图像处理算法的评估

摘要

本发明的一个示意性方面涉及一种评估图像处理算法的方法。该方法包括改变成像系统的模型的参数，并且对于参数的每次改变，用数据处理器计算相应的样本图像；将图像处理算法应用到所计算的相应的样本图像上；以及确定该图像处理算法检测参数的改变的能力。

权利要求

1.一种评估图像处理算法的方法，包括：

改变成像系统的模型的参数，并且对于该参数的每次改变，用数据处理器计算相应的样本图像；

将图像处理算法应用到所计算的一系列相应的样本图像上；以及确定该图像处理算法检测参数的改变的能力。

2.如权利要求1的方法，其中所述成像系统按照电磁辐射、电子或离子的方式来操作以形成图像。

3.如权利要求1的方法，其中改变的参数包括聚焦、透镜像差、透镜畸变、照明均匀性、照明噪声、检测器噪声、数值孔径、波长和模糊中的至少一种。

4.如权利要求1的方法，其中改变的参数包括样本属性。

5.如权利要求4的方法，其中所述样本属性包括样本特征类型、样本特征尺寸、样本光学属性中的至少一种，其中样本光学属性包括透射和相位、反射率、透射和相移中的至少一种。

6.如权利要求1的方法，其中所述成像系统包括光掩模检测工具，并且其中所述图像处理算法用于检测光掩模缺陷。

7.如权利要求1的方法，进一步包括基于确定所述图像处理算法检测参数的改变的能力的步骤所得到的结果，通过把聚焦偏移预定量，来改善基于方差的自动聚焦算法的性能。

8.如权利要求1的方法，进一步包括基于确定所述图像处理算法检测参数的改变的能力的步骤所得到的结果，通过调整所述算法的输出，来改善所述图像处理算法的性能。

9.一种评估图像压缩和解压缩算法的方法，包括：

使用数据处理器，将不同程度的噪声注入到经过计算的样本图像中，产生具有不同程度的图像恶化的第一组计算图像；

将至少一种噪声检测算法应用到该第一组计算图像上，用以评估所述至少一种噪声检测算法在第一组计算图像中检测图像恶化的效果；

将至少两种不同的压缩/解压缩算法应用到所述第一组计算图像上，用以产生至少第二组和第三组计算图像；

将所述至少一种噪声检测算法应用到所产生的至少第二组和第三组计算图像上；以及确定所述至少两种图像压缩/解压缩算法中的哪一种引入了最少的额外的图像恶化。

10.如权利要求9的方法，其中图像恶化包括模糊、照明不均匀性、空间畸变和透镜像差中的至少一种。

11.一种评估图像处理算法的装置，包括：

用于改变成像系统的模型的参数，并且对于所述参数的每次改变，计算相应的样本图像的模块；

用于将图像处理算法应用到所计算的一系列相应的样本图像上的模块；以及用于确定所述图像处理算法检测参数的改变的能力的模块。

12.如权利要求11的装置，其中所述成像系统按照电磁辐射、电子或离子的方式来操作以形成图像。

13.如权利要求11的装置，其中改变的参数包括聚焦、透镜像差、透镜畸变、照明均匀性、照明噪声、检测器噪声、数值孔径、波长和模糊中的至少一种。

14.如权利要求11的装置，其中改变的参数包括样本属性。

15.如权利要求14的装置，其中所述样本属性包括样本特征类型、样本特征尺寸、样本光学属性中的至少一种，其中所述样本光学属性包括透射和相位、反射率、透射和相移中的至少一种。

16.如权利要求11的装置，其中所述成像系统包括光掩模检测工具，并且其中所述图像处理算法用于检测光掩模缺陷。

17.如权利要求11的装置，进一步包括用于基于确定所述图像处理算法检测参数的改变的能力的步骤所得到的结果，通过以预定量偏移聚焦，来改善基于方差的自动聚焦算法的性能的模块。

18.如权利要求11的装置，进一步包括用于基于确定所述图像处理算法检测参数的改变的能力的步骤所得到的结果，通过调整所述图像处理算法的输出，来改善该图像处理算法的性能的模块。

19.一种评估图像压缩和解压缩算法的装置，包括：

用于将不同程度的噪声注入到经过计算的样本图像中，产生具有不同程度的图像恶化的第一组计算图像的模块；

用于将至少一种噪声检测算法应用到所述第一组计算图像上，用以评估所述至少一种噪声检测算法在第一组计算图像中检测图像恶化的效果的模块；

用于将至少两种不同的压缩/解压缩算法应用到所述第一组计算图像上，用以产生至少第二组和第三组计算图像的模块；

用于将所述至少一种噪声检测算法应用到所产生的至少第二组和第三组计算图像上的模块；以及用于确定所述至少两种图像压缩/解压缩算法中的哪一种引入了最少的额外的图像恶化的模块。

20.如权利要求19的装置，其中所述图像恶化包括模糊、照明不均匀、空间畸变和透镜像差中的至少一种。

说明书

图像处理算法的评估

技术领域

[0001] 本发明的示意性实施例一般涉及一种系统地及客观地评估和改善图像处理算法的效果、从而消除由人类的判断所引入的不确定性和可变性的方法。

背景技术

[0002] 图像处理算法典型地为一系列实际图像计算品质因数，并假设具有最大的品质因数的图像是“最佳”图像。在这方面可以参考例如F.C.A.Groen，I.T.Young，G.Lighthart，“A comparison of different focus functions for use in autofocus algorithms”，Cytometry，Vol.6，pgs.81-91(1985)。典型地，通过将使用该算法选择出的图像与人类选择的作为“最佳”图像的图像进行比较，来测试这种算法的质量和效果。在这方面可以参考例如下列的任意一个出版物(以及上面提到的Groen等发 表 的 文 章)：A.Santos 等“Evaluation of autofocus functions in molecular cytogenic analysis”，J.Microscopy，Vol 188(3)，pp 264-72，(1997)；J.M.Geusebroek，F.Cornelissen，A.Smeulders，H.Geerts，“Robust Autofocusing in Microscopy”，Cytometry，Vol.39，pgs.1-9(2000)；Y.Sun，S.Duthaler 和 B.J.Nelson，“Autofocusing in computer microscopy-selecting the optimal focus algorithm，”Microscopy Research and Technique，Vol.65，No.3，pgs.139-149，2004；Y.Sun，S.Duthaler 和B.J.Nelson，“Autofocusing algorithm selection in computer microscopy”，IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS2005)，Edmonton，Alberta，Canada，August 2-6，2005；以及X.Y.Liu，W.H.Wang，Y.Sun，“Dynamic evaluation of autofocusing for automated microscopic analysis of blood smear and pap smear”，J.Microscopy Vol.227(1)，pgs.15-23(2007)。

[0003] 在传统的方法中，如图1A所示，第一步对一系列实际图像应用一种图像处理算法来为每个图像获得一个品质因数。然后在下一步，由人类按照所观察到的质量对这些图像进行排序。然后确定通过人类判断所排定的顺序是否与基于品质因数算法的顺序一致。如果一致，则说明结果是非确定性的，这是因为算法和人类的判断都既可能是正确的也可能是不正确的。如果发现基于人类的判断所排定的顺序与品质因数算法的不一致，则结果也是非确定性的，这是因为算法或者人类的判断中的任意其一可能是正确的。

[0004] 正如可以理解的，这种传统的方法是主观的并且容易出错。除了人类判断的可变性之外，对某些成像条件来说，既不是算法实际选择了“最佳”图像，也不是人类。这样，在图1A中所略述的评估图像处理算法的传统方法是不合适的并且容易出错。

[0005] 发明概述

[0006] 根据本发明的优选实施例，克服了上述和其它的问题并且获得其它的优点。

[0007] 在本发明的实施例的一个示意性方面中，提供一种评估图像处理算法的方法。该方法包括：改变一个成像系统的模型的参数，并且对于该参数的每次改变，用数据处理器计算相应的样本图像；将图像处理算法应用到所计算的相应的样本图像上；以及确定该图像处理算法检测参数的改变的能力。

[0008] 在本发明的实施例的另一个示意性方面中，提供一种评估图像压缩和解压算法的方法。该方法包括：使用数据处理器，将不同程度的噪声注入到经过计算的样本图像上，产生具有不同程度的图像恶化的第一组计算图像；将至少一种噪声检测算法应用到该第一组计算图像上，用以评估该至少一种噪声检测算法在第一组计算图像中检测图像恶化的效果；将至少两种不同的压缩/解压缩算法应用到该第一组计算图像上，用以产生至少第二组和第三组计算图像；将该至少一种噪声检测算法应用到所产生的至少第二组和第三组计算图像上；以及确定该至少两种图像压缩/解压缩算法中的哪一种引入了最少的额外的图像恶化。

[0009] 在本发明的实施例的另一个示意性方面中，提供一种包含计算机软件指令的计算机可读存储介质，其中由数据处理器执行该计算机软件指令产生如下操作：改变成像系统的模型的参数，并且对于该参数的每次改变，计算相应的样本图像；将图像处理算法应用到所计算的相应的样本图像上；以及确定该图像处理算法检测参数的改变的能力。

[0010] 在本发明的实施例的另一个示意性方面中，提供一种包含计算机软件指令的计算机可读存储介质，其中数据处理器执行该计算机软件指令产生如下操作：将不同程度的噪声注入到经过计算的样本图像上，产生具有不同程度的图像恶化的第一组计算图像；将至少一种噪声检测算法应用到该第一组计算图像上，用以评估该至少一种噪声检测算法在第一组计算图像中检测图像恶化的效果；将至少两种不同的压缩/解压缩算法应用到该第一组计算图像上，用以产生至少第二组和第三组计算图像；将该至少一种噪声检测算法应用到所产生的至少第二组和第三组计算图像上；以及确定该至少两种图像压缩/解压缩算法中的哪一种引入了最少的额外的图像恶化。

附图说明

[0011] 为了使本发明实施例的上述和其它方面更加显而易见，下面结合附图来进行详细描述，其中：

[0012] 图1A是示出评估图像处理算法例如聚焦算法的传统方式的逻辑流程图。

[0013] 图1B是示出根据本发明示意性实施例的使用经过计算的图像来评估图像处理算法的逻辑流程图。

[0014] 图2示出了示意性的在三个聚焦值处光掩模的计算图像。

[0015] 图3A示出了镀铬玻璃光掩模上各种特征的计算图像的方差与聚焦的对比，图3B示出了衰减相移掩模上各种特征的计算图像的方差与聚焦的对比。

[0016] 图4A和4B，统称为图4，描绘了线和空间的模拟图像，其中图4A示出了图案和强度轮廓，图4B示出了模拟后的图像。

[0017] 图5A-5C，统称为图5，示出了在镀铬玻璃掩模的情况下图4的线和空间的模拟图像，其中图5A示出了-280nm散焦的情况，图5B示出了合焦的情况，图5C示出了一种+280nm散焦的情况。

[0018] 图6示出了针对各种线型的镀铬玻璃掩模的图像标准偏差与聚焦相对比的图表。

[0019] 图7A和7B，统称为图7，描绘了接触孔的模拟图像，其中图7A示出了图案和强度轮廓，图7B示出了模拟后的图像。

[0020] 图8A-8C，统称为图8，示出了在相移掩模的情况下图7的接触孔的模拟图像，其中图8A示出了-200nm散焦的情况，图8B示出了合焦的情况，图8C示出了+200nm散焦的情况。

[0021] 图9示出了针对各种线型的相移掩模的图像标准偏差与聚焦相对比的图表，并且描述了标准偏差与聚焦相对比的最大值不出现在0散焦的情况。

[0022] 图10是适于实现本发明的示意性实施例的数据处理系统的一个实施例的方框图。

[0023] 图11是适于实现本发明的示意性实施例的一种装置的方框图。

[0024] 图12是进一步根据本发明的示意性实施例描述一种方法以及由计算机程序产品执行的操作的逻辑流程图。

具体实施方式

[0025] 图像处理算法例行地用于评估一个图像或一系列图像的质量。算法可以用于评估，不限制于，例如图像的聚焦、照明均匀性、空间扭曲以及/或者噪声，或用于相对于一个标准检测图像在空间范围上的缺陷或变化。该算法提供了试图从一系列图像中选择出“最佳”图像的品质因数，或者提供了一系列图像中的变化的定量测量。典型地，算法的性能可以使用样本的实际图像来进行测试。由于实际图像数量在绝大多数(如果不是所有的)情况下都包含了大量的参数的变化以及感兴趣的参数值的不确定性，所以算法的测试就会受到连累。

[0026] 如上所述，通常通过将算法所选择的“最佳”图像与人类选择的图像进行比较，来评估这些算法。不幸地，人类的选择是不可靠的，经常没有选择出最好的图像。也可以通过将一种算法的结果与另一种算法的结果进行比较来评估这些算法。然而，由于目前不存在“绝对的”标准，因此这种方式只是相对的比较。

[0027] 假设任意光学系统(不失一般性地称为成像系统)的成像行为都被精确地计算及模型化并用于复制该光学系统的实际成像行为(例如参见R.L.Gordon，A.E.Rosenbluth，st th“Lithographic image simulation for the 21 century with 19 century tools”，SPIE，Vol.5182，pgs.72-87(2004))。根据本发明的示意性实施例，一个感兴趣的光学系统被模型化，并且该模型用于产生经过计算的样本图像。该感兴趣的光学系统的特定参数，例如聚焦，在该模型中系统地变化，从而获得在该特定参数的已知绝对值处的一系列计算图像。一种图像处理算法被应用到该一系列计算图像上，以便确定算法基于变化的参数来区分这些图像的效果有多好，以及算法成功地选择“最佳”图像(例如最佳聚焦图像)的成功率如何。通过使用这种技术，能够正确地评定图像处理算法的性能，同样避免了使用人类观察者而引入的主观性和可变性。

[0028] 根据本发明示意性实施例的方法在图1B中进行概括示出。该方法通过使用“最佳”图像是先验的计算图像消除了图像选择中的不确定性。虽然下文主要描述了用于在一种选择最佳聚焦图像的算法的具体情况的方法，但该方法是更加通用的，并且能够应用到除了聚焦算法之外的其它图像处理算法中。

[0029] 通过使用样本的计算图像而不是实际图像，消除了图像中所有不希望的变化。另外，通过使用计算图像，就可以知道感兴趣的参数的绝对值(例如聚焦、畸变、噪声、线宽、边缘粗糙度或边缘倾斜度)。这样，就可以对图像处理算法进行准确评估。

[0030] 图1B示出了根据本发明的一个方法的实例。在图1B中，在步骤A，通过模型化该光学系统将一系列样本的图像计算为某个参数(例如聚焦)的函数。在步骤B，将图像处理算法应用到该一系列计算图像上来获得每个图像的品质因数，以作为感兴趣的参数中已知值的函数。在步骤C，判断该图像处理算法是否检测到在感兴趣参数中的、如在计算图像中显示的那样的已知变化。如果结果是肯定的，那么在步骤D宣布一个确定性结果，并且该图像处理算法被假定是正确的。如果步骤C的结果是否定的，也会宣布一个确定性结果，并且该图像处理算法被假定是不正确的。

[0031] 关于图1B，创建一个光学系统的适当模型。数量众多的模型化光学系统的表现的方法被例行使用，特别是在半导体光刻领域中。这些方法涉及的范围从简单的光学光线跟踪(例如参见，除了上述所提及的R.L.Gordon，A.E.Rosenbluth，“Lithographic st thimage simulation for the 21 century with 19 century tools”，SPIE，Vol.5182，pgs.73-87(2004)之外，还包括C.Mack，PROLITH：A comprehensive optical lithography model.SPIE Optical Microlithography IV，Vol.538，pgs.207-220(1985))到 Maxwell方程的全部三维解(例如参见，Z.Zhu，A.Strojwas，“A superfast 3D lithography simulator and its application for ULSI printability analysis”，SPIE Vol.5377，pgs.658-669(2004)；K.Toh 和 A.Neureuther，“Three-dimensional simulation of optical lithography”，In Proceedings：SPIE Vol.1463，pgs.356-367(1991)；A.Wong和 A.R.Neureuther，“Rigorous three-dimensional time-domain finite-diference electromagnetic simulation”，IEEE Trans.Semicondctor Manufacturing，Vol.8，No.4，pgs.419-431，Nov 1995；以 及 A.Wong，R.Guerrieri 和 A.R.Neureuther，“Massively parallel electromagnetic simulation for photolithographic applications”，IEEE Transactions on CAD，Vol.14，No.10，pgs.1231-1240，Oct 1995)。在所有的实例中，这些模型产生一个准确的经过计算的样本图像。光学系统的参数(例如聚焦)或样本的参数(例如相位)被系统地改变，并且一系列的图像被计算。然后将该图像处理算法应用到该一系列的计算图像上。通过将该图像处理算法的结果与感兴趣参数中的已知变化相关联，就可以明确地确定出该算法检测该参数的变化的能力。这样，可以测试图像处理算法，以确定该算法基于变化的参数区分图像的能力有多好，以及该算法选择“最佳”图像(例如最佳聚焦图像)的成功率有多高。现在描述一个特定的但非限制性的例子。

[0032] 通常利用聚焦算法来自动调整光学显微镜的聚焦，以便获得“最锐利”(即最佳聚焦)的图像。一种广泛使用的聚焦算法计算在一个聚焦设置处获得的图像方差，并将其与在另一个聚焦设置处获得的图像方差相比较。选择具有较大方差的图像作为最佳聚焦图像，这是因为良好聚焦的图像应当比不良的聚焦图像具有更好的对比度以及因此具有更大的方差。以前，这种算法的准确性可以通过与由人类选择的最佳聚焦图像进行比较来测试(例如参见，X.Y.Liu，W.H.Wang，Y.Sun，“Dynamic evaluation of autofocusing for automated microscopic analysis of blood smear and pap smear”，J.Microscopy Vol.227(1)，pgs.15-23(2007))。在这种方法中暗示了这样一种假设，即该算法和/或人类将始终选择最佳的聚焦图像。然而，发明人已经发现了这种假设是不正确的。

[0033] 在研发用于光掩模修补工具的自动聚焦系统的过程中，发现操作者不能可靠地生产出特定类型的光掩模的聚焦图像。虽然操作者通常能够可靠地聚焦镀铬玻璃光掩模，但是他们不能始终聚焦衰减的相移光掩模。由于图像的对比度会随着聚焦的变化而发生复杂的变化，因此操作者不能确定什么构成了相移掩模的一个良好的聚焦图像。这样，在这种情况下，人类的判断就是不可靠的。

[0034] 根据本发明的一个方面，修补工具的光学系统被模型化，并且镀铬玻璃和相移光掩模的图像都被计算为一种散焦函数。在图2中示出的图像是为透射光的光学系统计算的，其中该光学系统具有数值孔径为0.9的物镜、以248nm波长操作并具有0.6sigma的照明相干性。相应于两种光掩模类型的测量值，镀铬玻璃光掩模具有248nm光的0％透射和100％透射的区域，而衰减的相移光掩模具有28％透射的区域，该区域相对于100％透射的区域具有168度相移。在变化的散焦量上计算各种线/空间和接触孔图案的图像。然后将方差算法应用到计算图像上，结果如图3所绘制。图3中的每个数据点都与特定散焦处的计算图像的方差相对应，其中0对应于完美的聚焦。图3A和图3B中的7条曲线中的每一条都与光掩模上不同的二维图案相对应，其中图3A表示镀铬玻璃光掩模的结果，图3B表示衰减的相移光掩模的结果。这些结果显示方差算法始终选择了具有零散焦的镀铬玻璃图像(即最大方差总是针对如图3A所示的最佳聚焦图像而出现)，但该算法始终选择了衰减的相移光掩模的散焦后的图像(即如图3B所示，最大方差针对散焦后的图像而出现)。在图
3中示出的7条曲线(表示使用了不同光掩模图案)示出了如曲线的宽度所表示的用于散焦的算法的敏感度高度依赖于特定的图案。使用计算图像能够对聚焦算法的准确度和精度进行准确地评估，此外能对什么构成了镀铬玻璃和衰减的相移光掩模的“最佳聚焦”图像进行判断。计算图像的使用进一步提供了通过向方差算法所选择的聚焦增加预定的偏移来更加准确地选择衰减的相移光掩模的最佳聚焦图像的方法，其中所使用的偏移基于图3B示出的结果。

[0035] 图1B中描绘的方法可以应用到各种使用场合和应用，并且特别地用于半导体光刻领域。例如，在光掩模上检测缺陷涉及复杂的图像处理算法。典型地，光掩模是在光学检查系统中制造及成像的，该图像与用于制造该光掩模的设计数据进行比较。图像与设计数据之间任意的差异都被认为是缺陷。一般通过建立一个具有规划好的缺陷的测试光掩模以及实验性地确定检测工具能检测到哪些缺陷，来评估用于检测缺陷的检测工具和算法的能力。使用这里所描述的方法，检测工具中的光学系统被模型化，以便产生光掩模设计的计算图像。然后将检测算法应用到计算图像上，用于确定该算法检测缺陷的能力。由于光掩模中变化的任何类型和幅度都能被模型化，因此检测工具检测任何潜在的缺陷的能力可以由所需的任何程度的精度来确定。这包括光掩模中的二维和三维的空间误差，以及在透射、相位、散射光(不限制于这些例子)上的变化。另外，检测工具的潜在变化也可以被模型化，以便确定它们对缺陷检测产生的影响，例如噪声、像差和散焦。这样，就可以对检测工具作出全面的评估，并且不会受到在所制造的测试光掩模中固有的不确定性和变化的影响。由于可以快速低廉地执行计算，因此针对该检测工具的检测能力可以测试大量可能的缺陷。相似地，通过模型化该光刻印刷工具，也可以确定检测工具检测到的或遗漏的缺陷的重要性。

[0036] 前述的方法可以应用到其它的光刻场合。例如，可以把各种线宽、接触面积或线边缘粗糙度测量算法应用到光掩模或半导体晶片图案的计算图像上。作为非限制性的实例，线宽变化、粗糙度、图像噪声和图像旋转的受控数量可以包含在计算图像中，并且评估对测量算法的影响。因此这种过程可以在测量算法的选择和改进上提供重要帮助。

[0037] 前述的方法也可以应用到任意图像处理算法以及任意种类的图像。例如，可以计算风景或人物图像。例如，范围涉及从人眼到照相机、显微镜、望远镜和双目镜的光学系统都可以被模型化。成像系统可以包括光学光束，以及例如电子束或离子束。成像系统可以使用电磁辐射来形成样本的图像，这里电磁辐射可以是可见光、紫外光、红外光、x射线或微波，并且不限制于这些例子。模糊、照明、畸变和噪声在各个计算图像中都是变化的，因此，采用合适的图像处理算法来确定该算法在评估可变参数(例如模糊、照明、噪声)上有多少效果。

[0038] 本发明的示意性实施例还可以用于评估图像压缩算法，以及确定这些算法在压缩/解压缩处理之后保持各种图像质量(例如模糊、照明、畸变和/或噪声)的能力有多好。还可以参考图12，图12将在下面详细描述。例如，一个图像可以被计算并通过注入不同程度的受控噪声来进行转换，这样产生一组图像(组A)。各种噪声检测算法可以应用到该组图像(组A)上，以便评估算法在检测噪声上的有效性。然后组A的图像可以采用一种压缩算法来压缩和解压缩，这样形成组B图像。相似地，可以对组A图像应用不同的压缩/解压缩算法，来产生组C、组D等等图像。然后将噪声检测算法应用到组B、C、D...图像上。然后就能确定出最佳的压缩算法(即引入了最少的额外噪声的算法)。同样的方法也能用于评估各种压缩算法对其它参数(例如畸变和模糊，并且不限制于这两个例子)的效果。

[0039] 例 如， 在“An objective measure for perceived noise”(Vishwakumara Kayargadde和Jean-Bernard Martens，Signal Processing 49(1996)，pgs 187-206及其中的参考文献)的描述了用于测量图像中的噪声的算法。

[0040] 也可以广泛地使用大量的用于压缩和解压缩图像的算法(例如jpeg)并且它 们被 描述 在Steven W.Smith，California Technical Publishing 1997，ISBN0-9660176-3-3“The Scientist and Engineer’s Guide to Digital Signal Processing”的 27 章 以 及 Weidong Kou，Springer 1995，ISBN 978-0792396260“Digital Image Compression：Algorithms and Standards”中。

[0041] 因此本发明的示意性实施例提供了对模拟(计算)后的图像而不是实(实际)像的使用，并提供了在已知成像条件下对聚焦变化的精确控制和对聚焦的绝对值的控制，从而确定哪个图像具有最佳聚焦。

[0042] 作为非限制性的一个实例，典型的光刻图案的图像被模拟(例如参见图4)，并选择特定的一组光学条件。这些光学条件可以包括，例如波长、数值孔径、照明、聚焦、像差和样本类型(例如镀铬玻璃光掩模、相移光掩模)。选择一组典型的图案，例如线和空间、隔离(iso)线和空间以及/或者接触孔，然后该方法以各种聚焦量产生一系列图像。图5示出了用于图4的镀铬玻璃掩模的模拟图像的-280nm散焦、合焦和+280nm散焦的示意性实例。然后将所选择的图像处理算法应用到该系列模拟的图像上，并计算这些图像的标准偏差。然后确定是否在最大标准偏差处获得最佳聚焦。图6示出了用于镀铬玻璃掩模的各种线图案(例如E4，E1等)的示意性实例，其中最大标准偏差出现在0散焦点上并且曲线关于该0散焦点对称。进一步例如，图7示出了示意性的图案和图像轮廓以及接触孔的模拟图像。图8示出了用于图7的相移掩模(MoSi相移掩模)的模拟图像的-280nm散焦、合焦和+280nm散焦的示意性实例。图9示出了用于该MoSi相移掩模的各种线图案的示意性实例，其中要注意的是标准偏差的最大值没有出现在0散焦处，并且曲线关于0散焦点是不对称的。这表示图像处理(聚焦)算法“失败”。

[0043] 在图4-9中镀铬玻璃掩模和相移掩模的图像被模拟，并且各种线空间和接触孔图案也被模拟。针对每种图像类型改变聚焦，聚焦算法被应用到每个模拟的图像上。聚焦算法计算了图像的方差，其中最佳聚焦的图像应当与具有最大方差的图像相对应。聚焦算法正确地选择了用于镀铬玻璃掩模的最佳聚焦图像，但是没有选择用于相移掩模的最佳聚焦图像。事实上，聚焦算法选择了一个约100nm散焦的图像。然而，通过以预定量(例如在该非限制性的实例中是100nm)来偏移为相移掩模所选择的聚焦，仍能使用该聚焦算法。

[0044] 图10是适于实现本发明的示意性实施例的数据处理系统10的示意性实施例的方框图。系统10包括至少一个数据处理器12，用户接口14(例如图形用户接口(GUI))，以及计算机可读存储介质(例如存储器16)，其存储着多个计算机软件程序模块和数据结构16A-16D。系统10还可以包括网络(NW)接口18，提供与一个或多个外部局域网(LAN)和/或例如互联网的广域网(WAN)的双向连接。

[0045] 存储器16可以用任意适当的存储器技术来实现，其可以包含感兴趣的光学系统的模型16A以及表示用模型16A计算的图像16B的一组图像数据(例如在图2、4B、5、7B和8中示出的那些计算图像)。值得注意的是可以由系统10使用适当的建模软件(然后它也被存储在存储器16中)来计算模型16A，或者可以在其它地方计算模型16A并随后发送到系统10(例如通过网络接口18)以便存储在存储器16中。在另一个示意性实施例中，光学系统的模型16A可以驻留在另一个计算机系统中，并且只有计算图像16B被下载到存储器
16中。同样地，应当意识到图10中示出的特定实施例只是本发明设想的示意性的可能实施例。

[0046] 存储器16还可以包括一个或更多个图像处理算法16C，例如上面所讨论的聚焦算法16D，以及任意用于结合其它软件和数据结构的操作的额外的计算机软件。

[0047] 在操作过程中，数据处理器12使用并执行如上所述的软件程序和数据结构，以便通过将图像处理算法应用到具有已知属性的计算图像上来客观地评估和改善这些图像处理算法。

[0048] 为了描述并实现本发明的示意性实施例，也要参考图11，图11示出了适于实现本发明示意性实施例的装置20的方框图。值得注意的是，所示出的方框可以用硬件、软件或软硬件的组合来实现。在图11中，方框表示了光学系统22的数学模型。值得注意的是，这里所采用的“光学系统的模型”可以是数学模型或光学系统本身(例如显微镜)的描述。另外，“光学系统的模型”还可以包括数学模型或感兴趣的一个或更多个样本(例如图案化的光掩模)的描述。

[0049] 可以调整一个或更多个感兴趣的模型参数(由设备24表示)，用以产生一组计算图像26(例如，计算图像1、计算图像2...计算图像n)，其中每个计算图像可以表示设备24的n种设置中的一种设置，该设置与感兴趣的一个或更多个参数的一个特定值相对应。作为非限制性示例，由设备24改变的光学系统的模型的感兴趣的一个或更多个参数可以是以下参数中的至少一个：聚焦、透镜像差、透镜畸变、照明均匀性、照明噪声、检测器噪声、数值孔径、波长以及模糊。作为非限制性示例，由设备24改变的感兴趣的一个或更多个参数也可以是样本属性，例如样本特征类型、样本特征尺寸和样本光学属性中的至少一个，其中样本光学属性包括透射及相位、反射、透射及相移中的至少一种，并且不限制于上述例子。

[0050] 图像处理器28实现了至少一种图像处理算法，例如聚焦算法，并且处理一组计算图像26，以便为每个图像产生一个品质因数(FOM)，然后该品质因数被用于确定该图像处理器28基于变化的(一个或更多个)参数区分计算图像26的效果有多好，以及该图像处理器28从一组图像26中成功地选择“最佳”图像(例如最佳聚焦图像)的成功率有多高。图像处理器28的输出的一种可能的用途(但不限制于)是改善基于方差的自动聚焦算法的性能，例如用于检测工具或相似类型的工具的算法。如上述相移掩模的示意性实例所注意到的，可以基于由该图像处理器所确定的“最佳”聚焦位置以预定偏移量来偏移成像系统的聚焦。也可以基于对该图像处理器检测参数中的变化的能力的确定结果来调整该算法的输出。上述后一操作在图11中通过表示向该图像处理器28的反馈路径(例如偏移/调整)的虚线来描述。

[0051] 本发明的示意性实施例也涉及一种评估图像压缩和解压缩算法的方法、计算机程序产品和装置/系统。参考图12的逻辑流程图，方框12A的步骤/操作是将不同程度的噪声注入样本的计算图像，产生具有不同程度的图像恶化的第一组计算图像。方框12B的步骤/操作是将至少一个噪声检测算法应用到该第一组计算图像，以便评估该至少一个噪声检测算法在该第一组计算图像中检测图像恶化的效果。方框12C的步骤/操作是将至少两个不同的压缩/解压缩算法应用到该第一组计算图像中，以便产生至少第二组和第三组计算图像。方框12D的步骤/操作是将该至少一个噪声检测算法应用到所产生的至少第二组和第三组计算图像上。方框12E的步骤/操作是确定该至少两个图像压缩/解压缩算法中的哪一个引入了最少的额外的图像恶化。如非限制性的例子，图像恶化可以包括模糊、照明不均匀、空间畸变和透镜像差中的至少一种。

[0052] 本发明的示意性实施例还涉及硬件平台或系统(可被称为装置)，其包括与至少一个存储着计算机程序软件的存储器耦合的至少一个数据处理器。由至少一个数据处理器来执行该软件，使该系统通过以下处理来评估图像处理算法：改变成像系统的模型的参数，对于参数的每个变化用该至少一个数据处理器来计算相应的样本图像；将图像处理算法应用到经过计算的相应的样本图像上；以及确定该图像处理算法检测参数的变化的能力。

[0053] 本领域技术人员应当理解，本发明的这些方面可以被具体化为系统、方法或计算机程序产品。因此，本发明的这些方面可以采取纯粹的硬件实施例、纯粹的软件实施例(包括固件、常驻软件、微代码等)或结合了软件和硬件方面的实施例的形式，其中结合了软件和硬件方面的实施例在这里通常都被称为“电路”、“模块”或“系统”。进一步，本发明的这些方面可以采取包含在一个或多个计算机可读介质中的计算机程序产品的形式，其中这些介质具有收录于其上的计算机可读软件程序代码。

[0054] 可以利用一个或多个计算机可读介质的任意组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质例如可以是但不限制于，电、磁、光、电磁、红外或半导体系统、装置或设备或上述的任意适当的组合。计算机可读存储介质的更特定的例子(非穷举列表)包括下列：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、光纤、便携式光盘只读存储器(CD-ROM)、光存储设备、磁存储设备或上述的任意适当的组合。在该说明书的上下文中，计算机可读存储介质可以是任意有形的介质，能够包含或存储由指令执行系统、装置或设备使用的或相连接的程序。

[0055] 计算机可读信号介质可以包括例如以基带或作为载波的一部分的传播数据信号，该信号具有包含于内部的计算机可读程序代码。这种传播信号可以采取多种形式，包括但不限制于，电磁、光或它们的任意组合。计算机可读信号介质可以是任意的非计算机可读存储介质的计算机可读介质，其能够通信、传播或传输由指令执行系统、装置或设备使用的或相连接的程序。

[0056] 包含在计算机可读介质上的程序代码可以用任意适当的介质来传输，包括但不限制于，无线、有线、光线、RF等，或上述任意的适当组合。

[0057] 用于执行本发明的这些方面的操作的计算机程序代码可以采用一种或多种编程语言的任意组合来编写，包括面向对象编程语言例如Java、Smalltalk、C++等等以及传统的过程化编程语言例如“C”编程语言及相似的编程语言。程序代码可以完全在用户的计算机上、部分在用户的计算机上、作为独立软件包、部分在用户的计算机并部分地在远程计算机或完全在远程计算机或服务器上来执行。在后一情况下，远程计算机可以通过任意类型的网络连接到用户计算机，包括局域网(LAN)或广域网(WAN)，或者该连接是面对外部计算机的(例如，通过利用网络服务提供商的因特网)。

[0058] 已参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图描述和/或方框图来描述了本发明的这些方面。将会理解的是，流程图描述和/或方框图中的每个方框，以及流程图描述和/或方框图中的方框的组合，可以由计算机程序指令来实现。这些计算机程序指令可以被提供给通用目的计算机、特定目的计算机或其它可编程数据处理装置的处理器以形成一个机器，以便通过计算机或其它可编程数据处理装置的处理器执行的指令，创建用于实现在流程图和/或方框图的方框中所描述的功能/动作。

[0059] 这些计算机程序指令还可以存储在计算机可读介质中，它们能够使计算机、其它可编程数据处理器装置或其它设备以特定形式实现功能，以便使存储在计算机可读介质中的指令形成一种产品，其包括实现在流程图和/或方框图的方框中所描述的功能/动作。

[0060] 这些计算机程序指令还被加载到计算机、其它可编程数据处理装置或其它设备上，致使一些了可操作的步骤在该计算机、其它可编程数据处理装置或其它设备上执行，以形成一种计算机实现过程，以便使在该计算机或其它可执行装置上执行的指令提供实现在流程图和/或方框图的方框中所描述的功能/动作的过程。

[0061] 附图的流程图和方框图描述了根据本发明各种实施例的系统、方法和计算机程序产品的可能实现的结构、功能和操作。在这点上，流程图或方框图中的每个方框可以代表模块、代码的片段或部分，其包含一个或多个用于实现描述的逻辑功能的可执行指令。还应当注意到，在某些可选实现方式中，方框中指明的功能还可以按照不同于附图中所指明的顺序而出现。例如，连续示出的两个方框事实上可以实质上并发地执行，或者这些方框有时可以按照相反的顺序来执行，这取决于所包含的功能。还应当注意到，方框图和/或流程图描述中的每个方框，以及方框图和/或流程图描述中的方框的组合可以由执行特定功能或动作的特定目的的基于硬件的系统来实现，或由特定目的的硬件和计算机指令的组合来实现。

[0062] 这里使用术语的目的只是描述特定实施例的，不是用于限定本发明。如这里所使用的，单数形式的“一种”和“该”也是试图包括复数形式，除非上下文中有另外的清楚的说明。可以进一步理解，在说明书中使用的术语“包括”和/或“包含”指明所提及的特征、整数、步骤、操作、元件和/或部件的存在，但不排除一个或多个其它特征、整数、步骤、操作、元件、部件和/或其集合的存在或增加。

[0063] 下面的权利要求中所有的手段或步骤加上功能元件的相应的结构、材料、动作和等同物，试图包含任意结构、材料或动作，以用于执行与特别要求的其它所要求的元件相结合的功能。已经为了说明和描述的目的介绍了本发明，但不是以所公开的形式来穷举或限制本发明。对于本领域普通技术人员来说，许多修改和改变在不背离本发明的范围和精神的情况下都是显而易见的。为了最佳地解释本发明的原则和实际应用，以及使本领域普通技术人员理解具有各种修改的各种实施例的本发明如所计划的特定用途那样适用，从而选择并描述了实施例。

[0064] 同样地，当结合附图和权利要求书来阅读，对于本领域相关技术人员来说考虑到上述描述作出各种修改和修正是显而易见的。如仅在某些实例，其它相似的或等同的光学系统模型化技术的用途，除了上述提到的各种出版物中描述的那些之外，可以由本领域技术人员来使用。然而，本发明的教导中所有的这些和相似的修改都将落在本发明的范围内。

[0065] 而且，对本发明的实例中某些特征的使用具有优点，而不需要相应地使用其它特征。同样地，上述描述应当被认为只是对本发明的原则、教导、实例和示意性实施例的示意性说明，并且不限制于此。