(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221079895 6.5 (22)申请日 2022.07.08 (71)申请人 桂林电子科技大 学 地址 541004 广西壮 族自治区桂林市七 星 区金鸡路1号 (72)发明人 陈寿宏　黄振涛　侯杏娜　易木兰　 马峻　郭玲　汪韬　 (51)Int.Cl. G06T 5/00(2006.01) G06V 10/762(2022.01) G06V 10/74(2022.01) (54)发明名称 一种混合 缺陷模式晶圆图 图像滤波方法 (57)摘要 本发明提出一种可以自动选择最优参数的 图像滤波方法， 针对晶圆图领域的混合缺陷模式 晶圆图进行滤波处理， 包括对混合缺陷模式的晶 圆图图像进行初步聚类， 形成多个小的聚类簇或 噪声点， 去除噪声点与噪声簇； 根据设定的核心 簇数量， 对非核心簇进行合并或去除处理； 计算 合并或去除之后聚类簇的SD值， 使得SD最大的核 心簇数量即为最优的聚类簇数量， 对应的滤波结 果为最优滤波结果。 本发明有效的解决了混合缺 陷模式晶圆图使用传统滤波算法需要手动设置 先验参数， 且聚类 簇数量无法确定的问题。 权利要求书3页 说明书6页 附图4页 CN 115170422 A 2022.10.11 CN 115170422 A 1.一种混合 缺陷模式晶圆图 图像滤波方法， 其特 征在于， 该 方法的具体步骤如下： 获取晶圆图像数据集， 对晶圆图像数据集中的每张图像进行初步聚类处理， 形成多个 小聚类簇或噪声点； 将初步聚类所 得的多个聚类簇从大到小排序； 设定初步聚类聚类簇从大到小排序中前Num个为核心簇， 其 余聚类簇为非核心簇； 获取核心簇与非核心簇之间的半径关系和距离， 计算聚类簇合并后的紧凑度Den和紧 密度指标f； 通过紧密度指标f判断对非核心簇是否进行合并或去除处 理； 计算合并或去除处 理之后聚类簇的S D值， SD值最大， 则为 最优滤波结果。 2.根据权利要求书1所述的一种混合缺陷模式晶圆图图像滤波方法， 其特征在于， 所述 对晶圆图像数据集中每张图像进行初步聚类处理， 形成多个小聚类簇或噪声点的步骤包 括： (1)任选一个缺陷点作为初始点， 并在 初始点的3 ×3邻域内进行搜索； (2)在初始点的3 ×3邻域范围内的缺陷点设置为连接点， 将初始点与连接点归为同一 个聚类簇； (3)在连接点的3 ×3邻域范围内继续搜索缺陷点， 并与之合并； (4)重复步骤(3)的过程， 直到待搜索缺陷点的3 ×3邻域内不存在未标记的缺陷点， 则 形成一个聚类簇； (5)重复步骤(1)(2)(3)(4)， 直到晶圆上 所有的缺陷点都被划分为聚类簇或噪声点； (6)标记并去除噪声点和噪声簇， 对不属于任一聚类簇的样本点标记为噪声点， 聚类簇 样本数量少于 5的聚类簇标记为噪声簇， 去除噪声点和噪声簇 。 3.根据权利要求书1所述的一种混合缺陷模式晶圆图图像滤波方法， 其特征在于， 所述 设定初步聚类聚类簇从大到小排序中前Num个为核心簇， 通过观 察大量的晶圆图像， 以及针 对混合缺陷模式晶圆图的讨论， 设定Num的取值范围为2 ‑5。 4.根据权利要求书1所述的一种混合缺陷模式晶圆图图像滤波方法， 其特征在于， 所述 获取核心簇与非核心簇之间的半径关系和距离的步骤为： 设定晶圆图的圆心为原点， 计算每个聚类簇中缺陷点与原点的距离， 将距离的最大值 和最小值作为聚类簇的最大最小半径距离， 判断核心簇与非核心簇之 间最大最小半径距离 关系， 共有4种情形； 情形1： 聚类簇的半径范围完全在核心簇的半径范围内， 即 情形2： 聚类簇的最大半径 距离超出核心簇的最大半径 距离， 即 情形3： 聚类簇的最小半径 距离超出核心簇的最小半径 距离， 即 情形4： 聚类簇的半径范围完全不在核心簇的半径范围内， 即 设 定 初 步 聚 类 后 的 聚 类 簇 集 合 为 ，核 心 簇 集 合 为权　利　要　求　书 1/3 页 2 CN 115170422 A 2， 非核心聚类簇的集合为 ， 聚类簇中的样本 点与 聚类簇中的样本点的最近距离 、 最远距离 、 平均距离 的计算公式 为： 表示核心簇中簇 的样本点， ， ， 表示非核心聚类簇中簇 的样本点， ， ， 表示为欧氏距离， 表示求最 小值， 表示求最大值， 表示求平均值。 5.根据权利要求书4所述的一种混合缺陷模式晶圆图图像滤波方法， 其特征在于， 所述 4种情形， 情形1 ‑3设定参数 ， 情形4设定参数 。 6.根据权利要求书1所述的一种混合缺陷模式晶圆图图像滤波方法， 其特征在于， 所述 计算聚类簇合并后的紧凑度Den和紧密度指标f的步骤为： 设定 ， ， ， ， ， ， 合并 后的数据 ， 紧凑度Den计算公式为： 紧密度指标f计算公式为： 其中， 表示与当前聚类簇最近距离最小的核心簇， 表示与当前聚类 簇最远距离最小的核心簇， 表示当前聚类簇与核心簇合并后密度最大的核心簇， 表示与当前聚类簇平均距离小于晶圆图半径R， 表示交集符号， 表示进 行计数。 7.根据权利要求书1所述的一种混合缺陷模式晶圆图图像滤波方法， 其特征在于， 所述 通过紧密度指标f判断对非核心簇是否进行合并或去除处 理的步骤为： 将聚类簇之间最近距离小于 的聚类簇合并； 判断 ， 若对任一核心簇而言， ， 则去除该聚类簇； 若满足 ， 则将该聚类簇与相符合的核心簇合并； 若满足 ， ， 则去除该聚类簇； 若满足 ， ， 则将该聚类簇与相符合的核心簇合并; 对每一个聚类簇进行判断， 直到晶圆图所有非核心簇被合并或去除。 8.根据权利要求书1所述的一种混合缺陷模式晶圆图图像滤波方法， 其特征在于， 所述 计算合并或去除处 理之后聚类簇的S D值的步骤为： 聚类相似度指标S D通过计算轮廓系数和马氏距离综合得 出， 计算方式为： 其中， 为轮廓系数， 为马氏距离 。权　利　要　求　书 2/3 页 3 CN 115170422 A 3