21世纪以来,随着纳米技术的不断发展,纳米材料在电子芯片制造、封装,生物医药,能源、交通等高技术领域有着越来越广泛的应用。相比于传统半导体制造技术,纳米技术在三维纳米器件制造等领域有着高效、可靠、稳定等特点,因此有着较好的发展前景。扫描电子显微镜(Scanning Electron Microscope,SEM)具有实时可视化、实时纳精度二维观测等特点,通常作为研究纳米技术的重要工具手段。由于扫描电子显微镜拍摄呈现电子表面物体特征的二维平面,缺失了深度信息,因此给三维纳米操作带来诸多不便。本文将结合扫描电子显微镜下的SE2探测器(Secondary electron detector)和Inlens探测器(Inlens detector)。首先,分析扫描电子显微镜下二次电子成像原理;其次,利用时间漂移畸变模型去除SEM图像漂移畸变,利用张正友标定法对双探测器进行标定;再次,通过超分辨率卷积神经网络(Super-resolution Convolutional Neural Networks,SRCNN)来实现二次电子图像分辨率的增强;最后,结合双目视觉技术实现SEM图像的深度计算。论文的主要研究内容如下:(1)本课题所使用的SEM为德国蔡司公司生产的型号为MERLIN Compact场发射电镜,主要研究分析了二次电子成像原理。针对放大倍数不同成像模型不一致的问题,建立适合不同放大倍数下的通用成像模型,当放大倍数高于1000×时采用平行投影模型,当放大倍数低于1000×时采用透射投影模型;针对SEM拍摄图像存在时间漂移畸变的问题,对时间漂移畸变进行建模并去除;针对双二次电子探测器(SE2探测器和Inlens探测器)拍摄图像存在空间畸变的问题,采用张正友标定法进行标定来获取探测器的内外参数并去除畸变;针对不同工作距离(Work Distance,WD)下像素误差不同的问题,通过标定程序得出当工作距离在6.4mm～6.5mm时,此时像素误差为0.48pixel,误差达到最小,后续的三维深度信息计算均在此工作距离下开展。(2)针对SEM内部舱室线路改造,拍摄图像存在信号干扰,导致图像清晰度不高,无法找到二次电子图像对之间存在的视差问题。结合超分辨率卷积神经网络算法,首先,对SE2探测器和Inlens探测器分别建立样品图像数据集;其次,针对SEM图像中存在噪声的问题,采用高斯滤波器去除SEM图像中的高斯噪声;再次,针对网络训练时间较长的问题,选取图像特征的感兴趣区域(Regionof Interest,ROI),压缩图像大小来减少训练时间,通过训练好的图像数据集,可以实时在线对SEM图像进行处理;最后,引入评价函数峰值性噪比(Peak Signal to Noise Ratio,PSNR),测得训练好的SEM图像PSNR值为45.46dB,实现SEM图像分辨率增强的目的,获得二次电子图像对之间存在的视差。(3)基于上述标定好的双二次电子探测器以及图像分辨率的增强,采用双目视觉方法来计算SEM图像的深度信息。在像素误差最小的工作距离下,通过SE2探测器和Inlens探测器同时对样品进行图像获取。针对SE2探测器和Inlens探测器拍摄出来的二次电子图像在亮度信息上有所差异导致特征点匹配困难的问题,采用尺度不变特征变换(Scale-invariant featuretransform,SIFT)算法来提取二次电子图像上的特征点并进行匹配,匹配结果正确率高;针对双二次电子图像对之间视差不明显的问题,首先采用极线校正方法将SE2图像和Inlens图像进行校正,使图像在纵轴上坐标相等,保留图像在横轴上的视差;然后为了获得双二次电子图像对之间存在的水平视差,提出基于数字图像相关(Digital image correlation,DIC)方法来计算SEM图像对的视差;最后通过SEM图像的视差和深度映射关系,计算出SEM图像的深度信息,通过与实际值比较,发现计算平均误差在20.5%左右。