用奇异值分解的方法自动检测LCD的缺陷ppt课件PPT课件下载推荐.ppt
- 文档编号:14694793
- 上传时间:2022-10-24
- 格式:PPT
- 页数:30
- 大小:1.47MB
用奇异值分解的方法自动检测LCD的缺陷ppt课件PPT课件下载推荐.ppt
《用奇异值分解的方法自动检测LCD的缺陷ppt课件PPT课件下载推荐.ppt》由会员分享,可在线阅读,更多相关《用奇异值分解的方法自动检测LCD的缺陷ppt课件PPT课件下载推荐.ppt(30页珍藏版)》请在冰豆网上搜索。
,并且保护图片存储过程中的不规则性。
在这次试验里面,我们已经评估了TFT面板的的大量的微小,多样的缺陷,包括:
小孔,刮痕,小点和指纹,并且结果显示这种方法是非常有效的检测LCD面板缺陷的方法。
1,绪论o这几年,TFT-LCD已经越来越重要,因为它具有很好的全彩色显示功能,低能耗,小体积。
为了监控过程的稳定性和保证LCD显示的平面性,此TFT面板缺陷检测采用了生产过程的临界作业。
人工视觉检测和电子功能检测是最主流的检测LCD缺陷的方法。
但是,手动检测是非常辛苦和非常消耗时间的工作。
人工检测不仅主观性很强而且对经验非常依赖。
电子功能检测天生就缺乏联机检测的能力,并且通常都需要吧TFT面板做出来以后才能检测。
在本文中,我们提出一个自动视觉系统来检测TFT-LCD面板的缺陷。
oTFT面板的表面缺陷不仅产生视觉错误,而且会引起LCD面板的硬件操作错误。
出现在TFT面板中的缺陷大致可以分成2类:
宏观的缺陷和微观的缺陷。
宏观缺陷包括”MURA,SIMI,ZURE”,MURA的意思是面板不均匀,SIMI的意思是TFT面板上有污点,ZURE的意思是面板没有对准。
微观的缺陷包括小孔,指纹,小点和刮痕。
宏观缺陷与不规则大小和形状形成鲜明对比。
它们的体积一般都很大,所以很容易用人工视觉来检测。
但是微观缺陷通常都很小而且很难用人工的方法或者电子的方法来检测。
本文提出的方法就是重点在利用TFT面板结构特点来检测微观缺陷。
o关于LCD自动检测系统,有几种基于检测技术电子的或者光学的方法已经为LCD的制造提出了方法。
Henly和Addiego用2维电视觉调节器产生电压图像,这些图像表示LCD面板的没有联系的潜在表面。
Kidoetal.介绍了用光学感知装置来检测部分完全活性矩阵的LCD面板。
表面反射被用来感知光线的变换然后产生一个图像来表示线和点的缺陷。
大多数现有的自动检测系统都是基于常规的电子方法去探测表面潜在的可能。
这些电子方法可以很好的查证TFT面板的基本功能。
正如前面所说的,这些方法都是要在制作完成后才能进行。
功能检测方法在生产过程中可能就没有用了。
o一些视觉技术用模式匹配算法被用于LCD的检测。
Nakashima提出在LCD彩色过滤面板中采用图像减少和光学傅立叶过滤来检测LCD的缺陷oNakashimapresentedaninspectionsystembasedonimagesubtractionandopticalFourierfilteringfordetectingdefectsonanLCDcolourfilterpanel。
oSokolovandTreskunovdevelopedanautomaticvisionsystemforfinalchechofLCDoutputcheck.oSlkolov和Treskunov发明的最终LCD自动检测系统o还有很多LCD检测技术主要都集中在最后外观缺陷检查,例如:
在生产完成后检查明点和暗点。
o一个TFT面板通常包含重复的水平线和垂直的数据线。
当图像建立起来后,TFT面板的表面就包含了这些水平的和垂直的元素,它能够被以结构纹理来分类。
TFT面板的图像就由一些相似的网格组成了一个有序的结构。
TFT面板就可以很好的由奇异值分解的方法很好的来表示。
在这次的研究中,我们就用SVD的方法很好的来检查TFT面板上的微观缺陷。
oInthispaper,weproposeaglobalapproachthatusesanSVD-basedimagereconstructiontechniqueforinspectingmicrodefectsincludingpinholes,scratches,particlesandfingerprintsoonthesurfaceofTFTpanels.Theproposedmethoddoesnotorelyontexturalfeaturestodetectlocalanomalies,anddoesnotrequireareferenceimageforcomparison.Italleviatesalllimitationsofthefeatureextractionschemesandtemplatematchingmethodsjustmentioned.o在本文中,我们提出了用球形逼近的基于SVD图像重构技术去检测微观缺陷,其中包括小孔,刮痕,小点,和指纹。
这个方法不是依靠结构的特点去发现局部异常,也不是要求用2个图像来进行比较。
它是提取所有的极限特点有序和完全的满足以上所提到的方法。
oSVD能够用来分解图像然后获得对角矩阵。
所有的矩阵都是由奇异值组成。
最主要的信息是:
图像能够被表示为大量的奇异值。
在LCD缺陷检测中,我们可以建立大量的从0到(preservethesmallersingularvalues)去重构图像。
不规则背景被去掉,然后很清楚的还原不规则的图像。
2缺陷检测安排Fig.1.TheschemaofasinglepixelofaTFTpanel左边图1就是表示了单个TFT面板像素的组织计划。
Ateachpixel,thegateoftheTFTisconnectedtothegatelineandthesourceisconnectedtothedataline.每一个像素,TFT的GATE连接到GATE线上,资源就联系到数据线上。
Fig.2.ThesurfaceimageofaTFTpanel左图表示的就是TFT面板图像的成像结果,可以看出,图像被划分成很多小区域。
用奇异值分解o假设图像是一个M*N大小的矩阵X,MN,也就是说长大于宽。
它就能够被表示成在R维子空间里面的图像,其中R是矩阵X的秩,并且RN。
oX=USVT,其中,U是标准正交向量组XXT成的M*R阶矩阵。
V是N*R矩阵由标准正交向量组XTX组成。
S是R*R对角矩阵,对角元素是奇异值,都是XTX方程的非负平方根。
奇异值用a表示,并且按照单调递减的顺序排列。
oSVD就是基于矩阵X的奇异值分解。
奇异值(a)表示了每个矩阵X在每个子空间里的活力(energe)。
每个奇异值和它们的分类,都带有有用的X的信息。
在这些奇异值当中,只有一小部分可以用来表示图片的直角结构,其他的都趋近于0。
oThesingularvaluesandtheirdistribution,whichcarryusefulinformationaboutthecontentsofX,varydrasticallyfromimagetoimage.Foranimagewithorthogonaltexturecontentsuchashorizontaland/orverticalstructures,onlyaveryfewlargersingularvalueswilldominate,andyetallothershavemagnitudesclosetozero.Fig.3.aandbTwoartificiallinesimageswithdifferentlinespacing;
cATFTpanelimage;
dTheplotofthecorrespondingfirsttenlargestsingularvalueso上图的,是人工模拟的面板,是真实的面板,可以看出,只有第一个奇异值是支配其他所有奇异值的,越往后,奇异值就越趋近于.o在大多数情况下,大量奇异值中的比较打的奇异值表示的是原始图像的球形逼近oInmostofthecases,thelargersingularvalues(withlageromagnitude)representtheglobalapproximationoftheoriginaloImageo其他奇异值都是表示局部和细节的图片,因此,我们能够选择合适的奇异值来表示基于的图像重建o在这次研究中,我们用机器视觉捕捉有问题的TFT面板的图像(微观)。
SVD合适地表示了TFT面板上的垂直相交的纹理图像。
因此,基于SVD的图像重构技术被用来移动TFT面板表上的直角纹理模式。
用这种方法我们不需要定义缺陷的各种特点。
基于SVD图像重构技术能消除TFT面板上很多重复的垂直和水平的分界线部分。
保留下来的部分能够很容易的识别TFT面板上的各种缺陷。
从重构的图像里被选出来的奇异值由下列式子给出:
oX=UjajVTjJ从k+1到r。
oX是被重构的图像,Uj和Vj是U和V的第j列向量;
k是一些被选出来的奇异值。
aj是S的第j个奇异值,r是矩阵X的秩。
从左到右分别为a,b1,b2,b3,c1,c2,c3oFig.4.aTheartificialhorizontal/verticallinesimage(theoriginalimage);
b1thereconstructedimagefrom1;
b2Thereconstructedimagefrom2;
b3Thereconstructedimagefromboth1and2;
c1Thereconstructedimageexcluding1;
c2Thereconstructedimageexcluding2;
b3Thereconstructedimageexcludingboth1and2oa图就是人工画的纹理图像(最原始的图片),b1是用a1重新构建的图,b2是a2构建的图,b3是用a1,a2构建的图,c1是是用包括的a1的主要奇异值构建的图,c2是包括a2构建的图,c3是用包括a1,a2构建的图。
选择合适的奇异值o用式子1可以分解然后得到一系列的奇异值,用式子2可以选择一些合适的奇异值来充分的表示一些表面结构。
在这次的研究中,我们用k这个值来决定2个相邻的特征值的临界关系。
由于一开始很难界定k的取值点,o我们用下式来表示一个通用的方法:
oai=(ai-ua)/sai=1,2ro这里,等号前面的是第i个规格化(normalize)的奇异值,ai是第i个奇异值,ua平均数,s是一个图像标准偏移值(standarddeviationofallosingularvalues)o让i=ii+1也就
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 奇异 分解 方法 自动检测 LCD 缺陷 ppt 课件