[发明专利]基于图像增强的晶圆缺陷检测方法

权利要求书

1.基于图像增强的晶圆缺陷检测方法，其特征在于，该方法包括以下步骤：

S1:采集晶圆图像，获取晶圆图像中每个像素点的梯度幅值，将晶圆图像分割成第一预设数量个大小相同的块，得到多个分块图像；

S2:对每个分块图像进行增强操作，包括：

绘制分块图像的梯度幅值直方图，根据分块图像的梯度幅值直方图中最大的梯度幅值获取压缩上限值；根据分块图像的梯度幅值直方图中最大的梯度幅值以及压缩上限值对分块图像的梯度幅值直方图中的梯度幅值进行等比压缩，得到分块图像的压缩梯度幅值直方图；根据第一预设阈值将分块图像的压缩梯度幅值直方图划分为两个片段，将每个片段中所有梯度幅值的频率累加得到每个片段的概率密度；计算每个片段中所有梯度幅值的均值作为每个片段的平均梯度；根据每个片段的概率密度以及平均梯度获取每个片段的增强权重；

根据分块图像的压缩梯度幅值直方图中所有梯度幅值、所有梯度幅值的频率以及预设增强系数获取期望和标准差；根据期望、标准差以及所有片段的增强权重获取分块图像的增强函数；将增强函数作为规定直方图对分块图像的压缩梯度幅值直方图进行规定化操作，得到分块图像的增强梯度幅值直方图；

根据分块图像的增强梯度幅值直方图重建分块增强图像；

S3:将所有分块增强图像按照顺序进行拼接得到晶圆增强图像，根据晶圆增强图像进行晶圆缺陷识别；

其中，所述增强函数表达式为：

其中为期望；为标准差；为第个片段的增强权重；为第个片段的增强权重；为自然常数；为第一预设阈值；为分块图像的压缩梯度幅值直方图中梯度幅值的个数；为分块图像的压缩梯度幅值直方图中第个梯度幅值。

2.根据权利要求1所述的基于图像增强的晶圆缺陷检测方法，其特征在于，所述压缩上限值的表达式为：

其中为压缩上限值；为分块图像的梯度幅值直方图中最大的梯度幅值。

3.根据权利要求1所述的基于图像增强的晶圆缺陷检测方法，其特征在于，所述根据分块图像的梯度幅值直方图中最大的梯度幅值以及压缩上限值对分块图像的梯度幅值直方图中的梯度幅值进行等比压缩，得到分块图像的压缩梯度幅值直方图包括：

将压缩上限值与分块图像的梯度幅值直方图中最大的梯度幅值的比值作为压缩比例，将分块图像中的梯度幅值直方图中每个梯度幅值乘以压缩比例并进行向上取整得到每个梯度幅值压缩后的梯度幅值；将分块图像的梯度幅值直方图中每个梯度幅值替换为所述梯度幅值压缩后的梯度幅值，得到分块图像的压缩梯度幅值直方图。

4.根据权利要求1所述的基于图像增强的晶圆缺陷检测方法，其特征在于，所述根据第一预设阈值将分块图像的压缩梯度幅值直方图划分为两个片段包括：

将分块图像的压缩梯度幅值直方图中小于等于第一预设阈值的梯度幅值划分为一个片段，将分块图像的压缩梯度幅值直方图中大于第一预设阈值的梯度幅值划分为一个片段。

5.根据权利要求1所述的基于图像增强的晶圆缺陷检测方法，其特征在于，所述增强权重的表达式为：

其中为第个片段的增强权重；为第个片段的概率密度；为第个片段的平均梯度。

6.根据权利要求1所述的基于图像增强的晶圆缺陷检测方法，其特征在于，所述期望的表达式为：

其中为期望；为分块图像的压缩梯度幅值直方图中第个梯度幅值；为分块图像的压缩梯度幅值直方图中第个梯度幅值的频率；为分块图像的压缩梯度幅值直方图中梯度幅值的个数。

7.根据权利要求1所述的基于图像增强的晶圆缺陷检测方法，其特征在于，所述标准差的表达式为：

其中为标准差；为分块图像的压缩梯度幅值直方图中第个梯度幅值；为期望；为分块图像的压缩梯度幅值直方图中第个梯度幅值的频率；为分块图像的压缩梯度幅值直方图中梯度幅值的个数；为预设增强系数。

8.根据权利要求1所述的基于图像增强的晶圆缺陷检测方法，其特征在于，所述根据分块图像的增强梯度幅值直方图重建分块增强图像的方法包括但不限于求解泊松方程法和Radon反演法。