一种电子扫描显微镜图像的特征提取方法及装置

1.本发明涉及半导体制造技术领域，尤其涉及一种电子扫描显微镜图像的特征提取方法及装置。


背景技术：

2.在集成电路制造中，实际光刻刻蚀后的集成电路图形，与原本的版图设计之间存在偏差。为了修正这一偏差，需要对设计版图和晶片上的实际图形进行比对建立模型。通常实际的图形由电子扫描显微镜(sem)获得。为了方便进行建模，需要从实际图形中提取一些关键的特征。对于一维图形而言，其关键特征在于图形的线宽(linewidth)和相邻图形之间的间距(space)。现有技术主要采用人工标注的方式在图片上标注图形的线宽。但是，采用该方式工作量较大时繁琐且耗时。


技术实现要素：

3.本发明提供了一种电子扫描显微镜图像的特征提取方法及装置，能够利用计算机快速检测出图形的线宽。
4.第一方面，本发明提供了一种电子扫描显微镜图像的特征提取方法，该特征提取方法包括：获取待处理的电子扫描显微镜图像，电子扫描显微镜图像通过采集刻蚀有集成电路的晶片获得；采用非局部均值滤波方式，对电子扫描显微镜图像进行图像滤波，得到第一图像；从第一图像中提取出电子扫描显微镜图像中图形的边缘，得到第二图像；对第二图像进行平滑化处理，得到第三图像；对第三图像进行物体轮廓检测，获取电子扫描显微镜图像中图形的边缘信息；根据图形的边缘信息，计算图形的线宽。
5.在上述的方案中，设计了一种电子扫描显微镜图像的特征提取方法，通过采用非局部均值滤波方式，对电子扫描显微镜图像进行图像滤波，之后提取出电子扫描显微镜图像中图形的边缘，再进行平滑化处理和物体轮廓检测，获取电子扫描显微镜图像中图形的边缘信息；再根据图形的边缘信息，计算电子扫描显微镜图像中每个图形的线宽，能够利用计算机快速检测出图形的线宽，并根据图形的线宽确定相邻图形之间的间距。相比人工标注的方式，能够大量减少工作量，且提高标注效率。同时，采用非局部均值滤波方式对图像进行滤波，实际使用效果比高斯滤波更好，能够提高滤波的效果。
6.在一个具体的实施方式中，采用非局部均值滤波方式，对电子扫描显微镜图像进行图像滤波，得到第一图像，包括：
7.步骤一：确定搜索窗口和邻块域尺寸；其中，搜索窗口的尺寸为ssize*ssize，邻块域的尺寸为ksize*ksize；
8.步骤二：对第一图像的上下左右四个边缘分别扩充half_ssize+half_ksize，扩充的像素点的像素值为0；
9.步骤三：从搜索窗口中选择一像素点作为当前待滤波像素点a；
10.步骤四：在搜索窗口内选择一像素点b，以像素点b为中心的邻块域作为滑动窗口，
在搜索窗口内依次滑动；在滑动窗口每滑动一次后计算以a为中心的邻块域和以b为中心的邻块域之间的均方误差，同时计算待滤波像素点a与像素点b的高斯权重，直到滑动窗口完成在搜索窗口内滑动为止；
11.步骤五：计算搜索窗口内所有像素点的像素值的加权平均数，作为像素点a的滤波值；
12.步骤六：遍历搜索窗口中其他的像素点作为当前待滤波像素点a，并重复步骤三到六，更新搜索窗口内的每个像素点的像素值，得到第一图像。便于采用非局部均值滤波方式对图像进行滤波。
13.在一个具体的实施方式中，根据图形的边缘信息，计算电子扫描显微镜图像中每个图形的线宽，包括：
14.从图形上选定设定像素点长度的图形，且设定像素点长度的图形与x-y直角坐标系中的y轴平行；
15.采用与x-y直角坐标系中的x轴平行的扫描线，在设定像素点长度的图形的一端与另一端之间，等间距的扫描n次；
16.每扫描一次，记录下扫描线与设定像素点长度的图形的左右两个边缘的交点的横坐标分别为xl[i]、xr[i]；其中，i表示第i次扫描；
[0017]
计算每次扫描所测得的图形的线宽w[i]＝xl[i]-xr[i]；
[0018]
计算设定像素点长度的图形的平均线宽w
bar
：
[0019][0020]
根据平均线宽w_bar和像素点与实际长度之间的比例关系，计算设定像素点长度的图形的实际平均线宽，并将计算得到的实际平均线宽作为图形的线宽。使得到的图形的线宽能够更加准确。
[0021]
在一个具体的实施方式中，该特征提取方法还包括：
[0022]
计算每次扫描所测得的图形的线宽w[i]、与设定像素点长度的图形的平均线宽w_bar，之间的偏差w_delt＝w[i]-wbar；
[0023]
计算设定像素点长度的线宽的标准偏差lwr：
[0024][0025]
将设定像素点长度的线宽的标准偏差lwr，作为图形的线宽标准差。还自动求取图形的线宽标准差，从而考虑了加工和识别阶段的误差，便于更加准确的修正设计版图和晶片上的实际图形之间的偏差。
[0026]
在一个具体的实施方式中，该特征提取方法还包括：
[0027]
根据n次扫描中记录的扫描线与设定像素点长度的图形的左右两个边缘的交点的横坐标xl[i]、xr[i]，计算设定像素点长度的图形的左边缘和右边缘的边缘粗糙度。还自动求取图形的左右边缘的边缘粗糙度，从而考虑了加工和识别阶段的误差，便于更加准确的修正设计版图和晶片上的实际图形之间的偏差。
[0028]
在一个具体的实施方式中，根据n次扫描中记录的扫描线与设定像素点长度的图形的左边缘的交点的横坐标xl[i]、计算设定像素点长度的图形的左边缘的边缘粗糙度，包括：
[0029]
确定设定像素点长度的图形的左边缘的边界平均位置x_bar：
[0030][0031]
计算每次扫描得到的扫描线与设定像素点长度的图形的左边缘的交点与边界平均位置的偏差x_delt：
[0032]
x_delt＝xl[i]-x_bar
[0033]
采用如下公式，计算设定像素点长度的图形的左边缘的边缘粗糙度ler_l：
[0034][0035]
便于自动的求取图形的左边缘的边缘粗糙度。
[0036]
在一个具体的实施方式中，根据n次扫描中记录的扫描线与设定像素点长度的图形的右边缘的交点的横坐标xr[i]、计算设定像素点长度的图形的右边缘的边缘粗糙度，包括：
[0037]
确定设定像素点长度的图形的右边缘的边界平均位置x_bar：
[0038][0039]
计算每次扫描得到的扫描线与设定像素点长度的图形的右边缘的交点与边界平均位置的偏差x_delt：
[0040]
x_delt＝xr[i]-x_bar
[0041]
采用如下公式，计算设定像素点长度的图形的右边缘的边缘粗糙度ler_r：
[0042][0043]
便于自动的求取图形的右边缘的边缘粗糙度。
[0044]
在一个具体的实施方式中，对第二图像进行平滑化处理，得到第三图像，包括：对第二图像进行膨胀操作，得到膨胀后的图像；对膨胀后的图像进行腐蚀操作，得到第三图像。便于将提取出的图形的边缘的断点处连接在一起，提高后续识别图形轮廓的准确性，也提高得到的图形线宽的准确性。
[0045]
在一个具体的实施方式中，从第一图像中提取出电子扫描显微镜图像中图形的边缘，得到第二图像，包括：
[0046]
对第一图像进行差分计算幅值和方向，得到每个像素点的梯度幅值和梯度方向；
[0047]
对得到的每个像素点的梯度幅值和梯度方向，进行非极大值抑制处理；
[0048]
根据第二图像的对比度，设置高阈值和低阈值；
[0049]
每个像素点的梯度幅值与高阈值和低阈值进行比对；
[0050]
如果像素点的梯度幅值高于高阈值，则保留该像素点；
[0051]
如果像素点的梯度幅值低于低阈值，则含弃该像素点；
[0052]
如果像素点的梯度幅值介于高阈值和低阈值之间，则使用该像素点的8个邻域的梯度幅值，与高阈值和低阈值进行比对；如果该像素点的8个邻域的梯度幅值中，存在像素点的梯度幅值高于高阈值，则保留该像素点；如果该像素点的8个邻域的梯度幅值中，不存在像素点的梯度幅值高于高阈值，则舍弃该像素点；
[0053]
根据保留的像素点，提取出电子扫描显微镜图像中图形的边缘，得到第二图像。便于准确的提取出电子扫描显微镜图像中图形的边缘。
[0054]
第二方面，本发明还提供了一种电子扫描显微镜图像的特征提取装置，该特征提取装置包括：图像获取模块、图像滤波模块、边缘提取模块、平滑处理模块、轮廓检测模块和线宽计算模块。其中，图像获取模块用于获取待处理的电子扫描显微镜图像，电子扫描显微镜图像通过采集刻蚀有集成电路的晶片获得。图像滤波模块用于采用非局部均值滤波方式，对电子扫描显微镜图像进行图像滤波，得到第一图像。边缘提取模块用于从第一图像中提取出电子扫描显微镜图像中图形的边缘，得到第二图像。平滑处理模块用于对第二图像进行平滑化处理，得到第三图像。轮廓检测模块用于对第三图像进行物体轮廓检测，获取电子扫描显微镜图像中图形的边缘信息。线宽计算模块用于根据图形的边缘信息，计算电子扫描显微镜图像中每个图形的线宽。
[0055]
在上述的方案中，设计了一种电子扫描显微镜图像的特征提取装置，通过采用非局部均值滤波方式，对电子扫描显微镜图像进行图像滤波，之后提取出电子扫描显微镜图像中图形的边缘，再进行平滑化处理和物体轮廓检测，获取电子扫描显微镜图像中图形的边缘信息；再根据图形的边缘信息，计算电子扫描显微镜图像中每个图形的线宽，能够利用计算机快速检测出图形的线宽，并根据图形的线宽确定相邻图形之间的间距。相比人工标注的方式，能够大量减少工作量，且提高标注效率。同时，采用非局部均值滤波方式对图像进行滤波，实际使用效果比高斯滤波更好，能够提高滤波的效果。
附图说明
[0056]
图1为本发明实施例提供的一种电子扫描显微镜图像的特征提取方法的流程图；
[0057]
图2为本发明实施例提供的一种待处理的电子扫描显微镜图像的示意图；
[0058]
图3为图2中的局部放大图；
[0059]
图4为从第一图像中提取出电子扫描显微镜图像中图形的边缘，得到的第二图像；
[0060]
图5为对图4进行膨胀操作后的示意图；
[0061]
图6为对图5进行腐蚀操作后的示意图；
[0062]
图7为本发明实施例提供的一种计算图形线宽的示意图；
[0063]
图8为本发明实施例提供的一种计算连线线左边缘的粗糙度的示意图。
具体实施方式
[0064]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例
中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0065]
为了方便理解本发明实施例提供的电子扫描显微镜图像的特征提取方法，下面首先说明一下本发明实施例提供的电子扫描显微镜图像的特征提取方法的应用场景，该电子扫描显微镜图像的特征提取方法应用于从电子扫描显微镜图像上获取到图形的线宽信息，其中的电子扫描显微镜图像通过采集刻蚀有集成电路的晶片获得，图形属于集成电路中的金属图形和非金属图形等。下面结合附图对该电子扫描显微镜图像的特征提取方法进行详细的叙述。
[0066]
参考图1，本发明实施例提供的电子扫描显微镜图像的特征提取方法包括：
[0067]
step10：获取待处理的电子扫描显微镜图像，电子扫描显微镜图像通过采集刻蚀有集成电路的晶片获得；
[0068]
step20：采用非局部均值滤波方式，对电子扫描显微镜图像进行图像滤波，得到第一图像；
[0069]
step30：从第一图像中提取出电子扫描显微镜图像中图形的边缘，得到第二图像；
[0070]
step40：对第二图像进行平滑化处理，得到第三图像；
[0071]
step50：对第三图像进行物体轮廓检测，获取电子扫描显微镜图像中图形的边缘信息；
[0072]
step60：根据图形的边缘信息，计算图形的线宽。
[0073]
在上述的方案中，设计了一种电子扫描显微镜图像的特征提取方法，通过采用非局部均值滤波方式，对电子扫描显微镜图像进行图像滤波，之后提取出电子扫描显微镜图像中图形的边缘，再进行平滑化处理和物体轮廓检测，获取电子扫描显微镜图像中图形的边缘信息；再根据图形的边缘信息，计算电子扫描显微镜图像中每个图形的线宽，能够利用计算机快速检测出图形的线宽，并根据图形的线宽确定相邻图形之间的间距。相比人工标注的方式，能够大量减少工作量，且提高标注效率。同时，采用非局部均值滤波方式对图像进行滤波，实际使用效果比高斯滤波更好，能够提高滤波的效果。下面结合附图对上述各个步骤进行详细的介绍。
[0074]
首先，参考图1、图2及图3，获取待处理的电子扫描显微镜图像，电子扫描显微镜图像通过采集刻蚀有集成电路的晶片获得。从图2及图3可以看出，在电子扫描显微镜图像上具有多个图形，该图形可以为晶片上的金属图形或非金属图形。
[0075]
接下来，如图1、图2及图3所示，采用非局部均值滤波方式，对电子扫描显微镜图像进行图像滤波，得到第一图像。在具体采用非局部均值滤波方式，对电子扫描显微镜图像进行图像滤波，得到第一图像时，示例性的可以采用如下的方式：
[0076]
步骤一：确定搜索窗口和邻块域尺寸；其中，搜索窗口的尺寸为ssize*ssize，邻块域的尺寸为ksize*ksize；需要解释的是，ssize大于ksize，且ksize、ssize这两个参数都为奇数。搜索窗口可以为如图3中所示出的整个图像大小，也可以为如图2所示出的整个图像大小。
[0077]
步骤二：对第一图像的上下左右四个边缘分别扩充half_ssize+half_ksize，扩充的像素点的像素值为0；
[0078]
步骤三：从搜索窗口中选择一像素点作为当前待滤波像素点a；
[0079]
步骤四：在搜索窗口内选择一像素点b，以像素点b为中心的邻块域作为滑动窗口，在搜索窗口内依次滑动；在滑动窗口每滑动一次后计算以a为中心的邻块域和以b为中心的邻块域之间的均方误差，同时计算待滤波像素点a与像素点b的高斯权重，直到滑动窗口完成在搜索窗口内滑动为止，以计算出以a为中心的邻块域与所有滑动窗口之间的均方误差和高斯权重；
[0080]
其中，在滑动窗口每滑动一次后计算以a为中心的邻块域和以b为中心的邻块域之间的均方误差(mse)时，可以采用如下的mse计算公式：
[0081][0082]
式中的m，n分别代表邻块域的行数和列数，都为ksize；
[0083]
在计算待滤波像素点a与像素点b的高斯权重w(a,b)时，可以采用如下的公式：
[0084][0085][0086]
其中h也是一个重要的参数，h越大去噪效果越好，但是图像越模糊，反之h越小去噪效果越差，但去噪之后的失真度越小。
[0087]
步骤五：计算搜索窗口内所有像素点的像素值的加权平均数，作为像素点a的滤波值。即计算像素点a的滤波值时，其由搜索窗口内所有像素点的像素值加权平均得到，具体可以采用如下的公式：
[0088]
nlmeans(a)＝∑w(a,b)*i(b)
[0089]
步骤六：遍历搜索窗口中其他的像素点作为当前待滤波像素点a，并重复步骤三到六，更新搜索窗口内的每个像素点的像素值，得到第一图像。便于采用非局部均值滤波方式对图像进行滤波，同时也便于得到较好滤波效果的第一图像。
[0090]
接下来，参考图1及图4，从第一图像中提取出电子扫描显微镜图像中图形的边缘，得到第二图像。在具体从第一图像中提取出电子扫描显微镜图像中图形的边缘，得到第二图像时，示例性的可以采用如下的方式：
[0091]
(1)对第一图像进行差分计算幅值和方向，得到每个像素点的梯度幅值和梯度方向；可以使用sobel算子作为梯度算子，分别在x和y方向上计算梯度，并得到梯度的方向。
[0092]
(2)对得到的每个像素点的梯度幅值和梯度方向，进行非极大值抑制处理；具体可以沿着梯度方向对梯度幅值进行非极大值抑制，在每一像素点上，领域中心x与沿着其对应的梯度方向的两个像素相比，若中心像素为最大值，则保留，否则中心置0。
[0093]
(3)根据第二图像的对比度，设置高阈值和低阈值；
[0094]
(4)每个像素点的梯度幅值与高阈值和低阈值进行比对，并根据不同的比对结果，进行不同的处理方式，具体如下：
[0095]
如果像素点的梯度幅值高于高阈值，则保留该像素点；
[0096]
如果像素点的梯度幅值低于低阈值，则舍弃该像素点；
[0097]
如果像素点的梯度幅值介于高阈值和低阈值之间，则使用该像素点的8个邻域的梯度幅值，与高阈值和低阈值进行比对；如果该像素点的8个邻域的梯度幅值中，存在像素点的梯度幅值高于高阈值，则保留该像素点；如果该像素点的8个邻域的梯度幅值中，不存在像素点的梯度幅值高于高阈值，则舍弃该像素点；
[0098]
(5)根据保留的像素点，提取出电子扫描显微镜图像中图形的边缘，得到如图4所示出的第二图像。便于准确的提取出电子扫描显微镜图像中图形的边缘。
[0099]
接下来，参考图1、图5～图6，对第二图像进行平滑化处理，得到第三图像。如图4所示出出的边缘提取后的图像，存在一些断点，可以对其做平滑化处理。具体对第二图像进行平滑化处理时，示例性的可以采用如下方式：先对第二图像进行膨胀操作，得到如图5示出的膨胀后的图像；之后对膨胀后的图像进行腐蚀操作，得到如图6示出的第三图像。便于将提取出的图形的边缘的断点处连接在一起，提高后续识别图形轮廓的准确性，也提高得到的图形线宽的准确性。
[0100]
其中，在对第二图像进行膨胀操作时，可以采用如下的方式：
[0101]
第一步，选用合适结构元素，本文选用十字形的结构；
[0102]
第二步，以图像某处像素点为中心，用结构元素与其覆盖的二值图像做与操作；
[0103]
第三步，如果结构内与操作后有一个元素为1，(也就是该元素上下左右像素点中只要有一个像素点值为1)，结果图像的该处像素值就为1，否则为0。
[0104]
第四步，循环二三步骤，直至遍历整个图像。
[0105]
最终得到结果图，原本二值图像的边缘会比原来大了一圈，原来不连续有断点处可以连接起来。
[0106]
腐蚀操作可以看作是膨胀操作的一个对偶操作，在对第二图像进行腐蚀操作时，可以采用如下的方式：
[0107]
第一步，选择合适结构元素，本文选用了十字结构
[0108]
第二步，以图像某处像素点为中心，用结构元素与其覆盖的二值图像做与操作；
[0109]
第三步，如果结构内与操作后有一个元素为0，(也就是该元素上下左右像素点中只要有一个像素点值不为1)，结果图像的该处像素值就为0，否则为1。
[0110]
第四步，循环二三步骤，直至遍历整个图像。
[0111]
最终之前膨胀的图像会变细，但仍保持连续性。
[0112]
接下来，参考图1，对第三图像进行物体轮廓检测，获取电子扫描显微镜图像中图形的边缘信息。
[0113]
对于边缘检测后的第三图像，进行物体轮廓的检测，其基本原理可以在opencv中可以调用cv2.findcontours函数进行轮廓的信息的获取。具体的原理如下：
[0114]
物体的轮廓检测
[0115]
物体轮廓检测方式采用了开源的opencv库中的cv2.findcontours()函数，其基本原理如下：
[0116]
定义输入的第三图片f＝f{i,j}，初始化nbd为1,lnbd为1。并且每行扫描开始，lnbd重设为1：
[0117]
(1)情况一:如果f(i,j)＝1并且f(i,j-1)＝0.则(i,j)是外轮廓的起始点,nbd+1，
(i2,j2)＝(i,j-1)。
[0118]
情况二:如果f(i,j)》＝1并诅f(i,j+1)＝0,则(i,j)是孔轮廓的起始点，nbd+1,(i2,j2)＝(i,j+1)。
[0119]
其他情况跳到(4)。
[0120]
(2)基于轮廓种类决定父轮廓。
[0121]
(3)从边界开始点(i,j)开始按(3.1)到(3.5)进行边界跟踪。
[0122]
(3.1)从(i2,j2)开始，以(i,j)为中心顺时针找到一个非零点为(i1,j1),如果没有把nbd赋值给f(i,j),跳到步骤(4)。
[0123]
(3.2)(i2,j2)＝(i1,j1)，(i3,j3)＝(i,j)。
[0124]
(3.3)从(i2，j2)开始，以(i3，j3)为中心逆时针找到一个非零点为(i4，j4)。
[0125]
(3.4)根据(i3，j3)，即当前扫描到的pixel，改变f(i，j)的值，如果f(i3，j3+1)＝0，则f(i3，j3)＝-nbd，如果f(i3，j3+1)≠0(可能为正或者负数)并且f(i3，j3)＝1，则f(i3，j3)＝nbd，其他情况不改变值。
[0126]
(3.5)如果(i4，j4)＝(i，j)and(i3，j3)＝(i1，j1)代表回到了原点，跳到(4)。否则(i3，j3)＝(i4，j4)，(i2，j2)＝(i3，j3)。
[0127]
(4)如果f(i，j)≠1那么lnbd＝|f(i，j)|，从(i，j+1)开始继续扫描直到最右下角的像素。
[0128]
之后，对获取的轮廓信息进行排序，其顺序可以为从图像左上角至右下角，借助开源的工具库imutils中的imutils.contours.sort_contours完成。
[0129]
接下来，参考图1及图7，根据图形的边缘信息，计算电子扫描显微镜图像中每个图形的线宽。在具体根据图形的边缘信息，计算电子扫描显微镜图像中每个图形的线宽时，如图7所示，示例性的可以采用如下的方式：
[0130]
(1)从图形上选定设定像素点长度的图形，且设定像素点长度的图形与x-y直角坐标系中的y轴平行。其中的y轴为图6及图7中的竖直方向，其中的x轴为图6及图7中的水平方向。具体可以根据上述步骤中得到的边缘轮廓信息，遍历每一个轮廓。之后，在竖直方向上选取图6示出的图像的上的5/6区域，以去除底部放大倍数及比例尺信息，避免后续处理中产生影响。设定像素点长度具体可以为480、960等任意的像素点长度。例如对于如图8所示出的图片，其竖直方向480个像素点，选取部分为400个像素点。
[0131]
(2)采用与x-y直角坐标系中的x轴平行的扫描线，在设定像素点长度的图形的一端与另一端之间，等间距的扫描n次。例如，对于如图8所示出的图片，其竖直方向480个像素点，选取部分为400个像素点，扫描50次的间隔是8个像素点，即每次扫描其竖直方向坐标加8个像素点，任意两个扫描线之间的间距为8个像素点。
[0132]
(3)每扫描一次，记录下扫描线与设定像素点长度的图形的左右两个边缘的交点的横坐标分别为xl[i]、xr[i]；其中，扫描线与设定像素点长度的图形的左边缘的交点的横坐标为xl[i]，扫描线与设定像素点长度的图形的右边缘的交点的横坐标为xr[i]，其中，i表示第i次扫描；可以一维数组形式保存；
[0133]
(4)计算每次扫描所测得的图形的线宽w[i]＝xl[i]-xr[i]；
[0134]
(5)计算设定像素点长度的图形的平均线宽w_bar：
[0135][0136]
(6)根据平均线宽w_bar、像素点与实际长度之间的比例关系，计算设定像素点长度的图形的实际平均线宽，并将计算得到的实际平均线宽作为图形的线宽。使得到的图形的线宽能够更加准确。
[0137]
另外，该特征提取方法还可以进一步包括计算图形的线宽标准差，具体计算图形的线宽标准差时，示例性的可以采用如下的方式：
[0138]
(7)计算每次扫描所测得的图形的线宽w[i]、与设定像素点长度的图形的平均线宽w_bar，之间的偏差w_delt＝w[i]-w_bar；
[0139]
(8)计算设定像素点长度的线宽的标准偏差lwr：
[0140][0141]
将设定像素点长度的线宽的标准偏差lwr，作为图形的线宽标准差。还自动求取图形的线宽标准差，从而考虑了加工和识别阶段的误差，便于更加准确的修正设计版图和晶片上的实际图形之间的偏差。
[0142]
此外，参考图8，该特征提取方法还可以进一步包括计算图形的左右边缘的边缘粗糙度，具体计算图形的左右边缘的边缘粗糙度时，示例性的可以采用如下方式。根据n次扫描中记录的扫描线与设定像素点长度的图形的左右两个边缘的交点的横坐标xl[i]、xr[i]，计算设定像素点长度的图形的左边缘和右边缘的边缘粗糙度。还自动求取图形的左右边缘的边缘粗糙度，从而考虑了加工和识别阶段的误差，便于更加准确的修正设计版图和晶片上的实际图形之间的偏差。
[0143]
其中，根据n次扫描中记录的扫描线与设定像素点长度的图形的左边缘的交点的横坐标xl[i]、计算设定像素点长度的图形的左边缘的边缘粗糙度时，参考图8，示例性的可以采用如下的方式：
[0144]
(1)确定设定像素点长度的图形的左边缘的边界平均位置x_bar：
[0145][0146]
(2)计算每次扫描得到的扫描线与设定像素点长度的图形的左边缘的交点与边界平均位置的偏差x_delt：
[0147]
x_delt＝xl[i]-x_bar
[0148]
(3)采用如下公式，计算设定像素点长度的图形的左边缘的边缘粗糙度ler_l：
[0149][0150]
便于自动的求取图形的左边缘的边缘粗糙度。
[0151]
当然，在根据n次扫描中记录的扫描线与设定像素点长度的图形的右边缘的交点的横坐标xr[i]、计算设定像素点长度的图形的右边缘的边缘粗糙度时，其计算原理与计算图形的左边缘线基本相同，具体如下：
[0152]
(1)确定设定像素点长度的图形的右边缘的边界平均位置x_bar：
[0153][0154]
(2)计算每次扫描得到的扫描线与设定像素点长度的图形的右边缘的交点与边界平均位置的偏差x_delt：
[0155]
x_delt＝xr[i]-x_bar
[0156]
(3)采用如下公式，计算设定像素点长度的图形的右边缘的边缘粗糙度ler_r：
[0157][0158]
便于自动的求取图形的右边缘的边缘粗糙度。
[0159]
在上述示出的各种实施方式中，设计了电子扫描显微镜图像的特征提取方法，通过采用非局部均值滤波方式，对电子扫描显微镜图像进行图像滤波，之后提取出电子扫描显微镜图像中图形的边缘，再进行平滑化处理和物体轮廓检测，获取电子扫描显微镜图像中图形的边缘信息；再根据图形的边缘信息，计算电子扫描显微镜图像中每个图形的线宽，能够利用计算机快速检测出图形的线宽，并根据图形的线宽确定相邻图形之间的间距。相比人工标注的方式，能够大量减少工作量，且提高标注效率。同时，采用非局部均值滤波方式对图像进行滤波，实际使用效果比高斯滤波更好，能够提高滤波的效果。
[0160]
另外，本发明实施例还提供了一种电子扫描显微镜图像的特征提取装置，该特征提取装置包括：图像获取模块、图像滤波模块、边缘提取模块、平滑处理模块、轮廓检测模块和线宽计算模块。其中，图像获取模块用于获取待处理的电子扫描显微镜图像，电子扫描显微镜图像通过采集刻蚀有集成电路的晶片获得。图像滤波模块用于采用非局部均值滤波方式，对电子扫描显微镜图像进行图像滤波，得到第一图像。边缘提取模块用于从第一图像中提取出电子扫描显微镜图像中图形的边缘，得到第二图像。平滑处理模块用于对第二图像进行平滑化处理，得到第三图像。轮廓检测模块用于对第三图像进行物体轮廓检测，获取电子扫描显微镜图像中图形的边缘信息。线宽计算模块用于根据图形的边缘信息，计算电子扫描显微镜图像中每个图形的线宽。
[0161]
在上述的方案中，设计了一种电子扫描显微镜图像的特征提取装置，通过采用非局部均值滤波方式，对电子扫描显微镜图像进行图像滤波，之后提取出电子扫描显微镜图像中图形的边缘，再进行平滑化处理和物体轮廓检测，获取电子扫描显微镜图像中图形的边缘信息；再根据图形的边缘信息，计算电子扫描显微镜图像中每个图形的线宽，能够利用计算机快速检测出图形的线宽，并根据图形的线宽确定相邻图形之间的间距。相比人工标注的方式，能够大量减少工作量，且提高标注效率。同时，采用非局部均值滤波方式对图像进行滤波，实际使用效果比高斯滤波更好，能够提高滤波的效果。
[0162]
需要解释的是，上述的图像获取模块、图像滤波模块、边缘提取模块、平滑处理模
块、轮廓检测模块和线宽计算模块，均为集合了软硬件的功能模块。每个功能模块不仅包含了能够执行相应方法步骤的软件代码，而且还包含了存储、读取和运行相应软件代码的硬件模块，该硬件模块可以为存储器、处理器等。
[0163]
另外，上述的的图像获取模块、图像滤波模块、边缘提取模块、平滑处理模块、轮廓检测模块和线宽计算模块在具体实现相应功能时，可以采用上述电子扫描显微镜图像的特征提取方法中的对应步骤进行具体的操作。
[0164]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。