走査荷電粒子顕微鏡を用いた画像生成方法及び装置、並びに試料の観察方法及び観察装置
【課題】
ＳＥＭを用いた半導体パターンの画像の取得に関して、ＳＥＭの撮像に伴う電子線照射による試料へのダメージを抑えつつ、高分解能なＳＥＭ画像を取得することである。
【解決手段】
電子線の照射エネルギーを抑えて撮像した低分解能なＳＥＭ画像から形状が類似するパターンを持つ領域（類似領域）を複数抽出し、複数の前記領域の画像データから画像復元処理により一枚の高分解能な前記パターンの画像を生成することを特徴とする。また、設計データを用いて前記類似領域および画像復元処理が実行可能となるＳＥＭの撮像位置および撮像範囲を決定することを特徴とする。
ＳＥＭを用いた半導体パターンの画像の取得に関して、ＳＥＭの撮像に伴う電子線照射による試料へのダメージを抑えつつ、高分解能なＳＥＭ画像を取得することである。
【解決手段】
電子線の照射エネルギーを抑えて撮像した低分解能なＳＥＭ画像から形状が類似するパターンを持つ領域（類似領域）を複数抽出し、複数の前記領域の画像データから画像復元処理により一枚の高分解能な前記パターンの画像を生成することを特徴とする。また、設計データを用いて前記類似領域および画像復元処理が実行可能となるＳＥＭの撮像位置および撮像範囲を決定することを特徴とする。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、走査荷電粒子顕微鏡により撮像して取得した画像を画像処理により高分解能化する方法に関する。
【背景技術】
【０００２】
半導体ウェーハの配線パターンは、ウェーハにフォトレジストと呼ばれる感光剤を塗布した後に、露光装置を用いてフォトマスク上のパターンをウェーハに露光・現像することで形成される。微細な構造を有する半導体ウェーハの配線パターンを形成するにあたって、形成されたパターンの寸法や形状がデバイス特性の設計仕様に収まっているか否かを検査する形状検査や、パターンのショートや欠けあるいは異物といったデバイスの不良要因となる欠陥を検査する欠陥検査が重要となっており、これらの形状検査や欠陥検査において走査荷電粒子顕微鏡の一つである走査電子顕微鏡（ＳＥＭ）が用いられている。
【０００３】
形状検査に関しては、ＳＥＭで撮像した半導体パターンの画像を処理してパターンの寸法を計測したり、画像から抽出した二次元的なパターンの輪郭線を設計データと比較することでパターン形状の検査が行われる。前記形状検査の結果を基に、半導体ウェーハ上に良好な配線パターンを形成できるように半導体製造装置を調整する。また、半導体の微細化に伴い露光時の光の回折現象がパターン形成に影響を及ぼすようになっている。これに対して、光の回折現象による影響を見込んでフォトマスクのパターンにＯＰＣ（Optical Proximity Correction）と呼ばれる補助パターンを加えることでウェーハ上に良好な配線パターンを形成する技術がある。
【０００４】
欠陥検査に関しては、ＳＥＭで撮像して取得した検査画像と、検査画像と同様のパターンの外観を持ち、なおかつ欠陥を含まない参照画像と比較することで欠陥の有無を検査する。参照画像として検査画像のチップあるいはセルをずらして撮像した画像を用いることができるし、メモリセルといった繰り返しパターンの場合は１つのセルの画像データから検査画像に対応する参照画像を合成することもできる。また、欠陥の有無だけではなく欠陥の種別やサイズを判別する場合もある。欠陥検査により半導体デバイスの良否や不良原因となる欠陥の発生原因を解析することができる。
【０００５】
半導体パターンの微細化に伴い、パターンの高精度な形状検査や微小欠陥の検査の必要性が増しており、高分解能な画像を取得することが重要となっている。
ＳＥＭで高分解能な画像を取得する従来技術として、（１）加速電圧を高くすることで電子ビーム径を絞って撮像する電子光学系の設計による分解能向上技術や、（２）同一箇所のパターンに対して撮像位置を微小量ずらして複数回撮像して得た複数のＳＥＭ画像から画像復元処理を用いて一枚の高分解能な画像を得る画像処理による分解能向上技術がある（特許文献１）。
【先行技術文献】
【特許文献】
【０００６】
【特許文献１】特開２００６−１３９９６５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
しかしながら、上記（１）の従来技術に関しては、加速電圧を高くして電子ビーム径を絞ると高い分解能の画像は得られるものの、電子線による半導体ウェーハへのダメージが大きくなりパターンが変形するという問題がある。パターンの変形には、電子線照射によりパターンが縮むパターンシュリンクや、ウェーハ上に汚染物質が付着してパターンが太るコンタミネーションと呼ばれる現象が知られている。パターンが微細になるほど、このようなパターンの変形によるデバイス特性への影響が大きくなり問題となる。また、加速電圧を低くすると回折収差およびレンズ収差が大きくなるため分解能の低下が生じる。このように、電子光学系の設計による分解能向上に関しては、分解能と電子線照射による試料へのダメージはトレードオフが存在するため、分解能の向上と試料へのダメージの抑制を同時に満たすことは困難となる。
【０００８】
また、上記（２）の従来技術に関しては、画像復元処理で十分な分解能を持つ画像を得るには画像復元処理に形状が類似するパターンを含む画像（類似画像）を多く入力する必要がある。しかしながら、試料へのダメージを考慮すると撮像する画像の枚数に制限が生じるため、画像復元処理に入力する類似画像の枚数が少なくなり、十分な分解能を持つ画像を得ることが難しくなる。
【０００９】
本発明の目的は、上記課題を解決し、走査荷電粒子顕微鏡を用いた画像撮像時の電子線照射により試料へのダメージを抑えつつ、高い分解能の画像を取得する画像生成方法及びその装置、試料観察方法及びその装置を提供することにある。また、本発明の他の目的及び新規な特徴は、本明細書の記述及び添付図面から明らかになるであろう。
【課題を解決するための手段】
【００１０】
上記課題を解決するために、本発明では、以下のような特徴を有する走査荷電粒子顕微鏡ならびにそれを用いて半導体パターンの高分解能な画像を取得する方法とした。以下の説明では走査荷電粒子顕微鏡の例として、走査電子顕微鏡（Scanning Electron Microscope：ＳＥＭ）を例に説明するが、本発明はこれに限定されるものでなく、走査型イオン顕微鏡（Scanning Ion Microscope：ＳＩＭ）又は走査型透過電子顕微鏡（Scanning Transmission Electron Microscope：ＳＴＥＭ）等の走査荷電粒子顕微鏡にも応用することが可能である。
【００１１】
（１）本発明では、ＳＥＭを用いて半導体回路パターンの画像を撮像・取得して、前記画像から形状が類似するパターンを持つ領域を複数抽出し、複数の前記領域の画像を用いて画像復元処理を実行することを特徴とする。これにより、画像復元処理に形状が類似するパターンを含む画像を多数入力することが可能となり高分解能な前記パターンの画像を生成できる。
【００１２】
しかしながら、前記画像復元処理を実行するにあたって、ＳＥＭ画像から前記形状が類似するパターンを持つ領域の抽出が困難となる場合がある。例えば、メモリセルのようなパターンが周期的に繰り返している画像であればパターンの周期情報より容易に形状が類似する領域を抽出することができる。しかし、ロジックのように一部に特異なパターンを含んだり、非周期的な繰り返しパターンを含んだ場合は前記周期を用いた方法ではパターン形状が類似する領域を抽出できない。
【００１３】
そこで、本発明では、さらに、入力画像に前記画像復元処理が適用可能となる形状が類似するパターンを二つ以上持つ領域（判別類似領域）と、持たない領域（判別非類似領域）を判別して、前記判別類似領域に対して画像復元処理を適用することも特徴の一つとする。これにより、画像中に特異なパターンを含んでいてもこれを避けて画像復元処理が実行できる。
【００１４】
次に、画像復元処理において、前記判別類似領域から画像復元処理を施す領域群（類似領域群）を決定した後に、前記類似領域群の画像群（類似画像群）を用いて画像復元処理を行うことを特徴の一つとする。ここで、前記類似領域群はいずれも共通の類似するパターンを含むように決定する。画像復元処理においては、入力する類似画像群の数が多く、なおかつ前記類似画像群間が類似するほど高分解能の画像を生成することができる。これにより、メモリセルのような単純な周期的な繰り返しのパターンだけでなく、ロジックのような複雑なパターンを含む画像においても、部分的に類似するパターンが二つ以上存在すれば画像復元処理による高分解能化が可能となる。
【００１５】
しかしながら、判別類似領域から類似領域群を抽出するためには、類似領域を抽出する単位となる領域の位置およびサイズの決定がそもそも困難である。そこで、本発明では、前記類似領域群を決定するために、前記類似領域群を探索するための基準となる領域（基準領域）を設定して、前記基準領域と前記判別領域とのパターンマッチングにより類似領域群を抽出する。その際、類似領域群の数が多くなり、なおかつ、前記類似領域群の画像間の類似度が高くなるように基準領域と類似領域群を決定することも特徴の一つとする。すなわち、本発明では画像復元処理がうまくいくように、基準領域のサイズと位置、および類似領域群の数、および類似領域群の画像間の類似度を指標値として、基準領域を最適化することも特徴の一つとする。
【００１６】
また、前記画像復元処理で得られた高分解能の画像をＧＵＩ上に表示することを特徴とする。また、前記画像復元処理で得られた高分解能の画像に対して画像処理を用いてパターン寸法の計測、あるいはパターンの輪郭線を抽出することを特徴とする。例えば、ArFレジストのような電子線照射の耐性が低い試料に対して、電子線照射によるダメージを抑えるために低倍率で撮像してラインパターンやホールパターンの画像を取得した後に、画像復元処理により寸法を計測する領域の画像を高分解能化することが可能となり高精度な寸法の計測あるいは輪郭線の抽出が可能となる。
【００１７】
（２）前述のとおり上記項目（１）の画像復元処理においては、形状が類似する画像群を多く入力するほど高い分解能の画像が生成できる。一般に半導体パターンは左右／上下対称なパターンを多く含む。そこで、本発明では入力ＳＥＭ画像内の二つの類似領域間の画像の類似度を評価するにあたって、一方の類似領域の画像を回転あるいは反転して、もう一方の類似領域の画像と類似していれば、両類似領域間の画像の類似度を示す指標値を高くすることを特徴とする。
【００１８】
また、ＳＥＭの撮像において電子線照射による帯電等の影響により画像の一部が多少歪む場合がある。しかし、このような場合においても画像処理により歪みを補正すれば画像復元処理に利用できる可能性がある。そこで、本発明では前述の回転や反転に加えてパターンの多少の歪みを許して形状の類似度を評価することを特徴とする。さらに、画像復元処理に入力する類似領域群の各画像（入力類似画像）に対して前述の回転、反転、微小歪みを加えてから画像復元処理を行う。このようにパターンの類似度をある程度の変形を許して評価することで、画像復元処理に入力類似画像の数を増やすことができる。
【００１９】
（３）画像復元処理において、入力類似画像の数だけではなく入力類似画像間の類似度が高いことが望ましい。しかし、入力類似画像群の中にパターンの形状は類似していても明るさやノイズ量、あるいはパターンエッジの信号プロファイル（エッジプロファイル）などの画質が異なる画像が一部含まれる場合、最終的な復元画像がその一部の画像に大きな影響を受ける可能性がある。このような画質が変動する要因の1つに、ＳＥＭの撮像における電子ビームのスキャン方向がある。例えば、上記項目（２）で述べた左右反転させた画像はスキャン方向を反転させた時の画像のエッジプロファイルに近くなる。そこで本発明では、入力類似画像群の画質のばらつきに対して画像復元処理がロバストに動作するように、入力類似画像群それぞれに対してパターン形状あるいは画質の類似度を示す指標値（類似指標値）を算出し、前記類似指標値が高い類似画像ほど最終的に出力される高分解能画像に大きく反映されることを特徴とする。
【００２０】
（４）前記高分解能画像を前記類似領域群が存在する位置に張り合わせた画像（合成高分解能画像）を生成することを特徴とする。
すなわち、上記項目（１）の画像復元処理は類似領域群の画像群から前記類似領域群を代表する一枚の高分解能画像を生成する処理であるが、得られた高解像度画像からは前記類似領域群のパターン間の位置関係はわからない。一方で、前記合成高分解能画像においては、高分解能化した類似領域群のパターン間の位置関係が容易に分かる。また、本処理に加えて高分解能化できなかった領域に関しては、入力画像または入力画像を補間拡大した画像を張り合わせることで入力画像全体を部分的に高分解能化した画像を生成することもできる。例えば、欠陥を含む検査画像と参照画像との比較により欠陥領域を抽出し、前記欠陥領域を除いた領域で高分解能化を行い、前記欠陥領域においては入力画像を補間拡大した欠陥部の画像を張り合わせることで検査画像を高分解能化することができる。
【００２１】
また、前記入力画像において前記類似領域間で多少パターンの形状が異なっていても（類似領域として抽出される程度には形状が類似しているとする）、前述の方法で最終的に出力される合成高分解能画像では前記類似領域群のパターン形状は全て同一の外観となってしまう。そこで本発明では、前記類似領域ごとに上記項目（３）で述べた類似指標値を算出して画像復元処理を行うことを特徴とする。すなわち、前記類似領域群に含まれる第n番目の類似領域の高分解能画像（第n高分解能画像）を前記画像復元処理により生成する際には、前記第n番目の類似領域と他の類似領域群のパターン形状の類似度を示す指標値（類似指標値）を算出し、前記類似指標値が高い類似領域の画像が前記第n高分解能画像に大きく反映されることを特徴とする。これにより、各類似領域のパターン形状の特徴を保ちつつ入力画像全体を高分解能化することが可能となる。
【００２２】
また、前記合成高分解能の画像をＧＵＩ上に表示することを特徴とする。また、前記合成高分解能の画像に対して画像処理を用いてパターン寸法の計測、あるいはパターンの輪郭線を抽出することを特徴とする。
【００２３】
（５）上記項目（１）において、着目するパターン（着目パターン)を入力して、前記着目パターンを持つ領域の画像を高分解能化することを特徴とする。すなわち、パターン形状を評価する場合においては入力画像の一部を高分解能化すれば十分なケースがあり、その場合は高分解能化処理の簡略化・高速化ができる。具体的には、上記項目（１）の判別類似領域と判別非類似領域への分割、画像復元処理を施す領域の設定が省略できる。前記着目パターンは手動で入力したり、ＥＤＡ（Electronic Design Automation）ツールで出力された欠陥が発生しうるＨＯＴＳＰＯＴと呼ばれる危険箇所の付近のパターンを入力することを特徴とする。あるいは、形状を評価するパターンは入力画像の中央付近に来るように撮像される場合が多いため、着目パターンとして入力画像の中央付近のパターンを用いることもできる。また、画像復元処理により高分解能化した画像を処理してパターン寸法を計測したり、パターンの輪郭線を抽出することを特徴とする。
【００２４】
（６）ＳＥＭで撮像する撮像位置および撮像範囲（撮像視野）を設定し、前記撮像視野を含む回路パターンの設計データを入力して、前記設計データを基に上記項目（１）の類似領域群を決定することを特徴とする。
【００２５】
すなわち、上記項目（１）の方法では入力画像を撮像するまで入力画像内に形状が類似するパターンを持つ領域（類似領域）が存在するかどうか判らない。また、前記類似領域を抽出するにあたって、入力画像がぼやけていたり低分解能あるいは低Ｓ／Ｎの場合においては、テンプレートマッチングなどの画像情報を基にした類似領域の探索方法がうまくいかない場合がある。そこで本発明では、設計データを用いることで、オフライン（撮像装置不要）で前記類似領域を探索することを特徴とする。具体的には、設計データ上で形状が類似するパターンを含む領域群（類似領域群）を抽出して、抽出した類似領域群の情報をファイルに出力しておき、入力画像を撮像した後に前記ファイルから類似領域群の情報を読み込むことで、類似領域の探索処理と撮像処理が分離できる。また、類似領域の探索を設計データ上で行うことで、入力画像のぼけやＳ／Ｎ、量子化誤差にロバストな探索を行うことを特徴とする。
【００２６】
また本発明では、設計データを用いて最初に入力された撮像視野を再設定することを特徴とする。再設定の方法として、最初に入力された撮像視野とその周辺の設計データを用いて、前記類似領域を撮像視野内に多く含むような撮像視野を探索する。これにより、画像復元処理に入力する類似領域の数を増やせる。また、画像復元処理においては類似領域の数だけではなく類似領域の画像間の類似度が高いほど高分解能の画像が復元できる。そこで、本発明では前記撮像視野の決定の際は、類似領域を多く含み、なおかつ前記類似領域の画像間の類似度を示す指標値が高くなるように撮像視野を決定することを特徴とする。
【００２７】
しかしながら、前記類似領域群は設計データを用いて形状の類似度を判定して抽出していたが、ウェーハ上に形成される実パターン（実際に画像復元処理に用いるパターン）と設計データの形状が乖離する場合がある。例えば、設計データ上では同じ形状のパターンでも周囲のパターンの密度によって実パターン形状が変化する場合がある。また、異物などの欠陥によって設計データのパターンと実パターンの形状が部分的に大きく乖離する場合もありうる。そこで本発明では、設計データを用いて抽出した類似領域群の画像群を用いて類似領域間の類似度を再評価することを特徴とする。すなわち、前記類似領域群に含まれるそれぞれの類似領域内をさらに複数の領域（分割領域群）に分割し、前記分割領域群の画像間で類似する分割領域と類似しない分割領域（例外領域）とに判別し、前記類似領域群から前記例外領域を取り除いて画像復元処理を実行することを特徴とする。これにより、パターンの変形や異物などの欠陥にロバストな画像復元処理が実現する。
【００２８】
（７）上記項目（１）および（６）において、複数のＳＥＭ画像を取得して入力することを特徴とする。すなわち、一枚の画像ではなく複数のＳＥＭ画像間に渡って類似領域を抽出することで、類似領域の数を増やして画像復元処理による高分解能化処理の性能を向上させる。そのためには、複数のＳＥＭ画像間で形状が類似するパターンを含む必要がある。本発明においてそのようなＳＥＭ画像の取得方法として、第一に撮像したＳＥＭ画像から隣接するチップあるいはセル上の同一の相対座標を持つ位置を撮像して第２のＳＥＭ画像を取得することを特徴とする。この方法が有効な例としては、ＯＰＣが付いた複雑なマスクパターンがある。この場合、類似する形状を持つパターンが少ないため一枚のＳＥＭ画像で画像復元処理を行うことが困難となる。そこで、最初に撮像したＳＥＭ画像と同じパターンを持つと予想される隣接するチップあるいはセルのＳＥＭ画像を撮像してこれを画像復元処理に用いることで、ＯＰＣが付いた複雑なマスクパターンに対しても画像の高分解能化が可能となる。
【００２９】
その他の複数のＳＥＭ画像の取得方法として、これまで取得した画像をＳＥＭ装置に連結された画像データベースに格納しておき、入力画像の撮像位置と近い位置を撮像した画像が前記画像データベースに存在すれば、その画像を入力することを特徴とする。また、設計データが利用できる場合は、設計データ上で形状が類似するパターンを多く含む撮像視野を複数決定し、複数の前記撮像視野を撮像して得られる複数のＳＥＭ画像を用いることもできる。
【００３０】
以下、本願において開示される発明のうち代表的なものの概要を簡単に纏める。
【００３１】
（ａ）走査荷電粒子顕微鏡を用いて回路パターンが形成された試料を観測する観測方法であって、前記走査荷電粒子顕微鏡を用いて前記回路パターンを撮像して撮像画像を取得するステップと、前記取得した一の撮像画像から所定の判断基準に従って互いに形状が類似するパターンを含む複数の領域を抽出するステップと、前記抽出された互いに形状が類似するパターンを含む複数の領域の画像を用いて、前記複数の領域の画像よりも分解能が高い画像を生成するステップと、前記生成された前記複数の領域の画像よりも分解能が高い画像を用いて前記回路パターンを観測するステップと、を有する観測方法である。
【００３２】
（ｂ）（ａ）記載の観測方法であって、前記複数の領域を抽出するステップでは、前記所定の判断基準として、前記一の撮像画像から互いに形状が類似するパターンを含む領域をいくつ抽出できるか、及び、抽出しうる互いに形状が類似するパターンを含む領域の画像間でどれだけ類似しているか、を指標として判断し、前記複数の領域を抽出することを特徴とする観測方法である。
【００３３】
（ｃ）回路パターンが形成された試料を観測する観測装置であって、前記回路パターンを撮像して撮像画像を取得する走査荷電粒子顕微鏡と、前記取得した一の撮像画像から所定の判断基準に従って互いに形状が類似するパターンを含む複数の領域を抽出する手段と、前記抽出する手段により抽出された互いに形状が類似するパターンを含む複数の領域の画像を用いて、前記複数の領域の画像よりも分解能が高い画像を生成する手段と、前記生成された前記複数の領域の画像よりも分解能が高い画像を用いて前記回路パターンを観測する手段と、を有することを特徴とする観測装置である。
【００３４】
（ｄ）走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成方法であって、前記走査荷電粒子顕微鏡を用いて前記半導体回路パターンを撮像して取得した画像（入力画像）を入力する画像入力ステップと、前記入力画像内で形状が類似するパターンを少なくとも二つ以上持つ領域（判別類似領域)と持たない領域（判別非類似領域）とを判別する類似領域判別ステップと、前記判別類似領域内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定ステップと、画像復元処理により前記類似領域群の画像群から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成ステップを含むことを特徴とする画像生成方法であって、前記類似領域群に含まれる類似領域はいずれも形状が類似する共通のパターンを含み、前記類似領域群は前記類似領域の数および前記類似領域群の画像間の類似度を示す指標値（類似指標値）を基に決定されることを特徴とする画像生成方法である。
【００３５】
（ｅ）走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成装置であって、前記走査荷電粒子顕微鏡を用いて前記半導体回路パターンを撮像して取得した画像（入力画像）を入力する画像入力手段と、前記入力画像内で形状が類似するパターンを少なくとも二つ以上持つ領域（判別類似領域)と持たない領域（判別非類似領域）とを判別する類似領域判別手段と、前記判別類似領域内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定手段と、画像復元処理により前記類似領域群の画像群から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成手段を備えることを特徴とする画像生成装置であって、前記類似領域群に含まれる類似領域はいずれも形状が類似する共通のパターンを含み、前記類似領域群は前記類似領域の数および前記類似領域群の画像間の類似度を示す指標値（類似指標値）を基に決定することを特徴とする画像生成装置である。
【００３６】
（ｆ）走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成方法であって、前記走査荷電粒子顕微鏡を用いて前記半導体回路パターンを撮像して取得した画像（入力画像）を入力する画像入力ステップと、前記入力画像内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定ステップと、画像復元処理により前記類似領域群の画像群から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成ステップと、前記類似領域群が存在する位置に前記類似領域群に対応する前記高分解能画像群をそれぞれ張り合わせた画像（合成高分解能画像）を生成する合成高分解能画像生成ステップを含むことを特徴とする画像生成方法であり、前記高分解能画像生成ステップにおいて、前記類似領域群に含まれる第n番目の類似領域の高分解能な画像（第n高分解能画像）を前記画像復元処理で生成する際には、前記第n番目の類似領域と他の類似領域群の画像間の類似指標値を算出し、前記類似指標値が高い類似領域の画像が前記第n高分解能画像に大きく反映されることを特徴とする画像生成方法である。
【００３７】
（ｇ）走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成方法であって、前記走査荷電粒子顕微鏡を用いて前記半導体回路パターンを撮像して取得した画像（入力画像）を入力する画像入力ステップと、前記入力画像内で着目するパターン（着目パターン)を入力する着目パターン入力ステップと、前記着目パターンと形状が類似するパターンを持つ領域群（類似領域群）を前記入力画像内から決定する類似領域群決定ステップと、画像復元処理により前記類似領域群の画像群から前記着目パターンを持つ領域の高分解能な画像（高分解能画像）を生成する高分解能画像生成ステップと、前記高分解能画像を処理して前記着目パターンの寸法を計測、あるいは前記着目パターンの輪郭線を抽出するパターン形状評価ステップを含むことを特徴とする画像生成方法である。
【００３８】
（ｈ）走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成方法であって、前記走査荷電粒子顕微鏡を用いて前記半導体回路パターンを複数回撮像して取得した複数の画像（入力画像群）を入力する画像群入力ステップと、前記入力画像群間で形状が類似するパターンを少なくとも二つ以上持つ領域（判別類似領域)と持たない領域（判別非類似領域）とを判別する類似領域判別ステップと、前記判別類似領域内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定ステップと、画像復元処理により前記類似領域群の画像群から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成ステップを含むことを特徴とする画像生成方法であり、前記類似領域群に含まれる類似領域はいずれも形状が類似する共通のパターンを含み、前記類似領域群は前記類似領域の数および前記類似領域群の画像間の類似度を示す指標値（類似指標値）を基に決定されることを特徴とする画像生成方法である。
【００３９】
（ｉ）走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成方法であって、前記走査荷電粒子顕微鏡で撮像する視野位置および撮像範囲（撮像視野）を設定する撮像視野設定ステップと、前記撮像視野を少なくとも含む視野内の設計データを入力する設計データ入力ステップと、前記撮像視野を前記走査荷電粒子顕微鏡により撮像して取得した画像（入力画像）を入力する画像入力ステップと、前記設計データを基に前記撮像視野内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定ステップと、画像復元処理により前記類似領域群の画像群（類似画像群）から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成ステップを含むことを特徴とする画像生成方法であり、前記類似領域群に含まれる類似領域のいずれも前記設計データ上で形状が類似する共通のパターンを含み、前記類似領域群は前記設計データを基に算出される類似領域の数および前記類似領域群の画像間の類似度を示す指標値を基に決定することを特徴とする。
【００４０】
（ｊ）走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成方法であって、前記走査荷電粒子顕微鏡で撮像する撮像位置および撮像範囲（撮像視野）を複数入力する撮像視野群入力ステップと、複数の前記撮像視野を含む複数の視野内の設計データを入力する設計データ入力ステップと、複数の前記撮像視野を前記走査荷電粒子顕微鏡により撮像して取得した画像群（入力画像群）を入力する画像群入力ステップと、前記設計データを基に複数の前記撮像視野内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定ステップと、画像復元処理により前記類似領域群の画像群（類似画像群）から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成ステップを含むことを特徴とする画像生成方法であり、前記類似領域群決定ステップにおいて、前記類似領域群のいずれも前記設計データ上で形状が類似する共通のパターンを含み、前記類似領域群は前記設計データを基に算出される前記類似領域の数および前記類似領域群の画像間の類似度を示す指標値を基に決定されることを特徴とする画像生成方法である。
【００４１】
（ｋ）走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成方法であって、前記走査荷電粒子顕微鏡を用いて前記半導体回路パターンを撮像して取得した画像（入力画像）を入力する画像入力ステップと、前記入力画像内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定ステップと、画像復元処理により前記類似領域群の画像群から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成ステップと、前記類似領域群に含まれるそれぞれの類似領域内をさらに複数の領域（分割領域群）に分割し、前記分割領域群の画像間で類似する分割領域（類似分割領域）と類似しない分割領域（例外領域）とに判別する例外領域判別ステップと、前記類似分割領域が存在する位置に前記類似分割領域に対応する高分解能画像を張り合わせ、また、前記例外領域に対応する前記入力画像を補間拡大した画像を前記例外領域が存在する位置に張り合わせた画像（合成高分解能画像）を生成する合成高分解能画像生成ステップを含むことを特徴とする画像生成方法である。
【発明の効果】
【００４２】
本発明によれは、走査荷電粒子顕微鏡を用いた画像撮像時の電子線照射により試料へのダメージを抑えつつ、高い分解能の画像を取得する画像生成方法及びその装置、試料観察方法及びその装置を提供することができる。
【図面の簡単な説明】
【００４３】
【図１】本発明を実現するためのＳＥＭ装置の構成を示す図である。
【図２】本発明におけるＳＥＭ画像を一枚入力して画像の高分解能化を行う場合の処理全体のフローを示す図である。
【図３】本発明における入力したＳＥＭ画像から類似するパターンの抽出を示す図である。
【図４】本発明における抽出した複数の類似パターンの画像からの高分解能な画像の生成を示す図である。
【図５】本発明における抽出した類似するパターンの領域毎に画像復元処理のパラメータを変更して高分解能な画像を生成した例を示す図である。
【図６】本発明における生成した高分解能画像からのパターンの形状評価を示す図である。
【図７】本発明における着目するパターンを高解像度化する場合の処理全体のフローを示す図である。
【図８】本発明における複数枚入力したＳＥＭ画像を用いて一枚の高分解能な画像を生成する場合の処理全体のフローを示す図である。
【図９】本発明における設計データを用いてＳＥＭ画像の高分解能化を行う場合の処理全体のフローを示す図である。
【図１０】本発明における設計データを用いた形状が類似するパターンの抽出を示す図である。
【図１１】本発明における設計データを用いた撮像視野決定を示す図である。
【図１２】本発明における設計データとＳＥＭ画像上のパターンの乖離の例を示す図である。
【図１３】本発明のラインパターンへの適用を示す図である。
【図１４】本発明のホールパターンへの適用を示す図である。
【図１５】本発明の複雑なマスクパターンへの適用を示す図である
【図１６】本発明のダブルパターニングを経て得られたパターンへの適用を示す図である。
【図１７】本発明の欠陥検査への適用を示す図である。
【図１８】本発明におけるシステム全体を示す図である。
【図１９】本発明における類似するパターンの抽出パラメータを設定するＧＵＩを示す図である。
【図２０】本発明における画像復元処理パラメータを設定するＧＵＩを示す図である。
【図２１】本発明における設計データを用いて撮像視野を決定するＧＵＩを示す図である。
【図２２】本発明における画像復元処理を行う領域の決定を示す図である。
【図２３】本発明における画像復元処理を行う領域毎に画像復元処理に入力する画像の重みを変更して画像復元処理を実行するフローを示す図である。
【図２４】本発明のパターンエッジへの適用を示す図である。
【発明を実施するための形態】
【００４４】
本発明は、走査荷電粒子顕微鏡を用いて、高分解能な画像を生成する装置およびその方法に関する発明である。以下、本発明に係る実施の形態を、走査電子顕微鏡（Scanning Electron Microscope：ＳＥＭ）に適用した場合について説明する。
1. ＳＥＭの装置構成
図１に試料の二次電子像（Secondary Electron：ＳＥ像）あるいは反射電子像（Backscattered Electron：ＢＳＥ像）を取得するＳＥＭの構成概要のブロック図を示す。また、ＳＥ像とＢＳＥ像を総称してＳＥＭ画像と呼ぶ。また、ここで取得される画像は測定対象を垂直方向から電子ビームを照射して得られたトップダウン画像、あるいは測定対象に対して任意の傾斜角方向から電子ビームを照射して得られたチルト画像の一部または全てを含む。
【００４５】
電子光学系１０２は内部に電子銃１０３を備え、電子線１０４を発生する。電子銃１０３から発射された電子線はコンデンサレンズ１０５で細く絞られた後、ステージ１２１上に載置された試料である半導体ウェーハ１０１上の任意の位置において電子線が焦点を結んで照射されるように、偏向器１０６および対物レンズ１０８により電子線の照射位置と絞りとが制御される。電子線を照射された半導体ウェーハ１０１からは、２次電子と反射電子が放出され、偏向器１０７によって照射電子線の軌道と分離された２次電子は２次電子検出器１０９により検出される。一方、反射電子は反射電子検出器１１０および１１１により検出される。反射電子検出器１１０と１１１とは互いに異なる方向に設置されている。２次電子検出器１０９および反射電子検出器１１０および１１１で検出された２次電子および反射電子はA/D変換機１１２、１１３、１１４でデジタル信号に変換され、処理・制御部１１５に入力されて、画像メモリ１１７に格納され、ＣＰＵ１１６で目的に応じた画像処理が行われる。本発明においては画像メモリ１１７に格納されたＳＥＭ画像に対して画像復元処理を施し前記ＳＥＭ画像の高分解能化を行う。あるいは、前記ＳＥＭ画像をデータベース１１８に格納しておき、画像復元処理装置１１９を用いて前記ＳＥＭ画像の高分解能化を行うこともできる。また、前記ＳＥＭ画像あるいは高分解能化した前記ＳＥＭ画像に対して形状計測・評価ツールサーバ１２０を用いてパターンの寸法や形状の評価を行うこともできる。１１６、１１７、１１９、１２０は処理端末１２２、１２３（ディスプレイ、キーボード、マウス等の入出力手段を備える）と接続されており、ユーザに対して処理結果等を表示する、あるいはユーザからの入力を受け付けるＧＵＩ（Graphic User Interface）を備える。
【００４６】
なお、図１では反射電子像の検出器を２つ備えた実施例を示したが、前記反射電子像の検出器をなくすことも、数を減らすことも、数を増やすことも可能である。また、ここでは処理端末１２２、１２３が独立に存在する例を示したが、処理端末は一つであってもよく、ネットワークを介して遠隔に配置されていても構わない。
２．画像高分解能化処理
以下に本発明に係るＳＥＭを用いて撮像したＳＥＭ画像を高分解能化する実施例について述べる。いずれの実施例においても、ＳＥＭを用いて撮像・取得した半導体回路パターンの画像から形状が類似するパターンを持つ領域（類似領域）を複数抽出し、抽出した複数の領域の画像データを用いて画像復元処理を実行することを特徴とする。これにより、撮像・取得した半導体回路パターンの画像が少なくとも、画像復元処理に多数の画像データを入力することが可能となり、試料へのダメージを抑えつつ画像の高分解能化を実現する。
【００４７】
画像復元処理としては、例えば複数の類似するパターン形状を持つ画像群を入力して、それぞれの画像群をサブピクセルレベルで位置合せを行った後に、アップサンプリングした各画像の加算平均をとって一枚の高解像度画像を生成する処理を用いてもよい。あるいは、ＳＥＭの撮像による画像劣化モデル（ＳＥＭの電子ビームによる画像のぼけ、ノイズ、濃淡値の量子化、ダウンサンプリングなど）を用いて、撮像された画像群から前記画像劣化の影響を取り除いた画像を推定する方法を用いても良い。この場合、画像復元後の画像は数式１に記載したＤ（Ｘ）を最小化することで求めることができる。
【００４８】
【数１】
【００４９】
前記数式１のＹiは撮像されたＮ枚の画像群のi番目の画像、Ｘは画像復元処理により推定する高分解能画像、Ｓiは撮像されたi番目の画像のサブピクセルの位置ずれ量、Ｆは画像のぼけを示す作用で、Ｄは量子化による作用である。数式１の第１項は高分解能な画像Ｘが様々な画像劣化要因を受けて観測された画像Ｙiとの誤差を示す項で、第２項は復元する高分解能な画像Ｘに関する事前知識（例えば、Ｘの画素値の連続性など）を評価する項である。数式１を最小化して高分解能な画像を復元する処理は再構成型超解像処理とも呼ばれる。
【実施例１】
【００５０】
図２に本発明に係るＳＥＭを用いて撮像した一枚の画像を高解像度化するフローを示す。まず、ＳＥＭを用いて試料を撮像してＳＥＭ画像（入力画像）を取得する（ステップ２０１）。次に、画像復元処理に入力する形状が類似したパターンを含む領域群（類似領域群）を抽出する（ステップ２０３）。しかしながら、前記ＳＥＭ画像に含まれるパターンによっては前記類似領域を抽出すること自体が困難となる場合がある。例えば、図１７の１７０７に示すようなメモリセルの場合は１つのパターンが周期的に繰り返しているため、１周期分のパターンのテンプレート（図１７の１７０８で示す領域内の画像データ）およびパターンの周期（Ｘ方向の周期１７０９、Ｙ方向の周期１７１０）を入力すれば前記テンプレートを前記周期分だけずらして領域を切り出すことで容易に類似領域を抽出することができる。しかしながら、図１７の１７０２に示すように、一部に特異なパターン（図１７の１７１１、１７１２）を含んだ場合は前記類似領域の抽出自体が困難となる。そこで、ステップ２０３を実行する前に必要に応じて入力画像に前記画像復元処理が適用可能となる形状が類似するパターンを二つ以上持つ領域（判別類似領域）と、持たない領域（判別非類似領域）を判別する（ステップ２０２）。そして、前記判別類似領域のみから抽出した類似領域群に対して画像復元処理を適用する。ここで、前記判別類似領域と判別非類似領域との判別方法として、入力画像を細かい領域に分割して、分割した各領域の画像と類似する画像が入力画像中に存在するか否かを判定することで実行可能である。なお、細かい領域に分割する際には、例えば設計データを用いても、過去に同種ウェーハを処理した際に設定したデータを用いてもよく、ユーザが撮像画像を見ながら分割単位を設定するようにしても構わない。この判別処理により、入力ＳＥＭ画像中に特異なパターンを含んでいてもこれを避けて画像復元処理が実行できる。
【００５１】
次に、ステップ２０２で判別した判別類似領域内から前記類似領域群を抽出する方法について述べる。まず、前記類似領域群を探索するための基準となるテンプレート（基準テンプレート）を設定する（ステップ２０４）。そして、前記基準テンプレートと前記判別類似領域とのパターンマッチングを行い、基準テンプレートと類似する領域群（類似領域群）を抽出する（ステップ２０５）。次に、前記類似領域群の数および前記類似領域群の画像間の類似度を示す指標値（類似指標値）を算出する（ステップ２０６）。前記類似指標値が低ければ、前記基準テンプレートの位置およびサイズを変更して再びステップ２０４に戻る（ステップ２０７）。このように、画像復元処理に入力する基準テンプレートおよび類似領域群の最適化を行う。具体的に、非周期パターンを含むＳＥＭ画像に対して基準テンプレートと類似領域群を決定する例を図２２を用いて説明する。２２０１はＳＥＭ画像内のパターンである。まず、２２０２−１を基準テンプレートとして設定する。この場合、基準テンプレート２２０２−１のパターンと類似する２２０２−２と２２０２−３が類似領域群として抽出される。しかし、類似領域２２０２−２は基準テンプレート２２０２−１に含まれないパターン２２０５を含んでいるため、これらの類似領域群を用いて画像復元処理を行うと、得られる高分解能画像に２２０５のパターンが表れて不自然な結果となる恐れがある。そこで、前記基準テンプレートのサイズを少し小さくして第２の基準テンプレート２２０３−１を設定する。この場合、２２０３−２、２２０３−３が類似領域群として抽出される。これらの類似領域群を用いて画像復元処理を行うと、先ほどの場合のような２２０５のパターンが高分解能画像には表れない。なお、前記基準テンプレートは矩形に限らず、２２０４−１〜２２０４−３のように設定してもよく、任意の形状で設定可能である。また、ここでは基準テンプレート２２０２−１に含まれないパターン２２０５を含む場合の対策として、基準テンプレートを再設定する例を示したが、後に詳説するように、２２０２−２を用いず、２２０２−１と２２０２−３のみを類似領域群として抽出するようにしても構わない。このような基準テンプレートは、端末装置のＧＵＩ上に表示された入力画像を見ながら、ユーザがＧＵＩ上で適宜選択するなどして設定可能である。
【００５２】
続いて、前記類似領域群の画像群（類似画像群）を用いて画像復元処理を行う（ステップ２０８）。前述のとおり画像復元処理においては、形状が類似する画像群を多く入力するほど高い分解能の画像が生成できる。一般に半導体パターンは左右／上下対称なパターンを多く含む。そこで、二つの類似領域間の画像の類似度を評価するにあたって、一方の類似領域の画像を回転あるいは反転した画像と、もう一方の類似領域の画像が類似すれば、両類似領域間の画像の類似度を高くする。また、ＳＥＭの撮像において電子線照射による試料への帯電等の影響により画像の一部が歪む場合がある。しかし、このような場合においても画像処理により歪みを補正すれば画像復元処理に利用できる可能性がある。そこで、前述の回転や反転に加えてパターンの多少の歪みを許して形状の類似度を評価する。また、画像復元処理においては入力する画像群に対して前述の回転、反転、微小歪みを加えてから画像復元処理を行うこともできる。このようにパターンの類似度をある程度の変形を許して評価することで、画像復元処理に入力する画像群の数を増やすことができる。
【００５３】
図３に判別類似領域および類似領域群の抽出例を示す。３０１はＳＥＭで撮像した入力画像で、パターン３０２−１〜３０２−１５を含む。パターン３０２−４は異物３０３を含み、パターン３０２−５はパターンの一部が欠けており（３０４）、パターン３０２−８はパターンの一部が太っている（３０５）。また、パターン３０２−１０は斜め方向に歪んでいる。パターン３０２−1、３０２−２、３０２−３、３０２−７、３０２−９、３０２−１０、３０２−１５はパターンの上下左右の反転、９０度の回転、あるいは斜め方向の歪み補正を施せば形状が一致する。同様にパターン３０２−６、３０２−１２、３０２−１３、３０２−１４もパターンの左右反転を行えば形状が一致する。また、パターン３０２−４、３０２−８、３０２−５は一部に異物３０３あるいはパターン欠陥３０４、３０５を含むがそれ以外のパターンが類似する。３０９は３０１と同一のＳＥＭ画像を示す。判別類似領域は３０９内の斜線で囲まれた領域３０６として抽出される。続いて、判別類似領域３０６から類似領域群を抽出すると、３０７−１〜３０７−１０と３０８−１〜３０８−４の２種類のパターン形状を含む類似領域群が抽出される。画像復元処理ステップ２０８においては、第一の類似領域群３０７−１〜３０７−１０、および第二の類似領域群３０８−１〜３０８−４それぞれに対して画像復元処理を施すことになる。
【００５４】
また、画像復元処理ステップ２０８において、画像復元処理に入力する類似画像群に異物やパターン欠陥などが含まれた場合、最終的に出力される高分解能画像において前記異物やパターン欠陥の画像が反映され不自然な画像となる可能性がある。そこで、抽出した類似領域群からこれらの異物やパターン欠陥などの例外となる領域（例外領域）を抽出し、類似領域群から前記例外領域を取り除いた画像群を用いて画像復元処理を行うこともできる。図４を用いて例外領域の抽出例を説明する。図４の３０７−１〜３０７−１０および３０８−１〜３０８−４は図３の入力画像３０１から抽出した類似領域群である。４０１〜４０３は図３の異物３０３、パターン欠陥３０４、３０５を含む領域を例外領域として抽出した結果である。具体的に例外領域の抽出方法としては、第一の類似領域群３０７−１〜３０７−１０の画像を上下左右の反転、回転、あるいは微小歪みを加えて画像群を一致させた後に、それらの平均画像を生成する。そして、その平均画像と前記画像群それぞれの画像の差分値を算出して、その差分値が大きな画素を例外領域として抽出することができる。
【００５５】
画像復元処理ステップ２０８において、前記例外処理により異物やパターン欠陥など画素値が大きく異なる領域を取り除いても、画像復元処理に入力する類似画像群において、パターンの形状は類似するものの明るさやノイズ量、パターンエッジの信号プロファイル（エッジプロファイル）などの画質が異なる類似画像が含まれる場合がある。この場合、最終的に復元した高解像度画像がその画質が異なる一部の類似画像に大きく影響を受ける可能性がある。このような画質が変動する要因として、ＳＥＭの撮像における電子ビームのスキャン方向などがある。そこで、画像復元処理に入力する画像群の画質のばらつきに対して画像復元処理がロバストに動作するように、画像復元処理に入力する類似領域画像群それぞれに対してパターンの形状・明るさ・ノイズ量・エッジプロファイル等を適宜加味したパターンの類似度を示す指標値（形状類似指標値）を算出し、前記形状類似指標値が高い類似画像ほど最終的に出力される高分解能画像に大きく反映させる。図４を用いて、前記形状類似指標値の算出例を説明する。パターン３０７−１を基準に画像復元処理を行うとして、パターン３０７−１の形状類似指標値を１とする（４０４−１）。パターン３０７−３はパターン３０７−１と形状がよく類似するので形状類似指標値０．８となっている（４０４−３）。パターン３０７−５は、例外領域４０２を取り除けばパターン３０７−１と形状がよく類似するので形状類似指標値は０．７となっている（４０４−５）。パターン４０４−２、４０４−４、４０４−６、４０４−７、４０４−８、４０４−９、４０４−１０はパターンを上下左右の反転、回転、歪み補正を加えれば形状が類似するが、前述の電子ビームのスキャン方向によってパターンエッジの画像プロファイルが異なっている可能性があるため、低い形状類似指標値となっている。パターン３０８−１〜３０８−４に関しても同様に形状類似指標値を算出している（４０５−１〜４０５−４）。
【００５６】
図４の４０６、および４０７はそれぞれ第一の類似領域群３０７−１〜３０７−１０、および第二の類似領域群３０８−１〜３０８−４の画像群を画像復元処理により高解像度化した画像である。また、前記高分解能画像を前記類似領域群が存在する位置に張り合わせた画像（合成高分解能画像）を生成することもできる。すなわち、画像復元処理は複数の類似領域の画像から類似領域群を代表する一枚の高分解能画像を生成する処理であるが、得られた高解像度画像からは類似領域群のパターン間の位置関係はわからない。一方で、前記合成高分解能画像においては、類似領域群のパターン間の位置関係が容易に分かる。本処理に加えて、高分解能化できなかった類似領域に関しては単純に入力画像を補間拡大した画素を張り合わせることで入力画像全体を高分解能化した画像（合成高分解能画像）を生成することもできる。図４の４０８は図３の入力画像３０１全体を高分解能化した画像の左上部を示したものである。ここでは入力画像３０１の類似領域群３０７−１、３０７−２、３０７−６、３０８−１に対応する位置４１０−１〜４１０−４に高分解能化した画像４０６および４０７を張り合わせている（４０９−１〜４０９−４）。
【００５７】
また、元の入力画像では前記類似領域間では多少パターンの形状が異なっていても、前述の方法では、最終的に出力される合成高分解能画像は全て同一のパターン形状となってしまう。このことを図５を用いて説明する。例えば入力画像５０１内のパターン５０２−１〜５０２−４はパターンエッジのラフネスがそれぞれ異なる。それに対して、類似領域群５０３−１〜５０３−４を抽出して画像復元処理を行うと一枚の高分解能な画像５０７が得られる。５０６は高分解能な画像５０７を類似領域群５０３−１〜５０３−４の位置に張り合わせて生成した合成高分解能画像である。５１０−１〜５１０−４は張り合わせた高分解能な画像５０７である。入力画像５０１全体を高分解能できているが、もともとあったパターン間の微妙な形状の違いがなくなっている。そこで、前記類似領域ごとに類似指標値を算出して画像復元処理を施す処理を行う。本処理のフローを図２３を用いて説明する。
まず、類似領域群抽出処理でＮ個の類似領域を抽出する（ステップ２３０１）。次に、前記類似領域群に含まれる第n番目の類似領域（第n類似領域、n=1〜N）に着目する（ステップ２３０２）。前記第n類似領域と第i類似領域間の画像の類似指標値w[n][i]（i=1〜N、i≠n）を算出する（ステップ２３０３）。そして、第n類似領域の高分解能画像（第n高分解能画像）を前記画像復元処理により生成する際には、前記類似指標値w[n][i]が高い類似領域の画像が前記第n高分解能画像に大きく反映するようにして画像復元処理を行う（ステップ２３０４）。例えば、各類似領域の画像を補間拡大して、それぞれを前記ｗ[n][i]を重みとした画像の重みつき加算平均処理を施すことで第n高分解能画像を生成することができる。また、数式２で示すように数式１の再構成型超解像処理に前記ｗ[n][i]を重みとして最小化することで高分解能画像を生成することもできる。
【００５８】
【数２】
【００５９】
ここで、数式２のXnは第n類似領域の高分解能画像を示す。以上の処理を各類似領域に対して繰り返す（ステップ２３０５）。そして、前記処理で生成した第n高分解能画像を前記第n類似領域に張り合わせる（ステップ２３０６）。これにより、各類似領域のパターン間の形状の特徴を保ちつつ入力画像全体を高分解能化することが可能となる。類似指標値の算出例を図５の５１０および５１１に示す。５１０および５１１内の類似領域５１１−１〜５１１−４および５１２−１〜５１２〜４は５０１内の類似領域５０３−１〜５０３−４に対応する。類似領域５１１−１に着目してこれを１としたとき（５０４−１）、５１１−２は５１１−１とパターンエッジのラフネスが類似しているため０．７と高い類似指標値となる（５０４−２）。一方で、パターン５１１−３、５１１−４はパターン５１１−１とパターンエッジのラフネスが異なるため低い類似指標値となる（５０４−３、５０４−４）。これら類似指標値５０４−１〜５０４−４を用いて画像復元処理を施すと高分解能画像５０９−１が得られる。同様に、類似領域５１２−３に着目した時の類似指標値は５０５−１〜５０５−４のようになり、この類似指標値５０５−１〜５０５−４を用いて画像復元処理を施すと高分解能画像５０９−３が得られる。このように、画像復元処理に同一の類似領域群を用いても、着目する類似領域毎に類似指標値を変更することで、パターン間の形状の違いを残しつつ入力画像全体を高分解能化することができる。
【００６０】
以上を図２のフローに戻って説明すると、ステップ２０８では、類似領域群から例外となるパターン領域・欠陥領域を除外したり類似領域群の画像間の類似度を重み付けしたりして、画像復元処理により高分解能画像生成が行われる。必要な全ての高分解能化処理が終了しない場合には、判別非類似領域とされた領域内にて更に類似領域群抽出を試み、ステップ２０４〜ステップ２０９が繰り返され、必要な全ての高分解能化処理が終了すると、次は上記の通り入力画像全体の高分解能化を図るべく、判別類似領域に高分解能画像の貼り付け処理、判別非類似領域に入力画像を補間拡大して貼り付け処理等が適宜実行される（ステップ２１０）。
【００６１】
さらに、前記画像復元処理で得られた高分解能の画像をＧＵＩ上に表示することもできる（ステップ２１１）。また、前記画像復元処理で得られた高分解能の画像に対して画像処理を用いてパターン寸法の計測（ステップ２１２）、あるいはパターンの輪郭線を抽出することもできる（ステップ２１３）。例えば、レジストパターンのような電子線照射の耐性が低い試料に対して、電子ビームの照射密度を抑えて低倍率で撮像したラインパターンやホールパターンの画像に対して、本処理により寸法を計測する領域の画像を高分解能化して高精度に計測することができる。また、欠陥を含む画像と同一パターンを持つ欠陥を含まない参照画像の一方又は両者を高分解能化し、これらの画像比較により欠陥を検出することもできる（ステップ２１４）。図６を用いて高分解能化した画像のパターン寸法の計測および輪郭線の抽出例を説明する。図６のパターン４０６は図３の類似領域３０７−１〜３０７−１０の画像群から画像復元処理を施して高分解能化したパターンの画像である。６０１はパターン４０６の一部の寸法を計測した結果を示す。また、６０２はパターン４０６のパターンの輪郭線を抽出した結果である。これらは1つの類似領域を高分解能化した画像を用いて行っているが、高分解能画像を張り合わせた合成高分解能画像４０８に対しても同様の処理を行うことができる。この場合、６０３のように高分解能化したパターン間の寸法も計測することができるし、合成高分解能画像４０８全体のパターンの輪郭線を抽出することもできる。
【実施例２】
【００６２】
実施例１においては入力画像から画像復元処理が実行できる領域を抽出しその領域を高分解能化する処理であったが、入力画像の一部のパターン形状のみを評価する場合においては入力画像の一部を高分解能化すれば十分なケースがある。その場合、入力画像を形状が類似するパターンを持つ領域群へ分割する処理が簡略化できる。この場合の処理フローについて図７を用いて説明する。なお、本実施例では説明を省略するが、実施例１および図２の処理フローにて説明した各種処理は必要に応じて適宜適用可能である。
【００６３】
まず、ＳＥＭを用いて入力画像を撮像する（ステップ２０１）。次に、画像復元処理を実行するパターン（着目パターン)を入力する（ステップ７０１）。着目パターンはＧＵＩに表示された入力画像を見ながらユーザが手動で入力してもよいし、ＥＤＡ（Electronic Design Automation）ツールで出力された欠陥が発生しうるＨＯＴＳＰＯＴと呼ばれる危険箇所の付近のパターンを入力してもよい。また、形状を評価するパターンは入力画像の中央付近に来るように撮像される場合が多いため、着目パターンとして入力画像の中央付近のパターンを用いてもよい。
【００６４】
次に、前記着目パターンと形状が類似する領域群（類似領域群）を入力画像から抽出する（ステップ７０２）。この抽出処理は実施例１のステップ２０５と同様にして、着目パターンの画像と入力画像とのパターンマッチング等を適宜用いることができる。なお、実施例１に記載した処理の本実施例への適用例として、必要に応じて、着目パターンの領域を適宜修正する等しても構わない。
【００６５】
次に、前記類似領域群の画像群から画像復元処理により着目パターンの１枚の高分解能画像を生成する（ステップ７０３）。その後、高分解能化した画像をＧＵＩ上に表示したり、パターン寸法を計測したり、パターンの輪郭線を抽出することができる（ステップ２１１〜２１３）。
【実施例３】
【００６６】
実施例１においては、入力画像内から形状が類似するパターンの領域を探索し、その領域の高分解能化を図っていたが、半導体パターンが密に存在しない場合には１枚の入力画像内に類似するパターンが存在しない場合がある。そこで、複数のＳＥＭ画像を画像復元処理に用いることでそのような場合においても入力画像の高分解能化を図ることが可能となる。その具体的な実施例について図８を用いて説明する。この処理により、一枚の画像ではなく複数の画像間に渡って形状が類似するパターンを含む領域群をより多く抽出することで、画像復元処理による高分解能化処理の性能を向上させることができる。なお、本実施例では説明を省略するが、実施例１および図２の処理フローにて説明した各種処理は必要に応じて適宜適用可能である。
【００６７】
まず、ＳＥＭを用いて試料を撮像して第１のＳＥＭ画像（第１の入力画像）を得る（ステップ２０１）。次に、第１の入力画像内に形状が類似するパターンが十分多く存在するか否かを判定する（ステップ８０１）。このとき、画像復元処理による高分解能化の効果が表れるほど十分な数の類似するパターンが存在しなければ、第２のＳＥＭ画像を取得して同様のステップ８０１の判定を行う。このような処理を繰り返して、複数の入力画像を取得する。ここで第２以降の入力画像の取得方法としては、第１の入力画像の撮像位置から隣接するチップあるいはセルの位置を撮像して取得してもよいし（ステップ８０２）、過去に撮像したＳＥＭ画像を格納した画像データベースから取得してもよい。画像データベースからの取得に関しては、第１の入力画像と撮像位置が近いＳＥＭ画像を画像データベースから取得しても良いし（ステップ８０３）、過去に撮像したＳＥＭ画像と第１の入力画像間で類似する形状を持つパターンが存在するか否かを判定して抽出してもよい（ステップ８０４）。
複数の入力画像により形状が類似するパターンが十分多く存在すると判定された場合には、図２のフローのステップ２０２に進み、以下同様の手順が適宜取られる。
【実施例４】
【００６８】
実施例１〜３の方法では入力画像を撮像するまで入力画像内に形状が類似するパターンを持つ領域が存在するかどうか判らない。また、類似するパターンを抽出するにあたって、入力画像がぼやけていたり低分解能あるいは低Ｓ／Ｎの場合、テンプレートマッチングなどの画像情報を基にした方法ではテンプレートマッチング自体がうまくいかない場合がある。そこで、設計データを用いることで、類似領域をオフライン（撮像装置不要）かつＳＥＭ画像の画質にロバストに探索する。図９を用いて設計データを用いて画像復元処理を実行するフローを説明する。なお、本実施例では説明を省略するが、実施例１および図２の処理フローにて説明した各種処理は必要に応じて適宜適用可能である。
【００６９】
まず、半導体回路パターンの設計データを入力する（ステップ９０１）。また、評価するパターンの座標値（評価座標）を入力する（ステップ９０２）。評価座標は、ユーザが設計データ上の座標をＧＵＩで指定してもよいし、ＥＤＡツールなどから出力される欠陥が発生しうる危険箇所（ＨＯＴＳＰＯＴ）を入力としてもよい。次に、前記評価座標を含むＳＥＭの撮像位置および撮像範囲（撮像視野）を設定する（ステップ９０４）。撮像条件はユーザ要求入力ステップ９０３で入力した撮像範囲やフレーム加算数などを入力することができる。次に、設計データ９０１を用いて前記撮像視野内から画像復元処理を行うパターン（基準パターン）の設定を行う（ステップ９０５）。基準パターンは前記評価座標あるいは撮像視野の中央近辺のパターンから選択してもよいし、ユーザがＧＵＩ上で基準パターンを指定してもよいし、複数の基準パターンを設定してもよい。次に、基準パターンに対して設計データを用いて最初に入力された撮像視野を基に撮像視野を必要に応じて再設定する（ステップ９０６）。再設定の方法として、例えば設計データ上で前記基準パターンと形状が類似するパターンをもつ領域（類似領域）を多く含むように撮像視野を決定することができる。これにより、画像復元処理において類似領域を多く入力すること可能となり、画像復元処理を用いてより高分解能の画像の生成が期待できる。また、画像復元処理においては類似領域の数だけではなく類似領域の画像間の類似度が高いほど高分解能の画像が復元できる。そこで、前記撮像視野の決定の際は、類似領域を多く含み、なおかつ前記類似領域の画像間の類似度が高くなるように撮像視野を決定することもできる。次に、設計データを用いて再設定した撮像視野内で前記基準パターンと類似するパターンを持つ領域群（類似領域群）を抽出する（ステップ９０７）。このように、類似領域の探索を設計データ上で行うことで、入力画像の画質（例えば、Ｓ／Ｎや量子化誤差）の影響を受けない探索を行うことができる。また、類似領域の探索は実施例１と同様にパターンの上下左右の反転や回転を許して探索することもできる。なお、ステップ９０１〜９０７の処理はＳＥＭを用いずにオフラインで実行することができる。ステップ９０１〜９０７で得られる撮像視野や抽出した類似領域群の情報をファイルに保存（ステップ９０８）して、そのファイルをＳＥＭが読み出して実行することで、類似領域の探索処理とＳＥＭによる画像の撮像処理が分離できる。次に、前記ファイルから撮像視野の情報を読み出して、前記撮像視野をＳＥＭで撮像してＳＥＭ画像（入力画像）を得る（ステップ９０９）。次に、前記入力画像と設計データとの位置合せを行う（ステップ９１０）。すなわち、実際のＳＥＭの撮像においてＳＥＭのステージ移動の精度や電子ビームのスキャン位置の精度に依存して入力画像が視野ずれを起こす。これにより設計データのパターンと入力画像のパターン間でずれが生じる恐れがあるため、ステップ９１０の位置合せが必要となる。次に、前記ファイルから類似領域群の情報を読み出して前記位置合せを行った入力画像から前記類似領域群が存在する位置の画像群（類似画像群）を切り出す（ステップ９１１）。設計データを用いて類似領域群を探索した例を図１０を用いて説明する。１００１は設定した撮像視野で、斜線で囲まれた領域１００２は前記撮像視野内の設計データのパターンを示す。１００３−１は設定された基準パターンである。１００３−２〜１００３−１０は基準パターンと形状が類似するものと判定されて抽出された類似領域群である。次に、設計データを用いて画像復元処理がうまくいくように撮像視野を再設定する例を図１１を用いて説明する。同図の斜線で囲まれた領域１１０１は入力された設計データのパターンである。１１０２−１はステップ９０４で設定された第１の撮像視野である。第１の撮像視野１１０２−１の中央付近のパターン１１０３−１が画像復元処理を行う対象となる基準パターンとして抽出されている。しかし、基準パターン１１０３−１に画像復元処理を適用しようとしても第１の撮像視野１１０２−１内には類似する形状を持つパターンが存在しないため、画像復元処理の適用ができない。そこで、このような場合には、前記基準パターン１１０３−１を含み、なおかつ基準パターン１１０３−１と形状が類似するパターンを持つ領域（類似領域）を多く含むように撮像視野を再設定する。１１０２−３は基準パターン１１０３−１を含み、なおかつ類似領域の数が最大となるように撮像位置を変更した結果である。この場合、パターンの上下左右の反転、回転を許して前記類似領域を探索した結果、６つの類似領域１１０３−４〜１１０３−９を抽出することができている。つまり、撮像視野を１１０２−１から１１０２−３に変更したＳＥＭ画像を取得することで、基準パターン１１０３−１に形容が類似する画像群を画像復元処理に多数入力することが可能となり、基準パターン１１０３−１の高分解能な画像を生成することができる。
【００７０】
また、実際のＳＥＭ画像は電子ビームのスキャン方向に依存してパターンエッジの画像プロファイルが変化する場合がある。すなわち、設計データ上ではパターン１１０３−４、１１０３−６〜１１０３−９は基準パターン１１０３−１を上下左右に反転させて一致させることができるが、ＳＥＭ画像上では前記スキャン方向があるため単純に画像を上下左右に反転させても画像の類似度が低い場合がある。このため、類似領域の数に加えてパターンの反転、回転の有無を評価値として撮像視野の再設定を行うこともできる。例えば、撮像視野１１０２−２は、視野内に含まれる類似領域の数は４つと撮像視野１１０２−３に比べて少ないが、基準パターンを左右反転させなくとも類似するパターンを３つ（１１０３−２、１１０３−３、１１０３−５）含んでいる（撮像視野１１０２−３の場合は１１０３−５の1つのみ）。ＳＥＭ画像が電子ビームのスキャン方向により大きく依存する場合は、撮像視野１１０２−２に再設定するほうがより高分解能な画像を生成できる可能性がある。また、再設定する撮像視野の候補を複数算出して、ＧＵＩ上でユーザに選択させることもできる。
【００７１】
また、前記類似画像群を用いて類似領域群のパターンの類似度の再評価を行うこともできる（ステップ９１２）。すなわち、前記類似領域群は設計データを用いて形状の類似度を判定して抽出していたが、ウェーハ上に形成される実パターンと設計データの形状が乖離する場合がある。例えば、設計データ上では同じ形状のパターンでも周囲のパターンや撮像位置によって変化する。また、異物などの欠陥によって設計データのパターンと実パターンが大きく異なる場合もありうる。そこで、設計データを用いて抽出した類似領域群に対応する画像データを用いて類似領域間の類似度を再評価する。この評価により、類似領域群間で類似するパターンを持つ領域群と持たない領域（例外領域群）に分割して、前記類似領域群から前記例外領域群を除外して画像復元処理を実行できる。ＳＥＭ画像を用いて類似領域群のパターンの類似度を再評価する例を図１２を用いて説明する。１２０１はステップ９０６で設定した撮像視野をＳＥＭにより撮像して取得したＳＥＭ画像である。１２０２−１〜１２０２−７はステップ９０１で入力したパターンの設計データである。ＳＥＭ画像１２０１はパターン１２０３−１〜１２０３−７を含む。１２０７−１〜１２０７−６はステップ９０７で抽出された類似領域群である。露光・現像・エッチングプロセスを経て形成されたパターン１２０３−１〜１２０３−７はコーナーの丸まり、パターンの細りなどの形状変形を含み、設計データのパターン形状と乖離が生じている。また、試料上の異物１２０４やパターンの欠け（１２０５）やパターンの広がり（１２０６）などのパターン欠陥を含み、パターンの一部の画像外観が大きく異なっている。このため、類似領域群１２０７−１〜１２０７−６の画像を用いて画像復元処理を行うと前記異物やパターン欠陥部の画像が最終的に出力される高分解能画像に大きく影響する可能性がある。そこで、部分領域群１２０７−１〜１２０７−６の画像を重ね合わせて画像比較を行い異物やパターン欠陥部を例外領域として抽出し、画像復元処理の際は類似領域群から前記例外領域を取り除いて画像復元処理を適用することで、これら欠陥部位の画像復元処理への影響を低減することができる。
上記のようにステップ９１２にて類似領域群のパターンの類似度を再評価した後、図２のフローのステップ２０８に進み、以下同様の手順が適宜取られる。
【実施例５】
【００７２】
本発明におけるＳＥＭで撮像したラインパターンの画像を高分解能化して高精度にパターン寸法を計測する実施例について図１３を用いて説明する。まず、パターン寸法を計測するラインパターンを含む視野をＳＥＭで撮像してＳＥＭ画像１３０１を得る。このとき、試料への電子線によるダメージを抑えるため電子ビームの照射量を抑えて低倍率で撮像する。このためＳＥＭ画像１３０１は低Ｓ／Ｎかつ画像分解能が低いため、画像処理を用いて高精度な寸法計測が困難となる。そこで、互いに形状が類似する領域１３０２−１〜１３０２−１２を抽出して、前記領域１３０２−１〜１３０２−１２内の画像間の位置合せを行って画像復元処理を施し、一枚の高分解能なＳＥＭ画像１３０３を得る。そして、前記高分解能なＳＥＭ画像１３０３に対してパターン寸法を計測する。ここで、パターン寸法を計測するラインパターンの領域はユーザがＧＵＩ上で第１の領域（例えば１３０２−１）を指定して、前記第１の領域のパターンと類似する領域をパターンマッチングによりＳＥＭ画像から抽出することができる（例えば１３０２−２〜１３０２−１２）。あるいは、前記第１の領域を撮像したＳＥＭ画像の中央付近のラインパターンを含むように自動で設定（例えば１３０２−８）してもよい。ここで、１３０７−１、１３０７−２のラインパターンは左右のいずれかに広いスペース領域を持つため、１３０８のラインパターンと寸法が異なっており類似領域として抽出されていない。次に高分解能化したラインパターンのＳＥＭ画像１３０３に対して、二つの測長ＢＯＸと呼ばれる画像処理範囲１３０５−１、１３０５−２を割り当て、二つの測長ＢＯＸ１３０５−１〜１３０５−２内でラインのエッジ位置を算出して両位置を比較することでラインパターンの寸法１３０４をより高精度に計測することができる。例えば、ラインのエッジ位置は測長ＢＯＸ１３０５−１〜１３０５−２内に含まれる画像データに対して、ラインのエッジに対して垂直方向に画像の濃淡値のプロファイルデータを取得し、前記プロファイルデータの勾配が大きく変化する位置、あるいは濃淡値のピーク位置をエッジ位置として抽出できる。ここで、各測長ＢＯＸで複数のエッジ位置を求めておき、その平均値を各測長ＢＯＸのエッジ位置としても良い。
【００７３】
次に、本発明におけるＳＥＭで撮像したホールパターンの画像を高分解能化して高精度にホールパターン径を計測する実施例について図１４を用いて説明する。まず、計測するホールパターンを含む視野をＳＥＭで撮像してＳＥＭ画像１４００を得る。この場合においても前述のラインパターンの場合と同様に、試料へのダメージを抑えて撮像したため、通常低Ｓ／Ｎ・低画像分解能の画像が得られている。次に、各ホールパターンの領域１４０１−１〜１４０１−１６を抽出して、前記領域１４０１−１〜１４０１−１６内の画像間の位置合せを行って画像復元処理を施し1つのホールパターンの高分解能な画像１４０２を取得する。続いて、前記高分解能な画像１４０２を用いてホールパターン径１４０３を計測する。ここで、画像復元処理に入力するホールパターンの領域群１４０１−１〜１４０１−１６を分割して（例えば、１４０１−１〜１４０１−４、１４０１−５〜１４０１−８、１４０１−９〜１４０１−１２、１４０１３−１〜１４０１−１６の４つのグループ）、分割した領域群毎に画像復元処理を施すことで複数の高解像度なホールパターンの画像１４０４−１〜１４０４−４を得ることもできる。前記複数のホールパターンの画像１４０４−１〜１４０４−４それぞれに対してホールパターン径１４０５−１〜１４０５−４を計測して、これらのホールパターン径１４０５−１〜１４０５−４の平均値やばらつきを評価することもできる。なお、上記グループ分けは４つに限れられず、適宜設定可能である。
【００７４】
次に、本発明におけるＳＥＭで撮像したＯＰＣ（Optical Proximity Correction）のついた複雑なマスクパターンの画像を高分解能化して高精度に形状を評価する実施例について図１５を用いて説明する。１５０１で示すようなＯＰＣのついた複雑なマスクパターンは類似する形状を持つパターンが少ないため画像復元処理を行うことが困難となる。そこで、類似する形状を持つパターンを含む複数のＳＥＭ画像１５０２−１〜１５０２−３を用いて画像復元処理を施して高分解能なＳＥＭ画像１５０３を得る。複数のＳＥＭ画像１５０２−１〜１５０２−３は、第１に撮像したＳＥＭ画像１５０２−１の撮像位置から隣接するチップあるいはセルの同一座標位置を撮像して取得することができる。生成した高分解能なＳＥＭ画像１５０３からパターンの輪郭線を抽出（１５０４）してマスクパターンの設計データ（１５０５）と比較して形状を評価することもできるし、前記輪郭線データを露光シミュレータに入力してウェーハ上に転写されるパターンの形状を予測することもできる。
【００７５】
次に、本発明におけるＳＥＭで撮像したダブルパターニングにより形成されたパターンの画像を高分解能化する実施例について図１６を用いて説明する。ここでダブルパターニングとは、密集したパターンを二つの密集度の低いパターンに分割して露光する技術であり、この二つのパターンを組み合わせることにより最終的にパターンの密集度を高めることができる。１６０１−１〜１６０１−２はダブルパターニングにより形成されたパターンを含む２枚のＳＥＭ画像で、１６０２−１〜１６０２−４は１６０１−１〜１６０１−２に対応するパターンの設計データである。１６０３−１〜１６０３−４は１回目の露光で形成されたパターンで、１６０４−１〜１６０４−４は２回目の露光で形成されたパターンである。ダブルパターニングにおいて、露光装置の位置合せ精度に依存して１回目と２回目で露光したパターンで位置ずれが発生する。パターン１６０３−１〜１６０３−２は設計データ１６０２−１〜１６０２−２よりも下側に位置ずれをおこした例を示す。したがって、単純に類似する形状を持つパターンの領域を１６０５−１〜１６０５−４のように抽出して画像復元処理を施しても、前記の１回目と２回目で露光したパターンのずれがあるため画像復元処理がうまくいかない。そこで、本発明では１回目と２回目で露光したパターンそれぞれに対して、画像復元処理を適用して１回目と２回目で露光したパターンそれぞれの高分解能な画像を生成することを特徴とする。１６０６−１〜１６０６−４は入力したＳＥＭ画像から抽出した1回目に露光したパターンを含む領域の画像で、１６０７−１〜１６０７−４は同様に2回目に露光したパターンを含む領域の画像である。１６０８は１６０６−１〜１６０６−４から画像復元処理を用いて生成した1回目に露光したパターンの高分解能な画像で、１６０９は同様に１６０７−１〜１６０７−４から画像復元処理を用いて生成した2回目に露光したパターンの高分解能な画像である。また、１６１０は１６０８と１６０９の結果を組み合わせて生成した１６０５−１の高分解能化した画像である。
【００７６】
また、画像処理によってエッジ位置を検出してパターンの寸法計測を行う場合は、パターンのエッジ周辺の画像プロファイルを高分解能化すれば十分である場合がある。そのような場合に対して、本発明を用いて入力画像からパターンのエッジ周辺の画像を高分解能する例を図２４を用いて説明する。２４０１はラインパターン２４０２を含む入力ＳＥＭ画像である。２４０３−１〜２４０３−８はラインパターン２４０２のエッジ周辺を含むように類似領域群を抽出した結果を示す。前記類似領域群２４０３−１〜２４０３−８を用いて、高分解能化した結果を２４０４に示す。前記高分解能化したラインパターンの画像２４０４を用いてラインパターン寸法２４０５を高精度に計測することができる。また、ラインパターンのみならず任意のパターンに対しても同様にパターンのエッジを高分解能化することができる。この例を図２４の２４０６のＳＥＭ画像を用いて説明する。２４０８は単純なラインパターンではなく曲線のエッジを含むパターンであるが、前記類似領域群を２４０７−１〜２４０７−１４で示すようにパターンのエッジ方向に垂直な領域として抽出することで、任意のパターン形状に対しても類似領域群の抽出が可能となりエッジ周辺の画像の高分解能化が実現する。２４０９は前記高分解能化したエッジ周辺の画像を前記類似領域群に対応する位置に張り合わせた結果である。２４０９を用いてパターン寸法を計測することもできるし、２４０９からパターンの輪郭線を抽出することもできる。このように、類似領域群を細かく設定することで、曲線に限らず、任意のパターンに対して高分解能化が可能である。
【実施例６】
【００７７】
本発明を欠陥検査に適用した実施例について図１７を用いて説明する。１７０１はＳＥＭを用いて撮像した検査対象となる画像（検査画像）で、１７０２は１７０１と同様の外観を持ち、なおかつ結果を含まない参照画像である。欠陥検査においては検査画像１７０１と参照画像１７０２を比較することで、欠陥部位（１７０４）を含む領域を抽出することができる。参照画像としては検査画像の隣接するチップのチップ上の同一座標を撮像して取得することができる。１７０３は前述の比較により抽出した欠陥領域である。１７０５は検査画像１７０１に対して、画像復元処理が適応可能な領域において形状が類似するパターンの領域（類似領域）を複数抽出した後に画像復元処理を施して高分解能な画像を生成して前記類似領域に張り合わせ、類似するパターンが存在しないため画像復元処理が適応できない領域においては検査画像１７０１の画素値を補間拡大した画像を張り合わせて、生成した高分解能な参照画像である。このように、画像復元処理が適用できる領域とできない領域に分けて処理することで単純な繰り返しパターンではない検査画像に対しても高分解能な参照画像が生成できる。また、前記高分解能な参照画像を前記検査画像と同じサイズに縮小することで前記比較検査に用いることもできる。また、１７０６に示すように高分解能な参照画像に前記欠陥領域１７０３に対応する検査画像を補間拡大して張り合わせて生成した検査画像全体を高分解能化することもできる。
【実施例７】
【００７８】
本発明におけるシステム構成の実施例を図１８を用いて説明する。図１８において１８０１はマスクパターン設計装置、１８０２はマスク描画装置、１８０３はマスクパターンのウェーハ上への露光・現像装置、１８０４はウェーハのエッチング装置、１８０５および１８０７はＳＥＭ装置、１８０６および１８０８はそれぞれ前記ＳＥＭ装置を制御するＳＥＭ制御装置、１８０９はＥＤＡ（Electronic Design Automation）ツールサーバ、１８１０はデータベースサーバ、１８１１はデータベースを保存するストレージ、１８１３は画像復元処理装置、１８１４は生成したパターン形状の計測・評価ツールサーバであり、これらはネットワーク１８１５を介して情報の送受信が可能である。また、同図においては例として二台のＳＥＭ装置１８０５、１８０７がネットワークに接続されているが、本発明においては、任意の複数台のＳＥＭ装置において撮像したＳＥＭ画像をデータベースサーバ１８１１に格納して共有することが可能である。また、１８０６、１８０８、１８０９、１８１０、１８１２〜１８１４を一つの装置１８１６に統合することもできる。本例のように任意の機能を任意の複数台の装置に分割、あるいは統合して処理させることが可能である。
【実施例８】
【００７９】
本発明における入力・出力情報の設定あるいは表示を行うＧＵＩの例を図１９〜図２１に示す。図１９〜図２１中のウィンドウ内に描画された各種情報は任意の組合せでウィンドウに分割してディスプレイ等に表示することができる。また、図中の＊＊はシステムに入力された、あるいは出力された任意の数値（あるいは文字列）や数値の範囲であることを示す。
【００８０】
図１９は、入力されたＳＥＭの画像を高分解能化する際の処理設定を行うＧＵＩの例である。１９０１は撮像したＳＥＭ画像で、ＳＥＭ画像１９０１内の網掛けでハッチングされた領域１９０２は配線パターンである。ＳＥＭ画像１９０１はボックス１９０３で示した撮像条件（撮像視野（ＦＯＶ）１９０４、加速電圧１９０５、ビーム電流値１９０６、フレームか算数１９０７）で撮像された画像である。このとき入力するＳＥＭ画像を複数枚撮像してもよいし、ＧＵＩ上に複数枚の入力ＳＥＭ画像を表示してもよい。ボックス１９０８でＳＥＭ画像１９０１から類似する形状を持つパターンを抽出するためのパラメータを設定する。設定項目としては、例えばここでは、パターンの上下反転を許容して探索するか否か（１９０９）、パターンの左右反転を許容して探索するか否か（１９１０）、パターンの回転を許容して探索するか否か（１９１１）、パターンの微小な歪みを許容して探索するか否か（１９１２）がある。パターンの回転は９０°、１８０°、２７０°の角度に限定して探索しても良いし、任意の角度で探索を行っても良い。微小な歪みとしてはアフィン変換などの線形な画像変換を用いてもよいし、二次変換などの多項式で表される歪みモデルを用いてもよい。ボタン１９２７を押すと、ＳＥＭ画像１９０１から抽出した形状が類似するパターンを持つ領域（類似領域群）を探索して抽出する。ボックス１９１３は、類似領域群を抽出する際のパターンの類似度のしきい値を設定する。ボックス１９１５およびボックス１９１６は、抽出された類似領域群であり、抽出された類似領域群の種類が分かるように、種類ごとに色分け等されて囲まれる。この場合、画像復元処理を行う対象となるパターン（基準パターン）の種類は二つとなり、それぞれの基準パターンを１９１７、１９１８に表示している。基準パターンはＳＥＭ画像１９０１から、類似するパターンが二つ以上となる領域を探索して自動で決定してもよいし、ユーザがＧＵＩ上で直接指定してもよい。ボックス１９１９、１９２０に各基準パターン１９１７、１９１８に対して抽出された類似領域群の画像を切り出して表示している（それぞれ、１９２１−１〜１９２１−１０、１９２２−１〜１９２２−４）。抽出された類似領域群に番号をつけて、入力ＳＥＭ画像上のパターンとの対応関係を表示することもできる（１９２３）。１９２４〜１９２６は、パターン上の欠陥部位の領域を抽出した結果である。欠陥領域は類似領域の画像と基準パターンあるいは類似領域の平均画像との画像の差分値をしきい値処理することで抽出可能である。欠陥抽出の際のしきい値はボックス１９１４で設定することができる。
【００８１】
図２０は画像復元処理の処理パラメータを設定するＧＵＩの例である。１９０１は入力されたＳＥＭ画像で、図１９と同様に探索に用いた基準パターン１９１７、１９１８と基準パターンに対応する類似領域群を表示している。ボックス２００１で画像復元処理のパラメータを設定する。例えば、ボックス２００２で画像の拡大率を設定することもできるし、ボックス２００３でＳＥＭで撮像された画像の劣化モデルのパラメータ値（ＳＥＭ装置のビーム径などの点広がり関数のモデルパラメータ値など）を設定することもできる。ボタン２００４を押すと、ボックス２００１で設定されたパラメータに従って画像復元処理が実行される。２００５、２００６は基準パターン１９１７、１９１８それぞれに対して画像復元処理を施して得られる高分解能画像である。類似領域ごとに類似度を評価して表示することもできるし（２００７−１〜２００７−１０、２００８−１〜２００８−４）、前記類似度を重みにして画像復元処理を実行することもできる。前記類似度は画像から自動で算出することもできるし、手動で設定することもできる。また、前記高分解能画像を類似領域群の存在する位置に張り合わせた結果を２００９に表示することもできる。ここで、画像復元処理で高解像度化できなかった領域（形状が類似するパターンが１つしかないパターンの領域、あるいは欠陥領域など）の画像は、単純に補間拡大を行って張り合わせることで、入力画像全体を擬似的に高解像度化することができる。
【００８２】
また、前記高分解能化した画像を処理してパターンの寸法を計測したり、輪郭線を抽出することもできる。パターンの寸法を計測する場合は、２０１０で示す測長ＢＯＸを指定して２０１１のボタンを押すことで指定したパターンの幅やギャップ、ピッチなどを計測することもできる。同様に２０１２のボタンを押して、入力画像全体あるいは指定したパターンの輪郭線を抽出することもできる。これらのパターンの形状評価は高解像度化した入力画像全体に適用できるし、基準パターンを高解像度化した画像２００５、２００６で行っても良い。
【００８３】
図２１は設計データを用いて画像復元処理を行う場合の処理設定を行うＧＵＩの例である。斜線で囲んだ領域２１０１は入力した設計データのパターンを示す。また、リスト２１０２からパターンを評価する座標（Ｅｖａｌｕａｔｉｏｎ Ｐｏｉｎｔ：ＥＰ）を選択してそれぞれの処理設定を行うこともできる。ＥＰの入力はユーザが与えてもよいし、ＥＤＡツールなどから出力される欠陥が発生しうる危険箇所（ＨＯＴＳＰＯＴ）を入力としてもよい。ボックス１９０３はＳＥＭの撮像条件（撮像視野（ＦＯＶ）１９０４、加速電圧１９０５、ビーム電流値１９０６、フレームか算数１９０７）を設定する。２１０３はＥＰ座標値を中心とした撮像視野を示し、２１０４−１は形状を評価するパターン（基準パターン）を示す。基準パターンはユーザが与えても良いし、設計データを用いてＥＰ座標値の近辺のパターンを抽出してもよい。ボタン２１１３を押すと撮像位置の最適化が行われる。２１０４−２〜２１０４−７は設計データを用いて基準パターン２１０４−１と類似するパターンを抽出した結果を示す。２１０５は設計データを用いて撮像視野内に基準パターンと類似するパターンを多く含むように最適した結果の撮像視野を示している。ボックス２１０６は、前記撮像視野最適化前後の撮像位置２１０７〜２１０８、撮像視野に含まれる基準パターン２１０４−１と形状が類似するパターンの領域数２１０９〜２１１０、抽出した類似領域群の平均類似度２１１１〜２１１２をそれぞれ表示している。また、類似するパターンの探索は図１９の場合と同様に、パターンの上下／左右反転、回転、微小な歪みを許容するか否かを指定することもできる（１９０９〜１９１２）。また、撮像視野最適化により得られた撮像視野を採用するか否かをチェックボックス２１１４で指定することもできる。
【００８４】
以上、本発明者によってなされた発明を実施形態に基づいて具体的に説明したが、本発明は上記実施形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。例えば、本実施形態では、走査伝顕微鏡（ＳＥＭ）を例にとって説明したが、これに限られるものではなく、走査型イオン顕微鏡（ＳＩＭ）又は走査型透過顕微鏡（ＳＴＥＭ）等の走査荷電粒子顕微鏡にも応用可能である。また、各実施例を項目分けして説明したが、必ずしも互いに独立したものではなく、必要に応じて各実施例で記載された内容を組み合わせて用いても構わない。
【００８５】
また、本願において開示される発明のうち代表的なものによって得られる効果を簡単に説明すれば、次のとおりである。すなわち、本発明によれば、走査荷電粒子顕微鏡を用いた画像撮像時の電子線照射による試料へのダメージを抑えつつ、高い分解能の画像を取得できる。これによりレジストパターンのような電子線照射の耐性が低い試料においても高分解能なＳＥＭ画像の取得が可能となり高精度なパターンの形状評価が実現する。この形状評価を基に半導体製造プロセスの最適化やフォトマスクのパターン設計において適切な判断を下すことができる。
【符号の説明】
【００８６】
101…半導体ウェーハ、102…電子光学系、103…電子銃、104…電子線（一次電子）、105…コンデンサレンズ、106…偏向器、107…ＥｘＢ偏向器、108…対物レンズ、109…二次電子検出器、110、111…反射電子検出器、112〜114…A/D変換器、115…処理・制御部、116…ＣＰＵ、117…画像メモリ、118…データベース（ストレージ）、119…画像復元処理装置、120…形状計測・評価ツールサーバ、121…ステージ、122、123…処理端末、
301、309…入力ＳＥＭ画像、302-1〜302-15…パターン、303…異物、304、305…パターン欠陥、306…画像復元処理を実行可能な領域、307-1〜307-10…類似するパターンを持つ領域群、308-1〜308-4…類似するパターンを持つ領域群、
401〜403…欠陥部位を含む領域、404-1〜404-1、405-1〜405-4…領域間のパターンの類似度、406、407…画像復元処理により入力画像の一部を高分解能化した画像、408…入力画像全体を高分解能化した画像、409-1〜409-4…画像復元処理により入力画像の一部を高分解能化した画像を張り合わせた結果、
501…入力ＳＥＭ画像、502-1〜502-4…パターン、503-1〜503-4…類似するパターンを持つ領域群、504-1〜504-4…503-1を基準とした領域間のパターンの類似度、505-1〜505-4…503-3を基準とした領域間のパターンの類似度、506…入力画像全体を高分解能化した結果、507…画像復元処理により高分解能化した画像、508…領域毎に画像復元処理のパラメータを変更して入力画像全体を高分解能化した結果、509-1〜509-4…領域毎の高分解能化した画像、510…503-1を基準とした類似指標値算出、511…503-3を基準とした類似指標値算出、
601…高分解能画像のパターンの寸法、602…高分解能画像のパターンの輪郭線、603…高分解能化したパターン間の寸法、
1001…撮像視野、1002…設計パターン、1003-1〜1003-10…類似するパターンを持つ領域群、
1101…設計パターン、1102-1〜1102-3…撮像視野、1103-1〜1103-9…類似するパターンを持つ領域群、
1201…入力ＳＥＭ画像、1202-1〜1202-7…設計パターン、1203-1〜1203-7…ＳＥＭ画像上の回路パターン、1204…異物、1205、1206…パターン欠陥、1207-1〜1207-6…類似するパターンを持つ領域群、
1301…入力ＳＥＭ画像、1302-1〜1302-12…類似するパターンを持つ領域群、1303…高分解能化したラインパターン、1304…ラインパターンの寸法、1305、1306…ラインエッジ位置を検出するための画像処理範囲（測長ＢＯＸ）、1307-1、1307-2…入力画像の中央のラインパターンと幅が異なるラインパターン、
1400…入力ＳＥＭ画像、1401-1〜1401-16…ホールパターンを含む領域群、1402…高分解能化したホールパターンの画像、1403…ホールパターン径の測長値、1404-1〜1404-4…高分解能化したホールパターンの画像群、1405-1〜1405-4…ホールパターン径の測長値群、
1501…ＯＰＣつきマスクパターン、1502-1〜1502-4…入力ＳＥＭ画像群、1503…入力ＳＥＭ画像群を高分解能化した結果、1504…高分解能化した画像から抽出したマスクパターンの輪郭線、1505…マスクパターンの設計形状、
1601-1、1601-2…入力ＳＥＭ画像、1602-1〜1602-2…1回目に露光するパターンの設計形状、1602-3〜1602-4…2回目に露光するパターンの設計形状、1603-1〜1603-4…1回目に露光されて形成されたパターン、1604-1〜1604-4…2回目に露光されて形成されたパターン、1605-1〜1605-4…類似するパターンを持つ領域群、1606-1〜1606-4…1回目に露光されたパターンの内類似するパターンを持つ領域群、1607-1〜1607-4…2回目に露光されたパターンの内類似するパターンを持つ領域群、1608…1回目に露光されたパターンの高分解能な画像、1609…2回目に露光されたパターンの高分解能な画像、1610…1回目および2回目に露光されたパターンの高分解能な画像、
1701…検査画像、1702…参照画像、1703…欠陥部位を含む領域、1705…高分解能化した参照画像、1706…高分解能化した検査画像、
1801…マスクパターン設計装置、1802…マスク描画装置、1803…露光・現像装置、1804…エッチング装置、1806、1807…SEM装置、1806、1808…SEM制御装置、1809…EDAツールサーバ、1810…データベースサーバ、1811…データベース、1812…撮像レシピ作成装置、1813…画像復元処理装置、1814…形状計測・評価ツールサーバ、1815…ネットワーク、1815…EDAツール、データベース管理、撮像レシピ作成、画像復元処理、形状計測・評価ツール、SEM制御用統合サーバ＆演算装置、
1901…入力ＳＥＭ画像、1902…パターン、1903…ＳＥＭ撮像条件設定ボックス、1904…撮像範囲の設定ボックス、1905…加速電圧値の設定ボックス、1906…ビーム電流値の設定ボックス、1907…フレーム加算数の設定ボックス、1908…類似パターンの探索設定ボックス、1909…探索に上下反転を許容するか否かのチェックボックス、1910…探索に左右反転を許容するか否かのチェックボックス、1911…探索に回転を許容するか否かのチェックボックス、1912…探索に微小歪みを許容するか否かのチェックボックス、1913…類似パターンの判定しきい値設定ボックス、1914…例外パターン検出しきい値設定ボックス、1915、1916…類似するパターンをもつ領域、1917、1918…画像復元処理を行う単位のパターン（基準パターン）、1919、1920…基準パターンに対する類似領域群を表示するボックス、1921-1〜1921-10、1922-1〜1922-4…類似するパターンをもつ領域群、1923…類似領域の番号、1924〜1926…例外領域、1927…類似領域探索を実行するボタン、
2001…画像復元処理設定ボックス、2002…画像拡大率設定ボックス、2003…画像劣化モデルパラメータ入力ボックス、2004…画像復元処理実行ボタン、2005、2006…画像復元処理結果、2007-1〜2007-10、2008-1〜2008-4…類似領域間のパターンの類似度、2009…入力ＳＥＭ画像全体を高分解能化した結果、2010…測長ＢＯＸ、2011…寸法計測実行ボタン、2012…輪郭線抽出処理実行ボタン、
2101…設計パターン、2102…ＥＰ選択リストボックス、2103…第１の撮像視野、2104-1〜2104-7…類似領域群、2105…最適化により決定した第２の撮像視野、2106…撮像視野最適化した結果を表示するボックス、2107…最適化前の撮像位置、2108…最適化後の撮像位置、2109…最適化前の撮像視野内に含まれる類似領域の数、2110…最適化後の撮像視野内に含まれる類似領域の数、2111…最適化前の類似領域間の平均類似度、2112…最適化後の類似領域間の平均類似度、2113…撮像視野最適化実行ボタン、2114…撮像視野最適化結果の採択可否のチェックボックス、
2201…パターン、2202-1〜2202-3…第１の類似領域群、2203-1〜2203-3…第２の類似領域群、2204-1〜2204-3…任意の領域をもつ類似領域群、2205…パターン、
2401…入力ＳＥＭ画像、2402…ラインパターン、2403-1〜2403-8…類似領域群、2404…高分解能化したラインパターン、2405…ラインパターンの寸法、2406…入力ＳＥＭ画像、2407…ライン端パターン、2408-1〜2408-14…類似領域群、2409…高分解能化したパターン
【技術分野】
【０００１】
本発明は、走査荷電粒子顕微鏡により撮像して取得した画像を画像処理により高分解能化する方法に関する。
【背景技術】
【０００２】
半導体ウェーハの配線パターンは、ウェーハにフォトレジストと呼ばれる感光剤を塗布した後に、露光装置を用いてフォトマスク上のパターンをウェーハに露光・現像することで形成される。微細な構造を有する半導体ウェーハの配線パターンを形成するにあたって、形成されたパターンの寸法や形状がデバイス特性の設計仕様に収まっているか否かを検査する形状検査や、パターンのショートや欠けあるいは異物といったデバイスの不良要因となる欠陥を検査する欠陥検査が重要となっており、これらの形状検査や欠陥検査において走査荷電粒子顕微鏡の一つである走査電子顕微鏡（ＳＥＭ）が用いられている。
【０００３】
形状検査に関しては、ＳＥＭで撮像した半導体パターンの画像を処理してパターンの寸法を計測したり、画像から抽出した二次元的なパターンの輪郭線を設計データと比較することでパターン形状の検査が行われる。前記形状検査の結果を基に、半導体ウェーハ上に良好な配線パターンを形成できるように半導体製造装置を調整する。また、半導体の微細化に伴い露光時の光の回折現象がパターン形成に影響を及ぼすようになっている。これに対して、光の回折現象による影響を見込んでフォトマスクのパターンにＯＰＣ（Optical Proximity Correction）と呼ばれる補助パターンを加えることでウェーハ上に良好な配線パターンを形成する技術がある。
【０００４】
欠陥検査に関しては、ＳＥＭで撮像して取得した検査画像と、検査画像と同様のパターンの外観を持ち、なおかつ欠陥を含まない参照画像と比較することで欠陥の有無を検査する。参照画像として検査画像のチップあるいはセルをずらして撮像した画像を用いることができるし、メモリセルといった繰り返しパターンの場合は１つのセルの画像データから検査画像に対応する参照画像を合成することもできる。また、欠陥の有無だけではなく欠陥の種別やサイズを判別する場合もある。欠陥検査により半導体デバイスの良否や不良原因となる欠陥の発生原因を解析することができる。
【０００５】
半導体パターンの微細化に伴い、パターンの高精度な形状検査や微小欠陥の検査の必要性が増しており、高分解能な画像を取得することが重要となっている。
ＳＥＭで高分解能な画像を取得する従来技術として、（１）加速電圧を高くすることで電子ビーム径を絞って撮像する電子光学系の設計による分解能向上技術や、（２）同一箇所のパターンに対して撮像位置を微小量ずらして複数回撮像して得た複数のＳＥＭ画像から画像復元処理を用いて一枚の高分解能な画像を得る画像処理による分解能向上技術がある（特許文献１）。
【先行技術文献】
【特許文献】
【０００６】
【特許文献１】特開２００６−１３９９６５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
しかしながら、上記（１）の従来技術に関しては、加速電圧を高くして電子ビーム径を絞ると高い分解能の画像は得られるものの、電子線による半導体ウェーハへのダメージが大きくなりパターンが変形するという問題がある。パターンの変形には、電子線照射によりパターンが縮むパターンシュリンクや、ウェーハ上に汚染物質が付着してパターンが太るコンタミネーションと呼ばれる現象が知られている。パターンが微細になるほど、このようなパターンの変形によるデバイス特性への影響が大きくなり問題となる。また、加速電圧を低くすると回折収差およびレンズ収差が大きくなるため分解能の低下が生じる。このように、電子光学系の設計による分解能向上に関しては、分解能と電子線照射による試料へのダメージはトレードオフが存在するため、分解能の向上と試料へのダメージの抑制を同時に満たすことは困難となる。
【０００８】
また、上記（２）の従来技術に関しては、画像復元処理で十分な分解能を持つ画像を得るには画像復元処理に形状が類似するパターンを含む画像（類似画像）を多く入力する必要がある。しかしながら、試料へのダメージを考慮すると撮像する画像の枚数に制限が生じるため、画像復元処理に入力する類似画像の枚数が少なくなり、十分な分解能を持つ画像を得ることが難しくなる。
【０００９】
本発明の目的は、上記課題を解決し、走査荷電粒子顕微鏡を用いた画像撮像時の電子線照射により試料へのダメージを抑えつつ、高い分解能の画像を取得する画像生成方法及びその装置、試料観察方法及びその装置を提供することにある。また、本発明の他の目的及び新規な特徴は、本明細書の記述及び添付図面から明らかになるであろう。
【課題を解決するための手段】
【００１０】
上記課題を解決するために、本発明では、以下のような特徴を有する走査荷電粒子顕微鏡ならびにそれを用いて半導体パターンの高分解能な画像を取得する方法とした。以下の説明では走査荷電粒子顕微鏡の例として、走査電子顕微鏡（Scanning Electron Microscope：ＳＥＭ）を例に説明するが、本発明はこれに限定されるものでなく、走査型イオン顕微鏡（Scanning Ion Microscope：ＳＩＭ）又は走査型透過電子顕微鏡（Scanning Transmission Electron Microscope：ＳＴＥＭ）等の走査荷電粒子顕微鏡にも応用することが可能である。
【００１１】
（１）本発明では、ＳＥＭを用いて半導体回路パターンの画像を撮像・取得して、前記画像から形状が類似するパターンを持つ領域を複数抽出し、複数の前記領域の画像を用いて画像復元処理を実行することを特徴とする。これにより、画像復元処理に形状が類似するパターンを含む画像を多数入力することが可能となり高分解能な前記パターンの画像を生成できる。
【００１２】
しかしながら、前記画像復元処理を実行するにあたって、ＳＥＭ画像から前記形状が類似するパターンを持つ領域の抽出が困難となる場合がある。例えば、メモリセルのようなパターンが周期的に繰り返している画像であればパターンの周期情報より容易に形状が類似する領域を抽出することができる。しかし、ロジックのように一部に特異なパターンを含んだり、非周期的な繰り返しパターンを含んだ場合は前記周期を用いた方法ではパターン形状が類似する領域を抽出できない。
【００１３】
そこで、本発明では、さらに、入力画像に前記画像復元処理が適用可能となる形状が類似するパターンを二つ以上持つ領域（判別類似領域）と、持たない領域（判別非類似領域）を判別して、前記判別類似領域に対して画像復元処理を適用することも特徴の一つとする。これにより、画像中に特異なパターンを含んでいてもこれを避けて画像復元処理が実行できる。
【００１４】
次に、画像復元処理において、前記判別類似領域から画像復元処理を施す領域群（類似領域群）を決定した後に、前記類似領域群の画像群（類似画像群）を用いて画像復元処理を行うことを特徴の一つとする。ここで、前記類似領域群はいずれも共通の類似するパターンを含むように決定する。画像復元処理においては、入力する類似画像群の数が多く、なおかつ前記類似画像群間が類似するほど高分解能の画像を生成することができる。これにより、メモリセルのような単純な周期的な繰り返しのパターンだけでなく、ロジックのような複雑なパターンを含む画像においても、部分的に類似するパターンが二つ以上存在すれば画像復元処理による高分解能化が可能となる。
【００１５】
しかしながら、判別類似領域から類似領域群を抽出するためには、類似領域を抽出する単位となる領域の位置およびサイズの決定がそもそも困難である。そこで、本発明では、前記類似領域群を決定するために、前記類似領域群を探索するための基準となる領域（基準領域）を設定して、前記基準領域と前記判別領域とのパターンマッチングにより類似領域群を抽出する。その際、類似領域群の数が多くなり、なおかつ、前記類似領域群の画像間の類似度が高くなるように基準領域と類似領域群を決定することも特徴の一つとする。すなわち、本発明では画像復元処理がうまくいくように、基準領域のサイズと位置、および類似領域群の数、および類似領域群の画像間の類似度を指標値として、基準領域を最適化することも特徴の一つとする。
【００１６】
また、前記画像復元処理で得られた高分解能の画像をＧＵＩ上に表示することを特徴とする。また、前記画像復元処理で得られた高分解能の画像に対して画像処理を用いてパターン寸法の計測、あるいはパターンの輪郭線を抽出することを特徴とする。例えば、ArFレジストのような電子線照射の耐性が低い試料に対して、電子線照射によるダメージを抑えるために低倍率で撮像してラインパターンやホールパターンの画像を取得した後に、画像復元処理により寸法を計測する領域の画像を高分解能化することが可能となり高精度な寸法の計測あるいは輪郭線の抽出が可能となる。
【００１７】
（２）前述のとおり上記項目（１）の画像復元処理においては、形状が類似する画像群を多く入力するほど高い分解能の画像が生成できる。一般に半導体パターンは左右／上下対称なパターンを多く含む。そこで、本発明では入力ＳＥＭ画像内の二つの類似領域間の画像の類似度を評価するにあたって、一方の類似領域の画像を回転あるいは反転して、もう一方の類似領域の画像と類似していれば、両類似領域間の画像の類似度を示す指標値を高くすることを特徴とする。
【００１８】
また、ＳＥＭの撮像において電子線照射による帯電等の影響により画像の一部が多少歪む場合がある。しかし、このような場合においても画像処理により歪みを補正すれば画像復元処理に利用できる可能性がある。そこで、本発明では前述の回転や反転に加えてパターンの多少の歪みを許して形状の類似度を評価することを特徴とする。さらに、画像復元処理に入力する類似領域群の各画像（入力類似画像）に対して前述の回転、反転、微小歪みを加えてから画像復元処理を行う。このようにパターンの類似度をある程度の変形を許して評価することで、画像復元処理に入力類似画像の数を増やすことができる。
【００１９】
（３）画像復元処理において、入力類似画像の数だけではなく入力類似画像間の類似度が高いことが望ましい。しかし、入力類似画像群の中にパターンの形状は類似していても明るさやノイズ量、あるいはパターンエッジの信号プロファイル（エッジプロファイル）などの画質が異なる画像が一部含まれる場合、最終的な復元画像がその一部の画像に大きな影響を受ける可能性がある。このような画質が変動する要因の1つに、ＳＥＭの撮像における電子ビームのスキャン方向がある。例えば、上記項目（２）で述べた左右反転させた画像はスキャン方向を反転させた時の画像のエッジプロファイルに近くなる。そこで本発明では、入力類似画像群の画質のばらつきに対して画像復元処理がロバストに動作するように、入力類似画像群それぞれに対してパターン形状あるいは画質の類似度を示す指標値（類似指標値）を算出し、前記類似指標値が高い類似画像ほど最終的に出力される高分解能画像に大きく反映されることを特徴とする。
【００２０】
（４）前記高分解能画像を前記類似領域群が存在する位置に張り合わせた画像（合成高分解能画像）を生成することを特徴とする。
すなわち、上記項目（１）の画像復元処理は類似領域群の画像群から前記類似領域群を代表する一枚の高分解能画像を生成する処理であるが、得られた高解像度画像からは前記類似領域群のパターン間の位置関係はわからない。一方で、前記合成高分解能画像においては、高分解能化した類似領域群のパターン間の位置関係が容易に分かる。また、本処理に加えて高分解能化できなかった領域に関しては、入力画像または入力画像を補間拡大した画像を張り合わせることで入力画像全体を部分的に高分解能化した画像を生成することもできる。例えば、欠陥を含む検査画像と参照画像との比較により欠陥領域を抽出し、前記欠陥領域を除いた領域で高分解能化を行い、前記欠陥領域においては入力画像を補間拡大した欠陥部の画像を張り合わせることで検査画像を高分解能化することができる。
【００２１】
また、前記入力画像において前記類似領域間で多少パターンの形状が異なっていても（類似領域として抽出される程度には形状が類似しているとする）、前述の方法で最終的に出力される合成高分解能画像では前記類似領域群のパターン形状は全て同一の外観となってしまう。そこで本発明では、前記類似領域ごとに上記項目（３）で述べた類似指標値を算出して画像復元処理を行うことを特徴とする。すなわち、前記類似領域群に含まれる第n番目の類似領域の高分解能画像（第n高分解能画像）を前記画像復元処理により生成する際には、前記第n番目の類似領域と他の類似領域群のパターン形状の類似度を示す指標値（類似指標値）を算出し、前記類似指標値が高い類似領域の画像が前記第n高分解能画像に大きく反映されることを特徴とする。これにより、各類似領域のパターン形状の特徴を保ちつつ入力画像全体を高分解能化することが可能となる。
【００２２】
また、前記合成高分解能の画像をＧＵＩ上に表示することを特徴とする。また、前記合成高分解能の画像に対して画像処理を用いてパターン寸法の計測、あるいはパターンの輪郭線を抽出することを特徴とする。
【００２３】
（５）上記項目（１）において、着目するパターン（着目パターン)を入力して、前記着目パターンを持つ領域の画像を高分解能化することを特徴とする。すなわち、パターン形状を評価する場合においては入力画像の一部を高分解能化すれば十分なケースがあり、その場合は高分解能化処理の簡略化・高速化ができる。具体的には、上記項目（１）の判別類似領域と判別非類似領域への分割、画像復元処理を施す領域の設定が省略できる。前記着目パターンは手動で入力したり、ＥＤＡ（Electronic Design Automation）ツールで出力された欠陥が発生しうるＨＯＴＳＰＯＴと呼ばれる危険箇所の付近のパターンを入力することを特徴とする。あるいは、形状を評価するパターンは入力画像の中央付近に来るように撮像される場合が多いため、着目パターンとして入力画像の中央付近のパターンを用いることもできる。また、画像復元処理により高分解能化した画像を処理してパターン寸法を計測したり、パターンの輪郭線を抽出することを特徴とする。
【００２４】
（６）ＳＥＭで撮像する撮像位置および撮像範囲（撮像視野）を設定し、前記撮像視野を含む回路パターンの設計データを入力して、前記設計データを基に上記項目（１）の類似領域群を決定することを特徴とする。
【００２５】
すなわち、上記項目（１）の方法では入力画像を撮像するまで入力画像内に形状が類似するパターンを持つ領域（類似領域）が存在するかどうか判らない。また、前記類似領域を抽出するにあたって、入力画像がぼやけていたり低分解能あるいは低Ｓ／Ｎの場合においては、テンプレートマッチングなどの画像情報を基にした類似領域の探索方法がうまくいかない場合がある。そこで本発明では、設計データを用いることで、オフライン（撮像装置不要）で前記類似領域を探索することを特徴とする。具体的には、設計データ上で形状が類似するパターンを含む領域群（類似領域群）を抽出して、抽出した類似領域群の情報をファイルに出力しておき、入力画像を撮像した後に前記ファイルから類似領域群の情報を読み込むことで、類似領域の探索処理と撮像処理が分離できる。また、類似領域の探索を設計データ上で行うことで、入力画像のぼけやＳ／Ｎ、量子化誤差にロバストな探索を行うことを特徴とする。
【００２６】
また本発明では、設計データを用いて最初に入力された撮像視野を再設定することを特徴とする。再設定の方法として、最初に入力された撮像視野とその周辺の設計データを用いて、前記類似領域を撮像視野内に多く含むような撮像視野を探索する。これにより、画像復元処理に入力する類似領域の数を増やせる。また、画像復元処理においては類似領域の数だけではなく類似領域の画像間の類似度が高いほど高分解能の画像が復元できる。そこで、本発明では前記撮像視野の決定の際は、類似領域を多く含み、なおかつ前記類似領域の画像間の類似度を示す指標値が高くなるように撮像視野を決定することを特徴とする。
【００２７】
しかしながら、前記類似領域群は設計データを用いて形状の類似度を判定して抽出していたが、ウェーハ上に形成される実パターン（実際に画像復元処理に用いるパターン）と設計データの形状が乖離する場合がある。例えば、設計データ上では同じ形状のパターンでも周囲のパターンの密度によって実パターン形状が変化する場合がある。また、異物などの欠陥によって設計データのパターンと実パターンの形状が部分的に大きく乖離する場合もありうる。そこで本発明では、設計データを用いて抽出した類似領域群の画像群を用いて類似領域間の類似度を再評価することを特徴とする。すなわち、前記類似領域群に含まれるそれぞれの類似領域内をさらに複数の領域（分割領域群）に分割し、前記分割領域群の画像間で類似する分割領域と類似しない分割領域（例外領域）とに判別し、前記類似領域群から前記例外領域を取り除いて画像復元処理を実行することを特徴とする。これにより、パターンの変形や異物などの欠陥にロバストな画像復元処理が実現する。
【００２８】
（７）上記項目（１）および（６）において、複数のＳＥＭ画像を取得して入力することを特徴とする。すなわち、一枚の画像ではなく複数のＳＥＭ画像間に渡って類似領域を抽出することで、類似領域の数を増やして画像復元処理による高分解能化処理の性能を向上させる。そのためには、複数のＳＥＭ画像間で形状が類似するパターンを含む必要がある。本発明においてそのようなＳＥＭ画像の取得方法として、第一に撮像したＳＥＭ画像から隣接するチップあるいはセル上の同一の相対座標を持つ位置を撮像して第２のＳＥＭ画像を取得することを特徴とする。この方法が有効な例としては、ＯＰＣが付いた複雑なマスクパターンがある。この場合、類似する形状を持つパターンが少ないため一枚のＳＥＭ画像で画像復元処理を行うことが困難となる。そこで、最初に撮像したＳＥＭ画像と同じパターンを持つと予想される隣接するチップあるいはセルのＳＥＭ画像を撮像してこれを画像復元処理に用いることで、ＯＰＣが付いた複雑なマスクパターンに対しても画像の高分解能化が可能となる。
【００２９】
その他の複数のＳＥＭ画像の取得方法として、これまで取得した画像をＳＥＭ装置に連結された画像データベースに格納しておき、入力画像の撮像位置と近い位置を撮像した画像が前記画像データベースに存在すれば、その画像を入力することを特徴とする。また、設計データが利用できる場合は、設計データ上で形状が類似するパターンを多く含む撮像視野を複数決定し、複数の前記撮像視野を撮像して得られる複数のＳＥＭ画像を用いることもできる。
【００３０】
以下、本願において開示される発明のうち代表的なものの概要を簡単に纏める。
【００３１】
（ａ）走査荷電粒子顕微鏡を用いて回路パターンが形成された試料を観測する観測方法であって、前記走査荷電粒子顕微鏡を用いて前記回路パターンを撮像して撮像画像を取得するステップと、前記取得した一の撮像画像から所定の判断基準に従って互いに形状が類似するパターンを含む複数の領域を抽出するステップと、前記抽出された互いに形状が類似するパターンを含む複数の領域の画像を用いて、前記複数の領域の画像よりも分解能が高い画像を生成するステップと、前記生成された前記複数の領域の画像よりも分解能が高い画像を用いて前記回路パターンを観測するステップと、を有する観測方法である。
【００３２】
（ｂ）（ａ）記載の観測方法であって、前記複数の領域を抽出するステップでは、前記所定の判断基準として、前記一の撮像画像から互いに形状が類似するパターンを含む領域をいくつ抽出できるか、及び、抽出しうる互いに形状が類似するパターンを含む領域の画像間でどれだけ類似しているか、を指標として判断し、前記複数の領域を抽出することを特徴とする観測方法である。
【００３３】
（ｃ）回路パターンが形成された試料を観測する観測装置であって、前記回路パターンを撮像して撮像画像を取得する走査荷電粒子顕微鏡と、前記取得した一の撮像画像から所定の判断基準に従って互いに形状が類似するパターンを含む複数の領域を抽出する手段と、前記抽出する手段により抽出された互いに形状が類似するパターンを含む複数の領域の画像を用いて、前記複数の領域の画像よりも分解能が高い画像を生成する手段と、前記生成された前記複数の領域の画像よりも分解能が高い画像を用いて前記回路パターンを観測する手段と、を有することを特徴とする観測装置である。
【００３４】
（ｄ）走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成方法であって、前記走査荷電粒子顕微鏡を用いて前記半導体回路パターンを撮像して取得した画像（入力画像）を入力する画像入力ステップと、前記入力画像内で形状が類似するパターンを少なくとも二つ以上持つ領域（判別類似領域)と持たない領域（判別非類似領域）とを判別する類似領域判別ステップと、前記判別類似領域内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定ステップと、画像復元処理により前記類似領域群の画像群から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成ステップを含むことを特徴とする画像生成方法であって、前記類似領域群に含まれる類似領域はいずれも形状が類似する共通のパターンを含み、前記類似領域群は前記類似領域の数および前記類似領域群の画像間の類似度を示す指標値（類似指標値）を基に決定されることを特徴とする画像生成方法である。
【００３５】
（ｅ）走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成装置であって、前記走査荷電粒子顕微鏡を用いて前記半導体回路パターンを撮像して取得した画像（入力画像）を入力する画像入力手段と、前記入力画像内で形状が類似するパターンを少なくとも二つ以上持つ領域（判別類似領域)と持たない領域（判別非類似領域）とを判別する類似領域判別手段と、前記判別類似領域内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定手段と、画像復元処理により前記類似領域群の画像群から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成手段を備えることを特徴とする画像生成装置であって、前記類似領域群に含まれる類似領域はいずれも形状が類似する共通のパターンを含み、前記類似領域群は前記類似領域の数および前記類似領域群の画像間の類似度を示す指標値（類似指標値）を基に決定することを特徴とする画像生成装置である。
【００３６】
（ｆ）走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成方法であって、前記走査荷電粒子顕微鏡を用いて前記半導体回路パターンを撮像して取得した画像（入力画像）を入力する画像入力ステップと、前記入力画像内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定ステップと、画像復元処理により前記類似領域群の画像群から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成ステップと、前記類似領域群が存在する位置に前記類似領域群に対応する前記高分解能画像群をそれぞれ張り合わせた画像（合成高分解能画像）を生成する合成高分解能画像生成ステップを含むことを特徴とする画像生成方法であり、前記高分解能画像生成ステップにおいて、前記類似領域群に含まれる第n番目の類似領域の高分解能な画像（第n高分解能画像）を前記画像復元処理で生成する際には、前記第n番目の類似領域と他の類似領域群の画像間の類似指標値を算出し、前記類似指標値が高い類似領域の画像が前記第n高分解能画像に大きく反映されることを特徴とする画像生成方法である。
【００３７】
（ｇ）走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成方法であって、前記走査荷電粒子顕微鏡を用いて前記半導体回路パターンを撮像して取得した画像（入力画像）を入力する画像入力ステップと、前記入力画像内で着目するパターン（着目パターン)を入力する着目パターン入力ステップと、前記着目パターンと形状が類似するパターンを持つ領域群（類似領域群）を前記入力画像内から決定する類似領域群決定ステップと、画像復元処理により前記類似領域群の画像群から前記着目パターンを持つ領域の高分解能な画像（高分解能画像）を生成する高分解能画像生成ステップと、前記高分解能画像を処理して前記着目パターンの寸法を計測、あるいは前記着目パターンの輪郭線を抽出するパターン形状評価ステップを含むことを特徴とする画像生成方法である。
【００３８】
（ｈ）走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成方法であって、前記走査荷電粒子顕微鏡を用いて前記半導体回路パターンを複数回撮像して取得した複数の画像（入力画像群）を入力する画像群入力ステップと、前記入力画像群間で形状が類似するパターンを少なくとも二つ以上持つ領域（判別類似領域)と持たない領域（判別非類似領域）とを判別する類似領域判別ステップと、前記判別類似領域内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定ステップと、画像復元処理により前記類似領域群の画像群から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成ステップを含むことを特徴とする画像生成方法であり、前記類似領域群に含まれる類似領域はいずれも形状が類似する共通のパターンを含み、前記類似領域群は前記類似領域の数および前記類似領域群の画像間の類似度を示す指標値（類似指標値）を基に決定されることを特徴とする画像生成方法である。
【００３９】
（ｉ）走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成方法であって、前記走査荷電粒子顕微鏡で撮像する視野位置および撮像範囲（撮像視野）を設定する撮像視野設定ステップと、前記撮像視野を少なくとも含む視野内の設計データを入力する設計データ入力ステップと、前記撮像視野を前記走査荷電粒子顕微鏡により撮像して取得した画像（入力画像）を入力する画像入力ステップと、前記設計データを基に前記撮像視野内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定ステップと、画像復元処理により前記類似領域群の画像群（類似画像群）から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成ステップを含むことを特徴とする画像生成方法であり、前記類似領域群に含まれる類似領域のいずれも前記設計データ上で形状が類似する共通のパターンを含み、前記類似領域群は前記設計データを基に算出される類似領域の数および前記類似領域群の画像間の類似度を示す指標値を基に決定することを特徴とする。
【００４０】
（ｊ）走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成方法であって、前記走査荷電粒子顕微鏡で撮像する撮像位置および撮像範囲（撮像視野）を複数入力する撮像視野群入力ステップと、複数の前記撮像視野を含む複数の視野内の設計データを入力する設計データ入力ステップと、複数の前記撮像視野を前記走査荷電粒子顕微鏡により撮像して取得した画像群（入力画像群）を入力する画像群入力ステップと、前記設計データを基に複数の前記撮像視野内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定ステップと、画像復元処理により前記類似領域群の画像群（類似画像群）から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成ステップを含むことを特徴とする画像生成方法であり、前記類似領域群決定ステップにおいて、前記類似領域群のいずれも前記設計データ上で形状が類似する共通のパターンを含み、前記類似領域群は前記設計データを基に算出される前記類似領域の数および前記類似領域群の画像間の類似度を示す指標値を基に決定されることを特徴とする画像生成方法である。
【００４１】
（ｋ）走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成方法であって、前記走査荷電粒子顕微鏡を用いて前記半導体回路パターンを撮像して取得した画像（入力画像）を入力する画像入力ステップと、前記入力画像内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定ステップと、画像復元処理により前記類似領域群の画像群から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成ステップと、前記類似領域群に含まれるそれぞれの類似領域内をさらに複数の領域（分割領域群）に分割し、前記分割領域群の画像間で類似する分割領域（類似分割領域）と類似しない分割領域（例外領域）とに判別する例外領域判別ステップと、前記類似分割領域が存在する位置に前記類似分割領域に対応する高分解能画像を張り合わせ、また、前記例外領域に対応する前記入力画像を補間拡大した画像を前記例外領域が存在する位置に張り合わせた画像（合成高分解能画像）を生成する合成高分解能画像生成ステップを含むことを特徴とする画像生成方法である。
【発明の効果】
【００４２】
本発明によれは、走査荷電粒子顕微鏡を用いた画像撮像時の電子線照射により試料へのダメージを抑えつつ、高い分解能の画像を取得する画像生成方法及びその装置、試料観察方法及びその装置を提供することができる。
【図面の簡単な説明】
【００４３】
【図１】本発明を実現するためのＳＥＭ装置の構成を示す図である。
【図２】本発明におけるＳＥＭ画像を一枚入力して画像の高分解能化を行う場合の処理全体のフローを示す図である。
【図３】本発明における入力したＳＥＭ画像から類似するパターンの抽出を示す図である。
【図４】本発明における抽出した複数の類似パターンの画像からの高分解能な画像の生成を示す図である。
【図５】本発明における抽出した類似するパターンの領域毎に画像復元処理のパラメータを変更して高分解能な画像を生成した例を示す図である。
【図６】本発明における生成した高分解能画像からのパターンの形状評価を示す図である。
【図７】本発明における着目するパターンを高解像度化する場合の処理全体のフローを示す図である。
【図８】本発明における複数枚入力したＳＥＭ画像を用いて一枚の高分解能な画像を生成する場合の処理全体のフローを示す図である。
【図９】本発明における設計データを用いてＳＥＭ画像の高分解能化を行う場合の処理全体のフローを示す図である。
【図１０】本発明における設計データを用いた形状が類似するパターンの抽出を示す図である。
【図１１】本発明における設計データを用いた撮像視野決定を示す図である。
【図１２】本発明における設計データとＳＥＭ画像上のパターンの乖離の例を示す図である。
【図１３】本発明のラインパターンへの適用を示す図である。
【図１４】本発明のホールパターンへの適用を示す図である。
【図１５】本発明の複雑なマスクパターンへの適用を示す図である
【図１６】本発明のダブルパターニングを経て得られたパターンへの適用を示す図である。
【図１７】本発明の欠陥検査への適用を示す図である。
【図１８】本発明におけるシステム全体を示す図である。
【図１９】本発明における類似するパターンの抽出パラメータを設定するＧＵＩを示す図である。
【図２０】本発明における画像復元処理パラメータを設定するＧＵＩを示す図である。
【図２１】本発明における設計データを用いて撮像視野を決定するＧＵＩを示す図である。
【図２２】本発明における画像復元処理を行う領域の決定を示す図である。
【図２３】本発明における画像復元処理を行う領域毎に画像復元処理に入力する画像の重みを変更して画像復元処理を実行するフローを示す図である。
【図２４】本発明のパターンエッジへの適用を示す図である。
【発明を実施するための形態】
【００４４】
本発明は、走査荷電粒子顕微鏡を用いて、高分解能な画像を生成する装置およびその方法に関する発明である。以下、本発明に係る実施の形態を、走査電子顕微鏡（Scanning Electron Microscope：ＳＥＭ）に適用した場合について説明する。
1. ＳＥＭの装置構成
図１に試料の二次電子像（Secondary Electron：ＳＥ像）あるいは反射電子像（Backscattered Electron：ＢＳＥ像）を取得するＳＥＭの構成概要のブロック図を示す。また、ＳＥ像とＢＳＥ像を総称してＳＥＭ画像と呼ぶ。また、ここで取得される画像は測定対象を垂直方向から電子ビームを照射して得られたトップダウン画像、あるいは測定対象に対して任意の傾斜角方向から電子ビームを照射して得られたチルト画像の一部または全てを含む。
【００４５】
電子光学系１０２は内部に電子銃１０３を備え、電子線１０４を発生する。電子銃１０３から発射された電子線はコンデンサレンズ１０５で細く絞られた後、ステージ１２１上に載置された試料である半導体ウェーハ１０１上の任意の位置において電子線が焦点を結んで照射されるように、偏向器１０６および対物レンズ１０８により電子線の照射位置と絞りとが制御される。電子線を照射された半導体ウェーハ１０１からは、２次電子と反射電子が放出され、偏向器１０７によって照射電子線の軌道と分離された２次電子は２次電子検出器１０９により検出される。一方、反射電子は反射電子検出器１１０および１１１により検出される。反射電子検出器１１０と１１１とは互いに異なる方向に設置されている。２次電子検出器１０９および反射電子検出器１１０および１１１で検出された２次電子および反射電子はA/D変換機１１２、１１３、１１４でデジタル信号に変換され、処理・制御部１１５に入力されて、画像メモリ１１７に格納され、ＣＰＵ１１６で目的に応じた画像処理が行われる。本発明においては画像メモリ１１７に格納されたＳＥＭ画像に対して画像復元処理を施し前記ＳＥＭ画像の高分解能化を行う。あるいは、前記ＳＥＭ画像をデータベース１１８に格納しておき、画像復元処理装置１１９を用いて前記ＳＥＭ画像の高分解能化を行うこともできる。また、前記ＳＥＭ画像あるいは高分解能化した前記ＳＥＭ画像に対して形状計測・評価ツールサーバ１２０を用いてパターンの寸法や形状の評価を行うこともできる。１１６、１１７、１１９、１２０は処理端末１２２、１２３（ディスプレイ、キーボード、マウス等の入出力手段を備える）と接続されており、ユーザに対して処理結果等を表示する、あるいはユーザからの入力を受け付けるＧＵＩ（Graphic User Interface）を備える。
【００４６】
なお、図１では反射電子像の検出器を２つ備えた実施例を示したが、前記反射電子像の検出器をなくすことも、数を減らすことも、数を増やすことも可能である。また、ここでは処理端末１２２、１２３が独立に存在する例を示したが、処理端末は一つであってもよく、ネットワークを介して遠隔に配置されていても構わない。
２．画像高分解能化処理
以下に本発明に係るＳＥＭを用いて撮像したＳＥＭ画像を高分解能化する実施例について述べる。いずれの実施例においても、ＳＥＭを用いて撮像・取得した半導体回路パターンの画像から形状が類似するパターンを持つ領域（類似領域）を複数抽出し、抽出した複数の領域の画像データを用いて画像復元処理を実行することを特徴とする。これにより、撮像・取得した半導体回路パターンの画像が少なくとも、画像復元処理に多数の画像データを入力することが可能となり、試料へのダメージを抑えつつ画像の高分解能化を実現する。
【００４７】
画像復元処理としては、例えば複数の類似するパターン形状を持つ画像群を入力して、それぞれの画像群をサブピクセルレベルで位置合せを行った後に、アップサンプリングした各画像の加算平均をとって一枚の高解像度画像を生成する処理を用いてもよい。あるいは、ＳＥＭの撮像による画像劣化モデル（ＳＥＭの電子ビームによる画像のぼけ、ノイズ、濃淡値の量子化、ダウンサンプリングなど）を用いて、撮像された画像群から前記画像劣化の影響を取り除いた画像を推定する方法を用いても良い。この場合、画像復元後の画像は数式１に記載したＤ（Ｘ）を最小化することで求めることができる。
【００４８】
【数１】
【００４９】
前記数式１のＹiは撮像されたＮ枚の画像群のi番目の画像、Ｘは画像復元処理により推定する高分解能画像、Ｓiは撮像されたi番目の画像のサブピクセルの位置ずれ量、Ｆは画像のぼけを示す作用で、Ｄは量子化による作用である。数式１の第１項は高分解能な画像Ｘが様々な画像劣化要因を受けて観測された画像Ｙiとの誤差を示す項で、第２項は復元する高分解能な画像Ｘに関する事前知識（例えば、Ｘの画素値の連続性など）を評価する項である。数式１を最小化して高分解能な画像を復元する処理は再構成型超解像処理とも呼ばれる。
【実施例１】
【００５０】
図２に本発明に係るＳＥＭを用いて撮像した一枚の画像を高解像度化するフローを示す。まず、ＳＥＭを用いて試料を撮像してＳＥＭ画像（入力画像）を取得する（ステップ２０１）。次に、画像復元処理に入力する形状が類似したパターンを含む領域群（類似領域群）を抽出する（ステップ２０３）。しかしながら、前記ＳＥＭ画像に含まれるパターンによっては前記類似領域を抽出すること自体が困難となる場合がある。例えば、図１７の１７０７に示すようなメモリセルの場合は１つのパターンが周期的に繰り返しているため、１周期分のパターンのテンプレート（図１７の１７０８で示す領域内の画像データ）およびパターンの周期（Ｘ方向の周期１７０９、Ｙ方向の周期１７１０）を入力すれば前記テンプレートを前記周期分だけずらして領域を切り出すことで容易に類似領域を抽出することができる。しかしながら、図１７の１７０２に示すように、一部に特異なパターン（図１７の１７１１、１７１２）を含んだ場合は前記類似領域の抽出自体が困難となる。そこで、ステップ２０３を実行する前に必要に応じて入力画像に前記画像復元処理が適用可能となる形状が類似するパターンを二つ以上持つ領域（判別類似領域）と、持たない領域（判別非類似領域）を判別する（ステップ２０２）。そして、前記判別類似領域のみから抽出した類似領域群に対して画像復元処理を適用する。ここで、前記判別類似領域と判別非類似領域との判別方法として、入力画像を細かい領域に分割して、分割した各領域の画像と類似する画像が入力画像中に存在するか否かを判定することで実行可能である。なお、細かい領域に分割する際には、例えば設計データを用いても、過去に同種ウェーハを処理した際に設定したデータを用いてもよく、ユーザが撮像画像を見ながら分割単位を設定するようにしても構わない。この判別処理により、入力ＳＥＭ画像中に特異なパターンを含んでいてもこれを避けて画像復元処理が実行できる。
【００５１】
次に、ステップ２０２で判別した判別類似領域内から前記類似領域群を抽出する方法について述べる。まず、前記類似領域群を探索するための基準となるテンプレート（基準テンプレート）を設定する（ステップ２０４）。そして、前記基準テンプレートと前記判別類似領域とのパターンマッチングを行い、基準テンプレートと類似する領域群（類似領域群）を抽出する（ステップ２０５）。次に、前記類似領域群の数および前記類似領域群の画像間の類似度を示す指標値（類似指標値）を算出する（ステップ２０６）。前記類似指標値が低ければ、前記基準テンプレートの位置およびサイズを変更して再びステップ２０４に戻る（ステップ２０７）。このように、画像復元処理に入力する基準テンプレートおよび類似領域群の最適化を行う。具体的に、非周期パターンを含むＳＥＭ画像に対して基準テンプレートと類似領域群を決定する例を図２２を用いて説明する。２２０１はＳＥＭ画像内のパターンである。まず、２２０２−１を基準テンプレートとして設定する。この場合、基準テンプレート２２０２−１のパターンと類似する２２０２−２と２２０２−３が類似領域群として抽出される。しかし、類似領域２２０２−２は基準テンプレート２２０２−１に含まれないパターン２２０５を含んでいるため、これらの類似領域群を用いて画像復元処理を行うと、得られる高分解能画像に２２０５のパターンが表れて不自然な結果となる恐れがある。そこで、前記基準テンプレートのサイズを少し小さくして第２の基準テンプレート２２０３−１を設定する。この場合、２２０３−２、２２０３−３が類似領域群として抽出される。これらの類似領域群を用いて画像復元処理を行うと、先ほどの場合のような２２０５のパターンが高分解能画像には表れない。なお、前記基準テンプレートは矩形に限らず、２２０４−１〜２２０４−３のように設定してもよく、任意の形状で設定可能である。また、ここでは基準テンプレート２２０２−１に含まれないパターン２２０５を含む場合の対策として、基準テンプレートを再設定する例を示したが、後に詳説するように、２２０２−２を用いず、２２０２−１と２２０２−３のみを類似領域群として抽出するようにしても構わない。このような基準テンプレートは、端末装置のＧＵＩ上に表示された入力画像を見ながら、ユーザがＧＵＩ上で適宜選択するなどして設定可能である。
【００５２】
続いて、前記類似領域群の画像群（類似画像群）を用いて画像復元処理を行う（ステップ２０８）。前述のとおり画像復元処理においては、形状が類似する画像群を多く入力するほど高い分解能の画像が生成できる。一般に半導体パターンは左右／上下対称なパターンを多く含む。そこで、二つの類似領域間の画像の類似度を評価するにあたって、一方の類似領域の画像を回転あるいは反転した画像と、もう一方の類似領域の画像が類似すれば、両類似領域間の画像の類似度を高くする。また、ＳＥＭの撮像において電子線照射による試料への帯電等の影響により画像の一部が歪む場合がある。しかし、このような場合においても画像処理により歪みを補正すれば画像復元処理に利用できる可能性がある。そこで、前述の回転や反転に加えてパターンの多少の歪みを許して形状の類似度を評価する。また、画像復元処理においては入力する画像群に対して前述の回転、反転、微小歪みを加えてから画像復元処理を行うこともできる。このようにパターンの類似度をある程度の変形を許して評価することで、画像復元処理に入力する画像群の数を増やすことができる。
【００５３】
図３に判別類似領域および類似領域群の抽出例を示す。３０１はＳＥＭで撮像した入力画像で、パターン３０２−１〜３０２−１５を含む。パターン３０２−４は異物３０３を含み、パターン３０２−５はパターンの一部が欠けており（３０４）、パターン３０２−８はパターンの一部が太っている（３０５）。また、パターン３０２−１０は斜め方向に歪んでいる。パターン３０２−1、３０２−２、３０２−３、３０２−７、３０２−９、３０２−１０、３０２−１５はパターンの上下左右の反転、９０度の回転、あるいは斜め方向の歪み補正を施せば形状が一致する。同様にパターン３０２−６、３０２−１２、３０２−１３、３０２−１４もパターンの左右反転を行えば形状が一致する。また、パターン３０２−４、３０２−８、３０２−５は一部に異物３０３あるいはパターン欠陥３０４、３０５を含むがそれ以外のパターンが類似する。３０９は３０１と同一のＳＥＭ画像を示す。判別類似領域は３０９内の斜線で囲まれた領域３０６として抽出される。続いて、判別類似領域３０６から類似領域群を抽出すると、３０７−１〜３０７−１０と３０８−１〜３０８−４の２種類のパターン形状を含む類似領域群が抽出される。画像復元処理ステップ２０８においては、第一の類似領域群３０７−１〜３０７−１０、および第二の類似領域群３０８−１〜３０８−４それぞれに対して画像復元処理を施すことになる。
【００５４】
また、画像復元処理ステップ２０８において、画像復元処理に入力する類似画像群に異物やパターン欠陥などが含まれた場合、最終的に出力される高分解能画像において前記異物やパターン欠陥の画像が反映され不自然な画像となる可能性がある。そこで、抽出した類似領域群からこれらの異物やパターン欠陥などの例外となる領域（例外領域）を抽出し、類似領域群から前記例外領域を取り除いた画像群を用いて画像復元処理を行うこともできる。図４を用いて例外領域の抽出例を説明する。図４の３０７−１〜３０７−１０および３０８−１〜３０８−４は図３の入力画像３０１から抽出した類似領域群である。４０１〜４０３は図３の異物３０３、パターン欠陥３０４、３０５を含む領域を例外領域として抽出した結果である。具体的に例外領域の抽出方法としては、第一の類似領域群３０７−１〜３０７−１０の画像を上下左右の反転、回転、あるいは微小歪みを加えて画像群を一致させた後に、それらの平均画像を生成する。そして、その平均画像と前記画像群それぞれの画像の差分値を算出して、その差分値が大きな画素を例外領域として抽出することができる。
【００５５】
画像復元処理ステップ２０８において、前記例外処理により異物やパターン欠陥など画素値が大きく異なる領域を取り除いても、画像復元処理に入力する類似画像群において、パターンの形状は類似するものの明るさやノイズ量、パターンエッジの信号プロファイル（エッジプロファイル）などの画質が異なる類似画像が含まれる場合がある。この場合、最終的に復元した高解像度画像がその画質が異なる一部の類似画像に大きく影響を受ける可能性がある。このような画質が変動する要因として、ＳＥＭの撮像における電子ビームのスキャン方向などがある。そこで、画像復元処理に入力する画像群の画質のばらつきに対して画像復元処理がロバストに動作するように、画像復元処理に入力する類似領域画像群それぞれに対してパターンの形状・明るさ・ノイズ量・エッジプロファイル等を適宜加味したパターンの類似度を示す指標値（形状類似指標値）を算出し、前記形状類似指標値が高い類似画像ほど最終的に出力される高分解能画像に大きく反映させる。図４を用いて、前記形状類似指標値の算出例を説明する。パターン３０７−１を基準に画像復元処理を行うとして、パターン３０７−１の形状類似指標値を１とする（４０４−１）。パターン３０７−３はパターン３０７−１と形状がよく類似するので形状類似指標値０．８となっている（４０４−３）。パターン３０７−５は、例外領域４０２を取り除けばパターン３０７−１と形状がよく類似するので形状類似指標値は０．７となっている（４０４−５）。パターン４０４−２、４０４−４、４０４−６、４０４−７、４０４−８、４０４−９、４０４−１０はパターンを上下左右の反転、回転、歪み補正を加えれば形状が類似するが、前述の電子ビームのスキャン方向によってパターンエッジの画像プロファイルが異なっている可能性があるため、低い形状類似指標値となっている。パターン３０８−１〜３０８−４に関しても同様に形状類似指標値を算出している（４０５−１〜４０５−４）。
【００５６】
図４の４０６、および４０７はそれぞれ第一の類似領域群３０７−１〜３０７−１０、および第二の類似領域群３０８−１〜３０８−４の画像群を画像復元処理により高解像度化した画像である。また、前記高分解能画像を前記類似領域群が存在する位置に張り合わせた画像（合成高分解能画像）を生成することもできる。すなわち、画像復元処理は複数の類似領域の画像から類似領域群を代表する一枚の高分解能画像を生成する処理であるが、得られた高解像度画像からは類似領域群のパターン間の位置関係はわからない。一方で、前記合成高分解能画像においては、類似領域群のパターン間の位置関係が容易に分かる。本処理に加えて、高分解能化できなかった類似領域に関しては単純に入力画像を補間拡大した画素を張り合わせることで入力画像全体を高分解能化した画像（合成高分解能画像）を生成することもできる。図４の４０８は図３の入力画像３０１全体を高分解能化した画像の左上部を示したものである。ここでは入力画像３０１の類似領域群３０７−１、３０７−２、３０７−６、３０８−１に対応する位置４１０−１〜４１０−４に高分解能化した画像４０６および４０７を張り合わせている（４０９−１〜４０９−４）。
【００５７】
また、元の入力画像では前記類似領域間では多少パターンの形状が異なっていても、前述の方法では、最終的に出力される合成高分解能画像は全て同一のパターン形状となってしまう。このことを図５を用いて説明する。例えば入力画像５０１内のパターン５０２−１〜５０２−４はパターンエッジのラフネスがそれぞれ異なる。それに対して、類似領域群５０３−１〜５０３−４を抽出して画像復元処理を行うと一枚の高分解能な画像５０７が得られる。５０６は高分解能な画像５０７を類似領域群５０３−１〜５０３−４の位置に張り合わせて生成した合成高分解能画像である。５１０−１〜５１０−４は張り合わせた高分解能な画像５０７である。入力画像５０１全体を高分解能できているが、もともとあったパターン間の微妙な形状の違いがなくなっている。そこで、前記類似領域ごとに類似指標値を算出して画像復元処理を施す処理を行う。本処理のフローを図２３を用いて説明する。
まず、類似領域群抽出処理でＮ個の類似領域を抽出する（ステップ２３０１）。次に、前記類似領域群に含まれる第n番目の類似領域（第n類似領域、n=1〜N）に着目する（ステップ２３０２）。前記第n類似領域と第i類似領域間の画像の類似指標値w[n][i]（i=1〜N、i≠n）を算出する（ステップ２３０３）。そして、第n類似領域の高分解能画像（第n高分解能画像）を前記画像復元処理により生成する際には、前記類似指標値w[n][i]が高い類似領域の画像が前記第n高分解能画像に大きく反映するようにして画像復元処理を行う（ステップ２３０４）。例えば、各類似領域の画像を補間拡大して、それぞれを前記ｗ[n][i]を重みとした画像の重みつき加算平均処理を施すことで第n高分解能画像を生成することができる。また、数式２で示すように数式１の再構成型超解像処理に前記ｗ[n][i]を重みとして最小化することで高分解能画像を生成することもできる。
【００５８】
【数２】
【００５９】
ここで、数式２のXnは第n類似領域の高分解能画像を示す。以上の処理を各類似領域に対して繰り返す（ステップ２３０５）。そして、前記処理で生成した第n高分解能画像を前記第n類似領域に張り合わせる（ステップ２３０６）。これにより、各類似領域のパターン間の形状の特徴を保ちつつ入力画像全体を高分解能化することが可能となる。類似指標値の算出例を図５の５１０および５１１に示す。５１０および５１１内の類似領域５１１−１〜５１１−４および５１２−１〜５１２〜４は５０１内の類似領域５０３−１〜５０３−４に対応する。類似領域５１１−１に着目してこれを１としたとき（５０４−１）、５１１−２は５１１−１とパターンエッジのラフネスが類似しているため０．７と高い類似指標値となる（５０４−２）。一方で、パターン５１１−３、５１１−４はパターン５１１−１とパターンエッジのラフネスが異なるため低い類似指標値となる（５０４−３、５０４−４）。これら類似指標値５０４−１〜５０４−４を用いて画像復元処理を施すと高分解能画像５０９−１が得られる。同様に、類似領域５１２−３に着目した時の類似指標値は５０５−１〜５０５−４のようになり、この類似指標値５０５−１〜５０５−４を用いて画像復元処理を施すと高分解能画像５０９−３が得られる。このように、画像復元処理に同一の類似領域群を用いても、着目する類似領域毎に類似指標値を変更することで、パターン間の形状の違いを残しつつ入力画像全体を高分解能化することができる。
【００６０】
以上を図２のフローに戻って説明すると、ステップ２０８では、類似領域群から例外となるパターン領域・欠陥領域を除外したり類似領域群の画像間の類似度を重み付けしたりして、画像復元処理により高分解能画像生成が行われる。必要な全ての高分解能化処理が終了しない場合には、判別非類似領域とされた領域内にて更に類似領域群抽出を試み、ステップ２０４〜ステップ２０９が繰り返され、必要な全ての高分解能化処理が終了すると、次は上記の通り入力画像全体の高分解能化を図るべく、判別類似領域に高分解能画像の貼り付け処理、判別非類似領域に入力画像を補間拡大して貼り付け処理等が適宜実行される（ステップ２１０）。
【００６１】
さらに、前記画像復元処理で得られた高分解能の画像をＧＵＩ上に表示することもできる（ステップ２１１）。また、前記画像復元処理で得られた高分解能の画像に対して画像処理を用いてパターン寸法の計測（ステップ２１２）、あるいはパターンの輪郭線を抽出することもできる（ステップ２１３）。例えば、レジストパターンのような電子線照射の耐性が低い試料に対して、電子ビームの照射密度を抑えて低倍率で撮像したラインパターンやホールパターンの画像に対して、本処理により寸法を計測する領域の画像を高分解能化して高精度に計測することができる。また、欠陥を含む画像と同一パターンを持つ欠陥を含まない参照画像の一方又は両者を高分解能化し、これらの画像比較により欠陥を検出することもできる（ステップ２１４）。図６を用いて高分解能化した画像のパターン寸法の計測および輪郭線の抽出例を説明する。図６のパターン４０６は図３の類似領域３０７−１〜３０７−１０の画像群から画像復元処理を施して高分解能化したパターンの画像である。６０１はパターン４０６の一部の寸法を計測した結果を示す。また、６０２はパターン４０６のパターンの輪郭線を抽出した結果である。これらは1つの類似領域を高分解能化した画像を用いて行っているが、高分解能画像を張り合わせた合成高分解能画像４０８に対しても同様の処理を行うことができる。この場合、６０３のように高分解能化したパターン間の寸法も計測することができるし、合成高分解能画像４０８全体のパターンの輪郭線を抽出することもできる。
【実施例２】
【００６２】
実施例１においては入力画像から画像復元処理が実行できる領域を抽出しその領域を高分解能化する処理であったが、入力画像の一部のパターン形状のみを評価する場合においては入力画像の一部を高分解能化すれば十分なケースがある。その場合、入力画像を形状が類似するパターンを持つ領域群へ分割する処理が簡略化できる。この場合の処理フローについて図７を用いて説明する。なお、本実施例では説明を省略するが、実施例１および図２の処理フローにて説明した各種処理は必要に応じて適宜適用可能である。
【００６３】
まず、ＳＥＭを用いて入力画像を撮像する（ステップ２０１）。次に、画像復元処理を実行するパターン（着目パターン)を入力する（ステップ７０１）。着目パターンはＧＵＩに表示された入力画像を見ながらユーザが手動で入力してもよいし、ＥＤＡ（Electronic Design Automation）ツールで出力された欠陥が発生しうるＨＯＴＳＰＯＴと呼ばれる危険箇所の付近のパターンを入力してもよい。また、形状を評価するパターンは入力画像の中央付近に来るように撮像される場合が多いため、着目パターンとして入力画像の中央付近のパターンを用いてもよい。
【００６４】
次に、前記着目パターンと形状が類似する領域群（類似領域群）を入力画像から抽出する（ステップ７０２）。この抽出処理は実施例１のステップ２０５と同様にして、着目パターンの画像と入力画像とのパターンマッチング等を適宜用いることができる。なお、実施例１に記載した処理の本実施例への適用例として、必要に応じて、着目パターンの領域を適宜修正する等しても構わない。
【００６５】
次に、前記類似領域群の画像群から画像復元処理により着目パターンの１枚の高分解能画像を生成する（ステップ７０３）。その後、高分解能化した画像をＧＵＩ上に表示したり、パターン寸法を計測したり、パターンの輪郭線を抽出することができる（ステップ２１１〜２１３）。
【実施例３】
【００６６】
実施例１においては、入力画像内から形状が類似するパターンの領域を探索し、その領域の高分解能化を図っていたが、半導体パターンが密に存在しない場合には１枚の入力画像内に類似するパターンが存在しない場合がある。そこで、複数のＳＥＭ画像を画像復元処理に用いることでそのような場合においても入力画像の高分解能化を図ることが可能となる。その具体的な実施例について図８を用いて説明する。この処理により、一枚の画像ではなく複数の画像間に渡って形状が類似するパターンを含む領域群をより多く抽出することで、画像復元処理による高分解能化処理の性能を向上させることができる。なお、本実施例では説明を省略するが、実施例１および図２の処理フローにて説明した各種処理は必要に応じて適宜適用可能である。
【００６７】
まず、ＳＥＭを用いて試料を撮像して第１のＳＥＭ画像（第１の入力画像）を得る（ステップ２０１）。次に、第１の入力画像内に形状が類似するパターンが十分多く存在するか否かを判定する（ステップ８０１）。このとき、画像復元処理による高分解能化の効果が表れるほど十分な数の類似するパターンが存在しなければ、第２のＳＥＭ画像を取得して同様のステップ８０１の判定を行う。このような処理を繰り返して、複数の入力画像を取得する。ここで第２以降の入力画像の取得方法としては、第１の入力画像の撮像位置から隣接するチップあるいはセルの位置を撮像して取得してもよいし（ステップ８０２）、過去に撮像したＳＥＭ画像を格納した画像データベースから取得してもよい。画像データベースからの取得に関しては、第１の入力画像と撮像位置が近いＳＥＭ画像を画像データベースから取得しても良いし（ステップ８０３）、過去に撮像したＳＥＭ画像と第１の入力画像間で類似する形状を持つパターンが存在するか否かを判定して抽出してもよい（ステップ８０４）。
複数の入力画像により形状が類似するパターンが十分多く存在すると判定された場合には、図２のフローのステップ２０２に進み、以下同様の手順が適宜取られる。
【実施例４】
【００６８】
実施例１〜３の方法では入力画像を撮像するまで入力画像内に形状が類似するパターンを持つ領域が存在するかどうか判らない。また、類似するパターンを抽出するにあたって、入力画像がぼやけていたり低分解能あるいは低Ｓ／Ｎの場合、テンプレートマッチングなどの画像情報を基にした方法ではテンプレートマッチング自体がうまくいかない場合がある。そこで、設計データを用いることで、類似領域をオフライン（撮像装置不要）かつＳＥＭ画像の画質にロバストに探索する。図９を用いて設計データを用いて画像復元処理を実行するフローを説明する。なお、本実施例では説明を省略するが、実施例１および図２の処理フローにて説明した各種処理は必要に応じて適宜適用可能である。
【００６９】
まず、半導体回路パターンの設計データを入力する（ステップ９０１）。また、評価するパターンの座標値（評価座標）を入力する（ステップ９０２）。評価座標は、ユーザが設計データ上の座標をＧＵＩで指定してもよいし、ＥＤＡツールなどから出力される欠陥が発生しうる危険箇所（ＨＯＴＳＰＯＴ）を入力としてもよい。次に、前記評価座標を含むＳＥＭの撮像位置および撮像範囲（撮像視野）を設定する（ステップ９０４）。撮像条件はユーザ要求入力ステップ９０３で入力した撮像範囲やフレーム加算数などを入力することができる。次に、設計データ９０１を用いて前記撮像視野内から画像復元処理を行うパターン（基準パターン）の設定を行う（ステップ９０５）。基準パターンは前記評価座標あるいは撮像視野の中央近辺のパターンから選択してもよいし、ユーザがＧＵＩ上で基準パターンを指定してもよいし、複数の基準パターンを設定してもよい。次に、基準パターンに対して設計データを用いて最初に入力された撮像視野を基に撮像視野を必要に応じて再設定する（ステップ９０６）。再設定の方法として、例えば設計データ上で前記基準パターンと形状が類似するパターンをもつ領域（類似領域）を多く含むように撮像視野を決定することができる。これにより、画像復元処理において類似領域を多く入力すること可能となり、画像復元処理を用いてより高分解能の画像の生成が期待できる。また、画像復元処理においては類似領域の数だけではなく類似領域の画像間の類似度が高いほど高分解能の画像が復元できる。そこで、前記撮像視野の決定の際は、類似領域を多く含み、なおかつ前記類似領域の画像間の類似度が高くなるように撮像視野を決定することもできる。次に、設計データを用いて再設定した撮像視野内で前記基準パターンと類似するパターンを持つ領域群（類似領域群）を抽出する（ステップ９０７）。このように、類似領域の探索を設計データ上で行うことで、入力画像の画質（例えば、Ｓ／Ｎや量子化誤差）の影響を受けない探索を行うことができる。また、類似領域の探索は実施例１と同様にパターンの上下左右の反転や回転を許して探索することもできる。なお、ステップ９０１〜９０７の処理はＳＥＭを用いずにオフラインで実行することができる。ステップ９０１〜９０７で得られる撮像視野や抽出した類似領域群の情報をファイルに保存（ステップ９０８）して、そのファイルをＳＥＭが読み出して実行することで、類似領域の探索処理とＳＥＭによる画像の撮像処理が分離できる。次に、前記ファイルから撮像視野の情報を読み出して、前記撮像視野をＳＥＭで撮像してＳＥＭ画像（入力画像）を得る（ステップ９０９）。次に、前記入力画像と設計データとの位置合せを行う（ステップ９１０）。すなわち、実際のＳＥＭの撮像においてＳＥＭのステージ移動の精度や電子ビームのスキャン位置の精度に依存して入力画像が視野ずれを起こす。これにより設計データのパターンと入力画像のパターン間でずれが生じる恐れがあるため、ステップ９１０の位置合せが必要となる。次に、前記ファイルから類似領域群の情報を読み出して前記位置合せを行った入力画像から前記類似領域群が存在する位置の画像群（類似画像群）を切り出す（ステップ９１１）。設計データを用いて類似領域群を探索した例を図１０を用いて説明する。１００１は設定した撮像視野で、斜線で囲まれた領域１００２は前記撮像視野内の設計データのパターンを示す。１００３−１は設定された基準パターンである。１００３−２〜１００３−１０は基準パターンと形状が類似するものと判定されて抽出された類似領域群である。次に、設計データを用いて画像復元処理がうまくいくように撮像視野を再設定する例を図１１を用いて説明する。同図の斜線で囲まれた領域１１０１は入力された設計データのパターンである。１１０２−１はステップ９０４で設定された第１の撮像視野である。第１の撮像視野１１０２−１の中央付近のパターン１１０３−１が画像復元処理を行う対象となる基準パターンとして抽出されている。しかし、基準パターン１１０３−１に画像復元処理を適用しようとしても第１の撮像視野１１０２−１内には類似する形状を持つパターンが存在しないため、画像復元処理の適用ができない。そこで、このような場合には、前記基準パターン１１０３−１を含み、なおかつ基準パターン１１０３−１と形状が類似するパターンを持つ領域（類似領域）を多く含むように撮像視野を再設定する。１１０２−３は基準パターン１１０３−１を含み、なおかつ類似領域の数が最大となるように撮像位置を変更した結果である。この場合、パターンの上下左右の反転、回転を許して前記類似領域を探索した結果、６つの類似領域１１０３−４〜１１０３−９を抽出することができている。つまり、撮像視野を１１０２−１から１１０２−３に変更したＳＥＭ画像を取得することで、基準パターン１１０３−１に形容が類似する画像群を画像復元処理に多数入力することが可能となり、基準パターン１１０３−１の高分解能な画像を生成することができる。
【００７０】
また、実際のＳＥＭ画像は電子ビームのスキャン方向に依存してパターンエッジの画像プロファイルが変化する場合がある。すなわち、設計データ上ではパターン１１０３−４、１１０３−６〜１１０３−９は基準パターン１１０３−１を上下左右に反転させて一致させることができるが、ＳＥＭ画像上では前記スキャン方向があるため単純に画像を上下左右に反転させても画像の類似度が低い場合がある。このため、類似領域の数に加えてパターンの反転、回転の有無を評価値として撮像視野の再設定を行うこともできる。例えば、撮像視野１１０２−２は、視野内に含まれる類似領域の数は４つと撮像視野１１０２−３に比べて少ないが、基準パターンを左右反転させなくとも類似するパターンを３つ（１１０３−２、１１０３−３、１１０３−５）含んでいる（撮像視野１１０２−３の場合は１１０３−５の1つのみ）。ＳＥＭ画像が電子ビームのスキャン方向により大きく依存する場合は、撮像視野１１０２−２に再設定するほうがより高分解能な画像を生成できる可能性がある。また、再設定する撮像視野の候補を複数算出して、ＧＵＩ上でユーザに選択させることもできる。
【００７１】
また、前記類似画像群を用いて類似領域群のパターンの類似度の再評価を行うこともできる（ステップ９１２）。すなわち、前記類似領域群は設計データを用いて形状の類似度を判定して抽出していたが、ウェーハ上に形成される実パターンと設計データの形状が乖離する場合がある。例えば、設計データ上では同じ形状のパターンでも周囲のパターンや撮像位置によって変化する。また、異物などの欠陥によって設計データのパターンと実パターンが大きく異なる場合もありうる。そこで、設計データを用いて抽出した類似領域群に対応する画像データを用いて類似領域間の類似度を再評価する。この評価により、類似領域群間で類似するパターンを持つ領域群と持たない領域（例外領域群）に分割して、前記類似領域群から前記例外領域群を除外して画像復元処理を実行できる。ＳＥＭ画像を用いて類似領域群のパターンの類似度を再評価する例を図１２を用いて説明する。１２０１はステップ９０６で設定した撮像視野をＳＥＭにより撮像して取得したＳＥＭ画像である。１２０２−１〜１２０２−７はステップ９０１で入力したパターンの設計データである。ＳＥＭ画像１２０１はパターン１２０３−１〜１２０３−７を含む。１２０７−１〜１２０７−６はステップ９０７で抽出された類似領域群である。露光・現像・エッチングプロセスを経て形成されたパターン１２０３−１〜１２０３−７はコーナーの丸まり、パターンの細りなどの形状変形を含み、設計データのパターン形状と乖離が生じている。また、試料上の異物１２０４やパターンの欠け（１２０５）やパターンの広がり（１２０６）などのパターン欠陥を含み、パターンの一部の画像外観が大きく異なっている。このため、類似領域群１２０７−１〜１２０７−６の画像を用いて画像復元処理を行うと前記異物やパターン欠陥部の画像が最終的に出力される高分解能画像に大きく影響する可能性がある。そこで、部分領域群１２０７−１〜１２０７−６の画像を重ね合わせて画像比較を行い異物やパターン欠陥部を例外領域として抽出し、画像復元処理の際は類似領域群から前記例外領域を取り除いて画像復元処理を適用することで、これら欠陥部位の画像復元処理への影響を低減することができる。
上記のようにステップ９１２にて類似領域群のパターンの類似度を再評価した後、図２のフローのステップ２０８に進み、以下同様の手順が適宜取られる。
【実施例５】
【００７２】
本発明におけるＳＥＭで撮像したラインパターンの画像を高分解能化して高精度にパターン寸法を計測する実施例について図１３を用いて説明する。まず、パターン寸法を計測するラインパターンを含む視野をＳＥＭで撮像してＳＥＭ画像１３０１を得る。このとき、試料への電子線によるダメージを抑えるため電子ビームの照射量を抑えて低倍率で撮像する。このためＳＥＭ画像１３０１は低Ｓ／Ｎかつ画像分解能が低いため、画像処理を用いて高精度な寸法計測が困難となる。そこで、互いに形状が類似する領域１３０２−１〜１３０２−１２を抽出して、前記領域１３０２−１〜１３０２−１２内の画像間の位置合せを行って画像復元処理を施し、一枚の高分解能なＳＥＭ画像１３０３を得る。そして、前記高分解能なＳＥＭ画像１３０３に対してパターン寸法を計測する。ここで、パターン寸法を計測するラインパターンの領域はユーザがＧＵＩ上で第１の領域（例えば１３０２−１）を指定して、前記第１の領域のパターンと類似する領域をパターンマッチングによりＳＥＭ画像から抽出することができる（例えば１３０２−２〜１３０２−１２）。あるいは、前記第１の領域を撮像したＳＥＭ画像の中央付近のラインパターンを含むように自動で設定（例えば１３０２−８）してもよい。ここで、１３０７−１、１３０７−２のラインパターンは左右のいずれかに広いスペース領域を持つため、１３０８のラインパターンと寸法が異なっており類似領域として抽出されていない。次に高分解能化したラインパターンのＳＥＭ画像１３０３に対して、二つの測長ＢＯＸと呼ばれる画像処理範囲１３０５−１、１３０５−２を割り当て、二つの測長ＢＯＸ１３０５−１〜１３０５−２内でラインのエッジ位置を算出して両位置を比較することでラインパターンの寸法１３０４をより高精度に計測することができる。例えば、ラインのエッジ位置は測長ＢＯＸ１３０５−１〜１３０５−２内に含まれる画像データに対して、ラインのエッジに対して垂直方向に画像の濃淡値のプロファイルデータを取得し、前記プロファイルデータの勾配が大きく変化する位置、あるいは濃淡値のピーク位置をエッジ位置として抽出できる。ここで、各測長ＢＯＸで複数のエッジ位置を求めておき、その平均値を各測長ＢＯＸのエッジ位置としても良い。
【００７３】
次に、本発明におけるＳＥＭで撮像したホールパターンの画像を高分解能化して高精度にホールパターン径を計測する実施例について図１４を用いて説明する。まず、計測するホールパターンを含む視野をＳＥＭで撮像してＳＥＭ画像１４００を得る。この場合においても前述のラインパターンの場合と同様に、試料へのダメージを抑えて撮像したため、通常低Ｓ／Ｎ・低画像分解能の画像が得られている。次に、各ホールパターンの領域１４０１−１〜１４０１−１６を抽出して、前記領域１４０１−１〜１４０１−１６内の画像間の位置合せを行って画像復元処理を施し1つのホールパターンの高分解能な画像１４０２を取得する。続いて、前記高分解能な画像１４０２を用いてホールパターン径１４０３を計測する。ここで、画像復元処理に入力するホールパターンの領域群１４０１−１〜１４０１−１６を分割して（例えば、１４０１−１〜１４０１−４、１４０１−５〜１４０１−８、１４０１−９〜１４０１−１２、１４０１３−１〜１４０１−１６の４つのグループ）、分割した領域群毎に画像復元処理を施すことで複数の高解像度なホールパターンの画像１４０４−１〜１４０４−４を得ることもできる。前記複数のホールパターンの画像１４０４−１〜１４０４−４それぞれに対してホールパターン径１４０５−１〜１４０５−４を計測して、これらのホールパターン径１４０５−１〜１４０５−４の平均値やばらつきを評価することもできる。なお、上記グループ分けは４つに限れられず、適宜設定可能である。
【００７４】
次に、本発明におけるＳＥＭで撮像したＯＰＣ（Optical Proximity Correction）のついた複雑なマスクパターンの画像を高分解能化して高精度に形状を評価する実施例について図１５を用いて説明する。１５０１で示すようなＯＰＣのついた複雑なマスクパターンは類似する形状を持つパターンが少ないため画像復元処理を行うことが困難となる。そこで、類似する形状を持つパターンを含む複数のＳＥＭ画像１５０２−１〜１５０２−３を用いて画像復元処理を施して高分解能なＳＥＭ画像１５０３を得る。複数のＳＥＭ画像１５０２−１〜１５０２−３は、第１に撮像したＳＥＭ画像１５０２−１の撮像位置から隣接するチップあるいはセルの同一座標位置を撮像して取得することができる。生成した高分解能なＳＥＭ画像１５０３からパターンの輪郭線を抽出（１５０４）してマスクパターンの設計データ（１５０５）と比較して形状を評価することもできるし、前記輪郭線データを露光シミュレータに入力してウェーハ上に転写されるパターンの形状を予測することもできる。
【００７５】
次に、本発明におけるＳＥＭで撮像したダブルパターニングにより形成されたパターンの画像を高分解能化する実施例について図１６を用いて説明する。ここでダブルパターニングとは、密集したパターンを二つの密集度の低いパターンに分割して露光する技術であり、この二つのパターンを組み合わせることにより最終的にパターンの密集度を高めることができる。１６０１−１〜１６０１−２はダブルパターニングにより形成されたパターンを含む２枚のＳＥＭ画像で、１６０２−１〜１６０２−４は１６０１−１〜１６０１−２に対応するパターンの設計データである。１６０３−１〜１６０３−４は１回目の露光で形成されたパターンで、１６０４−１〜１６０４−４は２回目の露光で形成されたパターンである。ダブルパターニングにおいて、露光装置の位置合せ精度に依存して１回目と２回目で露光したパターンで位置ずれが発生する。パターン１６０３−１〜１６０３−２は設計データ１６０２−１〜１６０２−２よりも下側に位置ずれをおこした例を示す。したがって、単純に類似する形状を持つパターンの領域を１６０５−１〜１６０５−４のように抽出して画像復元処理を施しても、前記の１回目と２回目で露光したパターンのずれがあるため画像復元処理がうまくいかない。そこで、本発明では１回目と２回目で露光したパターンそれぞれに対して、画像復元処理を適用して１回目と２回目で露光したパターンそれぞれの高分解能な画像を生成することを特徴とする。１６０６−１〜１６０６−４は入力したＳＥＭ画像から抽出した1回目に露光したパターンを含む領域の画像で、１６０７−１〜１６０７−４は同様に2回目に露光したパターンを含む領域の画像である。１６０８は１６０６−１〜１６０６−４から画像復元処理を用いて生成した1回目に露光したパターンの高分解能な画像で、１６０９は同様に１６０７−１〜１６０７−４から画像復元処理を用いて生成した2回目に露光したパターンの高分解能な画像である。また、１６１０は１６０８と１６０９の結果を組み合わせて生成した１６０５−１の高分解能化した画像である。
【００７６】
また、画像処理によってエッジ位置を検出してパターンの寸法計測を行う場合は、パターンのエッジ周辺の画像プロファイルを高分解能化すれば十分である場合がある。そのような場合に対して、本発明を用いて入力画像からパターンのエッジ周辺の画像を高分解能する例を図２４を用いて説明する。２４０１はラインパターン２４０２を含む入力ＳＥＭ画像である。２４０３−１〜２４０３−８はラインパターン２４０２のエッジ周辺を含むように類似領域群を抽出した結果を示す。前記類似領域群２４０３−１〜２４０３−８を用いて、高分解能化した結果を２４０４に示す。前記高分解能化したラインパターンの画像２４０４を用いてラインパターン寸法２４０５を高精度に計測することができる。また、ラインパターンのみならず任意のパターンに対しても同様にパターンのエッジを高分解能化することができる。この例を図２４の２４０６のＳＥＭ画像を用いて説明する。２４０８は単純なラインパターンではなく曲線のエッジを含むパターンであるが、前記類似領域群を２４０７−１〜２４０７−１４で示すようにパターンのエッジ方向に垂直な領域として抽出することで、任意のパターン形状に対しても類似領域群の抽出が可能となりエッジ周辺の画像の高分解能化が実現する。２４０９は前記高分解能化したエッジ周辺の画像を前記類似領域群に対応する位置に張り合わせた結果である。２４０９を用いてパターン寸法を計測することもできるし、２４０９からパターンの輪郭線を抽出することもできる。このように、類似領域群を細かく設定することで、曲線に限らず、任意のパターンに対して高分解能化が可能である。
【実施例６】
【００７７】
本発明を欠陥検査に適用した実施例について図１７を用いて説明する。１７０１はＳＥＭを用いて撮像した検査対象となる画像（検査画像）で、１７０２は１７０１と同様の外観を持ち、なおかつ結果を含まない参照画像である。欠陥検査においては検査画像１７０１と参照画像１７０２を比較することで、欠陥部位（１７０４）を含む領域を抽出することができる。参照画像としては検査画像の隣接するチップのチップ上の同一座標を撮像して取得することができる。１７０３は前述の比較により抽出した欠陥領域である。１７０５は検査画像１７０１に対して、画像復元処理が適応可能な領域において形状が類似するパターンの領域（類似領域）を複数抽出した後に画像復元処理を施して高分解能な画像を生成して前記類似領域に張り合わせ、類似するパターンが存在しないため画像復元処理が適応できない領域においては検査画像１７０１の画素値を補間拡大した画像を張り合わせて、生成した高分解能な参照画像である。このように、画像復元処理が適用できる領域とできない領域に分けて処理することで単純な繰り返しパターンではない検査画像に対しても高分解能な参照画像が生成できる。また、前記高分解能な参照画像を前記検査画像と同じサイズに縮小することで前記比較検査に用いることもできる。また、１７０６に示すように高分解能な参照画像に前記欠陥領域１７０３に対応する検査画像を補間拡大して張り合わせて生成した検査画像全体を高分解能化することもできる。
【実施例７】
【００７８】
本発明におけるシステム構成の実施例を図１８を用いて説明する。図１８において１８０１はマスクパターン設計装置、１８０２はマスク描画装置、１８０３はマスクパターンのウェーハ上への露光・現像装置、１８０４はウェーハのエッチング装置、１８０５および１８０７はＳＥＭ装置、１８０６および１８０８はそれぞれ前記ＳＥＭ装置を制御するＳＥＭ制御装置、１８０９はＥＤＡ（Electronic Design Automation）ツールサーバ、１８１０はデータベースサーバ、１８１１はデータベースを保存するストレージ、１８１３は画像復元処理装置、１８１４は生成したパターン形状の計測・評価ツールサーバであり、これらはネットワーク１８１５を介して情報の送受信が可能である。また、同図においては例として二台のＳＥＭ装置１８０５、１８０７がネットワークに接続されているが、本発明においては、任意の複数台のＳＥＭ装置において撮像したＳＥＭ画像をデータベースサーバ１８１１に格納して共有することが可能である。また、１８０６、１８０８、１８０９、１８１０、１８１２〜１８１４を一つの装置１８１６に統合することもできる。本例のように任意の機能を任意の複数台の装置に分割、あるいは統合して処理させることが可能である。
【実施例８】
【００７９】
本発明における入力・出力情報の設定あるいは表示を行うＧＵＩの例を図１９〜図２１に示す。図１９〜図２１中のウィンドウ内に描画された各種情報は任意の組合せでウィンドウに分割してディスプレイ等に表示することができる。また、図中の＊＊はシステムに入力された、あるいは出力された任意の数値（あるいは文字列）や数値の範囲であることを示す。
【００８０】
図１９は、入力されたＳＥＭの画像を高分解能化する際の処理設定を行うＧＵＩの例である。１９０１は撮像したＳＥＭ画像で、ＳＥＭ画像１９０１内の網掛けでハッチングされた領域１９０２は配線パターンである。ＳＥＭ画像１９０１はボックス１９０３で示した撮像条件（撮像視野（ＦＯＶ）１９０４、加速電圧１９０５、ビーム電流値１９０６、フレームか算数１９０７）で撮像された画像である。このとき入力するＳＥＭ画像を複数枚撮像してもよいし、ＧＵＩ上に複数枚の入力ＳＥＭ画像を表示してもよい。ボックス１９０８でＳＥＭ画像１９０１から類似する形状を持つパターンを抽出するためのパラメータを設定する。設定項目としては、例えばここでは、パターンの上下反転を許容して探索するか否か（１９０９）、パターンの左右反転を許容して探索するか否か（１９１０）、パターンの回転を許容して探索するか否か（１９１１）、パターンの微小な歪みを許容して探索するか否か（１９１２）がある。パターンの回転は９０°、１８０°、２７０°の角度に限定して探索しても良いし、任意の角度で探索を行っても良い。微小な歪みとしてはアフィン変換などの線形な画像変換を用いてもよいし、二次変換などの多項式で表される歪みモデルを用いてもよい。ボタン１９２７を押すと、ＳＥＭ画像１９０１から抽出した形状が類似するパターンを持つ領域（類似領域群）を探索して抽出する。ボックス１９１３は、類似領域群を抽出する際のパターンの類似度のしきい値を設定する。ボックス１９１５およびボックス１９１６は、抽出された類似領域群であり、抽出された類似領域群の種類が分かるように、種類ごとに色分け等されて囲まれる。この場合、画像復元処理を行う対象となるパターン（基準パターン）の種類は二つとなり、それぞれの基準パターンを１９１７、１９１８に表示している。基準パターンはＳＥＭ画像１９０１から、類似するパターンが二つ以上となる領域を探索して自動で決定してもよいし、ユーザがＧＵＩ上で直接指定してもよい。ボックス１９１９、１９２０に各基準パターン１９１７、１９１８に対して抽出された類似領域群の画像を切り出して表示している（それぞれ、１９２１−１〜１９２１−１０、１９２２−１〜１９２２−４）。抽出された類似領域群に番号をつけて、入力ＳＥＭ画像上のパターンとの対応関係を表示することもできる（１９２３）。１９２４〜１９２６は、パターン上の欠陥部位の領域を抽出した結果である。欠陥領域は類似領域の画像と基準パターンあるいは類似領域の平均画像との画像の差分値をしきい値処理することで抽出可能である。欠陥抽出の際のしきい値はボックス１９１４で設定することができる。
【００８１】
図２０は画像復元処理の処理パラメータを設定するＧＵＩの例である。１９０１は入力されたＳＥＭ画像で、図１９と同様に探索に用いた基準パターン１９１７、１９１８と基準パターンに対応する類似領域群を表示している。ボックス２００１で画像復元処理のパラメータを設定する。例えば、ボックス２００２で画像の拡大率を設定することもできるし、ボックス２００３でＳＥＭで撮像された画像の劣化モデルのパラメータ値（ＳＥＭ装置のビーム径などの点広がり関数のモデルパラメータ値など）を設定することもできる。ボタン２００４を押すと、ボックス２００１で設定されたパラメータに従って画像復元処理が実行される。２００５、２００６は基準パターン１９１７、１９１８それぞれに対して画像復元処理を施して得られる高分解能画像である。類似領域ごとに類似度を評価して表示することもできるし（２００７−１〜２００７−１０、２００８−１〜２００８−４）、前記類似度を重みにして画像復元処理を実行することもできる。前記類似度は画像から自動で算出することもできるし、手動で設定することもできる。また、前記高分解能画像を類似領域群の存在する位置に張り合わせた結果を２００９に表示することもできる。ここで、画像復元処理で高解像度化できなかった領域（形状が類似するパターンが１つしかないパターンの領域、あるいは欠陥領域など）の画像は、単純に補間拡大を行って張り合わせることで、入力画像全体を擬似的に高解像度化することができる。
【００８２】
また、前記高分解能化した画像を処理してパターンの寸法を計測したり、輪郭線を抽出することもできる。パターンの寸法を計測する場合は、２０１０で示す測長ＢＯＸを指定して２０１１のボタンを押すことで指定したパターンの幅やギャップ、ピッチなどを計測することもできる。同様に２０１２のボタンを押して、入力画像全体あるいは指定したパターンの輪郭線を抽出することもできる。これらのパターンの形状評価は高解像度化した入力画像全体に適用できるし、基準パターンを高解像度化した画像２００５、２００６で行っても良い。
【００８３】
図２１は設計データを用いて画像復元処理を行う場合の処理設定を行うＧＵＩの例である。斜線で囲んだ領域２１０１は入力した設計データのパターンを示す。また、リスト２１０２からパターンを評価する座標（Ｅｖａｌｕａｔｉｏｎ Ｐｏｉｎｔ：ＥＰ）を選択してそれぞれの処理設定を行うこともできる。ＥＰの入力はユーザが与えてもよいし、ＥＤＡツールなどから出力される欠陥が発生しうる危険箇所（ＨＯＴＳＰＯＴ）を入力としてもよい。ボックス１９０３はＳＥＭの撮像条件（撮像視野（ＦＯＶ）１９０４、加速電圧１９０５、ビーム電流値１９０６、フレームか算数１９０７）を設定する。２１０３はＥＰ座標値を中心とした撮像視野を示し、２１０４−１は形状を評価するパターン（基準パターン）を示す。基準パターンはユーザが与えても良いし、設計データを用いてＥＰ座標値の近辺のパターンを抽出してもよい。ボタン２１１３を押すと撮像位置の最適化が行われる。２１０４−２〜２１０４−７は設計データを用いて基準パターン２１０４−１と類似するパターンを抽出した結果を示す。２１０５は設計データを用いて撮像視野内に基準パターンと類似するパターンを多く含むように最適した結果の撮像視野を示している。ボックス２１０６は、前記撮像視野最適化前後の撮像位置２１０７〜２１０８、撮像視野に含まれる基準パターン２１０４−１と形状が類似するパターンの領域数２１０９〜２１１０、抽出した類似領域群の平均類似度２１１１〜２１１２をそれぞれ表示している。また、類似するパターンの探索は図１９の場合と同様に、パターンの上下／左右反転、回転、微小な歪みを許容するか否かを指定することもできる（１９０９〜１９１２）。また、撮像視野最適化により得られた撮像視野を採用するか否かをチェックボックス２１１４で指定することもできる。
【００８４】
以上、本発明者によってなされた発明を実施形態に基づいて具体的に説明したが、本発明は上記実施形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。例えば、本実施形態では、走査伝顕微鏡（ＳＥＭ）を例にとって説明したが、これに限られるものではなく、走査型イオン顕微鏡（ＳＩＭ）又は走査型透過顕微鏡（ＳＴＥＭ）等の走査荷電粒子顕微鏡にも応用可能である。また、各実施例を項目分けして説明したが、必ずしも互いに独立したものではなく、必要に応じて各実施例で記載された内容を組み合わせて用いても構わない。
【００８５】
また、本願において開示される発明のうち代表的なものによって得られる効果を簡単に説明すれば、次のとおりである。すなわち、本発明によれば、走査荷電粒子顕微鏡を用いた画像撮像時の電子線照射による試料へのダメージを抑えつつ、高い分解能の画像を取得できる。これによりレジストパターンのような電子線照射の耐性が低い試料においても高分解能なＳＥＭ画像の取得が可能となり高精度なパターンの形状評価が実現する。この形状評価を基に半導体製造プロセスの最適化やフォトマスクのパターン設計において適切な判断を下すことができる。
【符号の説明】
【００８６】
101…半導体ウェーハ、102…電子光学系、103…電子銃、104…電子線（一次電子）、105…コンデンサレンズ、106…偏向器、107…ＥｘＢ偏向器、108…対物レンズ、109…二次電子検出器、110、111…反射電子検出器、112〜114…A/D変換器、115…処理・制御部、116…ＣＰＵ、117…画像メモリ、118…データベース（ストレージ）、119…画像復元処理装置、120…形状計測・評価ツールサーバ、121…ステージ、122、123…処理端末、
301、309…入力ＳＥＭ画像、302-1〜302-15…パターン、303…異物、304、305…パターン欠陥、306…画像復元処理を実行可能な領域、307-1〜307-10…類似するパターンを持つ領域群、308-1〜308-4…類似するパターンを持つ領域群、
401〜403…欠陥部位を含む領域、404-1〜404-1、405-1〜405-4…領域間のパターンの類似度、406、407…画像復元処理により入力画像の一部を高分解能化した画像、408…入力画像全体を高分解能化した画像、409-1〜409-4…画像復元処理により入力画像の一部を高分解能化した画像を張り合わせた結果、
501…入力ＳＥＭ画像、502-1〜502-4…パターン、503-1〜503-4…類似するパターンを持つ領域群、504-1〜504-4…503-1を基準とした領域間のパターンの類似度、505-1〜505-4…503-3を基準とした領域間のパターンの類似度、506…入力画像全体を高分解能化した結果、507…画像復元処理により高分解能化した画像、508…領域毎に画像復元処理のパラメータを変更して入力画像全体を高分解能化した結果、509-1〜509-4…領域毎の高分解能化した画像、510…503-1を基準とした類似指標値算出、511…503-3を基準とした類似指標値算出、
601…高分解能画像のパターンの寸法、602…高分解能画像のパターンの輪郭線、603…高分解能化したパターン間の寸法、
1001…撮像視野、1002…設計パターン、1003-1〜1003-10…類似するパターンを持つ領域群、
1101…設計パターン、1102-1〜1102-3…撮像視野、1103-1〜1103-9…類似するパターンを持つ領域群、
1201…入力ＳＥＭ画像、1202-1〜1202-7…設計パターン、1203-1〜1203-7…ＳＥＭ画像上の回路パターン、1204…異物、1205、1206…パターン欠陥、1207-1〜1207-6…類似するパターンを持つ領域群、
1301…入力ＳＥＭ画像、1302-1〜1302-12…類似するパターンを持つ領域群、1303…高分解能化したラインパターン、1304…ラインパターンの寸法、1305、1306…ラインエッジ位置を検出するための画像処理範囲（測長ＢＯＸ）、1307-1、1307-2…入力画像の中央のラインパターンと幅が異なるラインパターン、
1400…入力ＳＥＭ画像、1401-1〜1401-16…ホールパターンを含む領域群、1402…高分解能化したホールパターンの画像、1403…ホールパターン径の測長値、1404-1〜1404-4…高分解能化したホールパターンの画像群、1405-1〜1405-4…ホールパターン径の測長値群、
1501…ＯＰＣつきマスクパターン、1502-1〜1502-4…入力ＳＥＭ画像群、1503…入力ＳＥＭ画像群を高分解能化した結果、1504…高分解能化した画像から抽出したマスクパターンの輪郭線、1505…マスクパターンの設計形状、
1601-1、1601-2…入力ＳＥＭ画像、1602-1〜1602-2…1回目に露光するパターンの設計形状、1602-3〜1602-4…2回目に露光するパターンの設計形状、1603-1〜1603-4…1回目に露光されて形成されたパターン、1604-1〜1604-4…2回目に露光されて形成されたパターン、1605-1〜1605-4…類似するパターンを持つ領域群、1606-1〜1606-4…1回目に露光されたパターンの内類似するパターンを持つ領域群、1607-1〜1607-4…2回目に露光されたパターンの内類似するパターンを持つ領域群、1608…1回目に露光されたパターンの高分解能な画像、1609…2回目に露光されたパターンの高分解能な画像、1610…1回目および2回目に露光されたパターンの高分解能な画像、
1701…検査画像、1702…参照画像、1703…欠陥部位を含む領域、1705…高分解能化した参照画像、1706…高分解能化した検査画像、
1801…マスクパターン設計装置、1802…マスク描画装置、1803…露光・現像装置、1804…エッチング装置、1806、1807…SEM装置、1806、1808…SEM制御装置、1809…EDAツールサーバ、1810…データベースサーバ、1811…データベース、1812…撮像レシピ作成装置、1813…画像復元処理装置、1814…形状計測・評価ツールサーバ、1815…ネットワーク、1815…EDAツール、データベース管理、撮像レシピ作成、画像復元処理、形状計測・評価ツール、SEM制御用統合サーバ＆演算装置、
1901…入力ＳＥＭ画像、1902…パターン、1903…ＳＥＭ撮像条件設定ボックス、1904…撮像範囲の設定ボックス、1905…加速電圧値の設定ボックス、1906…ビーム電流値の設定ボックス、1907…フレーム加算数の設定ボックス、1908…類似パターンの探索設定ボックス、1909…探索に上下反転を許容するか否かのチェックボックス、1910…探索に左右反転を許容するか否かのチェックボックス、1911…探索に回転を許容するか否かのチェックボックス、1912…探索に微小歪みを許容するか否かのチェックボックス、1913…類似パターンの判定しきい値設定ボックス、1914…例外パターン検出しきい値設定ボックス、1915、1916…類似するパターンをもつ領域、1917、1918…画像復元処理を行う単位のパターン（基準パターン）、1919、1920…基準パターンに対する類似領域群を表示するボックス、1921-1〜1921-10、1922-1〜1922-4…類似するパターンをもつ領域群、1923…類似領域の番号、1924〜1926…例外領域、1927…類似領域探索を実行するボタン、
2001…画像復元処理設定ボックス、2002…画像拡大率設定ボックス、2003…画像劣化モデルパラメータ入力ボックス、2004…画像復元処理実行ボタン、2005、2006…画像復元処理結果、2007-1〜2007-10、2008-1〜2008-4…類似領域間のパターンの類似度、2009…入力ＳＥＭ画像全体を高分解能化した結果、2010…測長ＢＯＸ、2011…寸法計測実行ボタン、2012…輪郭線抽出処理実行ボタン、
2101…設計パターン、2102…ＥＰ選択リストボックス、2103…第１の撮像視野、2104-1〜2104-7…類似領域群、2105…最適化により決定した第２の撮像視野、2106…撮像視野最適化した結果を表示するボックス、2107…最適化前の撮像位置、2108…最適化後の撮像位置、2109…最適化前の撮像視野内に含まれる類似領域の数、2110…最適化後の撮像視野内に含まれる類似領域の数、2111…最適化前の類似領域間の平均類似度、2112…最適化後の類似領域間の平均類似度、2113…撮像視野最適化実行ボタン、2114…撮像視野最適化結果の採択可否のチェックボックス、
2201…パターン、2202-1〜2202-3…第１の類似領域群、2203-1〜2203-3…第２の類似領域群、2204-1〜2204-3…任意の領域をもつ類似領域群、2205…パターン、
2401…入力ＳＥＭ画像、2402…ラインパターン、2403-1〜2403-8…類似領域群、2404…高分解能化したラインパターン、2405…ラインパターンの寸法、2406…入力ＳＥＭ画像、2407…ライン端パターン、2408-1〜2408-14…類似領域群、2409…高分解能化したパターン
【特許請求の範囲】
【請求項１】
走査荷電粒子顕微鏡を用いて回路パターンが形成された試料を観測する観測方法であって、
前記走査荷電粒子顕微鏡を用いて前記回路パターンを撮像して撮像画像を取得するステップと、
前記取得した一の撮像画像から所定の判断基準に従って互いに形状が類似するパターンを含む複数の領域を抽出するステップと、
前記抽出された互いに形状が類似するパターンを含む複数の領域の画像を用いて、前記複数の領域の画像よりも分解能が高い画像を生成するステップと、
前記生成された前記複数の領域の画像よりも分解能が高い画像を用いて前記回路パターンを観測するステップと、
を有する観測方法。
【請求項２】
請求項１記載の観測方法であって、
前記複数の領域を抽出するステップでは、前記所定の判断基準として、
前記一の撮像画像から互いに形状が類似するパターンを含む領域をいくつ抽出できるか、及び、抽出しうる互いに形状が類似するパターンを含む領域の画像間でどれだけ類似しているか、を指標として判断し、前記複数の領域を抽出することを特徴とする観測方法。
【請求項３】
請求項１又は２記載の観測方法であって、
前記複数の領域を抽出するステップでは、
前記所定の判断基準に従って前記複数の領域を抽出する前に、前記取得した一の撮像画像内で形状が類似するパターンを少なくとも２つ以上もつ判別類似領域を判別し、
前記判別された判別類似領域の範囲内で前記所定の判断基準に従って前記複数の領域を抽出することを特徴とする観測方法。
【請求項４】
請求項１乃至３のいずれかに記載の観測方法であって、
前記回路パターンを観測するステップでは、
前記生成された前記複数の領域の画像よりも分解能が高い画像を前記撮像画像の前記複数の領域に張り合わせ、前記張り合わされた画像を用いて前記回路パターンを観測することを特徴とする観測方法。
【請求項５】
請求項１乃至４のいずれかに記載の観測方法であって、
前記複数の領域の画像よりも分解能が高い画像を生成するステップでは、前記複数の領域の画像を加重平均することで一の画像を生成することを特徴とする観測方法。
【請求項６】
請求項４記載の観測方法であって、
前記複数の領域の画像よりも分解能が高い画像を生成するステップでは、
前記複数の領域の数だけ前記複数の領域の画像よりも分解能が高い画像を複数生成しており、
前記複数の領域の画像よりも分解能が高い複数の画像の各類似度指標値は、前記複数の領域の画像の各類似度指標値に対応していることを特徴とする観測方法。
【請求項７】
請求項１記載の観測方法であって、
前記複数の領域を抽出するステップでは、
ユーザが指定する着目パターンを含む領域に対して、これと類似するパターンを含む領域を抽出することで前記複数の領域を抽出することを特徴とする観測方法。
【請求項８】
請求項７記載の観測方法であって、
前記複数の画像よりも分解能が高い画像を生成するステップでは、
前記複数の領域の画像よりも分解能が高い画像として、前記複数の領域の画像よりも分解能が高い着目パターンの画像を生成し、
前記回路パターンを観測するステップでは、
前記複数の領域の画像よりも分解能が高い着目パターンの画像を用いて、前記着目パターンの寸法を測定することを特徴とする観測方法。
【請求項９】
請求項７記載の観測方法であって、
前記複数の画像よりも分解能が高い画像を生成するステップでは、
前記複数の領域の画像よりも分解能が高い画像として、前記複数の領域の画像よりも分解能が高い着目パターンの画像を生成し、
前記回路パターンを観測するステップでは、
前記複数の領域の画像よりも分解能が高い着目パターンの画像を用いて、前記着目パターンの輪郭線を抽出することを特徴とする観測方法。
【請求項１０】
請求項１記載の観測方法であって、
前記撮像画像を取得するステップの前に、さらに、
前記走査荷電粒子顕微鏡で撮像する撮像視野を設定するステップと、
前記設定された撮像視野を少なくとも含む視野内の設計データを読み込むステップと、
を有し、
前記撮像画像を取得するステップでは、前記撮像視野を前記走査荷電粒子顕微鏡を用いて撮像することにより前記撮像画像を取得し、
前記複数の領域を抽出するステップでは、前記設計データに基づいて前記撮像画像から前記複数の領域を抽出することを特徴とする観測方法。
【請求項１１】
請求項１０記載の観測方法であって、
前記複数の領域を抽出するステップでは、前記所定の判断基準として、
前記一の撮像画像から互いに形状が類似するパターンを含む領域をいくつ抽出できるか、及び、抽出しうる互いに形状が類似するパターンを含む領域の画像間でどれだけ類似しているか、を指標として前記設計データから判断し、前記複数の領域を抽出することを特徴とする観測方法。
【請求項１２】
請求項１乃至１１のいずれかに記載の観測方法であって、
前記互いに形状が類似するパターンとは、上下左右の反転、約９０度の回転又は斜め方向の歪み補正をすれば互いに類似するパターン同士を含むことを特徴とする観測方法。
【請求項１３】
回路パターンが形成された試料を観測する観測装置であって、
前記回路パターンを撮像して撮像画像を取得する走査荷電粒子顕微鏡と、
前記取得した一の撮像画像から所定の判断基準に従って互いに形状が類似するパターンを含む複数の領域を抽出する手段と、
前記抽出する手段により抽出された互いに形状が類似するパターンを含む複数の領域の画像を用いて、前記複数の領域の画像よりも分解能が高い画像を生成する手段と、
前記生成された前記複数の領域の画像よりも分解能が高い画像を用いて前記回路パターンを観測する手段と、
を有することを特徴とする観測装置。
【請求項１４】
請求項１３記載の観測装置であって、
さらに、前記抽出された互いに形状が類似するパターンを含む複数の領域の画像と、前記複数の領域の画像よりも分解能が高い画像との両者を表示する表示手段を有することを特徴とする観測装置。
【請求項１５】
走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成方法であって、
前記走査荷電粒子顕微鏡を用いて前記半導体回路パターンを撮像して取得した画像（入力画像）を入力する画像入力ステップと、
前記入力画像内で形状が類似するパターンを少なくとも二つ以上持つ領域（判別類似領域)と持たない領域（判別非類似領域）とを判別する類似領域判別ステップと、
前記判別類似領域内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定ステップと、
画像復元処理により前記類似領域群の画像群から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成ステップを含むことを特徴とする画像生成方法であって、
前記類似領域群に含まれる類似領域はいずれも形状が類似する共通のパターンを含み、前記類似領域群は前記類似領域の数および前記類似領域群の画像間の類似度を示す指標値（類似指標値）を基に決定されることを特徴とする画像生成方法。
【請求項１６】
請求項１５記載の画像生成方法であって、
前記類似領域群決定ステップにおいて、
前記類似領域群に含まれる類似領域の１つである第１の領域の画像を回転、あるいは反転、あるいは微小変形を施した画像と、前記類似領域群に含まれる類似領域の１つである第２の領域の画像が類似すれば前記第１の領域の画像と前記第２の領域の画像間の前記類似指標値を高くすることを特徴とする画像生成方法。
【請求項１７】
走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成装置であって、
前記走査荷電粒子顕微鏡を用いて前記半導体回路パターンを撮像して取得した画像（入力画像）を入力する画像入力手段と、
前記入力画像内で形状が類似するパターンを少なくとも二つ以上持つ領域（判別類似領域)と持たない領域（判別非類似領域）とを判別する類似領域判別手段と、
前記判別類似領域内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定手段と、
画像復元処理により前記類似領域群の画像群から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成手段を備えることを特徴とする画像生成装置であって、
前記類似領域群に含まれる類似領域はいずれも形状が類似する共通のパターンを含み、前記類似領域群は前記類似領域の数および前記類似領域群の画像間の類似度を示す指標値（類似指標値）を基に決定することを特徴とする画像生成装置。
【請求項１】
走査荷電粒子顕微鏡を用いて回路パターンが形成された試料を観測する観測方法であって、
前記走査荷電粒子顕微鏡を用いて前記回路パターンを撮像して撮像画像を取得するステップと、
前記取得した一の撮像画像から所定の判断基準に従って互いに形状が類似するパターンを含む複数の領域を抽出するステップと、
前記抽出された互いに形状が類似するパターンを含む複数の領域の画像を用いて、前記複数の領域の画像よりも分解能が高い画像を生成するステップと、
前記生成された前記複数の領域の画像よりも分解能が高い画像を用いて前記回路パターンを観測するステップと、
を有する観測方法。
【請求項２】
請求項１記載の観測方法であって、
前記複数の領域を抽出するステップでは、前記所定の判断基準として、
前記一の撮像画像から互いに形状が類似するパターンを含む領域をいくつ抽出できるか、及び、抽出しうる互いに形状が類似するパターンを含む領域の画像間でどれだけ類似しているか、を指標として判断し、前記複数の領域を抽出することを特徴とする観測方法。
【請求項３】
請求項１又は２記載の観測方法であって、
前記複数の領域を抽出するステップでは、
前記所定の判断基準に従って前記複数の領域を抽出する前に、前記取得した一の撮像画像内で形状が類似するパターンを少なくとも２つ以上もつ判別類似領域を判別し、
前記判別された判別類似領域の範囲内で前記所定の判断基準に従って前記複数の領域を抽出することを特徴とする観測方法。
【請求項４】
請求項１乃至３のいずれかに記載の観測方法であって、
前記回路パターンを観測するステップでは、
前記生成された前記複数の領域の画像よりも分解能が高い画像を前記撮像画像の前記複数の領域に張り合わせ、前記張り合わされた画像を用いて前記回路パターンを観測することを特徴とする観測方法。
【請求項５】
請求項１乃至４のいずれかに記載の観測方法であって、
前記複数の領域の画像よりも分解能が高い画像を生成するステップでは、前記複数の領域の画像を加重平均することで一の画像を生成することを特徴とする観測方法。
【請求項６】
請求項４記載の観測方法であって、
前記複数の領域の画像よりも分解能が高い画像を生成するステップでは、
前記複数の領域の数だけ前記複数の領域の画像よりも分解能が高い画像を複数生成しており、
前記複数の領域の画像よりも分解能が高い複数の画像の各類似度指標値は、前記複数の領域の画像の各類似度指標値に対応していることを特徴とする観測方法。
【請求項７】
請求項１記載の観測方法であって、
前記複数の領域を抽出するステップでは、
ユーザが指定する着目パターンを含む領域に対して、これと類似するパターンを含む領域を抽出することで前記複数の領域を抽出することを特徴とする観測方法。
【請求項８】
請求項７記載の観測方法であって、
前記複数の画像よりも分解能が高い画像を生成するステップでは、
前記複数の領域の画像よりも分解能が高い画像として、前記複数の領域の画像よりも分解能が高い着目パターンの画像を生成し、
前記回路パターンを観測するステップでは、
前記複数の領域の画像よりも分解能が高い着目パターンの画像を用いて、前記着目パターンの寸法を測定することを特徴とする観測方法。
【請求項９】
請求項７記載の観測方法であって、
前記複数の画像よりも分解能が高い画像を生成するステップでは、
前記複数の領域の画像よりも分解能が高い画像として、前記複数の領域の画像よりも分解能が高い着目パターンの画像を生成し、
前記回路パターンを観測するステップでは、
前記複数の領域の画像よりも分解能が高い着目パターンの画像を用いて、前記着目パターンの輪郭線を抽出することを特徴とする観測方法。
【請求項１０】
請求項１記載の観測方法であって、
前記撮像画像を取得するステップの前に、さらに、
前記走査荷電粒子顕微鏡で撮像する撮像視野を設定するステップと、
前記設定された撮像視野を少なくとも含む視野内の設計データを読み込むステップと、
を有し、
前記撮像画像を取得するステップでは、前記撮像視野を前記走査荷電粒子顕微鏡を用いて撮像することにより前記撮像画像を取得し、
前記複数の領域を抽出するステップでは、前記設計データに基づいて前記撮像画像から前記複数の領域を抽出することを特徴とする観測方法。
【請求項１１】
請求項１０記載の観測方法であって、
前記複数の領域を抽出するステップでは、前記所定の判断基準として、
前記一の撮像画像から互いに形状が類似するパターンを含む領域をいくつ抽出できるか、及び、抽出しうる互いに形状が類似するパターンを含む領域の画像間でどれだけ類似しているか、を指標として前記設計データから判断し、前記複数の領域を抽出することを特徴とする観測方法。
【請求項１２】
請求項１乃至１１のいずれかに記載の観測方法であって、
前記互いに形状が類似するパターンとは、上下左右の反転、約９０度の回転又は斜め方向の歪み補正をすれば互いに類似するパターン同士を含むことを特徴とする観測方法。
【請求項１３】
回路パターンが形成された試料を観測する観測装置であって、
前記回路パターンを撮像して撮像画像を取得する走査荷電粒子顕微鏡と、
前記取得した一の撮像画像から所定の判断基準に従って互いに形状が類似するパターンを含む複数の領域を抽出する手段と、
前記抽出する手段により抽出された互いに形状が類似するパターンを含む複数の領域の画像を用いて、前記複数の領域の画像よりも分解能が高い画像を生成する手段と、
前記生成された前記複数の領域の画像よりも分解能が高い画像を用いて前記回路パターンを観測する手段と、
を有することを特徴とする観測装置。
【請求項１４】
請求項１３記載の観測装置であって、
さらに、前記抽出された互いに形状が類似するパターンを含む複数の領域の画像と、前記複数の領域の画像よりも分解能が高い画像との両者を表示する表示手段を有することを特徴とする観測装置。
【請求項１５】
走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成方法であって、
前記走査荷電粒子顕微鏡を用いて前記半導体回路パターンを撮像して取得した画像（入力画像）を入力する画像入力ステップと、
前記入力画像内で形状が類似するパターンを少なくとも二つ以上持つ領域（判別類似領域)と持たない領域（判別非類似領域）とを判別する類似領域判別ステップと、
前記判別類似領域内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定ステップと、
画像復元処理により前記類似領域群の画像群から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成ステップを含むことを特徴とする画像生成方法であって、
前記類似領域群に含まれる類似領域はいずれも形状が類似する共通のパターンを含み、前記類似領域群は前記類似領域の数および前記類似領域群の画像間の類似度を示す指標値（類似指標値）を基に決定されることを特徴とする画像生成方法。
【請求項１６】
請求項１５記載の画像生成方法であって、
前記類似領域群決定ステップにおいて、
前記類似領域群に含まれる類似領域の１つである第１の領域の画像を回転、あるいは反転、あるいは微小変形を施した画像と、前記類似領域群に含まれる類似領域の１つである第２の領域の画像が類似すれば前記第１の領域の画像と前記第２の領域の画像間の前記類似指標値を高くすることを特徴とする画像生成方法。
【請求項１７】
走査荷電粒子顕微鏡を用いて試料上の半導体回路パターンの画像を生成する画像生成装置であって、
前記走査荷電粒子顕微鏡を用いて前記半導体回路パターンを撮像して取得した画像（入力画像）を入力する画像入力手段と、
前記入力画像内で形状が類似するパターンを少なくとも二つ以上持つ領域（判別類似領域)と持たない領域（判別非類似領域）とを判別する類似領域判別手段と、
前記判別類似領域内から画像復元処理に用いる領域群（類似領域群）を決定する類似領域群決定手段と、
画像復元処理により前記類似領域群の画像群から１枚の高分解能な類似領域の画像（高分解能画像）を生成する高分解能画像生成手段を備えることを特徴とする画像生成装置であって、
前記類似領域群に含まれる類似領域はいずれも形状が類似する共通のパターンを含み、前記類似領域群は前記類似領域の数および前記類似領域群の画像間の類似度を示す指標値（類似指標値）を基に決定することを特徴とする画像生成装置。
【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１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【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１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【公開番号】特開２０１１−１９６７３１（Ｐ２０１１−１９６７３１Ａ）
【公開日】平成２３年１０月６日（２０１１．１０．６）
【国際特許分類】
【出願番号】特願２０１０−６１７７７（Ｐ２０１０−６１７７７）
【出願日】平成２２年３月１８日（２０１０．３．１８）
【出願人】（５０１３８７８３９）株式会社日立ハイテクノロジーズ (4,325)
【Ｆターム（参考）】
【公開日】平成２３年１０月６日（２０１１．１０．６）
【国際特許分類】
【出願日】平成２２年３月１８日（２０１０．３．１８）
【出願人】（５０１３８７８３９）株式会社日立ハイテクノロジーズ (4,325)
【Ｆターム（参考）】
[ Back to top ]