本文公开了用于执行用于增强扫描电子显微镜(SEM)图像的混合机器学习方法的方法和系统。方法包括以下步骤：采集样本的区域的多个图像，该多个图像各自通过用脉冲式带电粒子束照射该样本而生成；放大每个单独图像以生成该样本的该区域的多个放大图像；以及将该多个放大图像组合以形成该样本的该区域的降噪图像。大图像组合以形成该样本的该区域的降噪图像。大图像组合以形成该样本的该区域的降噪图像。
【技术实现步骤摘要】
用于扫描电子显微镜图像的混合增强的系统和方法
技术介绍
[0001]带电粒子显微镜领域正不断推动精度、清晰度和放大倍率的界限。随着带电粒子显微镜的放大能力的提高，被这种显微镜系统的带电粒子束照射的样本区域也变得更小。由于被照射的样本的特征已变得更小并且更易受到照射损伤的影响，因此由此类聚焦照射引起的样本损坏已成为处于带电粒子显微镜放大倍率水平的最前沿的研究样本的主要限制因素。
[0002]已采用多种策略来减轻此类样本损坏。例如，当前系统采用的第一种策略是在照射期间减小带电粒子束的射束强度。虽然这种射束强度的减小降低了由对样本的照射引起的损坏，但它也减少了由照射产生的发射。因此，在由照射产生的发射减少的情况下，样本损坏的减少极大地减少了检测器数据，从而减少由其生成的样本图像中的信息，该信息是利用较低功率射束而获得的。
[0003]当前系统采用的第二种解决方案是使用脉冲式带电粒子束来照射样本，其中在短时间窗口内利用离散射束部分来周期性地照射样本。虽然每个脉冲仅引起离散的样本数据量，但由于射束脉冲的简短，因此与传统的稳态射束照射技术相比，脉冲从样本中诱发出的发射极大地减少。这导致可从每个射束脉冲生成的检测器数据减少，从而导致图像具有非常少的样本信息和很差的信噪比。为了补偿这种数据减少，当前系统将来自跨多个脉冲所捕获的多个图像的信息组合在一起以获得最终图像。虽然这提高了当前带电粒子系统在其放大能力极限下研究样本的能力，但仍希望拥有能够进一步突破带电粒子显微镜研究极限的新的研究技术。
技术实现思路
[0004]本文公开了用于执行用于增强扫描电子显微镜(SEM)图像的混合机器学习方法的方法和系统。方法包括以下步骤：采集样本的区域的多个图像，该多个图像各自通过用脉冲式带电粒子束照射该样本而生成；放大每个单独图像以生成该样本的该区域的多个放大图像；以及将该多个放大图像组合以形成该样本的该区域的降噪图像。
[0005]用于执行用于增强SEM图像的混合机器学习方法的系统包括：脉冲式带电粒子源，该脉冲式带电粒子源被配置为朝向样本发射脉冲式带电粒子束；光学柱，该光学柱被配置为引导该脉冲式带电粒子束入射到该样本上；样本固持器，该样本固持器被配置为固持该样本；以及检测器系统，该检测器系统被配置为从来自样本的发射生成检测器数据，该发射由入射在该样本上的该脉冲式带电粒子束的一个或多个脉冲产生。该系统还包括一个或多个处理器，以及存储非暂态计算机可读指令的存储器，该指令当在一个或多个处理器上执行时使得该处理器进行以下操作：采集该样本的区域的多个图像，该多个图像各自通过用脉冲式带电粒子束照射该样本而生成；放大每个单独图像以生成该样本的该区域的多个放大图像；以及将该多个放大图像组合以形成该样本的该区域的降噪图像。
附图说明
[0006]参考附图来描述具体实施方式。在附图中，附图标记最左侧数字标识附图标记第一次出现于其中的附图。不同附图中的相同附图标记指示相似或相同的项。
[0007]图1示出用于执行用于增强带电粒子图像的混合机器学习方法的示例性系统。
[0008]图2是根据本公开的用于执行用于增强带电粒子图像的混合机器学习方法的例示性过程的流程图。
[0009]图3是根据本公开示出用于执行用于增强带电粒子图像的混合机器学习方法的示例性过程的图形化流程图。
[0010]图4和图5是根据现有技术以及根据本公开的捕获图像的集合，这些图像是已通过现有技术处理以及通过用于增强带电粒子图像的混合机器学习方法处理的示例性样本图像。
[0011]贯穿附图中的若干视图，相同的附图标记指代对应部分。
[0012]实施方案的具体实施方式
[0013]公开了用于执行用于增强带电粒子图像的混合机器学习方法的方法和系统。更具体地，本公开包括其中使用脉冲式带电粒子束生成样本的多个图像，然后放大各个图像的方法和系统。然后将各个放大图像组合以形成样本的组合放大图像，该组合放大图像具有优于使用脉冲式带电粒子束的现有技术成像技术的增强的图像质量。在一些实施方案中，使用机器学习算法来放大各个图像，该机器学习算法经训练以使用非线性变换来放大图像，从而提高信噪比和对比度噪声比，同时还将图像的大小增加期望倍数。另外，当以这种方式放大图像时，也可以使用线性算法将组合放大图像缩小到其初始尺寸，由这种放大和缩小产生的图像是样本的进一步增强的图像。已知，线性地缩小图像，使得其尺寸被减半，信噪比增加了2的平方根倍。通常，当与线性放大算法结合使用时，此增加被抵消，但由于根据本公开的样本的放大组合图像可以非线性方式增强，因此当放大图像被线性地缩小时，这种放大和缩小过程的最终结果为信噪比提高了2的平方根以实现2倍放大。
[0014]通常，在附图中，以实线示出了可能包括在给定示例中的元件，而以虚线示出了对于给定示例而言可选的元件。然而，以实线示出的元件对于本公开的所有示例不是必需的，并且以实线所示的元件可以在不脱离本公开的范围的情况下从特定示例中省略。
[0015]图1示出用于执行用于增强带电粒子图像的混合机器学习方法的示例性系统100。具体地，图1示出了示例性环境102，其包括用于使用脉冲式带电粒子束108对样本106成像的示例显微镜系统104，以及被配置为对通过用脉冲式带电粒子束108照射样本106而生成的检测器数据执行后处理的计算设备110。应注意，本公开不限于包括显微镜的环境，并且在一些实施方案中，环境100可以包括被配置为操纵和/或以其他方式检查样本106的不同类型的系统，或者可以仅包括计算设备108。
[0016]示例显微镜系统104可以是或包含一种或多种不同类型的光学和/或带电粒子显微镜，诸如但不限于扫描电子显微镜(SEM)、扫描透射电子显微镜(STEM)、透射电子显微镜(TEM)、带电粒子显微镜(CPM)、低温兼容显微镜、聚焦离子束(FIB)显微镜、双束显微镜系统或其组合。图1将示例显微镜系统104示出为包括被配置为利用脉冲式带电粒子束108照射样本106的SEM柱112的SEM。
[0017]SEM柱112包括沿着电子发射轴116并朝向样本106发射脉冲式电子束108的电子源
114(例如，热电子源、肖特基发射源、场发射源等)。本领域技术人员将理解，存在用于许多类型的产生这种脉冲式带电粒子束的装置，并且本文描述的示例性装置仅仅是产生脉冲式带电粒子束的已知方式中的一些。此类装置的非限制性示例包括：电子源114，其响应于入射在电子源的发射部分上的激光脉冲而释放电子脉冲；带电粒子束108，其由电子源114下游的消隐装置成形为脉冲；或它们的组合。电子发射轴116是沿着示例显微镜系统104的长度从电子源114行进并穿过样本106的中心轴线。尽管图1将示例显微镜系统104描绘为包括电子源115，但在其他实施方案中，SEM柱110可以包括被配置为朝向样本106发射多个带电粒子的带电粒子源，诸如离子源。
[0018]加速器透镜118加速/减速、聚焦和/或引导脉冲式电子束108朝向电子聚焦柱120。电子聚焦柱120聚焦本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于使用脉冲式带电粒子束从在带电粒子显微镜中获得的数据中采集样本的高分辨率、低噪声图像的方法，所述方法包括以下步骤：采集样本的区域的多个低分辨率图像，其中所述多个低分辨率图像是通过用脉冲式带电粒子束照射所述样本而生成的；放大每个单独的低分辨率图像以生成所述样本的所述区域的多个放大超分辨率图像，其中每个单独的放大超分辨率图像对应于所述脉冲式带电粒子束的不同脉冲；以及将所述多个放大超分辨率图像组合以形成所述样本的所述区域的高分辨率图像。2.根据权利要求1所述的方法，其中采集所述多个低分辨率图像包括：采集由带电粒子显微镜系统中的检测器系统获得的检测器数据的多个离散实例，其中所述检测器数据的实例中的每个实例对应于在对应于所述脉冲式带电粒子束的一个或多个脉冲的特定时间段中所采集的检测器数据；以及从所述检测器数据生成所述多个低分辨率图像，其中所述多个低分辨率图像中的每个图像是基于响应于照射所述样本的所述脉冲式带电粒子束的一个或多个脉冲所捕获的检测器数据而生成的。3.根据权利要求1所述的方法，其中放大所述多个低分辨率图像中的每个图像包括改善下述中的一项或多项：由带电粒子系统所采集的图像的信噪比、对比度噪声比和均匀亮度。4.根据权利要求1所述的方法，其中将所述多个放大超分辨率图像组合以形成所述样本的所述区域的高分辨率、高SNR图像对应于将所述多个低分辨率图像中的信息组合以生成组合图像。5.根据权利要求4所述的方法，其中将所述多个放大超分辨率图像组合以形成所述样本的所述区域的所述高分辨率图像对应于通过执行漂移校正来对准所述超分辨率图像以生成DCFI图像。6.根据权利要求1所述的方法，其中放大每个单独的超分辨率图像以生成对应的放大超分辨率图像包括将图像放大算法应用于所述单独的超分辨率图像。7.根据权利要求6所述的方法，其中所述图像放大算法包括将对比度、亮度、伽马值和灰度中的一者或多者调整到期望水平的自动调平滤波器。8.根据权利要求6所述的方法，其中所述图像放大算法是经训练以非线性地增加所述低分辨率图像的大小的机器学习算法。9.根据权利要求8所述的方法，其中所述机器学习算法使用下述项...
【专利技术属性】
技术研发人员：U，
申请(专利权)人：FEI公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。