圖像處理算法的評估的製作方法

2023-04-24 15:29:21 2

專利名稱：圖像處理算法的評估的製作方法
技術領域：
本發明的示意性實施例一般涉及ー種系統地及客觀地評估和改善圖像處理算法的效果、從而消除由人類的判斷所引入的不確定性和可變性的方法。
背景技術：
圖像處理算法典型地為一系列實際圖像計算品質因數，並假設具有最大的品質因數的圖像是「最佳」圖像。在這方面可以參考例如F.C.A.Groen，I. Τ. Young, G. Lighthart,"A comparison of different focus functions for use in autofocus algorithms」，Cytometry, Vol. 6，pgs. 81-91 (1985)。典型地，通過將使用該算法選擇出的圖像與人類選擇的作為「最佳」圖像的圖像進行比較，來測試這種算法的質量和效果。在這方面可以參考例如下列的任意ー個出版物(以及上面提到的Groen等
* 白勺 3C 早):A. Santos %= "Evaluation of autofocus functions in molecular cytogenic analysis", J. Microscopy, Vol 188(3), pp 264-72, (1997) ； J.M.Geusebroek, F. Cornelissen, A. Smeulders, H. Geerts, "Robust Autofocusing in Microscopy，，， Cytometry, Vol. 39, pgs. 1—9(2000) ；Y. Sun, S.Duthaler 禾ロ B. J. Nelson，"Autofocusing in computer microscopy-selecting the optimal focus algorithm,，，Microscopy Research and Technique, Vol.65, No. 3, pgs. 139-149, 2004 ；Y.Sun, S. Duthaler 和 B. J. Nelson, "Autofocusing algorithm selection in computer microscopy", IEEE/RSJ International Conference on Intelligent Robots and Systems(IR0S2005),Edmonton, Alberta, Canada, August 2-6,2005 ；以及X. Y. Liu, W. H. Wang, Y. Sun,"Dynamic evaluation of autofocusing for automated microscopic analysis of blood smear and pap smear」，J. Microscopy Vol. 227 (1)，pgs. 15-23 (2007)。在傳統的方法中，如圖IA所示，第一步對一系列實際圖像應用ー種圖像處理算法來為每個圖像獲得一個品質因數。然後在下一歩，由人類按照所觀察到的質量對這些圖像進行排序。然後確定通過人類判斷所排定的順序是否與基於品質因數算法的順序一致。如果一致，則說明結果是非確定性的，這是因為算法和人類的判斷都既可能是正確的也可能是不正確的。如果發現基於人類的判斷所排定的順序與品質因數算法的不一致，則結果也是非確定性的，這是因為算法或者人類的判斷中的任意其一可能是正確的。正如可以理解的，這種傳統的方法是主觀的並且容易出錯。除了人類判斷的可變性之外，對某些成像條件來說，既不是算法實際選擇了「最佳」圖像，也不是人類。這樣，在圖IA中所略述的評估圖像處理算法的傳統方法是不合適的並且容易出錯。發明概述根據本發明的優選實施例，克服了上述和其它的問題並且獲得其它的優點。在本發明的實施例的一個示意性方面中，提供ー種評估圖像處理算法的方法。該方法包括改變ー個成像系統的模型的參數，並且對於該參數的毎次改變，用數據處理器計算相應的樣本圖像；將圖像處理算法應用到所計算的相應的樣本圖像上；以及確定該圖像處理算法檢測參數的改變的能力。在本發明的實施例的另ー個示意性方面中，提供ー種評估圖像壓縮和解壓算法的方法。該方法包括使用數據處理器，將不同程度的噪聲注入到經過計算的樣本圖像上，產生具有不同程度的圖像惡化的第一組計算圖像；將至少ー種噪聲檢測算法應用到該第一組計算圖像上，用以評估該至少ー種噪聲檢測算法在第一組計算圖像中檢測圖像惡化的效果；將至少兩種不同的壓縮/解壓縮算法應用到該第一組計算圖像上，用以產生至少第二組和第三組計算圖像；將該至少ー種噪聲檢測算法應用到所產生的至少第二組和第三組計算圖像上；以及確定該至少兩種圖像壓縮/解壓縮算法中的哪ー種引入了最少的額外的圖像惡化。在本發明的實施例的另ー個示意性方面中，提供ー種包含計算機軟體指令的計算機可讀存儲介質，其中由數據處理器執行該計算機軟體指令產生如下操作改變成像系統的模型的參數，並且對於該參數的每次改變，計算相應的樣本圖像；將圖像處理算法應用到所計算的相應的樣本圖像上；以及確定該圖像處理算法檢測參數的改變的能力。在本發明的實施例的另ー個示意性方面中，提供ー種包含計算機軟體指令的計算機可讀存儲介質，其中數據處理器執行該計算機軟體指令產生如下操作將不同程度的噪聲注入到經過計算的樣本圖像上，產生具有不同程度的圖像惡化的第一組計算圖像；將至少ー種噪聲檢測算法應用到該第一組計算圖像上，用以評估該至少ー種噪聲檢測算法在第一組計算圖像中檢測圖像惡化的效果；將至少兩種不同的壓縮/解壓縮算法應用到該第一組計算圖像上，用以產生至少第二組和第三組計算圖像；將該至少ー種噪聲檢測算法應用到所產生的至少第二組和第三組計算圖像上；以及確定該至少兩種圖像壓縮/解壓縮算法中的哪ー種引入了最少的額外的圖像惡化。


為了使本發明實施例的上述和其它方面更加顯而易見，下面結合附圖來進行詳細描述，其中圖IA是示出評估圖像處理算法例如聚焦算法的傳統方式的邏輯流程圖。圖IB是示出根據本發明示意性實施例的使用經過計算的圖像來評估圖像處理算法的邏輯流程圖。圖2示出了示意性的在三個聚焦值處光掩模的計算圖像。圖3A示出了鍍鉻玻璃光掩模上各種特徵的計算圖像的方差與聚焦的對比，圖;3B 示出了衰減相移掩模上各種特徵的計算圖像的方差與聚焦的對比。圖4A和4B，統稱為圖4，描繪了線和空間的模擬圖像，其中圖4A示出了圖案和強度輪廓，圖4B示出了模擬後的圖像。圖5A-5C，統稱為圖5，示出了在鍍鉻玻璃掩模的情況下圖4的線和空間的模擬圖像，其中圖5A示出了-280nm散焦的情況，圖5B示出了合焦的情況，圖5C示出了ー種+280nm 散焦的情況。圖6示出了針對各種線型的鍍鉻玻璃掩模的圖像標準偏差與聚焦相對比的圖表。圖7A和7B，統稱為圖7，描繪了接觸孔的模擬圖像，其中圖7A示出了圖案和強度輪廓，圖7B示出了模擬後的圖像。
圖8A-8C，統稱為圖8，示出了在相移掩模的情況下圖7的接觸孔的模擬圖像，其中圖8A示出了 -200nm散焦的情況，圖8B示出了合焦的情況，圖8C示出了 +200nm散焦的情況。圖9示出了針對各種線型的相移掩模的圖像標準偏差與聚焦相對比的圖表，並且描述了標準偏差與聚焦相對比的最大值不出現在0散焦的情況。圖10是適於實現本發明的示意性實施例的數據處理系統的ー個實施例的方框圖。圖11是適於實現本發明的示意性實施例的ー種裝置的方框圖。圖12是進一歩根據本發明的示意性實施例描述ー種方法以及由電腦程式產品執行的操作的邏輯流程圖。
具體實施例方式圖像處理算法例行地用於評估一個圖像或一系列圖像的質量。算法可以用於評估，不限制幹，例如圖像的聚焦、照明均勻性、空間扭曲以及/或者噪聲，或用於相對於ー個標準檢測圖像在空間範圍上的缺陷或變化。該算法提供了試圖從一系列圖像中選擇出「最佳」圖像的品質因數，或者提供了一系列圖像中的變化的定量測量。典型地，算法的性能可以使用樣本的實際圖像來進行測試。由於實際圖像數量在絕大多數(如果不是所有的)情況下都包含了大量的參數的變化以及感興趣的參數值的不確定性，所以算法的測試就會受到連累。如上所述，通常通過將算法所選擇的「最佳」圖像與人類選擇的圖像進行比較，來評估這些算法。不幸地，人類的選擇是不可靠的，經常沒有選擇出最好的圖像。也可以通過將ー種算法的結果與另ー種算法的結果進行比較來評估這些算法。然而，由於目前不存在 「絕對的」標準，因此這種方式只是相對的比較。假設任意光學系統(不失一般性地稱為成像系統)的成像行為都被精確地計算及模型化並用於複製該光學系統的實際成像行為(例如參見R. L. Gordon, Α. Ε. Rosenbluth, "Lithographic image simulation for the 21st century with 19th century tools，，, SPIE，Vol. 5182，pgs. 72-87 (2004))。根據本發明的示意性實施例，一個感興趣的光學系統被模型化，並且該模型用於產生經過計算的樣本圖像。該感興趣的光學系統的特定參數，例如聚焦，在該模型中系統地變化，從而獲得在該特定參數的已知絕對值處的一系列計算圖像。ー種圖像處理算法被應用到該一系列計算圖像上，以便確定算法基於變化的參數來區分這些圖像的效果有多好，以及算法成功地選擇「最佳」圖像(例如最佳聚焦圖像)的成功率如何。通過使用這種技木，能夠正確地評定圖像處理算法的性能，同樣避免了使用人類觀察者而引入的主觀性和可變性。根據本發明示意性實施例的方法在圖IB中進行概括示出。該方法通過使用「最佳」圖像是先驗的計算圖像消除了圖像選擇中的不確定性。雖然下文主要描述了用於在ー 種選擇最佳聚焦圖像的算法的具體情況的方法，但該方法是更加通用的，並且能夠應用到除了聚焦算法之外的其它圖像處理算法中。通過使用樣本的計算圖像而不是實際圖像，消除了圖像中所有不希望的變化。另外，通過使用計算圖像，就可以知道感興趣的參數的絕對值(例如聚焦、畸變、噪聲、線寬、邊緣粗糙度或邊緣傾斜度)。這樣，就可以對圖像處理算法進行準確評估。圖IB示出了根據本發明的ー個方法的實例。在圖IB中，在步驟A，通過模型化該光學系統將一系列樣本的圖像計算為某個參數(例如聚焦)的函數。在步驟B，將圖像處理算法應用到該一系列計算圖像上來獲得每個圖像的品質因數，以作為感興趣的參數中已知值的函數。在步驟C，判斷該圖像處理算法是否檢測到在感興趣參數中的、如在計算圖像中顯示的那樣的已知變化。如果結果是肯定的，那麼在步驟D宣布ー個確定性結果，並且該圖像處理算法被假定是正確的。如果步驟C的結果是否定的，也會宣布ー個確定性結果，並且該圖像處理算法被假定是不正確的。關於圖1B，創建ー個光學系統的適當模型。數量眾多的模型化光學系統的表現的方法被例行使用，特別是在半導體光刻領域中。這些方法涉及的範圍從簡單的光學光線跟蹤(例如參見，除了上述所提及的R. L.Gordon，Α. Ε. Rosenbluth, "Lithographic image simulation for the 2Ftcentury with 19^ century tools，，，SPIE, Vol. 5182, pgs. 73-87(2004)之夕卜，還包括 C. Mack，PR0LITH :A comprehensive optical lithography model. SPIE Optical Microlithography IV，Vol. 538，pgs. 207—220 (1985))至Ij Maxwell 方程的全部三維解(例如參見，Z. Zhu, A. Strojwas, "A superfast 3D lithography simulator and its application for ULSI printability analysis，，，SPIE Vol. 5377, pgs. 658-669(2004) ；K.Toh 禾ロ A.Neureuther,"Three-dimensional simulation of optical lithography，，，In Proceedings :SPIE Vol. 1463, pgs. 356-367(1991) ；A. Wong 禾ロ A.R.Neureuther, "Rigorous three-dimensional time-domain finite-diference electromagnetic simulation，，，IEEE Trans. Semicondctor Manufacturing, Vol. 8, No. 4, pgs. 419-431, Nov 1995 ；以及 A. Wong, R. Guerrieri 禾ロ A. R. Neureuther, "Massively parallel electromagnetic simulation for photolithographic applications", IEEE Transactions on CAD，Vol. 14，No. 10，pgs. 1231-1240，Oct 1995)。在所有的實例中，這些模型產生ー個準確的經過計算的樣本圖像。光學系統的參數(例如聚焦)或樣本的參數 (例如相位)被系統地改變，並且一系列的圖像被計算。然後將該圖像處理算法應用到該ー 系列的計算圖像上。通過將該圖像處理算法的結果與感興趣參數中的已知變化相關聯，就可以明確地確定出該算法檢測該參數的變化的能力。這樣，可以測試圖像處理算法，以確定該算法基於變化的參數區分圖像的能力有多好，以及該算法選擇「最佳」圖像(例如最佳聚焦圖像)的成功率有多高。現在描述ー個特定的但非限制性的例子。通常利用聚焦算法來自動調整光學顯微鏡的聚焦，以便獲得「最鋭利」(即最佳聚焦)的圖像。一種廣泛使用的聚焦算法計算在一個聚焦設置處獲得的圖像方差，並將其與在另ー個聚焦設置處獲得的圖像方差相比較。選擇具有較大方差的圖像作為最佳聚焦圖像，這是因為良好聚焦的圖像應當比不良的聚焦圖像具有更好的對比度以及因此具有更大的方差。以前，這種算法的準確性可以通過與由人類選擇的最佳聚焦圖像進行比較來測試(例如參見，X. Y. Liu, W. H. Wang, Y. Sun, "Dynamic evaluation of autofocusing for automated microscopic analysis of blood smear and pap smear", J. Microscopy Vol. 227(1),pgs. 15-23(2007))。在這種方法中暗示了這樣ー種假設，即該算法和/或人類將始終選擇最佳的聚焦圖像。然而，發明人已經發現了這種假設是不正確的。在研發用於光掩模修補工具的自動聚焦系統的過程中，發現操作者不能可靠地生產出特定類型的光掩模的聚焦圖像。雖然操作者通常能夠可靠地聚焦鍍鉻玻璃光掩模，但是他們不能始終聚焦衰減的相移光掩模。由於圖像的對比度會隨著聚焦的變化而發生複雜的變化，因此操作者不能確定什麼構成了相移掩模的ー個良好的聚焦圖像。這樣，在這種情況下，人類的判斷就是不可靠的。根據本發明的ー個方面，修補工具的光學系統被模型化，並且鍍鉻玻璃和相移光掩模的圖像都被計算為一種散焦函數。在圖2中示出的圖像是為透射光的光學系統計算的，其中該光學系統具有數值孔徑為0. 9的物鏡、以MSnm波長操作並具有0. 6sigma的照明相干性。相應於兩種光掩模類型的測量值，鍍鉻玻璃光掩模具有248nm光的0%透射和 100%透射的區域，而衰減的相移光掩模具有透射的區域，該區域相對於100%透射的區域具有168度相移。在變化的散焦量上計算各種線/空間和接觸孔圖案的圖像。然後將方差算法應用到計算圖像上，結果如圖3所繪製。圖3中的每個數據點都與特定散焦處的計算圖像的方差相對應，其中0對應於完美的聚焦。圖3A和圖;3B中的7條曲線中的每ー 條都與光掩模上不同的ニ維圖案相對應，其中圖3A表示鍍鉻玻璃光掩模的結果，圖;3B表示衰減的相移光掩模的結果。這些結果顯示方差算法始終選擇了具有零散焦的鍍鉻玻璃圖像 (即最大方差總是針對如圖3A所示的最佳聚焦圖像而出現)，但該算法始終選擇了衰減的相移光掩模的散焦後的圖像(即如圖3B所示，最大方差針對散焦後的圖像而出現)。在圖 3中示出的7條曲線(表示使用了不同光掩模圖案)示出了如曲線的寬度所表示的用於散焦的算法的敏感度高度依賴於特定的圖案。使用計算圖像能夠對聚焦算法的準確度和精度進行準確地評估，此外能對什麼構成了鍍鉻玻璃和衰減的相移光掩模的「最佳聚焦」圖像進行判斷。計算圖像的使用進ー步提供了通過向方差算法所選擇的聚焦增加預定的偏移來更加準確地選擇衰減的相移光掩模的最佳聚焦圖像的方法，其中所使用的偏移基於圖3B示出的結果。圖IB中描繪的方法可以應用到各種使用場合和應用，並且特別地用於半導體光刻領域。例如，在光掩模上檢測缺陷涉及複雜的圖像處理算法。典型地，光掩模是在光學檢查系統中製造及成像的，該圖像與用於製造該光掩模的設計數據進行比較。圖像與設計數據之間任意的差異都被認為是缺陷。一般通過建立ー個具有規劃好的缺陷的測試光掩模以及實驗性地確定檢測工具能檢測到哪些缺陷，來評估用於檢測缺陷的檢測工具和算法的能力。使用這裡所描述的方法，檢測工具中的光學系統被模型化，以便產生光掩模設計的計算圖像。然後將檢測算法應用到計算圖像上，用於確定該算法檢測缺陷的能力。由於光掩模中變化的任何類型和幅度都能被模型化，因此檢測工具檢測任何潛在的缺陷的能力可以由所需的任何程度的精度來確定。這包括光掩模中的ニ維和三維的空間誤差，以及在透射、相位、散射光(不限制於這些例子)上的變化。另外，檢測工具的潛在變化也可以被模型化，以便確定它們對缺陷檢測產生的影響，例如噪聲、像差和散焦。這樣，就可以對檢測工具作出全面的評估，並且不會受到在所製造的測試光掩模中固有的不確定性和變化的影響。由於可以快速低廉地執行計算，因此針對該檢測工具的檢測能力可以測試大量可能的缺陷。相似地，通過模型化該光刻印刷工具，也可以確定檢測工具檢測到的或遺漏的缺陷的重要性。前述的方法可以應用到其它的光刻場合。例如，可以把各種線寬、接觸面積或線邊緣粗糙度測量算法應用到光掩模或半導體晶片圖案的計算圖像上。作為非限制性的實例， 線寬變化、粗糙度、圖像噪聲和圖像旋轉的受控數量可以包含在計算圖像中，並且評估對測量算法的影響。因此這種過程可以在測量算法的選擇和改進上提供重要幫助。前述的方法也可以應用到任意圖像處理算法以及任意種類的圖像。例如，可以計算風景或人物圖像。例如，範圍涉及從人眼到照相機、顯微鏡、望遠鏡和雙目鏡的光學系統都可以被模型化。成像系統可以包括光學光束，以及例如電子束或離子束。成像系統可以使用電磁輻射來形成樣本的圖像，這裡電磁輻射可以是可見光、紫外光、紅外光、X射線或微波，並且不限制於這些例子。模糊、照明、畸變和噪聲在各個計算圖像中都是變化的，因此， 採用合適的圖像處理算法來確定該算法在評估可變參數(例如模糊、照明、噪聲)上有多少效果。本發明的示意性實施例還可以用於評估圖像壓縮算法，以及確定這些算法在壓縮 /解壓縮處理之後保持各種圖像質量(例如模糊、照明、畸變和/或噪聲)的能力有多好。 還可以參考圖12，圖12將在下面詳細描述。例如，ー個圖像可以被計算並通過注入不同程度的受控噪聲來進行轉換，這樣產生一組圖像(組A)。各種噪聲檢測算法可以應用到該組圖像(組A)上，以便評估算法在檢測噪聲上的有效性。然後組A的圖像可以採用一種壓縮算法來壓縮和解壓縮，這樣形成組B圖像。相似地，可以對組A圖像應用不同的壓縮/解壓縮算法，來產生組C、組D等等圖像。然後將噪聲檢測算法應用到組B、C、D...圖像上。然後就能確定出最佳的壓縮算法(即引入了最少的額外噪聲的算法)。同樣的方法也能用於評估各種壓縮算法對其它參數(例如畸變和模糊，並且不限制於這兩個例子)的效果。例如，在「An objective measure ior perceived noise，，(VishwaKumara Kayargadde 禾ロ Jean-Bernard Martens，Signal Processing 49(1996)，pgs 187-206 及共中的參考文獻)的描述了用於測量圖像中的噪聲的算法。也可以廣泛地使用大量的用於壓縮和解壓縮圖像的算法(例如jpeg)並且它們被描述在 Meven W. Smith, California Technical Publishing 1997，ISBN 0-9660176-3-3"The Scientist and Engineer's Guide to Digital Signal Processing，， 的 27 章以及 Weidong Kou, Springer 1995，ISBN 978-0792396260 "Digital Image Compression :Algorithms and Standards，，中。因此本發明的示意性實施例提供了對模擬(計算)後的圖像而不是實(實際)像的使用，並提供了在已知成像條件下對聚焦變化的精確控制和對聚焦的絕對值的控制，從而確定哪個圖像具有最佳聚焦。作為非限制性的ー個實例，典型的光刻圖案的圖像被模擬(例如參見圖4)，並選擇特定的一組光學條件。這些光學條件可以包括，例如波長、數值孔徑、照明、聚焦、像差和樣本類型(例如鍍鉻玻璃光掩模、相移光掩模)。選擇一組典型的圖案，例如線和空間、隔離(iso)線和空間以及/或者接觸孔，然後該方法以各種聚焦量產生一系列圖像。圖5示出了用於圖4的鍍鉻玻璃掩模的模擬圖像的-280nm散焦、合焦和+280nm散焦的示意性實例。然後將所選擇的圖像處理算法應用到該系列模擬的圖像上，並計算這些圖像的標準偏差。然後確定是否在最大標準偏差處獲得最佳聚焦。圖6示出了用於鍍鉻玻璃掩模的各種線圖案(例如E4，El等)的示意性實例，其中最大標準偏差出現在0散焦點上並且曲線關於該0散焦點對稱。進ー步例如，圖7示出了示意性的圖案和圖像輪廓以及接觸孔的模擬圖像。圖8示出了用於圖7的相移掩模(MoSi相移掩模)的模擬圖像的-280nm散焦、合焦和+280nm散焦的示意性實例。圖9示出了用於該MoSi相移掩模的各種線圖案的示意性實例，其中要注意的是標準偏差的最大值沒有出現在0散焦處，並且曲線關於0散焦點是不對稱的。這表示圖像處理(聚焦)算法「失敗」。在圖4-9中鍍鉻玻璃掩模和相移掩模的圖像被模擬，並且各種線空間和接觸孔圖案也被模擬。針對每種圖像類型改變聚焦，聚焦算法被應用到每個模擬的圖像上。聚焦算法計算了圖像的方差，其中最佳聚焦的圖像應當與具有最大方差的圖像相對應。聚焦算法正確地選擇了用於鍍鉻玻璃掩模的最佳聚焦圖像，但是沒有選擇用於相移掩模的最佳聚焦圖像。事實上，聚焦算法選擇了ー個約IOOnm散焦的圖像。然而，通過以預定量(例如在該非限制性的實例中是IOOnm)來偏移為相移掩模所選擇的聚焦，仍能使用該聚焦算法。圖10是適於實現本發明的示意性實施例的數據處理系統10的示意性實施例的方框圖。系統10包括至少ー個數據處理器12，用戶接ロ 14(例如圖形用戶接ロ(⑶I))，以及計算機可讀存儲介質(例如存儲器16)，其存儲著多個計算機軟體程序模塊和數據結構 16A-16D。系統10還可以包括網絡(NW)接ロ 18，提供與ー個或多個外部區域網(LAN)和/ 或例如網際網路的廣域網(WAN)的雙向連接。存儲器16可以用任意適當的存儲器技術來實現，其可以包含感興趣的光學系統的模型16A以及表示用模型16A計算的圖像16B的ー組圖像數據(例如在圖2、4B、5、7B和 8中示出的那些計算圖像)。值得注意的是可以由系統10使用適當的建模軟體(然後它也被存儲在存儲器16中)來計算模型16A，或者可以在其它地方計算模型16A井隨後發送到系統10(例如通過網絡接ロ 18)以便存儲在存儲器16中。在另ー個示意性實施例中，光學系統的模型16A可以駐留在另ー個計算機系統中，並且只有計算圖像16B被下載到存儲器 16中。同樣地，應當意識到圖10中示出的特定實施例只是本發明設想的示意性的可能實施例。存儲器16還可以包括一個或更多個圖像處理算法16C，例如上面所討論的聚焦算法16D，以及任意用於結合其它軟體和數據結構的操作的額外的計算機軟體。在操作過程中，數據處理器12使用並執行如上所述的軟體程序和數據結構，以便通過將圖像處理算法應用到具有已知屬性的計算圖像上來客觀地評估和改善這些圖像處
理算法。為了描述並實現本發明的示意性實施例，也要參考圖11，圖11示出了適於實現本發明示意性實施例的裝置20的方框圖。值得注意的是，所示出的方框可以用硬體、軟體或軟硬體的組合來實現。在圖11中，方框表示了光學系統22的數學模型。值得注意的是，這裡所採用的「光學系統的模型」可以是數學模型或光學系統本身(例如顯微鏡)的描述。另外，「光學系統的模型」還可以包括數學模型或感興趣的一個或更多個樣本(例如圖案化的光掩模)的描述。可以調整一個或更多個感興趣的模型參數(由設備M表示)，用以產生一組計算圖像沈(例如，計算圖像1、計算圖像2...計算圖像η)，其中每個計算圖像可以表示設備M 的η種設置中的ー種設置，該設置與感興趣的一個或更多個參數的ー個特定值相對應。作為非限制性示例，由設備M改變的光學系統的模型的感興趣的一個或更多個參數可以是以下參數中的至少ー個聚焦、透鏡像差、透鏡畸變、照明均勻性、照明噪聲、檢測器噪聲、數值孔徑、波長以及模糊。作為非限制性示例，由設備M改變的感興趣的一個或更多個參數也可以是樣本屬性，例如樣本特徵類型、樣本特徵尺寸和樣本光學屬性中的至少ー個，其中樣本光學屬性包括透射及相位、反射、透射及相移中的至少ー種，並且不限制於上述例子。圖像處理器28實現了至少ー種圖像處理算法，例如聚焦算法，並且處理ー組計算圖像26，以便為每個圖像產生ー個品質因數(FOM)，然後該品質因數被用於確定該圖像處理器觀基於變化的(ー個或更多個)參數區分計算圖像沈的效果有多好，以及該圖像處理器觀從ー組圖像沈中成功地選擇「最佳」圖像(例如最佳聚焦圖像)的成功率有多高。 圖像處理器觀的輸出的ー種可能的用途(但不限制幹)是改善基於方差的自動聚焦算法的性能，例如用於檢測工具或相似類型的工具的算法。如上述相移掩模的示意性實例所注意到的，可以基於由該圖像處理器所確定的「最佳」聚焦位置以預定偏移量來偏移成像系統的聚焦。也可以基於對該圖像處理器檢測參數中的變化的能力的確定結果來調整該算法的輸出。上述後一操作在圖11中通過表示向該圖像處理器觀的反饋路徑(例如偏移/調整)的虛線來描述。本發明的示意性實施例也涉及ー種評估圖像壓縮和解壓縮算法的方法、電腦程式產品和裝置/系統。參考圖12的邏輯流程圖，方框12A的步驟/操作是將不同程度的噪聲注入樣本的計算圖像，產生具有不同程度的圖像惡化的第一組計算圖像。方框12B的步驟/操作是將至少ー個噪聲檢測算法應用到該第一組計算圖像，以便評估該至少一個噪聲檢測算法在該第一組計算圖像中檢測圖像惡化的效果。方框12C的步驟/操作是將至少兩個不同的壓縮/解壓縮算法應用到該第一組計算圖像中，以便產生至少第二組和第三組計算圖像。方框12D的步驟/操作是將該至少ー個噪聲檢測算法應用到所產生的至少第二組和第三組計算圖像上。方框12E的步驟/操作是確定該至少兩個圖像壓縮/解壓縮算法中的哪ー個引入了最少的額外的圖像惡化。如非限制性的例子，圖像惡化可以包括模糊、照明不均勻、空間畸變和透鏡像差中的至少ー種。本發明的示意性實施例還涉及硬體平臺或系統(可被稱為裝置)，其包括與至少一個存儲著電腦程式軟體的存儲器耦合的至少ー個數據處理器。由至少ー個數據處理器來執行該軟體，使該系統通過以下處理來評估圖像處理算法改變成像系統的模型的參數， 對於參數的每個變化用該至少一個數據處理器來計算相應的樣本圖像；將圖像處理算法應用到經過計算的相應的樣本圖像上；以及確定該圖像處理算法檢測參數的變化的能力。本領域技術人員應當理解，本發明的這些方面可以被具體化為系統、方法或電腦程式產品。因此，本發明的這些方面可以採取純粹的硬體實施例、純粹的軟體實施例(包括固件、常駐軟體、微代碼等)或結合了軟體和硬體方面的實施例的形式，其中結合了軟體和硬體方面的實施例在這裡通常都被稱為「電路」、「模塊」或「系統」。進一歩，本發明的這些方面可以採取包含在一個或多個計算機可讀介質中的電腦程式產品的形式，其中這些介質具有收錄於其上的計算機可讀軟體程序代碼。可以利用一個或多個計算機可讀介質的任意組合。計算機可讀介質可以是計算機可讀信號介質或計算機可讀存儲介質。計算機可讀存儲介質例如可以是但不限制幹，電、 磁、光、電磁、紅外或半導體系統、裝置或設備或上述的任意適當的組合。計算機可讀存儲介質的更特定的例子(非窮舉列表)包括下列具有一個或多個導線的電連接、可攜式計算機磁碟、硬碟、隨機存取器(RAM)、只讀存儲器(ROM)、可擦除可編程只讀存儲器(EPR0M或快閃記憶體)、光纖、可攜式光碟只讀存儲器(CD-ROM)、光存儲設備、磁存儲設備或上述的任意適當的組合。在該說明書的上下文中，計算機可讀存儲介質可以是任意有形的介質，能夠包含或存儲由指令執行系統、裝置或設備使用的或相連接的程序。計算機可讀信號介質可以包括例如以基帶或作為載波的一部分的傳播數據信號， 該信號具有包含於內部的計算機可讀程序代碼。這種傳播信號可以採取多種形式，包括但不限制幹，電磁、光或它們的任意組合。計算機可讀信號介質可以是任意的非計算機可讀存儲介質的計算機可讀介質，其能夠通信、傳播或傳輸由指令執行系統、裝置或設備使用的或相連接的程序。包含在計算機可讀介質上的程序代碼可以用任意適當的介質來傳輸，包括但不限制幹，無線、有線、光線、RF等，或上述任意的適當組合。用於執行本發明的這些方面的操作的電腦程式代碼可以採用ー種或多種程式語言的任意組合來編寫，包括面向對象程式語言例如Java、Smalltalk, C++等等以及傳統的過程化程式語言例如「C」程式語言及相似的程式語言。程序代碼可以完全在用戶的計算機上、部分在用戶的計算機上、作為獨立軟體包、部分在用戶的計算機並部分地在遠程計算機或完全在遠程計算機或伺服器上來執行。在後ー情況下，遠程計算機可以通過任意類型的網絡連接到用戶計算機，包括區域網(LAN)或廣域網(WAN)，或者該連接是面對外部計算機的(例如，通過利用網絡服務提供商的網際網路)。已參照根據本發明實施例的方法、裝置(系統)和電腦程式產品的流程圖描述和/或方框圖來描述了本發明的這些方面。將會理解的是，流程圖描述和/或方框圖中的每個方框，以及流程圖描述和/或方框圖中的方框的組合，可以由電腦程式指令來實現。 這些電腦程式指令可以被提供給通用目的計算機、特定目的計算機或其它可編程數據處理裝置的處理器以形成ー個機器，以便通過計算機或其它可編程數據處理裝置的處理器執行的指令，創建用於實現在流程圖和/或方框圖的方框中所描述的功能/動作。這些電腦程式指令還可以存儲在計算機可讀介質中，它們能夠使計算機、其它可編程數據處理器裝置或其它設備以特定形式實現功能，以便使存儲在計算機可讀介質中的指令形成ー種產品，其包括實現在流程圖和/或方框圖的方框中所描述的功能/動作。這些電腦程式指令還被加載到計算機、其它可編程數據處理裝置或其它設備上，致使一些了可操作的步驟在該計算機、其它可編程數據處理裝置或其它設備上執行，以形成一種計算機實現過程，以便使在該計算機或其它可執行裝置上執行的指令提供實現在流程圖和/或方框圖的方框中所描述的功能/動作的過程。附圖的流程圖和方框圖描述了根據本發明各種實施例的系統、方法和電腦程式產品的可能實現的結構、功能和操作。在這點上，流程圖或方框圖中的每個方框可以代表模塊、代碼的片段或部分，其包含一個或多個用於實現描述的邏輯功能的可執行指令。還應當注意到，在某些可選實現方式中，方框中指明的功能還可以按照不同於附圖中所指明的順序而出現。例如，連續示出的兩個方框事實上可以實質上並發地執行，或者這些方框有時可以按照相反的順序來執行，這取決於所包含的功能。還應當注意到，方框圖和/或流程圖描述中的每個方框，以及方框圖和/或流程圖描述中的方框的組合可以由執行特定功能或動作的特定目的的基於硬體的系統來實現，或由特定目的的硬體和計算機指令的組合來實現。這裡使用術語的目的只是描述特定實施例的，不是用於限定本發明。如這裡所使用的，単數形式的「ー種」和「該」也是試圖包括複數形式，除非上下文中有另外的清楚的說明。可以進一歩理解，在說明書中使用的術語「包括」和/或「包含」指明所提及的特徵、整數、步驟、操作、元件和/或部件的存在，但不排除ー個或多個其它特徵、整數、步驟、操作、 元件、部件和/或其集合的存在或増加。下面的權利要求中所有的手段或步驟加上功能元件的相應的結構、材料、動作和等同物，試圖包含任意結構、材料或動作，以用於執行與特別要求的其它所要求的元件相結合的功能。已經為了說明和描述的目的介紹了本發明，但不是以所公開的形式來窮舉或限制本發明。對於本領域普通技術人員來說，許多修改和改變在不背離本發明的範圍和精神的情況下都是顯而易見的。為了最佳地解釋本發明的原則和實際應用，以及使本領域普通技術人員理解具有各種修改的各種實施例的本發明如所計劃的特定用途那樣適用，從而選擇並描述了實施例。同樣地，當結合附圖和權利要求書來閱讀，對於本領域相關技術人員來說考慮到上述描述作出各種修改和修正是顯而易見的。如僅在某些實例，其它相似的或等同的光學系統模型化技術的用途，除了上述提到的各種出版物中描述的那些之外，可以由本領域技術人員來使用。然而，本發明的教導中所有的這些和相似的修改都將落在本發明的範圍內。而且，對本發明的實例中某些特徵的使用具有優點，而不需要相應地使用其它特徵。同樣地，上述描述應當被認為只是對本發明的原則、教導、實例和示意性實施例的示意性說明，並且不限制於此。
權利要求
1.ー種評估圖像處理算法的方法，包括改變成像系統的模型的參數，並且對於該參數的毎次改變，用數據處理器計算相應的樣本圖像；將圖像處理算法應用到所計算的相應的樣本圖像上；以及確定該圖像處理算法檢測參數的改變的能力。
2.如權利要求1的方法，其中所述成像系統按照電磁輻射、電子或離子的方式來操作以形成圖像。
3.如權利要求1的方法，其中改變的參數包括聚焦、透鏡像差、透鏡畸變、照明均勻性、 照明噪聲、檢測器噪聲、數值孔徑、波長和模糊中的至少ー種。
4.如權利要求1的方法，其中改變的參數包括樣本屬性。
5.如權利要求4的方法，其中所述樣本屬性包括樣本特徵類型、樣本特徵尺寸、樣本光學屬性中的至少ー種，其中樣本光學屬性包括透射和相位、反射率、透射和相移中的至少ー 種。
6.如權利要求1的方法，其中所述成像系統包括光掩模檢測工具，並且其中所述圖像處理算法用於檢測光掩模缺陷。
7.如權利要求1的方法，進ー步包括基於確定所述圖像處理算法檢測參數的改變的能力的步驟所得到的結果，通過把聚焦偏移預定量，來改善基於方差的自動聚焦算法的性能。
8.如權利要求1的方法，進ー步包括基於確定所述圖像處理算法檢測參數的改變的能力的步驟所得到的結果，通過調整所述算法的輸出，來改善所述圖像處理算法的性能。
9.ー種評估圖像壓縮和解壓縮算法的方法，包括使用數據處理器，將不同程度的噪聲注入到經過計算的樣本圖像中，產生具有不同程度的圖像惡化的第一組計算圖像；將至少ー種噪聲檢測算法應用到該第一組計算圖像上，用以評估所述至少ー種噪聲檢測算法在第一組計算圖像中檢測圖像惡化的效果；將至少兩種不同的壓縮/解壓縮算法應用到所述第一組計算圖像上，用以產生至少第 ニ組和第三組計算圖像；將所述至少ー種噪聲檢測算法應用到所產生的至少第二組和第三組計算圖像上；以及確定所述至少兩種圖像壓縮/解壓縮算法中的哪ー種引入了最少的額外的圖像惡化。
10.如權利要求9的方法，其中圖像惡化包括模糊、照明不均勻性、空間畸變和透鏡像差中的至少ー種。
11.一種計算機可讀存儲介質，包含計算機軟體指令，由數據處理器來執行該計算機軟體指令產生如下操作改變成像系統的模型的參數，並且對於所述參數的毎次改變，計算相應的樣本圖像； 將圖像處理算法應用到所計算的相應的樣本圖像上；以及確定所述圖像處理算法檢測參數的改變的能力。
12.如權利要求11的計算機可讀存儲介質，其中所述成像系統按照電磁輻射、電子或離子的方式來操作以形成圖像。
13.如權利要求11的計算機可讀存儲介質，其中改變的參數包括聚焦、透鏡像差、透鏡畸變、照明均勻性、照明噪聲、檢測器噪聲、數值孔徑、波長和模糊中的至少ー種。
14.如權利要求11的計算機可讀存儲介質，其中改變的參數包括樣本屬性。
15.如權利要求14的計算機可讀存儲介質，其中所述樣本屬性包括樣本特徵類型、樣本特徵尺寸、樣本光學屬性中的至少ー種，其中所述樣本光學屬性包括透射和相位、反射率、透射和相移中的至少ー種。
16.如權利要求11的計算機可讀存儲介質，其中所述成像系統包括光掩模檢測工具， 並且其中所述圖像處理算法用於檢測光掩模缺陷。
17.如權利要求11的計算機可讀存儲介質，進一歩包括基於確定所述圖像處理算法檢測參數的改變的能力的步驟所得到的結果，通過以預定量偏移聚焦，來改善基於方差的自動聚焦算法的性能。
18.如權利要求11的計算機可讀存儲介質，進一歩包括基於確定所述圖像處理算法檢測參數的改變的能力的步驟所得到的結果，通過調整所述圖像處理算法的輸出，來改善該圖像處理算法的性能。
19.ー種包含計算機軟體指令的計算機可讀存儲介質，其中數據處理器執行該計算機軟體指令產生如下操作將不同程度的噪聲注入到經過計算的樣本圖像中，產生具有不同程度的圖像惡化的第一組計算圖像；將至少ー種噪聲檢測算法應用到所述第一組計算圖像上，用以評估所述至少一種噪聲檢測算法在第一組計算圖像中檢測圖像惡化的效果；將至少兩種不同的壓縮/解壓縮算法應用到所述第一組計算圖像上，用以產生至少第 ニ組和第三組計算圖像；將所述至少ー種噪聲檢測算法應用到所產生的至少第二組和第三組計算圖像上；以及確定所述至少兩種圖像壓縮/解壓縮算法中的哪ー種引入了最少的額外的圖像惡化。
20.如權利要求19的計算機可讀存儲介質，其中所述圖像惡化包括模糊、照明不均勻、 空間畸變和透鏡像差中的至少ー種。
全文摘要
本發明的一個示意性方面涉及一種評估圖像處理算法的方法。該方法包括改變成像系統的模型的參數，並且對於參數的每次改變，用數據處理器計算相應的樣本圖像；將圖像處理算法應用到所計算的相應的樣本圖像上；以及確定該圖像處理算法檢測參數的改變的能力。
文檔編號G06K9/36GK102576410SQ201080047070
公開日2012年7月11日 申請日期2010年7月22日 優先權日2009年11月10日
發明者A·華格納, P·P·隆戈 申請人:國際商業機器公司