)는 메모리(40)로부터 매핑 데이터(도 2의 OIM)을 독출하여, 디스플레이 디바이스(30)를 통해 디스풀레이할 수 있다.
도 7은 본 발명의 실시예에 따른 결정 분석 방법을 나타내는 플로우차트이다. 도 7의 결정 분석 방법은 도 2 또는 도 3의 결정 분석 장치(10a, 10b)에 의해 수행될 수 있다. 도 8 내지 도 12는 도 7의 결정 분석 방법을 설명하기 위한 도면들이다.
도 7 내지 도 12를 참조하면, 결정 분석 장치(10a, 10b)는 HRTEM 이미지를 수신한다(S110). 한 프레임의 HRTEM 이미지(330)의 일 예가 도 8에 도시된다.
도 8은 수직형 낸드 플래시 메모리(VNAND)에서 폴리 실리콘 채널을 고해상도 전자 현미경(HRTEM)으로 촬상한 이미지의 일 예이고, 도 9는 도 8의 부분 영역(341)을 확대한 이미지이고, 도 10은 도 9의 이미지를 간략화하여 모델링한 도면이다.
도 8 내지 도 10을 참조하면, 프레임 이미지(330)는 서로 다른 물질 영역(331, 332, 333)을 포함한다. 예컨대, 물질 영역(332)는 다결정질 물질 영역(예컨대, 폴리 실리콘 영역)일 수 있고, 물질 영역(331) 및 물질 영역(333)은 비결정질 물질 영역일 수 있다.
부분 영역(341)은 서로 다른 결정인 제1 결정(341-1) 및 제2 결정(341-2)를 포함한다. 간략하게 모델링된 제1 결정(341-1') 및 제2 결정(341-2')을 참조하면, 제1 결정(341-1')의 배열 방향과 제2 결정(341-2')의 배열 방향이 다르다.
따라서, 제1 결정(341-1, 341-1') 및 제2 결정(341-2, 341-2')사이에는 결정 경계(grain boundary, 343, 243')가 존재한다.
결정 경계(grain boundary)는 다결정질 물질(polycrystalline material)에서 잘못 지향된(mis-oriented) 두 결정간의 경계를 말한다. 방향성이 동일하면, 즉 동일 방향으로 지향된 물질의 그룹은 하나의 결정으로 분류될 수 있다. 그러나, 다결정 물질에서 방향성이 서로 다른 두 결정간에는 경계가 형성되고, 경계를 기준으로 서로 다른 결정으로 분류된다.
결정 경계로 인하여, 전기적 특성이 나빠지는 경향이 있다.
다시 도 7을 참조하면, 상기 HRTEM 이미지(도 8의 330)에 대해 소정 크기의 로컬 윈도우를 설정한다(S120). 결정 분석 장치(10a, 10b)는 로컬 윈도우에 의해 정해진 로컬 픽셀 데이터를 2차원 푸리에(Fourier) 변환하여 로컬 변환 데이터, 즉, 2차원 FFT 데이터를 구한다(S130). 도 11은 상기 HRTEM 이미지(도 8의 330)에서 네(4) 개의 로컬 윈도우)(351, 352, 353, 354) (이하, 설명의 편의상 제1 내지 제4 로컬 윈도우라 함)를 나타내는 도면이고, 도 12는 도 11의 제1 내지 제4 로컬 윈도우(351, 352, 353, 354)에 대한 2차원 FFT 데이터(351F, 352F, 353, 354)를 나타내는 도면이다.
도 11 및 도 12를 참조하면, 2차원 FFT 데이터(351F, 352F, 353F, 354F)는 중점을 중심으로 2차원 배열을 가지는 복수의 크기(amplitude) 데이터를 포함한다. 또한, 2차원 FFT 데이터는, 중점을 중심으로 대칭성을 갖는다.
결정 분석 장치(10a, 10b)는 2차원 FFT 데이터(예컨대, 351F, 352F, 353F, 354F)를 이용하여 결정(gain)의 방향성, 결정성, 및 주기성 정보를 산출한다(S140).
상술한 바와 같이, 결정질 결정(Crystalline grains)은 특정 범위 내의 주기성을 갖는다. 예컨대, 결정질 결정의 FFT 데이터에서는, 중점을 기준으로 대칭적인 스폿들(spots)(예컨대, 351F, 352F, 353F)이 검출된다.
반면, 비결정질(amorphous) 물질의 FFT 데이터에서는 구름 모양의 자잘한 스폿들(예컨대, 354F)이 검출된다.
따라서, FFT 데이터의 주기성 정보가 특정 범위 내에 있는지에 따라, 해당 로컬 윈도우의 물질을 결정질 물질 또는 비결정질 물질로 구분할 수 있다.
한편, 로컬 FFT 데이터의 최대치(peak)의 앰플리튜드(amplitude)가 비교적 작다면, 예컨대, 임계 크기보다 작다면, 결정성(crystallization rate)이 낮다.
예를 들면, 제2 로컬 윈도우(352)에 대한 FFT 데이터(352F)의 최대치(peak)의 앰플리튜드(amplitude)가 제3 로컬 윈도우(353)에 대한 FFT 데이터(353F)의 최대치(peak)의 앰플리튜드(amplitude) 보다 높으면, 제2 로컬 윈도우(352)의 결정의 결정성이, 제3 로컬 윈도우(353)의 결정의 결정성 보다 높다.
따라서, 각 로컬 윈도우(351, 352, 353, 354)에 대한 2차원 FFT 데이터(351F, 352F, 353F, 354F)의 최대치(peak)의 앰플리튜드로부터 결정성 정보가 산출될 수 있다.
결정 세분화(grain segmentation), 즉 결정질 물질 내에서 동일 결정인지 다른 결정인지의 분류는 방향각 정보를 이용하여 산출될 수 있다. 예컨대, 방향각이 임계각(예컨대, 5도)보다 큰 차이를 갖는다면, 서로 다른 결정으로 분류될 수 있다.
결정 세분화 후에, 결정들은 칼라 맵으로 표시될 수 있다(S160, S165). 예컨대, 방향각 정보에 대해서는 칼라 정보가 매핑되고, 앰플리튜드 정보에 대해서는 밝기 정보가 매핑될 수 있다.
실시예에 따라, S140 단계는 로컬 변환 데이터 중에서 최대 앰플리튜드(amplitude)를 갖는 최대점을 선택하는 단계와, 중점으로부터 상기 선택된 최대점의 방향에 기초하여, 상기 방향성 정보를 산출하는 단계와 상기 중점과 상기 선택된 최대점 간의 거리에 기초하여 상기 주기성 정보를 산출하는 단계를 포함할 수 있다.
이러한 단계들(S120 내지 S150)은 한 프레임에 대해 첫 번째 로컬 윈도우부터 마지막 로컬 윈도우까지 반복적으로 수행된다.
하나의 로컬 윈도우에 대하여 산출된 결정(gain)의 방향성, 결정성, 및 주기성 정보는 HRTEM 이미지의 한 프레임 데이터 중 하나 이상의 픽셀 데이터에 대응될 수 있다.
HRTEM 이미지의 한 프레임 데이터는 복수(예컨대, M*N)의 픽셀들을 포함한다. S120 내지 S150 단계들을 통하여, 한 프레임 데이터의 각 픽셀에 대하여, 방향성, 결정성, 및 주기성 정보가 산출된다.
이와 같이 산출된 정보는 메모리(도 3의 40)에 저장될 수 있다.
결정 분석 장치(10a, 10b)는 산출된 결정(gain)의 방향성, 결정성, 주기성 정보를 디스플레이를 위한 정보, 즉 색상 정보 및 그레이 레벨 정보로 변환한다(S160).
실시예에 따라, 결정의 방향성 정보는 색상 정보로 변환되고, 상기 주기성 정보 또는 결정성 정보는 그레이 레벨 정보로 변환될 수 있다.
이를 위하여, 결정 분석 장치(10a, 10b)는, 결정의 방향성 정보를 색상 정보로 매핑하기 위한 제1 매핑 테이블 및 결정성 정보를 그레이 레벨 정보로 매핑하기 위한 제2 매핑 테이블을 포함할 수 있다.
예컨대, 제1 매핑 테이블은 방향각(angle)에 따른 R, G, B값을 포함하고, 제2 매핑 테이블은 결정성 정보에 따른 그레이 레벨을 포함할 수 있다.
S160 단계에서 변환된 정보는 디스플레이 장치를 통해 디스플레이될 수 있다(S165).
도 13a 및 도 13b 각각은 디스플레이 장치를 통해 디스플레되는 매핑된 이미지의 일 실시예를 도시한다. 도 13a는 결정의 방향성 정보를 색상 정보로 매핑하고, 결정성 정보를 그레이 레벨 정보로 매핑한 이미지이다. 도 13a에서 색상이 표시되지 않는 영역(흰색 영역)은 비결정질 물질 영역이고, 색상이 표시된 영역은 결정질 물질 영역(즉, 결정 영역)이다.
또한, 결정 영역에서도 결정의 방향에 따라 다수의 결정으로 분류(segmentation)되어, 다른 색상으로 매핑됨을 알 수 있다. 또한, 동일한 색상으로 매핑된 동일 결정 내에서도 결정성에 따라 밝기(즉, 그레이 레벨)가 다르게 표시됨을 알 수 있다.
그러나, 본 발명의 실시의 실시예가 이에 한정되는 것은 아니며, 분석된 결정의 정보를 도시하는 방법은 다양할 수 있다.
도 13b는 결정의 방향성 정보에 따라, 다른 무늬로 표시한 이미지이다.
한편, 결정 분석 장치(10a, 10b)는 변환된 정보를 이용하여 결정의 경계를 판단하고, 결정 경계를 이용하여 결정 크기를 산출할 수 있다(S170).
예컨대, 결정 분석 장치(10a, 10b)는 동일한 색상을 가지는 이웃 픽셀들끼리 그룹화하여 각각의 결정으로 판단할 수 있고, 각 결정의 세로 길이, 가로 길이 또는 면적을 산출하여 결정 크기를 판단할 수 있다.
또한, 결정 분석 장치(10a, 10b)는 결정 크기별 결정수를 산출할 수 있다(S170).
S170 단계에서 산출된 정보 역시 디스플레이될 수 있다(S180). 결정 크기별 결정수와 같은 통계 정보는 그래프나 표로 디스플레이될 수 있다.
도 14는 결정 크기별 결정수를 나타내는 그래프이다. 도 14에 도시된 바와 같이, 분류(segmentation)된 복수의 결정들 각각의 크기를 산출하고, 산출된 크기에 속하는 결정들의 수를 구함으로써, 크기별 결정수가 얻어질 수 있다.
도 7의 실시예에서는, 결정 분석 장치(10a, 10b)는 S160 단계에서 변환된 정보를 이용하여 결정의 경계를 판단하고, 결정 경계를 이용하여 결정 크기를 산출하나, 다른 실시예에서는, 결정 분석 장치(10a, 10b)는 각 로컬 윈도우에 대하여 산출된 방향성, 결정성 및 주기성 정보를 이용하여 결정의 경계를 설정하여 결정을 분류하고, 또한 각 결정의 크기를 산출할 수도 있다.
예컨대, 도 7의 S170 단계가 S160 단계 이전에 수행될 수도 있다.
도 15는 본 발명의 일 실시예에 따른 결정 분석 방법을 나타내는 플로우차트이다. 도 15의 실시예는 프레임 이미지(frame image)의 각 픽셀에 대하여, 방향성, 결정성 및 주기성 정보가 산출되어 있음을 전제로 한다.
예컨대, S210 단계 이전에, 상술한 본 발명의 실시예에 따라, 프레임 이미지(frame image)의 각 픽셀에 대하여, 방향성, 결정성 및 주기성 정보가 산출되어 메모리에 저장된다.
도 15를 참조하면, 결정 분석 장치(10a, 10b)는 프레임 이미지의 복수의 픽셀들 중 결정성 정보가 가장 큰 제1 픽셀, 즉 최대 앰플리튜드를 갖는 제1 픽셀을 선택한다(S210).
다음으로 결정 분석 장치(10a, 10b)는 제1 픽셀의 인접 픽셀들이 제1 픽셀과 동일 물질인지를 판단한다(S220).
제1 픽셀의 인접 픽셀들이 제1 픽셀과 동일 물질인지 여부는, 주기성 정보를 이용하여 결정 물질인지 비결정 물질인지를 판단함으로써 이루어질 수 있다.
인접 픽셀들의 범위는 미리 설정될 수 있다.
예컨대, 인접 픽셀들의 범위는 제1 픽셀을 중심으로 5*5 픽셀들, 7*7 픽셀들 등으로 설정될 수 있으나, 이에 한정되는 것은 아니다.
제1 픽셀의 인접 픽셀들 중 주기성 정보가 특정 범위에 속하는 픽셀들은 결정 물질로 분류되고, 제1 픽셀의 인접 픽셀들 중 주기성 정보가 특정 범위에 속하지 않는 픽셀들은 비결정 물질로 분류될 수 있다.
다음으로, 결정 분석 장치(10a, 10b)는 제1 픽셀의 인접 픽셀들 중 동일 물질인 픽셀들에 대하여 제1 픽셀과 동일 결정인지 판단한다(S230).
제1 픽셀과 동일 결정인지의 여부는 제1 픽셀의 방향각을 기준으로 인접 픽셀의 방향각이 소정 범위 이내인지 여부를 판단함으로써 이루어질 수 있다.
예컨대. 제1 픽셀의 방향각을 A1° 라도 가정하면, 제1 픽셀의 인접 픽셀들 중 동일 물질인 픽셀들 중 A1°±5° 이내의 방향각을 갖는 픽셀은 제1 픽셀과 동일 결정으로 분류될 수 있다.
이러한 과정을 통해 제1 픽셀과 동일 결정인 이웃 픽셀들로 구성된 결정(이하, 제1 결정)의 경계를 구할 수 있다(S240). 제1 결정의 경계가 구해지면 제1 결정의 크기(길이, 폭, 넓이 등)가 산출될 수 있다.
도 15의 단계들(S210 내지 S240)는 반복적으로 수행될 수 있다.
결정 분석 장치(10a, 10b)는 프레임 이미지 중 상기 산출된 제1 결정에 속하지 않는 픽셀들 중에서 결정성 정보가 가장 큰 제2 픽셀을 선택하고(S210), 제2 픽셀의 인접 픽셀들이 동일 물질인지 판단하고(S220), 제2 픽셀의 인접 픽셀들 중 동일 물질인 픽셀들에 대하여 제2 픽셀과 동일 결정인지 판단할 수 있다(S230).
이러한 과정을 통해 제2 픽셀과 동일 결정인 이웃 픽셀들로 구성된 결정(이하, 제2 결정)의 경계를 구할 수 있다(S240). 제2 결정의 경계가 구해지면 제2 결정의 크기(길이, 폭, 넓이 등)가 산출될 수 있다.
프레임 데이터의 모든 픽셀에 대하여 물질 분류 및 결정 분류가 완료될 때까지 도 15의 S210 내지 S240 단계들이 반복 수행될 수 있다.
본 발명은 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
10: 이미지 분석 장치
20: 이미지 측정 장치
30: 디스플레이 장치
40: 메모리
100: 중앙처리장치(Central Processing Unit; CPU),
110: ROM(Read Only Memory),
120: RAM(Random Access Memory)
130: 인터페이스부
140: 디스플레이 컨트롤러(Display Controller)
150: 그래픽 프로세싱 유닛(Graphics Processing Unit; GPU)
160: 메모리 컨트롤러(Memory Controller)
170: 버스
210: 로컬 윈도우 설정부
220: FFT 처리부
230: 분석부
240: 매핑부

Claims (20)

  1. 나노(nano) 크기의 결정(grain)을 분석하는 방법에 있어서,
    HRTEM(High-resolution transmission electron microscopy) 이미지를 수신하는 단계;
    상기 이미지에 대해 소정 크기의 로컬 윈도우를 설정하는 단계;
    상기 로컬 윈도우에 의해 정해진 로컬 픽셀 데이터를 푸리에(Fourier) 변환하여 로컬 변환 데이터를 산출하는 단계; 및
    상기 로컬 변환 데이터를 이용하여 결정(gain)을 분석하는 단계를 포함하는 결정 분석 방법.
  2. 제1항에 있어서, 상기 푸리에(Fourier) 변환하는 단계는
    상기 로컬 픽셀 데이터를 2차원 DFT(2-Dimensional Digital Fourier Transform)하는 단계를 포함하는 결정 분석 방법.
  3. 제1항에 있어서, 상기 결정을 분석하는 단계는
    상기 결정의 방향성, 결정성 및 주기성 정보를 산출하는 단계를 포함하는 결정 분석 방법.
  4. 제3항에 있어서, 상기 결정의 방향성, 결정성 및 주기성 정보를 산출하는 단계는
    상기 로컬 변환 데이터 중에서 최대 크기(amplitude)를 갖는 데이터를 선택하는 단계;
    중점으로부터 상기 선택된 데이터의 방향에 기초하여, 상기 방향성 정보를 산출하는 단계; 및
    상기 중점과 상기 선택된 데이터 간의 거리에 기초하여 상기 주기성 정보를 산출하는 단계를 포함하는 결정 분석 방법.
  5. 제4항에 있어서, 상기 결정을 분석하는 단계는
    상기 주기성 정보를 이용하여 결정 물질인지 비결정 물질인지를 판단하는 단계; 및
    상기 방향성 정보를 이용하여 동일 결정인지를 판단하는 단계를 더 포함하는 결정 분석 방법.
  6. 제4항에 있어서, 상기 방법은
    상기 이미지의 각 픽셀에 대한 방향성 정보, 결정성 정보 및 주기성 정보를 저장하는 단계를 더 포함하는 결정 분석 방법.
  7. 나노(nano) 크기의 결정(grain)을 분석하는 방법에 있어서,
    HRTEM(High-resolution transmission electron microscopy) 이미지의 각 픽셀에 대하여 결정 분석 데이터를 산출하는 단계; 및
    상기 결정 분석 데이터에 기초하여, 결정을 분류(segmentation)하는 단계를 포함하고,
    상기 결정 분석 데이터는 결정의 방향성, 결정성 및 주기성 정보를 포함하는 결정 분석 방법.
  8. 제7항에 있어서, 상기 결정 분석 데이터를 산출하는 단계는
    상기 HRTEM 이미지를 푸리에(Fourier) 변환하여 FFT 데이터를 산출하는 단계; 및
    상기 FFT 데이터에 기초하여 상기 각 픽셀에 대한 방향성, 결정성 및 주기성 정보를 산츨하는 단계를 포함하는 결정 분석 방법.
  9. 제7항에 있어서, 상기 결정을 분석하는 단계는
    상기 각 픽셀별 결정 분석 데이터 중 상기 결정성 정보가 가장 큰 제1 픽셀을 선택하는 단계;
    상기 제1 픽셀의 인접 픽셀들이 동일 물질인지 판단하는 단계;
    상기 제1 픽셀의 인접 픽셀들 중 동일 물질인 픽셀들에 대하여 상기 제1 픽셀과 동일 결정인지 판단하는 단계; 및
    상기 제1 픽셀과 동일 결정인 이웃 픽셀들을 포함하는 제1 결정의 경계를 설정하는 단계를 더 포함하는 결정 분석 방법.
  10. 제9항에 있어서, 상기 선택된 픽셀의 인접 픽셀들이 동일 물질인지 판단하는 단계는
    상기 주기성 정보를 이용하여 결정 물질인지 비결정 물질인지를 판단하는 단계를 포함하는 결정 분석 방법.
  11. 제9항에 있어서, 상기 선택된 픽셀과 동일 결정인지 판단하는 단계는
    상기 방향성 정보가 소정 범위 이내이면 동일 결정으로 판단하는 단계를 포함하는 결정 분석 방법.
  12. 제9항에 있어서, 상기 결정을 분석하는 단계는
    상기 결정 분석 데이터 중 상기 제1 결정에 속하지 않는 픽셀들 중에서 상기 결정성 정보가 가장 큰 제2 픽셀을 선택하는 단계;
    상기 제2 픽셀의 인접 픽셀들이 동일 물질인지 판단하는 단계;
    상기 제2 픽셀의 인접 픽셀들 중 동일 물질인 픽셀들에 대하여 상기 제2 픽셀과 동일 결정인지 판단하는 단계; 및
    상기 제2 픽셀과 동일 결정인 이웃 픽셀들을 포함하는 제2 결정의 경계를 설정하는 단계를 더 포함하는 결정 분석 방법.
  13. 나노미터(nm) 크기의 결정(grain)을 분석하는 시스템에 있어서,
    HRTEM(High-resolution transmission electron microscopy) 이미지를 수신하고, 상기 수신된 HRTEM 이미지를 소정 크기의 로컬 윈도우 단위로 나누어 FFT(Fast Fourier Transform)하고, 상기 FFT 데이터를 이용하여 결정(gain)을 분석하고, 분석한 정보를 디스플레이를 위한 데이터로 변환하는 이미지 분석 장치; 및
    상기 변환된 데이터를 수신하여 디스플레이하는 디스플레이 장치를 포함하는 결정 분석 시스템.
  14. 제13항에 있어서, 상기 이미지 분석 장치는
    상기 HRTEM 이미지의 각 프레임에 대하여 소정 크기의 로컬 윈도우를 설정하는 로컬 윈도우 설정부;
    상기 로컬 윈도우에 의해 정해진 로컬 픽셀 데이터를 2차원 FFT(Fast Fourier Transform)하여 로컬 FFT 데이터를 산출하는 FFT 처리부; 및
    상기 로컬 FFT 데이터를 이용하여 각 로컬 윈도우에 대해 결정의 방향성(orientation) 정보, 결정성(crystallization rate) 정보 및 주기성(periodicity) 정보를 산출하는 분석부를 포함하는 결정 분석 시스템.
  15. 제14항에 있어서, 상기 분석부는
    상기 로컬 FFT 데이터 중에서 최대 크기(amplitude)를 갖는 데이터를 선택하고, 중점으로부터 상기 선택된 데이터의 방향에 기초하여, 상기 방향성 정보를 산출하며, 상기 중점과 상기 선택된 데이터 간의 거리에 기초하여 상기 주기성 정보를 산출하는 결정 분석 시스템.
  16. 제15항에 있어서, 상기 분석부는
    상기 주기성 정보를 이용하여 결정 물질인지 비결정 물질인지를 판단하고, 상기 방향성 정보를 이용하여 동일 결정인지를 판단하는 결정 분석 시스템.
  17. 제16항에 있어서, 상기 분석부는
    각 로컬 윈도우에 대해 산출한 상기 결정의 방향성 정보, 결정성 정보 및 주기성 정보를 해당 로컬 윈도우의 적어도 하나의 픽셀에 대응시키는 결정 분석 시스템.
  18. 나노미터(nm) 크기의 결정(grain)을 분석하는 시스템에 있어서,
    프로그램 코드를 저장하는 메모리; 및
    상기 프로그램 코드를 실행하는 프로세서를 포함하며,
    상기 프로그램 코드는
    HRTEM(High-resolution transmission electron microscopy) 이미지를 소정 크기의 로컬 윈도우 단위로 FFT(Fast Fourier Transform)하는 FFT 처리 코드; 및
    상기 FFT 데이터를 이용하여 결정(gain)의 방향성, 결정성 및 방향성 중 적어도 하나를 산출하는 분석 코드를 포함하는 결정 분석 시스템.
  19. 제18항에 있어서,
    상기 HRTEM 이미지는 복수의 픽셀들을 포함하고
    상기 프로세서는
    상기 복수의 픽셀들 중 상기 로컬 윈도우에 속하는 픽셀들의 픽셀 데이터를 2차원 FFT(Fast Fourier Transform)하여 로컬 FFT 데이터를 산출하여 상기 메모리에 저장하는 결정 분석 시스템.
  20. 제19항에 있어서,
    상기 로컬 FFT 데이터는 중점을 중심으로 2차원 배열을 가지는 복수의 크기(amplitude) 데이터를 포함하고,
    상기 프로세서는 상기 로컬 FFT 데이터를 이용하여 상기 복수의 픽셀들 각각에 대한 결정의 방향성 정보, 결정성 정보 및 주기성 정보를 산출하여, 상기 메모리에 저장하는 결정 분석 시스템.
KR1020150033437A 2015-03-10 2015-03-10 고해상도 전자 현미경 이미지로부터 결정을 분석하는 방법 및 그 시스템 KR102301536B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020150033437A KR102301536B1 (ko) 2015-03-10 2015-03-10 고해상도 전자 현미경 이미지로부터 결정을 분석하는 방법 및 그 시스템
TW105107128A TWI725015B (zh) 2015-03-10 2016-03-09 利用高解析度穿透式電子顯微鏡圖像的晶粒分析方法和系統
CN201610135002.0A CN105976349B (zh) 2015-03-10 2016-03-10 使用高分辨率透射电子显微镜图像的晶粒分析方法和系统
US15/065,901 US10217205B2 (en) 2015-03-10 2016-03-10 Grain analyzing method and system using HRTEM image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150033437A KR102301536B1 (ko) 2015-03-10 2015-03-10 고해상도 전자 현미경 이미지로부터 결정을 분석하는 방법 및 그 시스템

Publications (2)

Publication Number Publication Date
KR20160109303A true KR20160109303A (ko) 2016-09-21
KR102301536B1 KR102301536B1 (ko) 2021-09-14

Family

ID=56888602

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150033437A KR102301536B1 (ko) 2015-03-10 2015-03-10 고해상도 전자 현미경 이미지로부터 결정을 분석하는 방법 및 그 시스템

Country Status (4)

Country Link
US (1) US10217205B2 (ko)
KR (1) KR102301536B1 (ko)
CN (1) CN105976349B (ko)
TW (1) TWI725015B (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200020225A (ko) * 2018-08-16 2020-02-26 주식회사 엘지화학 고분자막의 분석 방법
KR20200032424A (ko) * 2018-09-18 2020-03-26 인하대학교 산학협력단 아노다이징된 금속 표면 구조의 일관성 정량화 방법

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102579007B1 (ko) * 2018-07-10 2023-09-15 삼성전자주식회사 크리스탈 결함 분석 시스템 및 크리스탈 결함 분석 방법
CN110431407B (zh) * 2019-06-20 2020-08-25 长江存储科技有限责任公司 多晶硅表征方法
JP7279697B2 (ja) * 2020-09-25 2023-05-23 トヨタ自動車株式会社 情報処理装置、情報処理方法、及び情報処理プログラム
CN112906641B (zh) * 2021-03-19 2023-08-18 北京科技大学 一种ebsd金相图像晶粒识别方法及装置
TWI783896B (zh) 2022-04-08 2022-11-11 國立清華大學 用於輕元素薄膜的三維影像重建方法及系統

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5917927A (en) * 1997-03-21 1999-06-29 Satake Corporation Grain inspection and analysis apparatus and method
KR20080083235A (ko) * 2008-02-27 2008-09-17 에이치기술(주) 그래픽 가속기 및 그래픽 가속 방법
KR20140036659A (ko) * 2012-09-17 2014-03-26 삼성전자주식회사 유기 발광 다이오드 디스플레이의 동작을 제어할 수 있는 방법들과 장치들
US8709304B2 (en) * 2009-12-14 2014-04-29 Board Of Regents Of The Nevada System Of Higher Education, On Behalf Of The University Of Nevada, Reno Hydrothermal synthesis of nanocubes of sillenite type compounds for photovoltaic applications and solar energy conversion of carbon dioxide to fuels

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3069654A (en) 1960-03-25 1962-12-18 Paul V C Hough Method and means for recognizing complex patterns
EP0975209B1 (en) * 1997-04-16 2003-05-21 Carnegie Mellon University Agricultural harvester with robotic control
US6947586B2 (en) * 2000-04-24 2005-09-20 International Remote Imaging Systems, Inc. Multi-neural net imaging apparatus and method
US6714662B1 (en) * 2000-07-10 2004-03-30 Case Corporation Method and apparatus for determining the quality of an image of an agricultural field using a plurality of fuzzy logic input membership functions
US6882739B2 (en) * 2001-06-19 2005-04-19 Hypernex, Inc. Method and apparatus for rapid grain size analysis of polycrystalline materials
JP4135347B2 (ja) * 2001-10-02 2008-08-20 株式会社日立製作所 ポリシリコン膜生成方法
ATE552717T1 (de) * 2002-04-19 2012-04-15 Mitsubishi Materials Corp Leiterplatte, prozess zu ihrer herstellung und stromversorgungsmodul
US7938997B2 (en) * 2002-07-05 2011-05-10 Los Alamos National Security, Llc Preparation of bulk superhard B-C-N nanocomposite compact
US7525659B2 (en) * 2003-01-15 2009-04-28 Negevtech Ltd. System for detection of water defects
AU2003295308A1 (en) * 2003-01-31 2004-08-30 The Trustees Of Columbia University In The City Ofnew York Method for preparing atomistically straight boundary junctions in high temperature superconducting oxide
US8031910B2 (en) * 2003-09-17 2011-10-04 Syngenta Participations Ag Method and apparatus for analyzing quality traits of grain or seed
GB0422608D0 (en) * 2004-10-12 2004-11-10 Hardide Ltd Alloyed tungsten produced by chemical vapour deposition
US7691463B2 (en) * 2004-11-24 2010-04-06 Industrial Technology Research Institute Optical recording materials and recording mediums using the same
US8392418B2 (en) * 2009-06-25 2013-03-05 University Of Tennessee Research Foundation Method and apparatus for predicting object properties and events using similarity-based information retrieval and model
US8213704B2 (en) * 2007-05-09 2012-07-03 Kla-Tencor Corp. Methods and systems for detecting defects in a reticle design pattern
JP5058913B2 (ja) 2007-08-09 2012-10-24 シャープ株式会社 画像処理方法、およびそれを用いた粒度分布測定方法
WO2009058180A2 (en) 2007-09-27 2009-05-07 Massachusetts Institute Of Technology Self-assembly technique applicable to large areas and nanofabrication
CA2702804C (en) * 2007-11-16 2016-03-15 Aqua Diagnostic Pty Ltd Photo electrodes
US8227350B2 (en) * 2008-01-04 2012-07-24 Advanced Diamond Technologies, Inc. Controlling diamond film surfaces and layering
US20130189446A1 (en) 2008-09-03 2013-07-25 Dow Corning Corporation Low pressure high frequency pulsed plasma reactor for producing nanoparticles
US8247769B2 (en) 2008-10-09 2012-08-21 California Institute Of Technology Characterization of nanoscale structures using an ultrafast electron microscope
TWI382408B (zh) * 2008-12-22 2013-01-11 Nat Univ Tsing Hua 垂直記錄媒體
WO2010102977A1 (en) 2009-03-09 2010-09-16 INSERM (Institut National de la Santé et de la Recherche Médicale) Method for manufacturing cubic diamond nanocrystals
US8101409B2 (en) * 2009-10-05 2012-01-24 National Health Research Institutes Ultra-nanocrystalline diamond as a biomaterial for enhancing proliferation and differentiation of neural stem cells
ES2359411B1 (es) * 2009-10-19 2012-04-03 Universidad De Zaragoza Método de autenticación de objetos.
KR101130221B1 (ko) 2010-02-26 2012-03-26 한양대학교 산학협력단 나노입자 형성방법 및 이를 이용한 플래시 메모리 소자 제조방법
KR101978691B1 (ko) 2010-09-16 2019-05-15 이섬 리서치 디벨러프먼트 컴파니 오브 더 히브루 유니버시 티 오브 예루살렘 엘티디. 이방성 반도체 나노입자
KR101277279B1 (ko) * 2010-12-29 2013-06-20 서울대학교산학협력단 산화 티타늄 나노 튜브 재료 및 그 제조 방법
JP5668561B2 (ja) 2011-03-23 2015-02-12 富士通株式会社 結晶粒方位の分析方法および結晶粒方位の分析装置
US8891135B2 (en) 2011-09-16 2014-11-18 Xerox Corporation Detection of image quality defects in gloss
JP5279058B2 (ja) 2011-11-21 2013-09-04 住友化学株式会社 光学部材貼合体の製造システム、製造方法及び記録媒体
CN104155323B (zh) * 2014-07-23 2016-09-21 武汉钢铁(集团)公司 一种测量大晶粒硅钢织构的分析方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5917927A (en) * 1997-03-21 1999-06-29 Satake Corporation Grain inspection and analysis apparatus and method
KR20080083235A (ko) * 2008-02-27 2008-09-17 에이치기술(주) 그래픽 가속기 및 그래픽 가속 방법
US8709304B2 (en) * 2009-12-14 2014-04-29 Board Of Regents Of The Nevada System Of Higher Education, On Behalf Of The University Of Nevada, Reno Hydrothermal synthesis of nanocubes of sillenite type compounds for photovoltaic applications and solar energy conversion of carbon dioxide to fuels
KR20140036659A (ko) * 2012-09-17 2014-03-26 삼성전자주식회사 유기 발광 다이오드 디스플레이의 동작을 제어할 수 있는 방법들과 장치들

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200020225A (ko) * 2018-08-16 2020-02-26 주식회사 엘지화학 고분자막의 분석 방법
KR20200032424A (ko) * 2018-09-18 2020-03-26 인하대학교 산학협력단 아노다이징된 금속 표면 구조의 일관성 정량화 방법

Also Published As

Publication number Publication date
US20160267643A1 (en) 2016-09-15
KR102301536B1 (ko) 2021-09-14
TW201702991A (zh) 2017-01-16
US10217205B2 (en) 2019-02-26
TWI725015B (zh) 2021-04-21
CN105976349A (zh) 2016-09-28
CN105976349B (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
KR102301536B1 (ko) 고해상도 전자 현미경 이미지로부터 결정을 분석하는 방법 및 그 시스템
CN106601642B (zh) 测量厚度的方法、处理图像的方法及执行其的电子系统
CN111192356B (zh) 感兴趣区域的显示方法、装置、设备和存储介质
US9053387B2 (en) Image processing circuit and image detection device
US8369620B2 (en) Object detection device and system
US9652684B2 (en) Image processing for classification and segmentation of rock samples
JP7328227B2 (ja) 画像処理方法、画像処理装置、表示装置及び記憶媒体
CN103018260B (zh) 缺陷检测方法
WO2020140826A1 (zh) 一种基于轮廓提取的目标物红外测温方法、装置及存储介质
US20200019744A1 (en) Method and apparatus for processing image data
CN111899237A (zh) 标尺精度测量方法、装置、计算机设备和存储介质
CN112132131A (zh) 量筒液位识别方法和装置
CN111811694A (zh) 一种温度校准方法、装置、设备及存储介质
CN110895808A (zh) 监视半导体制造过程的非暂时性计算机可读介质和方法
CN116152218A (zh) 施工质量智能检测方法及装置
CN116778458B (zh) 车位检测模型构建方法、车位检测方法、设备及存储介质
US8023359B2 (en) System and method for converting scan data
CN116205918B (zh) 基于图卷积的多模态融合半导体检测方法、装置及介质
JP2015040851A (ja) 情報処理プログラム、情報処理方法および情報処理装置
US20160125619A1 (en) System and method for directionality based row detection
WO2023000540A1 (zh) 一种高炉料面形状测量方法、终端设备及存储介质
JP7363545B2 (ja) キャリブレーション判定結果提示装置、キャリブレーション判定結果提示方法及びプログラム
US20150109431A1 (en) Systems and Methods for Material Texture Analysis
WO2019024094A1 (zh) Mura检测方法和Mura检测系统
KR101025475B1 (ko) 안티 에일리어싱 방법 및 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant