[发明专利]一种基于Gabor特征与随机降维的晶圆表面缺陷检测方法

说明书

本发明公开了一种基于Gabor特征与随机降维的晶圆表面缺陷检测方法。用CCD相机采集晶圆表面图像，然后对图像进行预处理；设计用于获取晶圆表面纹理特征的40个Gabor滤波器，然后将40个Gabor滤波器与图像做卷积运算得到40幅特征图像；对40幅特征图像采用随机降维：对降维后的图像进行阈值分割，构建针对分割阈值的目标函数，求解目标函数获得最终分割阈值，用最终分割阈值分割图像为前景与背景，确定分割阈值，最终准确检测晶圆表面缺陷。本发明方法可很好地对晶圆表面缺陷进行识别和定位，并且识别的效率也有了很大的提高。

技术领域

本发明涉及了一种基于Gabor特征与随机降维的晶圆表面缺陷检测方法，属于图像识别领域。

背景技术

随着集成电路制造技术的快速发展，晶圆的特征尺寸不断减小，造成更多微小的缺陷。晶圆表面的缺陷已经成为影响良率的主要障碍。如何精确自动检测晶圆的缺陷是一项复杂而有挑战性的工作。缺陷检测技术已经成为集成电路产业的关键技术。

传统的方法一般是人工去检测对于较大缺陷的晶圆，但是往往检测效果不好而且效率低下。而机器检测多依靠于图像检测的方法，其中基于模板匹配的方法最为常用，但是匹配的时间过长，难以实现实时性，所以很难满足工业需求。晶圆表面的图案较多且缺陷往往相对很小，而对于生产实际，检测时间也要满足实时的要求，所以一个有效且快速的方法显得尤为重要。

发明内容

为了解决背景技术中存在的问题，本发明的目的在于提供了一种基于Gabor特征与随机降维的晶圆表面缺陷检测方法，用来检测晶圆图像中的晶圆，方法有效且可快速检测晶圆微小缺陷。

为了解决上述技术问题，如图1所示，本发明所采取的技术方案是：

步骤1：用CCD相机采集晶圆表面图像，然后对图像进行预处理；

步骤2：特殊设计用于获取晶圆表面纹理特征的40个Gabor滤波器，然后将40个Gabor滤波器与图像做卷积运算得到40幅特征图像；

步骤3：对40幅特征图像采用随机降维：

步骤4：对降维后的图像进行阈值分割，构建针对分割阈值的目标函数，求解目标函数获得最终分割阈值，用最终分割阈值分割图像为前景与背景，确定分割阈值，最终准确检测晶圆表面缺陷。

本发明方法可应用于晶圆的缺陷检测系统中。

所述步骤1中的预处理具体是包括采用中值滤波去除噪声的步骤和中值滤波后进行灰度化的步骤。

所述步骤2具体为：

2.1)构建以下公式表示的Gabor滤波器，属于加窗的傅里叶变换：

其中，g(x,y；v,u,ψ,σ,γ)表示考虑了v,u,ψ,σ,γ影响因素的像素点(x,y)的卷积核函数，v代表Gabor滤波波长，u代表Gabor核函数的方向，ψ表示Gabor核函数的相位偏移，σ表示Gabor核函数的标准差，γ表示Gabor核函数的空间纵横比，γ决定了Gabor函数的形状的椭圆度；i表示复数；

选取8个方向和5种波长的滤波器，Gabor核函数的方向u的范围取为0，和Gabor滤波波长v选取5,10,15,20,25的五种波长，每个方向下均对应有五个波长，总共产生40个Gabor滤波器；

2.2)然后，针对每个Gabor滤波器采用以下公式进行卷积运算：

其中，Q(x,y)表示特征图像，g(x-l,y-h)为考虑了v,u,ψ,σ,γ影响因素的像素点(x,y)的卷积核函数，l,h表示横纵坐标方向上的偏移量，P(x,y)为输入预处理后的图像中像素点(x,y)的灰度值。