影像分析系统及影像分析方法技术方案

一种影像分析系统及影像分析方法，所述影像分析系统包含：一影像获取装置以及一处理器；影像获取装置用以获取一待分析影像；处理器用以将待分析影像输入至一区域卷积神经网络模型，区域卷积神经网络模型输出一遮罩影像，处理器计算遮罩影像中的一遮罩物件的一中心，将中心视为一坐标原点，往相对坐标原点的四个象限分别搜寻与坐标原点距离最远的一最远坐标点，对于每个最远坐标点产生一影像分析区块，并将影像分析区块进行一后处理，以取得一物件范围。一物件范围。一物件范围。

【技术实现步骤摘要】
影像分析系统及影像分析方法


[0001]本专利技术是关于一种分析系统及分析方法，特别是关于一种影像分析系统及影像分析方法。

技术介绍

[0002]关键尺寸扫描电子显微镜(Critical Dimension Scanning Electron Microscope，CDSEM)主要用途为线上产品线宽测量，其特点为晶片无须经过切片或镀金属膜等预处理步骤，即可观察及测量光阻、绝缘层及金属层等的图案。当使用者以CDSEM测量关键尺寸时，必须先建置工艺参数(recipe)让CDSEM知道要怎么标的、标的在哪、怎么测量等信息。测量CD也是影像处理的一环，必须告知CDSEM精准的测量区域、方向、取值方式等信息，否则CDSEM无法在大面积的图像中找到标的，并取得正确的结果，也因此前置作业(建构工艺参数)相当重要但也相当耗时。
[0003]由此可知，前置作业需要大量时间，若改变测量位置或物件，即需要重新设置工艺参数，且此方法在分析灰阶影像时，若起始黑白交错边与预期不同，则会整批影像测量错误，故影像获取的容错率相当低。
[0004]因此，上述现有方式仍有待加以进一步改进。

技术实现思路

[0005]为了解决上述的问题，本申请内容的一实施例提供了一种影像分析系统，包含：一影像获取装置以及一处理器。影像获取装置用以获取一待分析影像。处理器用以将待分析影像输入至一区域卷积神经网络(Region-based Convolutional Neural Network，RCNN)模型，区域卷积神经网络模型输出一遮罩影像，处理器计算遮罩影像中的一遮罩物件的一中心，将中心视为一坐标原点，往相对坐标原点的四个象限分别搜寻与坐标原点距离最远的一最远坐标点，对于每个最远坐标点产生一影像分析区块，并将影像分析区块进行一后处理，以取得一物件范围。
[0006]为了解决上述的问题，本申请内容的一实施例提供了一种影像分析方法，包含：输入一待分析影像至一区域卷积神经网络模型，区域卷积神经网络模型输出一遮罩影像；计算遮罩影像中的一遮罩物件的一中心；将中心视为一坐标原点，往相对坐标原点的四个象限分别搜寻与坐标原点距离最远的一最远坐标点；对于每个最远坐标点产生一影像分析区块；以及将影像分析区块进行一后处理，以取得一物件范围。
[0007]本专利技术所示的影像分析系统及影像分析方法，将待分析影像输入至区域卷积神经网络模型，依据区域卷积神经网络模型输出的遮罩影像产生多个影像分析区块，并将此影像分析区块进行后处理，无须将整张遮罩影像都进行后处理，即可以取得遮罩影像中重要的关键点，故大幅减少运算量。在完成后处理之后，处理器可自动地分析出此影像分析区块中的关键点，透过此关键点的位置，可精准地可得到物件范围的效果。
附图说明
[0008]图1为依照本专利技术一实施例绘示一种影像分析系统的方块图；
[0009]图2为根据本专利技术的一实施例绘示一种影像分析方法的流程图；
[0010]图3A～图3D为根据本专利技术的一实施例绘示一种影像分析方法的示意图；
[0011]图4为根据本专利技术的一实施例绘示一种产生影像分析区块的方法的示意图；
[0012]图5A～图5F为根据本专利技术的一实施例绘示一种后处理方法的示意图；
[0013]图6为根据本专利技术的一实施例绘示一种影像分析方法的示意图。
[0014][符号说明][0015]100：影像分析系统
[0016]10：影像获取装置
[0017]20：处理器
[0018]200：影像分析方法
[0019]210～250：步骤
[0020]BK1、BK2：区块
[0021]M1、M2：遮罩物件
[0022]Ra：物件范围
[0023]IMG：遮罩影像
[0024]P1、P2：中心
[0025]A1～E1、A2～E2：最远坐标点
[0026]V1、V2：向量
[0027]PA1～PE1、PA2～PE2：影像分析区块
[0028]EUR、EDR、CI、IDR：坐标
[0029]PI：初始分析区块
[0030]IL：第一像素曲线
[0031]ND：标示点
[0032]SL：第一斜率曲线
[0033]RL：回归线段
[0034]PCD1～PCD5：关键点
具体实施方式
[0035]以下说明为完成专利技术的较佳实现方式，其目的在于描述本专利技术的基本精神，但并不用以限定本专利技术。实际的
技术实现思路
必须参考之后的权利要求范围。
[0036]请参照图1、图2及图3A～图3D，图1是依照本专利技术一实施例绘示一种影像分析系统100的方块图。图2是根据本专利技术的一实施例绘示一种影像分析方法200的流程图。图3A～图3D是根据本专利技术的一实施例绘示一种影像分析方法的示意图。
[0037]如图1所示，影像分析系统100包含一影像获取装置10及一处理器20。影像获取装置10与处理器20以有线/无线方式通信耦接。于一实施例中，影像获取装置10用以获取一待分析影像，待分析影像例如是半导体影像。于一实施例中，影像获取装置为一扫描电子显微镜(Scanning Electron Microscope，SEM)，扫描电子显微镜透过用聚焦电子束扫描样品的
表面来产生样品表面的图像。
[0038]于一实施例中，处理器20可由集成电路如微控制单元(micro controller)、微处理器(microprocessor)、数位信号处理器(digital signal processor)、特殊应用集成电路(application specific integrated circuit，ASIC)或一逻辑电路来实施。
[0039]以下叙述精准自动标记待分析影像中物件范围Ra(例如为半导体剖面的一或多层)的影像分析方法200。于一实施例中，物件范围Ra的表示单位为纳米(nm)。
[0040]于步骤210中，通过处理器20输入一待分析影像至一区域卷积神经网络模型，区域卷积神经网络模型输出一遮罩影像。
[0041]于一实施例中，如图3A所示，待分析影像例如是由影像获取装置10所获取的半导体影像。一般而言，半导体影像中包含多层结构，许多半导体的剖面形状为角锥状，例如区块BK1为光阻层或金属层，区块BK1上面的区块BK2为氧化层或光阻层。为方便说明，本案实施例以区块BK1及区块BK2为例做说明。
[0042]于一实施例中，区域卷积神经网络模型的训练过程为：首先给予大量的标记图片数据(例如为标记出半导体剖面的每一层的影像)给予区域卷积神经网络模型，区域卷积神经网络模型会先将此些标记图片的特征获取出来，再经由可能物件区域(例如半导体剖面的每一层)的模拟，评断出物件较可能出现的区域，将可能物件区域内的特征合并成物件的特征频谱，再将特征频谱信息经运算推得物件种类机率与物件可能位置，将特征频谱重组，并利用神经元尝试还原物件轮廓。此些步骤可以重复实施，以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种影像分析系统，其特征在于，包含：一影像获取装置，用以获取一待分析影像；以及一处理器，用以将所述待分析影像输入至一区域卷积神经网络模型，所述区域卷积神经网络模型输出一遮罩影像，所述处理器计算所述遮罩影像中的一遮罩物件的一中心，将所述中心视为一坐标原点，往相对所述坐标原点的四个象限分别搜寻与所述坐标原点距离最远的一最远坐标点，对于每个所述最远坐标点产生一影像分析区块，并将所述影像分析区块进行一后处理，以取得一物件范围。2.根据权利要求1所述的影像分析系统，其特征在于，所述影像分析区块包含一当前分析区块，所述处理器还用以在进行所述后处理时，将所述当前分析区块进行一平滑化处理。3.根据权利要求2所述的影像分析系统，其特征在于，所述处理器还用以在进行所述后处理时，垂直扫描所述当前分析区块的每个像素，当所述处理器在垂直扫描所述当前分析区块的一第一像素行时，计算所述第一像素行中的所有像素各自的一第一像素强度，所述第一像素强度形成一第一像素曲线，计算所述第一像素曲线的斜率，以得到一第一斜率曲线，将所述第一斜率曲线的最大值标示为一标示点；其中所述处理器还用以垂直扫描所述当前分析区块的每个像素，以取得多个标示点，计算所述标示点所对应的一强度平均值，将所述强度平均值乘以一参数，以取得一门槛值，将所述像素强度低于所述门槛值的所述标示点过滤后，将剩余的所述标示点代入一线性回归演算法，以取得一回归线段。4.根据权利要求3所述的影像分析系统，其特征在于，所述处理器还用以垂直扫描所述回归线段的每个像素，当所述处理器在垂直扫描所述回归线段的一第二像素行时，计算所述第二像素行中的所有像素各自的一第二像素强度，所述第二像素强度形成一第二像素曲线，计算所述第二像素曲线的斜率，以得到一第二斜率曲线，将所述第二斜率曲线的最大值的坐标视为一第一关键点；其中所述处理器还用以计算一第二关键点，并计算所述第一关键点与所述第二关键点之间的距离，以取得一关键尺寸。5.根据权利要求4所述的影像分析系统，其特征在于，所述处理器还用以计算多个关键点，所述关键点为所述物件范围的一右下角、一左下角、一左上角及一右上角，所述处理器计算对应所述右上角的关键点与对应所述左下角的关键点的一中间位置，并将所述中间位置与一底部关键尺寸的距离视为一高度；其中所述处理器还用以计算多个关键尺寸，所述关键尺寸包含一上部关键尺寸、所述底部关键尺寸及所述高度，所述处理器依据所述关键尺寸以取得所述物件范围；其中所述处理器将对应所述右上角的关键点与对应所述左上角的关键点相连，以取得所述上部关键尺寸，所述处理器将对应所述右下角的关键点与对...

【专利技术属性】
技术研发人员：吴东郁，廖俊谚，吴俊昇，蔡高财，黄兆义，
申请(专利权)人：华邦电子股份有限公司，
类型：发明
国别省市：