液晶显示器斑痕缺陷高质量背景建模.docVIP

液晶显示器斑痕缺陷高质量背景建模 　　摘要：针对目前液晶显示器斑痕（LCDMura）缺陷背景抑制检测中重建的背景存在引入性噪声干扰和目标缺损的问题，提出一种基于奇异值分解（SVD）和最大熵的缺陷图像背景建模方法：通过SVD图像像素矩阵，求得奇异值序列；借助矩阵范式推导出图像分量与奇异值的对应关系，进而以图像各分量奇异值所占比率计算各分量的熵值，以此利用最大熵确定重建背景的有效奇异值；再由矩阵重构得到背景，并进一步提出关于背景重建效果评价的一般方法。相比双三次B样条曲线拟合方法，该方法将区域Mura的对比度最少提升0.59倍，提升线Mura对比度最多达到7.71倍；相比离散余弦变换（DCT）方法，该方法将点Mura的噪声最少降低33.8%，将线Mura噪声降低76.76%。仿真结果表明，该模型具有低噪、低损和高亮的优点，能够更为准确地构建出缺陷图像的背景信息。 　　关键词： 　　液晶显示器斑痕缺陷；背景抑制；奇异值分解；最大熵；背景建模 　　中图分类号：TP391.4 文献标志码：A 　　0引言 　　液晶显示器斑痕缺陷（Liquid Crystal Display Mura， LCDMura）是一种非常特殊的面缺陷，具有对比度低、形状多样、面积不定、亮度不均[1]等不同于其他常规缺陷的特征，因此Mura缺陷是LCD缺陷检测中的难点和重点，针对Mura缺陷检测技术的研究已成为生产者和研究人员关注的焦点[2]。Mura缺陷检测的方法有很多，最常用的有基于图像特征[3-5]、频率域[6-8]和背景抑制三大类：基于图像特征的方法由于提取的特征参数固定，灵活性差，使得这种方法虽然处理速度快但检测精度不高；基于频率域方法的优点是变换放大了图像中人眼难以界定的微小差异，但其难以平衡消噪和保留目标两者之间的关系，容易导致缺陷漏检和过检情况的发生；基于背景抑制的Mura缺陷检测采用了原图像与背景差分以分离目标的思想，由于实现简单且检测效果优于其他两类方法，现已被广泛使用，目前，针对这种方法的研究主要集中在背景模型的研究。 　　Lee等[9-10]采用线性回归求解像素坐标与像素值的关系来估计图像背景，这种方法在求解之初就假设所有型值点同时满足某一曲线方程，忽略了交互效应和非线性的因果关系，使得背景估计结果有较大误差。Fan等[11]通过增加误差项修补回归过程造成的误差，由于回归方程的主体没有变化，经过误差补偿后的计算结果仍然偏离实际，同时由于其计算本身的复杂性，使得其在时间上难以达到实际应用的要求。张昱等[2]使用基于最小二乘法的多项式拟合背景，出于考虑给定数据点的误差影响，文中采用多项式近似逼近的思想，通过最小二乘法控制误差来拟合背景。李坤等[12]为了消除多项式拟合过程中的龙格现象采用双三次B样条曲面拟合算法，并添加偏离项和光顺项来控制拟合精度；但是最小二乘约束下的背景拟合过于接近原图像，削弱了差分图像中的缺陷区域，最终降低了检测准度。Chen等[13]提出离散余弦变换（Discrete Cosine Transform，DCT）的背景建模方法，通过半周期的余弦基函数来表达图像信息，保留变换后低频系数，最后通过反变换得到背景图像；该方法计算量小，实时性高，但是离散余弦变换对变换系数非常敏感，且经变换得到的背景比较均匀，对于复杂光照条件下对比度较低的Mura缺陷的背景抑制效果不佳，使得差分后的图像含有背景噪声。 　　奇异值分解（Singular Value Decomposition，SVD）方法常用于计算机视觉的图像处理，如图像隐藏[14-15]、图像去噪[16-17]以及图像压缩和目标重构[18-20]。SVD在图像重建中的应用是以提取重要的图像区域为目的，由于奇异值具有更好的数值稳定性、比例和旋转不变性，使得其在引入性噪声抑制和目标保护方面取得了较好的处理效果，但是当前采用截断保留分布集中的低值奇异值直接重构目标的速度较慢，而针对LCDMura的SVD缺陷背景重建的应用还有待进一步研究[21]。本文通过SVD像素矩阵分解并将分解后的奇异值与矩阵范式相关联，以能量为纽带，建立奇异值与图像分量的关系；进而提出奇异值与图像各分量熵值的计算关系，设计了基于最大熵的背景有效奇异值选取方法；最后设计三种背景重建效果评价方法，以实测值与理论值的比较结果验证了本文提出的背景建模方法能够更好地描述Mura缺陷图像背景信息。 　　3实验结果 　　为了验证本文提出的背景抑制方法的有效性，本文选取Mura缺陷中典型的点、线和区域状缺陷（如图4所示）进行实验，分别通过B样条拟合、DCT以及本文方法进行背景重建，结果如图5所示。图5（a）是经选取偏离系数α=0.998，光顺系数β=0.002的B样条拟合方法[12]37得到的拟合背景。