[发明专利]基于图像增强的晶圆缺陷检测方法

说明书

本发明涉及数据处理技术领域，具体涉及基于图像增强的晶圆缺陷检测方法，包括：采集晶圆图像，对晶圆图像进行分块，获取每个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，对梯度幅值进行等比压缩，获得压缩梯度幅值直方图；对压缩梯度幅值直方图进行分段，获取每个片段的概率密度以及平均梯度，进一步获取每个片段的增强权重。根据压缩梯度幅值直方图获取期望和标准差，结合每个片段的增强权重进一步获得分块图像的增强函数，利用增强函数对分块图像进行增强。本发明可实现晶圆图像边缘部分的重点增强，同时可避免现有技术中目标梯度场退化的问题，使得晶圆缺陷识别更加准确。

技术领域

本发明涉及数据处理技术领域，具体涉及基于图像增强的晶圆缺陷检测方法。

背景技术

晶圆的制造过程需要经历例如掺杂、蚀刻、光刻、切割等许多步骤，最后才进行封装，制作成一个集成电路。在这些步骤中，难免会损坏单颗晶圆从而影响后期集成电路性能，因此在完成封装之前检测出不合格晶圆非常重要。影响晶圆产品是否合格的表面缺陷有很多种。在晶圆片的缺陷种类中，无图案晶圆与图案晶圆是最常见的两种晶圆形式。晶圆表面冗余物、晶体缺陷、机械损伤（划痕图案）是较为常见缺陷。冗余物是晶圆表面较为常见的缺陷种类，主要包括纳米级的微小颗粒、微米级的灰尘、相关工序的残留物。随着半导体尺寸越来越小，单颗晶元的制作越来越精细，在缺陷检测方面存在着细小缺陷和非缺陷难以辨别、缺陷形状和背景图案相似、识别精度低等问题。

现有技术中，检测晶圆的缺陷多是通过模板匹配的方法，此方法能够检测到一些较大的晶圆缺陷，但是无法检测到比较细小的缺陷。因此需要对晶圆图像进行增强来检测细小的缺陷。

现有的图像增强方法，如基于梯度幅值直方图增强方法，在进行梯度幅值直方图拉伸时，会出现非边缘部分的梯度幅值在均衡化后变成边缘部分的梯度幅值，边缘部分的梯度幅值在均衡化后变成非边缘部分的梯度幅值，造成目标梯度场出现退化的效果，对图像的增强效果差。

发明内容

本发明提供基于图像增强的晶圆缺陷检测方法，以解决现有的问题。

本发明的基于图像增强的晶圆缺陷检测方法采用如下技术方案：

本发明一个实施例提供了基于图像增强的晶圆缺陷检测方法，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。

优选的，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。