SEM图像轮廓提取方法、SEM图像轮廓优化方法及计算机介质

【技术领域】

本发明涉及SEM图像提取技术领域，特别涉及一种SEM图像轮廓提取方法、SEM图像轮廓优化方法及计算机介质。

【背景技术】

SEM图片的轮廓线提取在计算光刻的建模与后续计算中有种多用应用，然而提取轮廓线有一个难点，SEM图片中总是含有大量的噪声，对于机器而言，大量的噪声严重影响了轮廓的提取，通常的做法是对SEM图片做高斯卷积，使图像更加平滑，同时也消除了一部分噪声，但是对轮廓的提取精确性不够高，具有一定误差。

【发明内容】

为提高SEM图像轮廓提取的精确性，本发明提供了一种SEM图像轮廓提取方法、SEM图像轮廓优化方法及计算机介质。

本发明解决技术问题的方案是提供一种SEM图像轮廓提取方法，用于对SEM图像的轮廓进行分析确定，其特征在于：所述SEM图像轮廓提取方法包括以下步骤：获取初始SEM灰度图像；统计SEM图像各像素点的灰度值，计算出各像素点灰度值的均值与标准差；将均值在基于标准差的预设可信范围内覆盖区域定义为置信区间；提取均值在置信区间内的SEM图像的轮廓作为第一次SEM图像提取轮廓。

优选地，所述可信范围为根据预设倍数的标准差形成的数值范围。

优选地，所述预设倍数为三倍。

本发明为解决上述技术问题还提供一种SEM图像轮廓优化方法，其特征在于包括以下步骤：基于初始SEM图像的灰度图像获取各像素点灰度值，并计算各灰度值的均值和标准差；对初始SEM图像进行滤波处理，得到初步去噪后的SEM图像；对初步去噪后的SEM图像基于置信区间确定噪声过滤阈值，其中置信区间为灰度值均值在基于标准差的预设可信范围内覆盖区域；提取均值在置信区间内的SEM图像的轮廓作为第一次SEM图像提取轮廓；基于置信区间及噪声过滤阈值对第一次SEM图像提取轮廓进行过滤优化；将过滤优化后的第一次SEM图像提取轮廓作为最终SEM图像轮廓。

优选地，获取的所述初始SEM图像的灰度值图像基于概率密度函数获取，所述概率密度函数表示为：

优选地，所述置信区间为

优选地，所述噪声过滤阈值计算方式包括以下步骤：选取预设范围，基于预设标准表找到该范围内非噪声点的出现概率；根据概率密度函数计算得出无噪声点的范围，将其定义为噪声过滤阈值。

优选地，所述预设范围为(μ-3σ,μ+3σ)，其中μ为数学期望。

优选地，根据噪声过滤阈值及噪声分布对第一次SEM图像提取轮廓进行过滤优化包括以下具体步骤：确认像素点位置；若像素点位于置信区间外，则判定为噪声点，进行消除；若像素点在置信区间内，则比较像素点与阈值范围；若像素点在阈值范围外，则判定为噪声，进行消除；若像素点在阈值范围内，则判定为图像点。

一种计算机介质，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如上所述的SEM图像轮廓提取方法或SEM图像轮廓优化方法。

与现有技术相比，本发明的一种SEM图像轮廓提取方法、SEM图像轮廓优化方法及计算机介质具有以下优点：

1、本发明的SEM图像轮廓提取方法，用于对SEM图像的轮廓进行分析确定，其特征在于：SEM图像轮廓提取方法包括以下步骤：获取初始SEM灰度图像；统计SEM图像各像素点的灰度值，计算出各像素点灰度值的均值与标准差；将均值在基于标准差的预设可信范围内覆盖区域定义为置信区间；提取均值在置信区间内的SEM图像的轮廓作为第一次SEM图像提取轮廓。通过此方法，在置信区间外的像素点直接判断为噪声点，能直接在不影响图像点的情况下消除部分噪声点，大大提高了消除噪声的效率，进而使得轮廓能更清晰。

2、本发明的SEM图像轮廓提取方法，可信范围为根据预设倍数的标准差形成的数值范围。通过该方法，选取图像点集中且噪声点较小的可信范围进行对置信区间的判定，提高了噪声点消除的高效性，进一步使得轮廓提取更清晰，准确。

3、本发明的SEM图像轮廓提取方法，预设倍数为三倍。通过此设计，能保留所需量的图像轮廓数据，将噪声点范围进一步缩小，进一步使轮廓更精确。

4、本发明还提供一种SEM图像轮廓优化方法，其特征在于包括以下步骤：基于初始SEM图像的灰度图像获取各像素点灰度值，并计算各灰度值的均值和标准差；对初始SEM图像进行滤波处理，得到初步去噪后的SEM图像；对初步去噪后的SEM图像基于置信区间确定噪声过滤阈值，其中置信区间为灰度值均值在基于标准差的预设可信范围内覆盖区域；提取均值在置信区间内的SEM图像的轮廓作为第一次SEM图像提取轮廓；基于置信区间及噪声过滤阈值对第一次SEM图像提取轮廓进行过滤优化；将过滤优化后的第一次SEM图像提取轮廓作为最终SEM图像轮廓，通过获取噪声过滤阈值，进一步筛选置信区间内存在的噪声点并加以过滤，进而增强了降噪功能，且使得轮廓更为清晰。

5、本发明获取的初始SEM图像的灰度值图像基于概率密度函数获取，概率密度函数表示为：

6、本发明的置信区间为

7、本发明的噪声过滤阈值计算方式包括以下步骤：选取预设范围，基于预设标准表找到该范围内非噪声点的出现概率；根据概率密度函数计算得出无噪声点的范围，将其定义为噪声过滤阈值。通过此设计，进一步缩小筛选范围，并根据置信区间表计算出落入该范围的噪声点的概率，进而推测无噪声点的纯图像范围，进一步筛选消除范围外的噪声点，使得结果更为精确，图像轮廓更清晰。

8、本发明的SEM图像的预设范围为(μ-3σ,μ+3σ)，其中μ为数学期望。预设范围的取值包括概率密度函数的数学期望及标准差，这两个数值均是计算后的可靠数值，更具代表性，避免了单一直观数据作为选取对象使得预设范围的选取不具有普遍性，进一步使得选取结构更加可靠。

9、本发明的噪声过滤阈值及噪声分布对第一次SEM图像提取轮廓进行过滤优化包括以下具体步骤：确认像素点位置；若像素点位于置信区间外，则判定为噪声点，进行消除；若像素点在置信区间内，则比较像素点与阈值范围；若像素点在阈值范围外，则判定为噪声，进行消除；若像素点在阈值范围内，则判定为图像点。通过此方式，能对噪声点进行深度排查并消除，使得消除噪声的效果更好，同时在阈值范围内能保证图像点不被消除，进而使得消除噪声后的图像轮廓更为明显。

10、本发明还提供一种计算机介质，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如上所述的SEM图像轮廓提取方法或SEM图像轮廓优化方法，具有与上述SEM图像轮廓提取方法或SEM图像轮廓优化方法相同的有益效果，在此不做赘述。

【附图说明】

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明第一实施例提供的SEM图像轮廓提取方法的步骤图。

图2是本发明第二实施例提供的SEM图像轮廓优化方法的步骤图。

图3是本发明第二实施例提供的SEM图像轮廓优化方法之噪声过滤阈值计算步骤图。

图4是本发明第二实施例提供的SEM图像轮廓优化方法之过滤优化的步骤图。

【具体实施方式】

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施实例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本文所使用的术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”、“左上”、“右上”、“左下”、“右下”以及类似的表述只是为了说明的目的。

请参阅图1，本发明第一实施例提供一种SEM图像轮廓提取方法，包括以下步骤：

S1：获取初始SEM灰度图像；

S2：统计SEM图像各像素点的灰度值，计算出各像素点灰度值的均值与标准差；

S3：将均值在基于标准差的预设可信范围内覆盖区域定义为置信区间；

S4：提取均值在置信区间内的SEM图像的轮廓作为第一次SEM图像提取轮廓。

需要说明的是，进行SEM扫描获取图片时，往往会受到噪声的影响导致图像轮廓不清晰，初始的SEM图像噪声比较尖锐，需要进行初步消除噪声也即提纯SEM图像步骤；噪声点的消除过程也即灰度值图像的灰度降低过程，最终保留清晰精确的图像点。

此外，通过设置置信区间，使SEM图片的图像点的灰度值完全处于置信区间内，进而筛选并消除在置信区间范围外的噪声点，进行进一步降噪处理。

可以理解地，通过此方法，在置信区间外的像素点直接判断为噪声点，能直接在不影响图像点的情况下消除部分噪声点，大大提高了消除噪声的效率，进而使得轮廓能更清晰。

进一步的，可信范围为根据预设倍数的标准差形成的数值范围。

可以理解地，通过该方法，选取图像点集中且噪声点较小的可信范围进行对置信区间的判定，提高了噪声点消除的高效性，进一步使得轮廓提取更清晰，准确。

进一步的，预设倍数为三倍。

需要说明的是，预设倍数不做任何限制，可以根据实际情况进行调整，能初步区分噪声点，保留图像点即可。

可以理解地，通过此设计，能保留所需要的图像轮廓数据，将噪声点范围进一步缩小，进一步使轮廓更精确。

进一步的，请参阅图2，本发明第二实施例还提供一种SEM图像轮廓优化方法，包括以下步骤：

S21：基于初始SEM图像的灰度图像获取各像素点灰度值，并计算各灰度值的均值和标准差；

S22：对初始SEM图像进行滤波处理，得到初步去噪后的SEM图像；

S5：对初步去噪后的SEM图像基于置信区间确定噪声过滤阈值，其中置信区间为灰度值均值在基于标准差的预设可信范围内覆盖区域；

S6：提取均值在置信区间内的SEM图像的轮廓作为第一次SEM图像提取轮廓；

S7：基于置信区间及噪声过滤阈值对第一次SEM图像提取轮廓进行过滤优化；

S8：将过滤优化后的第一次SEM图像提取轮廓作为最终SEM图像轮廓。

需要说明的是，三西格玛准则与像素点的标准差有关，噪声过滤阈值是在置信区间范围内进一步对噪声点落入区间做划分，保留图像点，筛选并消除剩余的噪声点。

可以理解地，通过获取噪声过滤阈值，进一步筛选置信区间内存在的噪声点并加以过滤，进而增强了降噪功能，且使得轮廓更为清晰准确。

进一步的，滤波处理方法为高斯滤波。

需要说明的是，SEM图片的噪声总是符合正态分布的，也就是高斯噪声，其概率密度函数符合正态分布，因此通常采用高斯卷积对SEM图片进行初步处理，可以使图像更加平滑，同时还能消除一部分噪声点。

可以理解地，通过使用高斯滤波做卷积，能消除掉尖锐的噪声，降低部分灰度值，能提高后续降噪的效率。

进一步的，获取初始SEM图像的灰度值图像是基于概率密度函数获取，概率密度函数表示为：

需要说明的是，三西格玛准则并不是唯一的选择，在本发明具体实施例中，允许误差范围为0.003，通过查阅置信区间表，三西格玛满足该准确度需求，因此采用三西格玛准则进行验证，这里不做任何限定，以实际准确度需求为准。

可以理解地，通过概率密度函数使得计算过程更准确，同时消除噪声的时候，能更快速进行且防止图像点被消除，为得到清晰的图像轮廓提供了技术支持。

进一步的，置信区间为

需要说明的是，

可以理解地，通过得出准确的置信区间，能在消除噪声点的过程中，更快速地排出噪声点，提高了效率，保证了精确性。

进一步的，请参阅图3，噪声过滤阈值计算方式包括以下步骤：

S51：选取预设范围，基于预设标准表找到该范围内非噪声点的出现概率；

S52：根据概率密度函数计算得出无噪声点的范围，将其定义为噪声过滤阈值。

需要说明的是，预设标准表为标准置信区间表或置信区间表，用于直观得出噪声点的落入概率情况，并以此分析并计算出噪声过滤阈值，进一步精确轮廓，排除噪声。

可以理解地，通过此设计，进一步缩小筛选范围，并根据置信区间表计算出落入该范围的噪声点的概率，进而推测无噪声点的纯图像范围，进一步筛选消除范围外的噪声点，使得结果更为精确，图像轮廓更清晰。

进一步的，SEM图像的预设范围为(μ-3σ,μ+3σ)，其中μ为数学期望。

需要说明的是，预设范围的取值包括概率密度函数的数学期望及标准差，这两个数值均是计算后的可靠数值，更具代表性。

可以理解地，避免了单一直观数据作为选取对象使得预设范围的选取不具有普遍性，进一步使得选取结构更加可靠。

进一步的，请参阅图4，噪声过滤阈值及噪声分布对第一次SEM图像提取轮廓进行过滤优化包括以下具体步骤：

S71：确认像素点位置；

S72：若像素点位于置信区间外，则判定为噪声点，进行消除；

S73：若像素点在置信区间内，则比较像素点与阈值范围；

S731：若像素点在阈值范围外，则判定为噪声，进行消除；

S732：若像素点在阈值范围内，则判定为图像点，进行保留。

可以理解地，通过此方式，能对噪声点进行深度排查并消除，使得消除噪声的效果更好，同时在阈值范围内能保证图像点不被消除，进而使得消除噪声后的图像轮廓更为明显。

进一步的，本发明还提供一种计算机介质，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如上所述的SEM图像轮廓提取方法具有与上述SEM图像轮廓提取方法相同的有益效果，在此不做赘述。

可以理解地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

在本发明所提供的实施例中，应理解，“与A对应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定特征、结构或特性可以以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。

在本发明的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在本发明的附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方案中，方框中所标注的功能也可以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，在此基于涉及的功能而确定。需要特别注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

与现有技术相比，本发明的一种SEM图像轮廓提取方法、SEM图像轮廓优化方法及计算机介质具有以下优点：

1、本发明的SEM图像轮廓提取方法，用于对SEM图像的轮廓进行分析确定，其特征在于：SEM图像轮廓提取方法包括以下步骤：获取初始SEM灰度图像；统计SEM图像各像素点的灰度值，计算出各像素点灰度值的均值与标准差；将均值在基于标准差的预设可信范围内覆盖区域定义为置信区间；提取均值在置信区间内的SEM图像的轮廓作为第一次SEM图像提取轮廓。通过此方法，在置信区间外的像素点直接判断为噪声点，能直接在不影响图像点的情况下消除部分噪声点，大大提高了消除噪声的效率，进而使得轮廓能更清晰。

2、本发明的SEM图像轮廓提取方法，可信范围为根据预设倍数的标准差形成的数值范围。通过该方法，选取图像点集中且噪声点较小的可信范围进行对置信区间的判定，提高了噪声点消除的高效性，进一步使得轮廓提取更清晰，准确。

3、本发明的SEM图像轮廓提取方法，预设倍数为三倍。通过此设计，能保留所需量的图像轮廓数据，将噪声点范围进一步缩小，进一步使轮廓更精确。

4、本发明还提供一种SEM图像轮廓优化方法，其特征在于包括以下步骤：基于初始SEM图像的灰度图像获取各像素点灰度值，并计算各灰度值的均值和标准差；对初始SEM图像进行滤波处理，得到初步去噪后的SEM图像；对初步去噪后的SEM图像基于置信区间确定噪声过滤阈值，其中置信区间为灰度值均值在基于标准差的预设可信范围内覆盖区域；提取均值在置信区间内的SEM图像的轮廓作为第一次SEM图像提取轮廓；基于置信区间及噪声过滤阈值对第一次SEM图像提取轮廓进行过滤优化；将过滤优化后的第一次SEM图像提取轮廓作为最终SEM图像轮廓，通过获取噪声过滤阈值，进一步筛选置信区间内存在的噪声点并加以过滤，进而增强了降噪功能，且使得轮廓更为清晰。

5、本发明的获取的初始SEM图像的灰度值图像基于概率密度函数获取，概率密度函数表示为：

6、本发明的置信区间为

7、本发明的噪声过滤阈值计算方式包括以下步骤：选取预设范围，基于预设标准表找到该范围内非噪声点的出现概率；根据概率密度函数计算得出无噪声点的范围，将其定义为噪声过滤阈值。通过此设计，进一步缩小筛选范围，并根据置信区间表计算出落入该范围的噪声点的概率，进而推测无噪声点的纯图像范围，进一步筛选消除范围外的噪声点，使得结果更为精确，图像轮廓更清晰。

8、本发明的SEM图像的预设范围为(μ-3σ,μ+3σ)，其中μ为数学期望。预设范围的取值包括概率密度函数的数学期望及标准差，这两个数值均是计算后的可靠数值，更具代表性，避免了单一直观数据作为选取对象使得预设范围的选取不具有普遍性，进一步使得选取结构更加可靠。

9、本发明的噪声过滤阈值及噪声分布对第一次SEM图像提取轮廓进行过滤优化包括以下具体步骤：确认像素点位置；若像素点位于置信区间外，则判定为噪声点，进行消除；若像素点在置信区间内，则比较像素点与阈值范围；若像素点在阈值范围外，则判定为噪声，进行消除；若像素点在阈值范围内，则判定为图像点。通过此方式，能对噪声点进行深度排查并消除，使得消除噪声的效果更好，同时在阈值范围内能保证图像点不被消除，进而使得消除噪声后的图像轮廓更为明显。

10、本发明还提供一种计算机介质，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如上所述的SEM图像轮廓提取方法或SEM图像轮廓优化方法，具有与上述SEM图像轮廓提取方法或SEM图像轮廓优化方法相同的有益效果，在此不做赘述。

以上对本发明实施例公开的一种SEM图像轮廓提取方法、SEM图像轮廓优化方法及计算机介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制，凡在本发明的原则之内所作的任何修改，等同替换和改进等均应包含本发明的保护范围之内。