CN118279169B 對顯微鏡圖像智能計量的方法和非暫時性計算機可讀介質 （Fei公司）

201911023052.X2019.10.25對顯微鏡圖像智能計量的方法和非暫時性本文公開的智能計量方法和設備處理圖像以用于所需特征的自動計量。實例方法至少包的感興趣區域生成所述感興趣區域的多比例數感興趣區域的所述模型并且進一步基于所述多比例數據集優化所述增強的感興趣區域內的多2從圖像中提取感興趣區域，所述感興趣區域包含所述感興趣區域的不同區基于所述感興趣區域生成所述感興趣區域的多比例初始化所述感興趣區域的模型，初始化模型至少確定所述基于所述感興趣區域的模型并且進一步基于所述多比例數據集優化所述感興趣區域基于所識別的邊界對所述感興趣區域執行計量，其中在所述感括自動地執行由所述一個或多個邊界分隔的所述不同區段的2.根據權利要求1所述的方法，還包括基于一個或多個濾波器至少增強所提取的感興3.根據權利要求2所述的方法，其中基于所述感興趣區域生成所述感興趣區域的多比4.根據權利要求2所述的方法，其中基于一個或多個濾波器至少增強所提取的感興趣5.根據權利要求4所述的方法，其中改善所述對比度和所述信噪比包括自動地選擇和其中所述感興趣區域的模型是部分基于所述感興趣區域中區分的和檢測的一個或多從圖像中提取感興趣區域，所述區域包含所述感興趣區域的不同區段之基于所述感興趣區域生成所述感興趣區域的多比例初始化所述感興趣區域的模型，初始化模型至少基于所述感興趣區域的模型并且進一步基于所述多比例數據集優化所述感興趣區域3基于所述感興趣區域的模型并且進一步基于所述多比例數據集優化所述感興趣區域內的初始化所述初始化模型的第一邊界和第二邊界內允許所述第一多個主動輪廓優化到所述多個主動輪廓以識別所述感興趣區域內的一9.一種存儲指令的非暫時性計算機可讀介質，當所述指令被一個或多個處理器執行從圖像中提取感興趣區域，所述區域包含所述感興趣區域的不同區段之基于所述感興趣區域生成所述感興趣區域的多比例初始化所述感興趣區域的模型，初始化模型至少確定所述基于所述感興趣區域的模型并且進一步基于所述多比例數據集優化所述感興趣區域基于所識別的邊界對所述感興趣區域執行計量，其中在所述感括自動地執行由所述一個或多個邊界分隔的所述不同區段的進一步基于所述多比例數據集優化所述感興趣區域內的多個主允許所述第一多個主動輪廓優化到所述多個主動輪廓以識別所述感興趣區域內的一11.根據權利要求10所述的非暫時性計算機可讀介質，其中在所述第一多個主動輪廓13.根據權利要求12所述的非暫時性計算機可讀介質，其中基于增強的感興趣區域生成所述感興趣區域的多比例數據集包括使用一個或多個比例空間生成增強的感興趣區域15.根據權利要求14所述的非暫時性計算機可讀介質，其中改善所述對比度和所述信4布和幾何模型中選擇的一個或多個圖像地圖來初始化所述感興趣區其中所述感興趣區域的模型是部分基于所述感興趣區域中區分的和檢測的一個或多5述感興趣區域的所述模型并且進一步基于所述多比例數據集優化所述增強的感興趣區域內的多個主動輪廓，優化的多個主動輪廓識別所述感興趣區域內的所述一個或多個邊界；6[0011]圖3是根據本公開的實施例的用于處理圖像并且對圖像內的一個或多個特征執行[0016]圖8是用于執行本文中公開且根據本公開的實施例的方法的至少一部分的實例帶光學器件聚焦的離子束和成形離子束。開涉及各種公開的實施例(單獨和以彼此的各種組合和子組合)的所有新穎和非顯而易見7之間的邊界的清晰度和/或區分和檢測。邊界的區分和檢測可以在有或沒有將數據變換成或方面執行計量的基礎。計量可以包含基于其中的輪廓對特征的分段區域進行幾何分析。對任何圖像類型執行圖像序列100，但將在通過帶電粒子顯微鏡獲得的圖像的背景下論述可以對任何所需圖像內容執行圖像處理和計量，并且圖1中的圖像的橢圓形特征僅是實例[0026]圖像序列100以原始圖像102開始。雖然圖像102看起來是由較淺色區圍繞的暗橢8每個ROI提供粗略的外部邊界，并且指定圖像處理可以集中的區，例如在粗糙的外部邊界[0030]另外，圖像110可以用于生成多比例數據集，其中不同比例至少包含高斯比例空各種地圖以確定用于建立將要發生進一步圖像處理的區的內界限和外界限。實例地圖是初始化大數目個主動輪廓并且響應于生成的ROI模型而放置，其中大數目包含幾十到幾百[0034]圖2是示出根據本公開的實施例的圖像處理的實例圖像序列200。序列200是實例9最內側和最外側虛線指示。圖像212的主動輪廓可以放置在經歷了ROI增強處理的圖像上，218中示出的ROI的模型用于建立內界限和外界限，其由圖像212中的最內側和最外側虛線[0037]圖3是根據本公開的實施例的用于處理圖像并且對圖像內的一個或多個特征執行計量的實例方法300。在圖1和2中至少部分說明的方法300可以對用帶電粒子顯微鏡(例如使得在處理框301中實施的預處理濾波器將它們的參數自動調諧到圖像的成像模式。分辨[0040]存在許多圖像處理技術可用于提取ROI。以下包含可以實施的技術的非排他性列以獲得數據屬性標準化并且改善ROI內的區域邊界的檢測。另外，增強可以改善圖像對比[0043]同樣，步驟B包含至少基于元信息從一組自動實施的類似算法中選擇一個或多個可以使用另一種成像模態的應用，例如能量色散x射線光譜(EDX)、電子能量損失光譜[0046]處理框309之后可以是處理框311，其包含優化增強的ROI內的多個主動輪廓以定位增強的ROI內的特征邊界。優化主動輪廓或允許主動輪廓優化的過程可以從初始化第一ROI內的不同邊界。因此，優化的主動輪廓將識別和定位分隔ROI內的不同區段/材料的邊[0047]初始化和優化主動輪廓的過程可以是在處理框307中生成的多比例數據集的每個ROI圖像的第四比例等級處執行，其中第四比例等級具有原始增強ROI圖像的1/16的分辨用于比例空間的處理框403的初始執行，則將在最低分辨率等級數據上初始化多個主動輪[0052]在每個比例空間中的不同分辨率圖像處的ROI的圖像可以被表征為已經基于分辨和407時，主動輪廓在階梯狀函數中被優化，并且它們最終優化到原始分辨率圖像中的邊[0055]圖5是根據本公開的實施例的實例圖像序列500。圖像序列500說明可用于初始化以用于確定VNAND內的數個邊界以及每個邊掃描可以用更快更有效的簡單EDX線掃描代替。可以在VNAND或任何成像結構上執行EDX線[0058]如圖像514中所示，優化的主動輪廓可以重疊在原始圖像502上或圖像502的增強[0061]處理框603之后可以是處理框605，其包含初始化所獲得圖像的ROI內的多個主動于ROI內的邊界的識別和位置信息，所述邊界是ROI內的不同材料之間的界面，例如圖5的[0063]處理框607之后是處理框609，其包含基于優化的多個主動輪廓對ROI內的特征執路(ASIC)、現場可編程門陣列(FPGA)或網絡處理單元(NPU)，其被持久編程以執行所述技術，或者可以包含一個或多個通用硬件處理器或圖像處理單元(GPU)，其被編程以依據固系統700可以是包含在圖8中所示的帶電粒子環境中的計算硬件的實例。計算機系統700至[0066]計算機系統700還包含聯接到總線以用于存儲信息和將由處理器730執行的指令可訪問的非暫時性存儲介質中時，致使計算機系統700成為被定制以執行指令中指定的操[0067]計算機系統700進一步包含聯接到總線740的只讀存儲器(ROM)734或其它靜態存程序邏輯來實施本文描述的技術，它們與計算機系統相組合使得或編程計算機系統700成主存儲器732中的一個或多個指令的一個或多個序列來執行。此類指令可以從例如存儲裝置736的另一存儲介質讀入主存儲器732中。包含在主存儲器732中的指令序列的執行使得令或者與軟件指令組合使用。[0072]計算機系統700還包含聯接到總線的通信接口738。通信接口738提供聯接到例如方式中，通信接口738發送并接收攜帶代表各種類型信息的數字數據流的電、電磁或光信[0074]接收到的代碼可以在其被接收時由處理器730執行，和/或存儲在存儲裝置736或[0075]圖8是用于執行本文中公開且根據本公開的實施例的方法的至少一部分的實例帶860可以聯接在CPM環境800的其它組件之間，使得數據和處理代碼可以被傳