[发明专利]用于对电子显微镜图像进行去噪的方法

说明书

本发明一般涉及图像处理。特别地，本发明涉及一种用于对电子显微镜(EM)图像进行去噪的方法和设备。该方法包括选择EM图像的补丁的步骤，其中该补丁包括多个像素，其中对该补丁执行以下步骤：i)用来自同一EM图像的不同的、优选为随机选择的像素的值替代该补丁的一个像素的值，优选为中心像素的值；ii)基于该补丁中其他像素的值来确定该一个像素的去噪值；以及iii)用确定的去噪值替代该一个像素的值。

技术领域

本公开一般涉及图像处理，并且具体地涉及一种用于对电子显微镜(EM)图像进行去噪方法和设备。本公开进一步涉及一种用于分析样本的方法。

背景技术

扫描电子显微镜(SEM)是半导体行业广泛使用的成像工具。例如，SEM被用于测量抗蚀剂图案的关键尺寸(CD)和粗糙度特征。

通过光刻图案化技术形成的电子电路的电气特性显著地受到诸如线边缘(LER)和线宽(LWR)粗糙度等特征的影响。因此，分析这些特征是重要的。然而，CD-SEM图像固有地包含显著的噪声水平，并且因此，准确测量SEM图像的LER/LWR和CD是重大挑战。特别地，传统的图像处理技术和噪声过滤方法通常会消除这种边缘信息。另外，CD-SEM图像中的噪声的量化很困难，因为图像的噪声通常取决于计量设置和样本特性，并且不适合真的高斯或泊松分布。

最近基于区别深度学习的算法的性能优于传统的噪声过滤方法。然而，这些机器学习方法需要(要求)干净的地面真实图像用于训练目的，在许多情况下，这些图像要么不存在，要么难以获取。

替换地，一些已知的深度学习办法基于从软件工具生成合成无噪声图像并将其用于监督学习，或基于降低具有近似噪声水平的干净目标图像并将其用于半监督学习。通常，这些方法需要额外的条件文件来生成那些相应的合成图像，这可能会导致额外的伪影，并且从而影响诸如LER/LWR和CD等测量指标的准确性。

发明内容

因此，目的是提供一种用于对电子显微镜图像去噪的改进方法和改进设备。此外，目的是提供一种用于分析样本的改进方法。具体地，应避免上述缺点。

该目的通过在所附的独立权利要求中提供的实施例来达成。在从属权利要求中进一步限定了本发明实施例的有利实现。

根据第一方面，本发明涉及一种用于对电子显微镜(EM)图像去噪的方法，包括以下步骤：选择该EM图像的一补丁(patch)，其中该补丁包括多个像素，其中以下步骤是在该补丁上执行的：

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

ii)基于该补丁中其他像素的值来确定该一个像素的去噪值；以及

iii)用确定的去噪值替代该一个像素的值。

这实现了可以高效地对SEM图像进行降噪的优势，特别是不需要额外的地面真实或合成图像。

此外，通过用来自图像中任何地方的另一、优选为随机选择的像素值替代所选像素的值，在所选像素的位置中创建盲点。这个盲点阻止了执行该方法的神经网络简单地学习所选像素的身份。

该方法的掩蔽/盲点机制可以保证模型无法学习从输入到输出的身份映射，反之亦然。这允许将架构部署为“无监督模型”，其中单个有噪图像被用作输入和目标。

特别地，盲点/掩蔽图像补丁被用作输入图像/补丁，并且实际有噪图像/补丁被用作目标补丁。因此，不需要像在其他机器学习模型中训练所需的干净的目标图像和两个或更多个有噪图像。这在与SEM图像一起工作时特别有利，因为在相同条件下可能无法多次扫描以捕获特定设备结构的SEM图像，因为在每次扫描中，扫描电子通常会损坏抗蚀剂轮廓以及下方的基底。因此，在制作SEM图像时，每个位置只能捕获一张具有相同成像条件的图像。同时，该方法节省了时间、成本和人力以收集许多有噪图像。