画像処理装置、画像処理方法、露光装置、およびデバイス製造方法
【課題】 対象物画像中の対象物領域の誤認識が抑制された画像処理技術を提供すること。
【解決手段】 対象物画像中の対象物の位置を求める画像処理装置は、対象物画像中の各部分画像および基準画像に関し、対応する部分領域毎に類似度を計算する第１の計算手段と、各部分画像に関し、第１の計算手段により計算された複数の類似度の統計値を計算する第２の計算手段と、第２の計算手段により計算された複数の統計値のうちの最大値に対応した対象物画像中の部分画像の位置を対象物の位置として認識する認識手段とを有する。
【解決手段】 対象物画像中の対象物の位置を求める画像処理装置は、対象物画像中の各部分画像および基準画像に関し、対応する部分領域毎に類似度を計算する第１の計算手段と、各部分画像に関し、第１の計算手段により計算された複数の類似度の統計値を計算する第２の計算手段と、第２の計算手段により計算された複数の統計値のうちの最大値に対応した対象物画像中の部分画像の位置を対象物の位置として認識する認識手段とを有する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、対象物画像中の対象物の位置を求める画像処理技術に関する。
【背景技術】
【０００２】
レチクルパターンをウェハ上に投影し、露光する前に、露光装置等の半導体製造装置はウェハとレチクルとの位置合わせ(アライメント）を行う。この位置合わせを行うためには、通常、ＣＣＤカメラなどの画像入力装置を用いてウェハ上のアライメントマーク（以下、単に「マーク」という。）を中心としたデジタル画像（以下、「観測画像」という。）を半導体製造装置に取り込み、パターン認識技術を用いて観測画像中からマークの位置を検出する。ここで、マークの位置検出手順は、観測画像全体から大まかなアライメントマークの位置を絞り（第１ステップ（以下、この処理ステップを「プリアライメント」ともいう。））、次に、絞り込んだ位置の周辺から精密なアライメントマークの位置を検出する（第２ステップ）、という２段階に分けられる。
【０００３】
プリアライメントにおいて、マークの位置はパターン認識技術により、観測画像中の各観測位置における評価値を算出し、最大の評価値を有する位置がマークの位置として検出される。この場合、例えば、アライメントマークの位置を検出する基準となるテンプレート画像の特徴量ベクトルと、ウェハのアライメントマークの位置近傍を撮像した際の観測画像中における画像（これを、「部分画像」という。）の特徴量ベクトルとの間において、特徴量ベクトルの類似度が評価され、最大の類似度を有する部分画像に基づいて、認識しようとするマークのパターンが検出される。
【０００４】
従来技術における上述のパターン認識（以下、「テンプレート画像による認識」という。）技術を用いてマークの位置検出を行う場合、比較対象となる観測画像の画質の劣化によって部分画像の特徴量ベクトルの検出精度は低下し、その結果、類似度の評価に基づく検出率は大きく低下することになる。半導体製造装置では、半導体製造プロセスにおける条件変動や、レチクルを照明するための照明条件の変動などに起因して、（１）観測画像中におけるマーク部の局所的な明度（明るさの度合い）の変動や、（２)観測画像中におけるマーク部の局所的な欠損（例えば、観測画像中の一部の画像が欠落し、類似度を評価するためには不完全な観測画像となる場合）が生じ得る（（１）及び（２）を、以下、「局所的劣化」という。）。従来技術におけるこの局所的劣化は類似度の評価に基づく検出率低下の大きな要因となる。
【０００５】
ここで、局所的劣化による検出率低下の例を以下に示す。図１１Ａは、認識しようとする画像Ｔ（テンプレート画像、あるいはマーク画像ともいう）を示し、図１１Ｂは４隅の明度が変動した画像Ｂを示し、図１１Ｃは４隅が欠損した画像Ｃの例を示す図である。
【０００６】
図１１Ａ〜１１Ｃ中において、特徴量を画素値とした場合、各画素の画素値を特徴量ベクトルの要素に設定する処理は図１２に示す画素列ごとの走査に従う。図１２は、各画素の画素値を特徴量ベクトルの要素に設定する工程を図１１Ａの画像Ｔを例として説明する図である。まず、図１１Ａの画像Ｔの外形上の輪郭をａ１ｂ１ａ４ｂ４として、この画像Ｔの左上ａ１に対応する画素から１画素ごとに右側の画素へ走査して（この走査線を１２０１で示す）、右端ｂ１に達すると、走査列を１画素分下げて１段下の左端ａ２に対応する画素から１画素ごとに走査線１２０２で示す方向にｂ２まで走査する。この操作を順次繰り返して、最下段の走査線１２０４に沿って右端のｂ４に対応する画素まで走査を繰り返す。走査の際に、各画素の画素値を特徴量ベクトルの要素に設定する。
【０００７】
ここで設定される画素値は、０から２５５までのダイナミックレンジの範囲内にある画素値とすることができる。参照番号１で示した白色部分の画素値は２５５を示し、参照番号２で示した黒色の画素値は０を示し、そして参照番号３で示した白色及び黒色の中間調としての灰色の画素値は１２８を示すものとする。
【０００８】
簡単化のために、各画像（図１１Ａ〜図１１Ｃ）の全画素数を１００画素とし、図１１Ａにおける画像Ｔの白（画素値２５５）の画素数を５０画素、黒（画素値０）の画素数を５０画素とし、図１１Ｂにおける画像Ｂの白（画素値２５５）の画素数を３５画素、黒（画素値０）の画素数を６５画素とする。また、図１１Ｃにおける画像Ｃの白（画素値２５５）の画素数を３５画素、黒（画素値０）の画素数を３５画素 灰色（画素値１２８）の画素数を３０画素とする。
【０００９】
類似度は、認識しようとする画像（テンプレート画像）と、観測画像中における部分画像との正規化相関により、以下の式（１）で求めることができる。
【００１０】
【数１】
【００１１】
Ｄ：テンプレート画像のパターン
Ｈ：部分画像のパターン
μD：テンプレート画像における特徴量ベクトルの平均値
μH：部分画像における特徴量ベクトルの平均値
式１に従い、全画素数１００画素に対応する１００次元の特徴量ベクトルに基づく画像Ｔ及び画像Ｂ、画像Ｔ及び画像Ｃの類似度を求めると、次のようになる。
【００１２】
（１）画像Ｔと画像Ｂの類似度：０.７３４
（２）画像Ｔと画像Ｃの類似度：０.８３７
上記の例は１００画素に対する１００次元の特徴量ベクトルに基づいて類似度を求めた例であるが、更に簡略化し、全画素数５画素の場合の例を以下に説明する。認識しようとするテンプレート画像の特徴量ベクトルが５次元のベクトル[１,１,０,１,１] で与えられ、マーク部を含む部分画像の特徴量ベクトルが[１,１,０,１,１] から[１,１,０,０,１]に局所的劣化（左から４画素目の特徴量が「１」から「０」に劣化している）が発生して変化すると、式１により求められる類似度は０.６１に低下する（局所的劣化がない場合、類似度の変化はなく、類似度は１．０となる。）。
【００１３】
以上の例が示すように、テンプレート画像と部分画像との正規化相関による類似度の評価は、画像の局所的劣化により類似度が大きく低下することとなり、結果として、プリアライメントにおけるマークの位置の検出精度が低下することとなる。テンプレートによる認識技術として、例えば、以下の特許文献１に示されるものがある。
【特許文献１】特開２００３―２０３８４６号公報
【発明の開示】
【発明が解決しようとする課題】
【００１４】
上述のようにテンプレートによる従来の認識は、画像データの局所的劣化が原因でマーク部の類似度が大きく低下してしまうことになり、その結果、認識しようとするマーク部以外の類似度よりもマーク部を含む部分画像の類似度が低くなってしまう場合、認識しようとするマークの位置の誤認識が生じる。
【００１５】
また、半導体露光装置においては、マーク位置の誤認識により装置が停止すると、誤認識の状態を解消するための位置合せ処理のリトライが必要となり、装置の稼動率が低下するという問題も生じる。
【００１６】
本発明は、対象物画像中の対象物領域の誤認識が抑制された画像処理技術を提供することを目的とする。
【課題を解決するための手段】
【００１７】
上記目的を達成するべく、本発明にかかる対象物画像中の対象物の位置を求める画像処理装置は、
前記対象物画像中の各部分画像および基準画像に関し、対応する部分領域毎に類似度を計算する第１の計算手段と、
前記各部分画像に関し、前記第１の計算手段により計算された複数の類似度の統計値を計算する第２の計算手段と、
前記第２の計算手段により計算された複数の統計値のうちの最大値に対応した前記対象物画像中の部分画像の位置を前記対象物の位置として認識する認識手段と
を有することを特徴とする。
【００１８】
あるいは、本発明にかかる対象物画像中の対象物の位置を求める画像処理方法は、
前記対象物画像中の各部分画像および基準画像に関し、対応する部分領域毎に類似度を計算する第１の計算工程と、
前記各部分画像に関し、前記第１の計算工程において計算された複数の類似度の統計値を計算する第２の計算工程と、
前記第２の計算工程において計算された複数の統計値のうちの最大値に対応した前記対象物画像中の部分画像の位置を前記対象物の位置として認識する認識工程と
を有することを特徴とする。
【００１９】
また、本発明にかかる露光装置は、上記の画像処理装置を有することを特徴とする。
【００２０】
また、本発明にかかるデバイス製造方法は、上記の露光装置を用いて基板にパターンを露光する露光工程を有することを特徴とする。
【発明の効果】
【００２１】
対象物画像中の対象物領域の誤認識が抑制された画像処理技術を提供することができる。
【発明を実施するための最良の形態】
【００２２】
以下、本発明の好適な実施形態を図面を参照しつつ説明する。
【００２３】
＜第１実施形態＞
図１３は、プリアライメント画像処理装置８の構成を示すブロック図であり、プリアライメント画像処理装置８は、例えば、ＣＣＤやコンタクトイメージセンサ等の撮像ユニット７により光電変換されたビデオ信号をＡ/Ｄ変換装置７１でデジタル情報にし、画像処理プロセッサ７２でプリアライメント処理を実行する。記憶装置１３０１には、予めテンプレート画像及びそのデジタル情報、そしてプリアライメントを実行するための、分割や選択に関する領域の座標値、特徴量の種類、特徴量のベクトル化順に関するパラメータが格納されており、撮像ユニット７により撮像されたアライメントマーク近傍の観測画像に基づくデジタル情報と、記憶装置１３０１に格納されているテンプレート画像に基づくデジタル情報とに基づき、画像処理プロセッサ７２はプリアライメント処理を実行する。１３０２は画像判定回路であり、撮像ユニット７で撮影した画像に関して、明度の分布や、画像の欠損の状態などを判定することができる。画像処理プロセッサ７２は、例えば、画像判定回路１３０２の判定結果を利用して、類似度を評価するために適した、テンプレート画像の分割あるいは選択を行うことができる。この場合、画像処理プロセッサは、画像判定回路１３０２の判定結果に基づき、記憶装置１３０１に格納されている複数のパラメータのうちから適した分割や選択のパターンを決定する。
【００２４】
本実施形態において、画像処理プロセッサ７２がプリアライメント処理（以下、「位置検出処理」ともいう。）を実行する主体である。画像処理プロセッサ７２が実行する位置検出処理は、従来技術において説明したように、観測画像における局所的劣化による類似度の低下の問題を解消することを目的とするものであり、画像処理プロセッサ７２は、テンプレート画像を複数の分割部分（領域）、あるいは、テンプレート画像中から、任意に選択した選択部分（領域）に分け、これらの領域に対応する観測画像中の部分画像の各領域（部分領域）に関する類似度（適合する割合）を評価し、各部分領域の類似度を統計的に処理した値を、その部分画像全体の類似度として推定する。
【００２５】
図１５Ｂは、ウェハ（基板）に設けられているアライメントマークの近傍を撮像ユニット７で観測した観測画像１５１０と部分画像１５１１、そして部分画像1５１１を更に分割した部分領域１５１２の関係を例示的に示す図である。図１５Ａは、部分画像（（１）、（２）、・・・（Ｎ））１５０１と、部分画像中における部分領域の類似度（１５０２、１５０３）、部分画像の類似度推定値１５０４の関係と、演算結果の例を示す図であり、画像処理プロセッサ７２は、各部分画像（（１）、（２）・・・（Ｎ））ごとに、テンプレート画像（観測画像からアライメントマークを含む部分画像を決定するための基準となる画像）に対応する部分領域の類似度を求め（１５０３）、部分領域に関する類似度を統計的に処理することにより、部分画像の類似度を推定し、最も類似度推定値の大きい部分画像（図１５の場合は部分画像（２））をアライメントマークを含む部分画像（以下、「アライメントマークの位置」ともいう。）として絞り込む（決定する）。
【００２６】
以下、画像処理プロセッサ７２が実行する位置検出処理の内容と、その処理の効果を具体的に説明する。図１４は、位置検出処理の流れを概略的に説明するフローチャートである。
【００２７】
まず、ステップＳ１４１１において、分割部分パターンあるいは選択部分パターンを求める。画像処理プロセッサ７２は、記憶装置１３０１に格納されているテンプレート画像を選び、選んだテンプレート画像を、例えばｎ×ｍ（ｎ、ｍ：自然数）個の領域に分割し（例えば、図１Ａを参照）、その分割した領域毎に対して特徴量ベクトルを求めてベクトル化したパターン（以下、「分割部分パターン」という。）を生成する。画像処理プロセッサ７２は、ベクトル化における特徴量として、各分割領域を構成する各画素の画素値（０〜２５５）、あるいは濃淡画像の変化（画素値の変化）により特定されるエッジに係る情報（エッジの位置、エッジ度合い）などを用いることができる。
【００２８】
図１Ａは、テンプレート画像Ｔを２５個の領域に分割した例を示す図である。画像処理プロセッサ７２は、各分割領域の特徴量を、例えば、画素値により求める場合、図１２で説明したように画素ごとに走査をしながら各画素の画素値を特徴量ベクトルの要素に設定する。画像処理プロセッサ７２は、分割した各領域（１ａ〜２５ａ）の全てに対して特徴量ベクトルを求め、この結果を後述の統計処理（ステップＳ１４１２）の際に参照可能な状態で記憶装置１３０１に格納する。尚、ベクトル化は、記憶装置１３０１に格納されている特徴量のベクトル化順に関するパラメータに基づいて、画素値を求めるための走査方向や走査画素数に基づいて、画像処理プロセッサ７２が任意に制御することが可能であるものとし、図１２に示すような走査順に限定されるものではない。
【００２９】
また、画像処理プロセッサ７２は、分割部分パターンに代わり、テンプレート画像Ｔの任意の位置における画素の集合を複数個選択し、画素の集合毎に特徴量を算出し、選択した画素の集合ごとにベクトル化したパターン（以下、「選択部分パターン」という。）を生成することができる。この生成プロセスにおいて、画像処理プロセッサ７２は、上述の分割部分パターンの場合と同様にベクトル化における特徴量として、選択した画素の集合ごとに各画素の画素値（０〜２５５）、あるいは濃淡画像の変化（画素値の変化）により特定されるエッジに係る情報などを用いることができる。
【００３０】
図１Ｂは、テンプレート画像Ｔにおいて、画像処理プロセッサ７２が選択部分パターンの特徴量ベクトルを求めるために選択する４つの領域（Ａ、Ｂ、Ｃ、Ｄ）を例示する図である。図中において、画像処理プロセッサ７２が選択する画素は四角の領域で囲まれている。選択部分Ａは５つの選択領域（１０１ａ〜１０５ａ）から構成され、選択部分Ｂ，Ｃはそれぞれ４つの選択領域（１０１ｂ〜１０４ｂ、１０１ｃ〜１０４ｃ）から構成される。そして、選択部分Ｄは、３個の選択領域（１０１ｄ〜１０４ｄ）から構成される。画像処理プロセッサ７２は、各選択部分（Ａ、Ｂ、Ｃ、Ｄ）の特徴量ベクトルを、四角で囲んだ各領域ごとに算出する。例えば、特徴量を画素値とした場合、Ａの選択部分に関しては、５つの選択領域（１０１ａ〜１０５ａ）ごとに、画像処理プロセッサ７２は、図１２で説明したように画素ごとに走査をしながら各画素の画素値を特徴量ベクトルの要素に設定する。選択部分Ｂ〜Ｄについても同様に、画像処理プロセッサ７２は各選択領域ごとに特徴量ベクトルの設定を行い、画像処理プロセッサ７２は、この結果を後述の統計処理（ステップＳ１４１２）の際に参照可能な状態で記憶装置１３０１に格納する。
【００３１】
画像処理プロセッサ７２は、ステップＳ１４１１の処理として、分割部分パターン（図１Ａ）または選択部分パターン（図１Ｂ）を、認識の基準となるテンプレート画像の「部分パターン」として生成する。ここで、本実施形態において、画像処理プロセッサ７２は、分割部分パターン（図１Ａ）を５×５の領域にテンプレート画像を分割して求めているが、分割の単位はこれに限られず、画像処理プロセッサ７２は、記憶装置１３０１に格納されている分割や選択に関する領域の座標値、特徴量の種類、特徴量のベクトル化順に関するパラメータや、プリアライメント画像処理装置８に入力される観測画像のサイズや、明度、欠損の有無などに従い、任意にその分割数を設定することが可能である。また、オペレータの操作により、分割の単位を指定するようにしてもよい。
【００３２】
更に、画像処理プロセッサ７２は、選択部分パターン（図１Ｂ）を求めるために、本実施形態では、テンプレート画像中にＡ、Ｂ、Ｃ、Ｄの４つの領域を選択しているが、これら領域の選択に関しても、記憶装置１３０１に格納されるパラメータやプリアライメント画像処理装置８に入力される観測画像のサイズや、明度、欠損の有無、また、オペレータの操作により、分割の単位を指定することができる。
【００３３】
説明を図１４に戻し、ステップＳ１４１２において、画像処理プロセッサ７２は、ステップＳ１４１１の処理で求めた部分パターン（テンプレート画像の部分パターン）に関して、対応関係にある部分画像に対して、ステップＳ１４１１における特徴量ベクトルの算出と同様の方法により部分画像の特徴量をベクトル化し、テンプレート画像の部分パターンと、部分画像のパターンと、の類似度を算出する。ここで、算出する部分領域の類似度の個数は、テンプレート画像を分割、または選択した領域の数に応じた個数分求められることになる。
【００３４】
次に、処理をステップＳ１４１３に進め、画像処理プロセッサ７２は、ステップＳ１４１２で算出した複数個の部分領域の類似度を用いた統計処理を行い、その結果を部分画像の類似度とする（以下、「類似度の推定値」という）。
【００３５】
部分画像の類似度の推定において、画像処理プロセッサ７２は、部分領域の類似度１５０３を標本としたヒストグラムを作成し、そのヒストグラムから平均値、メディアン、あるいは標本の上位２５％と下位２５％とを除いた残りの標本の平均値、あるいは上位２５％と下位２５％とを除いた残りの標本のメディアンなどを算出し、その統計処理により求められた値を部分画像（（ｉ），ｉ＝１，２，・・・Ｎ）の類似度とする。画像処理プロセッサ７２は、この統計処理の結果を記憶装置１３０１内の参照可能なテーブルに格納する。
【００３６】
図１Ｃは、部分画像として局所的劣化を受けたマーク画像を例示する図であり、分割した領域１ｃ〜２５ｃは図１Ａの分割領域１ａ〜２５ａに対応する領域である。画像処理プロセッサ７２は、対応する分割領域において、それぞれ類似度を算出し、算出した２５個の類似度に基づきヒストグラム（図１Ｄ）を作成し、統計処理を実行する。選択部分パターンに関しても、画像処理プロセッサ７２は、テンプレート画像Ｔにおいて選択した領域ごとに、それぞれ対応する観測画像中における部分画像の類似度を求めてストグラムを作成し、同様の統計処理を実行する。
【００３７】
図１Ｄのヒストグラムは、図１Ｃの場合において分割部分パターンのみを考慮した場合のヒストグラムであり、同図において、横軸Ｘは類似度の分布を示す軸であり、縦軸Ｙは頻度の軸を示している。図１Ｄにおいて、画像処理プロセッサ７２は、中央値Ａを部分画像の類似度として推定する。
【００３８】
そして、ステップＳ１４１４において、画像処理プロセッサ７２は、推定した各部分画像の類似度の中で、最大値を示す部分画像の位置をマークの位置とする。
【００３９】
図１４で説明した方法では、テンプレート画像から複数の部分領域を抽出して利用したが、テンプレート画像の着目点の位置情報と着目点の特徴量との組から構成される部分テンプレートを複数用意し、部分テンプレート毎に、着目点の位置情報と着目点の特徴量とに基づき、部分テンプレートと観測画像の部分画像との類似度を求めるようにしてもよい。当該部分画像とテンプレート画像との類似度は、複数の部分テンプレートに関する複数の類似度から、上述の手法で求めることができる
＜具体的効果＞
＜分割部分パターンを適用した場合＞
次に、図１４のフローチャートにおける処理で、分割部分パターンを適用した場合の効果を図３を参照して説明する。図３は、欠損を含む部分画像であり、画像処理プロセッサ７２は、２５個に分割した各領域に対して類似度を演算する。
【００４０】
図３における領域番号３１ａ、３４ａ、３５ａ、３６ａ、３２０ａ、３２１ａ、３２２ａ、３２５以外の領域の類似度は、劣化していないので１.０（完全に一致することを示す）である。領域番号３１ａ、３４ａ、３５ａ、３６ａ、３２０ａ、３２１ａ、３２２ａ、３２５の８領域の類似度は、劣化しているため１.０より小さい値となる。本実施形態では、０.３〜０.６に分布するものとする。ここで、画像処理プロセッサ７２が部分領域に関する類似度に基づき求めるヒストグラムは図４に示すようになる。図４のＸ軸は類似度を示し、Ｙ軸は頻度を示している。ａは類似度０.３を示し、ｂは類似度０.６を示し、ｃは類似度１.０を示している。図３の場合、総サンプル数２５、このうち類似度１.０が１７サンプル、類似度０.３〜０.６が８サンプルなので、メディアンを推定値とした場合、１.０となる。
【００４１】
仮に、領域番号３１ａ、３４ａ、３５ａ、３６ａ、３２０ａ、３２１ａ、３２２ａ、３２５以外の領域が多少劣化して類似度が０.８〜１.０に分布した場合を想定すると、図５に示すようなヒストグラムが得られる。ａは類似度０.３、ｂは類似度０.６、ｃは類似度０.８、ｄは類似度０.９、ｅは類似度１.０を示している。この場合の類似度推定値は、メディアンを推定値とした場合、０.９となる。部分画像中に欠損部分を含み局所的劣化が介在するような場合でも、複数の部分領域に関する類似度を統計的に処理することで、観測画像（部分画像）中のマーク部とテンプレート画像中のマーク部との位置の整合が良好であるにもかかわらず類似度が低下してしまうことを防止することが可能になる。
【００４２】
次に、分割部分パターンによる類似度の評価をマーク以外の部分画像に関して適用した例を説明する。ここでは、簡単化のために、以下の特徴量ベクトルＡ，Ｂに示すデータを例に説明する。
【００４３】
認識しようとする基準パターンの特徴量ベクトルＡ、観測した未知パターンの特徴量ベクトルＢを以下のように想定する。
【００４４】
Ａ＝[1,0,1,1,0,1,1,0,1,1,0,1,1,0,1]
Ｂ＝[0,1,0,1,0,1,1,1,0,0,1,1,1,0,1]
特徴量ベクトルＡに関する１５個のデータ配列に対して、特徴量ベクトルＢは不規則に配列するデータが含まれており、従来の方法によると、未知パターンの特徴量ベクトルＢの類似度は０となる。
【００４５】
一方、本実施形態によれば、分割部分パターンとして、先頭から３個のデータ毎に分割し、１５個のデータの配列を[1,0,1]、[1,0,1]、[1,0,1]、[1,0,1] 、[1,0,1]の５個とすると、各分割部分パターンの５個のデータと、これらに対応する未知パターンのデータ、[0,1,0]、[1,0,1]、[1,1,0]、[0,1,1]、[1,0,1]との類似度は、それぞれ、０ 、１.０、０.５ 、０.５、１.０となる。そして、これらのメディアンを算出すると０.５になる。
【００４６】
以上の処理により、特徴量ベクトルの一部に基準となるパターンと異なるパターンが含まれる場合であっても、部分的なパターンに基づいて算出する類似度を統計的に処理して類似度を推定することにより、類似度の低下を防止することが可能になる。
【００４７】
＜選択部分パターンを適用した場合＞
次に、図１４のフローチャートにおける処理で、選択部分パターンを適用した場合の効果を図６を参照して説明する。図６は、欠損を含む部分画像であり、画像処理プロセッサ７２は、図１Ｂに対応するように画素領域の集合（Ａ、Ｂ、Ｃ、Ｄ）を設定する。選択部分パターンＡは５つの選択領域（１０１ａ〜１０５ａ）からなり、選択部分パターンＢ，Ｃはそれぞれ４つの選択領域（１０１ｂ〜１０４ｂ、１０１ｃ〜１０４ｃ）からなり、そして、選択部分パターンＤは、３個の選択領域（１０１ｄ〜１０４ｄ）から構成される。これら各選択領域に対して、部分領域に関する類似度を演算する。
【００４８】
選択部分パターンＡにおいて、１０２ａ，１０３ａ，１０４ａ，１０５ａの領域が図１Ｂの選択部分パターンと同一となるので類似度は１.０（完全に一致することを示す）となる。また、１０１ａの領域は欠損領域６０１と重複しており、この領域の類似度を０．７とすると、画像処理プロセッサ７２は、各領域の類似度の平均０.９４を選択部分パターンＡの類似度として設定する。
【００４９】
同様に、選択部分パターンＢでは、選択した領域１０１ｂ〜１０４ｂ全てが、欠損領域の影響を受けることなく、図１Ｂの選択部分パターンと共通するので、画像処理プロセッサ７２は、図６Ａにおける選択部分パターンＢの類似度を１．０として設定する。選択部分パターンＣにおいては、１０１ｃ、１０２ｃ、１０３ｃの領域が図１Ｂの選択部分パターンと同一となるので、画像処理プロセッサ７２は、類似度を１.０とする。また、１０４ｃの領域は欠損領域６０２と重複しており、この領域の類似度を０．６８とすると、画像処理プロセッサ７２は、各領域の類似度の平均０.９２を選択部分パターンＣの類似度として設定する。選択部分パターンＤでは、選択した領域１０１ｄ〜１０３ｄ全てが、欠損領域の影響を受けることなく、図１Ｂの選択部分パターンと共通するので、画像処理プロセッサ７２は、図６Ａにおける選択部分パターンＤの類似度を１．０として設定する。ここで設定された選択部分パターンの類似度に関するデータは、記憶装置１３０１に格納される。本実施形態によれば、図６Ａにおける各選択部分パターンＡ，Ｂ、Ｃ、Ｄと、図１Ｂにおける選択部分パターンとの類似度は、０.９４,１.０,０.９２,１.０であり、画像処理プロセッサ７２は、メディアン０.９７を類似度の推定値とする。
【００５０】
以上の処理により、観測画像中に欠損部分を含み局所的劣化が介在するような場合でも、複数の部分領域に関する類似度を統計的に処理することで、観測画像（部分画像）中のマーク部とテンプレート画像中のマーク部との位置の整合が良好であるにもかかわらず類似度が低下してしまうことを防止することが可能になる。
【００５１】
次に、選択部分パターンによる類似度の評価をマーク以外の部分画像に関して適用した例を説明する。ここでは、簡単化のために、以下の特徴量ベクトルＣ，Ｄに示すデータを例に説明する。
【００５２】
認識しようとする基準パターンの特徴量ベクトルＣ、観測した未知パターンの特徴量ベクトルＤを以下のように想定する。
【００５３】
Ｃ＝[1,0,1,1,0, 1,1,0,1, 1,0,1,1, 0,1,1]
Ｄ＝[0,1,0,1,0, 1,1,1,0, 0,1,1,1, 0,1,1]
特徴量ベクトルＣに関する１６個のデータ配列に対して、特徴量ベクトルＤは不規則に配列するデータが含まれており、従来の方法によると、特徴量ベクトルＤの類似度は0となる。
【００５４】
一方、本実施形態によれば、選択部分パターンとして特徴量ベクトルの先頭から５データ、４データ、４データ、３データをとり、[1,0,1,1,0] , [1,1,0,1], [1,0,1,1], [0,1,1] 、４個の選択部分パターンに関する類似度を求めると、それぞれ、-0.16 、-0.33、-0.33 、1.0となる。そして、これらのメディアンを算出すると-0.25になる。
【００５５】
以上より、特徴量ベクトルの一部に基準となるパターンと異なるパターンが含まれる場合であっても、部分的な複数の分割部分パターンに基づく類似度を統計的に処理して類似度を推定することにより、類似度の低下を防止することが可能になる。
【００５６】
＜第２実施形態＞
次に、第２実施形態について画像処理プロセッサ７２が実行する位置検出処理の内容と、その処理の効果を具体的に説明する。第１実施形態にかかる方法では、テンプレート画像を基準に部分領域の特徴量ベクトルを求め、各部分領域に関して類似度を求めたが、第２実施形態にかかる方法では、テンプレート画像から特徴領域を選択し、選択した領域に対して、特徴量ベクトルを求め、観測画像中の部分画像の対応する領域の特徴量ベクトルとの類似度を算出し、算出された類似度からテンプレート画像と部分画像の類似度を推定する。
【００５７】
図１６は、位置検出処理の流れを概略的に説明するフローチャートである。
【００５８】
まず、ステップＳ１６１１において、テンプレート画像から特徴的な領域を選択する。テンプレート画像を複数の領域に分割し、領域毎に離散フーリエ変換、離散コサイン変換、あるいは離散ウェーブレット変換のパワースペクトラムを算出する。この算出結果に基づいて、特定周波数域のスペクトラムの割合が高い領域を選択して特徴的な領域とする。特定周波数域は、縦方向に延びるエッジに起因した周波数成分の割合が高い、あるいは横方向に延びるエッジに起因した周波数成分の割合が高い領域である。
【００５９】
図２Ａは、部分画像がマークである場合の例を示す図である。ステップＳ１６１１の処理において、まず、画像処理プロセッサ７２は、画像Ｔを四角で囲まれた２５個の領域に分割する。この例では、パワースペクトラムがＤＣ成分のみとなる黒一色の領域２０７ａ、２０９ａ、２１７ａ、２１９ａを選択領域の候補から除外する。更に、領域２０１ａ、２０５ａ、２２０ａ、２２５ａは、マーク部の縦成分と横成分の特徴が表われない領域であるので、選択領域の候補から除外する。画像処理プロセッサ７２は、縦成分あるいは横成分のいずれかの領域が支配的となる残りの領域を特徴的な領域として選択する。特徴領域として選択される領域は、２０２ａ〜２０４ａ、２０６ａ、２０８ａ、２１０ａ〜２１６ａ、２１８ａ、２１９ａ、２２２ａ〜２２４ａの１７領域である。
【００６０】
図２Ｂは、部分画像の例を示す図であり、図２Ａの場合と同様に、画像処理プロセッサ７２は、画像Ｂを２５個の領域に分割し、まず、分割した領域からパワースペクトラムがＤＣ成分のみとなる黒一色の領域２０７ｂ、２０９ｂ、２１７ｂ、２１９ｂを選択領域の候補から除外する。更に、画像処理プロセッサ７２は、領域２０１ｂ、２０４ｂ、２０５ｂ，２０６ｂ，２２０ｂ、２２１ｂ，２２２ｂ，２２５ｂも明度の影響等によりマークの特徴が欠損する領域に関してもＤＣ成分のみとなるので観測画像における選択領域の候補から除外する。画像処理プロセッサ７２は、分割した領域のうち、縦方向に延びるエッジに起因した周波数成分あるいは横方向に延びるエッジに起因した周波数成分が支配的となる２０２ｂ、２０３ｂ、２０８ｂ、２１０ｂ〜２１６ｂ、２１８ｂ、２２３ｂ、２２４ｂを特徴的な領域として選択する。
【００６１】
次に、処理をステップＳ１６１２に進め、選択した領域毎（例えば、図２Ａの場合、２０２ａ〜２０４ａ、２０６ａ、２０８ａ、２１０ａ〜２１６ａ、２１８ａ、２１９ａ、２２２ａ〜２２４ａの１７領域）に特徴量を算出し、それらをベクトル化した部分パターンを求める。同様に、部分画像に対して、各特徴領域に関して特徴量ベクトルを求める。
【００６２】
特徴量は、第１実施形態で説明したように、画素ごとの画素値やエッジ情報を用いることができる。特徴量を画素値とした場合、特徴領域として選択した領域ごとに、画像処理プロセッサ７２は、図１２で説明したように画素ごとに走査をしながら各画素の画素値を特徴量ベクトルの要素に設定する。画像処理プロセッサ７２は、この結果を後述の統計処理（ステップＳ１４１２）の際に参照可能な状態で記憶装置１３０１に格納する。
【００６３】
ステップＳ１６１３において、画像処理プロセッサ７２は、テンプレート画像Ｔから特徴領域として選択した各領域と、部分画像から特徴領域として選択した各領域との間で、対応関係にある領域毎に、特徴量ベクトルの類似度を算出する。
【００６４】
処理をステップＳ１６１４に進め、画像処理プロセッサ７２は、ステップＳ１６１３で算出した複数個の類似度に対し統計処理を行い、その結果を部分画像とテンプレート画像との類似度と推定する。類似度の推定において、画像処理プロセッサ７２は、複数個の類似度を標本としたヒストグラムを作成し、そのヒストグラムから平均値、メディアン、あるいは上位２５％と下位２５％とを除いた残りの標本の平均値、あるいは上位２５％と下位２５％とを除いた残りの標本のメディアンなどを算出し、その統計処理により求められた値を類似度とする。画像処理プロセッサ７２は、この統計処理の結果を記憶装置１３０１内の参照可能なテーブルに格納する。
【００６５】
このようにして、画像処理プロセッサ７２は、部分画像とテンプレート画像との類似度を算出（推定）し、算出された類似度の中で最大値を示す部分画像の位置（例えば、部分画像の重心位置等、所定点の位置）をもって、マークの位置とする。なお、類似度の算出は、部分画像毎に実行されるが、通常、観測画像中においてテンプレート画像と同サイズとなるあらゆる部分領域が当該部分画像として抽出される。
【００６６】
＜具体的効果＞
次に、図１６のフローチャートにおける効果を具体的に説明する。図２Ａと図２Ｂにおいて、特徴領域として選択した各領域、（２０２ａ，２０２ｂ）、（２０３ａ，２０３ｂ）、（２０８ａ，２０８ｂ）、（２１０ａ，２１０ｂ），（２１１ａ，２１１ｂ），（２１２ａ，２１２ｂ），（２１３ａ，２１３ｂ），（２１４ａ，２１４ｂ），（２１５ａ，２１５ｂ），（２１６ａ，２１６ｂ），（２１８ａ，２１８ｂ），（２２０ａ，２２０ｂ），（２２３ａ，２２３ｂ），（２２４ａ，２２４ｂ），において、局所的な劣化は存在しないので、類似度は１．０（完全に一致することを示す）となる。
【００６７】
画像処理プロセッサ７２は、図２Ａ、２Ｂに関し、総サンプル数１４のヒストグラムを作成し、この結果に基づき、類似度は１．０と推定する。
【００６８】
部分画像中に欠損部分を含み局所的劣化が介在するような場合でも、複数の特徴領域に関する類似度を統計的に処理することで、部分画像中のマーク部とテンプレート画像中のマーク部との位置の整合が良好であるにもかかわらず類似度が低下してしまうことを防止することが可能になる。
【００６９】
次に、特徴領域に関する類似度の評価をマーク以外の部分画像に関して適用した例を説明する。ここでは、簡単化のために、以下の特徴量ベクトルＥ，Ｆに示すデータを例に説明する。
【００７０】
認識しようとする基準パターンの特徴量ベクトルＥ、観測した未知パターンの特徴量ベクトルＦを以下のように想定する。
【００７１】
Ｅ＝[0,0,1,1,1,1,0,0, 0,0,0,0,0,0,0,0, 0,0,1,1,1,1,0,0, 0,0,0,0,0,0,0,0 ]
Ｆ＝[0,0,1,1,0,0,1,1, 0,0,1,1,0,0,1,1, 0,0,1,1,0,0,1,1, 0,0,0,0,0,0,0,0 ]
特徴量ベクトルＥに関する３２個のデータ配列に対して、特徴量ベクトルＦは不規則に配列するデータが含まれており、従来の方法によると、未知パターンの特徴量ベクトルＦの類似度は０．１５となる。
【００７２】
一方、本実施形態によれば、画像処理プロセッサ７２は、特徴量ベクトルの先頭から８データ毎に[0,0,1,1,0,0,1,1], [0,0,1,1,0,0,1,1], [0,0,1,1,0,0,1,1], [0,0,0,0,0,0,0,0 ]の４個の部分パターンに分割し、４個の部分パターンの中から特徴的なものを選択する。例えば、０と１のデータを含む部分パターンを選択すると、画像処理プロセッサ７２は、特徴量ベクトルＦのうち、１番目の部分パターン[0,0,1,1,0,0,1,1]、２番目の部分パターン[0,0,1,1,0,0,1,1], そして３番目の部分パターン[0,0,1,1,0,0,1,1]の３個を選択し、そして、対応するテンプレート画像の特徴量ベクトルＥのうち、１番目の部分パターン[0,0,1,1,1,1,0,0]、２番目の部分パターン[0,0,0,0,0,0,0,0]、３番目の部分パターン[0,0,1,1,1,1,0,0]を選択し、これら各選択部分に関する類似度を式（１）の正規化相関を用いて算出すると、0、0、0となる。そして、これらのメディアンを0と算出する。
【００７３】
以上の処理により、特徴量ベクトルの一部から、特徴となる部分的なデータを抽出し、部分的なデータに基づいて算出する類似度を統計的に処理することで、２つの特徴量ベクトルのうち一方が劣化した画像に基づくものであっても、より適切な類似度を求めることが可能になる。
【００７４】
＜第３実施形態＞
次に、第３実施形態について画像処理プロセッサ７２が実行する位置検出処理の内容を説明する。本実施形態においては、第２実施形態で説明した特徴領域の選択と、その選択した領域に対する特徴量ベクトルに関する情報を複数のマーク画像に関して求め、画像処理プロセッサ７２は複数のマーク画像に関して求めた情報を平均化してテンプレート画像を求める。
【００７５】
図１７は、第３実施形態にかかる位置検出処理の流れを概略的に説明するフローチャートである。ステップＳ１７１１で、アライメントマークを含むマーク画像の数をカウントするカウンタを初期化する。そして、処理をステップＳ１７１２に進め、画像処理プロセッサ７２は、ｉ番目のマーク画像に関して特徴領域を選択する。ｉ番目のマーク画像を複数の領域に分割し、領域毎に離散フーリエ変換、離散コサイン変換、あるいは離散ウェーブレット変換のパワースペクトラムを算出する。この算出結果に基づいて、特定周波数域のスペクトラムの割合が高い領域を選択して特徴的な領域とする。この特徴領域の選択処理は、第２実施形態において説明したステップＳ１６１１の処理と同様なので、ここでは詳細な説明は省略する。
【００７６】
ステップＳ１７１３において、ステップＳ１７１２において選択した特徴領域に関する特徴量ベクトルを求める。特徴量は、第１及び第２実施形態で説明したように、画素ごとの画素値やエッジ情報を用いることができる。特徴量を画素値とした場合、特徴領域として選択した領域ごとに（図１８のマーク画像No.１の場合、１、２、・・・ｍ１）、画像処理プロセッサ７２は、図１２で説明したように画素ごとに走査をしながら各画素の画素値を特徴量ベクトル（ａ１，ａ２，・・・ａｍ１）の要素に設定する。画像処理プロセッサ７２は、この結果を平均化したテンプレートを作成するために、参照可能な状態で記憶装置１３０１に格納する（図１８を参照）。
【００７７】
ステップＳ１７１４において、画像処理プロセッサ７２は、サンプル取得が終了したか否かを判断し、終了していなければ（Ｓ１７１４-Ｎｏ）、処理をステップＳ１７１５に進め、カウンタ（ｉ）をカウントアップして処理をステップＳ１７１２に戻し、同様の処理を繰り返す。
【００７８】
一方、サンプル取得が終了したと、画像処理プロセッサ７２が判断した場合（Ｓ１７１４-Ｙｅｓ）、処理をステップＳ１７１６に進め、画像処理プロセッサ７２は、各マーク画像について求めた特徴量ベクトルを統計的に処理して求めた平均化テンプレート画像（単にテンプレート画像ともいう）を作成する。テンプレート画像を求める統計的な処理としては、平均値を用いる方法の他、メディアンあるいは特異値分解の合成成分を求めることによってもよい。
【００７９】
図１８は、記憶装置１３０１に格納される複数のマーク画像の選択領域、その選択領域に対する特徴量ベクトル、そして、求められた特徴量ベクトルに基づく平均化テンプレート画像が、記憶装置１３０１に格納された状態を示す図である。
【００８０】
図６Ｂは、第３実施形態において、複数のマーク画像の特徴量ベクトルより求めたテンプレート画像の例を示す図である。例えば、領域６０１、６０５、６０７、６０９、６１３、６１７、６１９、６２１、６２５に関しては、特徴領域として選択されない領域であり、また、明度の変動や欠損により局所的な劣化を起しやすい領域でもあるので、画像処理プロセッサ７２は、領域６０１、６０５、６０７、６０９、６１３、６１７、６１９、６２１、６２５を除外した領域についてテンプレート画像を生成する。
【００８１】
図１９は半導体露光装置において露光するＮ枚のウェハからなるロットＡ、Ｂ、・・・Ｍを示す図であり、第１乃至３実施形態の適用は、例えば、ロット単位の先頭のウェハ１９０１、１９０２、１９０３や、初期ロットＡのウェハＮ枚をサンプルとして平均化テンプレート画像を生成し、その結果を後続のウェハに対して適用するようにしてもよい。
【００８２】
上述の第１乃至第３実施形態により、テンプレート画像と観測画像の部分画像との類似度を精度よく求めることが可能となり、マーク位置の検出精度向上を図ることが可能になる。更に、半導体製造装置におけるマークの検出失敗による装置停止率も減少し、稼働効率の向上と生産性の向上が可能になる。
【００８３】
＜第４実施形態＞
次に、上述のプリアライメントを適用した半導体露光装置に関する実施形態を説明する。図７は半導体露光装置の概略的な構成を示す図であり、本実施形態は、オフアクシススコープ６によるプリアライメント検出に対して適用したものである。
【００８４】
露光対象となる原版としてのパターンはレチクル１上に形成されており、不図示の照明系でＩ線あるいはエキシマレーザ光を使ってレチクルを照明し、投影レンズ２によりウエハ５にレチクルのパターンを投影露光する。
【００８５】
プリアライメントは、ウエハ５が不図示のウエハ搬送装置によって、ＸＹステージ３上のウエハ吸着チャック４に載せられてから行われる。ウエハ５は吸着チャック４上に搬送装置の機械的精度に従い位置決めされるため、精度上そのままウエハの精密な位置計測に移行することはできない。そのため、ウエハ上のプリアライメント計測用の検出マーク（プリアライメントマーク）を投影レンズ２の外側に構成されるオフアクシススコープ６で観測し、ＣＣＤカメラ等の撮像ユニット７で光電変換した後、プリアライメント画像処理装置８でアライメントマーク近傍の観測画像を検出する。
【００８６】
プリアライメント画像処理装置８内では、光電変換されたビデオ信号をＡ/Ｄ変換装置７１でデジタル情報にし、記憶装置１３０１に格納されているアライメントマークに関するテンプレート画像に関するデータ等やプリアライメント処理を実行するためのパラメータを読み出し、画像処理プロセッサ７２がプリアライメントマークの位置検出を行なう。
【００８７】
プリアライメントマーク近傍の観測画像を取り込んだときのＸＹステージ３の位置はレーザ干渉計１２によって正確に測定されており、検出処理回路１１で処理されたステージの位置情報は制御装置９に入力される。また、オフアクシススコープ６で観測した画像は検出処理回路１０で処理した後に制御装置９に入力され、制御装置９はプリアライメントマークの位置のずれとＸＹステージ３の位置から、ウエハ吸着チャック４上に置かれているウエハ５のずれ量を正確に算出し、このずれ量をステージ駆動制御装置１４に入力する。ステージ駆動制御装置１４は、制御装置９からフィードバックされるずれ量をなくすようにＸＹステージ３を位置決めする。
【００８８】
図７において、１５は、以上のようにして実行されたウエハの粗アライメントの後に、精密なアライメントマークの位置を検出する処理を実行する第２画像処理装置であり、制御装置９は、第２画像処理装置で求められた最終的なアライメントマークの位置に基づき、ＸＹステージ３の位置決め情報を生成し、この位置決め情報に従って、ステージ駆動制御装置１４は、ＸＹステージ３を駆動し、最終的な位置決めを行う。
【００８９】
本実施形態ではオフアクシススコープ６の照明として暗視野照明を用いている。暗視野照明ではマーク段差のエッジ位置からの散乱光がＣＣＤカメラ７などで受光されるが、本発明は、暗視野照明に限定されるものではなく、明視野照明において撮影された観測画像においても同様に適用することができる。
【００９０】
以下、プリアライメント画像処理装置８及びこの装置を用いた半導体露光装置におけるプリアライメント処理の概略的な処理の流れを図８のフローチャートを参照しつつ説明する。まず、画像処理プロセッサ７２は、最初に、マーク画像の分割部分パターンを以下の手順で算出する。
【００９１】
まず、ステップＳ８００で、画像処理プロセッサ７２は、予め登録しておいたアライメントマークのテンプレート画像（マーク画像）を記憶装置１３０１から読み込む。
【００９２】
そして、ステップＳ８０１において、このマーク画像を画像Imgとする。
【００９３】
次に、ステップＳ８０２において、分割部分パターンを算出するのに必要なパラメータ（各分割領域の座標値、特徴量の種類、特徴量のベクトル化に関するパラメータ）を記憶装置１３０１から読み込む。
【００９４】
ステップＳ８０２において読み込んだパラメータを用いて、テンプレート画像を分割領域に分割し、各分割領域の特徴量ベクトルを求め、画像Imgの分割部分パターンとする(Ｓ８０３)。この処理は、図１４におけるステップＳ１４１１の内容に対応する。
【００９５】
次に撮像ユニット７で撮像した観測画像に含まれる部分画像のパターンを以下の手順で算出する。
【００９６】
まず、ステップＳ８０４において、ＣＣＤカメラなどの撮像ユニット７により観測された観測画像をプリアライメント画像処理装置８に読み込む。
【００９７】
画像処理プロセッサ７２は、観測画像からテンプレート画像のサイズに合せて部分画像を抽出する（ステップＳ８０６）。そして、ステップＳ８０７において、画像処理プロセッサ７２は、観測画像から抽出した部分画像を画像Img2とする。
【００９８】
ステップＳ８０８において、画像処理プロセッサ７２は、部分画像のパターンを求めるために、ステップＳ８０２で読み込んだパラメータ（座標値、特徴量の種類、特徴量のベクトル化に関するパラメータ）を記憶装置１３０１から読み込む。
【００９９】
そして、ステップＳ８０９において、先のステップＳ８０８で読み込んだパラメータに従い、部分画像Img2を部分分割パターンに対応させて分割し、各分割領域の特徴量ベクトルを求め、部分画像Img2のパターンとする。
【０１００】
画像処理プロセッサ７２は、ステップＳ８１０において、各分割部分パターンに対応する部分画像Img2のパターンの類似度を算出する。この処理は、図１４のステップＳ１４１２の処理に対応する。
【０１０１】
そして、画像処理プロセッサ７２は、ステップＳ８１１において、ステップＳ８１０で求めた各分割部分パターンとの類似度を用いて、部分画像Img2の類似度を推定する。この処理は、図１４におけるステップＳ１４１３に対応する。
【０１０２】
そして、ステップＳ８０６からステップＳ８１１までの処理を観測画像から取り出す部分画像がなくなるまで行い、部分画像の読み残しが無い場合（Ｓ８０５-Ｎｏ）は、処理をステップＳ８１２に進め、推定した各部分画像の類似度の中で、最大値を示す部分画像の位置をマーク位置とする。この処理は、図１４におけるステップＳ１４１４に対応する。
【０１０３】
次に図９を参照して、図８におけるステップＳ８０３の分割部分パターンの算出と、ステップＳ８０９における部分画像Img2のパターンの算出方法を具体的に説明する。
【０１０４】
まず、ステップＳ９００において、画像処理プロセッサ７２は、パターン化の対象となる画像データを読み込み、画像Imgあるいは画像Img2とする。
【０１０５】
次に、ステップＳ９０１において画像処理プロセッサ７２は、画像Imgあるいは画像Img2をパターン化（ベクトル化）するのに必要となる各分割領域（分割の状態は図１Ａを参照）の座標値、特徴量の種類、分割した領域内における特徴量のベクトル化順序（例えば、図１２に示すような画素値を設定するための走査方向の定義）を記述したパラメータ（分割部分パラメータ）を読み込む。ここで、各領域の座標値は近接する近傍画素の座標とすることができる。
【０１０６】
そして、ステップＳ９０２において、先のステップＳ９０１で読み込んだ分割部分パラメータを用いて分割した画像Imgあるいは画像Img2の各部分領域の特徴量を求め、ステップＳ９０３において、先のステップＳ９０１で読み込んだ分割部分パラメータのベクトル化順序情報を用いて、ステップＳ９０２で算出した各部分領域の特徴量をベクトル化したパターンを算出する。
【０１０７】
次に、図１０を参照して、図８のステップＳ８１１における部分画像Img2に関する類似度の推定処理の流れを説明する。まず、ステップＳ１００１において、画像処理プロセッサ７２は、画像Img2に関し、図８のステップＳ８１０で算出した各分割部分パターンに対応する部分画像の各部分領域の類似度を読み込む（この類似度は図１５の１５０３が対応する）。
【０１０８】
次に、画像処理プロセッサ７２は、ステップＳ１００１において読み込んだ各部分領域の類似度を標本としたヒストグラムを作成する（Ｓ１００２）。
【０１０９】
そして、画像処理プロセッサ７２は、ステップＳ１００３において、ステップＳ１００２で作成したヒストグラムを統計的に処理をして部分画像Img2の類似度を推定値する（ここで求められる部分画像Img2の推定値は図１５の１５０４に対応する。）。尚、統計的な処理としては、平均値、メディアン、あるいは上位25％と下位25％とを除いた標本の平均値、上位25％と下位25％とを除いた標本のメディアンなどの統計量の算出に基づいて、画像処理プロセッサ７２が部分画像の類似度を推定する。
【０１１０】
以上より、半導体露光装置におけるプリアライメント処理において、部分画像中の特徴量ベクトルの一部に基準となるパターンと異なるパターンが含まれる場合であっても、本実施形態にかかる半導体露光装置は、複数の部分領域の類似度を統計的に処理することで、部分画像の類似度を推定することにより、マーク位置の誤認識が抑制され、優れたプリアライメント処理の実行を可能にする。
【０１１１】
本実施形態により、マークの誤認識により装置が停止することを防ぎ、稼動率に優れた半導体露光装置を提供することが可能になる。
【０１１２】
＜第５実施形態＞
第４実施形態においては、分割部分パターンにより部分画像の類似度を統計的に処理してプリアライメント処理を実行する半導体露光装置の例を説明したが、部分分割パターンに代わり、選択部分パターン（例えば、図１Ｂを参照）により部分画像の類似度を評価してもよい。
【０１１３】
この場合、図８のステップＳ８００で読み込んだマーク画像に対して、選択部分パターンを算出するために必要なパラメータ（各分割領域の座標値、特徴量の種類、特徴量のベクトル化に関するパラメータ）を記憶装置１３０１から読み込み、画像Imgに対して選択部分パターンを求め、観測画像に基づく部分画像に対しても同様のパラメータにより部分画像Img2に対する選択部分パターンを求めることにより、マーク画像Imgに対する部分画像Img2の類似度を推定すればよい。
【０１１４】
また、第４実施形態の半導体露光装置におけるプリアライメント処理において、部分分割パターンに代え、図１７で説明したように、領域毎に離散フーリエ変換、離散コサイン変換、あるいは離散ウェーブレット変換のパワースペクトラムを算出して、マーク画像及び部分画像の特徴領域を決定し、各特徴領域の特徴量を算出することにより、マーク画像Imgに対する部分画像Img2の類似度を推定してもよい。
【０１１５】
以上より、特徴量ベクトルの一部に基準となるパターンと異なるパターンが含まれる場合であっても、本実施形態にかかる半導体露光装置は、複数の部分領域の類似度を統計的に処理することで、部分画像の類似度を推定し、マーク位置の誤認識の抑制されたプリアライメント処理の実行を可能にする。
【０１１６】
また、選択部分パターンを求める際、パワースペクトラムに基づきマーク画像及び部分画像の特徴領域を抽出して各領域の特徴量を算出し、平均化テンプレート画像を求めるようにすれば、局所的劣化の影響を受けやすい部分を予め類似度の評価の対象から除外することができるため、マーク位置の誤認識をさらに抑制することができる。
【０１１７】
また、本実施形態により、マークの誤認識により装置が停止することを防ぎ、稼動率に優れた半導体露光装置を提供することが可能になる。
【０１１８】
＜デバイス製造方法の実施形態＞
次に半導体露光装置等の露光装置を利用した半導体デバイス等のデバイスの製造プロセスを説明する。図２０は半導体デバイスの全体的な製造プロセスのフローを示す。ステップ１（回路設計）では半導体デバイスの回路設計を行なう。ステップ２（マスク作成）では設計した回路パターンを形成したマスクを作成する。一方、ステップ３（ウエハ製造）ではシリコン等の材料を用いてウエハを製造する。ステップ４（ウエハプロセス）は前工程と呼ばれ、上記用意したマスクとウエハを用いて、リソグラフィ技術によってウエハ上に実際の回路を形成する。次のステップ５（組み立て）は後工程と呼ばれ、ステップ４によって作製されたウエハを用いて半導体チップ化する工程であり、アッセンブリ工程（ダイシング、ボンディング）、パッケージング工程（チップ封入）等の組立て工程を含む。ステップ６（検査）ではステップ5で作製された半導体デバイスの動作確認テスト、耐久性テスト等の検査を行なう。こうした工程を経て半導体デバイスが完成し、これを出荷（ステップ７）する。
【０１１９】
図２１は上記ウエハプロセスの詳細なフローを示す。ステップ１１（酸化）ではウエハの表面を酸化させる。ステップ１２（ＣＶＤ）ではウエハ表面に絶縁膜を成膜する。ステップ１３（電極形成）ではウエハ上に電極を蒸着によって形成する。ステップ１４（イオン打込み）ではウエハにイオンを打ち込む。ステップ１５（レジスト処理）ではウエハに感光剤を塗布する。ステップ１６（露光）では上記説明した露光装置によって回路パターンをウエハに描画（露光）する。ステップ１７（現像）では露光したウエハを現像する。ステップ１８（エッチング）では現像したレジスト像以外の部分を削り取る。ステップ１９（レジスト剥離）ではエッチングが済んで不要となったレジストを取り除く。これらのステップを繰り返し行なうことによって、ウエハ上に多重に回路パターンを形成する。
【０１２０】
本実施形態にかかるデバイス製造方法によれば、マーク位置の誤認識の抑制された露光装置を利用しているため、従来に比べデバイスの生産性を向上させることが可能になる。
【図面の簡単な説明】
【０１２１】
【図１Ａ】テンプレート画像Ｔを２５個の領域に分割した例を示す図である。
【図１Ｂ】テンプレート画像Ｔにおいて、画像処理プロセッサ７２が選択部分パターンの特徴量ベクトルを求めるために選択する４つの領域（Ａ、Ｂ、Ｃ、Ｄ）を例示する図である。
【図１Ｃ】部分画像として局所的劣化を受けたマーク画像を例示する図である。
【図１Ｄ】類似度を標本としたヒストグラムを示す図である。
【図２Ａ】部分画像がマークである場合の例を示す図である。
【図２Ｂ】部分画像の例を示す図である。
【図３】欠損を含む部分画像を示す図である。
【図４】分割部分パターンの類似度を標本としたヒストグラムを例示する図である。
【図５】分割部分パターンの類似度を標本としたヒストグラムを例示する図である。
【図６Ａ】選択部分パターンの選択領域の例を示す図である。
【図６Ｂ】複数のマーク画像の特徴量ベクトルより求めたテンプレート画像の例を示す図である。
【図７】半導体露光装置の概略的な構成を示を示す図である。
【図８】プリアライメント画像処理装置８及びこの装置を用いた半導体露光装置におけるプリアライメント処理の概略的な処理の流れを説明するフローチャートである。
【図９】図８におけるステップＳ８０３の分割部分パターンの算出、ステップＳ８０９における部分画像Img2のパターンの算出方法を具体的に説明するフローチャートである。
【図１０】図８のステップＳ８１１における部分画像Img2に関する類似度の推定処理の流れを説明するフローチャートである。
【図１１Ａ】認識しようとするテンプレート画像Ｔを示す図である。
【図１１Ｂ】４隅の明度が変動した画像Ｂを示す図である。
【図１１Ｃ】４隅が欠損した画像Ｃの例を示す図である。
【図１２】各画素の画素値を特徴量ベクトルの要素に設定する工程を図１１Ａの画像Ｔを例として説明する図である。
【図１３】プリアライメント画像処理装置８の構成を示すブロック図である。
【図１４】位置検出処理の流れを概略的に説明するフローチャートである。
【図１５Ａ】部分画像と、部分画像中における部分領域の類似度、部分画像の類似度推定値の関係と、演算結果の例を示す図である。
【図１５Ｂ】観測画像と部分画像、そして部分画像を更に分割した部分領域の関係を例示的に示す図である。
【図１６】位置検出処理の流れを概略的に説明するフローチャートである。
【図１７】第３実施形態にかかる位置検出処理の流れを概略的に説明するフローチャートである。
【図１８】記憶装置に格納される複数のマーク画像の選択領域、その選択領域に対する特徴量ベクトル、そして、求められた特徴量ベクトルに基づく平均化テンプレート画像が、記憶装置に格納された状態を示す図である。
【図１９】半導体露光装置において露光するＮ枚のウェハからなるロットＡ、Ｂ、・・・Ｍを示す図である。
【図２０】半導体デバイスの全体的な製造プロセスのフローを示す図である。
【図２１】図２０のウエハプロセスの詳細なフローを示す図である。
【技術分野】
【０００１】
本発明は、対象物画像中の対象物の位置を求める画像処理技術に関する。
【背景技術】
【０００２】
レチクルパターンをウェハ上に投影し、露光する前に、露光装置等の半導体製造装置はウェハとレチクルとの位置合わせ(アライメント）を行う。この位置合わせを行うためには、通常、ＣＣＤカメラなどの画像入力装置を用いてウェハ上のアライメントマーク（以下、単に「マーク」という。）を中心としたデジタル画像（以下、「観測画像」という。）を半導体製造装置に取り込み、パターン認識技術を用いて観測画像中からマークの位置を検出する。ここで、マークの位置検出手順は、観測画像全体から大まかなアライメントマークの位置を絞り（第１ステップ（以下、この処理ステップを「プリアライメント」ともいう。））、次に、絞り込んだ位置の周辺から精密なアライメントマークの位置を検出する（第２ステップ）、という２段階に分けられる。
【０００３】
プリアライメントにおいて、マークの位置はパターン認識技術により、観測画像中の各観測位置における評価値を算出し、最大の評価値を有する位置がマークの位置として検出される。この場合、例えば、アライメントマークの位置を検出する基準となるテンプレート画像の特徴量ベクトルと、ウェハのアライメントマークの位置近傍を撮像した際の観測画像中における画像（これを、「部分画像」という。）の特徴量ベクトルとの間において、特徴量ベクトルの類似度が評価され、最大の類似度を有する部分画像に基づいて、認識しようとするマークのパターンが検出される。
【０００４】
従来技術における上述のパターン認識（以下、「テンプレート画像による認識」という。）技術を用いてマークの位置検出を行う場合、比較対象となる観測画像の画質の劣化によって部分画像の特徴量ベクトルの検出精度は低下し、その結果、類似度の評価に基づく検出率は大きく低下することになる。半導体製造装置では、半導体製造プロセスにおける条件変動や、レチクルを照明するための照明条件の変動などに起因して、（１）観測画像中におけるマーク部の局所的な明度（明るさの度合い）の変動や、（２)観測画像中におけるマーク部の局所的な欠損（例えば、観測画像中の一部の画像が欠落し、類似度を評価するためには不完全な観測画像となる場合）が生じ得る（（１）及び（２）を、以下、「局所的劣化」という。）。従来技術におけるこの局所的劣化は類似度の評価に基づく検出率低下の大きな要因となる。
【０００５】
ここで、局所的劣化による検出率低下の例を以下に示す。図１１Ａは、認識しようとする画像Ｔ（テンプレート画像、あるいはマーク画像ともいう）を示し、図１１Ｂは４隅の明度が変動した画像Ｂを示し、図１１Ｃは４隅が欠損した画像Ｃの例を示す図である。
【０００６】
図１１Ａ〜１１Ｃ中において、特徴量を画素値とした場合、各画素の画素値を特徴量ベクトルの要素に設定する処理は図１２に示す画素列ごとの走査に従う。図１２は、各画素の画素値を特徴量ベクトルの要素に設定する工程を図１１Ａの画像Ｔを例として説明する図である。まず、図１１Ａの画像Ｔの外形上の輪郭をａ１ｂ１ａ４ｂ４として、この画像Ｔの左上ａ１に対応する画素から１画素ごとに右側の画素へ走査して（この走査線を１２０１で示す）、右端ｂ１に達すると、走査列を１画素分下げて１段下の左端ａ２に対応する画素から１画素ごとに走査線１２０２で示す方向にｂ２まで走査する。この操作を順次繰り返して、最下段の走査線１２０４に沿って右端のｂ４に対応する画素まで走査を繰り返す。走査の際に、各画素の画素値を特徴量ベクトルの要素に設定する。
【０００７】
ここで設定される画素値は、０から２５５までのダイナミックレンジの範囲内にある画素値とすることができる。参照番号１で示した白色部分の画素値は２５５を示し、参照番号２で示した黒色の画素値は０を示し、そして参照番号３で示した白色及び黒色の中間調としての灰色の画素値は１２８を示すものとする。
【０００８】
簡単化のために、各画像（図１１Ａ〜図１１Ｃ）の全画素数を１００画素とし、図１１Ａにおける画像Ｔの白（画素値２５５）の画素数を５０画素、黒（画素値０）の画素数を５０画素とし、図１１Ｂにおける画像Ｂの白（画素値２５５）の画素数を３５画素、黒（画素値０）の画素数を６５画素とする。また、図１１Ｃにおける画像Ｃの白（画素値２５５）の画素数を３５画素、黒（画素値０）の画素数を３５画素 灰色（画素値１２８）の画素数を３０画素とする。
【０００９】
類似度は、認識しようとする画像（テンプレート画像）と、観測画像中における部分画像との正規化相関により、以下の式（１）で求めることができる。
【００１０】
【数１】
【００１１】
Ｄ：テンプレート画像のパターン
Ｈ：部分画像のパターン
μD：テンプレート画像における特徴量ベクトルの平均値
μH：部分画像における特徴量ベクトルの平均値
式１に従い、全画素数１００画素に対応する１００次元の特徴量ベクトルに基づく画像Ｔ及び画像Ｂ、画像Ｔ及び画像Ｃの類似度を求めると、次のようになる。
【００１２】
（１）画像Ｔと画像Ｂの類似度：０.７３４
（２）画像Ｔと画像Ｃの類似度：０.８３７
上記の例は１００画素に対する１００次元の特徴量ベクトルに基づいて類似度を求めた例であるが、更に簡略化し、全画素数５画素の場合の例を以下に説明する。認識しようとするテンプレート画像の特徴量ベクトルが５次元のベクトル[１,１,０,１,１] で与えられ、マーク部を含む部分画像の特徴量ベクトルが[１,１,０,１,１] から[１,１,０,０,１]に局所的劣化（左から４画素目の特徴量が「１」から「０」に劣化している）が発生して変化すると、式１により求められる類似度は０.６１に低下する（局所的劣化がない場合、類似度の変化はなく、類似度は１．０となる。）。
【００１３】
以上の例が示すように、テンプレート画像と部分画像との正規化相関による類似度の評価は、画像の局所的劣化により類似度が大きく低下することとなり、結果として、プリアライメントにおけるマークの位置の検出精度が低下することとなる。テンプレートによる認識技術として、例えば、以下の特許文献１に示されるものがある。
【特許文献１】特開２００３―２０３８４６号公報
【発明の開示】
【発明が解決しようとする課題】
【００１４】
上述のようにテンプレートによる従来の認識は、画像データの局所的劣化が原因でマーク部の類似度が大きく低下してしまうことになり、その結果、認識しようとするマーク部以外の類似度よりもマーク部を含む部分画像の類似度が低くなってしまう場合、認識しようとするマークの位置の誤認識が生じる。
【００１５】
また、半導体露光装置においては、マーク位置の誤認識により装置が停止すると、誤認識の状態を解消するための位置合せ処理のリトライが必要となり、装置の稼動率が低下するという問題も生じる。
【００１６】
本発明は、対象物画像中の対象物領域の誤認識が抑制された画像処理技術を提供することを目的とする。
【課題を解決するための手段】
【００１７】
上記目的を達成するべく、本発明にかかる対象物画像中の対象物の位置を求める画像処理装置は、
前記対象物画像中の各部分画像および基準画像に関し、対応する部分領域毎に類似度を計算する第１の計算手段と、
前記各部分画像に関し、前記第１の計算手段により計算された複数の類似度の統計値を計算する第２の計算手段と、
前記第２の計算手段により計算された複数の統計値のうちの最大値に対応した前記対象物画像中の部分画像の位置を前記対象物の位置として認識する認識手段と
を有することを特徴とする。
【００１８】
あるいは、本発明にかかる対象物画像中の対象物の位置を求める画像処理方法は、
前記対象物画像中の各部分画像および基準画像に関し、対応する部分領域毎に類似度を計算する第１の計算工程と、
前記各部分画像に関し、前記第１の計算工程において計算された複数の類似度の統計値を計算する第２の計算工程と、
前記第２の計算工程において計算された複数の統計値のうちの最大値に対応した前記対象物画像中の部分画像の位置を前記対象物の位置として認識する認識工程と
を有することを特徴とする。
【００１９】
また、本発明にかかる露光装置は、上記の画像処理装置を有することを特徴とする。
【００２０】
また、本発明にかかるデバイス製造方法は、上記の露光装置を用いて基板にパターンを露光する露光工程を有することを特徴とする。
【発明の効果】
【００２１】
対象物画像中の対象物領域の誤認識が抑制された画像処理技術を提供することができる。
【発明を実施するための最良の形態】
【００２２】
以下、本発明の好適な実施形態を図面を参照しつつ説明する。
【００２３】
＜第１実施形態＞
図１３は、プリアライメント画像処理装置８の構成を示すブロック図であり、プリアライメント画像処理装置８は、例えば、ＣＣＤやコンタクトイメージセンサ等の撮像ユニット７により光電変換されたビデオ信号をＡ/Ｄ変換装置７１でデジタル情報にし、画像処理プロセッサ７２でプリアライメント処理を実行する。記憶装置１３０１には、予めテンプレート画像及びそのデジタル情報、そしてプリアライメントを実行するための、分割や選択に関する領域の座標値、特徴量の種類、特徴量のベクトル化順に関するパラメータが格納されており、撮像ユニット７により撮像されたアライメントマーク近傍の観測画像に基づくデジタル情報と、記憶装置１３０１に格納されているテンプレート画像に基づくデジタル情報とに基づき、画像処理プロセッサ７２はプリアライメント処理を実行する。１３０２は画像判定回路であり、撮像ユニット７で撮影した画像に関して、明度の分布や、画像の欠損の状態などを判定することができる。画像処理プロセッサ７２は、例えば、画像判定回路１３０２の判定結果を利用して、類似度を評価するために適した、テンプレート画像の分割あるいは選択を行うことができる。この場合、画像処理プロセッサは、画像判定回路１３０２の判定結果に基づき、記憶装置１３０１に格納されている複数のパラメータのうちから適した分割や選択のパターンを決定する。
【００２４】
本実施形態において、画像処理プロセッサ７２がプリアライメント処理（以下、「位置検出処理」ともいう。）を実行する主体である。画像処理プロセッサ７２が実行する位置検出処理は、従来技術において説明したように、観測画像における局所的劣化による類似度の低下の問題を解消することを目的とするものであり、画像処理プロセッサ７２は、テンプレート画像を複数の分割部分（領域）、あるいは、テンプレート画像中から、任意に選択した選択部分（領域）に分け、これらの領域に対応する観測画像中の部分画像の各領域（部分領域）に関する類似度（適合する割合）を評価し、各部分領域の類似度を統計的に処理した値を、その部分画像全体の類似度として推定する。
【００２５】
図１５Ｂは、ウェハ（基板）に設けられているアライメントマークの近傍を撮像ユニット７で観測した観測画像１５１０と部分画像１５１１、そして部分画像1５１１を更に分割した部分領域１５１２の関係を例示的に示す図である。図１５Ａは、部分画像（（１）、（２）、・・・（Ｎ））１５０１と、部分画像中における部分領域の類似度（１５０２、１５０３）、部分画像の類似度推定値１５０４の関係と、演算結果の例を示す図であり、画像処理プロセッサ７２は、各部分画像（（１）、（２）・・・（Ｎ））ごとに、テンプレート画像（観測画像からアライメントマークを含む部分画像を決定するための基準となる画像）に対応する部分領域の類似度を求め（１５０３）、部分領域に関する類似度を統計的に処理することにより、部分画像の類似度を推定し、最も類似度推定値の大きい部分画像（図１５の場合は部分画像（２））をアライメントマークを含む部分画像（以下、「アライメントマークの位置」ともいう。）として絞り込む（決定する）。
【００２６】
以下、画像処理プロセッサ７２が実行する位置検出処理の内容と、その処理の効果を具体的に説明する。図１４は、位置検出処理の流れを概略的に説明するフローチャートである。
【００２７】
まず、ステップＳ１４１１において、分割部分パターンあるいは選択部分パターンを求める。画像処理プロセッサ７２は、記憶装置１３０１に格納されているテンプレート画像を選び、選んだテンプレート画像を、例えばｎ×ｍ（ｎ、ｍ：自然数）個の領域に分割し（例えば、図１Ａを参照）、その分割した領域毎に対して特徴量ベクトルを求めてベクトル化したパターン（以下、「分割部分パターン」という。）を生成する。画像処理プロセッサ７２は、ベクトル化における特徴量として、各分割領域を構成する各画素の画素値（０〜２５５）、あるいは濃淡画像の変化（画素値の変化）により特定されるエッジに係る情報（エッジの位置、エッジ度合い）などを用いることができる。
【００２８】
図１Ａは、テンプレート画像Ｔを２５個の領域に分割した例を示す図である。画像処理プロセッサ７２は、各分割領域の特徴量を、例えば、画素値により求める場合、図１２で説明したように画素ごとに走査をしながら各画素の画素値を特徴量ベクトルの要素に設定する。画像処理プロセッサ７２は、分割した各領域（１ａ〜２５ａ）の全てに対して特徴量ベクトルを求め、この結果を後述の統計処理（ステップＳ１４１２）の際に参照可能な状態で記憶装置１３０１に格納する。尚、ベクトル化は、記憶装置１３０１に格納されている特徴量のベクトル化順に関するパラメータに基づいて、画素値を求めるための走査方向や走査画素数に基づいて、画像処理プロセッサ７２が任意に制御することが可能であるものとし、図１２に示すような走査順に限定されるものではない。
【００２９】
また、画像処理プロセッサ７２は、分割部分パターンに代わり、テンプレート画像Ｔの任意の位置における画素の集合を複数個選択し、画素の集合毎に特徴量を算出し、選択した画素の集合ごとにベクトル化したパターン（以下、「選択部分パターン」という。）を生成することができる。この生成プロセスにおいて、画像処理プロセッサ７２は、上述の分割部分パターンの場合と同様にベクトル化における特徴量として、選択した画素の集合ごとに各画素の画素値（０〜２５５）、あるいは濃淡画像の変化（画素値の変化）により特定されるエッジに係る情報などを用いることができる。
【００３０】
図１Ｂは、テンプレート画像Ｔにおいて、画像処理プロセッサ７２が選択部分パターンの特徴量ベクトルを求めるために選択する４つの領域（Ａ、Ｂ、Ｃ、Ｄ）を例示する図である。図中において、画像処理プロセッサ７２が選択する画素は四角の領域で囲まれている。選択部分Ａは５つの選択領域（１０１ａ〜１０５ａ）から構成され、選択部分Ｂ，Ｃはそれぞれ４つの選択領域（１０１ｂ〜１０４ｂ、１０１ｃ〜１０４ｃ）から構成される。そして、選択部分Ｄは、３個の選択領域（１０１ｄ〜１０４ｄ）から構成される。画像処理プロセッサ７２は、各選択部分（Ａ、Ｂ、Ｃ、Ｄ）の特徴量ベクトルを、四角で囲んだ各領域ごとに算出する。例えば、特徴量を画素値とした場合、Ａの選択部分に関しては、５つの選択領域（１０１ａ〜１０５ａ）ごとに、画像処理プロセッサ７２は、図１２で説明したように画素ごとに走査をしながら各画素の画素値を特徴量ベクトルの要素に設定する。選択部分Ｂ〜Ｄについても同様に、画像処理プロセッサ７２は各選択領域ごとに特徴量ベクトルの設定を行い、画像処理プロセッサ７２は、この結果を後述の統計処理（ステップＳ１４１２）の際に参照可能な状態で記憶装置１３０１に格納する。
【００３１】
画像処理プロセッサ７２は、ステップＳ１４１１の処理として、分割部分パターン（図１Ａ）または選択部分パターン（図１Ｂ）を、認識の基準となるテンプレート画像の「部分パターン」として生成する。ここで、本実施形態において、画像処理プロセッサ７２は、分割部分パターン（図１Ａ）を５×５の領域にテンプレート画像を分割して求めているが、分割の単位はこれに限られず、画像処理プロセッサ７２は、記憶装置１３０１に格納されている分割や選択に関する領域の座標値、特徴量の種類、特徴量のベクトル化順に関するパラメータや、プリアライメント画像処理装置８に入力される観測画像のサイズや、明度、欠損の有無などに従い、任意にその分割数を設定することが可能である。また、オペレータの操作により、分割の単位を指定するようにしてもよい。
【００３２】
更に、画像処理プロセッサ７２は、選択部分パターン（図１Ｂ）を求めるために、本実施形態では、テンプレート画像中にＡ、Ｂ、Ｃ、Ｄの４つの領域を選択しているが、これら領域の選択に関しても、記憶装置１３０１に格納されるパラメータやプリアライメント画像処理装置８に入力される観測画像のサイズや、明度、欠損の有無、また、オペレータの操作により、分割の単位を指定することができる。
【００３３】
説明を図１４に戻し、ステップＳ１４１２において、画像処理プロセッサ７２は、ステップＳ１４１１の処理で求めた部分パターン（テンプレート画像の部分パターン）に関して、対応関係にある部分画像に対して、ステップＳ１４１１における特徴量ベクトルの算出と同様の方法により部分画像の特徴量をベクトル化し、テンプレート画像の部分パターンと、部分画像のパターンと、の類似度を算出する。ここで、算出する部分領域の類似度の個数は、テンプレート画像を分割、または選択した領域の数に応じた個数分求められることになる。
【００３４】
次に、処理をステップＳ１４１３に進め、画像処理プロセッサ７２は、ステップＳ１４１２で算出した複数個の部分領域の類似度を用いた統計処理を行い、その結果を部分画像の類似度とする（以下、「類似度の推定値」という）。
【００３５】
部分画像の類似度の推定において、画像処理プロセッサ７２は、部分領域の類似度１５０３を標本としたヒストグラムを作成し、そのヒストグラムから平均値、メディアン、あるいは標本の上位２５％と下位２５％とを除いた残りの標本の平均値、あるいは上位２５％と下位２５％とを除いた残りの標本のメディアンなどを算出し、その統計処理により求められた値を部分画像（（ｉ），ｉ＝１，２，・・・Ｎ）の類似度とする。画像処理プロセッサ７２は、この統計処理の結果を記憶装置１３０１内の参照可能なテーブルに格納する。
【００３６】
図１Ｃは、部分画像として局所的劣化を受けたマーク画像を例示する図であり、分割した領域１ｃ〜２５ｃは図１Ａの分割領域１ａ〜２５ａに対応する領域である。画像処理プロセッサ７２は、対応する分割領域において、それぞれ類似度を算出し、算出した２５個の類似度に基づきヒストグラム（図１Ｄ）を作成し、統計処理を実行する。選択部分パターンに関しても、画像処理プロセッサ７２は、テンプレート画像Ｔにおいて選択した領域ごとに、それぞれ対応する観測画像中における部分画像の類似度を求めてストグラムを作成し、同様の統計処理を実行する。
【００３７】
図１Ｄのヒストグラムは、図１Ｃの場合において分割部分パターンのみを考慮した場合のヒストグラムであり、同図において、横軸Ｘは類似度の分布を示す軸であり、縦軸Ｙは頻度の軸を示している。図１Ｄにおいて、画像処理プロセッサ７２は、中央値Ａを部分画像の類似度として推定する。
【００３８】
そして、ステップＳ１４１４において、画像処理プロセッサ７２は、推定した各部分画像の類似度の中で、最大値を示す部分画像の位置をマークの位置とする。
【００３９】
図１４で説明した方法では、テンプレート画像から複数の部分領域を抽出して利用したが、テンプレート画像の着目点の位置情報と着目点の特徴量との組から構成される部分テンプレートを複数用意し、部分テンプレート毎に、着目点の位置情報と着目点の特徴量とに基づき、部分テンプレートと観測画像の部分画像との類似度を求めるようにしてもよい。当該部分画像とテンプレート画像との類似度は、複数の部分テンプレートに関する複数の類似度から、上述の手法で求めることができる
＜具体的効果＞
＜分割部分パターンを適用した場合＞
次に、図１４のフローチャートにおける処理で、分割部分パターンを適用した場合の効果を図３を参照して説明する。図３は、欠損を含む部分画像であり、画像処理プロセッサ７２は、２５個に分割した各領域に対して類似度を演算する。
【００４０】
図３における領域番号３１ａ、３４ａ、３５ａ、３６ａ、３２０ａ、３２１ａ、３２２ａ、３２５以外の領域の類似度は、劣化していないので１.０（完全に一致することを示す）である。領域番号３１ａ、３４ａ、３５ａ、３６ａ、３２０ａ、３２１ａ、３２２ａ、３２５の８領域の類似度は、劣化しているため１.０より小さい値となる。本実施形態では、０.３〜０.６に分布するものとする。ここで、画像処理プロセッサ７２が部分領域に関する類似度に基づき求めるヒストグラムは図４に示すようになる。図４のＸ軸は類似度を示し、Ｙ軸は頻度を示している。ａは類似度０.３を示し、ｂは類似度０.６を示し、ｃは類似度１.０を示している。図３の場合、総サンプル数２５、このうち類似度１.０が１７サンプル、類似度０.３〜０.６が８サンプルなので、メディアンを推定値とした場合、１.０となる。
【００４１】
仮に、領域番号３１ａ、３４ａ、３５ａ、３６ａ、３２０ａ、３２１ａ、３２２ａ、３２５以外の領域が多少劣化して類似度が０.８〜１.０に分布した場合を想定すると、図５に示すようなヒストグラムが得られる。ａは類似度０.３、ｂは類似度０.６、ｃは類似度０.８、ｄは類似度０.９、ｅは類似度１.０を示している。この場合の類似度推定値は、メディアンを推定値とした場合、０.９となる。部分画像中に欠損部分を含み局所的劣化が介在するような場合でも、複数の部分領域に関する類似度を統計的に処理することで、観測画像（部分画像）中のマーク部とテンプレート画像中のマーク部との位置の整合が良好であるにもかかわらず類似度が低下してしまうことを防止することが可能になる。
【００４２】
次に、分割部分パターンによる類似度の評価をマーク以外の部分画像に関して適用した例を説明する。ここでは、簡単化のために、以下の特徴量ベクトルＡ，Ｂに示すデータを例に説明する。
【００４３】
認識しようとする基準パターンの特徴量ベクトルＡ、観測した未知パターンの特徴量ベクトルＢを以下のように想定する。
【００４４】
Ａ＝[1,0,1,1,0,1,1,0,1,1,0,1,1,0,1]
Ｂ＝[0,1,0,1,0,1,1,1,0,0,1,1,1,0,1]
特徴量ベクトルＡに関する１５個のデータ配列に対して、特徴量ベクトルＢは不規則に配列するデータが含まれており、従来の方法によると、未知パターンの特徴量ベクトルＢの類似度は０となる。
【００４５】
一方、本実施形態によれば、分割部分パターンとして、先頭から３個のデータ毎に分割し、１５個のデータの配列を[1,0,1]、[1,0,1]、[1,0,1]、[1,0,1] 、[1,0,1]の５個とすると、各分割部分パターンの５個のデータと、これらに対応する未知パターンのデータ、[0,1,0]、[1,0,1]、[1,1,0]、[0,1,1]、[1,0,1]との類似度は、それぞれ、０ 、１.０、０.５ 、０.５、１.０となる。そして、これらのメディアンを算出すると０.５になる。
【００４６】
以上の処理により、特徴量ベクトルの一部に基準となるパターンと異なるパターンが含まれる場合であっても、部分的なパターンに基づいて算出する類似度を統計的に処理して類似度を推定することにより、類似度の低下を防止することが可能になる。
【００４７】
＜選択部分パターンを適用した場合＞
次に、図１４のフローチャートにおける処理で、選択部分パターンを適用した場合の効果を図６を参照して説明する。図６は、欠損を含む部分画像であり、画像処理プロセッサ７２は、図１Ｂに対応するように画素領域の集合（Ａ、Ｂ、Ｃ、Ｄ）を設定する。選択部分パターンＡは５つの選択領域（１０１ａ〜１０５ａ）からなり、選択部分パターンＢ，Ｃはそれぞれ４つの選択領域（１０１ｂ〜１０４ｂ、１０１ｃ〜１０４ｃ）からなり、そして、選択部分パターンＤは、３個の選択領域（１０１ｄ〜１０４ｄ）から構成される。これら各選択領域に対して、部分領域に関する類似度を演算する。
【００４８】
選択部分パターンＡにおいて、１０２ａ，１０３ａ，１０４ａ，１０５ａの領域が図１Ｂの選択部分パターンと同一となるので類似度は１.０（完全に一致することを示す）となる。また、１０１ａの領域は欠損領域６０１と重複しており、この領域の類似度を０．７とすると、画像処理プロセッサ７２は、各領域の類似度の平均０.９４を選択部分パターンＡの類似度として設定する。
【００４９】
同様に、選択部分パターンＢでは、選択した領域１０１ｂ〜１０４ｂ全てが、欠損領域の影響を受けることなく、図１Ｂの選択部分パターンと共通するので、画像処理プロセッサ７２は、図６Ａにおける選択部分パターンＢの類似度を１．０として設定する。選択部分パターンＣにおいては、１０１ｃ、１０２ｃ、１０３ｃの領域が図１Ｂの選択部分パターンと同一となるので、画像処理プロセッサ７２は、類似度を１.０とする。また、１０４ｃの領域は欠損領域６０２と重複しており、この領域の類似度を０．６８とすると、画像処理プロセッサ７２は、各領域の類似度の平均０.９２を選択部分パターンＣの類似度として設定する。選択部分パターンＤでは、選択した領域１０１ｄ〜１０３ｄ全てが、欠損領域の影響を受けることなく、図１Ｂの選択部分パターンと共通するので、画像処理プロセッサ７２は、図６Ａにおける選択部分パターンＤの類似度を１．０として設定する。ここで設定された選択部分パターンの類似度に関するデータは、記憶装置１３０１に格納される。本実施形態によれば、図６Ａにおける各選択部分パターンＡ，Ｂ、Ｃ、Ｄと、図１Ｂにおける選択部分パターンとの類似度は、０.９４,１.０,０.９２,１.０であり、画像処理プロセッサ７２は、メディアン０.９７を類似度の推定値とする。
【００５０】
以上の処理により、観測画像中に欠損部分を含み局所的劣化が介在するような場合でも、複数の部分領域に関する類似度を統計的に処理することで、観測画像（部分画像）中のマーク部とテンプレート画像中のマーク部との位置の整合が良好であるにもかかわらず類似度が低下してしまうことを防止することが可能になる。
【００５１】
次に、選択部分パターンによる類似度の評価をマーク以外の部分画像に関して適用した例を説明する。ここでは、簡単化のために、以下の特徴量ベクトルＣ，Ｄに示すデータを例に説明する。
【００５２】
認識しようとする基準パターンの特徴量ベクトルＣ、観測した未知パターンの特徴量ベクトルＤを以下のように想定する。
【００５３】
Ｃ＝[1,0,1,1,0, 1,1,0,1, 1,0,1,1, 0,1,1]
Ｄ＝[0,1,0,1,0, 1,1,1,0, 0,1,1,1, 0,1,1]
特徴量ベクトルＣに関する１６個のデータ配列に対して、特徴量ベクトルＤは不規則に配列するデータが含まれており、従来の方法によると、特徴量ベクトルＤの類似度は0となる。
【００５４】
一方、本実施形態によれば、選択部分パターンとして特徴量ベクトルの先頭から５データ、４データ、４データ、３データをとり、[1,0,1,1,0] , [1,1,0,1], [1,0,1,1], [0,1,1] 、４個の選択部分パターンに関する類似度を求めると、それぞれ、-0.16 、-0.33、-0.33 、1.0となる。そして、これらのメディアンを算出すると-0.25になる。
【００５５】
以上より、特徴量ベクトルの一部に基準となるパターンと異なるパターンが含まれる場合であっても、部分的な複数の分割部分パターンに基づく類似度を統計的に処理して類似度を推定することにより、類似度の低下を防止することが可能になる。
【００５６】
＜第２実施形態＞
次に、第２実施形態について画像処理プロセッサ７２が実行する位置検出処理の内容と、その処理の効果を具体的に説明する。第１実施形態にかかる方法では、テンプレート画像を基準に部分領域の特徴量ベクトルを求め、各部分領域に関して類似度を求めたが、第２実施形態にかかる方法では、テンプレート画像から特徴領域を選択し、選択した領域に対して、特徴量ベクトルを求め、観測画像中の部分画像の対応する領域の特徴量ベクトルとの類似度を算出し、算出された類似度からテンプレート画像と部分画像の類似度を推定する。
【００５７】
図１６は、位置検出処理の流れを概略的に説明するフローチャートである。
【００５８】
まず、ステップＳ１６１１において、テンプレート画像から特徴的な領域を選択する。テンプレート画像を複数の領域に分割し、領域毎に離散フーリエ変換、離散コサイン変換、あるいは離散ウェーブレット変換のパワースペクトラムを算出する。この算出結果に基づいて、特定周波数域のスペクトラムの割合が高い領域を選択して特徴的な領域とする。特定周波数域は、縦方向に延びるエッジに起因した周波数成分の割合が高い、あるいは横方向に延びるエッジに起因した周波数成分の割合が高い領域である。
【００５９】
図２Ａは、部分画像がマークである場合の例を示す図である。ステップＳ１６１１の処理において、まず、画像処理プロセッサ７２は、画像Ｔを四角で囲まれた２５個の領域に分割する。この例では、パワースペクトラムがＤＣ成分のみとなる黒一色の領域２０７ａ、２０９ａ、２１７ａ、２１９ａを選択領域の候補から除外する。更に、領域２０１ａ、２０５ａ、２２０ａ、２２５ａは、マーク部の縦成分と横成分の特徴が表われない領域であるので、選択領域の候補から除外する。画像処理プロセッサ７２は、縦成分あるいは横成分のいずれかの領域が支配的となる残りの領域を特徴的な領域として選択する。特徴領域として選択される領域は、２０２ａ〜２０４ａ、２０６ａ、２０８ａ、２１０ａ〜２１６ａ、２１８ａ、２１９ａ、２２２ａ〜２２４ａの１７領域である。
【００６０】
図２Ｂは、部分画像の例を示す図であり、図２Ａの場合と同様に、画像処理プロセッサ７２は、画像Ｂを２５個の領域に分割し、まず、分割した領域からパワースペクトラムがＤＣ成分のみとなる黒一色の領域２０７ｂ、２０９ｂ、２１７ｂ、２１９ｂを選択領域の候補から除外する。更に、画像処理プロセッサ７２は、領域２０１ｂ、２０４ｂ、２０５ｂ，２０６ｂ，２２０ｂ、２２１ｂ，２２２ｂ，２２５ｂも明度の影響等によりマークの特徴が欠損する領域に関してもＤＣ成分のみとなるので観測画像における選択領域の候補から除外する。画像処理プロセッサ７２は、分割した領域のうち、縦方向に延びるエッジに起因した周波数成分あるいは横方向に延びるエッジに起因した周波数成分が支配的となる２０２ｂ、２０３ｂ、２０８ｂ、２１０ｂ〜２１６ｂ、２１８ｂ、２２３ｂ、２２４ｂを特徴的な領域として選択する。
【００６１】
次に、処理をステップＳ１６１２に進め、選択した領域毎（例えば、図２Ａの場合、２０２ａ〜２０４ａ、２０６ａ、２０８ａ、２１０ａ〜２１６ａ、２１８ａ、２１９ａ、２２２ａ〜２２４ａの１７領域）に特徴量を算出し、それらをベクトル化した部分パターンを求める。同様に、部分画像に対して、各特徴領域に関して特徴量ベクトルを求める。
【００６２】
特徴量は、第１実施形態で説明したように、画素ごとの画素値やエッジ情報を用いることができる。特徴量を画素値とした場合、特徴領域として選択した領域ごとに、画像処理プロセッサ７２は、図１２で説明したように画素ごとに走査をしながら各画素の画素値を特徴量ベクトルの要素に設定する。画像処理プロセッサ７２は、この結果を後述の統計処理（ステップＳ１４１２）の際に参照可能な状態で記憶装置１３０１に格納する。
【００６３】
ステップＳ１６１３において、画像処理プロセッサ７２は、テンプレート画像Ｔから特徴領域として選択した各領域と、部分画像から特徴領域として選択した各領域との間で、対応関係にある領域毎に、特徴量ベクトルの類似度を算出する。
【００６４】
処理をステップＳ１６１４に進め、画像処理プロセッサ７２は、ステップＳ１６１３で算出した複数個の類似度に対し統計処理を行い、その結果を部分画像とテンプレート画像との類似度と推定する。類似度の推定において、画像処理プロセッサ７２は、複数個の類似度を標本としたヒストグラムを作成し、そのヒストグラムから平均値、メディアン、あるいは上位２５％と下位２５％とを除いた残りの標本の平均値、あるいは上位２５％と下位２５％とを除いた残りの標本のメディアンなどを算出し、その統計処理により求められた値を類似度とする。画像処理プロセッサ７２は、この統計処理の結果を記憶装置１３０１内の参照可能なテーブルに格納する。
【００６５】
このようにして、画像処理プロセッサ７２は、部分画像とテンプレート画像との類似度を算出（推定）し、算出された類似度の中で最大値を示す部分画像の位置（例えば、部分画像の重心位置等、所定点の位置）をもって、マークの位置とする。なお、類似度の算出は、部分画像毎に実行されるが、通常、観測画像中においてテンプレート画像と同サイズとなるあらゆる部分領域が当該部分画像として抽出される。
【００６６】
＜具体的効果＞
次に、図１６のフローチャートにおける効果を具体的に説明する。図２Ａと図２Ｂにおいて、特徴領域として選択した各領域、（２０２ａ，２０２ｂ）、（２０３ａ，２０３ｂ）、（２０８ａ，２０８ｂ）、（２１０ａ，２１０ｂ），（２１１ａ，２１１ｂ），（２１２ａ，２１２ｂ），（２１３ａ，２１３ｂ），（２１４ａ，２１４ｂ），（２１５ａ，２１５ｂ），（２１６ａ，２１６ｂ），（２１８ａ，２１８ｂ），（２２０ａ，２２０ｂ），（２２３ａ，２２３ｂ），（２２４ａ，２２４ｂ），において、局所的な劣化は存在しないので、類似度は１．０（完全に一致することを示す）となる。
【００６７】
画像処理プロセッサ７２は、図２Ａ、２Ｂに関し、総サンプル数１４のヒストグラムを作成し、この結果に基づき、類似度は１．０と推定する。
【００６８】
部分画像中に欠損部分を含み局所的劣化が介在するような場合でも、複数の特徴領域に関する類似度を統計的に処理することで、部分画像中のマーク部とテンプレート画像中のマーク部との位置の整合が良好であるにもかかわらず類似度が低下してしまうことを防止することが可能になる。
【００６９】
次に、特徴領域に関する類似度の評価をマーク以外の部分画像に関して適用した例を説明する。ここでは、簡単化のために、以下の特徴量ベクトルＥ，Ｆに示すデータを例に説明する。
【００７０】
認識しようとする基準パターンの特徴量ベクトルＥ、観測した未知パターンの特徴量ベクトルＦを以下のように想定する。
【００７１】
Ｅ＝[0,0,1,1,1,1,0,0, 0,0,0,0,0,0,0,0, 0,0,1,1,1,1,0,0, 0,0,0,0,0,0,0,0 ]
Ｆ＝[0,0,1,1,0,0,1,1, 0,0,1,1,0,0,1,1, 0,0,1,1,0,0,1,1, 0,0,0,0,0,0,0,0 ]
特徴量ベクトルＥに関する３２個のデータ配列に対して、特徴量ベクトルＦは不規則に配列するデータが含まれており、従来の方法によると、未知パターンの特徴量ベクトルＦの類似度は０．１５となる。
【００７２】
一方、本実施形態によれば、画像処理プロセッサ７２は、特徴量ベクトルの先頭から８データ毎に[0,0,1,1,0,0,1,1], [0,0,1,1,0,0,1,1], [0,0,1,1,0,0,1,1], [0,0,0,0,0,0,0,0 ]の４個の部分パターンに分割し、４個の部分パターンの中から特徴的なものを選択する。例えば、０と１のデータを含む部分パターンを選択すると、画像処理プロセッサ７２は、特徴量ベクトルＦのうち、１番目の部分パターン[0,0,1,1,0,0,1,1]、２番目の部分パターン[0,0,1,1,0,0,1,1], そして３番目の部分パターン[0,0,1,1,0,0,1,1]の３個を選択し、そして、対応するテンプレート画像の特徴量ベクトルＥのうち、１番目の部分パターン[0,0,1,1,1,1,0,0]、２番目の部分パターン[0,0,0,0,0,0,0,0]、３番目の部分パターン[0,0,1,1,1,1,0,0]を選択し、これら各選択部分に関する類似度を式（１）の正規化相関を用いて算出すると、0、0、0となる。そして、これらのメディアンを0と算出する。
【００７３】
以上の処理により、特徴量ベクトルの一部から、特徴となる部分的なデータを抽出し、部分的なデータに基づいて算出する類似度を統計的に処理することで、２つの特徴量ベクトルのうち一方が劣化した画像に基づくものであっても、より適切な類似度を求めることが可能になる。
【００７４】
＜第３実施形態＞
次に、第３実施形態について画像処理プロセッサ７２が実行する位置検出処理の内容を説明する。本実施形態においては、第２実施形態で説明した特徴領域の選択と、その選択した領域に対する特徴量ベクトルに関する情報を複数のマーク画像に関して求め、画像処理プロセッサ７２は複数のマーク画像に関して求めた情報を平均化してテンプレート画像を求める。
【００７５】
図１７は、第３実施形態にかかる位置検出処理の流れを概略的に説明するフローチャートである。ステップＳ１７１１で、アライメントマークを含むマーク画像の数をカウントするカウンタを初期化する。そして、処理をステップＳ１７１２に進め、画像処理プロセッサ７２は、ｉ番目のマーク画像に関して特徴領域を選択する。ｉ番目のマーク画像を複数の領域に分割し、領域毎に離散フーリエ変換、離散コサイン変換、あるいは離散ウェーブレット変換のパワースペクトラムを算出する。この算出結果に基づいて、特定周波数域のスペクトラムの割合が高い領域を選択して特徴的な領域とする。この特徴領域の選択処理は、第２実施形態において説明したステップＳ１６１１の処理と同様なので、ここでは詳細な説明は省略する。
【００７６】
ステップＳ１７１３において、ステップＳ１７１２において選択した特徴領域に関する特徴量ベクトルを求める。特徴量は、第１及び第２実施形態で説明したように、画素ごとの画素値やエッジ情報を用いることができる。特徴量を画素値とした場合、特徴領域として選択した領域ごとに（図１８のマーク画像No.１の場合、１、２、・・・ｍ１）、画像処理プロセッサ７２は、図１２で説明したように画素ごとに走査をしながら各画素の画素値を特徴量ベクトル（ａ１，ａ２，・・・ａｍ１）の要素に設定する。画像処理プロセッサ７２は、この結果を平均化したテンプレートを作成するために、参照可能な状態で記憶装置１３０１に格納する（図１８を参照）。
【００７７】
ステップＳ１７１４において、画像処理プロセッサ７２は、サンプル取得が終了したか否かを判断し、終了していなければ（Ｓ１７１４-Ｎｏ）、処理をステップＳ１７１５に進め、カウンタ（ｉ）をカウントアップして処理をステップＳ１７１２に戻し、同様の処理を繰り返す。
【００７８】
一方、サンプル取得が終了したと、画像処理プロセッサ７２が判断した場合（Ｓ１７１４-Ｙｅｓ）、処理をステップＳ１７１６に進め、画像処理プロセッサ７２は、各マーク画像について求めた特徴量ベクトルを統計的に処理して求めた平均化テンプレート画像（単にテンプレート画像ともいう）を作成する。テンプレート画像を求める統計的な処理としては、平均値を用いる方法の他、メディアンあるいは特異値分解の合成成分を求めることによってもよい。
【００７９】
図１８は、記憶装置１３０１に格納される複数のマーク画像の選択領域、その選択領域に対する特徴量ベクトル、そして、求められた特徴量ベクトルに基づく平均化テンプレート画像が、記憶装置１３０１に格納された状態を示す図である。
【００８０】
図６Ｂは、第３実施形態において、複数のマーク画像の特徴量ベクトルより求めたテンプレート画像の例を示す図である。例えば、領域６０１、６０５、６０７、６０９、６１３、６１７、６１９、６２１、６２５に関しては、特徴領域として選択されない領域であり、また、明度の変動や欠損により局所的な劣化を起しやすい領域でもあるので、画像処理プロセッサ７２は、領域６０１、６０５、６０７、６０９、６１３、６１７、６１９、６２１、６２５を除外した領域についてテンプレート画像を生成する。
【００８１】
図１９は半導体露光装置において露光するＮ枚のウェハからなるロットＡ、Ｂ、・・・Ｍを示す図であり、第１乃至３実施形態の適用は、例えば、ロット単位の先頭のウェハ１９０１、１９０２、１９０３や、初期ロットＡのウェハＮ枚をサンプルとして平均化テンプレート画像を生成し、その結果を後続のウェハに対して適用するようにしてもよい。
【００８２】
上述の第１乃至第３実施形態により、テンプレート画像と観測画像の部分画像との類似度を精度よく求めることが可能となり、マーク位置の検出精度向上を図ることが可能になる。更に、半導体製造装置におけるマークの検出失敗による装置停止率も減少し、稼働効率の向上と生産性の向上が可能になる。
【００８３】
＜第４実施形態＞
次に、上述のプリアライメントを適用した半導体露光装置に関する実施形態を説明する。図７は半導体露光装置の概略的な構成を示す図であり、本実施形態は、オフアクシススコープ６によるプリアライメント検出に対して適用したものである。
【００８４】
露光対象となる原版としてのパターンはレチクル１上に形成されており、不図示の照明系でＩ線あるいはエキシマレーザ光を使ってレチクルを照明し、投影レンズ２によりウエハ５にレチクルのパターンを投影露光する。
【００８５】
プリアライメントは、ウエハ５が不図示のウエハ搬送装置によって、ＸＹステージ３上のウエハ吸着チャック４に載せられてから行われる。ウエハ５は吸着チャック４上に搬送装置の機械的精度に従い位置決めされるため、精度上そのままウエハの精密な位置計測に移行することはできない。そのため、ウエハ上のプリアライメント計測用の検出マーク（プリアライメントマーク）を投影レンズ２の外側に構成されるオフアクシススコープ６で観測し、ＣＣＤカメラ等の撮像ユニット７で光電変換した後、プリアライメント画像処理装置８でアライメントマーク近傍の観測画像を検出する。
【００８６】
プリアライメント画像処理装置８内では、光電変換されたビデオ信号をＡ/Ｄ変換装置７１でデジタル情報にし、記憶装置１３０１に格納されているアライメントマークに関するテンプレート画像に関するデータ等やプリアライメント処理を実行するためのパラメータを読み出し、画像処理プロセッサ７２がプリアライメントマークの位置検出を行なう。
【００８７】
プリアライメントマーク近傍の観測画像を取り込んだときのＸＹステージ３の位置はレーザ干渉計１２によって正確に測定されており、検出処理回路１１で処理されたステージの位置情報は制御装置９に入力される。また、オフアクシススコープ６で観測した画像は検出処理回路１０で処理した後に制御装置９に入力され、制御装置９はプリアライメントマークの位置のずれとＸＹステージ３の位置から、ウエハ吸着チャック４上に置かれているウエハ５のずれ量を正確に算出し、このずれ量をステージ駆動制御装置１４に入力する。ステージ駆動制御装置１４は、制御装置９からフィードバックされるずれ量をなくすようにＸＹステージ３を位置決めする。
【００８８】
図７において、１５は、以上のようにして実行されたウエハの粗アライメントの後に、精密なアライメントマークの位置を検出する処理を実行する第２画像処理装置であり、制御装置９は、第２画像処理装置で求められた最終的なアライメントマークの位置に基づき、ＸＹステージ３の位置決め情報を生成し、この位置決め情報に従って、ステージ駆動制御装置１４は、ＸＹステージ３を駆動し、最終的な位置決めを行う。
【００８９】
本実施形態ではオフアクシススコープ６の照明として暗視野照明を用いている。暗視野照明ではマーク段差のエッジ位置からの散乱光がＣＣＤカメラ７などで受光されるが、本発明は、暗視野照明に限定されるものではなく、明視野照明において撮影された観測画像においても同様に適用することができる。
【００９０】
以下、プリアライメント画像処理装置８及びこの装置を用いた半導体露光装置におけるプリアライメント処理の概略的な処理の流れを図８のフローチャートを参照しつつ説明する。まず、画像処理プロセッサ７２は、最初に、マーク画像の分割部分パターンを以下の手順で算出する。
【００９１】
まず、ステップＳ８００で、画像処理プロセッサ７２は、予め登録しておいたアライメントマークのテンプレート画像（マーク画像）を記憶装置１３０１から読み込む。
【００９２】
そして、ステップＳ８０１において、このマーク画像を画像Imgとする。
【００９３】
次に、ステップＳ８０２において、分割部分パターンを算出するのに必要なパラメータ（各分割領域の座標値、特徴量の種類、特徴量のベクトル化に関するパラメータ）を記憶装置１３０１から読み込む。
【００９４】
ステップＳ８０２において読み込んだパラメータを用いて、テンプレート画像を分割領域に分割し、各分割領域の特徴量ベクトルを求め、画像Imgの分割部分パターンとする(Ｓ８０３)。この処理は、図１４におけるステップＳ１４１１の内容に対応する。
【００９５】
次に撮像ユニット７で撮像した観測画像に含まれる部分画像のパターンを以下の手順で算出する。
【００９６】
まず、ステップＳ８０４において、ＣＣＤカメラなどの撮像ユニット７により観測された観測画像をプリアライメント画像処理装置８に読み込む。
【００９７】
画像処理プロセッサ７２は、観測画像からテンプレート画像のサイズに合せて部分画像を抽出する（ステップＳ８０６）。そして、ステップＳ８０７において、画像処理プロセッサ７２は、観測画像から抽出した部分画像を画像Img2とする。
【００９８】
ステップＳ８０８において、画像処理プロセッサ７２は、部分画像のパターンを求めるために、ステップＳ８０２で読み込んだパラメータ（座標値、特徴量の種類、特徴量のベクトル化に関するパラメータ）を記憶装置１３０１から読み込む。
【００９９】
そして、ステップＳ８０９において、先のステップＳ８０８で読み込んだパラメータに従い、部分画像Img2を部分分割パターンに対応させて分割し、各分割領域の特徴量ベクトルを求め、部分画像Img2のパターンとする。
【０１００】
画像処理プロセッサ７２は、ステップＳ８１０において、各分割部分パターンに対応する部分画像Img2のパターンの類似度を算出する。この処理は、図１４のステップＳ１４１２の処理に対応する。
【０１０１】
そして、画像処理プロセッサ７２は、ステップＳ８１１において、ステップＳ８１０で求めた各分割部分パターンとの類似度を用いて、部分画像Img2の類似度を推定する。この処理は、図１４におけるステップＳ１４１３に対応する。
【０１０２】
そして、ステップＳ８０６からステップＳ８１１までの処理を観測画像から取り出す部分画像がなくなるまで行い、部分画像の読み残しが無い場合（Ｓ８０５-Ｎｏ）は、処理をステップＳ８１２に進め、推定した各部分画像の類似度の中で、最大値を示す部分画像の位置をマーク位置とする。この処理は、図１４におけるステップＳ１４１４に対応する。
【０１０３】
次に図９を参照して、図８におけるステップＳ８０３の分割部分パターンの算出と、ステップＳ８０９における部分画像Img2のパターンの算出方法を具体的に説明する。
【０１０４】
まず、ステップＳ９００において、画像処理プロセッサ７２は、パターン化の対象となる画像データを読み込み、画像Imgあるいは画像Img2とする。
【０１０５】
次に、ステップＳ９０１において画像処理プロセッサ７２は、画像Imgあるいは画像Img2をパターン化（ベクトル化）するのに必要となる各分割領域（分割の状態は図１Ａを参照）の座標値、特徴量の種類、分割した領域内における特徴量のベクトル化順序（例えば、図１２に示すような画素値を設定するための走査方向の定義）を記述したパラメータ（分割部分パラメータ）を読み込む。ここで、各領域の座標値は近接する近傍画素の座標とすることができる。
【０１０６】
そして、ステップＳ９０２において、先のステップＳ９０１で読み込んだ分割部分パラメータを用いて分割した画像Imgあるいは画像Img2の各部分領域の特徴量を求め、ステップＳ９０３において、先のステップＳ９０１で読み込んだ分割部分パラメータのベクトル化順序情報を用いて、ステップＳ９０２で算出した各部分領域の特徴量をベクトル化したパターンを算出する。
【０１０７】
次に、図１０を参照して、図８のステップＳ８１１における部分画像Img2に関する類似度の推定処理の流れを説明する。まず、ステップＳ１００１において、画像処理プロセッサ７２は、画像Img2に関し、図８のステップＳ８１０で算出した各分割部分パターンに対応する部分画像の各部分領域の類似度を読み込む（この類似度は図１５の１５０３が対応する）。
【０１０８】
次に、画像処理プロセッサ７２は、ステップＳ１００１において読み込んだ各部分領域の類似度を標本としたヒストグラムを作成する（Ｓ１００２）。
【０１０９】
そして、画像処理プロセッサ７２は、ステップＳ１００３において、ステップＳ１００２で作成したヒストグラムを統計的に処理をして部分画像Img2の類似度を推定値する（ここで求められる部分画像Img2の推定値は図１５の１５０４に対応する。）。尚、統計的な処理としては、平均値、メディアン、あるいは上位25％と下位25％とを除いた標本の平均値、上位25％と下位25％とを除いた標本のメディアンなどの統計量の算出に基づいて、画像処理プロセッサ７２が部分画像の類似度を推定する。
【０１１０】
以上より、半導体露光装置におけるプリアライメント処理において、部分画像中の特徴量ベクトルの一部に基準となるパターンと異なるパターンが含まれる場合であっても、本実施形態にかかる半導体露光装置は、複数の部分領域の類似度を統計的に処理することで、部分画像の類似度を推定することにより、マーク位置の誤認識が抑制され、優れたプリアライメント処理の実行を可能にする。
【０１１１】
本実施形態により、マークの誤認識により装置が停止することを防ぎ、稼動率に優れた半導体露光装置を提供することが可能になる。
【０１１２】
＜第５実施形態＞
第４実施形態においては、分割部分パターンにより部分画像の類似度を統計的に処理してプリアライメント処理を実行する半導体露光装置の例を説明したが、部分分割パターンに代わり、選択部分パターン（例えば、図１Ｂを参照）により部分画像の類似度を評価してもよい。
【０１１３】
この場合、図８のステップＳ８００で読み込んだマーク画像に対して、選択部分パターンを算出するために必要なパラメータ（各分割領域の座標値、特徴量の種類、特徴量のベクトル化に関するパラメータ）を記憶装置１３０１から読み込み、画像Imgに対して選択部分パターンを求め、観測画像に基づく部分画像に対しても同様のパラメータにより部分画像Img2に対する選択部分パターンを求めることにより、マーク画像Imgに対する部分画像Img2の類似度を推定すればよい。
【０１１４】
また、第４実施形態の半導体露光装置におけるプリアライメント処理において、部分分割パターンに代え、図１７で説明したように、領域毎に離散フーリエ変換、離散コサイン変換、あるいは離散ウェーブレット変換のパワースペクトラムを算出して、マーク画像及び部分画像の特徴領域を決定し、各特徴領域の特徴量を算出することにより、マーク画像Imgに対する部分画像Img2の類似度を推定してもよい。
【０１１５】
以上より、特徴量ベクトルの一部に基準となるパターンと異なるパターンが含まれる場合であっても、本実施形態にかかる半導体露光装置は、複数の部分領域の類似度を統計的に処理することで、部分画像の類似度を推定し、マーク位置の誤認識の抑制されたプリアライメント処理の実行を可能にする。
【０１１６】
また、選択部分パターンを求める際、パワースペクトラムに基づきマーク画像及び部分画像の特徴領域を抽出して各領域の特徴量を算出し、平均化テンプレート画像を求めるようにすれば、局所的劣化の影響を受けやすい部分を予め類似度の評価の対象から除外することができるため、マーク位置の誤認識をさらに抑制することができる。
【０１１７】
また、本実施形態により、マークの誤認識により装置が停止することを防ぎ、稼動率に優れた半導体露光装置を提供することが可能になる。
【０１１８】
＜デバイス製造方法の実施形態＞
次に半導体露光装置等の露光装置を利用した半導体デバイス等のデバイスの製造プロセスを説明する。図２０は半導体デバイスの全体的な製造プロセスのフローを示す。ステップ１（回路設計）では半導体デバイスの回路設計を行なう。ステップ２（マスク作成）では設計した回路パターンを形成したマスクを作成する。一方、ステップ３（ウエハ製造）ではシリコン等の材料を用いてウエハを製造する。ステップ４（ウエハプロセス）は前工程と呼ばれ、上記用意したマスクとウエハを用いて、リソグラフィ技術によってウエハ上に実際の回路を形成する。次のステップ５（組み立て）は後工程と呼ばれ、ステップ４によって作製されたウエハを用いて半導体チップ化する工程であり、アッセンブリ工程（ダイシング、ボンディング）、パッケージング工程（チップ封入）等の組立て工程を含む。ステップ６（検査）ではステップ5で作製された半導体デバイスの動作確認テスト、耐久性テスト等の検査を行なう。こうした工程を経て半導体デバイスが完成し、これを出荷（ステップ７）する。
【０１１９】
図２１は上記ウエハプロセスの詳細なフローを示す。ステップ１１（酸化）ではウエハの表面を酸化させる。ステップ１２（ＣＶＤ）ではウエハ表面に絶縁膜を成膜する。ステップ１３（電極形成）ではウエハ上に電極を蒸着によって形成する。ステップ１４（イオン打込み）ではウエハにイオンを打ち込む。ステップ１５（レジスト処理）ではウエハに感光剤を塗布する。ステップ１６（露光）では上記説明した露光装置によって回路パターンをウエハに描画（露光）する。ステップ１７（現像）では露光したウエハを現像する。ステップ１８（エッチング）では現像したレジスト像以外の部分を削り取る。ステップ１９（レジスト剥離）ではエッチングが済んで不要となったレジストを取り除く。これらのステップを繰り返し行なうことによって、ウエハ上に多重に回路パターンを形成する。
【０１２０】
本実施形態にかかるデバイス製造方法によれば、マーク位置の誤認識の抑制された露光装置を利用しているため、従来に比べデバイスの生産性を向上させることが可能になる。
【図面の簡単な説明】
【０１２１】
【図１Ａ】テンプレート画像Ｔを２５個の領域に分割した例を示す図である。
【図１Ｂ】テンプレート画像Ｔにおいて、画像処理プロセッサ７２が選択部分パターンの特徴量ベクトルを求めるために選択する４つの領域（Ａ、Ｂ、Ｃ、Ｄ）を例示する図である。
【図１Ｃ】部分画像として局所的劣化を受けたマーク画像を例示する図である。
【図１Ｄ】類似度を標本としたヒストグラムを示す図である。
【図２Ａ】部分画像がマークである場合の例を示す図である。
【図２Ｂ】部分画像の例を示す図である。
【図３】欠損を含む部分画像を示す図である。
【図４】分割部分パターンの類似度を標本としたヒストグラムを例示する図である。
【図５】分割部分パターンの類似度を標本としたヒストグラムを例示する図である。
【図６Ａ】選択部分パターンの選択領域の例を示す図である。
【図６Ｂ】複数のマーク画像の特徴量ベクトルより求めたテンプレート画像の例を示す図である。
【図７】半導体露光装置の概略的な構成を示を示す図である。
【図８】プリアライメント画像処理装置８及びこの装置を用いた半導体露光装置におけるプリアライメント処理の概略的な処理の流れを説明するフローチャートである。
【図９】図８におけるステップＳ８０３の分割部分パターンの算出、ステップＳ８０９における部分画像Img2のパターンの算出方法を具体的に説明するフローチャートである。
【図１０】図８のステップＳ８１１における部分画像Img2に関する類似度の推定処理の流れを説明するフローチャートである。
【図１１Ａ】認識しようとするテンプレート画像Ｔを示す図である。
【図１１Ｂ】４隅の明度が変動した画像Ｂを示す図である。
【図１１Ｃ】４隅が欠損した画像Ｃの例を示す図である。
【図１２】各画素の画素値を特徴量ベクトルの要素に設定する工程を図１１Ａの画像Ｔを例として説明する図である。
【図１３】プリアライメント画像処理装置８の構成を示すブロック図である。
【図１４】位置検出処理の流れを概略的に説明するフローチャートである。
【図１５Ａ】部分画像と、部分画像中における部分領域の類似度、部分画像の類似度推定値の関係と、演算結果の例を示す図である。
【図１５Ｂ】観測画像と部分画像、そして部分画像を更に分割した部分領域の関係を例示的に示す図である。
【図１６】位置検出処理の流れを概略的に説明するフローチャートである。
【図１７】第３実施形態にかかる位置検出処理の流れを概略的に説明するフローチャートである。
【図１８】記憶装置に格納される複数のマーク画像の選択領域、その選択領域に対する特徴量ベクトル、そして、求められた特徴量ベクトルに基づく平均化テンプレート画像が、記憶装置に格納された状態を示す図である。
【図１９】半導体露光装置において露光するＮ枚のウェハからなるロットＡ、Ｂ、・・・Ｍを示す図である。
【図２０】半導体デバイスの全体的な製造プロセスのフローを示す図である。
【図２１】図２０のウエハプロセスの詳細なフローを示す図である。
【特許請求の範囲】
【請求項１】
対象物画像中の対象物の位置を求める画像処理装置であって、
前記対象物画像中の各部分画像および基準画像に関し、対応する部分領域毎に類似度を計算する第１の計算手段と、
前記各部分画像に関し、前記第１の計算手段により計算された複数の類似度の統計値を計算する第２の計算手段と、
前記第２の計算手段により計算された複数の統計値のうちの最大値に対応した前記対象物画像中の部分画像の位置を前記対象物の位置として認識する認識手段と
を有することを特徴とする画像処理装置。
【請求項２】
前記各部分画像を抽出する抽出手段を有することを特徴とする請求項１に記載の画像処理装置。
【請求項３】
前記部分領域を決定する決定手段を有することを特徴とする請求項１または２に記載の画像処理装置。
【請求項４】
前記決定手段は、前記部分領域を、前記部分画像および前記基準画像の少なくとも一方の各部分領域の空間周波数成分を求めることにより決定することを特徴とする請求項１乃至３のいずれかに記載の画像処理装置。
【請求項５】
前記第１の計算手段は、相関演算により前記類似度を計算することを特徴とする請求項１乃至４のいずれかに記載の画像処理装置。
【請求項６】
前記統計値は、前記複数の類似度の平均値もしくは中間値であり、または前記複数の類似度の頻度分布から求めることを特徴とする請求項１乃至５のいずれかに記載の画像処理装置。
【請求項７】
対象物画像中の対象物の位置を求める画像処理方法であって、
前記対象物画像中の各部分画像および基準画像に関し、対応する部分領域毎に類似度を計算する第１の計算工程と、
前記各部分画像に関し、前記第１の計算工程において計算された複数の類似度の統計値を計算する第２の計算工程と、
前記第２の計算工程において計算された複数の統計値のうちの最大値に対応した前記対象物画像中の部分画像の位置を前記対象物の位置として認識する認識工程と
を有することを特徴とする画像処理方法。
【請求項８】
請求項１乃至６のいずれかに記載の画像処理装置を有することを特徴とする露光装置。
【請求項９】
前記画像処理装置により、露光対象の基板に形成された、前記対象物としてのマークの位置を認識することを特徴とする請求項８に記載の露光装置。
【請求項１０】
請求項８または９に記載の露光装置を用いて基板にパターンを露光する露光工程を有することを特徴とするデバイス製造方法。
【請求項１】
対象物画像中の対象物の位置を求める画像処理装置であって、
前記対象物画像中の各部分画像および基準画像に関し、対応する部分領域毎に類似度を計算する第１の計算手段と、
前記各部分画像に関し、前記第１の計算手段により計算された複数の類似度の統計値を計算する第２の計算手段と、
前記第２の計算手段により計算された複数の統計値のうちの最大値に対応した前記対象物画像中の部分画像の位置を前記対象物の位置として認識する認識手段と
を有することを特徴とする画像処理装置。
【請求項２】
前記各部分画像を抽出する抽出手段を有することを特徴とする請求項１に記載の画像処理装置。
【請求項３】
前記部分領域を決定する決定手段を有することを特徴とする請求項１または２に記載の画像処理装置。
【請求項４】
前記決定手段は、前記部分領域を、前記部分画像および前記基準画像の少なくとも一方の各部分領域の空間周波数成分を求めることにより決定することを特徴とする請求項１乃至３のいずれかに記載の画像処理装置。
【請求項５】
前記第１の計算手段は、相関演算により前記類似度を計算することを特徴とする請求項１乃至４のいずれかに記載の画像処理装置。
【請求項６】
前記統計値は、前記複数の類似度の平均値もしくは中間値であり、または前記複数の類似度の頻度分布から求めることを特徴とする請求項１乃至５のいずれかに記載の画像処理装置。
【請求項７】
対象物画像中の対象物の位置を求める画像処理方法であって、
前記対象物画像中の各部分画像および基準画像に関し、対応する部分領域毎に類似度を計算する第１の計算工程と、
前記各部分画像に関し、前記第１の計算工程において計算された複数の類似度の統計値を計算する第２の計算工程と、
前記第２の計算工程において計算された複数の統計値のうちの最大値に対応した前記対象物画像中の部分画像の位置を前記対象物の位置として認識する認識工程と
を有することを特徴とする画像処理方法。
【請求項８】
請求項１乃至６のいずれかに記載の画像処理装置を有することを特徴とする露光装置。
【請求項９】
前記画像処理装置により、露光対象の基板に形成された、前記対象物としてのマークの位置を認識することを特徴とする請求項８に記載の露光装置。
【請求項１０】
請求項８または９に記載の露光装置を用いて基板にパターンを露光する露光工程を有することを特徴とするデバイス製造方法。
【図１Ａ】
【図１Ｂ】
【図１Ｃ】
【図１Ｄ】
【図２Ａ】
【図２Ｂ】
【図３】
【図４】
【図５】
【図６Ａ】
【図６Ｂ】
【図７】
【図８】
【図９】
【図１０】
【図１１Ａ】
【図１１Ｂ】
【図１１Ｃ】
【図１２】
【図１３】
【図１４】
【図１５Ａ】
【図１５Ｂ】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図１Ｂ】
【図１Ｃ】
【図１Ｄ】
【図２Ａ】
【図２Ｂ】
【図３】
【図４】
【図５】
【図６Ａ】
【図６Ｂ】
【図７】
【図８】
【図９】
【図１０】
【図１１Ａ】
【図１１Ｂ】
【図１１Ｃ】
【図１２】
【図１３】
【図１４】
【図１５Ａ】
【図１５Ｂ】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【公開番号】特開２００６−５２４２（Ｐ２００６−５２４２Ａ）
【公開日】平成１８年１月５日（２００６．１．５）
【国際特許分類】
【出願番号】特願２００４−１８１４７０（Ｐ２００４−１８１４７０）
【出願日】平成１６年６月１８日（２００４．６．１８）
【出願人】（０００００１００７）キヤノン株式会社 (59,756)
【Ｆターム（参考）】
【公開日】平成１８年１月５日（２００６．１．５）
【国際特許分類】
【出願日】平成１６年６月１８日（２００４．６．１８）
【出願人】（０００００１００７）キヤノン株式会社 (59,756)
【Ｆターム（参考）】
[ Back to top ]