画质改善系统及画质改善方法技术方案

提供一种在通过机器学习来进行低画质图像的画质改善的画质改善系统以及画质改善方法中，对于每次拍摄时图像容易变化的试样，也能够以适当的示教信息进行学习的高精度且高可靠性的画质改善系统以及画质改善方法。一种画质改善系统，其进行低画质图像的画质改善，其具备：画质改善部，其进行低画质图像的画质改善；变形预测部，其预测在所输入的低画质图像列中包含的第一低画质图像和与所述第一低画质图像不同的第二低画质图像之间产生的变形量；以及变形修正部，其基于由所述变形预测部预测出的所述变形量来修正对所述第一低画质图像应用所述画质改善部的处理而得到的第一预测图像、所述第二低画质图像、以及对所述第二低画质图像应用所述画质改善部的处理而得到的第二预测图像中的任意一个，进行学习使得所述变形修正部修正后的所述第一预测图像与所述第二低画质图像或所述第二预测图像的损失函数的评价变小，或者使得所述第一预测图像与所述变形修正部修正后的所述第二低画质图像或所述第二预测图像的损失函数的评价变小。小。小。

【技术实现步骤摘要】
【国外来华专利技术】画质改善系统及画质改善方法


[0001]本专利技术涉及利用电子显微镜进行检查或测量的检查/测量装置的结构及其控制，特别涉及一种有效用于容易发生电子束导致的拍摄损伤的半导体晶圆或液晶面板的检查或测量的技术。

技术介绍

[0002]在半导体、液晶面板等的生产线中，若在工序初期产生不良，则之后的工序的作业完全无用，因此在工序的每个主要部位设置检查/测量工序，一边确认/维持一定的成品率，一边进行制造。在这些检查/测量工序中，例如使用应用了扫描型电子显微镜(SEM：Scanning Electron Microscope)的测长SEM(CD
‑
SEM：Critical Dimension
‑
SEM临界尺寸SEM)和缺陷复查SEM(Defect Review
‑
SEM)等。
[0003]在利用电子显微镜进行的检查/测量中，为了提高精度而对多次的拍摄结果进行累积来生成高画质的图像并加以利用。然而，由于拍摄次数的增加导致吞吐量降低，因此要求以尽可能少的拍摄次数生成高画质的图像。<br/>[0004]本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种画质改善系统，其进行低画质图像的画质改善，其特征在于，具备：画质改善部，其进行低画质图像的画质改善；变形预测部，其预测在所输入的低画质图像列中包含的第一低画质图像和与所述第一低画质图像不同的第二低画质图像之间产生的变形量；以及变形修正部，其基于由所述变形预测部预测出的所述变形量来修正对所述第一低画质图像应用所述画质改善部的处理而得到的第一预测图像、所述第二低画质图像、以及对所述第二低画质图像应用所述画质改善部的处理而得到的第二预测图像中的任意一个，进行学习使得所述变形修正部修正后的所述第一预测图像与所述第二低画质图像或所述第二预测图像的损失函数的评价变小，或者使得所述第一预测图像与所述变形修正部修正后的所述第二低画质图像或所述第二预测图像的损失函数的评价变小。2.根据权利要求1所述的画质改善系统，其特征在于，所述变形预测部使用事先设计的变形量数据库来预测所述第一低画质图像中产生的变形量，或者将所述第一低画质图像或所述第一预测图像与所述第二低画质图像或所述第二预测图像作为输入来预测变形量，使得减小变形修正后的两个输入的损失函数的评价。3.根据权利要求1所述的画质改善系统，其特征在于，所述低画质图像列是对同一试样的同一部位进行2次以上拍摄而得到的图像列。4.根据权利要求1所述的画质改善系统，其特征在于，所述变形预测部根据预先保存在变形量数据库中的变形量数据来预测各预测图像间的变形量。5.根据权利要求1所述的画质改善系统，其特征在于，所述画质改善部通过使用了CNN的机器学习来取得针对各低画质图像的预测图像，其中，CNN为卷积神经网络。6.根据权利要求1所述的画质改善系统，其特征在于，所述画质改善系统具备画质改善误差评价部，该画质改善误差评价部使用由所述变形修正部修正后的修正预测图像和成为修正对象的低画质图像来评价画质改善的误差，所述画质改善误差评价部使用基于绝对误差、方差或高斯分布、泊松分布、伽马分布中的任一个的似然函数，来对所述画质改善部的画...

【专利技术属性】
技术研发人员：石川昌义，小松壮太，丰田康隆，筱田伸一，
申请(专利权)人：株式会社日立高新技术，
类型：发明
国别省市：