造公差。因此，如果针对缺陷候选的提取结果908?910只提取共同的区域(911)，则随机产生的缺陷候选被排除，能够只提取缺陷(912)。此外，判定为缺陷的缺陷候选也可以不在全部的缺陷检测结果中相同。即，可以是如果在多个缺陷候选提取结果中的一定数以上的提取结果中一致，则判定为缺陷。另夕卜，也可以根据与缺陷候选提取结果数R对应的比例来指定一定数。可以根据其结果从计算出的特征量Fd(i，j)(j = 1?3)中提取被标记为“缺陷”的特征量FcKi)。此外，提取被标记为“缺陷”的特征量Fd(i)的方法并不限于此，例如也可以提取在特征量空间中接近的分布o
[0052]使用图10补充说明使用摄像所得的参照图像Ri (i = 1?R)的组合(j，k)来计算妨扰的特征量分布的方法。图像1001?1003示意地表示参照图像(Ri，1?Ri，3)。图像1004表示使用参照图像1001和参照图像1002的缺陷候选提取结果，同样图像1005表示使用参照图像1001和参照图像1003的缺陷候选提取结果，图像1006表示使用参照图像1002和参照图像1003的缺陷候选提取结果。从参照图像之间的组合提取出的缺陷候选中不包含缺陷。由此，根据包含在图像1004?1006中的缺陷候选计算出的特征量的分布是被标记为“妨扰”的特征量分布。
[0053]返回到图8继续进行说明。通过针对观察对象的M点的缺陷位置坐标重复执行上述处理S801?S808，得到缺陷的特征量分布Fd(i)和妨扰的特征量分布Fr(i，j，k) (i =1?M，(j，k)是参照图像的组合)。根据所得到的分布，使用分布分析部213学习识别缺陷和妨扰的识别面(S809)。作为学习的方法，使用模式识别的技术即可。具体地说，可以使用神经网络，也可以使用SVM。或者也可以使用自动生成识别规则的算法(例如C4.5等)。或者，也可以不计算识别面，而预先存储标记了的特征量分布，在识别时使用k近似法等进行识别。此外，将计算出的识别面或者识别所需要的参数存储在配方存储部207中。
[0054]以上，说明了用于调整缺陷选择部211的参数的方法。接着，说明调整图像差异定量化部210的参数的方法。如果先说明概要，则使用与图像差异定量化部210有关的参数(例如检测阈值、图像混合率)的组合进行缺陷检测，搜索缺陷检出率高的参数。这时，通过使用多张参照图像，能够计算出可靠性高的缺陷检出率。此后使用图11说明处理的细节。此外，既可以同时并行地进行缺陷选择部211的参数调整、图像差异定量化部210的参数调整，也可以逐次地进行。此外，在逐次地进行的情况下，执行顺序哪个在先都可以。或者，也可以只进行任意一方。
[0055]首先，针对对象缺陷使用摄像位置设定部209设定参照图像的摄像位置(S1101)。使用缺陷取得部205取得缺陷图像Di(S1102)。此外，在缺陷取得部205中，在能够判定为已经拍摄了相应的缺陷ID的缺陷图像的情况下，也可以从图像存储部读入图像。接着，使用图像取得部205取得R张参照图像Ri，j (j = 1?R) (S1103)。接着，使用缺陷图像Di和参照图像Ri，j提取缺陷候选Cd(i，j) (SI 104) o接着，从所得到的多个缺陷候选Cd(i，j)(j = l?R)中提取缺陷候选Cd(i)(S1105)。作为提取的一个方法，如图9所示那样只提取共同的缺陷候选区域即可。通过如上述那样使用多张参照图像的结果，能够将包含在Cd(i)中的缺陷候选假定为缺陷。接着，使用参照图像Ri(i = 1?R)的组合(j，k)提取缺陷候选Cr(i，j，k) (S1106)。由于是使用参照图像彼此的提取结果，所以能够将包含在缺陷候选Cr(i，j，k)中的缺陷候选假定为妨扰。接着，计算检测可靠性DRp(S1107)。DR(p)是表示使用参数组P时的缺陷检测结果的可靠性的指标，例如根据式(1)计算即可。针对搜索对象的参数的组合进行以上的S1101?S1107，求出DR(p)最大的参数。由此，成为妨扰的缺陷候选少，得到缺陷的检出率高的参数。另外，也可以关联地输出参数和DR(p)，使得能够由用户选择。
[0056](式1)
[0057]DR(p)=包含在Cd(i)中的缺陷候选数的总和/包含在(Cr(i，j，k)中的缺陷候选数的总和+1)
[0058]以上，说明了调整图像差异定量化部210和缺陷选择部211中的参数的方法。此夕卜，利用通过利用多张参照图像能够高可靠度地检测出缺陷的情况，能够容易地实现与参数的调整同时地取得缺陷的观察图像。但是，拍摄多张参照图像成为吞吐量低下的原因。因此，理想的是在参数的调整结束后，进行通常(使用了一张参照图像)的观察处理(图4)。
[0059]在图12中表示与参数的可靠性对应地自动切换参数调整处理(图8和图11)和通常的观察处理(图4)的方法。首先，判定存储在配方存储部207中的配方的可靠性
(51201)。此外，在不存在与观察对象的样本对应的配方的情况下也判定为可靠性低。在可靠性低的情况下，使用上述配方调整用处理来调整配方。接着，判定所制作的配方的可靠性
(51202)。为了判定与缺陷选择部211有关的参数的可靠性，进行n分割交叉确认(n-foldCross Validat1n)，评价缺陷检出率的稳定性即可。另外，为了判定与图像差异定量化部212有关的参数的可靠性，根据使用了多张参照图像和缺陷图像的缺陷候选提取处理(S1105)的结果，评价缺陷检出率是否达到了预定的阈值即可。在配方可靠性判定处理中判定为可靠性高的情况下，在观察此后的观察对象样本的情况下，使用调整后的参数进行通常的观察处理(S1204)。此外，也可以预先记录配方制作的日期时间，在配方可靠性判定处理(S1201中从制作配方时开始经过了一定期间的情况下，判断为可靠性低。
[0060]此外，以上说明了根据摄像所得的缺陷图像和参照图像提取缺陷候选的情况下的参数调整方法，但也能够在使用专利文献3所记载的方法等从一张缺陷图像中进行缺陷检测的情况下的参数调整中利用。在该情况下，在提取成为妨扰的缺陷候选的处理(S807、S1106)中，使用根据摄像所得的参照图像合成的参照图像、摄像所得的参照图像提取缺陷候选即可。另外，在从缺陷图像中提取缺陷候选的处理(S804、S1104)中，也可以使用根据摄像所得的参照图像合成的参照图像、摄像所得的缺陷图像提取缺陷候选。由此，在妨扰的特征量分布与参照图像的合成精度对应地变化的情况下也能够对应。另外，还能够调整与参照图像的合成处理有关的参数。
[0061]另外，也可以使用根据样本的设计信息生成的图像作为参照图像。这时，也可以使用使根据设计信息生成图像时的参数变化而生成的多张参照图像。由此，能够调整使用摄像所得的缺陷图像和根据样本的设计信息而生成的图像检测缺陷候选时的参数。
[0062]说明本发明的缺陷观察装置的用户界面。图13是与检测可靠性、缺陷检出数、妨扰检出数对应地一览显不搜索出的参数的一览的GUI的例子。在参数一览的显不部1301中用户能够选择参数。另外，具备按键1302，其调用用于确认使用了选择出的参数的情况下的缺陷检测结果的GUI。图14(a)是用于确认缺陷检测结果的GUI的例子。具备选择缺陷ID的选择部1401、显示图像和计算出的特征量的显示部1402。在显示部1402中，能够通过“图像标签” 1403、“特征量标签” 1404切换显示内容。在图像标签有效的情况下，具备选择显示图像的选择部1405、指定显示图像的检测器(二次电子像、反射电子像)的选择部1406、指定是否在图像中重叠地显示缺陷候选的检测结果的选择部1407、显示图像的显示部1408。另外，也可以通过具备显示图像和计算出的特征量的第二显示部1409，使得能够并排地确认2个图像或特征量。图14(b)是在第二显示部1408中使“特征量标签”有效的情况下的GUI的例子。具备分别指定要显示的特征量空间的横轴和纵轴的指定部1410、显示在特征量空间中标绘出缺陷候选的结果的显示部1411。另外，也可以显示特征量空间中的识别面1412。此外，也可以不显示特征量空间，而显示所指定的特征量的直方图。
[0063]如以上说明的那样，通过使用缺陷图像和多张参照图像，