TFT-LCD Mura缺陷是一种常见的不同于常规缺陷的面缺陷,其具有对比度低、形状多样、亮度不均等特征,常见的人工检测方法存在漏检、错检等不足。相比之下,依托机器视觉的Mura缺陷检测以其低成本、高产出而备受青睐,目前,针对这种方法的研究主要集中在如何提高检测的精度与准度。本文通过分析Mura缺陷检测中的难点、对比已有检测方法,提出以空间域重构背景为基础,通过差分保留目标的检测方法,同时研究检测流程中的亮度噪声改善、缺陷分割等关键技术。主要工作如下：(1)分离背景、突出Mura缺陷。本文以待检图像像素矩阵的奇异值分布情况为基础,通过矩阵范式导出奇异值与图像能量的计算式,借助能量与信息量的仿射,设计并推导奇异值与熵值的计算关系,进而通过最大熵概率分布理论推导背景分量的奇异值分布；在完成初始背景模型重构之后,针对截断奇异值产生的重构效果偏差,研究以低噪、低损、高亮三大质量控制机制约束的补偿因子β对模型进行微调,进一步优化背景模型的质量,以差分运算实现缺陷背景的有效分离。(2)背景抑制后的缺陷图像改善研究。经背景抑制后的Mura缺陷具有亮度不均且较低的特点,在分割处理之前,需先增强Mura缺陷的“信噪比”。本文通过分析背景抑制后的图像组成和灰度直方图,得出噪声集中分布于灰度零值附近的结论,设计以简单、快速的线性灰度变换对缺陷区域进行亮度增强；并对放大的散布尖峰噪声进行形态学图像消噪,通过腐蚀和膨胀的组合运算,在保持目标区域亮度的同时降低噪声干扰。(3) Mura缺陷分割优化。考虑到理论值与实际值存在一定差距,Mura缺陷图像仍会受到噪声的污染,本文研究改进的C-V模型分割法,以B样条连续水平集代替传统水平集函数描述边界,提升抗噪性；并通过全散度消除差异性度量对坐标系的依赖,降低亮度不均对分割结果的影响。最后,根据研究成果,建立LCD-Mura缺陷自动检测仿真系统,并在实验室环境下,对样本进行检测验证。量化结果表明,本文设计的方法较好的兼顾了检测精度与准度,检出率可达96%,相比传统检测方法,具有一定的应用前景。