SEM图像质量评价方法与流程

sem图像质量评价方法
技术领域
1.本发明涉及图像处理技术领域，尤其涉及一种sem图像质量评价方法。


背景技术：

2.在集成电路检测领域中，为了获得质量更高的扫描电子显微镜(scanning electron microscope，sem)图像，需要自动的评价获取图像的质量来辅助调节仪器参数。由于sem图像噪声大，且在去除噪声的同时会模糊sem图像的其它部分的信息，比如边缘信息，导致难以区分质量相似的图像。此外，在评价同一场景的一组图像时，由于sem图像是在运动中获取的，图像之间会有一些位移或旋转。如果仅使用图像中物体的边缘来评价图像的质量，由于图像中包含的边缘的差异，图像质量评价结果不准确。
3.因此，有必要提出了一种sem图像质量评价方法。


技术实现要素：

4.本发明提供了一种sem图像质量评价方法，以解决现有技术中由于sem图像噪声大，且在去除噪声的同时会模糊sem图像的其它部分的信息，导致难以区分质量相似的图像，以及图像质量评价结果不准确的技术问题。
5.第一方面，本发明实施例提供一种sem图像质量评价方法，包括：s1、获取第一sem图像，对所述第一sem图像进行傅里叶变换；s2、根据所述第一sem图像进行傅里叶变换的结果，获取所述第一sem图像所对应的频谱图和相位图；s3、根据所述频谱图中的亮点的幅值，获取第一评分，所述第一评分为所述第一sem图像的大尺度特征的评分；s4、根据所述相位图重建sem图像，以获取第二sem图像；s5、根据所述第二sem图像的边缘信息，获取第二评分，所述第二评分为所述第一sem图像的小尺度特征的评分；s6、根据所述第一评分和所述第二评分，获取所述第一sem图像的质量评价分数。
6.其有益效果在于：本发明实施例所提供的sem图像质量评价方法，通过同时结合大尺度特征、小尺度特征的丰富程度，得到sem图像的质量评价分数，大尺度特征用于描述sem图像的主要内容，小尺度特征用于描述sem图像的物体边缘信息，结合两者后所得到的sem图像的质量评价分数，对sem图像的位移和旋转的容忍度更强。能够实现无需去除图像噪声，就可得到准确的sem图像质量的评价结果。综上，本发明实施例可以解决由于sem图像噪声大，所导致的图像质量评价困难的问题，以及解决因仅使用图像中物体的边缘来评价图像的质量而导致图像质量评价结果不准确的问题。
7.可选地，在s3中，包括：在所述频谱图中筛选满足预设条件的部分亮点，根据所述满足预设条件的部分亮点的幅值获取所述第一评分。其有益效果在于：所述第一评分仅需要根据满足预设条件的部分亮点的幅值获得，在保证第一评分获取的准确度的前提下，计算量小。
8.可选地，在s3中，包括：在所述频谱图中筛选高亮点，所述高亮点为所述频谱图中幅值最大的部分亮点，根据所述高亮点的幅值获取所述第一评分。其有益效果在于：高亮点
更能体现频谱图中的低频信号，能更好反映图像中的大尺度特征，使得质量评价分数更准确。
9.可选地，在s3中，包括：在所述频谱图中筛选出幅值最大且数量为预设数量的高亮点，组成点集l；对筛选出的所述高亮点的幅值求均值，得到所述第一评分。
10.可选地，在s3中，包括：当存在a张所述第一sem图像时，在其中一张第一sem图像所对应的所述频谱图中筛选出幅值最大且数量为预设数量的高亮点，组成点集l1，所述a为大于1的整数；a张所述第一sem图像为用于评价同一场景且清晰程度不同的sem图像；将所述点集l1中的最低幅值t1作为阈值，在a张所述第一sem图像中的其余图像所对应的频谱图中分别筛选出幅值大于所述阈值t1的高亮点，组成a张所述第一sem图像中的第i张图像所对应的点集li，1＜i≤a；对a张所述第一sem图像中的第i张图像所对应的点集li中的高亮点的幅值求均值，得到所述第一sem图像中的第i张图像所对应的所述第一评分。其有益效果在于：在评价同一场景的一组sem图像时，由于sem图像是在运动中获取的，sem图像之间会有一些位移或旋转。如果仅使用sem图像中物体的边缘来评价图像的质量，由于sem图像中包含的边缘的差异，图像质量评价结果不准确。在本实施例中，所提供的高亮点筛选方法，能够提高关于同一场景的一组sem图像的图像质量评价结果的准确性。
11.可选地，在s3中，包括：所述预设数量为或p为预设的数值且使得或使得m
×
n为第一sem图像的大小。
12.可选地，p∈(0,0.5)。
13.可选地，在s5中，包括：对所述第二sem图像的边缘信息进行提取，以得到边缘点的灰度值分布函数；计算所述边缘点的灰度值的平均值的相反数，获取第二评分。
14.可选地，通过公式计算所述边缘点的灰度值的平均值的相反数，m
×
n为第一sem图像的大小，e为所述灰度值分布函数。
15.可选地，在s4中，包括：对所述相位图进行傅里叶逆变换以重建sem图像；在s6中，包括：对所述第一评分和所述第二评分进行加权以获得加权评分，将所述加权评分作为所述第一sem图像的质量评价分数s。其有益效果在于：通过根据所述相位图重建sem图像，所得到的第二sem图像能够相比第一sem图像突出了灰度变化剧烈的边缘特征和噪声，去除了灰度变化平滑的区域、光照变化，有利于提高小尺度特征获取的准确性。本发明实施例可以通过在不同需求下，设置相应的权重，获取准确的sem图像的质量评价分数，质量评价分数s越高，图像质量越好。
附图说明
16.图1为本发明实施例提供的一种sem图像质量评价方法实施例流程图；
17.图2为本发明实施例提供的一种频谱图和相位图实施例示意图；
18.图3为本发明实施例提供的一种高亮点分布实施例示意图；
19.图4为本发明实施例提供的一种相位图在处理过程中的变化情况实施例示意图；
20.图5为本发明实施例提供的一种不同sem图像的质量评价分数分布实施例示意图；
21.图6为本发明实施例提供的一种sem图像质量评价装置实施例示意图；
具体实施方式
22.下面结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。其中，在本技术实施例的描述中，以下实施例中所使用的术语只是为了描述特定实施例的目的，而并非旨在作为对本技术的限制。如在本技术的说明书和所附权利要求书中所使用的那样，单数表达形式“一种”、“该”、“上述”、“该”和“这一”旨在也包括例如“一个或多个”这种表达形式，除非其上下文中明确地有相反指示。还应当理解，在本技术以下各实施例中，“至少一个”、“一个或多个”是指一个或两个以上(包含两个)。术语“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系；例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b的情况，其中a、b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。
23.在本说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。术语“连接”包括直接连接和间接连接，除非另外说明。“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。
24.在本技术实施例中，“示例性地”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性地”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性地”或者“例如”等词旨在以具体方式呈现相关概念。
25.本发明实施例提供了一种sem图像质量评价方法及装置，以解决现有技术中由于sem图像噪声大，且在去除噪声的同时会模糊sem图像的其它部分的信息，导致难以区分质量相似的图像(使图像质量评价困难)的技术问题，以及解决因仅使用图像中物体的边缘来评价图像的质量而导致图像质量评价结果不准确的问题。
26.本发明实施例提供一种sem图像质量评价方法，其流程如图1所示，包括：
27.s1、获取第一sem图像，对所述第一sem图像进行傅里叶变换；
28.s2、根据所述第一sem图像进行傅里叶变换的结果，获取所述第一sem图像所对应的频谱图和相位图；
29.s3、根据所述频谱图中的亮点的幅值，获取第一评分，所述第一评分为所述第一sem图像的大尺度特征的评分；
30.s4、根据所述相位图重建sem图像，以获取第二sem图像；
31.s5、根据所述第二sem图像的边缘信息，获取第二评分，所述第二评分为所述第一sem图像的小尺度特征的评分；
32.s6、根据所述第一评分和所述第二评分，获取所述第一sem图像的质量评价分数。
33.具体地，s3和s4所需执行的操作的先后顺序不作限定，即s3和s4可以同时进行，也可以先进行s3、再进行s4，也可以先进行s4、再进行s3。
34.其有益效果在于：本发明实施例所提供的sem图像质量评价方法，通过同时结合大
尺度特征、小尺度特征的丰富程度，得到sem图像的质量评价分数，大尺度特征用于描述sem图像的主要内容，小尺度特征用于描述sem图像的物体边缘信息，结合两者后所得到的sem图像的质量评价分数，对sem图像的位移和旋转的容忍度更强。能够实现无需去除图像噪声，就可得到准确的sem图像质量的评价结果。本发明实施例可以解决由于sem图像噪声大，所导致的图像质量评价困难的问题，以及解决因仅使用图像中物体的边缘来评价图像的质量而导致图像质量评价结果不准确的问题。
35.可选地，在s1中，包括：所述第一sem图像的大小为m
×
n，获取所述第一sem图像的灰度分布函数f(x,y)，(x,y)为像素的坐标，f(x,y)为像素在坐标(x,y)处的灰度值；通过公式对所述第一sem图像进行傅里叶变换，得到所述第一sem图像的频域分布函数f(u,v)；其中，u＝0,1,2,
…
,m-1；v＝0,1,2,
…
,n-1。其有益效果在于：通过公式得到了所述第一sem图像的傅里叶变换结果，即所述第一sem图像的频域分布函数f(u,v)。
36.可选地，在s2中，包括：所述第一sem图像的频域分布函数f(u,v)的复数表达式为f(u,v)＝a+bj，通过公式以及p(u,v)＝arctan(b,a)、分别获取所述第一sem图像所对应的频谱图q(u,v)、以及所述第一sem图像所对应的相位图p(u,v)。其有益效果在于：获取到了低频部分位于图像中心、且频率由中心到边缘逐渐变高的频谱图。
37.在一些实施例中，在s3中，包括：在所述频谱图中筛选满足预设条件的部分亮点，根据所述满足预设条件的部分亮点的幅值获取所述第一评分。其有益效果在于：所述第一评分仅需要根据满足预设条件的部分亮点的幅值获得，在保证第一评分获取的准确度的前提下，计算量小。
38.在一些实施例中，在s3中，包括：在所述频谱图中筛选高亮点，所述高亮点为所述频谱图中幅值最大的部分亮点，根据所述高亮点的幅值获取所述第一评分。其有益效果在于：高亮点更能体现频谱图中的低频信号，能更好反映图像中的大尺度特征，使得质量评价分数更准确。
39.在一些实施例中，在s3中，包括：在所述频谱图中筛选出幅值最大且数量为预设数量的高亮点，组成点集l；对筛选出的所述高亮点的幅值求均值，得到所述第一评分。
40.在一些实施例中，在s3中，包括：当存在a张所述第一sem图像时，在其中任意一张第一sem图像所对应的所述频谱图中筛选出幅值最大的第一sem图像所对应的所述频谱图中筛选出幅值最大的个高亮点，组成点集l1(相当于点集li，i＝1)，所述a为大于1的整数；a张所述第一sem图像为用于评价同一场景且清晰程度不同的sem图像；将所述点集l1中的最低幅值t1作为阈值，在a张所述第一sem图像中的其余图像所对应的频谱图中分别筛选出幅值大于所述阈值t1的高亮点，以组成a张所述第一sem图像中的第i张图像所对应的点集li，1＜i≤a，以获取所述第一sem图像中的第i张图像的大尺度特征；通过公式对筛选出的高亮点的幅值求均值(此时，1≤i≤a)，得到所述第一sem图像中的第i张图像所对应的所述第一评分s
_li
。其有益效果在于：在评价同一场景的一组sem图像时，由于sem图像是在运动中获取的，sem图像之间
会有一些位移或旋转。如果仅使用sem图像中物体的边缘来评价图像的质量，由于sem图像中包含的边缘的差异，图像质量评价结果不准确。在本实施例中，所提供的高亮点筛选方法，能够提高关于同一场景的一组sem图像的图像质量评价结果的准确性。
41.可选地，在s3中，包括：所述预设数量为或p为预设的数值且使得或使得m
×
n为第一sem图像的大小。通过公式或者对筛选出的幅值最大的或个高亮点的幅值求均值，得到所述第一评分s1。其有益效果在于：在本实施例中，第一评分s1越大，说明大尺度特征越丰富。其中，表示向下取整，表示表示向上取整。
42.可选地，p∈(0,0.5)。
43.在一些实施例中，在s4中，包括：通过公式在一些实施例中，在s4中，包括：通过公式根据所述相位图p(u,v)重建sem图像，以获取第二sem图像的灰度分布函数f
p
(x,y)。根据所述相位图p(u,v)重建sem图像，所得到的第二sem图像能够相比第一sem图像突出了灰度变化剧烈的边缘特征和噪声，去除了灰度变化平滑的区域、光照变化，有利于提高小尺度特征获取的准确性。
44.在一些实施例中，在s5中，包括：对所述第二sem图像的边缘信息进行提取，以得到边缘点的灰度值分布函数e；通过公式计算所述边缘点的灰度值的平均值的相反数，获取第二评分s2。由于sem图像噪声大，在去除噪声的同时会模糊图像的其它部分的信息，比如物体的边缘，导致无法区分质量相似的图像。本发明实施例提出一种无需去除图像噪声，在相位图重建的图像上评价图像小尺度边缘特征丰富程度的方法。由于相位图重建的图像相比第一sem图像突出了灰度变化剧烈的小尺度边缘特征和噪声，去除了灰度变化平滑的区域、光照变化。在使用边缘检测算法提取图像边缘时，对于模糊图像，提取到的灰度变化剧烈的部分是遍布全图的高频噪声；对于清晰图像，小尺度的边缘信息的灰度变化相比噪声更加剧烈，反而会去除一些噪声。因此，能够通过提取到的边缘多少来区分图像中小尺度边缘特征的丰富程度。第二评分s2越大，说明图像中小尺度的边缘信息越丰富。
45.在一些实施例中，在s6中，包括：通过公式s＝w1s1+w2s2，获取所述第一sem图像的质量评价分数s，其中，w1和w2为预设权重，且w1+w2＝1。其有益效果在于：本发明实施例可以通过在不同需求下，设置相应的权重，获取准确的sem图像的质量评价分数，质量评价分数s越高，图像质量越好。
46.为了更加详细的说明本技术的发明内容，在此进行具体实例：
47.获取待评价sem图像，所述待评价sem图像指代上述第一sem图像。所述待评价sem图像大小为m
×
n。m和n分别为待评价sem图像的长和宽。对所述待评价sem图像的灰度分布函数f(x,y)做傅里叶变换，得到待评价sem图像的频率分布函数f(u,v)，
其中u＝0,1,2,
…
,m-1；v＝0,1,2,
…
,n-1；对该频率分布函数f(u,v)进行计算，得到频谱图q(u,v)和相位图p(u,v)。所述频谱图q(u,v)如图2中的(1)所示，所述相位图p(u,v)如图2中的(2)所示，其中，如图2所示的频谱图为经过变换后的图像，所述变换为将低频部分转换到图像中心，从中心点到图像边缘，频率逐渐变高。假定，频率分布函数f(u,v)的复数表达式为a+bj，q(u,v)和p(u,v)，计算式如下：p(u,v)＝arctan(b,a)。
48.在频谱图q(u,v)中提取所述待评价sem图像的大尺度特征，以获取评价大尺度特征丰富程度第一评分s1。频谱图中的亮点表示该点对应频率的能量高，即其对应的特征在时域图像中重复性高。这些亮点例如前文所述的高亮点主要集中在低频信号处，对应图像中的大尺度特征。如图2中的(1)所示的频谱图中的高亮点，集中在图像中心点。在频谱图中筛选提取幅值最大的个高亮点，p∈(0,0.5)，即可得到时域图像中的大尺度特征。本实施例中，p＝0.001，在频谱图中筛选幅值最大的个高亮点组成点集l，筛选的点如图3所示。对筛选点的幅值求均值得到图像大尺度特征丰富程度的评分s1：s1越大，说明图像中的大尺度特征越丰富。
49.在评价同一场景的清晰程度不同的一组sem图像的质量时，由于有拍摄场景相同的先验信息，还可以采用另一种高亮点集筛选方法。首先在这一组sem图像中选择任意一幅图，按照上述方法筛选出其高亮点集，取高亮点集中的最低幅值t1作为阈值。然后用阈值t1筛选得到每幅图中的幅值大于所述阈值t1的高亮点，以构成高亮点集，分别计算这一组sem图像中的各个图像的s
1i
。
50.用相位图p(u,v)重建图像，即，对p(u,v)做傅里叶逆变换，公式如下：在图4中的(1)中，原图401和原图406对应不同的sem图像，即两张不同的第一sem图像，对其相位图(未图示)进行重建的图像分别如图4中的sem图像402和sem图像405所示，可以看出，通过本发明实施例所提供的方法得到的重建后的图像相比相位图突出了灰度变化剧烈的小尺度的边缘特征和噪声，去除了灰度变化平滑的区域、光照变化。然后，用边缘检测算法分别对sem图像402和sem图像405提取边缘得到边缘分布图像403和边缘分布图像404，分别获取所述边缘分布图像403和边缘分布图像404的边缘点的灰度值分布函数，即e，通过计算所述边缘点的灰度值的平均值的相反数，得到关于小尺度特征的第二评分s2，计算公式为：
51.由于sem图像中全图均匀遍布噪声，如图4中的边缘分布图像403和边缘分布图像404所示，图像模糊时，提取到的灰度变化剧烈的部分是噪声；图像清晰时，小尺度的边缘信息的灰度变化相比噪声更加剧烈，反而会去除一些噪声。因此，用于计算第二评分s2的公式取边缘点的灰度值的平均值的相反数，s2越大，图像中小尺度的边缘信息越多。边缘检测算法有很多选择，包括：sobel、laplacian、prewitt、canny。其中，canny算法因为使用双阈值抑制伪边缘时会去除更多噪声，是一种比较优选的算法。
52.质量评价分数s同时考虑大尺度s1和小尺度特征s2，更全面的评价图像的特征丰富程度。通过s＝w1s1+w2s2，计算sem图像的质量评价分数s，其中，w1和w2为权重，w1+w2＝1，w1和w2可通过衡量使用场景中图像包含的大尺度、小尺度特征的比例确定，比例高的权重高。在本实施例中，w1＝w2＝0.5。s越高，图像质量越好，当存在六张sem图像时，这六张sem图像分别如图5中的sem图像501、sem图像502、sem图像503、sem图像504、sem图像505、sem图像506所示，通过上述方法，得到的sem图像501的第一评分s1为19.17、第二评分s2为-92.83、质量评价分数s为-73.66；sem图像502的第一评分s1为20.62、第二评分s2为-91.73、质量评价分数s为-71.11；sem图像503的第一评分s1为25.33、第二评分s2为-84.71、质量评价分数s为-59.38；sem图像504的第一评分s1为20.13、第二评分s2为-91.56、质量评价分数s为-71.43；sem图像505的第一评分s1为22.1、第二评分s2为-77.6、质量评价分数s为-55.5；sem图像506的第一评分s1为26.61、第二评分s2为-53.55、质量评价分数s为-26.93。sem图像506为最清晰的图像，其质量评价分数s也最高，所得到的质量评价分数s与实际情况相符。
53.基于上述任一项实施例所述的sem图像质量评价方法，本发明实施例提供一种sem图像质量评价装置，用于执行如上述任一项实施例所述的sem图像质量评价方法。所述sem图像质量评价装置如图6所示，包括：第一获取单元601、第二获取单元602、第三获取单元603、第四获取单元604、第五获取单元605和第六获取单元606；所述第一获取单元601用于获取第一sem图像，对所述第一sem图像进行傅里叶变换；所述第二获取单元602用于根据所述第一sem图像进行傅里叶变换的结果，获取所述第一sem图像所对应的频谱图和相位图；所述第三获取单元603用于根据所述频谱图中的亮点的幅值，获取第一评分，所述第一评分为所述第一sem图像的大尺度特征的评分；所述第四获取单元604用于根据所述相位图重建sem图像，以获取第二sem图像；所述第五获取单元605用于根据所述第二sem图像的边缘信息，获取第二评分，所述第二评分为所述第一sem图像的小尺度特征的评分；所述第六获取单元606用于根据所述第一评分和所述第二评分，获取所述第一sem图像的质量评价分数。
54.其有益效果在于：本发明实施例所提供的sem图像质量评价装置，通过同时结合大尺度特征、小尺度特征的丰富程度，得到sem图像的质量评价分数，大尺度特征用于描述sem图像的主要内容，小尺度特征用于描述sem图像的物体边缘信息，结合两者后所得到的sem图像的质量评价分数，对sem图像的位移和旋转的容忍度更强。能够实现无需去除图像噪声，就可得到准确的sem图像质量的评价结果。综上，本发明实施例可以解决由于sem图像噪声大，所导致的图像质量评价困难的问题，以及解决因仅使用图像中物体的边缘来评价图像的质量而导致图像质量评价结果不准确的问题。
55.上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应单元模块的功能描述，在此不再赘述。
56.以上所述，仅为本技术实施例的具体实施方式，但本技术实施例的保护范围并不局限于此，任何在本技术实施例揭露的技术范围内的变化或替换，都应涵盖在本技术实施例的保护范围之内。因此，本技术实施例的保护范围应以所述的权利要求的保护范围为准。