随着液晶显示驱动技术的进步,薄膜晶体管液晶显示器(Thin Film Transistor Liquid Crystal Display,TFT-LCD)受到越来越多消费者的喜爱,应用领域也在不断拓展。为顺应消费者的需求,液晶显示器的尺寸越来越大,分辨率越来越高,因此液晶屏表面的Mura缺陷也越来越容易出现。目前主要采用的方法是通过人眼进行检测,检测效率低,难以进行准确地分类和量化。为提高检测效率和生产自动化的水平,开发快速准确的Mura缺陷检测方法已成为工业界和学术界亟待解决的问题。本文以背景纹理的抑制,亮度不均的校正,边缘不清晰的Mura缺陷的分割为主要研究点,通过算法原理分析,算法流程的设计和仿真实验,进行了Mura缺陷自动检测方法研究。另外本文还研究了液晶屏主要缺陷(即Mura缺陷,点缺陷,线缺陷)的分类方法,从而作为工艺改善的依据。本文对以下五个关键点做了详细的研究:一、针对Mura缺陷背景中含有细密的周期性纹理的问题,采用实值Gabor滤波器组进行背景纹理的抑制。对其主要参数及图像融合方法进行设计,通过仿真实验验证该算法能有效地抑制背景纹理。二、针对液晶屏图像存在的亮度不均的问题,提出了基于PCA背景拟合法的图像亮度校正法。设计亮度不均校正方法,并通过仿真实验验证该算法能够有效地校正亮度不均。三、针对Mura缺陷的边缘不清晰的问题,研究Mura缺陷分割方法。为克服传统的主动轮廓水平集算法分割效果依赖于初始轮廓的位置的缺点,采用初始轮廓优化进行改进。通过仿真实验验证,改进的算法在分割效果和时间性能上比传统的算法有更显著的优越性。四、根据液晶屏缺陷分类对工艺改善的重大意义,研究了液晶屏主要缺陷的分类方法。本文采用支持向量机实现液晶屏的主要缺陷的分类,并通过仿真实验验证,本文所使用的分类方法具有较为理想的分类准确率。五、根据Mura缺陷检测算法原理,构建Mura缺陷检测流程。采集液晶屏面板的图像作为实验样本,进行缺陷检测和分类实验。缺陷检测实验中的66个样本,都成功地被检测。对精确分割的缺陷取60个样本进行分类实验,分类准确率可达98.3%。