WO2006073155A1

WO2006073155A1 - パターン欠陥検査のための装置、その方法及びそのプログラムを記録したコンピュータ読取り可能な記録媒体

Info

Publication number: WO2006073155A1
Application number: PCT/JP2006/300034
Authority: WO
Inventors: Hiroyoshi Miyano
Original assignee: Nec Corporation
Priority date: 2005-01-05
Filing date: 2006-01-05
Publication date: 2006-07-13
Also published as: JP5146797B2; US20100002930A1; JPWO2006073155A1; US8391588B2

Description

明細書

パターン欠陥検査のための装置、その方法及びそのプログラムを記録したコンピュータ読取り可能な記録媒体

技術分野

[0001] 本発明はパターン欠陥検査のための装置、その方法及びそのプログラムを記録したコンピュータ読取り可能な記録媒体に関し、特に撮像時の歪みの影響を受けにくいパターン欠陥検査のための装置、その方法及びそのプログラムを記録したコンビュータ読取り可能な記録媒体に関する。

背景技術

[0002] レティクル、フォトマスクと、つた半導体集積回路に用いられるマスクのパターン検查は、近年のパターンの微細化要請に伴って、よりいつそうの高度な精度が求められている。

[0003] 一般に、パターン検査は、マスクにレーザー光や荷電粒子ビームを照射することで採取される観測画像と、対応する箇所の設計データから計算によって作成される参照画像を作成し、観測画像と参照画像を比較して一致してヽなヽ箇所を見つけることで行われる。

[0004] 高精度な欠陥検査を実現するためには、欠陥ではな!/、箇所では観測画像上のパターンとそれに対応した参照画像上のパターンが正確に一致している必要がある。

[0005] 実際には観測画像の採取時にはステージ移動の速度むらや光学系の問題によつて、多少の歪みが発生する。

[0006] 光学系の問題とは、例えばビームを音響光学素子 (AOD)等を用いて振りその透過光の光量を測定することによって画像採取する光学系では、 AODの影響によって歪みが発生するし、その歪み具合は時間とともに蓄熱などの影響で変化し得る。また、レンズの周辺部と中央部での歪みによって採取画像に歪みが発生する可能性もあるし、その歪み具合は時間とともに蓄熱などの影響で変化し得る。さらに、例えばレチイタルに多少のそりがある場合に対応するためにオートフォーカスが利用したりすると、焦点距離が変動することになるが、その変動に応じて歪み具合が変化する。 [0007] 近年のようにパターンの微細化が進んでいる状況では、これまでは問題とはならず考慮していな力つた、上記の歪みが無視できなくなつてきており、歪みの補整が必要不可欠になっている。

[0008] 観測画像採取時の歪みを補整する方式として、特許文献 1や特許文献 2では、ステージ移動量をセンサで測定し、その移動量の値を利用して参照画像を補整する方式を示している。

特許文献 1 :特開 2003— 121984号公報

特許文献 2 :特開 2003— 090717号公報

特許文献 3：特開平 10— 325806号公報

特許文献 4 :特開平 11 211671号公報

特許文献 5：特開 2000 - 348177号公報

非特許文献 1 :リチャード'ォー 'デューダ (Richard O. Duda)他著、尾上守夫監訳、 "パターン識別（第 2刷）"、新技術コミュニケーションズ、 2003年、 111〜113頁非特許文献 2 :リチャード'ォー 'デューダ (Richard O. Duda)他著、尾上守夫監訳、 "パターン識別（第 2刷）"、新技術コミュニケーションズ、 2003年、 120〜125頁発明の開示

発明が解決しょうとする課題

[0009] 従来技術での問題点は、ステージ移動をセンサで測定して補整する方式であるため、ステージ移動量を測定する特別なセンサが必要であるし、ステージ移動によって発生する歪みしか対象にできず、任意の画像採取系で適用できないし、ステージ移動以外の光学系に起因する歪みを補整することもできな、ことにある。

[0010] また、特許文献 5に記載の発明は、補正テーブル作成を検査対象マスクとは別のマスクを用、て行うので、マスクが変化した時の経時変化に弱い。

[0011] 本発明の目的は、採取画像と参照画像の画像情報のみ利用して画像採取歪みを補正して高精度な欠陥検査を実現することにある。

課題を解決するための手段

[0012] 本発明の欠陥検査装置では、観測画像と参照画像のペアから歪みの傾向を少数のパラメータで表現し、検査する時に観測画像と参照画像のペアから前記少数パラメータを推定して歪みを算出し、前記歪みを補正することで解決する。

[0013] 本発明によれば、設計情報力求まる参照画像と観測画像を比較して歪み量を推定する歪み量計算部と、前記歪み量を用いて前記参照画像をひずませた歪み画像を作成する歪み画像作成部と、記歪み画像と観測画像を比較してパターンの欠陥を識別する識別部を備えることを特徴とするパターン欠陥検査装置が提供される。

[0014] また、本発明によれば、観測画像と設計情報力も求まる参照画像を比較して歪み量を推定する歪み量計算部と、観測画像をひずませた歪み画像を作成する歪み画像作成部と、前記歪み画像と設計情報力求まる参照画像を比較してパターンの欠陥を識別する識別部を備えることを特徴とするパターン欠陥検査装置が提供される。

[0015] 更に、本発明によれば、観測画像と別の観測画像を比較して歪み量を推定する歪み量計算部と、観測画像をひずませた歪み画像を作成する歪み画像作成部と、前記歪み画像と前記別の観測画像を比較してパターンの欠陥を識別する識別部を備えることを特徴とするパターン欠陥検査装置が提供される。

[0016] 上記のパターン欠陥検査装置において、前記歪み量の推定が各画像の検査ごとに行われるようにしてもよ、。

[0017] 上記のパターン欠陥検査装置において、前記歪み量の推定が予め定められた時間毎に行われるようにしてもよ、。

[0018] 上記のパターン欠陥検査装置において、前記観測画像が加工済パターンをレーザ一光や荷電粒子ビーム等で走査して得られる画像であるようにしてもょ、。

[0019] 上記のパターン欠陥検査装置において、前記参照画像が前記設計情報に含まれるパターン情報に観測画像取得時の光学系の影響を考慮して求められるようにしてちょい。

[0020] 上記のパターン欠陥検査装置にお!、て、前記歪みを少な!/、次元で表現するようにしてちよい。

[0021] 上記のパターン欠陥検査装置において、前記歪み画像計算部として、線形補間や双 3次補間などの補間処理を利用するようにしてもょ、。

[0022] 上記のパターン欠陥検査装置において、前記歪み画像計算部として、テーラ一展開による近似計算を利用するようにしてもょヽ。 [0023] 上記のパターン欠陥検査装置において、前記歪みを複数の正規分布で表現するようにしてもよい。

[0024] 上記のパターン欠陥検査装置において、前記歪みを複数の正弦波で表現するようにしてもよい。

[0025] 上記のパターン欠陥検査装置にお!、て、前記歪みを複数の単項式ある、は多項式で表現するようにしてもょ、。

[0026] 上記のパターン欠陥検査装置において、前記歪みを事前に得られた多数の歪みデータ力平均値を求め前記平均値を利用して表現するようにしてもよい。

[0027] 上記のパターン欠陥検査装置において、前記歪みを事前に得られた多数の歪みデータ力共分散行列を求め、前記共分散行列に対して主成分分析を行った結果を利用して表現するようにしてもょ、。

[0028] 上記のパターン欠陥検査装置において、前記共分散行列の推定に EMァルゴリズムを利用するようにしてもょ、。

[0029] 上記のパターン欠陥検査装置において、前記歪み量推定部に観測画像と参照画像の画素値差分の 2乗和を最小化する手法を用いるようにしてもょ、。

[0030] 上記のパターン欠陥検査装置において、前記歪み量推定部に観測画像と参照画像の画素値差分の 2乗和と、歪み量の値を引数とする関数値の和の合計を最小化する手法を用いるようにしてもょ、。

[0031] 上記のパターン欠陥検査装置において、前記歪み量推定部で求めた歪み量と事前に記憶されて、る歪み量を比較して十分違、が大き、ならば異常であると判定するようにしてちょい。

[0032] 上記のパターン欠陥検査装置において、前記歪み量推定部で推定する際に参照画像又は観測画像の内容に応じて推定する次元を可変に設定するようにしてもよい発明の効果

[0033] 本発明の第 1の効果は、画像採取の方式に依存しないことにある。

[0034] その理由は、採取画像と参照画像のペアのみ力も歪み量を求めるためである。

[0035] 第 2の効果は、高精度な欠陥検査を実現できることである。 [0036] その理由は、ステージ移動に限らず任意の属性の歪みを補整できるからである。図面の簡単な説明

[0037] [図 1]本発明の第 1の発明を実施するための最良の形態の構成を示すブロック図である。

[図 2]第 1の発明を実施するための最良の形態の動作を示す流れ図である。

[図 3]歪みを判定しやすいマスクの例を示す図である。

[図 4]歪み量の一例を示す図である。

[図 5]歪み量の一例を示す図である。

[図 6]本発明の第 2の発明を実施するための最良の形態の構成を示すブロック図である。

[図 7]第 2の発明を実施するための最良の形態の動作を示す流れ図である。

[図 8]本発明の第 3の発明を実施するための最良の形態の構成を示すブロック図である。

[図 9]第 3の発明を実施するための最良の形態の動作を示す流れ図である。

[図 10]本発明の第 4の発明を実施するための最良の形態の構成を示すブロック図である。

[図 11]観測画像の具体例を示す図である。

[図 12]参照画像の具体例を示す図である。

[図 13]歪み構築係数の具体例を示す図である。

[図 14]歪み構築係数の具体例を示す図である。

[図 15]歪ませた参照画像の具体例を示す図である。

[図 16]歪ませた参照画像の具体例を示す図である。

[図 17]歪ませた参照画像の具体例を示す図である。

[図 18]歪ませた参照画像の具体例を示す図である。

[図 19]歪ませた参照画像の具体例を示す図である。

[図 20]歪ませた参照画像と観測画像の差分の具体例を示す図である。

[図 21]歪ませた参照画像と観測画像の差分の具体例を示す図である。

[図 22]歪ませた参照画像と観測画像の差分の具体例を示す図である。圆 23]歪ませた参照画像と観測画像の差分の具体例を示す図である。圆 24]歪ませた参照画像と観測画像の差分の具体例を示す図である。

[図 25]歪み量の具体例を示す図である。

[図 26]歪み量の具体例を示す図である。

圆 27]歪ませた後の参照画像の具体例を示す図である。

符号の説明

1 入力装置

2 データ処理装置

3 記憶装置

4 出力装置

5 データ処理装置

6 欠陥検査用プログラム

11 観測画像入力手段

12 設計画像入力手段

13 比較観測画像入力手段

21 光学シミュレート実行手段

22 歪み量推定手段

23 歪み画像作成手段

24 画像比較手段

25 歪み画像補整手段

発明を実施するための最良の形態

[0039] 以下、図面を参照して本発明を実施するための最良の形態について詳細に説明する。

[0040] 次に本発明の実施するための最良の形態について図面を用いて詳細に説明する

[0041] 図 1を参照すると、本発明の第 1の最良の形態は、画像を入力する入力装置 1と、プログラム制御により動作するデータ処理装置 2と、情報を記憶する記憶装置 3と、デイスプレイ装置や印刷装置等の出力装置 4とを含む。 [0042] 入力装置 1は、観測画像入力手段 11と、設計データ入力手段 12とを備えている。

[0043] 観測画像入力手段 11は、欠陥検査を行ヽたヽマスクをレーザー光や荷電粒子ビーム等で走査し光量を CCD等で電気信号へと変換することにより観測画像として画像化する。ここで、観測画像入力手段 11で取り込んだ画像を R(x, y)と定義する。なお観測画像入力手段 11における観測画像採取の手段は透過光学系に限定せず、反射光学系でも問題無い。

[0044] 設計データ入力手段 12は、欠陥検査を行いたいマスクの設計データを取り込む。

[0045] 記憶装置 3は、歪み構築係数記憶部 31と、歪みパラメータ記憶部 32とを備えている。

[0046] 歪み構築係数記憶部 31は、歪みを計算する際に必要となる係数を記憶している。

以下では歪み構築係数記憶部 31に記憶されている量のことを歪み構築係数と呼ぶことにする。歪み構築係数はより具体的には画像の位置 (X, y)毎に、 X方向の歪みを構築する時に必要となる係数と y方向の歪みを構築する時に必要となる係数力構成される。以下では画像の位置 (X, y)毎に X方向の歪みを構築する時に必要となる歪み構築係数の数、及び _y方向の歪みを構築する時に必要となる歪み構築係数の数をどちらも Kとする。そして X方向の歪みを構築するときに必要となる K個の歪み構築係数を wk (x, y) (ただし k= l, . . . , Κ)と定義する。また y方向の歪みを構築するときに必要となる歪み構築係数を vk (x, y) (ただし k= l, . . . , Κ)と定義する。

[0047] ここで、 X方向の歪みを構築するときに必要となる歪み構築係数の数と y方向の歪みを構築するときに必要となる歪み構築係数の数がどちらも Kで同じ数であるという仮定がなされているが、前記 2つの数が異なっていても良い。前記 2つの数が異なっている場合は、数が少ない方の歪み構築係数として 0を追加して K個にそろえて、同じ数と、う仮定の場合の話と同じ方式で対応すればょ、。

[0048] 歪みパラメータ記憶部 32は、マスクを検査する時の歪みの状態を表現する K 1個のパラメータを記憶する。以下では歪みパラメータ記憶部 32に記憶されている K— 1 個のパラメータのことを歪みパラメータと呼ぶことにし、 (ただし k= l, . . . , K- 1 )と定義する。

[0049] マスクを検査する時に光学系によって採取された観測画像の歪みは、 K 1個の歪みパラメータから K個の 2種の歪み構築係数を用いて求めることができる。

[0050] 具体的には、観測画像の点 (X, y)における歪み量を δ χ (χ, y)、 δ y (x, y)とする

[0051] 歪み量 δ χ(χ, y)、 δ y (χ, y)は、

[数 1] κ-ι

S_x O, y) = ^ ^_kw_k (x, y) + w_K O, y)

のように線形和で求められる。

[0052] 歪み構築係数 wk(x, y)、 vk(x, y) (ただし k= l, . . . , K)はどのような関数でも歪み量推定自体は動作可能である。歪み構築係数のより良、設定方法の例を以下に説明する。

[0053] 1つ目の例としては、 Κが 3以上の奇数であったとして、（Κ— 1) Ζ2個の点（xk, yk ) (ただし k= l, . . . , (Κ— 1)Ζ2)と 1つの値 σが予め与えられていたとすると、 (Κ — 1)Ζ2個の点 (xk, yk) (ただし k= l, . . . , (Κ—1)Ζ2)を中心として σ 2を分散とする等方的な正規分布

[数 2]

を用いて、

k= l, . . . , (K— 1)Z2の場合は、 wk=Gauss2k (x, y) , vk = 0と設定し、 k= (K -D/2 + 1, . . . , K— 1の場合は、 wk = 0, vk = Gauss 2k (x, y)と設定し、 k=K の場合は、 wk=0, vk=0と設定する方法が考えられる。

[0054] ここで KZ2個の点は歪みが大きくでそうな場所を事前に調査しておいて、歪みが大きく出る場所に設定するのがなぉ良、。

[0055] 調査の方法としては、例えば、図 3のような等間隔に矩形が並んでいるマスクを用意してそのマスクの観測画像を採取し、マスク中の矩形の場所がずれている力否かを人が画像を比較して、大きくずれた矩形位置の場所が歪みが大き!、と判断した場所を歪みが大きく出る場所と判断する方法を採用する。

[0056] σの値としては前記選択点のそれぞれの点の間の距離程度以上に設定するのが良い。

[0057] また、等方的な正規分布の代わりに、多項式など他の任意の関数を使用しても良い。

[0058] 画像採取の方式によっては、 X方向、 y方向のうち 1方向のみに歪みが発生しやすいという可能性がある。

[0059] 例えば y方向にのみ歪みが発生しやすいという状況の場合は、 K—1個の y座標の値 yk (ただし k= l, . . . , K—1)と 1つの値 σが予め与えられていたとすると、 K—1 個の y座標値 yk (ただし k= l, . . . , K—1)を中心として σ 2を分散とする正規分布 [数 3]

GAUSS 、

(ただし A: = l，… — 1) を用いて、

k= l, . . . , Κ— 1の場合は、 wk = 0, vk = Gauss lYk (x, y)と設定し、 k=Kの場合は、 wk = 0, vk = 0と設定する方法が考えられる。

[0060] ここで、正規分布の代わりに、他の任意の関数を使用しても良い。

[0061] また、 y方向の歪みが X座標の値に依存して発生する場合も考えられる。例えば、ステージ力方向に移動しながら画像を採取していくことを考えると、ステージ力方向に移動する過程でステージの y方向への振動が発生する可能性がある。この時、 X座標の値に依存して y方向の歪みが発生する。

[0062] 例えばステージ力方向へ移動するにあたって発生する y方向への振動の仕方力

K—1個のパラメータ ak (ただし k= l, . . . , K)と K— 1個のパラメータ bkを用いた K 通りの正弦波 sin (akx+bk)で表せると考えた場合は、

[0063] k= l, . . . , K— 1の場合は、 wk=0, vk= sin (akx+bk)と設定し、 k=Kの場合は、 wk=0, vk=0と設定する。

[0064] 別の例として、歪み構築係数を単純に低い次元の単項式で設定する方法も考えられる。例えば、 K= 7の場合は、

wl = 1, vl =0

w2 =x, v2 =0

w3 =y, v3 =0

w4 =o, v4 = 1

w5 =0, v5 =x

w6 =0, v6 =y

w7 =0, v7 =0

のように単項式 1や xや yを歪み構築係数として設定する。 Kが増えれば増えるほど高い次元の単項式を採用して対応する。例えば、 K= 13の場合には、

wl = 1, vl = 0

w2 =x, v2 = 0

w3 =y, v3 = 0

w4 =x2, v4 =0

w5 =xy, v5 : =0

w6 =y2, v6 =0

w7 =0, v7 = 1

w8 =0, v8 = X

w9 =0, v9 = ^:y

wlO = 0, vlO wll = 0, vll=xy

wl2 = 0, vl21=y2

wl3 = 0, vl3 = 0

のように単項式 1、 x、 y、 x2、 xy、 y2を歪み構築係数として設定できる。これは K=7 の場合に用いた単項式に加えてより高、次元の単項式も利用して、る。

[0065] 上では歪み構築係数として単項式として設定した力もちろん単項式ではなく代わりにさまざまな次元の多項式を用いることも可能である。

[0066] さらに別のアプローチとして、事前に上のどれかの歪み構築係数を利用して、数多くのマスクを用いて歪み量を多数推定し、次にその結果を利用してより良い歪み構築係数を求める方法も考えられる。

[0067] 以下では検査するマスクの大きさを Μ X Νとする。ここで、歪み量 δ X (X, y)、 δ y ( x, y)は全部で 2MN個のパラメータから構成されるので、歪み量を 1つの 2MN次元のベクトル δで表すことも可能である。

[0068] 図 4は Μ = 3、 Ν = 3の場合の歪み量 δχ(χ, y)、 6y(x, y)の一例である。この時、対応するベクトル δは、

画 δ = (2,6,3,1,5,2-1,4,0,1-1-3,0-2-4,-3-4-5 と 18次元のベクトルで表すことができる。ただし tは転置を表す。以下では MX Nの画像 2つから 2MN次元のベクトルに変換する上記操作を操作 Tと定義する。

[0069] また、逆にベクトル δから歪み量 δχ(χ, y)、 δ y (x, y)を復元することも出来る。例えば、 δが、

[数 5] δ = (-3 -2,0 -1-1,1,0,2,1,2,0,-2,1 -2 -3 -2 -3 -4)' の場合、対応する MX Νの 2つの画像は図 5のようになる。以下では 2MN次元のベタトルから M X Nの画像ペアを作成する操作を T 1と定義する。

[0070] 上記操作 Τ及び Τ 1の定義を用いて、数多くのマスクを用いて歪み量を多数推定し、次にその結果を利用してより良い歪み構築係数を求める方法例について説明する。

[0071] まず D個のマスクを用いて D通りの歪み量 δ χ (χ, y)、 6 y(x, y)を推定し、その結果を利用してより良い歪み構築係数を求めることを考える。

[0072] D個のマスクを用いて計算された D通りの歪み量 δ χ (χ, y)、 S y(x, y)を操作 Tによってベクトル表示して、 S d(d= l, . . . , D)と表すことにする。ただし S dは d番目のマスクを用いて計算された歪み量のベクトルを表す。

[0073] 次に、 D個の 2MN次元ベクトル S d (d= l, . . . , D)の平均ベクトル； zを求める。

μは 2ΜΝ次元ベクトルであり、操作 T—1を施して得られる 2枚の画像をそれぞれ u

K (x, y)、 vK(x, y)として設定する方法が考えられる。

[0074] または、 D個の 2MN次元ベクトル δ d(d= l, . . . , D)に対して非特許文献 1にあるように主成分分析を行う。

[0075] 主成分分析を行うには D個のベクトルから平均と共分散行列を求め、共分散行列を特異値分解すれば実現できる。

[0076] 得られた主成分を v d (d= l, . . . , D)とする。 v d (d= l, . . . , D)はいずれも 2

MN次元べクトノレである。

[0077] 平均ベクトルと第 1主成分から第 K 1主成分を選択し、第 k主成分に操作 T 1を施して得られる 2枚の画像を uk(x, y)、 vk (x, y)とし、平均に操作 T—1を施して得られる 2枚の画像を uK(x, y)、 vK(x, y)と設定する方法が考えられる。主成分分析を用いることで、 Kを小さい値にすることができるため、推定が安定になるというメリットカ Sある。

[0078] また、歪みの大きさは階調値が均一な領域では推定できない。なぜならば均一な領域に歪みがあってもなくてもやはり均一な領域になるからである。従って上の D個のマスクは均一な領域が少な!/、マスクを選択することが望まし!/、。

[0079] または D個のマスクの中に均一な領域が多く存在するものが含まれる場合は、均一な領域部分の点 (X, y)における δ χ (χ, y)、 δ y (x, y)の値に対応する 2MNベタトル δの成分値を欠損データであると考えて、非特許文献 2にあるように ΕΜァルゴリズムを用いて欠損がある場合の平均'共分散行列を求める方法を利用して平均と共分散行列を求め、その結果を主成分分析する方法をとることで対応しても良い。 ΕΜァルゴリズムを用いることで、特別な D個のマスクを用意しなくても良ぐ単に直前に検查した D個のマスクを選択して学習すれば良、と、うメリットがある。

[0080] データ処理装置 2は、欠陥検査を行う装置であり、光学シミュレート実行手段 21と、歪みパラメータ計算手段 22と、画像歪み補整手段 23と、画像比較手段 24とを備えている。

[0081] 光学シミュレート実行手段 21は、設計データ入力手段 12で得られるマスクの設計データに対して光学シミュレートを行って参照画像を作成する手段である。以下では光学シミュレート実行手段 21で得られた参照画像を G (x, y)と定義する。

[0082] 観測画像 R(x, y)には歪みがあるため、観測画像の x方向の歪みを δ x、 y方向の歪みを δ yとすると、 R(x, y)に対応する参照画像は G (x— δ x, y— δ y)でなければならない。

[0083] 歪み量推定計算手段 22は、観測画像入力手段 11で得られる観測画像 R(x, y)と、光学シミュレート実行手段で得られる参照画像 G (x, y)と、歪み補整係数記憶部 3 1で記憶されている係数を元にして、観測画像採取の時に発生している歪み量を表現する歪みパラメータを推定する。

[0084] 歪みパラメータの推定方法は、

[数 6]

S -∑∑{G(x - S_{x >}y - S_y) - R(x,y f

X を k (k= l, . . . , K—1)について最小化することによって求められる。

[0085] または k(k= l, . . . , K—1)についての関数 ί( ξ 1, . . . , ξ K—1)を追加して

[数 7]

x y を k(k=i, . . . , K—l)について最小化すれば良い。 f(e l, . . . , ^k—i)の例としては、例えば、ある予め定められた定数えを用いて、

[数 8]

/( ,…, O

=1 とすることが考えられる。これは歪みが大きすぎる判定がされな、ように追加する項である。

[0086] 例えば一様な領域が多!、時に歪みが大き!/、か小さ!/、か分からな!/、場合は歪みが小さ、と判断すると!、つた影響が発生する。歪みが大き!/、ほど参照画像をひずませる結果になるために処理量の観点から上記対応は望ま、対応である。

[0087] また、上記数式 (数 6)の G(x— δ X, y— δ y)は例えば線形補間によって求めることができる。

[0088] すなわち、 X- δ Xを超えない最大の整数を X、 y— δ yを超えない最大の整数を Υ とし、 2つのノラメータ ε χ、を ε χ=χ— δ χ— X、 ε y=y— δ y— Υと定義すると、 G (x— δ x, y— δ y)は、

[数 9]

+ G(X + l,Y)s_x(\-s_y)

+ G{X + \)(\-s_x) _y

+ G(X + \,Y + \) _xs_y として求めることができる。あるいは線形補間でなぐ例えば双 3次補間等のような他の補間方法を用いても良い。

[0089] あるいは、歪み δ χ、 S yが十分小さいという装置特性が分力つているならば、テーラー展開を行って 1次の項までで近似した表現である、

[数 10]

G(x - S_x,y - S_y) = G(_Xiy)― G_x(x)S_x - G_y(x)S_y を用いて求めても良い。ここで Gx、 Gyはそれぞれ Gの Xについての微分、 yについての微分を表す。微分の値は例えばソーベルフィルタの値を用いれば良、。

[0090] 前記歪みパラメータの推定において、 k(k= l, . . . , 1：ー1)の：《：—1個すべての変数を最小化するのではなぐ K— 1以下の自然数 K'を設定して、 K'より大きい k に対する ξ kを 0に固定し、 K'以下の K'個の kに対する ξ kのみを変数と見なして最小化しても良い。前記 K'は観測画像あるいは参照画像毎に設定する。例えば、観測画像'参照画像の微分値をソーベルフィルタで計算し、その微分値がある閾値以上の画素数を算出し、 K 1と前記画素数の最小値を K'と設定する。このように K 1 個以下の K'個のパラメータのみ推定するということを行うことには、一様な領域が多く歪みの推定が不安定になりやすい観測画像 ·参照画像のペアに対しても、推定するノメータを削減してより安定した推定を実現できるようになると、うメリットがある。

[0091] 歪み画像作成手段 23は、歪み推定手段で求められた歪みパラメータから、歪み構築係数を用いて観測画像 R(x, y)の歪みを求め、その画像歪み量 δ x (x, y)、 δ y ( x, y)を用いて参照画像を歪ませる手段である。

[0092] 参照画像を歪ませるには、例えばすベての x、 yに対し、線形補間によって G (x— δ X, y δ y)の値を求め、それを G (x, y)に置き換えることで対応できる。

[0093] G (χ- δ χ, y- δ y)を求める時は線形補間でなぐ例えば双 3次補間等のような他の補間方法を用いても良い。

[0094] あるいは、歪みが小さいならば、テーラー展開を行って 1次の項までで近似した表現を用いても良い。

[0095] 画像比較手段 24は、観測画像入力手段 11で得られた観測画像 R (x, y)と、歪み画像作成手段 23で歪みを加えた参照画像 G (x, y)とを比較して、 2枚の画像の違いが大きい場所を欠陥として判定する。具体的には、例えば、予め定めた定数 Tを用いて、

[数 11]

R(_Xi y)- G(x, y) > T となる領域を欠陥であると判定すれば良、。

[0096] または、例えば特許文献 3や特許文献 4に記載の方法を用いて欠陥であると判定しても良い。

[0097] 次に、図 1及び図 2を参照して本発明を実施するための最良の形態の動作について詳細に説明する。

[0098] 入力装置 1の観測画像入力手段 11から検査するマスクの観測画像が、設計データ入力手段 12から検査するマスクの設計データが、それぞれ入力される。

[0099] まず、光学シミュレート実行手段 21において、設計データ入力手段 12で入力された設計データから、光学シミュレートによって参照画像 G (x, y)が生成される (ステツプ Al)。

[0100] 次に観測画像入力手段 11で入力された観測画像と光学シミュレート実行手段 21 で得られた参照画像を用いて歪み量を推定するか否かを判断する (ステップ A2)。例えば、画像採取系の経時変化が大きく観測画像の歪み方が変化していることが予想されるためにマスクの検査毎に毎回歪みパラメータを学習することにするならば、ステツプ A2の判断は常にイエスとなる。

[0101] また、前回の欠陥検査時力も今回の欠陥検査までの経過時間力画像採取系の経時変化に比べて十分短、とユーザーが判断した場合は、ステップ A2の判断としてノ一を選択しても良い。

[0102] または、前記経過時間が予め与えてある一定の閾値以下であればユーザーの判断無しにステップ A2で強制的にノーを選択する、 t ヽぅシステムを構築しても良ヽし、画像採取系が非常に安定しているのであれば、 1回目にイエスとする以外は、欠陥検査を行う時には常にステップ A2でノーを選択しても良い。このようにノーの選択回数を増やすことは処理時間の高速ィ匕が図れるメリットがある。

[0103] ステップ A2でイエスが選択された場合は、歪み推定手段 22におヽて、観測画像入力手段 11から入力された観測画像と、光学シミュレート実行手段 21で得られた参照画像と、歪み構築係数記憶部 31に記憶されている歪み構築係数を用いて、歪みパラメータを計算し、歪みパラメータ記憶部 32に格納する (ステップ A3)。この時、前記歪みパラメータと事前に歪みパラメータ記憶部 32に格納されていた歪みパラメータを比較して、推定値の変化が予め与えてある一定の閾値以上であれば、経時変化による歪みの変化以上の変化であり、現在観測しているマスクは異常であると判定しても良い。

[0104] ステップ A2でノーが選択される力、あるいはステップ A2でイエスが選択され、ステツプ A3の処理まで実行されたならば、歪み画像作成手段 23において、歪み構築係数記憶部 31に記憶されている歪み構築係数を用いて、歪みパラメータ記憶部 32に記憶されてヽる歪みパラメータから観測画像が持つ歪み量が計算される (ステップ A4)

[0105] さらに、歪み画像作成手段 23において、前記歪み量だけ参照画像を歪ませる (ステツプ A5)。

[0106] 歪み画像作成手段 23で作成された参照画像は画像比較手段 24に供給される。画像比較手段 24では、観測画像入力手段 11から入力された観測画像を、参照画像生成手段 23から供給された参照画像と比較し、違ヽの大き、場所を欠陥として判定する（ステップ A6)。

[0107] 本実施の形態では、画像採取時の観測画像の歪みを画像情報力推定し、その歪み量だけ参照画像も歪ませている。従って、精度の高い欠陥検査が実現できる。

[0108] 次に、本発明の第 2の発明を実施するための最良の形態について図面を参照して詳細に説明する。

[0109] 図 6を参照すると、本発明の第 2の発明を実施するための最良の形態は、データ学習装置 5が、図 1に示された第 1の実施の形態におけるデータ学習装置 2の構成で、歪み画像作成手段 23が無くなり、代わりに歪み画像補整手段 25を有している点で異なる。

[0110] 歪み画像補整手段 25は、歪み量推定手段 22で求められた歪みパラメータから、歪み構築係数を用いて観測画像 R(x, y)の歪み量を求め、その画像歪み量 δ x (x, y)

、 δ γ(χ, y)を用いて観測画像の歪みを補正する手段である。

[0111] 歪みを補正するは、例えば線形補間によって、 R (x+ δ χ, y+ δ y)を求め、それを

R (x, y)に置き換えることで対応できる。

[0112] R(x+ δ χ, y+ δ y)を求める時は線形補間でなぐ例えば双 3次補間等のような他の補間方法を用いても良い。

[0113] あるいは、歪みが小さいならば、テーラー展開を行って 1次の項までで近似した表現を用いても良い。

[0114] 次に、図 6及び図 7のフローチャートを参照して本実施の形態の全体の動作について詳細に説明する。

[0115] 図 7のステップ Al、 A2、 A3、 A6は、本発明を実施するための最良の形態における動作と同一動作のため、説明は省略する。

[0116] また、ステップ A4は、歪み画像補整手段 25の内部で実行されている力内容は本発明を実施するための最良の形態における動作と同一動作のため、説明は省略する。

[0117] 本実施の形態では、歪み画像補整手段 25において、ステップ A4で観測画像の歪み量が求まった後に、さらに観測画像に存在する歪みを補正する (ステップ Bl)。そしてステップ B1で得られる歪みが補整された観測画像と、光学シミュレート実行手段 21で得られる参照画像が画像比較手段 24に提供される。

[0118] 次に、本発明を実施するための最良の形態の効果について説明する。

[0119] 本発明を実施するための最良の形態では、画像採取時の観測画像の歪みを画像情報のみから推定し、その歪みを観測画像力も補正している。従って、精度の高い欠陥検査が実現できる。

[0120] 次に、本発明の第 3の発明を実施するための最良の形態について図面を参照して詳細に説明する。

[0121] 図 8を参照すると、本発明の第 3の発明を実施するための最良の形態は、入力装置 1が、図 6に示された第 2の実施の形態における入力装置 1の構成で、設計データ入力手段 12が無くなり、代わりに比較観測画像入力手段 13を有し、さらにデータ学習装置 7が、図 6に示された第 2の実施の形態におけるデータ学習装置 2の構成で、光学シミュレート実行手段 21が無くなつている点で異なる。

[0122] 比較観測画像入力手段 13は、設計データを入力する代わりに、観測画像 11に入力される観測画像と同じ設計データで構成される別の観測画像を入力する。比較観測画像入力手段 13で入力される観測画像のことを、以下、比較観測画像と呼ぶ。

[0123] 次に、図 8及び図 9のフローチャートを参照して本実施の形態の全体の動作について詳細に説明する。

[0124] 図 7のステップ A2、 A4は、本発明を実施するための最良の形態における動作と同一動作のため、説明は省略する。さらに、比較観測画像を R(x, y)と定義し、参照画像を比較観測画像に置き換えて考えれば、ステップ C1はステップ A3とまったく同等であり、ステップ C2はステップ A6とまったく同等の処理になる。

[0125] 次に、本発明を実施するための最良の形態の効果について説明する。

[0126] 本発明を実施するための最良の形態では、画像採取時の比較観測画像に対する観測画像の歪みを画像情報のみから推定し、その歪みを観測画像力補正して、る。従って、精度の高い欠陥検査が実現できる。

[0127] 次に、本発明の第 4の発明を実施するための最良の形態について図面を参照して詳細に説明する。

[0128] 図 10を参照すると、本発明の第 4の発明を実施するための最良の形態は、第 1及び第 2及び第 3の発明を実施するための最良の形態と同様に、入力装置、データ処理装置、記憶装置、出力装置を備える。

[0129] 欠陥検査プログラム 7は、データ処理装置 8に読み込まれデータ処理装置 8の動作を制御し、第 1及び第 2及び第 3の実施の形態におけるデータ処理装置 3及び 5及び

6による処理と同一の処理を実行する。

実施例 1

[0130] 次に、図 2を用いて本発明の実施するための最良の形態を具体的な実施例を用いて説明する。本実施例は、データ処理装置としてパーソナルコンピュータの中央演算装置を利用する。またデータ記憶装置として磁気ディスク装置を利用する。

[0131] 検査する対象である観測画像の大きさは X方向 y方向とも 12画素であるとし、観測画像は図 11で表される R(x, y) (ただし x=0, ... , 11, y=0, ... , 11)とする。

[0132] 磁気ディスク装置には、図 13及び図 14で示されるような歪み構築係数構築 wl(x, y)、 vl(x, y) (ただし x=0, ... , 11, y=0, ... , 11)と、それにカロえて w2(x, y) =0、 v2(x, y)=0(^ Lx=0, ... , 11, y=0, ... , 11)力 ^己'隐されている。すなわち、 X方向の歪みを構築する時に必要となる歪み構築係数の数、及び y方向の歪みを構築する時に必要となる歪み構築係数の数はどちらも 2個である。

[0133] また、歪みパラメータ ξ 1には 0が格納されて、る。

[0134] まず、設計データが中央演算装置に入力され、光学シミュレートによって参照画像が作成される (ステップ Al)。

[0135] 図 12は作成された参照画像 G(x, y) (ただし x=0, ... , 11, y=0, ... , 11)である。

[0136] 次に前記作成された参照画像 G (X, y)と、前記観測画像 R (x, y)、及び磁気ディスク装置に格納されている wl (X, y)、 vl (x, y)力も歪みパラメータ ξ 1を計算しなおし、 ξ 1を磁気ディスク装置に記憶させることにする (ステップ Α2でイエス→ステップ A3

)ο

[0137] 歪みパラメータ ξ 1は、具体的には、

[数 12]

( - , -^- , )

=0ヌ =0 を ξ 1について最小化することで求められる。ここで、 δχ(χ, y)、 Sy(x, y)は観測画像の点 (x, y)における歪み量であり、

[数 13] ^(ぶ， ^^^：，

と表現できる。また、 G(x— δ X, y— δ y)は、線形補間によって求められる。

[0138] 本具体例では、 1についての最小化の手段としては、 1を離散化して全探索するという方針を採用する。今回は離散化幅を 0.5として、 ξ 1=-1, -0.5, 0, +0

, 5, +1の 5通りを調査し、最も Sが小さくなる ξ 1を求めるという方法をとる。

[0139] 図 15は ξ 1=— 1の場合の G(x— δ x, y— Sy)である。また、図 20はこの時の |

G(x— δχ, y- 6y)-R(x, y) |を表す。この時、 Sは S = 618と計算される。

[0140] 図 16は ξ 1=—0.5の場合の G(x— δ x, y- Sy)である。また、図 21はこの時の

I G(x— δχ, y- 6y)-R(x, y) |を表す。この時、 Sは S = 84と計算される。

[0141] 図 17は 1=0の場合の G(x— δχ, y— Sy)である。また、図 22はこの時の | G(

X- δ χ, y— δ y) -R(x, y) |を表す。この時、 Sは S = 314と計算される。

[0142] 図 18は ξ 1=+0.5の場合の G(x— δ x, y- Sy)である。また、図 23はこの時の

I G(x- δχ, y- 6y)-R(x, y) |を表す。この時、 Sは S = 630と計算される。

[0143] 図 19は ξ 1=+1の場合の G(x— δ x, y— Sy)である。また、図 24はこの時の |

G(x- δχ, y- 6y)-R(x, y) |を表す。この時、 Sは S = 1562と計算される。

[0144] 上の 5通りの ξ 1の中で Sが最も小さくなるのは、 ξ 1=—0.5の場合である。よって

、 ξ 1=-0.5が磁気記憶装置に記憶される。

[0145] 次に参照画像 G (X, y)に歪みを与える。歪みの量は、磁気ディスク装置に格納されている wl(x, y)、 vl(x, y)と歪みパラメータ ξ 1=— 0.5から、数 13を用いて計算される。図 25、図 26は計算された結果を表す (ステップ Α4)。

[0146] 図 25、図 26に示される歪みが参照画像に与える（ステップ Α5)。歪みを加える手段としては線形補間を用いることにすれば、参照画像は図 27のようになる。

[0147] その次に入力画像に対する欠陥検査処理を行う。

[0148] 参照画像 G (x, y)を作成した後には、観測画像 R (x, y)と参照画像 G (x, y)差分の絶対値を調べ、予め定めてある値 T= 5を用いて、 [数 14]

となった点 (χ, y)の場所が欠陥があると判定する (ステップ A6)。

[0149] 本具体例では I R(_x, y) -G (x, y) |の最大値は 3なので、欠陥が存在しないと判定される。

産業上の利用可能性

[0150] 本発明によれば、半導体の製造過程で必要なマスク欠陥検査において、加工済パターンを走査して得られる観測画像と、走査した加工パターンに対応した設計画像を用いて生成される参照画像との比較によって欠陥検査を行う用途に適用できる。

Claims

請求の範囲

[1] 設計情報から求まる参照画像と観測画像を比較して歪み量を推定する歪み量計算部と、

前記歪み量を用いて前記参照画像をひずませた歪み画像を作成する歪み画像作成部と、

前記歪み画像と観測画像を比較してパターンの欠陥を識別する識別部を備えることを特徴とするパターン欠陥検査装置。

[2] 観測画像と設計情報から求まる参照画像を比較して歪み量を推定する歪み量計算部と、

観測画像をひずませた歪み画像を作成する歪み画像作成部と、

前記歪み画像と設計情報から求まる参照画像を比較してパターンの欠陥を識別する識別部を備えることを特徴とするパターン欠陥検査装置。

[3] 観測画像と別の観測画像を比較して歪み量を推定する歪み量計算部と、

前記歪み画像と前記別の観測画像を比較してパターンの欠陥を識別する識別部を備えることを特徴とするパターン欠陥検査装置。

[4] 前記歪み量の推定が各画像の検査ごとに行われることを特徴とする請求項 1〜3の何れか 1項に記載のパターン欠陥検査装置。

[5] 前記歪み量の推定が予め定められた時間毎に行われることを特徴とする請求項 1

〜3の何れか 1項に記載のパターン欠陥検査装置。

[6] 前記観測画像が加工済パターンをレーザー光や荷電粒子ビーム等で走査して得られる画像であることを特徴とする請求項 1〜3の何れ力 1項に記載のパターン欠陥検査装置。

[7] 前記参照画像が前記設計情報に含まれるパターン情報に観測画像取得時の光学系の影響を考慮して求められることを特徴とする請求項 1〜3の何れ力 1項に記載のパターン欠陥検査装置。

[8] 前記歪みを少な！ヽ次元で表現することを特徴とする請求項 1〜3の何れか 1項に記載のパターン欠陥検査装置。

[9] 前記歪み画像計算部として、線形補間や双 3次補間などの補間処理を利用することを特徴とする請求項 1〜3の何れか 1項に記載のパターン欠陥検査装置。

[10] 前記歪み画像計算部として、テーラー展開による近似計算を利用することを特徴とする請求項 1〜3の何れか 1項に記載のパターン欠陥検査装置。

[11] 前記歪みを複数の正規分布で表現することを特徴とする請求項 1〜3の何れか 1項に記載のパターン欠陥検査装置。

[12] 前記歪みを複数の正弦波で表現することを特徴とする請求項 1〜3の何れか 1項に記載のパターン欠陥検査装置。

[13] 前記歪みを複数の単項式あるいは多項式で表現することを特徴とする請求項 1〜3 の何れか 1項に記載のパターン欠陥検査装置。

[14] 前記歪みを事前に得られた多数の歪みデータから平均値を求め前記平均値を利用して表現することを特徴とする請求項 1〜3の何れか 1項に記載のパターン欠陥検查装置。

[15] 前記歪みを事前に得られた多数の歪みデータから共分散行列を求め、前記共分散行列に対して主成分分析を行った結果を利用して表現することを特徴とする請求項 14記載のパターン欠陥検査装置。

[16] 前記共分散行列の推定に EMアルゴリズムを利用することを特徴とする請求項 15 記載のパターン欠陥検査装置。

[17] 前記歪み量推定部に観測画像と参照画像の画素値差分の 2乗和を最小化する手法を用いることを特徴とする請求項 1〜3の何れか 1項に記載のパターン欠陥検査装置。

[18] 前記歪み量推定部に観測画像と参照画像の画素値差分の 2乗和と、歪み量の値を引数とする関数値の和の合計を最小化する手法を用いることを特徴とする請求項 1

〜3の何れか 1項に記載のパターン欠陥検査装置。

[19] 前記歪み量推定部で求めた歪み量と事前に記憶されて!、る歪み量を比較して十分違いが大きいならば異常であると判定することを特徴とする請求項 1〜3の何れか

1項に記載のパターン欠陥検査装置。

[20] 前記歪み量推定部で推定する際に参照画像又は観測画像の内容に応じて推定する次元を可変に設定することを特徴とする請求項 1〜3の何れか 1項に記載のパターン欠陥検査装置。

[21] 設計情報から求まる参照画像と観測画像を比較して歪み量を推定する歪み量計算ステップと、

前記歪み量を用いて前記参照画像をひずませた歪み画像を作成する歪み画像作成ステップと、

前記歪み画像と観測画像を比較してパターンの欠陥を識別する識別ステップを備えることを特徴とするパターン欠陥検査方法。

[22] 観測画像と設計情報から求まる参照画像を比較して歪み量を推定する歪み量計算ステップと、

観測画像をひずませた歪み画像を作成する歪み画像作成ステップと、

前記歪み画像と設計情報から求まる参照画像を比較してパターンの欠陥を識別する識別ステップを備えることを特徴とするパターン欠陥検査方法。

[23] 観測画像と別の観測画像を比較して歪み量を推定する歪み量計算ステップと、観測画像をひずませた歪み画像を作成する歪み画像作成ステップと、

前記歪み画像と前記別の観測画像を比較してパターンの欠陥を識別する識別ステップを備えることを特徴とするパターン欠陥検査方法。

[24] 前記歪み量の推定が各画像の検査ごとに行われることを特徴とする請求項 21〜2

3の何れか 1項に記載のパターン欠陥検査方法。

[25] 前記歪み量の推定が予め定められた時間毎に行われることを特徴とする請求項 21

〜23の何れか 1項に記載のパターン欠陥検査方法。

[26] 前記観測画像が加工済パターンをレーザー光や荷電粒子ビーム等で走査して得られる画像であることを特徴とする請求項 21〜23の何れか 1項に記載のパターン欠陥検査方法。

[27] 前記参照画像が前記設計情報に含まれるパターン情報に観測画像取得時の光学系の影響を考慮して求められることを特徴とする請求項 21〜23の何れか 1項に記載のパターン欠陥検査方法。

[28] 前記歪みを少ない次元で表現することを特徴とする請求項 21〜23の何れか 1項に記載のパターン欠陥検査方法。

[29] 前記歪み画像計算部として、線形補間や双 3次補間などの補間処理を利用することを特徴とする請求項 21〜23の何れか 1項に記載のパターン欠陥検査方法。

[30] 前記歪み画像計算部として、テーラー展開による近似計算を利用することを特徴とする請求項 21〜23の何れか 1項に記載のパターン欠陥検査方法。

[31] 前記歪みを複数の正規分布で表現することを特徴とする請求項 21〜23の何れか

1項に記載のパターン欠陥検査方法。

[32] 前記歪みを複数の正弦波で表現することを特徴とする請求項 21〜23の何れか 1 項に記載のパターン欠陥検査方法。

[33] 前記歪みを複数の単項式ある!、は多項式で表現することを特徴とする請求項 21〜

23の何れか 1項に記載のパターン欠陥検査方法。

[34] 前記歪みを事前に得られた多数の歪みデータから平均値を求め前記平均値を利用して表現することを特徴とする請求項 21〜23の何れか 1項に記載のパターン欠陥検査方法。

[35] 前記歪みを事前に得られた多数の歪みデータから共分散行列を求め、前記共分散行列に対して主成分分析を行った結果を利用して表現することを特徴とする請求項 34記載のパターン欠陥検査方法。

[36] 前記共分散行列の推定に EMアルゴリズムを利用することを特徴とする請求項 35 記載のパターン欠陥検査方法。

[37] 前記歪み量推定部に観測画像と参照画像の画素値差分の 2乗和を最小化する手法を用いることを特徴とする請求項 21〜23の何れか 1項に記載のパターン欠陥検査方法。

[38] 前記歪み量推定部に観測画像と参照画像の画素値差分の 2乗和と、歪み量の値を引数とする関数値の和の合計を最小化する手法を用いることを特徴とする請求項 2

1〜23の何れか 1項に記載のパターン欠陥検査方法。

[39] 前記歪み量推定部で求めた歪み量と事前に記憶されて!、る歪み量を比較して十分違いが大きいならば異常であると判定することを特徴とする請求項 21〜23の何れ力 1項に記載のパターン欠陥検査方法。

[40] 前記歪み量推定部で推定する際に参照画像又は観測画像の内容に応じて推定する次元を可変に設定することを特徴とする請求項 21〜23の何れか 1項に記載のバターン欠陥検査方法。

[41] 設計情報から求まる参照画像と観測画像を比較して歪み量を推定する歪み量計算ステップと、

前記歪み画像と観測画像を比較してパターンの欠陥を識別する識別ステップを備えることを特徴とするパターン欠陥検査方法をコンピュータに行なわせるためのプロダラムを記録したコンピュータ読取り可能な記録媒体。

[42] 観測画像と設計情報から求まる参照画像を比較して歪み量を推定する歪み量計算ステップと、

前記歪み画像と設計情報から求まる参照画像を比較してパターンの欠陥を識別する識別ステップを備えることを特徴とするパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

[43] 観測画像と別の観測画像を比較して歪み量を推定する歪み量計算ステップと、観測画像をひずませた歪み画像を作成する歪み画像作成ステップと、

前記歪み画像と前記別の観測画像を比較してパターンの欠陥を識別する識別ステップを備えることを特徴とするパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

[44] 前記歪み量の推定が各画像の検査ごとに行われることを特徴とする請求項 41〜4

3の何れか 1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

[45] 前記歪み量の推定が予め定められた時間毎に行われることを特徴とする請求項 41

〜43の何れか 1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

[46] 前記観測画像が加工済パターンをレーザー光や荷電粒子ビーム等で走査して得られる画像であることを特徴とする請求項 41〜43の何れか 1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

[47] 前記参照画像が前記設計情報に含まれるパターン情報に観測画像取得時の光学系の影響を考慮して求められることを特徴とする請求項 41〜43の何れか 1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

[48] 前記歪みを少な！ヽ次元で表現することを特徴とする請求項 41〜43の何れか 1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

[49] 前記歪み画像計算部として、線形補間や双 3次補間などの補間処理を利用することを特徴とする請求項 41〜43の何れか 1項に記載のパターン欠陥検査方法をコンビユータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体

[50] 前記歪み画像計算部として、テーラー展開による近似計算を利用することを特徴とする請求項 41〜43の何れか 1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

[51] 前記歪みを複数の正規分布で表現することを特徴とする請求項 41〜43の何れか

1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

[52] 前記歪みを複数の正弦波で表現することを特徴とする請求項 41〜43の何れか 1 項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

[53] 前記歪みを複数の単項式ある！ヽは多項式で表現することを特徴とする請求項 41〜

43の何れか 1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

[54] 前記歪みを事前に得られた多数の歪みデータから平均値を求め前記平均値を利用して表現することを特徴とする請求項 41〜43の何れか 1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

[55] 前記歪みを事前に得られた多数の歪みデータから共分散行列を求め、前記共分散行列に対して主成分分析を行った結果を利用して表現することを特徴とする請求項 54記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

[56] 前記共分散行列の推定に EMアルゴリズムを利用することを特徴とする請求項 55 記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

[57] 前記歪み量推定部に観測画像と参照画像の画素値差分の 2乗和を最小化する手法を用いることを特徴とする請求項 41〜43の何れか 1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

[58] 前記歪み量推定部に観測画像と参照画像の画素値差分の 2乗和と、歪み量の値を引数とする関数値の和の合計を最小化する手法を用いることを特徴とする請求項 4 1〜43の何れか 1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

[59] 前記歪み量推定部で求めた歪み量と事前に記憶されて!、る歪み量を比較して十分違いが大きいならば異常であると判定することを特徴とする請求項 41〜43の何れ力 1項に記載のパターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンピュータ読取り可能な記録媒体。

[60] 前記歪み量推定部で推定する際に参照画像又は観測画像の内容に応じて推定する次元を可変に設定することを特徴とする請求項 41〜43の何れか 1項に記載のバターン欠陥検査方法をコンピュータに行なわせるためのプログラムを記録したコンビュータ読取り可能な記録媒体。