TFT-LCD Mura缺陷自動檢測方法研究.pdf

1、TFT-LCD Mura缺陷是一種常見的不同于常規(guī)缺陷的面缺陷，其具有對比度低、形狀多樣、亮度不均等特征，常見的人工檢測方法存在漏檢、錯檢等不足。相比之下，依托機器視覺的Mura缺陷檢測以其低成本、高產出而備受青睞，目前，針對這種方法的研究主要集中在如何提高檢測的精度與準度。
　　本文通過分析Mura缺陷檢測中的難點、對比已有檢測方法，提出以空間域重構背景為基礎，通過差分保留目標的檢測方法，同時研究檢測流程中的亮度噪聲改善、缺陷分

2、割等關鍵技術。主要工作如下：
　　(1)分離背景、突出Mura缺陷。本文以待檢圖像像素矩陣的奇異值分布情況為基礎，通過矩陣范式導出奇異值與圖像能量的計算式，借助能量與信息量的仿射，設計并推導奇異值與熵值的計算關系，進而通過最大熵概率分布理論推導背景分量的奇異值分布;在完成初始背景模型重構之后，針對截斷奇異值產生的重構效果偏差，研究以低噪、低損、高亮三大質量控制機制約束的補償因子β對模型進行微調，進一步優(yōu)化背景模型的質量，以差分運算

3、實現缺陷背景的有效分離。
　　(2)背景抑制后的缺陷圖像改善研究。經背景抑制后的Mura缺陷具有亮度不均且較低的特點，在分割處理之前，需先增強Mura缺陷的“信噪比”。本文通過分析背景抑制后的圖像組成和灰度直方圖，得出噪聲集中分布于灰度零值附近的結論，設計以簡單、快速的線性灰度變換對缺陷區(qū)域進行亮度增強;并對放大的散布尖峰噪聲進行形態(tài)學圖像消噪，通過腐蝕和膨脹的組合運算，在保持目標區(qū)域亮度的同時降低噪聲干擾。
　　(3) M

4、ura缺陷分割優(yōu)化?？紤]到理論值與實際值存在一定差距，Mura缺陷圖像仍會受到噪聲的污染，本文研究改進的C-V模型分割法，以B樣條連續(xù)水平集代替?zhèn)鹘y(tǒng)水平集函數描述邊界，提升抗噪性;并通過全散度消除差異性度量對坐標系的依賴，降低亮度不均對分割結果的影響。
　　最后，根據研究成果，建立LCD-Mura缺陷自動檢測仿真系統(tǒng)，并在實驗室環(huán)境下，對樣本進行檢測驗證。量化結果表明，本文設計的方法較好的兼顧了檢測精度與準度，檢出率可達96％，相