论文部分内容阅读
薄膜晶体管液晶显示器(TFT-LCD)的生产过程包括近百道工序。尽管其液晶屏的大部分工序是在无尘室中完成的,还是不可避免地表现出一些视觉缺陷。mura缺陷是一种最为常见的面缺陷。mura一词来源于日语,原意为脏污或斑痕,现已被显示器行业普遍接受,专门用来表示一类对比度低、亮度不均匀、面积大于一个像素的面缺陷。在所有的视觉缺陷中,mura是最为复杂同时也是最难检测的一类,其原因主要在于:1)由于mura缺陷一般要从倾斜的视角进行观察才可以发现,此时,整个屏幕的亮度呈现出很大的不均匀性,而mura缺陷的对比度又很低,并且没有一个清晰的边缘,因此实现mura图像的有效分割十分困难;2)mura缺陷的判断不仅仅受到缺陷自身客观特性的影响,还要受到观察者视觉心理因素的影响,利用传统的仅考虑对比度和面积两个特征参数的判别标准无法得到满意的的检测效果;3)mura缺陷本身和它的判别标准都具有很强的模糊性,采用基于经典集合理论的传统模式识别方法无法得到与人类观察者相一致的检测结果。因此,实现TFT-LCD屏mura缺陷自动化检测的重点就是要解决复杂背景下的mura图像分割、符合mura缺陷特点的特征参数提取和能够模仿人类进行推理、决策的模式识别技术。为此本文提出了一种新的用于TFT-LCD屏mura缺陷检测的“Murafpr”算法。针对mura缺陷的特点,本文提出了一种基于多项式曲面拟合的mura缺陷图像分割技术。这种方法中,首先假设图像中每个像素的灰度值都是该像素二维坐标的函数,而所有像素的灰度值及其二维坐标构成了分布在矩形格点上的空间数据点的集合。接下来采用二元多项式对这些空间数据点进行曲面拟合,即求一个近似通过给定数据点、能反映数据点的基本趋势的多项式曲面。进行mura缺陷检测时,TFT-LCD屏显示为单一的灰度图面,尽管由于视角的原因呈现出很大的不均匀性,但基本上还是连续变化的。当某个区域内包含mura缺陷时,该区域内像素的灰度值会发生突变。但由于mura缺陷的面积都比较小,不会改变整个液晶屏灰度的总体变化趋势。因此,拟合曲面可以作为被测TFT-LCD屏去除了mura缺陷的背景模型。相对于该背景模型,被测TFT-LCD屏图像中没有缺陷的区域拟合误差很小,能满足拟合精度的要求,而mura缺陷所在的区域与背景模型的拟合误差则很大,超过了拟合精度的要求。所以,利用该背景模型,采用背景减除的方法就可