周期 Pattern Removal 算法

它解决一个非常典型的问题：

晶圆图像中本身就有非常复杂的周期图案

缺陷往往非常小

如果不去掉周期背景 → 缺陷根本看不出来

一、问题本质

晶圆很多结构是 规则周期阵列：

例如：

memory cell

logic cell

SRAM array

二、为什么用频域方法

周期信号有一个重要性质：

在

Fourier Transform

中会出现 离散尖峰。

例如：周期结构

三、经典 Pattern Removal 算法

核心算法：

使用

Fast Fourier Transform

步骤：

Step1 原始图像

I(x,y)

---

Step2 FFT

Step3 去掉周期峰值

构造 mask：

mask(u,v)

去掉峰值：

mask：

中心低频保留

周期峰值抑制

Step4 IFFT

直观理解

四、工业界更高级的做法

1 模板减法

2 PCA pattern removal

3 深度学习

五、真实晶圆检测 Pipeline

工业系统通常是：

图像采集

↓

去噪

↓

Pattern Removal

↓

异常检测

↓

缺陷分类

Pattern Removal 是 最关键一步。

因为：

不去掉pattern

缺陷几乎检测不到

为什么这个算法很重要

晶圆检测最大的难点：

缺陷非常小

pattern非常复杂

Pattern Removal 可以：

提高SNR

突出异常

所以它是 晶圆检测核心算法之一

为什么 FFT 可以去除周期结构？

周期信号 → 频域离散峰值
通过滤波 → 去掉这些峰值
再IFFT → 周期结构消失