[发明专利]用于对电子显微镜图像进行去噪的方法

权利要求书

1.一种用于对电子显微镜EM图像(40)进行去噪的方法(10)，包括以下步骤：

选择(11)所述EM图像(40)的补丁，其中所述补丁包括多个像素，其中在所述补丁上执行以下步骤：

i)用来自同一EM图像(40)的不同的、优选为随机选择的像素的值替代(13)所述补丁的一个像素，优选为中心像素的值；

ii)基于所述补丁中的其他像素的值来确定(14)所述一个像素的去噪值；以及

iii)用所确定的去噪值替代(15)所述一个像素的值。

2.如权利要求1所述的方法(10)，进一步包括以下步骤：

选择(16)所述EM图像(40)的另一补丁，其中所述另一补丁包括多个像素；并且其中所述另一补丁不同于先前选择的所述EM图像的补丁，以及

对所选的另一补丁重复(17)步骤i)到iii)。

3.如权利要求2所述的方法(10)，其特征在于，所述另一补丁与先前选择的补丁部分重叠或与先前选择的补丁相邻。

4.如权利要求2或3所述的方法(10)，其特征在于，选择(16)另一补丁和针对各个所选另一补丁重复(17)步骤i)到iii)的步骤被重复，直到所述EM图像的所有像素被各个去噪值替代。

5.如权利要求2到4中任一项所述的方法(10)，包括以下进一步步骤：

基于所述EM图像(40)的原始像素值与确定的去噪值之差来确定所述EM图像(40)的噪声水平。

6.如前述权利要求中任一项所述的方法(10)，其特征在于，所述一个像素的去噪值至少部分地基于所述补丁中的其他像素的像素值的无噪声分量之间的假定统计倚赖性以及基于各相邻像素的像素值的噪声分量之间的假定统计独立性来确定。

7.如前述权利要求中任一项所述的方法(10)，其特征在于，至少确定(14)所述补丁的所述一个像素的去噪值的步骤由可训练的神经网络、特别是基于U-Net的神经网络来执行。

8.如权利要求7所述的方法(10)，其特征在于，所述可训练的神经网络在每次确定所述EM图像(40)的补丁的像素的去噪值时由无监督学习算法来训练。

9.如前述权利要求中任一项所述的方法(10)，其特征在于，可训练的神经网络被配置为将内核应用于所述补丁的像素以确定所述一个像素的去噪值。

10.一种用于对EM图像(40)进行去噪的设备(50)，包括：

接收单元(51)，配置为接收EM图像(40)；

数据处理单元(53)，配置为对接收到的EM图像(40)执行前述权利要求中任一项所述的去噪方法(10)。

11.一种用于分析样本、特别是包括存储器结构的管芯的方法(60)，其中所述方法(60)包括以下步骤：

用扫描电子显微镜SEM记录所述样本的截面的电子显微镜EM图像，其中所述EM图像以所述SEM的电压对比模式来被记录，

根据权利要求1到9中任一项所述的方法(10)对所记录的EM图像进行去噪(62)；

对所述样本的截面执行(63)空间解析检查测量，其中所述检查测量包括确定所述样本的截面的不同位置处的电气特性值，优选为电导率值；

将去噪EM图像的所述像素值与在所述样本的所述截面的不同位置处确定的所述电气特性值相关(64)；以及

基于所述相关来生成(65)特性映射(91)，其中所述特性映射指示所述EM图像中可见的结构的所述电气特性。

12.如权利要求11所述的方法(60)，进一步包括以下步骤：

基于所述相关来确定校准曲线(92)，其中所述校准曲线(92)将所述EM图像(89)的像素值与电气特性值相关。