« Procédé d'extraction de motifs non périodiques masqués par des motifs périodiques, et dispositif mettant en œuvre le procédé »
Domaine technique
La présente invention concerne un procédé de traitement de signaux ou d'images permettant de d'extraire des motifs non périodiques masqués par des motifs périodiques.
Elle concerne plus particulièrement un procédé de traitement d'images issues de la microélectronique permettant de distinguer des structures apériodiques telles que des caractères, masquées par des structures périodiques.
Le domaine de l'invention est plus particulièrement mais de manière non limitative celui du traitement de signaux ou d'images pour des applications dans l'industrie microélectronique.
Etat de la technique antérieure
La traçabilité des produits au sein de l'industrie du semi-conducteur est une tâche cruciale pour le contrôle qualité et le suivi des produits tout au long du processus de fabrication et de traitement des wafers.
Pour cela, les wafers sont gravés en face arrière avec un motif d'identification tel qu'un code-barres 1D ou 2D, ou des caractères alphanumériques. Une image du motif d'identification est réalisée au moyen d'une caméra. Cette image est ensuite traitée par un programme de reconnaissance de caractères (OCR) ou de lecture de code-barres (par exemple) qui décode l'information du motif d'identification et fournit automatiquement l'identifiant du produit.
Dans certains cas, notamment lors de l'affinage des wafers à des épaisseurs très fines (de l'ordre de ΙΟΟμιη), les wafers-produits sont collés sur des wafers supports qui sont ajourés sous la forme d'une matrice périodique de perforations. Dans ce cas, le motif d'identification présent sur le wafer-produit ou éventuellement sur le wafer support n'apparaît que de manière partielle du fait de la présence de la matrice de perforations.
Dans ce cas, pour pouvoir lire le motif d'identification et par exemple reconnaître par OCR ses caractères, il est nécessaire de traiter l'image prise
par la caméra afin de filtrer la matrice de trous et de ne laisser que les caractères.
Une approche connue pour résoudre ce problème consiste à filtrer spatialement les trous qui ne touchent pas les fragments de caractères. Pour cela, la segmentation des fragments contenus dans l'image est filtrée statistiquement pour ne laisser que les fragments qui ne correspondent pas à des trous. Cependant, cette approche ne donne pas entièrement satisfaction car les trous qui touchent les caractères sont en général conservés, ce qui déforme localement les caractères et rend leur reconnaissance beaucoup plus difficile. De plus, cette approche est très spécifique et liée à la forme des trous, ce qui empêche toute généralisation au filtrage d'un motif périodique quelconque.
Une autre approche connue consiste à utiliser une transformée par ondelettes pour calculer des caractéristiques fréquentielles du motif périodique et filtrer l'image en conséquence. La différence entre l'image filtrée (qui ne conserve que le motif périodique) et l'image initiale révèle les éléments non périodiques recherchés. Cette approche est efficace pour un motif périodique avec un motif élémentaire relativement petit par rapport à la taille des éléments apériodiques recherchés (taille du support de l'ondelette de base) et qui peut être traduit simplement par des statistiques directement liées aux paramètres de l'ondelette utilisée (par exemple dans le domaine du contrôle de la qualité du textile : angle et fréquence spatiale).
De manière plus générale, les wafers en cours de process comprennent fréquemment des ensembles de structures périodiques (transistors, motifs gravés, ...) au milieu desquels il peut être nécessaire d'identifier des éléments apériodiques (défauts, ...).
La présente invention a pour objet de proposer un procédé de traitement de signaux ou d'images qui permette de séparer, dans lesdits signaux ou images, des motifs non périodiques au moins partiellement masqués par des motifs périodiques, et ces motifs périodiques.
La présente invention a également pour objet de proposer un procédé de traitement de signaux ou d'images qui permette d'extraire, dans lesdits signaux ou images, des motifs non périodiques qui sont au moins partiellement masqués par des motifs périodiques.
La présente invention a également pour objet de proposer un procédé de traitement de signaux ou d'images qui permette de distinguer, dans des images de wafers, des motifs non périodiques qui sont au moins partiellement masqués par des motifs périodiques, et ces motifs périodiques.
La présente invention a également pour objet de proposer un procédé de traitement de signaux ou d'images qui permette d'extraire des motifs d'identification gravés ou inscrits sur des wafers et au moins partiellement masqués par une structure périodique.
La présente invention a également pour objet de proposer un procédé de traitement de signaux ou d'images qui permette de séparer des motifs d'identification gravés ou inscrits sur des wafers et au moins partiellement masqués par une structure périodique.
Exposé de l'invention
Cet objectif est atteint avec un procédé pour extraire une information d'intérêt d'un signal de mesure comprenant un motif de perturbation de nature périodique, caractérisé en ce qu'il comprend des étapes :
- de génération d'une fonction de filtrage représentative des composantes fréquentielles du motif de perturbation, en mettant en oeuvre une analyse d'un spectre d'amplitude du signal de mesure basée sur des critères morphologiques,
- d'application de ladite fonction de filtrage au signal de mesure de sorte à générer un signal de perturbation constitué essentiellement du motif de perturbation,
- de calcul d'un signal filtré en effectuant une différence entre le signal de mesure et le signal de perturbation.
Le signal de mesure peut comprendre, de manière non limitative :
- un signal unidimensionnel, par exemple sous la forme d'une fonction ou d'une courbe avec une amplitude f(x) en fonction d'une position ou d'un temps le long d'un axe x. Il peut s'agir par exemple d'un profil d'intensité ;
- un signal bidimensionnel, par exemple sous la forme d'une image avec une intensité ou une valeur de pixel I(x, y) en fonction d'une position (x, y) dans le plan de l'image. Il peut s'agir par exemple d'une image en niveaux de gris.
Le motif de perturbation de nature périodique peut comprendre un motif, défini par exemple par des variations d'amplitude ou d'intensité de la fonction f(x) ou de l'image I(x, y), qui présente une nature répétitive et dont le spectre fréquentiel présente des pics.
Dans la mise en œuvre du procédé selon l'invention, l'information d'intérêt peut être apériodique ou présenter des périodicités. Il est simplement nécessaire qu'elle ne génère pas de pics significatifs dans le spectre fréquentiel du signal ou de l'image. Cette condition est en général satisfaite lorsque l'information d'intérêt est localisée (ou présente une étendue restreinte) dans le domaine spatial ou temporel par rapport au motif de perturbation. Si elle est apériodique elle ne génère pas de pic significatif dans le domaine spectral, et si elle est localisée elle génère au plus que des pics de très faible énergie, et donc d'amplitude très inférieure à l'amplitude des pics fréquentiels dus au motif de perturbation.
Le spectre d'amplitude du signal de mesure peut être défini, de manière non limitative, comme étant le module du spectre fréquentiel du signal de mesure.
Le spectre fréquentiel peut être obtenu en effectuant une transformée de Fourier (unidimensionnelle 1D ou bidimensionnelle 2D selon le cas) du signal de mesure.
Cette transformée de Fourier peut être effectuée directement sur le signal de mesure.
De manière préférentielle, la transformée de Fourier peut être effectuée sur un signal de mesure apodisé ou fenêtré. Dans ce cas, le signal de mesure est multiplié par une fonction fenêtre 1D ou 2D avec des flancs progressifs (triangulaires ou de forme Gaussienne par exemple) qui permet d'éviter les transitions brusques aux extrémités, sources de repliement de spectre et de bruit spectral.
Suivant des modes de mise en œuvre, le procédé selon l'invention peut comprendre une étape de génération du spectre d'amplitude du signal de mesure avec une application d'une compression de dynamique à l'amplitude du spectre fréquentiel dudit signal de mesure.
Le spectre d'amplitude peut ainsi être obtenu en appliquant une fonction de compression de dynamique au module du spectre fréquentiel. Cela permet de réduire la dynamique et d'améliorer la détection des pics.
On peut notamment appliquer :
- une loi de compression de dynamique logarithmique, et ainsi obtenir un spectre d'amplitude avec une amplitude logarithmique ;
- une loi polynômiale.
Suivant des modes de mise en œuvre, le procédé selon l'invention peut comprendre une étape de multiplication d'un spectre fréquentiel du signal de mesure par la fonction de filtrage.
La fonction de filtrage est générée de sorte à être représentative des composantes fréquentielles du motif de perturbation. Elle reproduit donc en quelque sorte au moins les composantes spectrales essentielles du motif de perturbation.
En multipliant le spectre fréquentiel du signal de mesure par cette fonction de filtrage, on rejette ainsi les composantes spectrales qui ne sont pas due au motif de perturbation.
Cette opération de multiplication est effectuée de préférence sur le spectre fréquentiel complet (module et phase) du signal de mesure. Elle est effectuée de manière symétrique pour les fréquences positives et négatives de sorte à respecter la symétrie Hermitienne du spectre fréquentiel du signal de mesure.
On peut ainsi obtenir par transformée de Fourier inverse un signal de perturbation réel constitué essentiellement du motif de perturbation.
Bien entendu, il est également possible de calculer une transformée de Fourier inverse de la fonction de filtrage (fréquentielle) et de calculer le signal de perturbation par convolution du signal de mesure avec la réponse impulsionnelle de filtrage ainsi obtenue.
Suivant des modes de mise en oeuvre, le procédé selon l'invention peut comprendre une étape de recherche, dans un spectre d'amplitude du signal de mesure, de zones dites « de maxima à h » correspondant respectivement à des ensembles de points connexes autour de maxima d'amplitude locaux satisfaisant à un critère de hauteur minimale par rapport aux minima d'amplitude locaux les plus proches.
Ces zones de maxima à h peuvent être par exemple définies comme les ensembles de points qui peuvent être reliés au maximum local par un chemin non descendant, c'est-à-dire le long duquel la différence entre deux points adjacents en direction du maximum local est toujours du même signe.
La notion de maxima locaux peut correspondre à des maxima d'amplitude. Il faut toutefois noter que dans le cadre de l'invention cette notion peut être interprétée différemment, suivant la convention adoptée. Les maxima locaux peuvent ainsi par exemple corresponde à des extrema locaux selon une convention d'amplitude, de signe et/ou de direction de variation prédéterminée.
Le critère de hauteur minimale peut notamment être défini comme une fraction prédéterminée de l'amplitude maximale du spectre d'amplitude du signal de mesure.
Le procédé selon l'invention peut comprendre des étapes :
- de génération d'un spectre d'amplitude décalé correspondant au spectre d'amplitude du signal de mesure décalé vers les amplitudes inférieures d'une quantité correspondant au critère de hauteur minimale et borné à zéro,
- de reconstruction géodésique dudit spectre d'amplitude décalé dans le spectre d'amplitude du signal de mesure, de sorte à obtenir un spectre d'amplitude écrêté correspondant au spectre d'amplitude du signal de mesure écrêté de la quantité correspondant au critère de hauteur minimale dans les zones de maxima à h,
- de calcul d'un spectre d'amplitude des zones de maxima à h par différence entre le spectre d'amplitude du signal de mesure et le spectre d'amplitude écrêté.
- de génération d'une fonction de filtrage avec des valeurs nulles à l'extérieur des zones de maxima à h, et une valeur constante non nulle dans lesdites zones de maxima à h.
Suivant des modes de mise en œuvre, le procédé selon l'invention peut comprendre des étapes :
- de localisation des minima locaux du spectre d'amplitude du signal de mesure,
- de reconstruction géodésique desdits minima locaux dans le spectre d'amplitude du signal de mesure, de sorte à obtenir un spectre d'amplitude de base représentatif de l'amplitude à la base des pics du spectre d'amplitude du signal de mesure,
- de calcul d'un spectre d'amplitude des pics par différence entre le spectre d'amplitude du signal de mesure et le spectre d'amplitude de base.
Le calcul du spectre d'amplitude des pics peut comprendre en outre une étape d'application d'un seuil, les valeurs inférieures audit seuil étant mises à zéro.
Le procédé selon l'invention peut en outre comprendre une étape de génération d'une fonction de filtrage à partir du spectre d'amplitude des pics, avec une valeur constante non nulle dans les zones du spectre d'amplitude des pics avec une amplitude supérieure à un seuil de binarisation prédéterminé, et une valeur nulle ailleurs.
Suivant des modes de mise en oeuvre, le procédé selon l'invention peut comprendre en outre une étape de comblement de minima locaux de faible profondeur avec :
- une génération d'un spectre d'amplitude inversé correspondant à une symétrie en amplitude du spectre d'amplitude du signal de mesure,
- une génération d'un spectre d'amplitude inversé et décalé, par décalage dudit spectre d'amplitude inversé vers les faibles amplitudes d'une quantité représentative d'une profondeur de minima à combler,
- une reconstruction géodésique dudit spectre d'amplitude inversé et décalé dans ledit spectre d'amplitude inversé.
Suivant des modes de mise en œuvre, le procédé selon l'invention peut comprendre des étapes :
- de génération d'une fonction de filtrage de référence représentative des composantes fréquentielles du motif de perturbation, en mettant en œuvre une analyse d'un spectre d'amplitude d'un signal de référence comprenant essentiellement le motif de référence,
- d'identification de maxima du spectre d'amplitude du signal de mesure,
- de génération d'une fonction de filtrage par recalage de la fonction de filtrage de référence sur les maxima du spectre d'amplitude du signal de mesure identifiés.
Le recalage peut être effectué notamment en grandissement ou en homothétie, et/ou en rotation.
Suivant des modes de mise en œuvre préférentiels, le procédé selon l'invention peut être mis en œuvre avec un signal de mesure comprenant une image de l'un des types suivants : image d'au moins une partie d'un wafer, image d'au moins une partie d'un assemblage de wafers, image d'au moins une partie d'un wafer fixé sur un support de wafer.
Il peut comprendre une étape d'extraction d'une information d'intérêt de l'une des formes suivantes : information d'identification, caractères alphanumériques, signes d'écriture, code barre 1D, code barre 2D, QR code.
Suivant des modes de mise en œuvre, l'invention peut ainsi concerner un procédé pour extraire une information d'intérêt, notamment une information d'intérêt de l'une des formes suivantes : information d'identification, caractères alphanumériques, signes d'écriture, code barre 1D, code barre 2D, QR code, d'un signal de mesure, notamment un signal de mesure comprenant une image de l'un des types suivants : image d'au moins une partie d'un wafer, image d'au moins une partie d'un assemblage de wafers, image d'au moins une partie d'un wafer fixé sur un support de wafer, lequel signal de mesure comprenant un motif de perturbation de nature périodique.
Il est également proposé un procédé pour extraire une information d'identification d'un wafer au moins partiellement masquée par un support de wafer avec une structure de trous périodique, comprenant des étapes :
- d'acquisition d'une image comprenant l'information d'identification,
- d'extraction de ladite information d'identification en mettant en œuvre les étapes du procédé selon l'invention.
Suivant des modes de mise en œuvre, le procédé selon l'invention peut comprendre une étape d'extraction d'une information d'intérêt telle que un ou des éléments isolés ou singuliers, par exemple issus d'un procédé de fabrication (pistes, vias, guides d'ondes, ...) ou correspondant à des défauts (cracks, ...), d'une image comprenant un motif de perturbation de nature
périodique ou une structure répétitive telle qu'un ensemble de transistors, de composants gravés, un réseau de diffraction.
Suivant un autre aspect, il est proposé un dispositif pour extraire une information d'intérêt d'un signal de mesure comprenant un motif de perturbation de nature périodique, comprenant des moyens d'imagerie pour acquérir un signal de mesure sous forme d'une image, et des moyens de calcul agencés pour :
- générer une fonction de filtrage représentative des composantes fréquentielles du motif de perturbation, en mettant en œuvre une analyse d'un spectre d'amplitude du signal de mesure basée sur des critères morphologiques,
- appliquer ladite fonction de filtrage au signal de mesure de sorte à générer un signal de perturbation constitué essentiellement du motif de perturbation,
- calculer un signal filtré en effectuant une différence entre le signal de mesure et le signal de perturbation.
Le procédé selon l'invention repose donc sur un principe qui consiste à soustraire au signal ou à l'image de mesure originale une version filtrée de ce signal ou de cette image qui contient essentiellement le motif de perturbation périodique.
Suivant un aspect avantageux de l'invention, le filtrage est réalisé dans le domaine fréquentiel, de préférence globalement sur tout le signal ou l'image.
En sélectionnant les pics dans le spectre fréquentiel, le motif périodique peut être pris dans son intégralité, et le filtrage est alors efficace quelle que soit la complexité de ce motif.
Après soustraction de l'image originale, il reste donc les parties non périodiques, avec l'information d'intérêt (par exemple des caractères alphanumériques).
II est à noter que dans les différents modes de mise en œuvre présentés, la fonction de filtrage est générée en mettant en œuvre une analyse du spectre d'amplitude du signal de mesure basée sur des critères morphologiques.
Ainsi, dans ses différents modes de mise en œuvre, l'invention met en œuvre des outils issus des techniques de morphologie mathématique ou plus généralement d'analyse de formes.
Le procédé selon l'invention a également pour avantage qu'il ne requiert pas de connaissance sur les caractéristiques de la texture ou de la structure du motif périodique.
Le procédé selon l'invention peut bien entendu être mis en œuvre pour d'autres applications dans tous les domaines.
On peut citer par exemple dans le domaine des textiles, la localisation de défauts dans des trames.
Description des figures et modes de réalisation
D'autres avantages et particularités de l'invention apparaîtront à la lecture de la description détaillée de mises en œuvre et de modes de réalisation nullement limitatifs, et des dessins annexés suivants :
- la Fig. 1 illustre un mode de mise en œuvre du procédé selon l'invention pour identifier des références de wafers collés sur des supports perforés,
- la Fig. 2 illustre un schéma synoptique général du procédé selon l'invention,
- la Fig. 3 illustre la génération de la fonction de filtrage selon un premier mode d'implémentation de l'invention,
- la Fig. 4 illustre la génération de la fonction de filtrage selon un second mode d'implémentation de l'invention,
- la Fig. 5 illustre une variante applicable aux premiers et seconds modes d'implémentation de l'invention,
- la Fig. 6 illustre des résultats obtenus avec le procédé selon l'invention, avec Fig. 6a une première image initiale, Fig. 6b l'image filtrée correspondante, Fig. 6c une seconde image initiale et Fig. 6d l'image filtrée correspondante.
II est bien entendu que les modes de réalisation qui seront décrits dans la suite ne sont nullement limitatifs. On pourra notamment imaginer des variantes de l'invention ne comprenant qu'une sélection de caractéristiques ou d'étapes décrites par la suite isolées des autres caractéristiques ou étapes décrites, si cette sélection de caractéristiques ou d'étapes est suffisante pour
conférer un avantage technique ou pour différencier l'invention par rapport à l'état de la technique antérieur.
En particulier toutes les variantes et tous les modes de réalisation décrits sont combinables entre eux si rien ne s'oppose à cette combinaison sur le plan technique.
Sur les figures, les éléments communs à plusieurs figures conservent la même référence.
En référence à la Fig. 1, on va décrire un mode de mise en œuvre de l'invention dans un process de microélectronique, pour « lire » ou identifier des codes d'identification sur des wafers destinés à la réalisation de circuits intégrés.
Ces wafers 10 sont pourvus d'un code d'identification 11, notamment dans un but de traçabilité au cours des étapes du process. Dans l'exemple présenté, ce code d'identification 11 comprend des caractères alphanumériques.
Pour effectuer des opérations d'amincissement notamment, les wafers 10 sont collés sur des supports 12 en verre. Ces supports 12 sont ajourés sous la forme d'un motif périodique 13 de perforations. Dans ce cas, le motif d'identification 11 présent sur le wafer 10 sous le support 12 (ou éventuellement sur le support 12 lui-même) n'apparaît que de manière partielle du fait de la présence du motif périodique 13 de perforations. Ce motif d'identification 11 est donc partiellement masqué par le support 12, soit parce qu'il est partiellement recouvert par le support 12, soit parce qu'il n'est que partiellement imprimé ou gravé sur le support 12 dans ses zones pleines.
Pour identifier un wafer 10, on peut mettre en oeuvre un dispositif d'imagerie qui comprend une caméra 14 (ou tout autre moyen d'imagerie) et des moyens de calcul 15 par exemple basés sur un microprocesseur ou un ordinateur :
- on acquiert une image du motif d'identification 11 avec la caméra 14 ; - on effectue un traitement de l'image pour en extraire le motif d'identification 11 (segmentation) ;
- on extrait l'information du motif d'identification 11 pour obtenir l'identifiant 16 du wafer 10, par exemple au moyen d'un logiciel de
reconnaissance de caractères (OCR) ou de lecture de code barre le cas échéant.
Dans ce cas, pour pouvoir lire le motif d'identification 11 et par exemple reconnaître par OCR ses caractères, il est nécessaire de traiter l'image prise par la caméra 14 afin de filtrer le motif périodique 13 et de ne laisser visible pour l'essentiel que les éléments du motif d'identification 11 (les caractères) .
C'est précisément l'objet du procédé selon l'invention . Dans le mode de réalisation présenté, il est mis en œuvre dans des moyens de calcul 15 agencés à cet effet.
En référence à la Fig . 2, le procédé selon l'invention comprend donc une étape 21 d'acquisition ou d'obtention d'un signal de mesure sous la forme d'une image initiale I, qui comprend une information d'intérêt 11 (le code d'identification 11) partiellement masqué par un motif de perturbation de nature périodique 13 (le motif périodique 13).
L'image initiale I peut être directement acquise par la caméra 14, ou être issue d'un moyen de stockage (disque dur, mémoire, ...).
De manière non limitative, on considère dans le mode de réalisation présenté une image initiale I dans laquelle le code d'identification 11 apparaît sombre sur fond clair, et où le motif périodique 13, qui a la forme d'une matrice périodique de trous 13, est sombre lui aussi . Le niveau d'intensité des trous du motif périodique 13 peut être équivalent à celui des fragments de caractères du code d'identification 13, ce qui empêche toute segmentation spatiale par niveau de gris selon des méthodes connues.
Il est à noter que dans le cas d'une image initiale I avec un motif d'identification ou des caractères 11 blancs sur fond noir, il suffit de prendre le négatif de cette image initiale I au départ pour se retrouver dans la configuration précédemment décrite.
On construit ensuite une image apodisée Ia, qui correspond à l'image initiale I dans laquelle l'intensité des pixels sur une marge de largeur A est amoindrie pour tendre vers une valeur constante (par exemple 0) au bord de l'image. La fonction d'apodisation peut être par exemple une gaussienne, ou plus simplement une décroissance linéaire. L'image apodisée Ia est obtenue par multiplication de l'image initiale I par la fonction d'apodisation .
L'intérêt de cette étape d'apodisation (qui n'est pas indispensable toutefois) est de limiter les effets de bord lors du calcul de la transformée de Fourier : comme la transformée de Fourier numérique suppose une image périodique, toute discontinuité entre les bords gauche et droit (et haut et bas) de l'image entraine l'apparition de fréquences virtuelles par un effet de repliement de spectre. Il est donc préférable d'utiliser une fonction d'apodisation qui a un spectre essentiellement limité aux basses fréquences.
Le procédé selon l'invention comprend également une étape 22 de calcul du spectre fréquentiel F de l'image initiale I. Ce spectre fréquentiel F est obtenu au moyen d'un calcul de transformée de Fourier numérique bidimensionnelle.
Comme l'image initiale I est à valeurs réelles, le spectre fréquentiel F est donc une image complexe à symétrie hermitienne.
Le procédé selon l'invention comprend ensuite une étape 23 de calcul d'un spectre d'amplitude Fm de l'image initiale I. Dans le mode de mise en œuvre présenté, ce spectre d'amplitude Fm correspond au logarithme de la norme ou du module du spectre fréquentiel F :
Fm = log(abs(F)).
L'intérêt de prendre le logarithme du module du spectre fréquentiel F et non pas simplement son module est que cela introduit une compression de la dynamique du spectre d'amplitude Fm. En général, l'intensité spectrale dans le spectre fréquentiel F autour la fréquence nulle est de plusieurs ordres de grandeurs au-dessus de celle des hautes fréquences : la compression logarithmique permet de ramener la dynamique dans une étendue plus réduite.
Le procédé selon l'invention comprend également une étape 24 de génération d'une fonction de filtrage représentative des composantes fréquentielles du motif de perturbation périodique 13.
Cette fonction de filtrage est obtenue en mettant en œuvre une analyse du spectre d'amplitude Fm sur la base de critères morphologiques. Plusieurs variantes de cette analyse sont possibles dans le cadre de l'invention. Elles seront décrites plus loin.
De manière générale :
- on sélectionne les pics du spectre d'amplitude Fm qui correspondent aux fréquences caractéristiques du motif périodique 13 en mettant en œuvre des critères morphologiques et/ou des méthodes issues de la morphologie mathématique ; et
- on crée un masque binaire B qui représente précisément la sélection dans le spectre d'amplitude Fm des pics fréquentiels correspondant aux fréquences caractéristiques du motif périodique 13.
Ce masque binaire comprend des valeurs non nulles (par exemple un) pour les fréquences correspondant aux zones des pics fréquentiels sélectionnées et des valeurs nulles (zéro) pour les autres fréquences.
Le procédé selon l'invention comprend également une étape 25 de masquage du spectre fréquentiel F par le masque binaire B pour générer un spectre fréquentiel filtré FB. Ce masquage peut être réalisé par exemple par une opération de multiplication du spectre fréquentiel F par le masque binaire B :
FB = F x B.
Ainsi, tout élément complexe de F qui n'appartient pas à B est mis à zéro dans FB, et conservé sinon.
Cette opération de masquage est réalisée de sorte à préserver la symétrie hermitienne du spectre fréquentiel F dans le spectre fréquentiel filtré FB. Pour cela, on peut par exemple :
- générer un masque B pair, c'est-à-dire qui a une même valeur pour chaque fréquence et la fréquence de signe opposé correspondante ;
- ou, plus généralement, générer un masque B correspondant à la partie du plan spectral dans lequel la FFT est calculée.
Le procédé selon l'invention comprend également une étape 26 de calcul de la transformée de Fourier bidimensionnelle inverse du spectre fréquentiel filtré FB. On obtient ainsi une image dite « de perturbation » J qui est réelle si la symétrie hermitienne du spectre fréquentiel F a été respectée lors du masquage.
L'image de perturbation J correspond à l'image initiale I (ou plus précisément de l'image initiale apodisée Ia) filtrée de tous les éléments non périodiques (ou à faible énergie spectrale) de I. L'image de perturbation J comprend donc essentiellement le motif de perturbation périodique 13. Cette
image de perturbation J conserve aussi les variations d'illumination de l'image initiale I car les très basses fréquences appartiennent au pic dont le sommet est la fréquence nulle.
Le procédé selon l'invention comprend également une étape 27 de calcul d'une image filtrée R, correspondant à une différence pixel-par-pixel entre l'image de perturbation J et l'image initiale I (ou plus précisément l'image initiale apodisée Ia) :
R = J - la- Dans cette image filtrée R, les éléments non périodiques de l'image initiale I apparaissent avec une intensité élevée, le reste étant sombre. Les intensités négatives sont seuillées à zéro. Elles apparaissent notamment parce que des pixels de l'image de perturbation J peuvent être négatifs. Cela s'explique par le fait que l'énergie de l'image initiale I est conservée alors que certaines fréquences sont supprimées, créant une dynamique plus grande.
Ainsi, dans l'image filtrée R, les fragments de caractères 11 apparaissent nets et brillants, ou du moins de manière nettement plus discernables que dans l'image de mesure I.
On peut alors mettre en œuvre de manière beaucoup plus efficaces des techniques de segmentation et de reconnaissances de caractères (OCR) connues pour extraire l'information du motif d'identification 11 et obtenir l'identifiant 16 du wafer 10.
En référence à la Fig. 3, on va maintenant décrire en détail un premier mode de génération du masque binaire B.
Pour des raisons de clarté, ce mode de génération du masque binaire B est illustré par des courbes unidimensionnelles. De telles courbes peuvent être par exemple représentatives d'un profil le long d'un axe fréquentiel du spectre d'amplitude Fm.
Il est à noter qu'elles peuvent également être illustratives d'une mise en œuvre du procédé selon l'invention sur un signal de mesure unidimensionnel.
Bien entendu, les opérations qui sont décrites dans la suite sont applicables aussi bien à des signaux de mesure unidimensionnels qu'à des images bidimensionnelles.
Dans un premier temps, on recherche, dans le spectre d'amplitude Fm (courbe 30), les zones 34 dites « de maxima à h ». Ces zones 34, appelées également h-maxima selon la terminologie de la morphologie mathématique, correspondent respectivement à des ensembles de points connexes autour de maxima d'amplitude locaux 33 qui satisfont à un critère de hauteur minimale h par rapport aux minima d'amplitude locaux les plus proches.
De préférence, on définit le critère de hauteur minimale h comme étant une fraction de l'amplitude maximale du spectre d'amplitude Fm. On peut par exemple fixer h à 25 % de cette amplitude maximale.
Pour déterminer ces zones h-maxima, on génère un spectre d'amplitude décalé Fd (courbe 31) qui correspond au spectre d'amplitude Fm décalé en amplitude, vers les amplitudes inférieures, de h :
Fd = Fm - h.
On calcule ensuite un spectre d'amplitude écrêté Fe en effectuant une reconstruction géodésique du spectre d'amplitude décalé Fd dans le spectre d'amplitude Fm.
Cette reconstruction géodésique est définie comme une répétition jusqu'à atteindre le spectre d'amplitude Fm d'une dilatation du spectre d'amplitude décalé Fd avec un élément structurant g plan parallèle au plan des fréquences (ou unidimensionnel parallèle à l'axe des fréquences en cas de reconstruction géodésique unidimensionnelle).
Mathématiquement, cette reconstruction géodésique peut s'écrire :
SU
Pn>o{(e
g FnT(F
d)},
où l'indice n indique une itération et eg Fm(Fd) est la dilatation géodésique de Fd dans Fm avec l'élément structurant g. On a :
eg Fm(Fd) = 5g(Fd)^Fm,
où eg(Fd) est la dilatation de Fd par l'élément structurant g et l'opérateur Λ (inf) renvoie le minorant ou le plus grand des minorants.
Graphiquement, le résultat de la reconstruction géodésique du spectre d'amplitude décalé Fd dans le spectre d'amplitude Fm (correspondant au spectre d'amplitude écrêté Fe) est illustré par la courbe 32. Ce spectre d'amplitude écrêté Fe courbe correspond donc au spectre d'amplitude Fm écrêté des zones h-maxima 34 (c'est-à-dire écrêté à des amplitudes
inférieures de h à l'amplitude des maxima locaux 33 qui satisfont au critère des h-maxima).
On calcule ensuite un spectre d'amplitude des zones de maxima à h Fmh en effectuant la différence entre le spectre d'amplitude Fm et le spectre d'amplitude écrêté Fe correspondant à la reconstruction géodésique Eg Fm(Fd).
Ensuite, on binarise le spectre d'amplitude des zones de maxima à h Fmh par rapport à un seuil de binarisation prédéfini.
On obtient ainsi un masque B avec des valeurs non nulles (par exemple un) dans les zones 35 supérieures au seuil de binarisation et des valeurs nulles dans les zones inférieures au seuil de binarisation. Si ce seuil de binarisation est fixé à zéro tel qu'illustré à la Fig. 3, les zones non-nulles 35 du masque B correspondent aux h-maxima 34.
De cette manière, on obtient un masque B bien représentatif des zones spectrales dans lesquelles l'énergie due au motif périodique 13 est importante. On peut ainsi prendre en compte non seulement la position des pics fréquentiels mais aussi leur largeur ou leur étendue. Cela permet une reconstruction du motif périodique 13 très précise et très fidèle.
En référence à la Fig. 4, on va maintenant décrire en détail un second mode de génération du masque binaire B.
De même que précédemment, pour des raisons de clarté, ce mode de génération du masque binaire B est illustré par des courbes unidimensionnelles. De telles courbes peuvent être par exemple représentatives d'un profil le long d'un axe fréquentiel du spectre d'amplitude Fm.
Il est à noter qu'elles peuvent également être illustratives d'une mise en œuvre du procédé selon l'invention sur un signal de mesure unidimensionnel.
Bien entendu, les opérations qui sont décrites dans la suite sont applicables aussi bien à des signaux de mesure unidimensionnels qu'à des images bidimensionnelles.
Dans un premier temps, on recherche, dans le spectre d'amplitude Fm (courbe 30), les minima locaux 41.
On définit ainsi un spectre des minima Fmin (courbe 42) qui a la valeur des minima locaux 41 aux fréquences correspondantes et une valeur nulle aux autres fréquences.
On calcule ensuite un spectre d'amplitude de base Fb en effectuant une reconstruction géodésique du spectre des minima Fmin dans le spectre d'amplitude Fm.
De même que précédemment, la reconstruction géodésique est définie comme une répétition jusqu'à atteindre le spectre d'amplitude Fm d'une dilatation du spectre des minima Fmin avec un élément structurant g plan parallèle au plan des fréquences (ou unidimensionnel parallèle à l'axe des fréquences en cas de reconstruction géodésique unidimensionnelle).
Mathématiquement, cette reconstruction géodésique peut s'écrire :
Eg Fm(Fmin)= supn>o{(eg Fm)n(Fmin)},
où l'indice n indique une itération et eg Fm(Fmin) est la dilatation géodésique de Fmin dans Fm avec l'élément structurant g. On a :
où eg(Fmin) est la dilatation de Fd par l'élément structurant g et l'opérateur Λ (inf) renvoie le plus grand des minorants.
Graphiquement, le résultat de la reconstruction géodésique du spectre des minima Fmin dans le spectre d'amplitude Fm (correspondant au spectre d'amplitude de base Fb) est illustré par la courbe 43. Ce spectre d'amplitude de base Fb est ainsi représentatif du fond continu du spectre d'amplitude Fm.
On calcule ensuite un spectre d'amplitude des pics Fp par différence entre le spectre d'amplitude Fm et le spectre d'amplitude de base Fb. Ce spectre d'amplitude des pics Fp est illustré par la courbe 44.
Ensuite, on binarise le spectre d'amplitude des pics Fp par rapport à un seuil de binarisation hp. Ce seuil de binarisation hp peut par exemple être fixé comme une fraction de l'amplitude maximale du spectre d'amplitude des pics Fp. Dans le mode de mise en oeuvre illustré à la Fig. 4, ce seuil de binarisation hp est fixé à 50% de l'amplitude maximale du spectre d'amplitude des pics Fp, de sorte à rejeter les pics de faible amplitude.
On obtient ainsi un masque B avec des valeurs non nulles (par exemple un) dans les zones 35 supérieures au seuil de binarisation hp et des valeurs nulles dans les zones inférieures au seuil de binarisation.
De cette manière, on obtient un masque B bien représentatif des zones spectrales dans lesquelles l'énergie due au motif périodique 13 est importante. On peut ainsi prendre en compte non seulement la position des pics fréquentiels mais aussi leur largeur ou leur étendue. Cela permet une reconstruction du motif périodique 13 très précise et très fidèle.
En référence à la Fig. 5, suivant une variante, le procédé selon l'invention peut comprendre une étape supplémentaire de comblement des minima locaux de faible profondeur du spectre d'amplitude Fm. Cette étape peut être mise en œuvre avec le premier mode ou avec le second mode de génération du masque binaire B.
L'objectif de cette variante est d'éliminer les artefacts qui peuvent apparaître lorsque le spectre d'amplitude Fm comprend des pics très proches, partiellement confondus.
Selon cette variante, on génère le masque binaire B selon les procédés décrits en relation avec les Fig. 3 et Fig. 4 à partir d'un spectre d'amplitude comblé Fmc au lieu d'utiliser le spectre d'amplitude Fm.
Le spectre d'amplitude comblé Fmc est calculé comme suit :
- on génère un spectre d'amplitude inversé Fmi (courbe 51) correspondant à une symétrie en amplitude du spectre d'amplitude Fm
(courbe 30) ;
- on génère ensuite un spectre d'amplitude inversé et décalé Fmid, par décalage du spectre d'amplitude inversé Fmi vers les faibles amplitudes d'une quantité hc représentative de la profondeur de minima à combler ;
- on calcule ensuite un spectre d'amplitude comblé inversé Fmci (courbe
53) en effectuant une reconstruction géodésique du spectre d'amplitude inversé et décalé Fmid dans le spectre d'amplitude inversé Fmi :
Fmci = Eg Fmi(Ffmid)= supn>o{(eg Fmi)n(Fmid)> ;
- enfin, on obtient le spectre d'amplitude comblé Fmc (courbe 54) en effectuant une symétrie en amplitude sur le spectre d'amplitude comblé inversé Fmci.
Comme cela est illustré Fig. 5, le spectre d'amplitude comblé Fmc ainsi obtenu correspond au spectre d'amplitude Fm dans lequel les minima avec une profondeur jusqu'à la quantité hc (ou en d'autres termes les h-minima
avec un paramètre de profondeur entre 0 et hc) sont comblés. Il est à noter que les h-minima avec une profondeur supérieure à hc ne sont pas affectés.
On va maintenant décrire en détail un troisième mode de génération du masque binaire B.
Dans ce mode de réalisation, on utilise une fonction de filtrage de référence prédéterminée, sous la forme d'un masque de référence Br.
Ce masque de référence Br est un masque binaire représentatif des composantes fréquentielles du motif de perturbation périodique 13. Il est déterminé à partir d'une image de référence.
Cette image de référence peut être obtenue de différentes façons. Il peut s'agit par exemple :
- d'une image théorique, générée à partir d'une modélisation du motif périodique 13 ;
- d'une image obtenue en imageant avec une caméra une zone dans laquelle il n'y a pour l'essentiel que le motif périodique 13.
A partir de l'image de référence, on génère donc le masque binaire de référence Br. Pour cela on peut utiliser de manière préférentielle l'une des méthodes décrites précédemment en relation avec les Fig. 3, Fig. 4, et Fig. 5.
De cette manière, on obtient un masque binaire de référence Br bien représentatif des zones spectrales dans lesquelles l'énergie due au motif périodique 13 est importante, qui prend en compte non seulement la position des pics fréquentiels mais aussi leur largeur ou leur étendue.
Un masque binaire de référence Br peut ainsi être calculé une fois pour toutes.
On va maintenant décrite l'utilisation du masque de référence Br pour extraire une information d'intérêt 11 partiellement masqué par un motif de perturbation de nature périodique 13 d'une image initiale I.
On suppose bien entendu que le motif périodique 13 de l'image I est similaire à celui qui a été utilisé pour générer le masque de référence Br.
Les conditions d'imagerie de ce motif périodique 13 peuvent être différentes entre l'image de référence et l'image initiale I. Dans ce cas, au moins au premier ordre (sans déformations de la surface imagée), ces
différences de conditions d'imagerie peuvent être modélisées pour l'essentiel par au moins une transformation parmi une translation, une rotation et un grandissement ou une homothétie.
Dans ce mode de mise en œuvre de l'invention, comme précédemment, l'image initiale I peut être directement acquise par la caméra 14, ou être issue d'un moyen de stockage (disque dur, mémoire, ...)■
Elle est ensuite traitée selon le procédé général décrit précédemment en relation avec la Fig. 1.
Pour générer le masque binaire B :
- on calcule un spectre d'amplitude Fm comme précédemment,
- on détecte les maxima locaux principaux de ce spectre d'amplitude Fm. Cette détection peut être effectuée avec un algorithme simple puisqu'on peut se limiter à la détection de la position des pics fréquentiels les plus importants (dus pour l'essentiel par le motif périodique 13).
- on effectue ensuite un recalage dans le domaine fréquentiel du masque binaire de référence Br pour qu'il s'adapte ou corresponde au mieux au maxima locaux principaux du spectre d'amplitude Fm. Avantageusement, ce recalage peut être effectué avec un ensemble limité de transformations puisqu'on peut se limiter aux transformations qui concernent le module de la transformée de Fourier : homothéties le long du ou des axes fréquentiels avec la fréquence nulle pour origine et/ou rotation autour de la fréquence nulle. En particulier, il n'est pas nécessaire de prendre en compte les translations dans l'espace de l'image initiale I qui n'affectent que la phase de la transformée de Fourier.
On obtient ainsi une version déformée T(Br) du masque binaire de référence Br qui correspond au masque binaire B recherché :
B = T(Br).
La fonction de transformation T comprend une transformation ou une combinaison de transformations parmi : une ou des homothéties le long du ou des axes fréquentiels avec la fréquence nulle pour origine et/ou une rotation autour de la fréquence nulle.
Le recalage peut être effectué selon des méthodes connues, par exemple en minimisant une fonction d'erreur au sens des moindres carrés.
La Fig. 6 illustre des résultats obtenus avec le procédé selon l'invention. Les images présentées sont des détails d'images traitées.
Les Fig. 6a et Fig. 6c présentent des images initiales I obtenues avec une caméra 14 sur des wafers 10 collés sur des supports 12 en verre, ajourés sous la forme d'un motif périodique 13 de perforations. Comme on peut le voir, le motif d'identification 11 présent (une inscription alphanumérique) est difficilement lisible sur ces images, en particulier sur celle de la Fig. 6c.
Les Fig. 6b et Fig. 6d présentent des images filtrée R obtenues avec le procédé selon l'invention dans son mode de mise en œuvre décrit en relation avec la Fig. 3, et appliqué respectivement aux images initiales I des Fig. 6a et Fig. 6c.
Sur la Fig. 6d, un filtrage anisotrope a en outre été appliqué.
Comme on peut le voir, en particulier sur la Fig. 6d, le procédé selon l'invention améliore grandement la lisibilité du motif d'identification 11, aussi bien pour un œil humain que pour un traitement avec un algorithme de reconnaissance de caractères (OCR).
Bien sûr, l'invention n'est pas limitée aux exemples qui viennent d'être décrits et de nombreux aménagements peuvent être apportés à ces exemples sans sortir du cadre de l'invention.