TWI579775B - A matching processing device, a matching processing method and an inspection device using the same - Google Patents

A matching processing device, a matching processing method and an inspection device using the same Download PDF

Info

Publication number
TWI579775B
TWI579775B TW102120127A TW102120127A TWI579775B TW I579775 B TWI579775 B TW I579775B TW 102120127 A TW102120127 A TW 102120127A TW 102120127 A TW102120127 A TW 102120127A TW I579775 B TWI579775 B TW I579775B
Authority
TW
Taiwan
Prior art keywords
image
matching
feature
template
feature amount
Prior art date
Application number
TW102120127A
Other languages
English (en)
Other versions
TW201415379A (zh
Inventor
長友渉
安部雄一
牛場郭介
Original Assignee
日立全球先端科技股份有限公司
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 日立全球先端科技股份有限公司 filed Critical 日立全球先端科技股份有限公司
Publication of TW201415379A publication Critical patent/TW201415379A/zh
Application granted granted Critical
Publication of TWI579775B publication Critical patent/TWI579775B/zh

Links

Classifications

    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/70616—Monitoring the printed patterns
    • G03F7/70625—Dimensions, e.g. line width, critical dimension [CD], profile, sidewall angle or edge roughness
    • 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
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/771—Feature selection, e.g. selecting representative features from a multi-dimensional feature space
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Length-Measuring Devices Using Wave Or Particle Radiation (AREA)

Description

匹配處理裝置、匹配處理方法及使用彼之檢查裝置
本發明是有關匹配處理技術，更詳細是有關圖案匹配技術，特別是有關形成於半導體晶圓上的圖案的檢查，或以計測為目的之檢查技術的樣板(template)匹配技術。
在計測、檢查半導體晶圓上所形成的圖案之裝置中是利用使用樣板來進行匹配的樣板匹配技術(參照下述非專利文獻1)，進行將檢查裝置的視野對準於所望的計測位置之處理。在下述專利文獻1是說明如此的樣板匹配方法的一例。另外，所謂樣板匹配處理是由探索對象的畫像來找出與預先被登錄的樣板畫像最一致的領域。
作為使用樣板匹配的檢查裝置的具體例，有使用掃描型電子顯微鏡之半導體晶圓上的圖案的計測。在本檢查裝置是藉由平台移動來將裝置的視野移動至計測位置的大致的位置，但僅平台的定位精度是在以電子顯微鏡的高倍率所攝取的畫像上產生大的偏移情形多。並且，不限於使晶圓每次在同方向載於平台，載於平台的晶圓的座 標系(例如晶圓的晶片等的排列方向)不完全與平台的驅動方向一致，也會成為以電子顯微鏡的高倍率所攝取的畫像上的偏移的原因。
而且，有時為了取得所望的觀察位置之高倍率的電子顯微鏡畫像，而使電子射束只偏向微小量(例如數十μm以下)來照射至觀察試料上瞄準的位置(有時予以稱為「射束移動」)，但即使進行此射束移動，只靠射束的偏向控制的精度，有關照射位置，會有自所望的觀察位置偏移的情形發生。為了修正如此的各偏移來進行正確位置的計測、檢查，而進行樣板匹配。
具體而言，進行比電子顯微鏡像更低倍率的光學式相機的對準及電子顯微鏡像的對準之多階段對準。例如，以光學式相機來進行承載於平台的晶圓的座標系的對準時，是利用在晶圓上位於分離的位置的複數晶片(例如晶圓的左右兩端的晶片)的畫像來進行對準。首先，以位於各晶片內或近旁之獨特的同一圖案(在各晶片內相對地位於同位置的圖案)作為樣板登錄(大多是使用在晶圓上作為光學用的對準圖案作成者作為登錄用的圖案)。
其次，進行平台移動，而使能夠在各晶片攝取樣板登錄的圖案，在各晶片取得畫像。對取得的畫像進行樣板匹配。以其結果取得的各匹配位置為基礎，算出平台移動的偏移量，且以此偏移量作為平台移動的修正值來使平台移動的座標系與晶圓的座標系對準。並且，在其次進行的電子顯微鏡的對準是預先將接近計測位置的獨特的 圖案作為樣板登錄，記憶自樣板所見的計測位置的相對座標。然後，由在電子顯微鏡所攝取的畫像來求取計測位置時，在攝取的畫像中進行樣板匹配，決定匹配位置，由此記憶的相對座標部分移動處成為計測位置。利用如此的樣板匹配來使裝置的視野移動至所望的計測位置。
另外，當上述的平台移動的偏移或射束移動的偏移大時，有時在電子顯微鏡所攝取的畫像內不會照到對準用的圖案。此時會進行：在攝像位置周邊尋找對準用的圖案(周邊探索)，或中斷計測將對準失敗的情形以警報告知使用者等的處理(計測中斷)。為了進行此處理，必須判定在畫像內是否有對準用的圖案。此判定是例如使用樣板匹配的匹配評分(例如正規化相關運算的相關值)。若匹配評分比預先設定的基準值(以後將此基準值稱為評分驗收(score acceptance))更高，則判定成在視野內有圖案，若匹配評分比評分驗收低，則判定成無圖案。
樣板匹配方法是可分成根據正規化相關等之畫像基準的方法、及比較自畫像抽出的特徵點之特徵點基準的手法。前者之根據畫像基準的手法是例如自被檢索畫像切出與樣板同大小的畫像，算出所切出的畫像與樣板的相關值，按每個自被檢索畫像切出的畫像位置(位置是例如被檢索畫像全面)算出此相關值，以相關值大的位置作為匹配位置(非專利文獻1)。另一方面，後者之特徵點基準的手法是分別在樣板及被檢索畫像抽出複數的特徵點，例如在兩畫像找出類似的特徵點(對應點匹配)，在進行重 疊其特徵點之類的樣板投影時(考慮畫像間的旋轉．標度等的不同)，以投影的領域重疊的數量變多的位置作為匹配位置(非專利文獻2)。
[先行技術文獻] [專利文獻]
[專利文獻1]日本專利文獻2001-243906號公報(對應美國專利US6627888)
[非專利文獻]
[非專利文獻1]數位畫像處理(CG-ART協會)p.203-204(2009)
[非專利文獻2]高木，藤吉，利用SIFT特徵量的交通道路標識認，SII07,LD2-06(2007)
[非專利文獻3]近藤，杜下，桂川，土井：“利用胸部單純X線照片的邊緣強調畫像的患者自動認識法的開發”，日本放射線技術學會誌，Vol.59,No.10 pp.1277-1284(2007)
在先前所述的樣板匹配中，在樣板與被檢索畫像，畫像的外觀之背離大時，有時匹配會不成功。在樣板與被檢索畫像，畫像的外觀之背離大的理由，例如有登 錄樣板時的檢查裝置的攝像條件與攝取被檢索畫像時的檢查裝置的攝影條件的差大的情況，在登錄樣板時攝影的半導體圖案的結果與攝取被檢索畫像後的半導體圖案的結果的差異大的情況，或登錄樣板時的半導體圖案的半製造工程與攝取被檢索畫像時的半導體圖案的製造工程不同的情況等。而且，不限於在此所舉的例子，基於各種的因素，在樣板與被檢索畫像會有畫像的外觀背離大的情形。
在畫像基準的樣板匹配中，一旦樣板與被檢索畫像的外觀背離，則在匹配正確位置的相關值會降低，恐有匹配失敗之虞。為了縮小樣板與被檢索畫像的外觀的不同，也有以平滑化處理、邊緣強調等的前處理進行的方法被提案(非專利文獻3)。
然而，對於外觀各式各樣的畫像而言，難以求取匹配正確位置。並且，每次畫像的外觀不同時，使用者必須變更評分驗收，降低了裝置的運轉率。理想的評分驗收最好是統一的值(固定值)，但就現狀的手法而言難。圖4是表示對於外觀不同的複數個畫像(樣本ID：1~100)，在匹配正確位置及匹配不正確位置的相關值(匹配的評分)的圖。相關值會依樣本(sample)而不同，就一個評分驗收(臨界值)202(或203)而言，難以判定匹配成否。一旦使用評分驗收(臨界值1)202，則在區間205的樣本將匹配正確位置者誤判成匹配不正確位置。
另一方面，例如使用驗收(臨界值2)203時，將匹配不正確位置的樣本(205的右邊的斜線領域)誤判為 匹配正確位置。
一旦如此在匹配正確位置及不正確位置之評分的分離性差(無法以統一的評分來分離)，則匹配的成否判定會變困難，恐有在檢查裝置不能取得必要的匹配性能之虞。
並且，在特徵點基準的樣板匹配中，例如有利用SIFT(Scale-Invariant Feature Transform)等的特徵量之方法等(參照非專利文獻2)被提案，但在此手法中，若樣板與被檢索畫像的外觀之背離大，則樣板與被檢索畫像的特徵向量(特徵描述符)的類似性會變差，對應點匹配不佳，會有匹配不安定的問題。
本發明是以在樣板匹配中，即使在樣板與被檢索畫像，畫像的外觀之背離大時，還是可輸出正確的匹配位置為目的。
為了解決上述課題，本發明不僅分別從樣板或被檢索畫像來個別抽出特徵量(以後稱為個別特徵量)比較，且從樣板及被檢索畫像的兩者求取的相互性的資訊(以後稱為相互性特徵量)也作為匹配成否的判定資訊使用。用以實現此之本發明的代表性者的概要是如其次般。
本發明之進行樣板匹配的檢查裝置，其特徵係具備：特徵領域抽出處理部，其係從樣板抽出依畫像內的座 標而定的特徵量；特徵量抽出處理部，其係從被檢索畫像抽出依畫像內的座標而定的特徵量；相互性的特徵量算出處理部，其係由從前述樣板抽出的特徵量、及從前述被檢索畫像抽出的特徵量、及前述樣板與被檢索畫像的相對位置來算出樣板與被檢索畫像的兩畫像的相互性的特徵量；及樣板匹配處理部，其係利用複數的前述相互性的特徵量來進行樣板與被檢索畫像的匹配。
並且，使用複數種類上述的相互性特徵量，且也使用複數種類個別特徵量，在藉由該等的特徵量來展開的特徵量空間中，以匹配對象的座標與區別匹配的成否的識別面的距離作為匹配評分，來自境界面的距離為0時將評分設為0(或設為評分的中央值)，若評分為正則設為匹配正確，若評分為負則設為匹配不正確(或，若評分的中央值以上則匹配正確，評分的中央值以下則不正確)。藉此，評分驗收是可經常將0(或評分中央值)設為固定值。
若根據本發明，則在樣板匹配中，即使在樣板與被檢索畫像，畫像的外觀之背離大時，還是可輸出正確的匹配位置。
A‧‧‧掃描型電子顯微鏡
14‧‧‧處理控制部
15‧‧‧畫像記憶體
16a‧‧‧匹配處理部
16a-1‧‧‧特徵量抽出部
16a-2‧‧‧相互性特徵量算出部
16a-3‧‧‧樣板匹配判定部
16a-4‧‧‧照合對象判定部
16a-5‧‧‧評分位置選出部
16a-6‧‧‧所屬等級判定部
16a-7‧‧‧記憶部
16a-8‧‧‧輸出部
20‧‧‧顯示裝置
圖1是表示進行本發明之一實施形態的樣板匹配的檢查裝置的例(SEM)圖。
圖2是表示本發明之一實施形態的樣板匹配處理部的一構成例的機能方塊圖。
圖3是表示本發明之一實施形態的樣板匹配裝置的一構成例的機能方塊圖，具有學習處理機能的裝置的一例圖。
圖4是表示對於外觀不同的複數個畫像(樣本ID：1~100)在匹配正確位置及匹配不正確位置的相關值(匹配的評分)的圖。
圖5是表示本實施形態的圖案匹配處理的一構成例的方塊圖。
圖6是說明算出本實施形態的匹配評分的處理的原理圖。
圖7是說明指定本實施形態的匹配成否判定境界面的手段的圖(a)，顯示其處理的概要的圖(b)。
圖8是表示算出本實施形態的判定指標值的處理的流程的圖。
圖9是說明第2類特徵量、第3類特徵用的圖。
圖10是說明第2類特徵量的算出領域的圖。
圖11是說明有關第3類特徵量的算出的圖。
圖12是說明本實施形態的判定指標值的例圖。
圖13A是表示本實施形態的特徵量的例圖。
圖13B是表示本實施形態的特徵量的例圖。
圖13C是表示本實施形態的特徵量的例圖。
圖13D是表示本實施形態的特徵量的例圖。
圖13E是表示本實施形態的特徵量的例圖。
圖13F是表示本實施形態的特徵量的例圖。
圖13G是表示本實施形態的特徵量的例圖。
圖14是說明本實施形態的學習資料的賦予手段的圖。
圖15是說明除了匹配成否判定境界面的學習以外，特徵量算出方法也學習的方法的圖。
圖16是說明以手動來指定本實施形態的匹配成否判定境界面的例圖。
圖17是說明確認本實施形態的匹配結果的安定性的手段的圖。
以下，一邊參照圖面，一邊詳細說明有關本發明的實施形態。另外，除特別情況外，否則在圖中說明號碼相同者是表示同一構件。
圖1是表示本發明之一實施形態的檢查裝置的適用例，主要使用在半導體晶圓上所形成的半導體裝置的圖案尺寸計測之掃描型電子顯微鏡(Scanning Electron Microscope：SEM)進行利用遮罩處理的樣板匹配時的裝置 的一構成例圖。在掃描型電子顯微鏡(SEM)A是使電子線自電子槍1產生。控制偏向器4及對物透鏡5，而使電子線能夠連結焦點來照射於平台2上所被設置的試料之例如半導體晶圓3上的任意的位置。自被照射電子線的半導體晶圓3放出2次電子，藉由2次電子檢測器6來檢測出。被檢測出的2次電子是在A/D變換機7被變換成數位訊號，儲存於處理．控制部14內的畫像記憶體15內，且以CPU16來進行對應於目的的畫像處理。本實施形態的樣板匹配處理是在處理．控制部14更詳細是在匹配處理部16a進行處理。在圖13後述的處理的設定及處理結果的顯示是在顯示裝置20進行。並且，在使用比電子顯微鏡更低倍的光學式相機之對準中是使用光學式相機11。在本相機11攝取半導體晶圓3而取得的訊號也是在A/D變換器12被變換成數位訊號(當來自光學式相機的訊號為數位訊號時，A/D變換器12是不需要)，儲存於處理．控制部14內的畫像記憶體15，且以CPU16來進行對應於目的的畫像處理。
並且，在具備反射電子檢測器8時，是藉由反射電子檢測器8來檢測出自半導體晶圓3放出的反射電子，所被檢測出的反射電子是在A/D變換器9或10被變換成數位訊號，儲存於處理．控制部14內的畫像記憶體15，在CPU16中進行對應於目的的畫像處理。在本實施形態是顯示掃描型電子顯微鏡作為檢查裝置的例子，但所適用的裝置並非限於此，亦可適用在取得畫像進行樣板匹 配處理的檢查裝置等。
圖2是表示本實施形態的檢查裝置的匹配處理部的一構成例的機能方塊圖，進行對應於圖5的處理之處理部的機能方塊圖。圖3是表示包含本實施形態的檢查裝置的樣板匹配處理的一流程的全體構成例的機能方塊圖，配合進行學習處理的構成來表示的圖。另外，學習處理與匹配處理是亦可為別的處理，或一部分共通的硬體構成或軟體構成，或該等的組合。
如圖2所示般，圖1所示的匹配處理部16a是具有：特徵量抽出部16a-1，其係抽出例如2個輸入的特徵量；相互性特徵量算出部16a-2，其係根據包含第1及第2特徵量的複數個特徵量來算出顯示該等的特徵量的關係之相互性特徵量；樣板匹配判定部16a-3，其係根據相互性特徵量及匹配成否判定境界面來進行樣板匹配的判定，在特徵量空間求取相互特徵量與匹配成否判定境界面的距離(評分)；照合對象判定部16a-4，其係判定照合對象是否殘留；評分位置選出部16a-5，其係選出例如距離(評分)成為最大的晶圓上的位置；所屬等級判定部16a-6，其係進行正確的等級或不正確的等級的判定； 記憶部16a-7，其係使被匹配之晶圓上的位置(x、y)等與匹配評分等對應而記憶；及輸出部16a-8，其係進行根據該等被記憶的值之顯示等的輸出。
而且，具有：與後述的學習處理關聯，自學習用取得的樣板畫像抽出特徵量之特徵領域抽出處理部16a-1a、及後述的學習處理部16a-2a。另外，匹配處理部16a是亦可具備圖2所示的全部要素(機能部)，或只具備一部分。
圖3是表示在本實施形態的檢查裝置的匹配處理部16a之處理的流程的流程圖。
如圖3所示般，本實施形態的處理是由：根據相互性特徵之判定指標值算出處理X、及根據學習處理之匹配成否判定境界面(識別境界面)的指定處理Y、及根據處理X和處理Y之樣板匹配處理的判定結果的導出處理所構成。
根據相互性特徵的判定指標值算出處理X是由預先登錄的樣板101及從在檢查裝置取得的被檢索畫像切出的畫像102(匹配候補位置的切出畫像)來求取使用在樣板匹配的判定指標值109之處理。
另外，有關在被檢索畫像內是否有檢索對象的圖案之判定處理、及求取匹配位置之手段的詳細是一邊參照圖6一邊在後面說明。本實施形態之一目的是例如在樣板101及被檢索畫像102的匹配正確位置，即使畫像的外觀的背離大時，還是可使圖案匹配成功，詳細是在圖3 的說明的後半敘述，利用使用樣板101及被檢索畫像102的兩畫像所求取的相互性特徵量108來求取進行特徵量基準的匹配之判定指標值109。藉此，例如，在使用只由樣板101或被檢索畫像102求取的個別特徵量之特徵量基準的匹配是可進行不易受因難處理的樣板101與被檢索畫像102的外觀不同所引起的不良影響之特徵量的匹配(或以難受不良影響的方式使用特徵量的匹配)，可使樣板匹配的健全性提升。
相互性特徵量108是利用：藉由特徵量抽出部16a-1的特徵量A抽出處理103來從樣板101抽出的特徵量A 105、及藉由特徵量抽出部16a-1的特徵量B抽出處理104來從來自被檢索畫像的切出畫像(匹配候補位置)102抽出的特徵量B 106，在相互性特徵量算出部16a-2藉由相互性特徵量算出處理107來求取。相互性特徵量的算出方法是單純的算出方法，例如原封不動地將樣板101及來自被檢索畫像的切出畫像102作為特徵量A105、特徵量B 106使用，可使兩畫像的正規化相關值作為相互性特徵量的一個使用。
例如，亦可求取來自2組的對應之資料x，y間的平均的偏差的乘積的平均值之共分散ρXY作為相互性特徵量。
ρXY=Cov(x，y)/(V(x))1/2．(V(y))1/2
求取的相互性特徵量108是作為在樣板匹配 判定部16a-3(匹配評分算出部)使用的判定指標值109的一部分或全部使用。另外，此相互性特徵量108是並非限於1個，亦可算出種類不同的複數個特徵量使用。另外，亦可原封不動地將從來自被檢索畫像的切出畫像102抽出的特徵量B106作為個別特徵量，使用在判定指標值109的一部分。此特徵量也不限於1個，亦可算出複數個種類不同的特徵量，作為個別特徵量使用。匹配評分判定處理部是亦可具有將距離0設為評分的中央值之中央值設定處理部，若匹配評分的中央值以下，則為匹配不正確，若評分的中央值以上，則為匹配正確。
另一方面，在學習處理部16a-2a中，可利用畫像102a-1及匹配成否資訊102a-2作為樣板101a及來自被檢索畫像的切出畫像(匹配成否資訊)102a。以下至求取判定指標值109a為止的處理Y是與處理X同樣，可使用同樣的算法來實行，或藉由相同的硬體來處理。亦可藉由別的構成來進行。
在處理Y是由判定指標值109a來進行匹配成否判定境界面的指定處理110。
在匹配成否判定境界面的指定處理110中，是在判定指標值空間指定區別匹配的成否之境界面，詳細後述。因為使用複數的判定指標值，且在其判定指標值中含有以樣板與被檢索畫像的相互性的關係為基礎求取的判定指標值109a，所以即使例如在畫像基準的匹配手法中只使用相關值時未能區別匹配成否的事例，就本實施形態 的手法而言，可求取能區別匹配的成否的匹配成否判定境界面的可能性高。利用學習處理部16a-2a的匹配成否判定境界面的指定處理110中所被指定的匹配成否判定境界面111及藉由相互性特徵量算出處理所求取的判定指標值109，來藉由樣板匹配判定部16a-3的樣板匹配判定處理112算出在判定指標值空間的判定指標值109之離匹配判定境界面的距離作為匹配的判定指標，以該距離作為判定結果(匹配評分等)113。有關此距離的算出方法的例子會在往後敘述。
可藉由以上來算出：算出匹配評分的對象(來自被檢索畫像的切出畫像102)的匹配評分等的匹配的判定指標。藉此，在也以樣板101與被檢索畫像102的相互性的關係作為特徵量的特徵量基準的樣板匹配中，可使用利用複數的前述相互性的特徵量來算出區別匹配的成否的識別境界面之學習結果，對於被檢索畫像的外觀的變動，不易受變動的影響的匹配處理成為可能。
圖5是利用參照圖3說明的樣板匹配處理來進行檢索處理的處理的流程的流程圖。以虛線所包圍的部位300是相當於在圖3所說明的處理，利用樣板101及從被檢索畫像切出的畫像102以及在學習處理中匹配成否判定境界面111來藉由樣板匹配判定處理112算出匹配判定結果(匹配評分)113。
從被檢索畫像301切出藉由與樣板照合的領域的畫像的切出處理302所切出後的畫像102，與樣板 101照合，經由樣板匹配判定處理112來輸出判定結果113。在照合對象的判定處理303中，判定是否在被檢索畫像的所有照合對象位置取得判定結果113。
尚殘留照合對象時，在切出位置變更處理304求取切出位置，且在與樣板照合的畫像的切出處理302切出畫像。在照合對象的判定處理303全部的照合對象完成判定時，進行某評分例如最大評分位置的選出處理305，求取匹配評分成為最大的位置。利用在匹配評分成為最大的照合位置的匹配評分，在所屬等級判定處理306判定匹配評分成為最大的照合位置是否為視為匹配正確的位置或視為匹配不正確的位置。
詳細後述，此處理是在判定指標值空間，匹配評分成為最大的照合位置的判定指標值109會以匹配成否判定境界面為基準，屬於匹配不正確側(不正確等級)時(成為評分驗收以下時)是判斷成在被檢索畫像的視野內無檢索對象的圖案。此情況會進行：在攝像位置周邊尋找對準用的圖案，或中斷計測而將對準失敗的情形以警報告知使用者等的處理(不正確等級)。
另一方面，匹配評分成為最大的照合位置的判定指標值109是以匹配成否判定境界面作為基準，屬於匹配正確側(正確等級)時(成為評分驗收以上時)是以該照合位置作為匹配位置307輸出。且亦可與匹配成否一起連匹配評分也輸出。藉由以上，可利用在圖3所說明之相互性特徵量來算出的樣板匹配結果，例如利用匹配評分來進 行樣板匹配。
圖6是針對在圖3所說明的匹配評分算出處理112來說明原理的圖。
本實施形態是在圖6(a)顯示使用判定指標值A及判定指標值B的2個判定指標值時的例子。匹配評分是在以判定指標值展開的判定指標值空間(本例是以2次元表示)，使用算出評分的對象的座標(判定指標值空間上的座標是由各判定指標值109來決定)與匹配成否判定境界面111的距離。匹配成否判定境界面111是像在圖3說明那樣，作為匹配成否判定境界面指定處理110的結果賦予。
例如，當算出評分的對象為圖中的△記號405時，至匹配成否判定境界面111的距離是成為虛線部410。距離是例如可使用歐幾里得距離。另外，所使用的距離並非限於歐幾里得距離，只要是可算出來自匹配成否判定境界面111的距離之手段即可。
圖6(b)是表示來自匹配成否判定境界面111的距離410與匹配評分411的關係圖。匹配評分411的取法是例如有：當來自匹配成否判定境界面111的距離為0時將匹配評分411設為0，成為正確位置的等級時是將評分設為正的值，成為不正確位置的等級時是設為負的值之方法。此時距離與評分的關係是可像在圖6(b)以直線412顯示那樣形成線形。
另外，在此是以線形為例進行說明，但關係 並非限於線形，亦可為非線形地使距離與評分對應。在本實施形態作為對象的檢查裝置中，如先前所述般以評分驗收來判斷匹配的成否。有關此評分驗收大多是被要求使用者或裝置設計者決定，也有隨其設定而匹配性能不同的情形。如先前所述般，當距離為0時，若將評分設為0的固定值，則驗收的設定變不需要。並且，在以往的匹配方式例如在利用正規化相關的匹配使用相關值的匹配中，相當於判定指標者是僅相關值的1個，該值本身成為評分。此情況，像圖6(a)那樣使用1個的值時，當匹配的正確及不正確未被區別時，無法設定適當的驗收評分。若根據本實施形態，則連如此的事例也可迴避。
另外，亦可不須將區別正確與不正確的驗收評分(acceptance score)限定為0，而設OFFSET值。並且在本實施形態是顯示使用判定指標值A及判定指標值B的2個判定指標值，以2次元來進行匹配成否判定的例子，但判定指標值並非限於2個，亦可使用比2個更多的判定指標值來進行成否判定。
圖7是說明有關在圖3所述的匹配成否判定境界面111的指定處理110的圖。匹配成否判定境界面111是在判定指標值空間中，以區別成為匹配正確的事例(在圖7(a)是以○記載)及成為匹配不正確的事例(在圖7(a)是以×記載)為目的設定。藉此，在圖6所說明的所屬等級判定處理306中，可以匹配成否判定境界面111為基準，判定在哪側有匹配結果，可知匹配結果為匹配正確位置或 匹配不正確位置。匹配成否判定境界面111是可藉由例如在SVM(Support Vector Machine)所被使用的手法來求取。
以下詳細說明。SVM是使用監督式學習(supervised learing)的識別手法之一。匹配成否判定境界面111是相當於在SVM的分離超平面(亦稱為識別面等)。在圖7(a)中，匹配成否判定境界面111會成為分離超平面，匹配成否判定境界面111的內側的虛線部501及匹配成否判定境界面111的外側的虛線部502會成為被稱為在SVM的界限(margin)者。並且將界限上的點稱為支持向量(Support Vector)(分別在成為匹配正確的事例及成為匹配不正確的事例至少有1個)。
SVM是以學習資料中位於與其他的事例最近的位置者(此為支持向量)作為基準，在其歐幾里得距離形成最大那樣的位置設定分離超平面。亦即，使從事例的最端到其他的事例的界限形成最大(界限最大化)。
藉由將本實施形態的匹配成否判定境界面111設為SVM的分離超平面，即使有複數的判定指標值時，還是可在特徵量空間將匹配正確的事例及匹配不正確的事例分離。亦即，將在本手法所求取的匹配成否判定境界面111使用於基準，而使匹配成否的判定成為可能。
圖7(b)是說明求取匹配成否判定境界面111的處理的構成圖。首先將在圖5說明的複數個判定指標值109a及匹配成否102-2的組合設為1個事例，準備包含複數個該事例的資料(學習資料)102a。使該學習資料102a含 有匹配正確的事例及匹配不正確的事例。其次，根據學習資料，如先前所述般利用SVM來求取SVM的分離超平面(111)，將求取的分離超平面設為匹配成否判定境界面111。
可藉由以上的處理，利用SVM來從複數的判定指標值求取匹配成否判定境界面111。另外，為了求取識別面(分離超平面)，不須限定於SVM，只要是求取分離匹配正確的事例及匹配不正確的事例之匹配成否判定境界面的手法即可。
圖8是說明有關在圖3及圖5所述的判定指標值算出手段的圖。如在圖3說明般，由樣板101及在匹配候補位置的切出畫像102來算出判定指標值109a。
其次，首先說明相互性特徵量的算出方法。利用在特徵量抽出部A103從樣板101抽出的特徵量(在此是設為特徵量A105)、及在特徵量抽出部B104從匹配候補位置的切出畫像102抽出的特徵量(在此是設為特徵量B106)，在相互性特徵量算出處理107求取特徵量D108。相互性特徵量的算出方法是在圖9說明。並且，在圖3說明的個別特徵量是利用在匹配候補位置的切出畫像102或樣板101，在特徵量抽出處理C605算出特徵量C608。個別特徵量的算出方法是在圖9說明。將求取的特徵量D108或特徵量C608設為判定指標值109a。另外，特徵量A105、特徵量B106、特徵量C608、特徵量D108是亦可分別使用複數種類。判定指標值109a也使用複數種 類。根據本構成，可由樣板101及在匹配候補位置的切出畫像102來求取複數種類相互性特徵量及個別特徵量，將該特徵量形成判定指標值109a。
圖9是說明有關在圖8所述的特徵量的圖。將特徵量依其性質來分類，稱為第1類特徵量、第2類特徵量、第3類特徵量。第1類特徵量是在算出特徵量的畫像中，不依畫像內的位置(座標)，由對象畫像或對象畫像的一部分的領域來定的特徵。例如，畫像全體的畫素值平均值、畫素值分散值等是成為第1類特徵量。本特徵量是相當於個別特徵量。第2類特徵量是依畫像內的位置(座標)而定的特徵量。例如圖9(a)所示般，在畫像上的座標(i，j)1402(在此是以畫像的左上作為畫像座標系的原點)，成為所被算出的特徵量Vi,j。在此，特徵量Vi,j是可作為多次元的向量顯示。如圖9(a)所示般，特徵量的向量Vi,j是將f1~fn設為向量要素(n是向量的要素數)。例如SIFT特徵量(非專利文獻2)是以在每個畫像上的某座標(每個特徵點)定的向量來表現特徵。SIFT特徵量是將特徵點周邊領域分割成複數的小領域(16領域)，生成以在各小領域的畫素值的梯度方向(8方向)作為bin的直方圖(histogram)，以該各直方圖的各bin作為向量要素(要素數是128個(16×8))之一的向量作為特徵量使用。本特徵量也是相當於個別特徵量。第3類特徵量是依據由樣板畫像算出的第2類特徵量及由被檢索畫像算出的同第2類特徵量以及兩畫像間的相對位置(例如兩畫像的照合位置)而定的特徵量。 相互性特徵量是成為第3類特徵量。利用第2類特徵來求取第3類特徵的方法(相互性特徵量算出方法)是在圖11、圖13詳細說明，例如圖9(b)所示般依據從樣板畫像及被檢索畫像切出的領域(虛線部)的相對位置1416而定的特徵量。
圖10是說明有關在圖9所述的第2類特徵量中，依畫像內的位置而定的特徵量的算出時的特徵量算出領域的圖。圖10(a)是由畫像內的某座標來求取特徵量的例子。以此座標的畫素值、畫素值梯度資訊等作為特徵量。因此，特徵量是依畫像內的座標而定。圖10(b)是由畫像內的某矩形領域來求取特徵量的例子。以此矩形領域的畫素值平均、畫素值分散、畫素值直方圖的各bin的值、或將矩形領域分成小領域而算出的畫素值梯度方向直方圖的各bin的值等作為特徵量。藉此，算出特徵量的注目座標周邊的特徵也可利用，藉由使用本特徵，可使匹配更健全。圖10(c)是由畫像內的圓形領域來求取特徵量的例子。與圖10(b)的矩形領域同樣，以此圓形領域的畫素值平均、畫素值分散、畫素值直方圖的各bin的值、或將圓形領域分成小領域來算出的畫素值梯度方向直方圖的各bin的值等作為特徵量。藉此，算出特徵量的注目座標周邊的特徵也可利用，藉由使用本特徵，可使匹配更健全。圖10(d)是求取畫像內的某任意形狀的領域的特徵量的例子。與此圖10(b)(c)的矩形領域、圓形領域同樣，亦可由此任意形狀的領域來算出特徵量。藉此，算出特徵量的注 目座標周邊的特徵也可利用，藉由使用本特徵，可使匹配更健全。
圖11是說明在圖9所述的第3類特徵量中，從第2類特徵量求取第3類特徵量的方法的圖。如先前所述般，第3類特徵量是根據樣板畫像的第2類特徵量、及被檢索畫像的同第2類特徵量的相對位置求取。
圖11(a)是從被檢索畫像1605切出與樣板畫像1601同大小的領域(虛線部)1610(切出位置(X，Y))1607，且從切出的領域算出第2類特徵量。從樣板畫像1601也算出同第2類特徵量。求取由此被檢索畫像1605算出的第2類特徵量與由樣板畫像1601算出的第2類特徵量的相互的關係者會成為相互性特徵量。例如，以顯示兩者的第2類特徵量之向量的距離的值作為相互性特徵量。距離是歐幾里得距離、曼哈頓距離、巴特查裡亞距離等可使兩特徵量間的關係定量化即可，並不限定。藉由以上，此相互性特徵量是成為依樣板畫像與被檢索畫像的相對位置而定的特徵量(在本例是被檢索畫像的畫像切出位置(X，Y)1607相當於相對位置)。
圖11(b)是說明以和圖11(a)的方法不同的方法來決定樣板畫像與被檢索畫像的相對位置的方法。本方法是使用投票基準手法作為用以在被檢索畫像上推定樣板畫像類似於哪個位置的手法之一的情況的投票值作為第3類特徵量的方法。分別在樣板畫像及被檢索畫像中算出第2類特徵量(在此的被檢索畫像的第2類特徵量的算出是以 畫像領域全體為對象)。在樣板畫像中將成為求取第2類特徵量時的位置的基準的點1631稱為基準點(例如在圖11(a)中於畫像座標系以左上作為原點O，以原點基準來決定第2類特徵量時，原點O會成為基準點)。選出兩畫像的第2類特徵量之中類似度最高的特徵量，予以設為一對記憶。以從樣板畫像的第2類特徵量的算出位置(座標)往基準點的距離及向量方向為基礎，對於與樣板畫像的第2類特徵量成一對的被檢索畫像側的第2類特徵量的算出位置(座標)求取相當於在樣板畫像求取的距離及向量方向的座標(推定在被檢索畫像之樣板畫像的基準點的位置的座標)。然後，對於求取的座標作為匹配位置候補座標來進行投票(對於一對的一個，投票1次)。對於所有一對(或具有某一定以上的類似度的所有一對)的組進行此投票處理。從被檢索畫像切出相當於樣板畫像的領域，作為匹配候補時，以該切出領域的基準點(例如切出領域的左上的座標)1641的投票數作為第3類特徵量。另外，雖顯示選擇各特徵點類似度最高者的例子，但亦可使用各特徵點類似度高的上位的數組(例如使用上位3組)。
藉由以上，可從第2類特徵量算出第3類特徵量。藉由利用相互性特徵量之第3類特徵量，可進行更健全的匹配。
圖12是說明在圖8所述的特徵量的具體的例子的圖。在圖8所說明的特徵量A105、特徵量B106、及特徵量C608(個別特徵量)是可使用同種類者。如圖12所 示般，特徵量A105、特徵量B106及特徵量C608的特徵量是例如可使用有關以畫像內的某指定的座標為基準的領域內的組織(texture)的特徵量702、或顯示照在畫像的圖案的構造的資訊之邊緣特徵量703等。有關組織的特徵量的例子是在後面說明，有使用直方圖特徵量707、對比(contrast)特徵量708、及灰度伴隨矩陣709者等。本特徵量是成為相當於在圖9所說明的第2類特徵量的特徵量。
另外，並非限於該等限定，只要是可抽出組織的資訊之手法、及特徵量即可。直方圖特徵707是以分別在樣板及被檢索畫像以畫像內的某指定的座標為基準來解析領域內的灰階值直方圖而取得的平均、分散、變形度、尖度等作為特徵量。對比特徵量708是以分別在樣板及被檢索畫像所被指定的領域的平均灰階值作為特徵量。前述所謂被指定的領域是使用例如在畫像中存在圖案(例如線圖案)的領域或不存在圖案的領域(底層領域)。或，亦可求取在樣板及被檢索畫像的各視野內指定的複數個領域間的對比差(畫像內的對比特徵)，以該值作為特徵量使用。又，亦有使用SIFT(非專利文獻2)等的手法來求取的特徵點資訊704等。邊緣特徵量703是有HOG(Histgrams of Oriented Gradients)等的特徵量。
另一方面，有關特徵量D(相互性特徵量720)是由以特徵量A105及特徵量B106求取的特徵量來相互性地算出。在圖13說明，例如若為直方圖特徵，則以解析分別從樣板及被檢索畫像求取的直方圖而取得的平均、 分散、變形度、尖度等的一致度(例如值的差分)作為特徵量。或，亦可以方別從樣板及被檢索畫像求取的直方圖的分布的形狀的相關值作為特徵量。又，若為對比資訊，則以分別由樣板及被檢索畫像求取的對比特徵的一致度(例如值的差分)作為特徵量。又，亦可以樣板及被檢索畫像本身的相關值作為特徵量。此時使用的畫像是可為輸入畫像本身，或事前進行雜訊除去處理、邊緣強調處理等的前處理之畫像。並且，由角落點資訊來求取相互性特徵量時，可使用分別在樣板及被檢索畫像所求取的角落點的一致的數量。或，以在SIFT所求取的特徵點為基礎時，亦可像非專利文獻2所示那樣以在對應點匹配的Voting數作為特徵量。本特徵量是相當於在圖9所說明的第3類特徵量。
在圖3、圖5所說明的樣板匹配是可使用以上那樣的複數的個別特徵量701、及相互性特徵量的一部分、或全部。
圖13是說明在圖12所述的特徵量的算出手段的一例圖。在圖8及圖12所述的特徵量A105、特徵量B106及特徵量C608也可使用其次所述的任一特徵量。
圖13A是說明直方圖特徵的圖。直方圖特徵是使用指定的領域內的灰階值直方圖的分布形狀或解析分布而取得的值作為特徵的手段。分別自樣板801及從被檢索畫像802切出的畫像803來求取直方圖804、805。特徵量可原封不動使用直方圖的分布形狀。例如將以直方圖 的各bin(資料範圍的分割區間)的頻率作為要素的向量設為特徵。或，亦可將分析分布的形狀而算出的平均、分散、變形度、尖度的一部分或全部設為特徵量。並且，灰階值直方圖亦可使用累積直方圖。
圖13B是說明對比特徵的圖。在自樣板811及被檢索畫像812切出的畫像813中，使用指定的領域內814、815的灰階值的平均值作為特徵量。另外，並非限於平均值，只要是使領域內的灰階值的資訊呈現的資訊即可，例如亦可為分散值、最大值、最小值等。
圖13C是有關對比特徵針對與圖13B不同的特徵量進行說明的圖。在樣板821中，分別在指定的複數的領域822及823求取灰階值的平均值的比(在畫像內的對比)，將該值設為特徵量。同樣，有關從被檢索畫像824切出的畫像825也是在指定的複數的領域826、及827將灰階值的平均值的比(在畫像內的對比)設為特徵量。在此是使用平均值，但並非限於此，只要是使領域內的灰階值的資訊顯現的資訊即可，例如亦可為分散值、最大值、最小值等。
以上述的圖13A~圖13C舉例說明的方法所取得的特徵量是可使用在先前所述的特徵量A105、特徵量B106、及特徵量C608的個別特徵量。又，其他，如在圖12所述般，有灰度伴隨矩陣709、邊緣特徵量703、SIFT特徵量704、Harr-like特徵量705、HLAC特徵量706等。但，並非限於該等的特徵量，只要是顯示由樣板 及被檢索畫像切出的畫像的特徵之值、或可求取向量者即可。
在圖8，圖12所說明的特徵量D720之相互性特徵量是可在比較由樣板畫像及從被檢索畫像所切出的畫像來求取的個別特徵量之下求取。
例如，在圖13A所求取的直方圖特徵量是將由樣板畫像及從被檢索畫像切出的畫像所求取的直方圖的分布形狀的相關值設為相互性特徵量。或，亦可將解析直方圖而取得的值之平均(或分散、變形度、尖度等)的差或比等設為相互性特徵量。有關在圖13B及圖13C所求取的對比的特徵量也可將由樣板畫像及被檢索畫像所求取的值的差或比設為相互性特徵量。又，可使用以下之類者作為相互性特徵量。
圖13D是說明線分佈特徵的圖。分別在樣板831及從被檢索畫像832切出的畫像833中，於畫像的一定的方向，將畫素予以加算平均(投影)而求取異次元的波形。予以稱為線分佈。在圖13D是各畫像皆於Y方向進行投影的例子，求取各畫像的線分佈834、835的相關值，可將該相關值設為相互性特徵量。另外，在線分佈取相關的範圍，並非限於線分佈全體，亦可使用僅線分佈的一部分切出的區間的相關值。
圖13E是表示以畫像本身的相關值作為相互性特徵量之例圖。在樣板841及從被檢索畫像842切出的畫像843中算出畫像間的相關值，以該相關值作為特徵 量。
圖13F是將SIFT的對應點匹配結果設為相互性特徵量的例子。若以分別在樣板851及被檢索畫像852抽出的特徵點(特徵描述符)來進行對應點匹配(例如以箭號連接者為對應點853)，則會在被檢索畫像852求取對應的特徵點的座標、標度及旋轉量(非專利文獻2)。在樣板851中，先定基準點座標(例如在樣板851的○的位置)，由剛才的座標、標度及旋轉量的資訊，像一般化霍夫變換(Generalized Hough Transform)那樣在被檢索畫像852的基準點的位置進行投票(Voting處理)(非專利文獻2)。特徵量是可設為樣板被投影於從被檢索畫像上切出的畫像的位置(或其周邊)之投票次數。又，亦可不是投票次數，而是其周邊的領域也考慮，投票的密集度(投票次數/周邊領域的面積)。又，亦可將對應點匹配取得的對應點的樣板的SIFT特徵量與在被檢索畫像的SIFT特徵量的相關值設為特徵量。
圖13G是取代圖13F的SIFT，而以Corner的對應點匹配結果作為相互性特徵量之例。若以分別在樣板861及從被檢索畫像862切出的畫像863所抽出的Corner作為特徵點來進行對應點匹配(例如以箭號所連接者為對應點)，則可求取在被檢索畫像862所對應的特徵點的座標、標度及旋轉量。
可用以上那樣的方法來求取相互性特徵量。另外，相互性特徵量的算出方法並非限於在此說明的方 法，只要是表現樣板與被檢索畫像的相互性的關係之特徵量(純量(scalar)值或向量等)即可。
另外，亦可對樣板及被檢索畫像進行前處理，生成雜訊減低或強調特徵的畫像，對於生成的畫像求取上述的特徵量(個別特徵量及相互性特徵量)。前處理例如有平滑化過濾(filtering)、邊緣強調過濾、2值化處理等的處理。並非限於在此所舉的處理，只要是可作為前處理使用的過濾處理者即可。並且，亦可對於樣板或被檢索畫像進行組合複數的前處理之處理，對於在該處理取得的畫像求取上述的特徵量(個別特徵量及相互性特徵量)。
藉由將以上的相互性特徵量及個別特徵量的複數個使用在判別指標值，即使對於以往那樣只靠個別特徵量而匹配的成否的判別失敗的事例也可在匹配的成否的判定成功。這是因為將樣板及被檢索畫像的相互性的關係的資訊也使用在判別指標值，可在判別指標值空間求取匹配成否判別境界面，而使樣板及被檢索畫像的相互性的關係的變化也能吸收。
圖14是詳細說明有關算出在圖7所說明的匹配成否判定境界面111時的學習資料的圖。圖14(a)是單純的學習資料的例子，在學習資料使用1個的樣板1001、及切出被檢索畫像的匹配正確位置的畫像1002、以及切出匹配不正確位置的畫像1003。在此，自被檢索畫像切出的畫像(正確位置及不正確位置)是從1張的畫像成為複數張時可使用複數張，或將複數的畫像使用在學習 時(樣板共通)，分別從具有複數學習用的畫像切出1張或複數張畫像。在增加切出的畫像的張數，使樣板與被檢索畫像的外觀不同的樣本更多之下，使判別圖7所說明的判別指標值空間的匹配成否判定境界面111的匹配正確位置及不正確位置的泛用性提升的可能性變高。
圖14(b)是表示使用複數種利用在學習資料的樣板1011時的例圖。在如此利用複數張的樣板1004之下，仰賴特定的樣板的圖案或外觀的程度低，亦即，可求取泛用性更高的匹配成否判定境界面。
圖15是說明在圖3中不僅學習匹配成否境界面，連在特徵量抽出部的特徵量抽出方法也藉由學習來決定的方法。在本例是顯示藉由基因算法(Genetic Algorithm)(以下稱為GA)或基因程式設計(Genetic Programming)(以下稱為GP)來學習特徵量抽出方法的例子。特徵量抽出是以複數的畫像處理的組合來構成。並且各畫像處理是有持複數的設定參數的情況。利用GA或GP來學習此畫像處理的組合及各處理的設定參數。將用以算出判定指標值的畫像處理的組合(亦包含參數設定)設為染色體(解的候補)。圖15(a)是表示將GA或GP使用在學習時的處理流程。首先，進行複數的處理特徵量抽出處理(初期染色體群)的生成1701。其次對於個體群進行後述的學習終了判定用的評價1702。評價的結果，若學習終了1703，則決定特徵量抽出方法及匹配成否判定境界面。當不被判斷成學習終了判定的終了時，進行染色體的選擇1704、交叉 1705、突變1706。對於該結果取得的染色體群再度進行學習終了判定用的評價1702。至學習終了為止，重複進行本處理(世代更新)。圖15(b)是詳細顯示圖15(a)的評價部的圖。如先前所述般，染色體1721是算出判定指標值1728的處理的組合(由一個染色體算出複數的判定指標值)。染色體(解的候補)1721是生成複數個(例如生成100個)。以在各染色體(特徵量抽出處理)求取的判定指標值為基礎，進行匹配成否判定境界面的算出處理1723。在此是藉由先前所述的SVM來算出匹配成否判定境界面。此時，評價值1724可例如使用從SVM的匹配境界面到支持向量的距離(評分)作為評價值。以此評價值是否符合所被指定的值來進行學習的終了判定1725(例如距離是否比被指定的值更大)。學習終了時的染色體會成為特徵量抽出方法(畫像處理的組合、及各畫像處理的參數設定)，且一併連匹配成否判定境界面也決定。當學習未終了時，繼續學習，再度進行在圖15(a)所示的選擇1704、交叉1705、突變1706的處理(世代交替)。另外，在此評價值是使用距離，但只要是可判斷匹配成否判定境界面的良否之評價值，並不限於距離。
如以上般，在組合使用GA(或GP)及SVM之下，不僅匹配成否判定境界面，連特徵量抽出處理方法也可學習。另外，使用在學習的手法，並非限於GA(或GP)、SVM，只要是如此的學習可能的方法即可。
圖16是用以實現匹配成否判定境界面111的 手動設定之GUI的一例圖。匹配成否判定境界面111是如先前說明般，例如可使用SVM等的手法來求取，但就圖16所示的例子而言是說明有關使用者以手動來指定匹配成否判定境界面111的手段。圖16(a)是表示GUI之使用者設定的例圖。在圖16(a)所示的GUI是將判定指標值空間例如顯示於LCD畫面等的顯示裝置20。在圖16(a)是以判定指標值A1103、判定指標值B1104的2個判定指標值作為縱軸及橫軸的圖表例，但在使用3個以上的複數個判定指標值時，亦可藉由切換顯示於軸的指標值來顯示。在本GUI，以滑鼠等來選擇境界面描繪按鍵1102，開始接受匹配判定境界面1101的使用者輸入。其次在GUI上的判定指標值空間，使用者藉由滑鼠輸入等來以手動描繪判定境界面1101。可藉由使用者指定來使用使用者所描繪的匹配判定境界面作為在圖3所述的匹配成否判定境界面111。
另外，GUI並非限於圖16所示那樣的格式，只要使用者能以手動指定匹配成否判定境界面111，亦可使用周知的技術。
圖16(b)、(c)是表示GUI顯示的判定指標值空間的一例圖。圖16(b)是以直線來拉匹配成否判定境界面111的例子，圖16(c)是以曲線來拉匹配成否判定境界面111的例圖。另外，在圖表上，以記號○或記號×來表示的繪圖為學習資料的判定指標值，1個記號是成為由一組的樣板及從被檢索畫像切出的畫像所求取的判定指標 值。在此是○為匹配正確時的值，×為匹配不正確時的值。此記號○，記號×的分布是可作為使用者以手動操作來指定匹配成否判定指標值1103、1104時的參考資料顯示。另外，在此，記號是使用○×，但並非限於此，只要可區別匹配正確、不正確者即可。藉由以上，可提供一種即使在具有複數的匹配成否判定指標值時也可以手動來輸入匹配成否判定指標值1103、1104的手段。
圖17是說明用以在以判定指標值展開的判定指標值空間確認匹配結果的安定性之GUI的例圖。圖17(a)是2次元的判定指標值空間的例子。在GUI是顯示：在以判定指標值A1203及判定指標值B1204展開的判定指標值空間，匹配成否判定境界面1201、及以由匹配取得照合位置(匹配結果)時的樣板及從被檢索畫像切出的畫像所求取的判定指標值為基礎在匹配結果的判定指標值空間的位置1202。藉由此圖所示的GUI，可圖形性地(graphical)確認匹配結果離匹配成否判定境界面1201怎樣程度的影像(image)。可確認若匹配結果接近匹配成否判定境界面1201，則判定指標值稍微不同，匹配正確/不正確便會不同，恐有匹配形成不安定之虞。
另一方面，可確認只要匹配結果離開匹配成否判定境界面1201，匹配安定的可能性高。
圖17(b)是與圖17(a)同樣，表示確認匹配結果的安定性之GUI的例圖，但可以3次元圖表來圖形性地確認以3個的判定指標值所展開的判定指標值空間。可 與圖17(a)同樣地表示匹配成否判定境界面1205、匹配結果的位置1202。
另外，匹配成否判定境界面1205是位於境界面內的資料也可藉由透過顯示來確認。並且，可藉由視點的移動按鍵1206、1207等，從表側、背側等的任意的視點來確認判定指標值空間內的學習資料、匹配成否判定境界面、及匹配結果的位置。
圖17(c)是與圖17(a)、(b)同樣，確認匹配結果的安定性之GUI，進行使以複數的判定指標值展開的判定指標值空間對應在以任意的2個判定指標值展開的判定指標值空間投影匹配判定境界面者1214的全部或一部分而排列的顯示1211。圖17(c)是判定指標值為A，B，C，D(1212、1213)的4個時的例子，例如可針對任意的對應關係來看在由A及B所取得的判定指標值空間投影匹配判定境界面者1214。藉由以上，可提供確認匹配結果的安定性之GUI。另外，在此GUI之顯示構件的配置、大小、項目並非限於圖示者，只要是可確認判定指標值空間的學習資料、匹配成否判定境界面、匹配結果的位置的關係之顯示方法即可。
在上述的實施形態中，有關在附圖所示的構成等是並非限於該等，亦可在發揮本發明的效果的範圍內適當變更。其他，可在不脫離本發明的目的的範圍中適當變更實施。
並且，本發明的各構成要素是可任意地取捨 選擇，具備取捨選擇後的構成之發明也為本發明所包含。
[產業上的利用可能性]
本發明是可利用在圖案匹配裝置。

Claims (10)

  1. 一種匹配處理裝置，係對於被檢索畫像進行圖案匹配的匹配處理裝置，其特徵為具備：特徵領域抽出處理部，其係抽出從學習用取得的樣板畫像抽出依畫像內的座標而定的特徵量之領域；特徵量抽出處理部，其係從學習用取得的被檢索畫像抽出依畫像內的座標而定的特徵量；第1相互性特徵量算出處理部，其係由：從前述樣板畫像抽出的特徵量及從前述被檢索畫像抽出的特徵量、及前述樣板畫像與前述被檢索畫像的相對位置，來算出樣板畫像與被檢索畫像的第1相互性的特徵量；識別境界面算出部，其係利用在特徵量抽出運算不同的複數個前述特徵量抽出處理部抽出的畫像內的同座標由特徵量的值不同的特徵量所算出的複數個前述第1相互性的特徵量來算出區別匹配的成否之識別境界面；第2相互性特徵量算出處理部，其係由從檢查對象取得的樣板畫像及被檢索畫像來算出第2相互性的特徵量；及樣板匹配處理部，其係利用在畫像內的同座標由特徵量的值不同的特徵量所算出的複數個前述第2相互性的特徵量及前述識別境界面來進行檢查對象的樣板畫像與被檢索畫像的匹配。
  2. 如申請專利範圍第1項之匹配處理裝置，其中，前述樣板匹配處理部係具備：在由複數的特徵量所構成的特 徵量空間中，以來自前述識別境界面的距離作為匹配評分而算出之匹配評分算出處理部。
  3. 如申請專利範圍第2項之匹配處理裝置，其中，前述匹配評分算出處理部係具有：將距離0設為評分的中央值之中央值設定處理部，若匹配評分的中央值以下，則為匹配不正確，若評分的中央值以上，則為匹配正確。
  4. 如申請專利範圍第1或2項之匹配處理裝置，其中，在前述第2相互性的特徵量算出部中，以樣板與被檢索畫像的正規化相關值、及在從樣板抽出的特徵點群與從被檢索畫像抽出的特徵點類似的特徵點的座標的一致度、及從樣板求取的灰階值直方圖與從被檢索畫像求取的灰階值直方圖的一致度之中的至少任一個為特徵量。
  5. 如申請專利範圍第1~3項中的任一項所記載之匹配處理裝置，其中，具備匹配成否判定境界面指定處理部，其係輸入前述第1相互性的特徵量、及從樣板抽出的特徵量、及從被檢索畫像抽出的特徵量之中的至少任一個、及事前取得的樣板與被檢索畫像的匹配成否結果，求取前述匹配判定境界面。
  6. 如申請專利範圍第5項之匹配處理裝置，其中，使匹配對象的特徵量及前述識別境界面GUI顯示，且按照前述匹配對象的特徵量，以使界限最大化的方式進行求取可判定匹配處理的成否之前述識別境界面的處理。
  7. 一種檢查裝置，其特徵係藉由如申請專利範圍第1 ~6項中的任一項所記載之匹配處理裝置來進行圖案匹配。
  8. 一種匹配處理方法，係對於被檢索畫像進行圖案匹配的匹配處理方法，其特徵係具備：特徵領域抽出步驟，其係抽出從學習用取得的樣板畫像抽出特徵量的領域；特徵量抽出步驟，其係從學習用取得的被檢索畫像抽出特徵量；第1相互性特徵量算出步驟，其係由從前述樣板畫像抽出的特徵量及從前述被檢索畫像抽出的特徵量來算出樣板畫像與被檢索畫像的第1相互性的特徵量；識別境界面算出步驟，其係利用複數的前述第1相互性的特徵量來算出區別匹配的成否的識別境界面；第2相互性特徵量算出步驟，其係由從檢查對象取得的樣板畫像及被檢索畫像來算出第2相互性的特徵量；及樣板匹配步驟，其係利用前述第2相互性的特徵量及前述識別境界面來進行檢查對象的樣板畫像與被檢索畫像的匹配。
  9. 一種記錄媒體，其特徵係記錄用以使如申請專利範圍第8項所記載的匹配處理方法實行於電腦的程式。
  10. 一種匹配處理裝置，係對於被檢索畫像進行圖案匹配的匹配處理裝置，其特徵為具備：特徵領域抽出處理部，其係抽出從樣板畫像抽出依畫像內的座標而定的特徵量之領域； 特徵量抽出處理部，其係從被檢索畫像抽出依畫像內的座標而定的特徵量；相互性特徵量算出處理部，其係由：從前述樣板畫像抽出的特徵量及從前述被檢索畫像抽出的特徵量、及前述樣板畫像與前述被檢索畫像的相對位置，來算出樣板畫像與被檢索畫像的相互性的特徵量；及樣板匹配處理部，其係利用：在特徵量抽出運算不同的複數個前述特徵量抽出處理部抽出的畫像內的同座標由特徵量的值不同的特徵量所算出的複數個前述相互性的特徵量、及事前設定之區別匹配的成否的識別境界面，來進行檢查對象的樣板畫像與被檢索畫像的匹配。
TW102120127A 2012-07-27 2013-06-06 A matching processing device, a matching processing method and an inspection device using the same TWI579775B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2012167363A JP5941782B2 (ja) 2012-07-27 2012-07-27 マッチング処理装置、マッチング処理方法、及びそれを用いた検査装置

Publications (2)

Publication Number Publication Date
TW201415379A TW201415379A (zh) 2014-04-16
TWI579775B true TWI579775B (zh) 2017-04-21

Family

ID=49997151

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102120127A TWI579775B (zh) 2012-07-27 2013-06-06 A matching processing device, a matching processing method and an inspection device using the same

Country Status (5)

Country Link
US (1) US9619727B2 (zh)
JP (1) JP5941782B2 (zh)
KR (1) KR101701069B1 (zh)
TW (1) TWI579775B (zh)
WO (1) WO2014017337A1 (zh)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6063315B2 (ja) * 2013-03-26 2017-01-18 富士フイルム株式会社 真贋判定システム，特徴点登録装置およびその動作制御方法，ならびに照合判定装置およびその動作制御方法
JP6403196B2 (ja) * 2014-11-07 2018-10-10 日本電子株式会社 画像評価方法および荷電粒子ビーム装置
JP6454533B2 (ja) * 2014-12-15 2019-01-16 株式会社日立ハイテクノロジーズ 荷電粒子線装置
US11669953B2 (en) 2015-01-30 2023-06-06 Hitachi High-Tech Corporation Pattern matching device and computer program for pattern matching
JP6511986B2 (ja) 2015-06-26 2019-05-15 富士通株式会社 プログラム生成装置、プログラム生成方法および生成プログラム
US10373379B2 (en) 2015-08-20 2019-08-06 Disney Enterprises, Inc. Deformable-surface tracking based augmented reality image generation
TWI578240B (zh) * 2015-12-01 2017-04-11 財團法人工業技術研究院 特徵描述方法及應用其之特徵描述器
JP2017211765A (ja) * 2016-05-24 2017-11-30 アイシン精機株式会社 物体認識装置
US10424045B2 (en) * 2017-06-21 2019-09-24 International Business Machines Corporation Machine learning model for automatic image registration quality assessment and correction
US10417737B2 (en) * 2017-06-21 2019-09-17 International Business Machines Corporation Machine learning model for automatic image registration quality assessment and correction
KR102041310B1 (ko) * 2017-08-02 2019-11-07 세메스 주식회사 기판 처리 장치 및 기판의 안착 상태 판단 방법
JP6898211B2 (ja) * 2017-11-27 2021-07-07 浜松ホトニクス株式会社 光計測方法、光計測装置、光計測プログラム、及び光計測プログラムを記録する記録媒体
CN111417860B (zh) * 2017-11-27 2023-04-07 浜松光子学株式会社 解析方法、解析装置、解析程序以及记录解析程序的存储介质
KR102219890B1 (ko) * 2018-02-28 2021-02-24 서울대학교산학협력단 딥러닝을 이용한 의료영상의 공간 정규화 장치 및 그 방법
WO2019168310A1 (ko) * 2018-02-28 2019-09-06 서울대학교산학협력단 딥러닝을 이용한 의료영상의 공간 정규화 장치 및 그 방법
JP6844564B2 (ja) * 2018-03-14 2021-03-17 オムロン株式会社 検査システム、識別システム、及び学習データ生成装置
TWI722562B (zh) * 2018-09-24 2021-03-21 荷蘭商Ａｓｍｌ荷蘭公司 自圖案化製程之圖案組判定候選圖案的方法
CN110969661B (zh) * 2018-09-30 2023-11-17 上海微电子装备（集团）股份有限公司 图像处理装置及方法、位置标定系统及方法
CN109724988B (zh) * 2019-02-01 2021-05-18 佛山市南海区广工大数控装备协同创新研究院 一种基于多模板匹配的pcb板缺陷定位方法
WO2020201880A1 (ja) * 2019-04-02 2020-10-08 株式会社半導体エネルギー研究所 検査装置及び検査方法
JP7298333B2 (ja) * 2019-06-25 2023-06-27 オムロン株式会社 外観検査管理システム、外観検査管理装置、外観検査管理方法及びプログラム
US11244440B2 (en) * 2019-08-30 2022-02-08 Intel Corporation Ranking of objects with noisy measurements
CN110704559B (zh) * 2019-09-09 2021-04-16 武汉大学 一种多尺度矢量面数据匹配方法
JP7449111B2 (ja) * 2020-02-18 2024-03-13 キヤノン株式会社 検査装置、検査方法
CN111695621B (zh) * 2020-06-09 2023-05-05 杭州印鸽科技有限公司 一种基于深度学习的检测定制物品与订单匹配的方法
CN114202578A (zh) * 2020-09-18 2022-03-18 长鑫存储技术有限公司 一种晶圆的对准方法和装置
KR102510581B1 (ko) * 2022-09-06 2023-03-16 주식회사 포스로직 쉐이프 어레이 매칭 방법 및 이러한 방법을 수행하는 장치

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW490591B (en) * 1999-08-26 2002-06-11 Nanogeometry Res Pattern inspection apparatus, pattern inspection method, and recording medium
US6627888B2 (en) * 2000-02-29 2003-09-30 Hitachi, Ltd. Scanning electron microscope
US7026615B2 (en) * 2001-04-27 2006-04-11 Hitachi, Ltd. Semiconductor inspection system
US20070223803A1 (en) * 2006-03-22 2007-09-27 Hitachi High-Technologies Corporation Pattern matching method and pattern matching program
TW201024716A (en) * 2008-10-16 2010-07-01 Topcon Corp Wafer pattern inspection apparatus
TWI356894B (en) * 2006-07-10 2012-01-21 Tokyo Electron Ltd System for examining a patterned structure formed

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05101186A (ja) * 1991-10-08 1993-04-23 Sumitomo Cement Co Ltd 光学的パターン識別方法
JP3303253B2 (ja) * 1995-11-14 2002-07-15 三井造船株式会社 パターンマッチング方法および装置
US6647139B1 (en) 1999-02-18 2003-11-11 Matsushita Electric Industrial Co., Ltd. Method of object recognition, apparatus of the same and recording medium therefor
JP2001014465A (ja) * 1999-06-29 2001-01-19 Matsushita Electric Ind Co Ltd 物体認識方法及び物体認識装置
EP1049030A1 (en) * 1999-04-28 2000-11-02 SER Systeme AG Produkte und Anwendungen der Datenverarbeitung Classification method and apparatus
JP2003076976A (ja) * 2001-08-31 2003-03-14 Mitsui Eng & Shipbuild Co Ltd パターンマッチング方法
JP2006293528A (ja) * 2005-04-07 2006-10-26 Sharp Corp 学習用画像選択方法および装置、画像処理アルゴリズム生成方法および装置、プログラムならびに記録媒体
JP2006292615A (ja) * 2005-04-13 2006-10-26 Sharp Corp 外観検査装置、外観検査方法、コンピュータを外観検査装置として機能させるためのプログラムおよび記録媒体
JP4814116B2 (ja) * 2007-01-29 2011-11-16 三菱重工業株式会社 実装基板外観検査方法
US8194938B2 (en) 2009-06-02 2012-06-05 George Mason Intellectual Properties, Inc. Face authentication using recognition-by-parts, boosting, and transduction
JP5671928B2 (ja) * 2010-10-12 2015-02-18 ソニー株式会社 学習装置、学習方法、識別装置、識別方法、およびプログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW490591B (en) * 1999-08-26 2002-06-11 Nanogeometry Res Pattern inspection apparatus, pattern inspection method, and recording medium
US6627888B2 (en) * 2000-02-29 2003-09-30 Hitachi, Ltd. Scanning electron microscope
US7026615B2 (en) * 2001-04-27 2006-04-11 Hitachi, Ltd. Semiconductor inspection system
US20070223803A1 (en) * 2006-03-22 2007-09-27 Hitachi High-Technologies Corporation Pattern matching method and pattern matching program
TWI356894B (en) * 2006-07-10 2012-01-21 Tokyo Electron Ltd System for examining a patterned structure formed
TW201024716A (en) * 2008-10-16 2010-07-01 Topcon Corp Wafer pattern inspection apparatus

Also Published As

Publication number Publication date
WO2014017337A8 (ja) 2014-05-22
US20150199583A1 (en) 2015-07-16
KR101701069B1 (ko) 2017-02-13
JP2014026521A (ja) 2014-02-06
KR20150036230A (ko) 2015-04-07
JP5941782B2 (ja) 2016-06-29
TW201415379A (zh) 2014-04-16
US9619727B2 (en) 2017-04-11
WO2014017337A1 (ja) 2014-01-30

Similar Documents

Publication Publication Date Title
TWI579775B (zh) A matching processing device, a matching processing method and an inspection device using the same
JP6061713B2 (ja) 検査装置、検査方法及びプログラム
JP5546317B2 (ja) 外観検査装置、外観検査用識別器の生成装置及び外観検査用識別器生成方法ならびに外観検査用識別器生成用コンピュータプログラム
US10318805B2 (en) Pattern matching method and apparatus
KR102028563B1 (ko) 영상 처리를 이용한 발 사이즈 및 모양 측정 방법
KR102084535B1 (ko) 결함 검사 장치, 결함 검사 방법
JP2019061484A (ja) 画像処理装置及びその制御方法及びプログラム
JP5342606B2 (ja) 欠陥分類方法及びその装置
WO2020152925A1 (ja) 画像評価装置及び方法
US10074551B2 (en) Position detection apparatus, position detection method, information processing program, and storage medium
CN115100104A (zh) 玻璃油墨区的缺陷检测方法、装置、设备及可读存储介质
CN110288040B (zh) 一种基于拓扑验证的图像相似评判方法及设备
JP4704310B2 (ja) 画像処理方法、画像処理装置、画像処理プログラムおよび画像処理プログラムを記録する記録媒体
CN115953399B (zh) 基于轮廓特征与svdd的工业部件结构性缺陷检测方法
CN111199533B (zh) 图像处理装置
JP2020181582A (ja) テンプレートマッチングを用いた検査装置および検査方法
JP6890849B2 (ja) 情報処理システム
US20230147924A1 (en) Image processing system, imaging system, image processing method, and non-transitory computer-readable medium
JP5592414B2 (ja) テンプレート評価装置、顕微鏡装置及びプログラム
JP5845139B2 (ja) 図形検出処理装置、図形検出処理方法及び図形検出処理プログラム
JP2011170554A (ja) 物体認識装置、物体認識方法及び物体認識プログラム
US20230194253A1 (en) Pattern Inspection/Measurement Device, and Pattern Inspection/Measurement Program
JP2014095961A (ja) 画像分析支援装置及び方法
Clausing et al. Digitized locksmith forensics: automated detection and segmentation of toolmarks on highly structured surfaces
CN118072048A (zh) 模板图像匹配方法、装置、计算机设备、存储介质及产品