图像处理程序、图像处理装置以及图像处理方法与流程

1.本发明涉及对图像数据进行处理的图像处理技术。其中特别涉及一种能够在使用图像数据的检查中应用的图像处理技术。检查对象的一例包含半导体电路。


背景技术：

2.当前，作为使用了图像数据的检查，通过将作为检查对象的试样的设计数据与拍摄检查对象而得到的拍摄数据进行比较来实施检查。作为物品的一例，具有检查半导体电路的物品。
3.随着半导体电路图案的细微化，曝光装置的分辨率达到极限，难以在晶片上形成如设计那样的电路图案。在半导体晶片上形成的电路图案的配线宽度偏离设计值，或者容易在图案前端产生缩退，或者容易产生图案的角部或根部的形状变形这样的不良。这样的缺陷被称为系统缺陷，由于在所有芯片中共通地产生该系统缺陷，因此难以通过将检查对象的芯片和其接近芯片进行比较来检测缺陷的方法(芯片对芯片检查)实施检测。
4.与此相对，有一种检测缺陷的方法(芯片对数据库检查)，不将接近芯片而是将设计数据图像与检查对象的芯片进行比较来检测缺陷，其中，设计数据图像是对cad数据等设计数据进行图像化而得到的。由于芯片对数据库检查将设计数据图像与检查对象的芯片进行比较，因此理论上能够检测在所有芯片中共通的系统缺陷。
5.但是，在转印到晶片上的图案上存在很多不会对半导体器件的电气特性产生影响的程度的与设计数据的形状偏离(角部圆形的差异等)。在芯片对数据库检查中，还检测出该形状的偏离，从而存在虚报频发的问题。为了不将正常的电路图案误检测为缺陷，需要容许正常范围内的形状偏离。
6.在us9965901b2(专利文献1)中公开了一种使用cnn从设计数据对检查对象图案的图像进行模拟的方法。将其应用于芯片对数据库检查，使用具有合格品的形状偏差的检查对象图案的模拟图像来代替设计数据，由此能够进行抑制了虚报的检查。
7.现有技术文献
8.专利文献
9.专利文献1：us9965901b2


技术实现要素：

10.发明所要解决的课题
11.在专利文献1中，虽然得到模拟的检查对象图案，但所得到的检查对象图像是由于制造次数而不同的形状变形的一个例子。因此，为了知道正常的形状变形的范围，需要进行多次模拟。并且，在将其应用于芯片对数据库检查时，需要将所生成的多个模拟图像与检查图像循环地进行比较，因此存在花费处理时间的问题。
12.用于解决课题的手段
13.为了实现上述目的，在本发明中，基于设计数据等基准数据计算试样的特征量，根
据该特征量计算用于表示该试样的输入数据可取得的值的概率分布的统计量。另外，可以附带地进行与计算出的特征量相对的其参数的计算和调整、使用了特征量的过程评价、试样检查中的任意一个。
14.作为本发明的一个方式，包含图像处理程序、图像处理装置以及图像处理方法，其特征为，具备：编码器层，其构成为决定设计数据图像的特征；以及解码器层，其构成为根据由编码器层输出的特征量，基于检查对象图案的拍摄图像的变化来生成各像素的亮度值的统计量，将从解码器层得到的与亮度值相关的统计量与检查对象图案的拍摄图像进行比较，由此检测图像区域内的缺陷。在本图像处理中包含由编码器层及解码器层构成的模型的生成和本模型所具有的参数的调整。
15.在本发明中，作为检查对象，除了半导体电路之外，还可适用于汽车部件(活塞等)、托盘、瓶等容器、液晶等各种物体。另外，在本发明中，除了图像拍摄之外，还包含表示试样的形状或物理性质的数据的输入。形状包含试样的大小、长度等。
16.发明效果
17.根据本发明，能够基于试样的设计数据等基准数据与表示试样的形状或物理性质等的数据之间的对应关系，从基准数据推定表示试样的形状或物理性质等的数据的正常范围。
附图说明
18.图1是表示本发明的一个实施例的生成模型的学习流程的流程图。
19.图2是表示本发明的一实施例的过程评价处理流程的流程图。
20.图3是表示本发明的一实施例的缺陷判定方式的流程的流程图。
21.图4表示本发明的一个实施例的功能框图。
22.图5a表示设计数据图像501的一例。
23.图5b表示与设计数据图像501对应的拍摄图像502。
24.图5c表示与设计数据图像501对应的统计图像503的一例。
25.图6a表示设计数据图像601的一例。
26.图6b表示与设计数据图像601对应的拍摄图像602的一例。
27.图6c表示与设计数据图像601对应的拍摄图像603的一例。
28.图6d表示与设计数据图像601对应的拍摄图像604的一例。
29.图7a表示拍摄图像上的各像素的亮度值分布的例子。
30.图7b表示由从设计数据图像推定出的统计量规定的推定亮度值分布和根据该统计量决定的亮度值的阈值范围的例子。
31.图8a表示设计数据图像上的关注像素及其周围区域。
32.图8b表示位于与关注像素相同位置的拍摄图像上的推定对象像素。
33.图9用于说明设计数据图像的边缘和基于该边缘决定的形状变形的阈值范围之间的关系。
34.图10表示对于设计数据图像和拍摄图像事先进行学习或检查的处理的例子。
35.图11是用于进行过程评价的设定以及结果显示的gui画面的例子。
36.图12是用于进行缺陷检测的设定以及结果显示的gui画面的例子。
37.图13表示半导体测量系统的一例。
38.图14表示扫描电子显微镜的概要。
具体实施方式
39.在以下说明的实施例中例示的半导体检查装置涉及使用检查对象图案的拍摄图像(检查对象图像)和设计数据图像来抑制虚报的频发，仅检测出缺陷区域的图像处理程序以及使用了该图像处理程序的半导体检查装置。除了设计数据之外，半导体制造过程的模拟图像、电路图案的平均图像、手写生成的图像等也适用于与检查对象图像的比较，并未对此进行限定。
40.另外，作为其具体的一例，示出了如下方法的例子：使用机器学习从设计数据图像推定检查对象图像上的各像素的亮度值，作为规定其概率分布的统计量，基于该统计量来检测检查对象图像的缺陷区域。在本实施例中，将与电路图案的形状变形相关的统计量设为根据设计数据图像与拍摄图像的对应关系得到的、规定拍摄图像上的各像素的亮度值的概率分布的统计量。
41.以下，使用附图对具备如下功能的装置、测定检查系统进行说明，该功能为不会有使用检查对象图像和设计数据图像而使虚报频发的情况，仅检测出缺陷区域。更具体而言，对包含一种测定装置即测长用扫描电子显微镜(critical dimension-scanning electron microscope，cd-sem)的装置和系统进行说明。
42.在以下的说明中，作为形成图像的装置例示了带电粒子束装置。另外，作为其一个方式，说明使用了sem的例子，但不限于此，例如也可以采用在试样上扫描离子束来形成图像的聚焦离子束(focused ion beam：fib)装置来作为带电粒子束装置。但是，为了高精度地测定不断细微化的图案，要求极高的倍率，因此一般优选使用在分辨率方面胜过fib装置的sem。
43.图13是将多个测定或检查装置与网络连接的测定、检查系统的概要说明图。该系统经由网络连接了以下各装置。其中之一是用于测定半导体晶片或光掩模等的图案尺寸的cd-sem2401。另外，作为其他装置，具有缺陷检查装置2402，其通过向试样照射电子束来取得图像，基于该图像与预先登记的参照图像的比较来提取缺陷。另外，在网络上连接了条件设定装置2403、模拟器2404以及存储介质2405。条件设定装置2403具有如下功能：在半导体器件的设计数据方面设定测定位置、测定条件等。模拟器2404具有以下功能：基于半导体器件的设计数据和半导体制造装置的制造条件等来模拟图案的最终品质。并且，存储介质2405用于存储登记了半导体器件的布局数据和制造条件的设计数据。
44.设计数据例如通过gds格式或oasis格式等表现，以预定的形式进行存储。关于设计数据，只要显示设计数据的软件能够显示其格式形式，能够作为图形数据进行处理，则其种类不限。另外，存储介质2405可以内置在测定装置、检查装置的控制装置、或者条件设定装置2403、模拟器2404中。在cd-sem2401及缺陷检查装置2402中具备各自的控制装置，对各装置进行必要的控制，但也可以在这些控制装置中搭载上述模拟器的功能和测定条件等的设定功能。
45.在sem中，通过多级的透镜使从电子源释放的电子束聚焦，并且通过扫描偏转器使聚焦的电子束在试样上一维或二维地扫描。
46.通过扫描电子束而从试样释放的二次电子(seconda ry electron：se)或背散射电子(backscatt electron：bse)由检测器检测，与所述扫描偏转器的扫描同步地存储在帧存储器等存储介质中。通过搭载在控制装置内的运算装置对该帧存储器中存储的图像信号进行累计。另外，通过扫描偏转器能够针对任意的大小、位置以及方向进行扫描。
47.由各sem的控制装置进行以上那样的控制等，将作为扫描电子束的结果而得到的图像和信号经由通信线路网络发送到条件设定装置2403。在本例中，将用于控制sem的控制装置和条件设定装置2403设为独立的装置来进行说明，但不限于此。例如，可以由条件设定装置2403一并进行装置的控制和测定处理，也可以由各控制装置一并进行sem的控制和测定处理。
48.另外，在上述条件设定装置2403或控制装置中存储有用于执行测定处理的程序，按照该程序进行测定或运算。
49.另外，条件设定装置2403具备基于半导体的设计数据来生成对sem的动作进行控制的程序(制程)的功能，作为制程设定部发挥功能。具体而言，在设计数据、图案的轮廓线数据或者实施了模拟的设计数据的方面设定所希望的测定点、用于进行自动聚焦、自动像散、定址等对sem来说必要的处理的位置等。然后，基于该设定，生成用于对sem的试样台、偏转器等进行自动控制的程序。另外，为了生成后述的模板，内置了用于从设计数据中提取成为模板的区域的信息，并基于该提取信息生成模板的处理器，或者存储了用于由通用处理器生成模板的程序。另外，本程序也可以经由网络来分发。
50.图14是扫描电子显微镜的概要结构图。通过引出电极2502从电子源2501引出的通过未图示的加速电极加速后的电子束2503通过作为聚焦透镜的一个方式的聚光透镜2504而汇聚。然后，通过扫描偏转器2505在试样2509上一维或二维扫描。通过向试样台2508中内置的电极施加的负电压使得电子束2503减速，并且通过物镜2506的透镜作用使得电子束2503聚焦而照射到试样2509上。
51.当电子束2503照射到试样2509时，从该照射部位释放二次电子和背散射电子那样的电子2510。释放出的电子2510通过向试样施加的负电压的加速作用而向电子源方向加速，与转换电极2512碰撞，产生二次电子2511。从转换电极2512释放的二次电子2511被检测器2513捕捉，检测器2513的输出i根据捕捉到的二次电子量而变化。未图示的显示装置的亮度根据该输出i而变化。例如在形成二维图像时，通过取得向扫描偏转器2505的偏转信号与检测器2513的输出i的同步，形成扫描区域的图像。另外，在图22所例示的扫描电子显微镜中具备用于移动电子束的扫描区域的偏转器(未图示)。
52.在图14的例子中，对于使用转换电极将从试样释放的电子进行一端转换来进行检测的例子进行了说明，但不限于这样的结构，也可以构成为例如在加速后的电子的轨道上配置电子倍增管、检测器的检测面。控制装置2514具备：控制扫描电子显微镜的各结构，并且基于检测到的电子来形成图像的功能；基于被称为线轮廓的检测电子的强度分布测定在试样上形成的图案的图案宽度的功能。
53.接下来说明用于使用机器学习来检测缺陷的模型生成处理s100或者过程评价处理s200或者缺陷检测处理s300的一方式。模型生成处理s100或者过程评价处理s200或者缺陷检测处理s300也能够由内置在控制装置2514内或者内置了图像处理的运算装置来执行。另外，也能够经由网络，由外部的运算装置(例如条件设定装置2403)执行图像评价。内置在
控制装置2514内或者内置了图像处理的运算装置与外部的运算装置的处理分担能够适当设定，不限于上述例子。
54.图1说明在检查前实施的模型生成处理s100的例子。在检查前，使用设计数据图像和与其对应的拍摄图像来作为训练数据，生成用于从设计数据图像推定与拍摄图像上的各像素的亮度值相关的统计量(以下记载为亮度值统计量)的模型。具体而言，编码器由2层以上的卷积层(convolutation layer)和池化层(pooling layer)构成，关于解码器使用由2层以上的反卷积层(deconvolution layer)和池化层构成的卷积神经网络(cnn：convolutional neural network)。此时，可通过以下方式实现：将编码器的输入设为设计数据图像本身，进行学习使得解码器的输出成为训练数据的亮度值统计量。
55.在模型生成处理s100中，通过编码器将设计数据图像转换为决定设计数据图像的特征的特征量(s101、s102)，通过解码器将特征量转换为与设计数据图像对应的亮度值统计量(s103)。然后，判定是否满足学习的结束条件(s104)。如果未满足条件，将输出的统计量与输入的设计数据图像所对应的拍摄图像进行比较(s105、s106)，根据比较结果变更编码器和解码器的转换参数(s107)。另一方面，如果在s104中满足了条件，保存模型数据(s108)，结束模型生成处理s100。
56.作为s104的学习结束条件，具有学习的重复次数是否为预定次数以上或者学习中使用的损失函数是否已收敛等条件。在s108中保存的模型数据是编码器和解码器的各层的结构信息和其转换参数。
57.以下，对各处理内容进行详细叙述。
58.在s101中，输入设计数据图像来作为基准图像。设计数据图像是将cad等设计数据进行了图像化的图像。作为例子，可举出在电路的配线部和空间部进行了分色涂布的2值图像。在半导体电路的情况下，存在配线为2层以上的多层的半导体电路。例如，如果配线为一层，则能够作为配线部与空间部的2值图像来使用，如果配线为2层，则能够作为下层的配线部和上层的配线部以及空间部的3值图像来使用。设计数据图像是基准图像的一例，未对其进行限定。
59.在s102中输出的特征量具有设计数据图像上的各像素属于配线部和空间部中的哪一个这样的设计信息、以及包含了配线的边缘附近和角部附近等周边区域的设计信息等。
60.在s103中输出的统计量用于规定对应的拍摄图像上的各像素可取得的亮度值的概率分布(以后记载为亮度值分布)701(图7a)。亮度值分布通过与各像素可取得的亮度值相对的概率来表示。具体而言，如果拍摄图像是灰度图像，则能够将分布定义为256种亮度值的频率。此外，作为统计量，也可以以像素以外为单位。
61.对设计数据图像与拍摄图像的对应关系进行叙述。具体而言，使用图6a～图6d，说明设计数据图像与检查对象图像中的配线形状偏离的一例。图6a表示设计数据图像601的一例。图6b表示与设计数据图像601对应的拍摄图像602的一例。图6c表示与设计数据图像601对应的拍摄图像603的一例。图6d表示与设计数据图像601对应的拍摄图像604的一例。
62.在图6的设计数据图像601和拍摄图像602、603、604中，各格子表示1个像素。因制造时的形状变形，设计数据图像601的配线与拍摄图像602、603、604的配线具有形状差异，该形状差异根据制造次数而不同。因此，当设计数据图像上的某像素取得了任意的亮度值
时，拍摄图像上的同一像素可取得的亮度值存在多种。例如，如果拍摄图像602、603、604是灰度图像，则各像素可取得的亮度值是从0到255的整数。此时，亮度值分布表示与0至255的亮度值相对的频率。作为统计量的例子，如果亮度值分布是正态分布，则可以考虑平均和标准偏差，如果是泊松分布则考虑到达率等。作为s106的比较处理的实施例，基于统计量计算采样到的图像与拍摄图像的差异。
63.在s107中变更，在s108中保存的转换参数是构成编码器和解码器的cnn的卷积层或反卷积层的滤波器的权重。
64.图2说明在检查时实施的过程评价处理s200的例子。在过程评价处理s200中，与模型生成处理s100的s101、s102、s103中的统计量推定步骤同样地推定统计量(s201、s202、s203)，并基于统计量进行过程评价(s204)。
65.s202的编码器和s203的解码器使用通过模型生成处理s100调整了其参数的编码器和解码器。因此，仅从设计数据图像能够求出对应的亮度值统计量。
66.关于s204的过程评价，可举出基于推定出的统计量生成统计图像并进行gui显示、以及测量该统计图像的尺寸。由此，能够评价由过程变动引起的形状偏差。图5a表示设计数据图像501的一例。图5b表示与设计数据图像501对应的拍摄图像502的一例。图5c表示与设计数据图像501对应的统计图像503的一例。统计图像是对推定出的统计量进行了图像化的图像。例如，在以亮度值分布的偏差大小进行了2值化的情况下，统计图像被分为形状偏差大的区域504和形状偏差小的区域505。
67.另外，在过程评价s204中生成的统计图像包含与过程变动相伴的图像变化，因此也能够将其一部分信息作为在半导体测量以及检查中使用的图案匹配的模板图像来使用。
68.图11是gui1100显示过程评价结果的一例。在gui1100中，显示设计数据图像1101、统计图像1102、操作面板1105、评价设定面板1106以及测量结果信息1107。
69.在测量统计图像1102的尺寸时，测量通过测量点1103、1104表示的尺寸，将其结果显示在测量结果信息1107中。测量的尺寸是变动预测值等，其表示制造后配线相对于设计数据图像上的配线发生了何种程度的形状变形。关于测量的位置，通过用户用鼠标直接移动测量点1103、1104或者用鼠标指定图像上的任意的图像区域等来决定。操作面板1105能够按照用户的输入来变更所显示的图像的倍率、位置等。
70.在评价设定面板1106中，通过输入或下拉等来指定生成统计图像1102所需的设定事项。设定事项是统计图像的显示方法(2值化图像或热图图像等)、与显示方法对应的设定(设为2值化图像时的阈值设定、热图图像的色条设定等)等。
71.在测量结果信息1107中显示测量点1103、1104的中心坐标值和在测量点1103、1104测量出的尺寸的值等。
72.图3说明在检查时实施的缺陷检测处理s300的例子。在缺陷检测处理s300中，如以下那样进行处理。首先，与模型生成处理s100的s101、s102、s103中的统计量的推定步骤同样地推定统计量(s301、s302、s303)。然后，基于统计量，针对每个像素决定各像素的亮度值的阈值范围(s304)。并且，使用所决定的阈值范围和检查对象的拍摄图像，对每个像素判定拍摄图像的亮度值是否在阈值范围内(s305、s306)，如果存在阈值范围外的亮度值的像素，则画面显示为缺陷区域(s307)。
73.以下，对各处理内容进行详细叙述。
74.s302的编码器和s303的解码器使用通过模型生成处理s100调整了其参数的编码器和解码器。在s304中，基于在s303中推定出的统计量所规定的亮度值分布来决定亮度值的阈值范围。图7b示出亮度值分布和基于亮度值分布决定的阈值范围702的示例。例如，在使亮度值分布为正态分布的情况下，能够使用规定该分布的统计量即平均μ和标准偏差σ以及任意的常数β如以下的(数学式1)那样设定阈值范围th。
75.μ-β
·
σ≤th≤μ β
·
σ
…
(数式1)
76.针对每个像素确定该阈值范围。常数β是与缺陷判定的灵敏度相关的参数，可以是在整个图像中相同的值，也可以是针对每个像素不同的值。
77.在s306中，将阈值范围外的亮度值的图像区域判定为缺陷区域，将该拍摄图像判定为缺陷图像。在没有缺陷区域的情况下，判定为正常图像。例如，在灰度的拍摄图像中，在某个像素的亮度值为“205”，与该像素相对的阈值范围为“20”～“120”的情况下，该像素被判定为缺陷区域，拍摄图像被判定为缺陷图像。
78.作为s307的画面显示的例子，具有在缺陷区域和其以外的区域中分色涂布的缺陷区域的提取图像、检查对象的拍摄图像与缺陷区域的重叠图像等。
79.作为实施缺陷检测处理s300的例子，可举出使用从过去制造的晶片取得的拍摄图像及其设计数据的情况和使用从检查对象的晶片取得的拍摄图像及其设计数据的情况。
80.可以用不同的程序来分别执行图1的生成模型的学习处理、图2的过程评价处理、图3的缺陷判定处理，也可以用单个程序来执行各个处理，也可以通过1个程序来执行任意的2个处理。并且，执行这些处理的装置也与程序同样地，既可以由1个装置执行各处理，也可以由不同的装置执行。
81.图4是本实施例的内置了模型生成处理s100以及缺陷检测处理s300的缺陷检测系统的功能框图。学习部403、统计量推定部407、阈值范围决定部408以及缺陷判定部409通过程序来实现。学习用设计数据图像401、学习用拍摄图像402、检查用设计数据图像405以及检查用拍摄图像406保存在存储介质2405内。
82.学习部403通过机器学习，使用学习用设计数据图像401和学习用拍摄图像，生成从设计数据图像推定为统计量的模型，其中，该统计量规定拍摄图像上的各像素的亮度值分布。
83.学习部403使用学习用设计数据图像401和学习用拍摄图像402来实施检查前的模型生成处理s100。此时，从学习部403得到具有编码器和解码器的参数信息的模型数据404。统计量推定部407从检查用设计数据图像405推定与对应的拍摄图像上的各像素的亮度值相关的统计量。统计量推定部能够由以下模型构成，该模型由编码器和解码器构成，这些参数反映模型数据404。由亮度值分布推定部推定出的统计量成为在阈值范围决定部s408中用于缺陷判定的亮度值的阈值范围。缺陷判定部409将在阈值范围决定部408中决定的各像素的阈值范围与检查用拍摄图像406进行比较，由此得到判定结果410。判定结果410可以是在图像上的缺陷区域和除此以外的区域中分色涂布的缺陷图像，也可以是将缺陷图像和检查用拍摄图像406合成后的图像。
84.学习用拍摄图像402和检查用拍摄图像406可以是在相同的晶片拍摄得到的，也可以是在不同的晶片拍摄得到的。在将学习用拍摄图像402和检查用拍摄图像406用于作为本实施例的对象的允许正常范围的形状变形的缺陷检测时，优选学习用拍摄图像402和检查
用拍摄图像406是在相同的制造条件和拍摄条件下拍摄到的。
85.图8a表示设计数据图像上的关注像素801及其周围区域802。图8b示出拍摄图像上的像素803。使关注像素801和像素803位于各图像上的相同坐标。通过关注像素801和周围区域802的像素值来推定像素803可取得的亮度值的统计量。这是因为在使用cnn的卷积层进行计算时进行包含了周围像素的运算。周围区域802的尺寸由cnn的步长数和滤波器尺寸等决定。
86.图9说明电路图案的边缘与在s302～s304中决定的阈值范围的关系。由于在配线的边缘附近经常发生制造引起的形状变形，所以考虑接近边缘901的区域902的阈值范围大。另一方面，在远离配线边缘的区域中很少发生形状变形，因此考虑远离边缘901的区域903的阈值范围小。
87.图10表示本实施例的针对学习用数据集和检查用数据集的预处理的一例。预处理部1003能够由定位部1004和切取部1005构成。首先，针对学习用设计数据图像401和按照该学习用设计数据图像401制造出的电路的学习用拍摄图像402，通过定位部1004使图像上的位置对准以使得电路图案一致。作为位置对准方法的例子，具有以下方法：求出设计数据图像和拍摄图像的配线的轮廓线，进行定位使得由轮廓线包围的图形的重心一致。然后，通过切取部1005进行将设计数据图像和拍摄图像裁剪为相同图像尺寸的处理，由此检查用设计数据图像405和检查用拍摄图像406其图像上的位置相对应。
88.对于由学习用设计数据图像401和学习用拍摄图像402构成的学习用数据集、以及由检查用设计数据图像405和检查用拍摄图像406构成的学习用数据集，优选在检查之前通过图10所示的预处理部1003实施设计数据图像与拍摄图像的位置对准以及图像尺寸的调整。
89.图12是通过gui1200显示缺陷检测结果的一例。
90.gui120显示设计数据图像1201、检查对象图像1202、缺陷图像1203、覆盖图像1204、阈值图像1208、亮度值分布图像1209、操作面板1211、检查设定面板1212、检查信息1213。在该例子中，在1个画面上显示了针对一个拍摄图像的缺陷检测结果。
91.缺陷图像1203是将使用设计数据图像1201和检查对象图像1202检测出的缺陷区域和除此以外的区域进行了颜色区分的图像。覆盖图像1204是使检查对象图像1202与缺陷图像1203重合的图像。在覆盖图像1204上，缺陷区域1205、1206被线包围来显示。关于缺陷区域1205和1206，基于被判定为缺陷的像素的坐标来决定为一个或多个缺陷区域。
92.阈值图像1208是将在阈值范围决定处理s304中决定的各像素的阈值范围进行了图像化的图像。关于该图像，可以基于阈值范围的大小设为2值化图像，也可以设为热图图像。
93.覆盖图像1204上的关注位置1207表示在亮度值分布图像1209中显示的像素的位置。对于关注位置1207，由用户使用鼠标等在覆盖图像1204上指定其位置。在亮度值分布图像1209中，不仅显示亮度值分布，还可以显示阈值范围1210。
94.操作面板1211能够变更所显示的图像的倍率和位置等。
95.在检查设定面板1212中，通过键盘输入或下拉等来指定阈值范围决定处理s304中所需的参数、为了决定缺陷区域1205、1206所需的参数等。
96.检查信息1213显示缺陷区域1205、1206的中心坐标值和关注位置1207的坐标值
等。
97.对与sem的制程相关的实施例进行说明。在制程中能够为了检查而登记设计数据等。根据缺陷检测处理和过程评价处理的示例，能够登记在模型生成处理s100中生成的模型数据，并且能够登记在过程评价处理s200中生成的统计图像。
98.本发明不限于上述实施例，包括各种变形例。例如，上述实施例是为了容易理解地说明本发明而详细说明的例子，并不限于必须具备所说明的全部结构。
99.根据本实施例，能够基于试样的设计数据等基准图像和拍摄图像的对应关系，从设计数据图像作为统计量推定试样的正常范围的形状变形。
100.例如，能够基于在检查之前取得的半导体电路的设计数据图像以及拍摄电路图案而得到的图像的对应关系，从设计数据图像来推定检查对象的电路图案(检查对象图案)中的正常范围的形状变形，因此不会有在设计数据图像与检查对象图案的比较检查中对于两者的形状偏离频频发出虚报的情况，能够仅检测出缺陷部位。另外，因为从设计数据图像直接推定正常范围的形状变形，所以与合成多个模拟图像的情况相比，能够缩短处理时间。另外，作为本实施例的1个效果，可举出能够生成考虑了设计数据与拍摄数据之间的画质差异的模型。
101.在本实施例中，作为检查对象的试样也能够适用于半导体以外的试样。另外，也能够应用于使用图像以外的输入数据(雷达的形状测定)或包含缺陷检查在内的检查以外的测量。
102.另外，作为本实施例的效果的一个例子，能够根据在检查之前取得的试样的设计数据图像以及试样的拍摄图像的对应关系，从设计数据图像推定检查对象的试样的正常范围内的形状偏差，因此不会有在设计数据图像与试样的比较检查中对于两者的形状偏离频频发出虚报的情况，能够仅检测出缺陷部位。另外，因为从设计数据图像直接推定正常范围内的形状偏差，所以与生成多个模拟图像，与检查对象的拍摄图像循环比较的情况相比，能够缩短处理时间。
103.附图标记的说明
104.s100
…
模型生成处理，s200
…
过程评价处理，s300
…
缺陷检测处理，501
…
设计数据图像，502
…
拍摄图像，503
…
统计图像，701
…
亮度值分布，702
…
阈值范围，1100
…
显示过程评价结果的gui，1200
…
显示缺陷检测结果的gui。