阅读说明：本技术 半导体结构的边界特征提取方法及其装置 (Boundary feature extraction method and device of semiconductor structure ) 是由 魏强民 于 2019-09-05 设计创作，主要内容包括：本申请公开了一种半导体结构的边界特征提取方法及其装置。该测量方法获取透射电子显微镜输出的半导体结构的剖面图像,剖面图像包括至少一个图形；以及根据剖面图像识别图形的边界,其中,识别图形的边界的步骤包括：根据剖面图像中各像素的灰度值获得二阶导数处理结果,并基于二阶导数处理结果获得边界上的多个边界点坐标。通过获取透射电子显微镜输出的半导体结构的剖面图像,并对该剖面图像进行二阶导数处理,从而获得了清晰的图形边界,为之后对半导体结构进行高精度测量提供了保障。(The application discloses a boundary feature extraction method and a boundary feature extraction device of a semiconductor structure. The measuring method comprises the steps of obtaining a section image of a semiconductor structure output by a transmission electron microscope, wherein the section image comprises at least one graph; and recognizing the boundary of the figure according to the sectional image, wherein the step of recognizing the boundary of the figure comprises the following steps: and obtaining a second derivative processing result according to the gray value of each pixel in the section image, and obtaining a plurality of boundary point coordinates on the boundary based on the second derivative processing result. The section image of the semiconductor structure output by the transmission electron microscope is obtained, and second derivative processing is carried out on the section image, so that a clear graph boundary is obtained, and high-precision measurement of the semiconductor structure is guaranteed.)

半导体结构的边界特征提取方法及其装置

技术领域

本发明涉及半导体技术，更具体地，涉及一种半导体结构的边界特征提取方法及其装置。

背景技术

随着半导体器件的小型化，半导体器件的关键尺寸已经减小到纳米级别，这就意味着关键尺寸将会决定半导体器件性能，因此，对与精确测量关键尺寸，并且掌握关键尺寸在纳米级别上的变化程度，已经成为必不可少的环节。

在现有技术中，可以通过测量工具对半导体器件的一般性的简单形貌或者半导体器件单一且较大的关键尺寸等进行测量，但对于复杂且关键尺寸较小的结构(如3D NAND)来说，现有技术中的测量工具并不能满足需要，主要原因如下：

1、测量时需要人工观察，对于复杂且关键尺寸较小的结构人工很难分辨出差异度，存在精度低的问题。

2、由于需要人工观察，因此不能实现连续的多次自动测量，存在效率低，可靠性差的问题。

因此，希望进一步改进半导体结构的边界特征提取方法及其装置，从而提高测量精度、效率以及可靠性。

发明内容

本发明的目的是提供一种改进的半导体结构的边界特征提取方法及其装置，以解决上述问题。

根据本发明的一方面，提供了一种半导体结构的边界特征提取方法，包括：获取透射电子显微镜输出的所述半导体结构的剖面图像，所述剖面图像包括至少一个图形；以及根据所述剖面图像识别所述图形的边界，其中，识别所述图形的边界的步骤包括：根据所述剖面图像中各像素的灰度值获得二阶导数处理结果，并基于所述二阶导数处理结果获得所述边界上的多个边界点坐标。

优选地，根据所述剖面图像中各像素的灰度值获得二阶导数处理结果的步骤包括：根据所述剖面图像的每一行像素的灰度值获得多个单位长度与所述灰度值的函数；以及对每个所述函数进行二阶导数处理，分别获得每个所述函数的二阶导数，并基于每个所述函数的二阶导数识别每一行像素的边界点。

优选地，识别每一行像素的边界点的步骤包括：获取预设参数；以及判断每个所述二阶导数的多个数值是否大于预设参数。

优选地，对每个所述函数进行二阶导数处理之前，根据所述剖面图像中各像素的灰度值获得二阶导数处理结果的步骤还包括对每个所述函数进行高频过滤处理。

优选地，还包括根据进行高频过滤处理后的每个所述函数获得中间图像。

优选地，还包括根据每个所述二阶导数获得边界图像。

根据本发明的另一方面，提供了一种半导体结构的边界特征提取装置，包括：获取模块，用于获取透射电子显微镜输出的所述半导体结构的剖面图像，所述剖面图像包括至少一个图形；以及识别模块，用于根据所述剖面图像识别所述图形的边界，其中，所述识别模块包括：处理单元，用于根据所述剖面图像中各像素的灰度值获得二阶导数处理结果；以及坐标转换单元，基于所述二阶导数处理结果获得所述边界上的多个边界点坐标。

优选地，所述处理单元包括：函数生成子单元，用于根据所述剖面图像的每一行像素的灰度值获得多个单位长度与所述灰度值的函数；以及函数计算子单元，用于对每个所述函数进行二阶导数处理，分别获得每个所述函数的二阶导数，并基于每个所述函数的二阶导数识别每一行像素的边界点。

优选地，所述处理单元还包括：频率过滤子单元，用于对每个所述函数进行高频过滤处理。

优选地，还包括中间图像转换模块，用于根据进行高频过滤处理后的每个所述函数获得中间图像。

优选地，还包括边界图像转换模块，用于根据每个所述二阶导数获得边界图像。

优选地，所述边界特征提取装置自动完成获取透射电子显微镜输出的所述半导体结构的剖面图像与根据所述剖面图像识别所述图形的边界的步骤。

根据本发明实施例的半导体结构的边界特征提取方法及其装置，通过获取透射电子显微镜输出的半导体结构的剖面图像，可以获得半导体结构的细节特征，像素尺寸一般从几个纳米到几十个纳米，甚至在纳米级以下；通过对剖面图像中各的灰度值获得二阶导数处理结果，并基于二阶导数处理结果获得图形边界上的多个边界点坐标，达到了识别图形的边界的目的。由于二阶导数处理后会突出图像灰度的突变，而不强调灰度缓慢变化的区域，因此对边界的定位能力更强；在获取清晰的边界后，再基于图形的边界对半导体结构进行测量，从而提高了测量精度、效率以及可靠性。

相比于传统意义上的卷积方法，本发明实施例的半导体结构的边界特征提取方法及其装置通过寻找透射电子显微镜图像中特征曲线，实现全自动测量，该方案切实可行、可靠性高，这是由于透射电子显微镜图像的像素尺寸为纳米级别，通过卷积方法容易找错或者漏找对象，而本发明的方案是对剖面图像的各灰度值进行二阶导数处理，不易找错或者漏找对象。

附图说明

通过以下参照附图对本发明实施例的描述，本发明的上述以及其他目的、特征和优点将更为清楚。

图1示出了本发明实施例半导体结构的边界特征提取方法的步骤示意图。

图2示出了图1中S02的步骤示意图。

图3示出了图2中S021的步骤示意图。

图4示出了本发明实施例半导体结构的剖面图像示意图。

图5示出了图4中局部灰度矩阵示意图。

图6示出了图5的函数图像示意图。

图7示出了对图6进行高频过滤后的函数图像示意图。

图8示出了对图7进行二阶导数处理后的函数示意图。

图9示出了高频过滤后的中间图像示意图。

图10示出了本发明实施例的边界图像示意图。

图11示出了本发明实施例半导体结构的边界特征提取装置的结构示意图。

图12示出了图11中边界识别模块的结构示意图。

图13示出了图12中处理单元的结构示意图

具体实施方式

以下将参照附图更详细地描述本发明。在各个附图中，相同的元件采用类似的附图标记来表示。为了清楚起见，附图中的各个部分没有按比例绘制。此外，可能未示出某些公知的部分。为了简明起见，可以在一幅图中描述经过数个步骤后获得的半导体结构。

应当理解，在描述器件的结构时，当将一层、一个区域称为位于另一层、另一个区域“上面”或“上方”时，可以指直接位于另一层、另一个区域上面，或者在其与另一层、另一个区域之间还包含其它的层或区域。并且，如果将器件翻转，该一层、一个区域将位于另一层、另一个区域“下面”或“下方”。

如果为了描述直接位于另一层、另一个区域上面的情形，本文将采用“直接在……上面”或“在……上面并与之邻接”的表述方式。

在下文中描述了本发明的许多特定的细节，例如器件的结构、材料、尺寸、处理工艺和技术，以便更清楚地理解本发明。但正如本领域的技术人员能够理解的那样，可以不按照这些特定的细节来实现本发明。

本发明可以各种形式呈现，以下将描述其中一些示例。

图1示出了本发明实施例半导体结构的测量方法的步骤示意图。

在步骤S01中，获取透射电子显微镜(Transmission electron microscope，TEM)输出的半导体结构的剖面图像。该剖面图像为直接或间接获得的灰度图像，包括至少一个图形。其中，半导体结构的剖面图像包括半导体结构的纵向切面图像以及横向剖面图像，在本实施例中，以3D存储器件的沟道柱的横向剖面图像为例进行具体说明，如图4所示，半导体结构的剖面图像包括多个沟道柱的横向剖面图形。

然而本实施例并不限于此，本领域技术人员可以根据需要选取半导体结构中其他部分的剖面图像。

在步骤S02中，根据剖面图像识别图形的边界。由于半导体器件的关键尺寸已经减小到纳米级别，对于测量器件关键尺寸很重要的一个步骤就是获得精确的图形边界，才能为之后的关键尺寸测量提供准确的参数。如图2所示，可以通过以下步骤S021至S022来识别图形的边界。

在步骤S021中，根据剖面图像中各像素的灰度值获得二阶导数处理结果。由于对剖面图像进行二阶导数处理后会突出图像灰度的突变，而不强调灰度缓慢变化的区域，因此对边界的定位能力更强。如图3所示，可以通过以下步骤S021a至S021c来获得二阶导数处理结果。

在步骤S021a中，根据剖面图像的每一行像素的灰度值获得多个单位长度与灰度值的函数。为了清楚起见，本实施例仅截取了剖面图像的一部分进行说明，截取部分参见图4的白色虚框部分，在下面的说明中会详细描述对白色虚框部分内的图形进行边界提取的步骤。

如图5所示，白色虚框部分的图像由m×n个像素组成，每个像素具有相应的灰度值，分别对每一行灰度值进行扫描，获得多个单位长度与灰度值的函数，例如对图5中虚框中的一行像素进行扫面，获得如图6所示的函数，其中，横坐标x的单位是nm，纵坐标y表示单位长度对应该行像素的灰度值。

在一些优选的实施例中，可以对每个像素的灰度值进行扩大，例如均扩大相同的倍数，从而扩大相应的灰度值之间的差值。然而本发明实施例并不限于此，本领域技术人员可以根据需要对每个像素对应的灰度值进行不同的处理，例如对灰度值进行反向处理，或者将不同区域的灰度值扩大不同的倍数，目的在于在保留图形特征曲线的情况下，扩大相应的灰度值之间的差值，有利于提高灵敏度。

在步骤S021b中，对每个函数进行高频过滤。在该步骤中，例如对图6中的函数进行高频过滤，获得如图7所示的函数。在进行高频过滤后，可以将图像中的噪声滤除。

在步骤S021c中，对每个所述函数进行二阶导数处理，分别获得每个所述函数的二阶导数，并基于每个所述函数的二阶导数识别每一行像素的边界点。在该步骤中，例如先对图7中的函数进行二阶导数处理，获得如图8所示的二阶导数。然后获取预设参数，判断每个二阶导数的多个数值是否大于预设参数，大于预设参数的导数值对应的像素为边界点。

在本实施例中，可以根据需要对预设值进行相应的调整，获得边界点的数量与预设值的设置有关。

在步骤S022中，基于二阶导数处理结果获得边界上的多个边界点坐标。在该步骤中，需要计算每一行像素的边界点坐标，多个边界点坐标构成图形的边界曲线。

在步骤S03中，根据进行高频过滤后的每个函数获得中间图像，如图9所示。在该步骤中，需要分别将每个函数中的多个函数值转换为灰度，每个函数对应一行像素。

在步骤S04中，根据每个二阶导数获得边界图像，如图10所示。在该步骤中，需要分别将每个导数中的多个导数值转换为灰度，每个导数对应一行像素。由于边界10是由边界点组成，与边界两侧的像素灰度值差值较大，因此可以根据边界图像获得清晰、准确的图形边界。

在获得清晰、准确的图形边界后，基于图形的边界对半导体结构进行测量。例如可以对沟道柱的关键尺寸进行测量。在一些其他实施例中，根据不同的剖面图像还可以对半导体结构的其他关键尺寸进行测量，例如在3D存储器中圆柱结构侧壁的尺寸、栅叠层结构(N-O Stack)的尺寸，沟道柱内每一层(PONO)的尺寸。

图11示出了本发明实施例半导体结构的边界特征提取装置的结构示意图，图12示出了图11中边界识别模块的结构示意图，图13示出了图12中处理单元的结构示意图。

如图11至图13所示，本发明实施例半导体结构的边界特征提取装置包括：获取模块110、识别模块120、中间图像转换模块130以及边界图像转换模块140。

获取模块110用于获取透射电子显微镜输出的所述半导体结构的剖面图像，所述剖面图像包括至少一个图形。识别模块120用于根据所述剖面图像识别所述图形的边界。中间图像转换模块130用于根据进行高频过滤处理后的每个所述函数获得中间图像。边界图像转换模块140用于根据每个所述二阶导数获得边界图像。

识别模块120包括处理单元121与坐标转换单元122。处理单元121用于根据所述剖面图像中各像素的灰度值获得二阶导数处理结果。坐标转换单元122基于二阶导数处理结果获得边界上的多个边界点坐标。

处理单元121包括函数生成子单元1211、频率过滤子单元1212以及函数计算子单元1213。函数生成子单元1211用于根据所述剖面图像的每一行像素的灰度值获得多个单位长度与所述灰度值的函数。频率过滤子单元1212用于对所述剖面图像进行二阶导数处理还包括对每个所述函数进行高频过滤处理。函数计算子单元1213用于对每个所述函数进行二阶导数处理，分别获得每个所述函数的二阶导数，并基于每个所述函数的二阶导数识别每一行像素的边界点。

通过本发明实施例半导体结构的边界特征提取装置自动完成获取透射电子显微镜输出的所述半导体结构的剖面图像与根据所述剖面图像识别所述图形的边界的步骤，实现上述边界特征提取方法，此处不再赘述。

根据本发明实施例的半导体结构的边界特征提取方法及其装置，通过获取透射电子显微镜输出的半导体结构的剖面图像，可以获得半导体结构的细节特征，像素尺寸一般从几个纳米到几十个纳米；通过对剖面图像中各的灰度值获得二阶导数处理结果，并基于二阶导数处理结果获得图形边界上的多个边界点坐标，达到了识别图形的边界的目的。由于二阶导数处理后会突出图像灰度的突变，而不强调灰度缓慢变化的区域，因此对边界的定位能力更强；在获取清晰的边界后，再基于图形的边界对半导体结构进行测量，从而提高了测量精度。

由于边界特征提取装置是自动成批完成，从而提高了测量的效率和可靠性。

相比于传统意义上的卷积方法，本发明实施例的半导体结构的边界特征提取方法及其装置通过寻找透射电子显微镜图像中特征曲线，实现全自动测量，该方案切实可行、可靠性高，这是由于透射电子显微镜图像的像素尺寸为纳米级别，通过卷积方法容易找错或者漏找对象，而本发明的方案是对剖面图像的各灰度值进行二阶导数处理，不易找错或者漏找对象。

在以上的描述中，对于各层的构图、蚀刻等技术细节并没有做出详细的说明。但是本领域技术人员应当理解，可以通过各种技术手段，来形成所需形状的层、区域等。另外，为了形成同一结构，本领域技术人员还可以设计出与以上描述的方法并不完全相同的方法。另外，尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。

以上对本发明的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本发明的范围。本发明的范围由所附权利要求及其等价物限定。不脱离本发明的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本发明的范围之内。