[发明专利]利用机器学习从原始图像自动选择高品质平均扫描电镜图像

权利要求书

1.一种用于评估印制图案的图像的方法，所述方法由至少一个可编程处理器实施，并且所述方法包括：

获得所述印制图案的第一平均图像，所述第一平均图像是通过对所述印制图案的多个第一原始图像进行平均化而生成的；

识别所述第一平均图像的一个或更多个特征；以及

通过所述至少一个可编程处理器执行图像品质分级模型并且至少基于所述一个或更多个特征，评估所述第一平均图像，所述评估包括：

由所述图像品质分级模型来确定所述第一平均图像是否满足指标。

2.根据权利要求1所述的方法，其中通过至少对准所述多个原始图像并且从对准的多个原始图像生成所述第一平均图像来生成所述第一平均图像。

3.根据权利要求1所述的方法，所述方法还包括：

针对所述多个原始图像中的至少一个原始图像生成标记，所述标记指示所述第一平均图像是否满足所述指标；以及

在计算机存储器中将所述标记与所述多个原始图像中的至少一个原始图像相关联。

4.根据权利要求3所述的方法，所述方法还包括：

生成第二平均图像，所述生成包括：

对所述印制图案的被标记为满足所述指标的多个第二原始图像进行平均化，其中所述第二平均图像满足所述指标。

5.根据权利要求1所述的方法，所述方法还包括：利用对不满足所述指标的所述第一平均图像的至少一个示例进行识别的数据集，训练所述图像品质分级模型。

6.根据权利要求1所述的方法，所述方法还包括：

通过从所述第一平均图像中至少减去所述多个第一原始图像中的一个第一原始图像，生成与所述多个第一原始图像中的一个第一原始图像相对应的残差图像，以及

其中，所述确定还基于所述第一平均图像和所述残差图像。

7.根据权利要求1所述的方法，其中由所述图像品质分级模型评估的所述第一平均图像的所述一个或更多个特征包括边缘、辅助特征、和亚分辨率辅助特征中的至少一个。

8.根据权利要求1所述的方法，其中所述指标基于信噪比、对比度、和对准品质中的至少一个或更多个，并且所述指标对应于被平均化以生成所述第一平均图像的所述多个第一原始图像。

9.根据权利要求3所述的方法，所述图像品质分级模型还包括机器学习算法，其中所述确定基于所述机器学习算法的输出。

10.根据权利要求3所述的方法，其中所述标记基于所述机器学习算法的输出，并且是指示所述第一平均图像是否满足所述指标的得分数或布尔值中的至少一个。

11.根据权利要求3所述的方法，其中所述机器学习算法包括神经网络算法、最近邻算法、朴素贝叶斯算法、决策树算法、线性回归算法、和支持向量机算法中的至少一种。

12.根据权利要求3所述的方法，其中所述机器学习算法包括k-均值聚类和关联规则算法中的至少一种。

13.根据权利要求1所述的方法，其中所述多个第一原始图像或所述多个第二原始图像是利用图像捕获装置获取的，所述图像捕获装置包括扫描电子显微镜、原子力显微镜、和电子束检查系统中的至少一个。

14.根据权利要求13所述的方法，所述方法还包括：

在所述图像捕获装置的操作期间提供主动反馈，以改善所述图像捕获装置的聚焦和由所述图像捕获装置获取的原始图像的对比度中的至少一个。

15.一种包括非暂时性计算机可读介质的计算机程序产品，所述非暂时性计算机可读介质上记录有指令，所述指令在由计算机执行时实施根据权利要求1所述的方法。