应用快速扫描方法与数字图像处理技术耦合作为扫描电子显微镜的标准采集模式

抽象的

本研究提出了一种高效且快速的扫描方法（例如，电视（电视）扫描）与数字图像处理技术耦合，以将传统的慢扫描模式替换为通用扫描电子显微镜（SEM）的采集标准模型。使用该方法获得的SEM图像在锐度和噪声方面具有相同的质量，作为慢扫描图像，能够抑制充分充电的不利影响，这是该领域的一个具有挑战性的问题。在设计所提出的方法时需要解决两个问题。一种是使用逆滤波器基于电视扫描图像的频率的特性的图像质量的合适补偿，另一个设计了一种准确的图像集成技术（噪声抑制），其位置对准对抗噪声是鲁棒的。这涉及使用图像蒙太奇技术并估计集成所需的图像数量。将电视扫描模式的最终结果与慢扫描图像以及传统的电视扫描图像进行比较。

1.介绍

通用扫描电子显微镜(SEM)具有多种操作条件(操作参数，如加速电压、入射电流、压力、扫描方式、工作距离、放大倍数、探测器等)。根据单个样品的特性和观察目的，尽可能适当地确定这些操作参数，以获得包含有用信息的信号，因为扫描电镜信号的大小通常不足以达到这一目的。在这种情况下，慢扫描模式(单次长周期扫描)是扫描电子显微镜最重要的技术特征之一。长期以来，它一直是扫描电子显微镜(SEM)的标准采集方式，以获得具有足够信噪比(SNR)和清晰度的图像。然而，在样品室的全真空条件下，这种扫描速率很可能促进非导电样品的充电。SEM图像中的电荷效应导致了各种各样的情况，例如表观亮度的异常变化、光束偏转、光栅故障和电荷爆发[1-4.］．采用蒙特卡罗等方法对装药效果进行了定量模拟[5.那6.］．抑制充电效果仍然是一个显着的突出问题。

降低全真空条件中SEM仪器充电不利影响的方法可能落入两类中的一个（这种真空条件在图像质量方面具有很强的优势，包括图像分辨率）：使用低加速电压的人（LV）以及使用此类快速扫描的人。使用LV-SEM经常观察到许多未涂层的有问题样本（非导电），并且SEM制造商随时提高了其分辨率。

快速扫描模式（例如，电视（电视）扫描）是流行的，传统上用于观察非导电样本[7.］．在电视率扫描的图像的稳定性是特定电荷分布稳定的证据表明[3.]并且通常与简单的图像集成技术（帧平均）耦合，以降低SEM图像中的噪声[8.］．然而，通常认为快速扫描模式获得的集成扫描电镜图像是模糊的。这种模糊主要与试样变形(漂移)以及装药的不利影响有关。在这类操作中，图像集成与位置对准有时被用于减少图像退化(模糊)，在一些商业的SEM仪器。这是有效的，但结果仍然不如在慢扫描模式下获得的SEM图像清晰。产生这种额外模糊的原因是探测器系统在频率特性上有一个显著的问题。因此，即使在图像集成技术工作理想的情况下，从电视扫描获得的SEM图像也会出现模糊现象。

在我们的研究中，通过使用数字图像处理技术并利用快速扫描的清晰优点来解决与图像模糊的原因（探测器的图像集成技术和特性）强烈相关的两个问题。结果表明，传统的慢扫描模式可以在不久的将来广泛用快速扫描模式替换。

作为具有类似目的的另一个研究，在原型SEM系统中使用了一种特殊的光栅扫描方法，即快速扫描（水平方向）和慢速扫描的组合，并在原型SEM系统中使用[9.］．它具有快速扫描和慢扫描两种模式的优点。然而，扫描系统和数字图像处理对原型仪器的负载很大。

2.扫描电子显微镜信号检测系统高频特性对电视扫描图像的不利影响及补偿

与慢速扫描相比，快速扫描需要复杂技术的组合。它包括用于扫描，电子电路技术，二级电子检测器的频率特性的偏转控制系统和数字图像处理的若干技术。这些应用程序缓慢但肯定地改善了。然而，SEM信号检测系统的频率的特性尚未成熟（此外，更快的扫描模式倾向于在几种商业SEM中使用）。这种情况通常忽视，强烈影响本研究的结果。我们使用逆滤波器来解决这种情况。因此，需要首先测量SEM仪器频率的特性。

本研究使用日立S-3400N(通用扫描电镜，日立高科技，东京，日本)的数字扫描电镜信号输出。使用LabVIEW (National Instruments, Austin, TX, USA)控制的个人计算机连续采集电视扫描SEM数字视频信号。为了获得更好的效果，个人计算机配备了一个DVI3USB 3.0视频抓取器，从一个具有数字视觉接口输出端口的设备(Epiphan Systems Inc.， Ottawa, Ontario, Canada)进行无损视频捕捉。

2．1.高频特性退化对每次扫描速度的影响

利用快速扫描获得的图像(0.04 s/image，完全离焦)测量SEM信号检测系统的空间频率特性。 像素;我们称之为“电视扫描”)和慢扫描(20秒/图像)。对电视扫描图像采用适当的图像集成技术来调节噪声的幅度。数据1（a）和1(b)分别显示电视扫描得到的噪声图像(部分噪声图像)及其振幅的傅里叶谱。数字1(b)显示了估计的SEM仪器的空间频率特征。图中沿水平(扫描)方向的线轮廓(几百条线的平均值)1(b)显示该高频区域的严重退化(图右上角)1）.不用说，沿着垂直方向没有显示出退化。数据1（c）和1（d）显示通过慢扫描和其幅度的频谱获得的嘈杂图像。与电视扫描的结果相反，图中的线轮廓1（D）在该SEM条件下已经过度制定。

2.2。使用逆滤波器修改电视扫描图像，并在每个扫描模式下使用SNR的SEM图像进行比较

在这种情况下，我们比较了电视扫描图像（图2(一个)，15 kV;硬币，集成512电视扫描图像）和慢扫描图像（图2（b）， 20秒内获得)。它们是在几乎相同的收购时间捕获的。因为他们的图像被数字放大了四倍，我们可以很容易地看到它们之间的差异(模糊)。这种集成的电视图像比慢速扫描的图像更模糊。我们不需要使用位置对齐的图像集成技术，因为Figure2(一个)在非常低的100倍放大率下获得(我们使用传统的互相关函数确认图像之间没有移位)。因此，只有探测器系统的高频特性被模糊。

两幅图像的信噪比预期值相同(图2(一个)和2（b））当图像采集所需的时间相同时。但是，在电视扫描图像中的SNR（图2(一个)）由于上述降级（图中的水平线轮廓中所示的低通滤波器的特性（图中所示的低通滤波器的特性）相当高于所需值1(b))。这里使用的信噪比相当于 那得到实测值如下:

此信噪比测量公式由协方差( ）从两个图像获得（ ）具有相同的视图和差异（ 那 ）从每个图像获得[10.那11.］．在本研究中，我们使用了两个连续获取的电视扫描图像(集成图像)。

为了获得与探测器系统相关的无退化的电视扫描图像，并能显示出理想的信噪比值，我们使用了如图所示形状的反滤波器2 (c)．该滤波器是参照图中沿水平方向(空间频率特性)的线廓线设计的1(b).每个SEM仪器的形状不同。通过乘以电视扫描图像的空间频率特性(图2(一个)）在频域上的该过滤器，将劣化的特性转化为平坦的特性，如缓慢扫描的特性。变换图像显示在图中2 (d)(修改TV-scan图片)。该图像保留了电视扫描获得的SEM图像中由一个或几个像素组成的具有可接受的图像对比度的结构细节。另外，图像的信噪比值如图所示2 (d)与数字类似2（b）(慢扫描)。我们认为，由于电视扫描和慢速扫描所获得的图像的消隐周期不同，因此获得的信噪比略小，这里没有提供。具体来说，不直接用于生成电视扫描和慢速扫描SEM图像的周期(如消隐周期)在两种方法之间有所不同。粗略假设前者和后者分别为图像采集所需时间的20%和10%。然后，在消除时间差重新检查信噪比时，根据我们的计算，括号中显示的电视扫描图像的信噪比与慢速扫描图像的信噪比相同。因此，无论扫描速度如何，扫描电镜图像的信噪比都能比以前更准确地进行比较。

3.集成电视扫描图像的结果并估算用于集成的适当数量的图像

总共512个无涂层标本的电视扫描图像（Foraminifera的壳）连续获得（10kV，2000倍倍率）。其中一个图像如图所示3.（a）具有扩展图像（非常嘈杂），由小矩形的黄色框架识别。图之间的图像质量差异2(一个)和3.(a)是噪声的大小，因为后者是积分前的图像。然后对图中的图像进行上述反滤波处理3.（一种）。其过滤的图像如图所示3.(b).特别是两张展开图像的噪声形状明显不同。同样的滤波处理被应用到一系列的512张图像(这个滤波产生了相同的最终图像集成结果，即使它是在最后执行的;这一程序在节省处理时间方面是有利的)。

所需信号的测量值（从两个连续获取的电视扫描图像获得的相同视图获得的协方差的平方根，- 在图中显示的上述公式3.(b)为Figure中图形的第一个值3.（C） （和-表示从图中获得的测量值3.(b)和3.（d） -3.（f）分别）。信号尚未集成;因为哪个，没有模糊。换句话说，这几乎与最大值相同 ．为了通过使用图像集成获得令人满意的最终结果，有必要估计适当数量的图像以累积用于平均。这反过来依赖于所使用的图像集成方法的差异，即使用位置对准技术。此外，它可能取决于SEM的样本和操作条件的性质。据我们所知，这一估计尚未在我们的领域中尝试迄今为止。

估计用于图像集成的图像的适当数量，即所需的信号在集成的SEM图像中，如图所示，如所需的那样频繁地测量3.（C）。横轴是用于集成的图像数量的平方根。使用图中的箭头显示图像集成的三个例子3.．作为获得价值的重要一步在综合图像中，将一系列逆滤波图像预先分成奇数(256张)和偶数(256张)对。256 (= 16²）每组中的图像简单地集成而不首先地进行位置对齐。然后，这些图像可以被视为具有相同视图的两个图像，以获得值 ．两幅集成图像中的一幅如图所示3.(d),因为图3.（d）显示未涂层标本的简单集成图像，我们很容易看到由充电效果引起的图像模糊（图像移位）。不出所料，价值的在图中的图表中3.(c)大幅下降。与图中显示的结果相反3.(d)，当使用36的简单积分(=6)²)图像，图的结果3.（e），其扩展图像（大黄色框架），没有显示模糊。当然，价值在图中的图表中3.（c）几乎没有降级。这是应用于简单集成的图像的最佳数量，而SEM的给定条件（总共72个图像）， ),但噪声的不利影响在集成图像中仍然可见。

当使用与位置对准耦合的图像集成（图案匹配技术）时，这些问题（模糊和噪声）几乎完全解决了。为此目的，我们使用了一种形式的零平均归一化互相关函数（ZNCC），其通过使用金字塔算法加速处理速度[12.那13.］．ZNCC经常用于模式匹配技术，除了下面提到的一些困难任务外，通常会产生稳定的结果。作为图像集成的一个例子，图3.（f）显示使用位置对齐后的结果，确认值（ ）在图中3.（c）没有恶化。我们观察到由于其扩展图像（大黄色框架）中的噪声而没有扰动的几个像素形成的结构细节。图中的snr3.（f）接近√（图像数量用于积分)乘以图中的值3.（b）因为所需信号中没有降级 ．但是，图中所示的图像3.（f）是由512个图像组成的集成图像（所有256个奇数图像和256甚至是用于获得值的图像（ ）在图中3.(c))以与图中慢速扫描图像进行合理比较3.（g）（相同的观点;收购时间，20秒）。如上所述，慢扫描图像经常受到充电的不利影响的干扰。在这种情况下，与图中红色框架表示的稳定区域相比3.(f)图3.(g)因充电而遭受各种严重扰动。

使用该位置对准方法，因为电视扫描图像的稳定集成的结果始终如一。因为图中的图像的SNR3.（b）为0.25，这非常低，这表明这里使用的图像集成技术具有对噪声高度鲁棒的位置对准功能。此外，由于它在多种没有复杂扭曲的SEM图像上快速，所以它优于最先进的方法，如稍后说明的那样。在图中获取图像所需的处理时间（I7-7Y75，16 GB RAM）3.（F） （ (像素)的时间仅为10-20秒，且取决于用于位置对齐的区域，即检测图像和模板图像的区域。

我们比较了图的振幅谱(线轮廓)3.（f）和3.（g）在图像集成方面确认提出的方法的性能。它们显示了归一化的集成强度（用于降噪）的线轮廓（用于噪声减少），作为距振幅频谱中心的距离的函数（参见图中频谱上的红线3.(f))14.］．当比较慢扫描图像和集成电视扫描图像的线轮廓形状时，发现两者的频率特性几乎没有差异。这表明所建议的集成方法具有足够的性能(我们仍然担心图中的线轮廓3.(g)被充电效应轻微改变)。

注意，这并不简单但通过高通滤波器（HPF，空间频域）获得，如图所示3.（C）。执行该过程以便在执行位置对准时且未执行时的图像锐度之间的图像清晰度（未指示高通滤波图像）。在我们的案例中，在图中使用的HPF3.（ 像素），它旨在将大结构滤除到8个像素[15.］．其滤波器特性需要通过试验和误差来确定，每个图像采集条件，例如，像素数（在过滤SEM图像时 像素，将参数设置为16像素）。然而，从使用这种高通滤波器的原因判断，我们认为没有必要严格地设计。

4.将图像集成技术应用于一系列大视场漂移的电视扫描图像

由于对收费的不利影响等，我们有时会遇到一系列电视扫描图像，其中视野迅速转移。对于它们来说，通常难以对它们进行图像集成。数字4.(a)显示512个电视扫描图像无位置对齐的集成图像。从这个结果(明显缺乏清晰度)，我们可以理解存在大视野漂移的电视扫描图像。在图中4.(a)，我们使用相同的SEM操作条件来图3.（d），但采用另一壳的面包虫用于有意接受更严重的充电的严重不良影响。在缓慢扫描的情况下，这些效果产生明显亮度和对比度的异常变化以及表面结构的变形，如图所示4.(b)图中的红色框架4.（一种）-4.(d)表示同一区域。充电的不利影响见图4.（b）通过缓慢扫描逐步提及。

与数字相比4.（a），成功定位对齐的结果如图所示4.（C）。这里，用于定位对准的ROI（感兴趣的区域），其由图中的白色框架识别4.（c），广泛设置为图像的中心。由于缺乏对准数据，发生沿图像边缘的黑面积发生。可以通过适当地调整图像集成中的某些值（未指示改进的结果）来提高这种情况[9.，但还有一个问题需要解决。在图中4.（c），可以在集成图像的两端观察到轻微模糊（图像的中心是完全锐利的）。这些位置由黄色框架识别。这种情况是由于每个区域的图像漂移的差异（见图中的黄色箭头的方向）4.(a))。在图下方的扩展图像中，轻微但严重的模糊是清晰的4.(c)和发生的原因是本研究中使用的方法只处理视野中的简单漂移(翻译)。如图中所示，在复杂变形情况下4.（c），难以实现完美的位置对齐。

要解决这个问题，我们选择三个符合黄色框架和图中的白色框架的ROI4.(c)，分别有不同程度的模糊。利用每个感兴趣区域得到三幅集成图像。对于所有三幅集成图像，ROI附近的锐度都应该非常高。最后，我们使用了图像蒙太奇技术和可见接缝抑制函数[16.]获得完全组合和集成的图像，如图所示4.（d）和扩展图像（结合三个尖锐的部分图像）。图像的质量正如预期的那样。我们可以看到由这些图像中的一个或几个像素组成的结构细节。适用于图像质量的一个原因是我们的方法中没有使用图像插值技术，并且没有创建通常导致图像模糊的新像素。顺便提及，图像顶部的模糊区域（图4.(b) -4.(d)由于焦点深度较浅而发生的。

注意，根据图中提供的图像清晰度信息，通过反复试验比较容易确定roi4.（C）。为了合理地选择ROI，所需的信号使用图3.(c)是有益的。在图的右侧选择ROI4.(c)以黄色边框为例，当ROI为时，为的实测值黄色框中为8.19(最大值)。当然,图中的右膨胀图像4.(d)是8.19。接下来，当使用ROI(图中的橙色框架)时，黄色框架中的结果4.（c））两倍的高度和原始投资回报率的宽度为8.13。在视觉上判断它们之间的图像清晰度的差异是相当困难的。此外，当使用较大的投资回报率（虚线橙色框架时，黄色框架的结果为7.75。这是因为大型投资回报率存在不同程度的模糊。当然，我们可以在视觉上轻松了解锐度的降级。通过这种方式，我们可以找到适当的ROI用于定位对齐。相比之下，在图中4.(c)为6.73(需要注意的是，不仅ROI选择错误，ZNCC的位置对齐失败也可能会降低的测量值在某些情况下）。

相反，为了处理更严重扭曲的图像，许多关于图像登记的研究，这是估计图像之间或图像之间的最佳变换的过程（包括用于检测特征点的技术并找到相应的对），已被用于其他字段中[17.-20.］．但是，对于本研究中处理的图像数据，这是没有必要的。最近的图像配准研究主要集中在利用深度学习进行特征提取[21.那22.]，但这些功能的处理速度目前仍较低。在集成SEM图像的情况下，这种方法可能是有用的和有吸引力的，不寻常的变化是预期的。在不久的将来，我们可以根据需要使用这些方法。

返回关于在慢扫描模式中充电的不利影响的讨论，尽管在本地观察到非导电样品的SEM图像中的许多失真（图像或光束漂移的影响），但是这些失真有时可以不起眼。在上述人物中4.(b)，只有表观亮度的异常变化(一种充电效应)是值得注意的。事实上，这幅图像是在充电的负面影响刚刚稍微消退时获得的;除表观亮度异常变化外，其他严重的影响似乎不明显。然而，当观察一个展开的图像(图5.(a))由图中的绿色矩形标识4.（b），我们可以找到由缓慢扫描引起的上述不利影响。合理比较与图5.（a），一个扩展的图形4.（d）由所提出的电视扫描模式显示在图中5.（b）。在图中5.(a)(慢扫描)，在各个区域观察到精细表面结构的消失(见黄色框)。此外，当比较两幅图像中四个红条附近的表面结构时，可以清楚地识别慢扫描图像中的畸变。具体来说，可以看到包含在左半部分区域的结构相对移位，这是由于在慢扫描图像中传播的许多局部畸变造成的。与此相反，我们相信图中的表面结构5.（b）（具有位置对准的集成图像）更正地产生，因为在一系列512电视扫描图像中的第一和最后图像之间的主表面结构没有差异（这些图像未指示）。这是科学仪器最重要的能力之一。

5。结论

该研究表明，与适用于全真空条件的数字图像处理技术耦合的快速扫描方法可用于获取非导电样本的SEM图像。这种快速扫描模式具有显着的优势，在使用慢速扫描模式获得的锐度和噪声抑制方面具有与原始质量相同的优势。为了实现这一优点，基于TV扫描系统的特性设计和实现了逆滤波器，并且采用了多种图像处理技术的复杂组合。这种方法对于集成一系列锐利嘈杂的电视扫描SEM图像特别有用，以涵盖使用相关仪器时遇到各种条件。在未来的工作中，我们计划根据本研究结果用强大的快速扫描模式取代传统的慢扫描模式。

数据可用性

用于支持本研究结果的数据可在合理的请求时从相应的作者获得。

的利益冲突

作者宣布没有关于本文的出版物的利益冲突。

致谢

我们感谢Saad Anis，博士，埃丹兹集团（https://en-author-services.edanzgroup.com/）编辑本手稿的草稿。

参考文献

1. R. D. Van Veld和T. J. Shaffner，“扫描电子显微镜中的充电效应”，刊于Proc第4个Ann。Conf。扫描。电。microsc。Symp。，一部分，o. Johari，Ed。，PP。17-24，IIT研究所，芝加哥，1971年。查看在：谷歌学术搜索
2. j·b·帕利，《扫描电子显微镜下的人工制品充电》Proc第5个Ann。Conf。扫描。电。microsc。Symp。，一部分，O. Johari，Ed。，PP。153-160，IIT研究所，芝加哥，1972年。查看在：谷歌学术搜索
3. J. B. Pawley，“低压扫描电子显微镜，”显微镜杂志，卷。136，没有。1，pp.45-68,1984。查看在：出版商的网站|谷歌学术搜索
4. T. J. Shaffner和J. W. S. Hearle，“理解标本充电的最新进展”，刊于Proc 9th Ann。Conf。扫描。电。microsc。Symp。，一部分，o. Johari，Ed。，第61-82页，IIT研究所，芝加哥，1976年。查看在：谷歌学术搜索
5. Y.-U.KO和D. C. Joy，“电子束光刻中抗蚀剂的蒙特卡罗模型”微光线XV的计量，检查和过程控制，圣克拉拉，加利福尼亚州，美国，2001年8月。查看在：出版商的网站|谷歌学术搜索
6. A. Seeger，A. Duci和H.Haussecker，“扫描电子显微镜充电效果模型用于铬/石英光刻面罩，”扫描第28卷第2期3，页179-186,2006。查看在：出版商的网站|谷歌学术搜索
7. L. M.Lyter和A. N. Mckee，“使用快速扫描场发射源SEM对未涂覆，非导电或热敏标本的观察”Proc第5个Ann。Conf。扫描。电。microsc。Symp。，一部分，o. Johari，Ed。，PP。芝加哥IIT研究所161-168，1972年。查看在：谷歌学术搜索
8. S. J. Erasmus，“通过数字滤波减少电视速率电子显微镜图像噪声”，“显微镜杂志，卷。127，没有。1，pp。29-37,1982。查看在：出版商的网站|谷歌学术搜索
9. K. Suzuki和E. OHO，“用于减少扫描电子显微镜的充电效果的特殊光栅扫描”扫描，卷。36，不。3，pp。327-333,2014。查看在：出版商的网站|谷歌学术搜索
10. E. Oho，Y.Hoshino和T.Ogashiwa，“新一代扫描电子显微镜技术基于主动图像处理的概念”扫描，卷。19，没有。7，pp。483-488，1997。查看在：出版商的网站|谷歌学术搜索
11. E. Oho和K. Suzuki，“使用两个SEM图像的协方识具有相同视图的高精度SNR测量”扫描第34卷第3期1, pp. 43 - 50,2012。查看在：出版商的网站|谷歌学术搜索
12. E.H.Adelson，C.H. Anderson，J. R.Bergen，P.J.J.Curt，J. M. Ogden，“图像处理中的金字塔方法”，RCA工程师，卷。29，不。6，pp。33-41,1984。查看在：谷歌学术搜索
13. D. M. Tsai和C. T. Lin，“快速归一化交叉相关用于缺陷检测”，模式识别的字母，第24卷，第2期15，pp。2625-2631,2003。查看在：出版商的网站|谷歌学术搜索
14. P. Baggethun， "径向剖面图"，ImageJ插件，" 2009，https://imagej.nih.gov/ij/plugins/radial-profile.html．查看在：谷歌学术搜索
15. W. S. Rasband，ImageJ，美国国立卫生研究院，贝塞斯达，马里兰州，美国，1997-2020，https://imagej.nih.gov/ij/．
16. E. Oho，K. Okugawa和S. Kawamata，“基于蒙太奇技术的实用SEM系统，适用于UltraLow-倍率观察，同时保持原始功能，”电子显微镜杂志，第49卷，第49期。1，页135 - 141,2000。查看在：出版商的网站|谷歌学术搜索
17. L. G. Brown，“图像登记技术的调查”，ACM计算调查，第24卷，第2期4，第325-376页，1992。查看在：出版商的网站|谷歌学术搜索
18. B. Zitova和J. Flusser，《图像配准方法:调查》图像和视觉计算第21卷第2期11，页977 - 1000,2003。查看在：出版商的网站|谷歌学术搜索
19. D. G. Lowe，“来自比例不变关键点的独特图像特征”，国际计算机愿景，卷。60，否。2，pp。91-110,2004。查看在：出版商的网站|谷歌学术搜索
20. H. Bay，A.ESS，T. Tuytelaars和L. Van Goole，“加速强大的功能（冲浪），”计算机视觉和图像理解，卷。110，没有。3，pp。346-359,2008。查看在：出版商的网站|谷歌学术搜索
21. L. Zhang，L. Zhang和B. du，“深入学习遥感数据：技术教程”最先进“，IEEE地球科学与遥感杂志，第4卷，第4期。2, pp. 22-40, 2016。查看在：出版商的网站|谷歌学术搜索
22. Yang Z.， T. Dan, and Y. Yang，“基于深度卷积特征的多时相遥感图像配准”，IEEE访问，第6卷，38544-38555页，2018。查看在：出版商的网站|谷歌学术搜索

版权

版权所有©2020 Eisaku Oho等人。这是分布下的开放式访问文章创意公共归因许可证如果正确引用了原始工作，则允许在任何媒体中的不受限制使用，分发和再现。