图像处理方法及其系统与流程

本公开涉及一种图像处理方法及其系统。

背景技术：

1、近年来，随着半导体装置高度集成，芯片内的元件的尺寸和元件之间的间隔越来越小。反之，元件的尺寸的减小和元件之间的间隔的减小对于能够实现半导体的高集成是重要的。高集成和高速不仅在存储器领域中可能很重要，而且在非存储器领域也可能很重要。在诸如中央处理单元(cpu)的逻辑器件中，可通过减小诸如栅极线宽(其可以是栅电极的宽度)的尺寸来增加元件的速度，以实现信号的高速。

2、为了高集成和速度改进，可能重要的是调节栅极线宽。

技术实现思路

1、提供了一种图像处理系统，其中在半导体装置的工艺期间基于图像测量的线宽的可靠性被改进。

2、附加方面将在以下描述中部分地阐述，并且在部分上从该描述可以显而易见，或者可通过实践所呈现的实施例而被认识到。

3、根据本公开的一方面，一种图像处理系统包括：输入接口，其被配置为接收第一方向图像和第二方向图像，第一方向图像对应于半导体装置的在第一方向上的视图，第二方向图像对应于半导体装置的在产生第一方向图像的第一高度处与第一方向交叉的第二方向上的的视图；处理器，其被配置为执行基于第一方向图像检测边缘的边缘检测操作，并且对第一方向图像执行图像二值化操作；以及学习装置，其被配置为通过机器学习对基于图像二值化操作获得的第一线宽与基于第二方向图像获得的第二线宽进行比较，并且学习使第一线宽和第二线宽之间的相关性最大化的图像二值化操作的条件。

4、根据本公开的一方面，一种图像处理系统包括：通信接口，其被配置为与图像处理系统的外部通信；输入接口，其被配置为通过通信接口接收第一方向图像和第二方向图像，第一方向图像对应于半导体装置的在第一方向上的视图，第二方向图像对应于半导体装置的在产生第一方向图像的第一高度处与第一方向交叉的第二方向上的视图；学习装置，其被配置为基于第一方向图像和第二方向图像执行机器学习；存储器，其被配置为存储用于执行机器学习的机器学习模型；以及处理器，其被配置为控制通信接口、输入接口、学习装置和存储器，其中，处理器还被配置为：执行基于第一方向图像检测边缘的边缘检测操作，对第一方向图像执行图像二值化操作，使用机器学习对基于图像二值化操作获得的第一线宽与基于第二方向图像获得的第二线宽进行比较，并且使用学习装置学习第一线宽和第二线宽之间的相关性被最大化的图像二值化操作的条件。

5、根据本公开的一方面，一种图像处理方法包括：通过输入接口接收第一方向图像和第二方向图像，第一方向图像对应于半导体装置的在第一方向上的视图，第二方向图像对应于半导体装置的在产生第一方向图像的第一高度处与第一方向交叉的第二方向上的视图；使用处理器执行基于第一方向图像检测边缘的边缘检测操作；使用处理器对第一方向图像执行图像二值化操作；以及使用机器学习对基于图像二值化操作获得的第一线宽与基于第二方向图像获得的第二线宽进行比较，并且使用学习装置学习使第一线宽和第二线宽之间的相关性最大化的图像二值化操作的条件。

6、根据本公开的一方面，一种图像处理装置包括：存储器；以及至少一个处理器，其被配置为：获得第一方向图像和第二方向图像，第一方向图像对应于半导体装置在第一高度处在第一方向上的视图，第二方向图像对应于半导体装置的在第一高度处与第一方向交叉的第二方向上的视图；基于第一方向图像检测边缘；对第一方向图像执行二值化，以获得二值化的第一方向图像；以及使用机器学习，比较基于二值化的第一方向图像获得的第一线宽与基于第二方向图像获得的第二线宽；基于机器学习学习使第一线宽和第二线宽之间的相关性最大化的二值化条件；以及将二值化条件存储在存储器中。

7、然而，本发明的各方面不限于本文阐述的方面。对于本发明所属领域的普通技术人员而言通过参考下面给出的本发明的详细描述，本发明的以上和其它方面将变得更显而易见。

技术特征：

1.一种图像处理系统，包括：

2.根据权利要求1所述的图像处理系统，还包括：

3.根据权利要求1所述的图像处理系统，还包括：

4.根据权利要求1所述的图像处理系统，其中，所述第一方向图像和所述第二方向图像是使用扫描电子显微镜或透射电子显微镜获得的。

5.根据权利要求1所述的图像处理系统，其中，基于通过对关于所述第一方向图像的像素的亮度信息应用梯度而获得的梯度值来执行所述边缘检测操作。

6.根据权利要求5所述的图像处理系统，其中，所述边缘检测操作将在其中所述梯度值大于阈值梯度值的像素确定为所述边缘。

7.根据权利要求1所述的图像处理系统，其中，所述图像二值化操作基于关于所述第一方向图像的像素的亮度信息将亮度大于阈值亮度的像素确定为内部区域。

8.根据权利要求7所述的图像处理系统，其中，所述处理器还被配置为：

9.一种图像处理系统，包括：

10.根据权利要求9所述的图像处理系统，其中，所述存储器还被配置为存储所述图像二值化操作的所述条件。

11.根据权利要求9所述的图像处理系统，其中，所述第一方向图像和所述第二方向图像是使用扫描电子显微镜或透射电子显微镜获得的。

12.根据权利要求9所述的图像处理系统，其中，基于通过对关于所述第一方向图像的像素的亮度信息应用梯度而获得的梯度值来执行所述边缘检测操作。

13.根据权利要求12所述的图像处理系统，其中，所述边缘检测操作将在其中所述梯度值大于阈值梯度值的像素确定为所述边缘。

14.根据权利要求9所述的图像处理系统，其中，所述图像二值化操作基于关于所述第一方向图像的像素的亮度信息将亮度大于阈值亮度的像素确定为内部区域。

15.根据权利要求9所述的图像处理系统，其中，所述处理器还被配置为：

16.一种图像处理方法，包括：

17.根据权利要求16所述的图像处理方法，其中，基于通过对关于所述第一方向图像的像素的亮度信息应用梯度而获得的梯度值来执行所述边缘检测操作。

18.根据权利要求17所述的图像处理方法，其中，所述边缘检测操作将在其中所述梯度值大于阈值梯度值的像素确定为所述边缘。

19.根据权利要求16所述的图像处理方法，其中，所述图像二值化操作基于关于所述第一方向图像的像素的亮度信息将亮度大于阈值亮度的像素确定为内部区域。

20.根据权利要求19所述的图像处理方法，其中，通过将所述内部区域中所包括的边缘的数量除以在所述第一方向图像中检测到的边缘的总数来获得边缘检测比率值，并且

技术总结
一种图像处理系统，包括：输入接口，其被配置为接收第一方向图像和第二方向图像，第一方向图像对应于半导体装置的在第一方向上的视图，第二方向图像对应于半导体装置的在产生第一方向图像的第一高度处与第一方向交叉的第二方向上的视图；处理器，其被配置为执行基于第一方向图像检测边缘的边缘检测操作，并且对第一方向图像执行图像二值化操作；以及学习装置，其被配置为通过机器学习比较基于图像二值化操作获得的第一线宽与基于第二方向图像获得的第二线宽，并且学习使第一线宽和第二线宽之间的相关性最大化的图像二值化操作的条件。还提供了一种图像处理方法。

技术研发人员：姜旼秀,金壮勋,郑宇陈
受保护的技术使用者：三星电子株式会社
技术研发日：
技术公布日：2024/1/15