[论文解读] 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 12

一句话总结

本文提出了一种新颖的、无监督的、无需参数的基于直方图的自动分割算法，用于从低质量扫描电子显微镜（SEM）图像中分割集成电路（IC）结构。通过分析并校正图像直方图以检测对应于材料类别的峰，该方法在无需噪声建模或特征先验的情况下实现了鲁棒的分割，相较于现有滤波和基于学习的技术，在多晶硅、金属和硅层上的分割精度显著提升。

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.

研究动机与目标

• 解决在传统方法因噪声和缺乏先验知识而失效的情况下，从低质量SEM图像中分割IC结构的挑战。
• 消除对人工标注、参数调优，以及对噪声模型和特征分布假设的需求。
• 开发一种自动化的、无监督的分割方法，该方法在不同IC层（多晶硅、金属、硅基底）和成像条件下均具有鲁棒性。
• 通过支持更快、质量较低的SEM图像采集，减少逆向工程中的时间和人力成本。

提出的方法

• 该方法直接作用于SEM图像的灰度直方图，跳过像素级处理，以降低对噪声的敏感性。
• 使用峰值查找算法检测直方图中的多个峰值，每个峰值对应一种不同的材料类别（例如：金属、多晶硅、基底）。
• 应用直方图校正步骤以抑制由噪声引起的虚假峰值，同时保留真实的材料峰值。
• 基于检测到的峰值数量自动确定分割阈值，从而实现像素在前景（IC结构）和背景之间的无监督分类。
• 该算法与图像尺寸无关，且无需预先了解图像统计特性或噪声特征。
• 其仅依赖于SEM成像模式在不同材料之间产生的对比度，因此对图像质量变化和拼接伪影具有鲁棒性。

实验结果

研究问题

• RQ1 基于直方图的分割方法是否能在不了解噪声或特征模型的前提下，可靠地从低质量SEM图像中提取IC结构？
• RQ2 在IC逆向工程背景下，该无监督、无需参数的方法与传统滤波和基于学习的分割技术相比性能如何？
• RQ3 该方法在多大程度上可减少IC逆向工程工作流中对高质量、耗时的SEM图像采集的依赖？
• RQ4 该方法在对比度和噪声特性各异的不同IC层（多晶硅、金属、硅基底）上是否能保持一致的分割精度？

主要发现

• 所提出的基于直方图的分割方法在所有三种IC层上均优于所有测试的传统滤波技术（高斯、中值、曲率、各向异性扩散），其性能通过前景与背景像素分布之间的曼哈顿距离进行衡量。
• 各向异性扩散（AD）在传统滤波器中表现最佳，但在低噪声金属层上因特征合并而失效，凸显了噪声感知滤波方法的关键局限性。
• 该方法在所有层上均实现了稳定且精确的分割，即使在存在噪声的情况下也仅需极少预处理且无需参数调优。
• 该算法成功从噪声较大的多晶硅层中分割出IC结构，即使背景噪声显著，仍能保持通孔和互连结构的形状。
• 通过真实标注像素数据进行定量验证，结果表明该方法生成的前景与背景分布不重叠，表明分割保真度高。
• 该方法通过在直方图域有效抑制噪声，使使用更快、质量较低的SEM图像成为可能，从而减少了对耗时的高分辨率采集的依赖。