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