[論文レビュー] Histogram-based Auto Segmentation: A Novel Approach to Segmenting Integrated Circuit Structures from SEM Images

Ronald S. Wilson, Navid Asadizanjani+2 more|arXiv (Cornell University)|Apr 28, 2020

Integrated Circuits and Semiconductor Failure Analysis参考文献 18被引用数 12

ひとこと要約

本稿では、低品質な走査型電子顕微鏡（SEM）画像から集積回路（IC）構造をセグメンテーションする、新しい非教師ありでパラメータフリーのヒストグラムベースの自己セグメンテーションアルゴリズムを提案する。画像のヒストグラムを分析・補正することで、材料クラスに対応するピークを検出することにより、ノイズモデルや特徴事前知識を必要とせず、ポリシリコン、金属、シリコン基板の各層において、従来のフィルタリングや学習ベースの手法よりも顕著に高いセグメンテーション精度を達成する。

ABSTRACT

In the Reverse Engineering and Hardware Assurance domain, a majority of the data acquisition is done through electron microscopy techniques such as Scanning Electron Microscopy (SEM). However, unlike its counterparts in optical imaging, only a limited number of techniques are available to enhance and extract information from the raw SEM images. In this paper, we introduce an algorithm to segment out Integrated Circuit (IC) structures from the SEM image. Unlike existing algorithms discussed in this paper, this algorithm is unsupervised, parameter-free and does not require prior information on the noise model or features in the target image making it effective in low quality image acquisition scenarios as well. Furthermore, the results from the application of the algorithm on various structures and layers in the IC are reported and discussed.

研究の動機と目的

• 従来の手法がノイズや事前知識の欠如によって失敗する低品質なSEM画像からIC構造をセグメンテーションする課題に対処すること。
• 手動ラベリングやパラメータチューニング、およびノイズモデルや特徴分布に関する仮定を必要としない、自動で非教師ありのセグメンテーション手法を構築すること。
• 異なるIC層（ポリシリコン、金属、シリコン基板）および画像撮影条件にわたって、頑健に動作する自動で非教師ありのセグメンテーションアプローチを開発すること。
• より速く低品質なSEM画像撮影を可能にすることで、リバースエンジニアリングにおける時間と人的労力を削減すること。

提案手法

• 本手法は、ピクセルレベルの処理を回避するため、SEM画像の強度ヒストグラムに直接処理を施し、ノイズへの感受性を低減する。
• ピーク検出アルゴリズムを用いてヒストグラム内の複数のピークを検出し、それぞれが異なる材料クラス（例：金属、ポリシリコン、基板）に対応する。
• ノイズ由来の偽のピークを抑える一方で、真の材料ピークを保持するためのヒストグラム補正ステップを実施する。
• 検出されたピーク数に基づいて自動的にセグメンテーション閾値を決定し、ピクセルをフォアグラウンド（IC構造）とバックグラウンドに非教師あり分類する。
• 本アルゴリズムは画像サイズに依存せず、画像統計やノイズ特性に関する事前知識も不要である。
• SEM画像モダリティが異なる材料間で生成するコントラストにのみ依存するため、画像品質の変動やステッチングアーチファクトに対しても頑健である。

実験結果

リサーチクエスチョン

• RQ1 ノイズや特徴モデルに関する事前知識がなくとも、ヒストグラムベースのセグメンテーション手法が低品質なSEM画像から信頼性のあるIC構造抽出を達成できるか？
• RQ2 リバースエンジニアリングの文脈において、本非教師ありでパラメータフリーの手法は、従来のフィルタリング手法や学習ベースのセグメンテーション手法と比較して、どの程度優れているか？
• RQ3 本手法は、ICリバースエンジニアリングワークフローにおいて、高品質で時間のかかるSEM画像撮影の必要性をどの程度低減できるか？
• RQ4 コントラストやノイズ特性が異なる異なるIC層（ポリシリコン、金属、シリコン基板）において、本手法は一貫したセグメンテーション精度を維持できるか？

主な発見

• 提案されたヒストグラムベースのセグメンテーション手法は、全3層において、ガウス、メディアン、カーブチャリティ、非等方的拡散（AD）の各従来フィルタリング手法を上回った。評価指標は、フォアグラウンドとバックグラウンドのピクセル分布間のマンハッタン距離で測定された。
• 非等方的拡散（AD）は従来フィルタリング手法の中で最も優れた性能を示したが、低ノイズの金属層では特徴の融合に失敗し、ノイズに依存するフィルタリング手法の根本的な限界を示した。
• 本手法は、最小限の前処理とパラメータチューニングを必要としながらも、全層で一貫した高精度なセグメンテーションを達成した。
• 本アルゴリズムは、顕著なバックグラウンドノイズが存在するにもかかわらず、ポリシリコン層からのIC構造を効果的にセグメンテーションし、ビアやインターコネクトの形状を保持した。
• 正解ラベルによるピクセルラベル付けを用いた定量的検証により、本手法は非重複なフォアグラウンドとバックグラウンドの分布を生成しており、高いセグメンテーション忠実度を示した。
• 本手法により、ヒストグラムドメインでのノイズ効果的抑制が可能となり、高解像度で時間がかかる高品質な撮影に依存する必要がなくなり、より速く低品質なSEM画像の利用が可能になった。