[发明专利]一种采用压缩感知技术的光源掩模优化方法

摘要

本发明公开了一种采用压缩感知技术的光源掩模优化方法，本发明将光源优化SO问题构造为在解为非负约束条件下求解2范数的图像恢复问题，即：s.t.其中约束条件线性方程组使优化后光源对应的空间像尽量接近目标成像值。另一方面，本发明将掩模优化MO问题构造为含稀疏正则项和低秩正则项的图像优化问题，即：其中约束条件非线性方程组使优化后的掩模和光源对应的空间像观测数据尽量接近目标图形上的观测数据，约束条件能够进一步降低优化过程中方程组的数目，约束条件能够保证优化过程中掩模的复杂度尽量降低。

主权项

1.一种采用压缩感知技术的光源掩模优化方法，其特征在于，包括：步骤101、将光源初始化为N_S×N_S的光源图形J，将掩模图形M和目标图形栅格化为N×N的图形，其中N_S和N均为整数值；步骤102、对所述光源图形J进行逐点扫描，并将所述光源图形J转化为N²×1的光源向量所述光源向量的元素值等于所述光源图形J的对应像素值；对掩模图形M进行逐点扫描，并将M转化为N²×1的掩模向量所述掩模向量的元素值等于所述掩模图形M的对应像素值；对目标图形进行逐点扫描，并将转化为N²×1的目标向量所述目标向量的元素值等于目标图形的对应像素值；步骤103、选定两组组基函数Ψ_J和Ψ_M，使得光源向量和掩模向量分别在Ψ_J和Ψ_M上是稀疏的；将光源向量在Ψ_J上展开得到掩模向量在Ψ_M上展开得到其中和分别为展开后的系数；步骤104、采用初始的掩模图形M计算照明交叉系数ICC矩阵I_cc，其大小为N²×N_S²；并对目标图形和ICC矩阵I_cc降采样分别得到和步骤105、将光源优化SO问题构造为如下的形式：其中指的优化结果；为向量的2范数；λ为权重系数；为向量的1范数；作为约束条件；步骤106、采用梯度投影的稀疏重构算法GPSR求解步骤105中的光源优化SO问题，获得对应最优光源图形的的优化结果计算优化后的光源图形为Ψ'_J是Ψ_J的转置；步骤107、根据步骤106中优化的光源计算空间成像I(θ_M)并扫描得到所述空间成像I(θ_M)的空间成像向量并对和分别进行降采样得到和步骤108、将掩模优化MO问题构造为如下形式：其中是的优化结果；为向量的低秩正则项，为向量的稀疏正则项，α和β分别为和正则项的权重系数；步骤109、采用分裂布莱格曼算法Split Bregman求解步骤108中的MO问题，获得对应最优掩模图形的向量计算优化后的掩模图形为Ψ'_M为Ψ_M的转置。