パターン画像計測方法及びその方法を用いたパターン画像計測装置
【課題】フォトマスク又はウェハのパターンを電子顕微鏡（ＳＥＭ）から撮像し、得られたパターン画像を計測する方法において、そのパターン画像特有のチャージアップやフォーカスのボケによるパターン計測の信頼性の低下を防ぎ、パターン計測結果の信頼性を高めることを目的とする。
【解決手段】計測対象のパターンのＳＥＭ画像を取得し、計測するパターンを輪郭線を抽出処理し、該輪郭線の各点の近傍領域の濃度値から判別分析処理を行い判別分析処理によって算出したη値を統計解析処理し、画質の定量化し、信頼度の判定処理することにより、前記パターン計測の結果の信頼度を向上させるが可能となるパターン画像計測方法。
【解決手段】計測対象のパターンのＳＥＭ画像を取得し、計測するパターンを輪郭線を抽出処理し、該輪郭線の各点の近傍領域の濃度値から判別分析処理を行い判別分析処理によって算出したη値を統計解析処理し、画質の定量化し、信頼度の判定処理することにより、前記パターン計測の結果の信頼度を向上させるが可能となるパターン画像計測方法。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は半導体製造のリソグラフィ工程に用いられるフォトマスク、及びリソグラフィ工程後のウェハを、電子顕微鏡で撮影したパターン画像を計測するパターン画像計測方法及びその方法を用いたパターン画像計測装置に関する。
【背景技術】
【０００２】
近年の半導体ＬＳＩパターンの微細化に伴い、パターン原版としてのフォトマスクも同様に微細化への対応を迫られており、同時に高精度化への要求は非常に厳しい。従来、フォトマスク品質における重要項目として、欠陥・寸法精度・アライメントの３項目が特に重視されており、半導体の微細化が進む現在ではそれぞれの項目を計測するための高精度なフォトマスク専用検査装置が開発され使用されている。しかしフォトマスクパターンの微細化による高精度化への要求は、前記３項目以外のあらゆる品質項目（パターン形状、パターンデータ保証、耐久性、クリーン度等）においても同様になりつつあり、特にパターン形状の精度については直接ＬＳＩ回路の精度および性能に関わることから、重視されるようになってきた。
【０００３】
フォトマスクのパターン形状は、半導体回路のマスクレイアウト設計において設計図面通りのパターンが精度良くマスク上に再現されていることが望ましいのは当然である。しかし、実際にはリソグラフィ技術を用いてガラス基板（以下基板と記す）上の金属薄膜に微細なパターンを加工しているため、マスクパターンと設計パターンとは完全に同一形状ではなく、寸法差やコーナー部の丸みなど、微小な違いが存在する。この違いはマスク上で数十〜数百ナノメートル程度の大きさであるが、近年の超ＬＳＩの微細化の進展によって、これが半導体回路の特性に影響を与えることが懸念され始めている。すなわち、微細なパターンであるほど、パターン自体に対して前記のパターン形状の違いが相対的に大きくなり、特性値に影響するようになってきた。
【０００４】
また、近年の急激な微細化に伴い、投影露光技術において光学原理を積極的に利用することで前記のパターン形状の問題を改善しようという試みが盛んになってきている。その代表例は光近接効果補正マスク（以下ＯＰＣマスクと称する）である。ここでＯＰＣマスクについて説明する。ＯＰＣマスクは、ウェハ露光転写時に回路パターン形状が精度良く転写されるように、本来の回路パターンに近接あるいは接触するようにして微細な光近接効果補正パターン（以下ＯＰＣパターンと称する）が付加されているマスクである。ＯＰＣパターンは、投影露光転写時に光学的近接効果が原因で生じる転写パターン形状の劣化に対して、近接するパターン同士の光干渉効果を利用して形状補正し、本来の設計パターンを精度よく転写可能にすることを目的とするパターンであり、本来の回路パターンの四隅や隣接するパターンと最も近接する部分に配置されることが多い。また最近では回路パターン全体を複雑に変形させるような種類のＯＰＣパターンも提案されている。ただし、本来の回路パターンとしては不要なため、ＯＰＣパターン自身は転写されない程度に微細でなければならない。従って、ＯＰＣパターンは従来のパターンよりもかなり微細であるため、マスクパターンの寸法ルールが従来のマスクよりも飛躍的に微細化することになり、マスク製造技術の点では非常に高度な微細加工技術を必要とする。もちろん、微細化の点では従来型のフォトマスクも同様に進展していくことは確実であり、やはり高度な微細加工技術が要求されるようになっている。そこでフォトマスク製造及び検査技術の課題として重視されるようになったのが、前述のパターン形状精度の問題である。一方、フォトマスクを利用してリソグラフィ工程によってウェハ上に形成されたパターンについてもフォトマスクと同様に形状の精度が問題となってきている。
【０００５】
基板上のフォトマスクやウェハのパターン形状を計測する手段として従来は、光学顕微鏡や電子顕微鏡（以下ＳＥＭ）を用いてパターンの画像を取得した後、画像計測用のソフトを利用して計測を行っていた（例えば、特許文献１を参照）。画像計測の手法としては、パターン画像からパターンのエッジ部分を輪郭線として抽出して、その輪郭線の座標情報をもとにパターンの特性を計測する手法や、パターン画像の濃度分布情報からある閾値を決め、該閾値を基準にして線幅を計測する手法などがある。一般的にフォトマスクやウェハの非常に微細なパターンを高精度に計測するには、光学顕微鏡の画像では解像度が足りないため、ＳＥＭのパターン画像が利用されることが多い。
【０００６】
下記に公知文献を記す
【特許文献１】特開２００２−９２５９５号公報
【発明の開示】
【発明が解決しようとする課題】
【０００７】
フォトマスクやウェハのパターンをＳＥＭで撮影し、パターンの大きさやコーナーラウンディング、エッジラフネスといった特性を計測する際、ＳＥＭ特有のチャージアップによる画像の変動やフォーカスずれによる画像のボケが問題となる。特に画像のボケは、パターンを計測する際に利用するエッジの濃度分布が変化してしまうため、計測結果に直接影響を及ぼす。通常、ＳＥＭでパターン画像を撮影する際にはオートフォーカス機能やマニュアルによる微調整により、なるべくフォーカスずれが少ない条件で画像を取得するようにしている。しかしながら、全ての画像についてフォーカスをきちんと合わせ込むのは非常に難しく、また１枚の画像中にもフォーカスがあっているところとずれているところが存在することがある。これまでは、ＳＥＭで取得した画像がよほど変化してしまっていない限り、フォーカスが合っていてもずれていても構わずに計測が行われていた。そのため、同じパターンであるのにＳＥＭのパターン画像の画質の善し悪しによって計測値が変わってしまうことが多々見られ、ＳＥＭのパターン画像からパターン計測することの信頼性が低かった。
【０００８】
本発明は以上の問題点を鑑みてなされたもので、フォトマスク又はウェハのＳＥＭによるパターン画像を計測する際に、そのパターン画像の画質を定量的に把握することで、パターン計測結果の信頼性を高めることを目的とする。
【課題を解決するための手段】
【０００９】
上記課題を解決するために本発明が提供する方法とは、本発明の請求項１に係る発明は、基板上に形成されたパターンを電子顕微鏡から撮像し、得られたパターン画像を計測する方法において、計測対象の、濃度分布情報を具備したパターン画像からパターンの輪郭線を抽出する輪郭線抽出工程と、該抽出された輪郭線の少なくとも一部を構成する各画素において、その近傍領域の濃度値に基づいてパターン部と背景部の分離度を求める判別分析工程と、各画素における分離度に対して、統計解析処理を行い、分離度の平均を求める統計解析工程と、該分離度の平均値と予め定めた基準値とを比較して、パターン画像計測の可否を判定する定量化判定工程と、前記定量化判定工程によって計測が可能と判定されたパターン画像から抽出された輪郭線に対して、輪郭線の座標情報から計測箇所を特定する工程と、前記各計測箇所において、座標情報及び濃度分布情報を用いて計測を行う計測工程とを有するパターン画像計測方法である。
【００１０】
本発明の請求項２に係る発明は、前記統計解析工程において、分離度の大きさの分布を求め、該分離度の分布に基づいて、パターン画像計測に計測エラーが含まれる可能性を判定する工程を有する請求項１記載のパターン画像計測方法である。
【００１１】
本発明の請求項３に係る発明は、基板上に形成されたパターンを電子顕微鏡から撮像し、得られたパターン画像を計測するパターン画像計測装置において、計測対象の、濃度分布情報を具備したパターン画像からパターンの輪郭線を抽出する輪郭線抽出手段と、該抽出された輪郭線の少なくとも一部を構成する各画素において、その近傍領域の濃度値に基づいてパターン部と背景部の分離度を求める判別分析手段と、各画素における分離度に対して、統計解析処理を行い、分離度の平均を求める統計解析手段と、該分離度の平均値と予め定めた基準値とを比較して、パターン画像計測の可否を判定する定量化判定手段と、前記定量化判定工程によって計測が可能と判定されたパターン画像から抽出された輪郭線に対して、輪郭線の座標情報から計測箇所を特定する手段と、前記各計測箇所において、座標情報及び濃度分布情報を用いて計測を行う計測手段とを有するパターン画像計測装置である。
【発明の効果】
【００１２】
フォトマスク又はウェハのパターン形状の計測において、本発明のパターン画像計測方法を用いることにより、ＳＥＭで撮影されたパターン画像を計測する際、チャージアップやフォーカスずれによる画質の変動を数値的に捉え、その善し悪しを定量評価した上でパターン計測を行うことが可能となるため、パターン計測結果の信頼度を向上させることが可能となる。また、パターン画像の撮像条件にフイードバックすることで、ＳＥＭ画像の撮影を安定できる。
【発明を実施するための最良の形態】
【００１３】
以下、本発明の具体的な形態を一実施形態に基づいて以下説明する。
【００１４】
図１は、本発明のパターン画像計測のフロー図である。計測では、工程１〜６を実行する。まず、ＳＥＭ画像の取得１では、フォトマスク又はウェハの計測対象パターンをＳＥＭで撮影し、パターン画像のＳＥＭ画像を得る。このＳＥＭ画像の取得１では、画像の濃淡の情報が２５６階調で画素単位に記録されたものである。フォトマスク又はウェハのパターンを撮影したＳＥＭ画像のパターン画像の例を図３（ａ）に示す。ＳＥＭ画像のパターン画像１０は、ホールパターンと呼ばれるもので、パターン部１１の部分がガラス、その周辺の背景部１２がクロムで形成されている。
【００１５】
次に、得られたＳＥＭのパターン画像に輪郭抽出処理２を行い、パターン画像の輪郭線１３を生成する（図３ｂ参照）。この輪郭抽出処理には様々な方法がある。一般的には、閾値を定めて画像を２値化することでパターンと背景を分離しておき、そのパターンの輪郭をエッジ抽出処理で抽出する方法がある。しかしながら、ＳＥＭのパターン画像ではこのような一般的な方法でパターンの輪郭線を抽出できることが少ない。そのため、本発明ではＳＥＭのパターン画像に特化したパターン輪郭抽出方法を用いている。まず、パターン画像からパターンのエッジ情報を抽出する。このエッジ情報は画素の濃度値の差分を計算したものであるが、本方法では差分を計算する距離を変化させて各距離ごとの差分データを作成する。次にこの差分データを利用して追跡開始点を特定し、輪郭追跡処理を行うことで輪郭データを抽出する。ここで求められた輪郭データにはノイズが多く含まれているため、次に動的輪郭モデルという手法を用いてノイズを除去する。動的輪郭モデルとは、輪郭線全体の滑らかさと元のパターンエッジとの一致度の双方のバランスをとりながら、輪郭データを構成する個々の画素を動かして輪郭線を変化させる手法である。以上の方法により、パターン画像にノイズや濃淡ムラがある場合においても、元のパターン画像と一致し、且つ滑らかな輪郭線を抽出することが可能である。図３（ａ）のパターン画像から輪郭線を抽出した結果を図３（ｂ）に示す。
【００１６】
次に、パターン画像１０の輪郭線１２上の各座標の画素とその近傍領域の各々画素の濃度値データを利用して、判別分析処理３を行う。判別分析処理の具体的な手順は以下の通
りである。輪郭線１３を構成している各点の画素（以下輪郭線画素と記す）について、一つの輪郭線画素を中心とする９×９の正方形領域（以下９×９近傍と記す）の全画素（８１ヶ）の濃度値データを元のＳＥＭ画像から取得し、前記９×９近傍の画素を２５６階調の濃度値データと画素の度数のヒストグラム（図４参照）を作成する。図４では、横軸に濃度、縦軸に該濃度を持つ画素数（度数）を示し、画素数ｎは８１である。続いて判別分析法により、９×９近傍を輪郭抽出処理２時に用いた２値化する閾値と、濃度値データより最適な閾値を用いてパターン部・背景部の分離度を示すη値の関係（図５）を調べ、η値の最大値をその輪郭線画素でのη値とする。この判別分析処理３を順次に、全ての輪郭線画素で行う。図５では、横軸に９×９近傍の画素を濃度値データによりパターン部・背景部を分離する濃度の閾値と、該閾値による分離度を示すη値の変動の関係を示し、前記閾値を低い場合及び高い場合共にη値は低くなる。
【００１７】
ここで、前記η値とこれを算出する判別分析法について説明する。一般的に、９×９近傍において、中心に輪郭線画素を持つＳＥＭ画像は、パターンと背景の両方を含み、画素の濃度のヒストグラムは、２つの山が形成される。すなわち、パターン部と背景部とを分離するということは、ヒストグラムの２つの山を分離することに等しい。そこで、２つの山ＡとＢとの分離度は、もっとも適切な閾値ｋを求める方法と考える。それには、Ａの平均値ａとＢの平均値ｂと閾値ｋとの間の分散を最大にするｋの値を求めれば良い。判別分析法は、９×９近傍の画像の濃度値のヒストグラムにおいて、濃度値の集合を閾値ｋで２つのクラス（ｋ以上とｋ未満）に分割したと仮定したとき、２つのクラスの分離が最も良くなるように閾値ｋを決めるという考え方に基づいている。実際には、２つのクラスの平均値の分散と、画像全体での分散の比を最大にするという基準によりｋを決める。
【００１８】
さらに具体的に説明すると、与えられた９×９近傍の画像の画素が、１，２，…，ｉのｉレベルの濃度値をもつとする。ここで閾値をｋとして、ｋより大きな濃度値をもつ画素と、それ以下の濃度値をもつ画素の２つのグループに分け、クラス１、クラス２とする。濃度レベルｉの画素数をｎiとし、全画素数をＮとすると、下記の数式１に示すように、クラス１及び２間の分散σB2（ｋ）は、（１）で与えられる。画像全体での分散σT2は、（２）で与えられる。また、（３）で与えられる評価基準値ηは、クラス１及び２間の分散を９×９近傍画像の画素全体での分散で正規化したものである。
【００１９】
【数１】
この分散σT2は、０≦η≦１の範囲の値をもち、１に近いほど１及び２クラスの分離度が高い、あるいはヒストグラムの双峰性が高いことを示す有効な評価尺度である。
【００２０】
続いて、輪郭線画素の全ての点で算出したη値に対して統計解析処理４を行う。本処理では、η値のデータからノイズを除去するため移動平均処理を行う。図３のパターン画像から輪郭線画素の全点でη値を算出し、移動平均処理した結果を図６のグラフに示す。次に移動平均処理後のデータからη値の平均値を算出するとともに、η値の大きさの分布を解析する。
【００２１】
次に、η値の解析結果をもとに画質の定量化判定処理５を行う。一般的に判別分析の結果、η値が０．７未満となる場合は、ノイズやフォーカスずれの影響によりその領域においてパターン部と背景部とが正しく分離されないことが多い。つまり、η値が、０．７未満となるところではパターン計測の精度が悪くなる。画質の定量化判定処理では、統計解析処理で算出したη値の平均値を１００倍した数値をパターン画像の画質の善し悪しを示す評価値として出力する。これが７０点未満の場合には、画質が不良のため計測できない、又は計測した値の信頼性が低い旨のメッセージをユーザーに知らせる処理を行う。
【００２２】
また、平均値が７０点以上となる場合でも、パターン画像の画質が局所的に悪くなって
いることもありえるため、統計解析処理の結果をもとにη値が０．７未満となるデータ個数を調べ、それがある規定量を越えている場合には、０．７未満のデータ数の全データ数に対する割合とともに計測エラーが含まれる可能性がある注意メッセージをユーザーに知らせる処理を行う。一方、平均値が７０点以上でη値が０．７未満となるデータ数がある規定値未満の場合には、その画像の点数のみを表示する処理を行う。この点数が大きいほど、パターン計測結果の信頼度が高いことを示している。
【００２３】
次に、図１のフロー図の工程６のパターン計測処理について図２を参照し、説明する。図２は、パターン計測処理６の手順を示すフロー図で、マスク形状計測アルゴリズムの構成を示すブロック図ある。図２では、ｋ１〜ｋ６まであり、ｋ１は、パターン画像入力部であって、計測の対象となるパターンを含む画像を入力する。入力する画像は、検査機、ＳＥＭ、光学顕微鏡等によって撮影された画像となる。
【００２４】
次にｋ２は、パターンを指定して計測モードを選択する。パターンの指定は、マウス等のポインティングデバイスにより矩形領域（以下ＲＯＩと記す）を生成して行う。図７に示すようにＲＯＩ１７でパターンを囲み、パターンに対応した計測モードを選択する。計測モードは、フォトマスクに一般的にみられる形状別に１０種類程度登録されている。具体的には、コーナーパターン、エッジラフネス、ホールパターン、突起、欠け、バッテングエラー、ＯＰＣパターン（セリフ、ハンマーヘッド）と、歪みなどがある。計測モードはパターン形状に応じた計測プログラムを作成することで追加することができる。
【００２５】
次にｋ３は選択したパターンの輪郭線を抽出する。輪郭線の抽出方法は、図１の工程３と同様である。図８（ａ）に示すＳ１は、元のパターン画像であり、図８（ｂ）のＳ２はその輪郭線を抽出した輪郭線画像を示す。
【００２６】
次にｋ４では、抽出された輪郭線の座標情報から計測箇所を自動で特定する。そして、ｋ５は各計測箇所において、濃度分布データを用いて計測を行う。ここでは、ホールパターンの計測モードでの計測を説明する。計測する項目は、幅、高さとコーナーの丸み量である。まず、ホールパターンの輪郭線の座標情報から幅、高さを算出する。ここで幅、高さは、輪郭線画像の画素単位で求められるため、その精度が不十分である。そこで実際の計測は、輪郭抽出前の元画像の濃度分布データを利用する。図９（ａ）のＴ１に示すように、ホールパターンの幅、高さの１／３程度の領域を決め、この領域の濃度分布データを元画像から取得する。この領域の範囲は、パターンの大きさより小さければよく、ホールパターンのコーナー部分の丸みの影響を避けるため、今回は１／３程度とした。幅、高さの計測は、図１０に示すように、濃度分布データのピークの内側において極大値と極小値の５０％を閾値として、エッジ位置１４をサブピクセル単位で抽出することで行う。次に、ホールパターンのコーナー部分の丸みを計測する。コーナー丸みを計測する際の始点は、図９（ｂ）のＴ２に示すように、ホールパターンにおける各辺のエッジ位置１４を延長した交点１５とする。なお、このエッジ位置１４は、濃度分布データからサブピクセル単位で算出したものである。図１１に示すように、この始点１５（エッジ位置の交点１５）から斜め４５度方向に濃度分布データを取得し、ピークの外側において極大値と極小値の５０％を閾値として、エッジ位置をサブピクセル単位で抽出し、該位置を終点１６とする。始点１５と終点１６であるエッジ位置との距離がコーナーの丸み量となる。以上のように輪郭線の座標情報から計測箇所を自動的に決定することで、ユーザーが計測箇所を指定していた従来手法に比べて、計測誤差を大きく低減させることができる。また、元画像の濃度分布データを利用してサブピクセル単位で計測を行うため、高精度な計測が期待できる。
【００２７】
最後に、ｋ６では、上記アルゴリズムで計測された結果をモニター画面やデータファイルで出力する。
【００２８】
以下本発明の実施例について説明する。
【実施例１】
【００２９】
ここで、本発明の１つ目の実施例を図１２、図１３に示す。図１２は、フォトマスク上の０．６μｍのホールパターンをＳＥＭで撮影する際、基準のフォーカスからわざとプラス及びマイナス方向にずらして複数の画像を取得し、それぞれの画質を本手法で数値化した結果である。このグラフから、フォーカスのずれが大きくなるに従ってη値が小さくなっていることが分かる。図１３は、フォーカスをずらした各パターン画像においてホールの幅を計測した結果である。このグラフから、フォーカスのずれに応じて計測誤差が増大していることが分かる。つまりこれらの２つのグラフから、パターン画像のη値を評価することでパターン画像の計測精度を管理することができることが分かる。例えば、あるＳＥＭのパターン画像のパターン計測精度を２ｎｍ未満に抑えたい場合、ＳＥＭのフォーカスずれは基準±２０以内である必要がある。一方、図１２のグラフからフォーカスのすれが±２０以内のときはη値が０．８以上になっていることが分かる。つまり、パターン画像からη値を計測し、それが０．８以上のものだけを計測対象とすれば計測誤差を２ｎｍ未満に抑えることが可能となる。
【実施例２】
【００３０】
次に本発明の２つめの実施例を図１４，図１５に示す。図１４はフォトマスク上のホールパターンをある条件で撮影したＳＥＭのパターン画像である。図１５は本発明の手法によりホールパターンの輪郭線の各ポイントでη値を算出し、プロットしたグラフである。ここでは、ホールパターンの左側のエッジの中央から右回りに輪郭線を辿っている。図１４のパターン画像を見ると、ホールパターンの上辺部分がボケていることが分かる。このようなパターン画像を計測した場合、横方向の幅についてはボケがないため正しく計測できるが、縦方向の高さは正しい計測を行うことができない。そこで、図１５のグラフを見てみると、ちょうどパターンの上辺部分に相当するポイント（５０〜１５０）においてη値が大きく落ちこんでいることが分かる。つまり、輪郭線の各ポイントでのη値を監視することで、一つのパターン内において計測結果が信頼できるかどうかを局所的に判定することが可能となる。
【図面の簡単な説明】
【００３１】
【図１】本発明のパターン画像計測方法の手順を示すフローである。
【図２】本発明のパターン計測処理の手順を示すフロー図である。
【図３】パターン画像と輪郭線抽出の例を示す平面図であり、（ａ）は、パターン画像であり、（ｂ）は、その輪郭線である。
【図４】本発明のパターン画像計測方法の輪郭線上のある画素での近傍領域のヒストグラムである。
【図５】本発明のパターン画像計測方法の判別分析法によって計算した閾値とη値の関係を示すグラフである。
【図６】図３の輪郭線上の全ての画素におけるη値を示すグラフである。
【図７】計測対象パターンを選択している図である。
【図８】計測対象パターンの輪郭抽出例を示す図である。
【図９】輪郭線から計測箇所を自動的に特定する模式図である。
【図１０】計測箇所の濃度分布グラフである。
【図１１】コーナー部分の計測手法の模式図である。
【図１２】ＳＥＭ画像のフォーカスとη値の関係を示すグラフである。
【図１３】ＳＥＭ画像のフォーカスと計測誤差の関係を示すグラフである。
【図１４】部分的にボケがあるＳＥＭのパターン画像の例である。
【図１５】図１４のパターンのη値を示すグラフである。
【符号の説明】
【００３２】
１…ＳＥＭ画像の取得
２…輪郭抽出処理
３…判別分析処理
４…統計解析処理
５…画質の定量化判定処理
６…パターン計測処理
１０…パターン画像
１１…パターン
１２…背景
１３…輪郭線
１４…（ピークの内側で、最大最小値５０％の濃度閾値で分離した）エッジ位置
１５…（側面のエッジ位置を延長線の）交点、始点
１６…（コーナー丸みの計測時のエッジ位置の）終点
１７…矩形領域（ＲＯＩ）
ｋ１…パターン画像の入力
ｋ２…パターンの指定と計測モード選択
ｋ３…パターンの輪郭線抽出
ｋ４…計測箇所の自動特定
ｋ５…濃度分布情報による計測
ｋ６…計測結果出力
Ｓ１…パターン輪郭線抽出前の画像
Ｓ２…パターン輪郭線抽出後の画像
Ｔ１…計測箇所自動特定の模式図
Ｔ２…エッジ位置と計測始点の図
【技術分野】
【０００１】
本発明は半導体製造のリソグラフィ工程に用いられるフォトマスク、及びリソグラフィ工程後のウェハを、電子顕微鏡で撮影したパターン画像を計測するパターン画像計測方法及びその方法を用いたパターン画像計測装置に関する。
【背景技術】
【０００２】
近年の半導体ＬＳＩパターンの微細化に伴い、パターン原版としてのフォトマスクも同様に微細化への対応を迫られており、同時に高精度化への要求は非常に厳しい。従来、フォトマスク品質における重要項目として、欠陥・寸法精度・アライメントの３項目が特に重視されており、半導体の微細化が進む現在ではそれぞれの項目を計測するための高精度なフォトマスク専用検査装置が開発され使用されている。しかしフォトマスクパターンの微細化による高精度化への要求は、前記３項目以外のあらゆる品質項目（パターン形状、パターンデータ保証、耐久性、クリーン度等）においても同様になりつつあり、特にパターン形状の精度については直接ＬＳＩ回路の精度および性能に関わることから、重視されるようになってきた。
【０００３】
フォトマスクのパターン形状は、半導体回路のマスクレイアウト設計において設計図面通りのパターンが精度良くマスク上に再現されていることが望ましいのは当然である。しかし、実際にはリソグラフィ技術を用いてガラス基板（以下基板と記す）上の金属薄膜に微細なパターンを加工しているため、マスクパターンと設計パターンとは完全に同一形状ではなく、寸法差やコーナー部の丸みなど、微小な違いが存在する。この違いはマスク上で数十〜数百ナノメートル程度の大きさであるが、近年の超ＬＳＩの微細化の進展によって、これが半導体回路の特性に影響を与えることが懸念され始めている。すなわち、微細なパターンであるほど、パターン自体に対して前記のパターン形状の違いが相対的に大きくなり、特性値に影響するようになってきた。
【０００４】
また、近年の急激な微細化に伴い、投影露光技術において光学原理を積極的に利用することで前記のパターン形状の問題を改善しようという試みが盛んになってきている。その代表例は光近接効果補正マスク（以下ＯＰＣマスクと称する）である。ここでＯＰＣマスクについて説明する。ＯＰＣマスクは、ウェハ露光転写時に回路パターン形状が精度良く転写されるように、本来の回路パターンに近接あるいは接触するようにして微細な光近接効果補正パターン（以下ＯＰＣパターンと称する）が付加されているマスクである。ＯＰＣパターンは、投影露光転写時に光学的近接効果が原因で生じる転写パターン形状の劣化に対して、近接するパターン同士の光干渉効果を利用して形状補正し、本来の設計パターンを精度よく転写可能にすることを目的とするパターンであり、本来の回路パターンの四隅や隣接するパターンと最も近接する部分に配置されることが多い。また最近では回路パターン全体を複雑に変形させるような種類のＯＰＣパターンも提案されている。ただし、本来の回路パターンとしては不要なため、ＯＰＣパターン自身は転写されない程度に微細でなければならない。従って、ＯＰＣパターンは従来のパターンよりもかなり微細であるため、マスクパターンの寸法ルールが従来のマスクよりも飛躍的に微細化することになり、マスク製造技術の点では非常に高度な微細加工技術を必要とする。もちろん、微細化の点では従来型のフォトマスクも同様に進展していくことは確実であり、やはり高度な微細加工技術が要求されるようになっている。そこでフォトマスク製造及び検査技術の課題として重視されるようになったのが、前述のパターン形状精度の問題である。一方、フォトマスクを利用してリソグラフィ工程によってウェハ上に形成されたパターンについてもフォトマスクと同様に形状の精度が問題となってきている。
【０００５】
基板上のフォトマスクやウェハのパターン形状を計測する手段として従来は、光学顕微鏡や電子顕微鏡（以下ＳＥＭ）を用いてパターンの画像を取得した後、画像計測用のソフトを利用して計測を行っていた（例えば、特許文献１を参照）。画像計測の手法としては、パターン画像からパターンのエッジ部分を輪郭線として抽出して、その輪郭線の座標情報をもとにパターンの特性を計測する手法や、パターン画像の濃度分布情報からある閾値を決め、該閾値を基準にして線幅を計測する手法などがある。一般的にフォトマスクやウェハの非常に微細なパターンを高精度に計測するには、光学顕微鏡の画像では解像度が足りないため、ＳＥＭのパターン画像が利用されることが多い。
【０００６】
下記に公知文献を記す
【特許文献１】特開２００２−９２５９５号公報
【発明の開示】
【発明が解決しようとする課題】
【０００７】
フォトマスクやウェハのパターンをＳＥＭで撮影し、パターンの大きさやコーナーラウンディング、エッジラフネスといった特性を計測する際、ＳＥＭ特有のチャージアップによる画像の変動やフォーカスずれによる画像のボケが問題となる。特に画像のボケは、パターンを計測する際に利用するエッジの濃度分布が変化してしまうため、計測結果に直接影響を及ぼす。通常、ＳＥＭでパターン画像を撮影する際にはオートフォーカス機能やマニュアルによる微調整により、なるべくフォーカスずれが少ない条件で画像を取得するようにしている。しかしながら、全ての画像についてフォーカスをきちんと合わせ込むのは非常に難しく、また１枚の画像中にもフォーカスがあっているところとずれているところが存在することがある。これまでは、ＳＥＭで取得した画像がよほど変化してしまっていない限り、フォーカスが合っていてもずれていても構わずに計測が行われていた。そのため、同じパターンであるのにＳＥＭのパターン画像の画質の善し悪しによって計測値が変わってしまうことが多々見られ、ＳＥＭのパターン画像からパターン計測することの信頼性が低かった。
【０００８】
本発明は以上の問題点を鑑みてなされたもので、フォトマスク又はウェハのＳＥＭによるパターン画像を計測する際に、そのパターン画像の画質を定量的に把握することで、パターン計測結果の信頼性を高めることを目的とする。
【課題を解決するための手段】
【０００９】
上記課題を解決するために本発明が提供する方法とは、本発明の請求項１に係る発明は、基板上に形成されたパターンを電子顕微鏡から撮像し、得られたパターン画像を計測する方法において、計測対象の、濃度分布情報を具備したパターン画像からパターンの輪郭線を抽出する輪郭線抽出工程と、該抽出された輪郭線の少なくとも一部を構成する各画素において、その近傍領域の濃度値に基づいてパターン部と背景部の分離度を求める判別分析工程と、各画素における分離度に対して、統計解析処理を行い、分離度の平均を求める統計解析工程と、該分離度の平均値と予め定めた基準値とを比較して、パターン画像計測の可否を判定する定量化判定工程と、前記定量化判定工程によって計測が可能と判定されたパターン画像から抽出された輪郭線に対して、輪郭線の座標情報から計測箇所を特定する工程と、前記各計測箇所において、座標情報及び濃度分布情報を用いて計測を行う計測工程とを有するパターン画像計測方法である。
【００１０】
本発明の請求項２に係る発明は、前記統計解析工程において、分離度の大きさの分布を求め、該分離度の分布に基づいて、パターン画像計測に計測エラーが含まれる可能性を判定する工程を有する請求項１記載のパターン画像計測方法である。
【００１１】
本発明の請求項３に係る発明は、基板上に形成されたパターンを電子顕微鏡から撮像し、得られたパターン画像を計測するパターン画像計測装置において、計測対象の、濃度分布情報を具備したパターン画像からパターンの輪郭線を抽出する輪郭線抽出手段と、該抽出された輪郭線の少なくとも一部を構成する各画素において、その近傍領域の濃度値に基づいてパターン部と背景部の分離度を求める判別分析手段と、各画素における分離度に対して、統計解析処理を行い、分離度の平均を求める統計解析手段と、該分離度の平均値と予め定めた基準値とを比較して、パターン画像計測の可否を判定する定量化判定手段と、前記定量化判定工程によって計測が可能と判定されたパターン画像から抽出された輪郭線に対して、輪郭線の座標情報から計測箇所を特定する手段と、前記各計測箇所において、座標情報及び濃度分布情報を用いて計測を行う計測手段とを有するパターン画像計測装置である。
【発明の効果】
【００１２】
フォトマスク又はウェハのパターン形状の計測において、本発明のパターン画像計測方法を用いることにより、ＳＥＭで撮影されたパターン画像を計測する際、チャージアップやフォーカスずれによる画質の変動を数値的に捉え、その善し悪しを定量評価した上でパターン計測を行うことが可能となるため、パターン計測結果の信頼度を向上させることが可能となる。また、パターン画像の撮像条件にフイードバックすることで、ＳＥＭ画像の撮影を安定できる。
【発明を実施するための最良の形態】
【００１３】
以下、本発明の具体的な形態を一実施形態に基づいて以下説明する。
【００１４】
図１は、本発明のパターン画像計測のフロー図である。計測では、工程１〜６を実行する。まず、ＳＥＭ画像の取得１では、フォトマスク又はウェハの計測対象パターンをＳＥＭで撮影し、パターン画像のＳＥＭ画像を得る。このＳＥＭ画像の取得１では、画像の濃淡の情報が２５６階調で画素単位に記録されたものである。フォトマスク又はウェハのパターンを撮影したＳＥＭ画像のパターン画像の例を図３（ａ）に示す。ＳＥＭ画像のパターン画像１０は、ホールパターンと呼ばれるもので、パターン部１１の部分がガラス、その周辺の背景部１２がクロムで形成されている。
【００１５】
次に、得られたＳＥＭのパターン画像に輪郭抽出処理２を行い、パターン画像の輪郭線１３を生成する（図３ｂ参照）。この輪郭抽出処理には様々な方法がある。一般的には、閾値を定めて画像を２値化することでパターンと背景を分離しておき、そのパターンの輪郭をエッジ抽出処理で抽出する方法がある。しかしながら、ＳＥＭのパターン画像ではこのような一般的な方法でパターンの輪郭線を抽出できることが少ない。そのため、本発明ではＳＥＭのパターン画像に特化したパターン輪郭抽出方法を用いている。まず、パターン画像からパターンのエッジ情報を抽出する。このエッジ情報は画素の濃度値の差分を計算したものであるが、本方法では差分を計算する距離を変化させて各距離ごとの差分データを作成する。次にこの差分データを利用して追跡開始点を特定し、輪郭追跡処理を行うことで輪郭データを抽出する。ここで求められた輪郭データにはノイズが多く含まれているため、次に動的輪郭モデルという手法を用いてノイズを除去する。動的輪郭モデルとは、輪郭線全体の滑らかさと元のパターンエッジとの一致度の双方のバランスをとりながら、輪郭データを構成する個々の画素を動かして輪郭線を変化させる手法である。以上の方法により、パターン画像にノイズや濃淡ムラがある場合においても、元のパターン画像と一致し、且つ滑らかな輪郭線を抽出することが可能である。図３（ａ）のパターン画像から輪郭線を抽出した結果を図３（ｂ）に示す。
【００１６】
次に、パターン画像１０の輪郭線１２上の各座標の画素とその近傍領域の各々画素の濃度値データを利用して、判別分析処理３を行う。判別分析処理の具体的な手順は以下の通
りである。輪郭線１３を構成している各点の画素（以下輪郭線画素と記す）について、一つの輪郭線画素を中心とする９×９の正方形領域（以下９×９近傍と記す）の全画素（８１ヶ）の濃度値データを元のＳＥＭ画像から取得し、前記９×９近傍の画素を２５６階調の濃度値データと画素の度数のヒストグラム（図４参照）を作成する。図４では、横軸に濃度、縦軸に該濃度を持つ画素数（度数）を示し、画素数ｎは８１である。続いて判別分析法により、９×９近傍を輪郭抽出処理２時に用いた２値化する閾値と、濃度値データより最適な閾値を用いてパターン部・背景部の分離度を示すη値の関係（図５）を調べ、η値の最大値をその輪郭線画素でのη値とする。この判別分析処理３を順次に、全ての輪郭線画素で行う。図５では、横軸に９×９近傍の画素を濃度値データによりパターン部・背景部を分離する濃度の閾値と、該閾値による分離度を示すη値の変動の関係を示し、前記閾値を低い場合及び高い場合共にη値は低くなる。
【００１７】
ここで、前記η値とこれを算出する判別分析法について説明する。一般的に、９×９近傍において、中心に輪郭線画素を持つＳＥＭ画像は、パターンと背景の両方を含み、画素の濃度のヒストグラムは、２つの山が形成される。すなわち、パターン部と背景部とを分離するということは、ヒストグラムの２つの山を分離することに等しい。そこで、２つの山ＡとＢとの分離度は、もっとも適切な閾値ｋを求める方法と考える。それには、Ａの平均値ａとＢの平均値ｂと閾値ｋとの間の分散を最大にするｋの値を求めれば良い。判別分析法は、９×９近傍の画像の濃度値のヒストグラムにおいて、濃度値の集合を閾値ｋで２つのクラス（ｋ以上とｋ未満）に分割したと仮定したとき、２つのクラスの分離が最も良くなるように閾値ｋを決めるという考え方に基づいている。実際には、２つのクラスの平均値の分散と、画像全体での分散の比を最大にするという基準によりｋを決める。
【００１８】
さらに具体的に説明すると、与えられた９×９近傍の画像の画素が、１，２，…，ｉのｉレベルの濃度値をもつとする。ここで閾値をｋとして、ｋより大きな濃度値をもつ画素と、それ以下の濃度値をもつ画素の２つのグループに分け、クラス１、クラス２とする。濃度レベルｉの画素数をｎiとし、全画素数をＮとすると、下記の数式１に示すように、クラス１及び２間の分散σB2（ｋ）は、（１）で与えられる。画像全体での分散σT2は、（２）で与えられる。また、（３）で与えられる評価基準値ηは、クラス１及び２間の分散を９×９近傍画像の画素全体での分散で正規化したものである。
【００１９】
【数１】
この分散σT2は、０≦η≦１の範囲の値をもち、１に近いほど１及び２クラスの分離度が高い、あるいはヒストグラムの双峰性が高いことを示す有効な評価尺度である。
【００２０】
続いて、輪郭線画素の全ての点で算出したη値に対して統計解析処理４を行う。本処理では、η値のデータからノイズを除去するため移動平均処理を行う。図３のパターン画像から輪郭線画素の全点でη値を算出し、移動平均処理した結果を図６のグラフに示す。次に移動平均処理後のデータからη値の平均値を算出するとともに、η値の大きさの分布を解析する。
【００２１】
次に、η値の解析結果をもとに画質の定量化判定処理５を行う。一般的に判別分析の結果、η値が０．７未満となる場合は、ノイズやフォーカスずれの影響によりその領域においてパターン部と背景部とが正しく分離されないことが多い。つまり、η値が、０．７未満となるところではパターン計測の精度が悪くなる。画質の定量化判定処理では、統計解析処理で算出したη値の平均値を１００倍した数値をパターン画像の画質の善し悪しを示す評価値として出力する。これが７０点未満の場合には、画質が不良のため計測できない、又は計測した値の信頼性が低い旨のメッセージをユーザーに知らせる処理を行う。
【００２２】
また、平均値が７０点以上となる場合でも、パターン画像の画質が局所的に悪くなって
いることもありえるため、統計解析処理の結果をもとにη値が０．７未満となるデータ個数を調べ、それがある規定量を越えている場合には、０．７未満のデータ数の全データ数に対する割合とともに計測エラーが含まれる可能性がある注意メッセージをユーザーに知らせる処理を行う。一方、平均値が７０点以上でη値が０．７未満となるデータ数がある規定値未満の場合には、その画像の点数のみを表示する処理を行う。この点数が大きいほど、パターン計測結果の信頼度が高いことを示している。
【００２３】
次に、図１のフロー図の工程６のパターン計測処理について図２を参照し、説明する。図２は、パターン計測処理６の手順を示すフロー図で、マスク形状計測アルゴリズムの構成を示すブロック図ある。図２では、ｋ１〜ｋ６まであり、ｋ１は、パターン画像入力部であって、計測の対象となるパターンを含む画像を入力する。入力する画像は、検査機、ＳＥＭ、光学顕微鏡等によって撮影された画像となる。
【００２４】
次にｋ２は、パターンを指定して計測モードを選択する。パターンの指定は、マウス等のポインティングデバイスにより矩形領域（以下ＲＯＩと記す）を生成して行う。図７に示すようにＲＯＩ１７でパターンを囲み、パターンに対応した計測モードを選択する。計測モードは、フォトマスクに一般的にみられる形状別に１０種類程度登録されている。具体的には、コーナーパターン、エッジラフネス、ホールパターン、突起、欠け、バッテングエラー、ＯＰＣパターン（セリフ、ハンマーヘッド）と、歪みなどがある。計測モードはパターン形状に応じた計測プログラムを作成することで追加することができる。
【００２５】
次にｋ３は選択したパターンの輪郭線を抽出する。輪郭線の抽出方法は、図１の工程３と同様である。図８（ａ）に示すＳ１は、元のパターン画像であり、図８（ｂ）のＳ２はその輪郭線を抽出した輪郭線画像を示す。
【００２６】
次にｋ４では、抽出された輪郭線の座標情報から計測箇所を自動で特定する。そして、ｋ５は各計測箇所において、濃度分布データを用いて計測を行う。ここでは、ホールパターンの計測モードでの計測を説明する。計測する項目は、幅、高さとコーナーの丸み量である。まず、ホールパターンの輪郭線の座標情報から幅、高さを算出する。ここで幅、高さは、輪郭線画像の画素単位で求められるため、その精度が不十分である。そこで実際の計測は、輪郭抽出前の元画像の濃度分布データを利用する。図９（ａ）のＴ１に示すように、ホールパターンの幅、高さの１／３程度の領域を決め、この領域の濃度分布データを元画像から取得する。この領域の範囲は、パターンの大きさより小さければよく、ホールパターンのコーナー部分の丸みの影響を避けるため、今回は１／３程度とした。幅、高さの計測は、図１０に示すように、濃度分布データのピークの内側において極大値と極小値の５０％を閾値として、エッジ位置１４をサブピクセル単位で抽出することで行う。次に、ホールパターンのコーナー部分の丸みを計測する。コーナー丸みを計測する際の始点は、図９（ｂ）のＴ２に示すように、ホールパターンにおける各辺のエッジ位置１４を延長した交点１５とする。なお、このエッジ位置１４は、濃度分布データからサブピクセル単位で算出したものである。図１１に示すように、この始点１５（エッジ位置の交点１５）から斜め４５度方向に濃度分布データを取得し、ピークの外側において極大値と極小値の５０％を閾値として、エッジ位置をサブピクセル単位で抽出し、該位置を終点１６とする。始点１５と終点１６であるエッジ位置との距離がコーナーの丸み量となる。以上のように輪郭線の座標情報から計測箇所を自動的に決定することで、ユーザーが計測箇所を指定していた従来手法に比べて、計測誤差を大きく低減させることができる。また、元画像の濃度分布データを利用してサブピクセル単位で計測を行うため、高精度な計測が期待できる。
【００２７】
最後に、ｋ６では、上記アルゴリズムで計測された結果をモニター画面やデータファイルで出力する。
【００２８】
以下本発明の実施例について説明する。
【実施例１】
【００２９】
ここで、本発明の１つ目の実施例を図１２、図１３に示す。図１２は、フォトマスク上の０．６μｍのホールパターンをＳＥＭで撮影する際、基準のフォーカスからわざとプラス及びマイナス方向にずらして複数の画像を取得し、それぞれの画質を本手法で数値化した結果である。このグラフから、フォーカスのずれが大きくなるに従ってη値が小さくなっていることが分かる。図１３は、フォーカスをずらした各パターン画像においてホールの幅を計測した結果である。このグラフから、フォーカスのずれに応じて計測誤差が増大していることが分かる。つまりこれらの２つのグラフから、パターン画像のη値を評価することでパターン画像の計測精度を管理することができることが分かる。例えば、あるＳＥＭのパターン画像のパターン計測精度を２ｎｍ未満に抑えたい場合、ＳＥＭのフォーカスずれは基準±２０以内である必要がある。一方、図１２のグラフからフォーカスのすれが±２０以内のときはη値が０．８以上になっていることが分かる。つまり、パターン画像からη値を計測し、それが０．８以上のものだけを計測対象とすれば計測誤差を２ｎｍ未満に抑えることが可能となる。
【実施例２】
【００３０】
次に本発明の２つめの実施例を図１４，図１５に示す。図１４はフォトマスク上のホールパターンをある条件で撮影したＳＥＭのパターン画像である。図１５は本発明の手法によりホールパターンの輪郭線の各ポイントでη値を算出し、プロットしたグラフである。ここでは、ホールパターンの左側のエッジの中央から右回りに輪郭線を辿っている。図１４のパターン画像を見ると、ホールパターンの上辺部分がボケていることが分かる。このようなパターン画像を計測した場合、横方向の幅についてはボケがないため正しく計測できるが、縦方向の高さは正しい計測を行うことができない。そこで、図１５のグラフを見てみると、ちょうどパターンの上辺部分に相当するポイント（５０〜１５０）においてη値が大きく落ちこんでいることが分かる。つまり、輪郭線の各ポイントでのη値を監視することで、一つのパターン内において計測結果が信頼できるかどうかを局所的に判定することが可能となる。
【図面の簡単な説明】
【００３１】
【図１】本発明のパターン画像計測方法の手順を示すフローである。
【図２】本発明のパターン計測処理の手順を示すフロー図である。
【図３】パターン画像と輪郭線抽出の例を示す平面図であり、（ａ）は、パターン画像であり、（ｂ）は、その輪郭線である。
【図４】本発明のパターン画像計測方法の輪郭線上のある画素での近傍領域のヒストグラムである。
【図５】本発明のパターン画像計測方法の判別分析法によって計算した閾値とη値の関係を示すグラフである。
【図６】図３の輪郭線上の全ての画素におけるη値を示すグラフである。
【図７】計測対象パターンを選択している図である。
【図８】計測対象パターンの輪郭抽出例を示す図である。
【図９】輪郭線から計測箇所を自動的に特定する模式図である。
【図１０】計測箇所の濃度分布グラフである。
【図１１】コーナー部分の計測手法の模式図である。
【図１２】ＳＥＭ画像のフォーカスとη値の関係を示すグラフである。
【図１３】ＳＥＭ画像のフォーカスと計測誤差の関係を示すグラフである。
【図１４】部分的にボケがあるＳＥＭのパターン画像の例である。
【図１５】図１４のパターンのη値を示すグラフである。
【符号の説明】
【００３２】
１…ＳＥＭ画像の取得
２…輪郭抽出処理
３…判別分析処理
４…統計解析処理
５…画質の定量化判定処理
６…パターン計測処理
１０…パターン画像
１１…パターン
１２…背景
１３…輪郭線
１４…（ピークの内側で、最大最小値５０％の濃度閾値で分離した）エッジ位置
１５…（側面のエッジ位置を延長線の）交点、始点
１６…（コーナー丸みの計測時のエッジ位置の）終点
１７…矩形領域（ＲＯＩ）
ｋ１…パターン画像の入力
ｋ２…パターンの指定と計測モード選択
ｋ３…パターンの輪郭線抽出
ｋ４…計測箇所の自動特定
ｋ５…濃度分布情報による計測
ｋ６…計測結果出力
Ｓ１…パターン輪郭線抽出前の画像
Ｓ２…パターン輪郭線抽出後の画像
Ｔ１…計測箇所自動特定の模式図
Ｔ２…エッジ位置と計測始点の図
【特許請求の範囲】
【請求項１】
基板上に形成されたパターンを電子顕微鏡から撮像し、得られたパターン画像を計測する方法において、
計測対象の、濃度分布情報を具備したパターン画像からパターンの輪郭線を抽出する輪郭線抽出工程と、
該抽出された輪郭線の少なくとも一部を構成する各画素において、その近傍領域の濃度値に基づいてパターン部と背景部の分離度を求める判別分析工程と、
各画素における分離度に対して、統計解析処理を行い、分離度の平均を求める統計解析工程と、
該分離度の平均値と予め定めた基準値とを比較して、パターン画像計測の可否を判定する定量化判定工程と、
前記定量化判定工程によって計測が可能と判定されたパターン画像から抽出された輪郭線に対して、輪郭線の座標情報から計測箇所を特定する工程と、
前記各計測箇所において、座標情報及び濃度分布情報を用いて計測を行う計測工程とを有するパターン画像計測方法。
【請求項２】
前記統計解析工程において、分離度の大きさの分布を求め、該分離度の分布に基づいて、パターン画像計測に計測エラーが含まれる可能性を判定する工程を有する請求項１記載のパターン画像計測方法。
【請求項３】
基板上に形成されたパターンを電子顕微鏡から撮像し、得られたパターン画像を計測するパターン画像計測装置において、
計測対象の、濃度分布情報を具備したパターン画像からパターンの輪郭線を抽出する輪郭線抽出手段と、
該抽出された輪郭線の少なくとも一部を構成する各画素において、その近傍領域の濃度値に基づいてパターン部と背景部の分離度を求める判別分析手段と、
各画素における分離度に対して、統計解析処理を行い、分離度の平均を求める統計解析手段と、
該分離度の平均値と予め定めた基準値とを比較して、パターン画像計測の可否を判定する定量化判定手段と、
前記定量化判定工程によって計測が可能と判定されたパターン画像から抽出された輪郭線に対して、輪郭線の座標情報から計測箇所を特定する手段と、
前記各計測箇所において、座標情報及び濃度分布情報を用いて計測を行う計測手段とを有するパターン画像計測装置。
【請求項１】
基板上に形成されたパターンを電子顕微鏡から撮像し、得られたパターン画像を計測する方法において、
計測対象の、濃度分布情報を具備したパターン画像からパターンの輪郭線を抽出する輪郭線抽出工程と、
該抽出された輪郭線の少なくとも一部を構成する各画素において、その近傍領域の濃度値に基づいてパターン部と背景部の分離度を求める判別分析工程と、
各画素における分離度に対して、統計解析処理を行い、分離度の平均を求める統計解析工程と、
該分離度の平均値と予め定めた基準値とを比較して、パターン画像計測の可否を判定する定量化判定工程と、
前記定量化判定工程によって計測が可能と判定されたパターン画像から抽出された輪郭線に対して、輪郭線の座標情報から計測箇所を特定する工程と、
前記各計測箇所において、座標情報及び濃度分布情報を用いて計測を行う計測工程とを有するパターン画像計測方法。
【請求項２】
前記統計解析工程において、分離度の大きさの分布を求め、該分離度の分布に基づいて、パターン画像計測に計測エラーが含まれる可能性を判定する工程を有する請求項１記載のパターン画像計測方法。
【請求項３】
基板上に形成されたパターンを電子顕微鏡から撮像し、得られたパターン画像を計測するパターン画像計測装置において、
計測対象の、濃度分布情報を具備したパターン画像からパターンの輪郭線を抽出する輪郭線抽出手段と、
該抽出された輪郭線の少なくとも一部を構成する各画素において、その近傍領域の濃度値に基づいてパターン部と背景部の分離度を求める判別分析手段と、
各画素における分離度に対して、統計解析処理を行い、分離度の平均を求める統計解析手段と、
該分離度の平均値と予め定めた基準値とを比較して、パターン画像計測の可否を判定する定量化判定手段と、
前記定量化判定工程によって計測が可能と判定されたパターン画像から抽出された輪郭線に対して、輪郭線の座標情報から計測箇所を特定する手段と、
前記各計測箇所において、座標情報及び濃度分布情報を用いて計測を行う計測手段とを有するパターン画像計測装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【公開番号】特開２００６−２９８９１（Ｐ２００６−２９８９１Ａ）
【公開日】平成１８年２月２日（２００６．２．２）
【国際特許分類】
【出願番号】特願２００４−２０６８７７（Ｐ２００４−２０６８７７）
【出願日】平成１６年７月１４日（２００４．７．１４）
【出願人】（０００００３１９３）凸版印刷株式会社 (10,630)
【Ｆターム（参考）】
【公開日】平成１８年２月２日（２００６．２．２）
【国際特許分類】
【出願日】平成１６年７月１４日（２００４．７．１４）
【出願人】（０００００３１９３）凸版印刷株式会社 (10,630)
【Ｆターム（参考）】
[ Back to top ]