纠正TFT-LCD面板的背景降格.PPT

定量LCD缺陷等级的图像修复法 Image Restoration for Quantifying TFT-LCD Defect Levels 摘要 尽管为自动检测被称为MURA缺陷系统的机器视觉系统已经为TFT-LCD发展了，但是目前仍然没有能够可靠的完全代替人工检测的方法。为了确定一个真实缺陷的客观标准，一些基于人工感觉的定量缺陷等级索引函数最近正在被研究中。然而，这些函数在实验室里校验，但是它们所需要考虑的是在真实系统中的应用。一开始，我们获取面板的时候就要纠正扭曲。扭曲会产生视觉上与面板实际显示之间的缺陷。有一些已知的方法来存储一般视觉系统中的观测图像。然而，TFT-LCD面板图像有一个独立背景降格，由背景非均匀和不能被传统方法存储的虚光效果组成。因此，在本文中，我们介绍一个引得方法去纠正TFT-LCD面板图像的背景扭曲利用主要组成分析PCA。试验结果显示了我们的方法完全恢复给予的图像和转换MURA形状非常接近原始图像形状。 1绪论 自从TFT-LCD成为一个广泛应用的时候，很多厂商对提高生产效率有意义重大的兴趣。同样也是生产无瑕疵的面板，厂商也已经集中在面板上查找MURA来帮助人工检测。最近一些自动检测MURA的算法被介绍和应用。然而，这些步骤并没有消除人工检测，因为检测的方法的瓶颈是纠正真实缺陷的度量的客观等级无法确定。一些试验去量化缺陷等级，基于人工理解，已经被提出和应用。研究者做了一些试验测量人工能认知MURA的度。这些MURA被一些特征理想的建模成缺陷综合，例如差异，大小边缘锐度。MURA可见度的含义被确定了。下一步，从其他特点空间确定先或者表面分割真实缺陷被确定，和索引函数考虑这个信息被产生了。本文是正在进行的定量线MURA工作和重要集中在线MURA。 尽管确认索引函数是十分彻底的表现，但是实践中的应用程序要面对一个问题：自动缺陷检测系统通常检测图像获得用获取物体的照片，和过程扭曲能够引入观测图像。扭曲能够转变扭曲的图像，例如图1所示。产生一个错误鉴定缺陷。因此，取出获得图像的扭曲是非常必要的，目的是给索引函数能够被使用。 2量化过程 在这个过程中，我们尝试创造一个索引函数给线MURA，这个能开始由选择一些由人工识别的MURA特点，例如：对比度，宽度和边缘锐度。例如在图2a中 对比度被给出，由亮度剧烈变换值在背景值和MURA值中间，宽度由MURA的像素大小给出，边缘锐度由背景角度延长线和MURA边缘倾斜度之间给出。MURA被表示为点，定义为特征点，例如图2b中的选定特征的笛卡尔积的特点空间。 然后，我们做一个试验获得可见特点的中间值。在这个实验中，我们做几个假的MURA，理想的缺陷，吻合相应的特征点在特征空间里和被要求的人工检测领域里去判断MURA是否可见或者不可见当它显示在一个TFT-LCD板中的时候。中间可见值被所有检测的平均值和后来相应的特征点计算。 下一步，我们定义明显区别JND表面作为特点空间的表面近似的接近于特征点。缺陷表面被定义为一个这样的表面，是大约表面有中间可见值1.0的点和接近于JND表面。这个点在JND上表面有一个很大可能性被认出。例如图2c所示的利用试验和表面的MURA分配。这个过程可以用下面的等式定义 这里，x是特征点，xJND是JND表面，d是两个表面之间的距离。如果index(x)比1打，我们能够定义x是一个真实的缺陷。 3图像还原 当LCD面板被获得以后，图像的亮度获得能够和屏幕辐射区分开来，因为不同的降级因素。从屏幕辐射给图像亮度的转换能够被假定为两个函数，s和t，例如图3所示。 函数s是屏幕辐射变换的模型，L是图像光辉，E是图形的几何变换。函数t同上来说是一个非线性函数。 这个非线性变换，t被成为摄像头反应函数CRF，这个CRF是由厂商故意深入镜头来增强图像的，但是能够被申请它的反函数校正。这个反函数能被一下几种方法找到。利用由屏幕由多个角度产生的多重图像，利用不同照明方式的多重图像，利用一个数据库包括真实世界摄像头反应函数DoRF。在大部分算法中，摄像头反应函数被建模为一个微克曲线或者低度多项式，但是自然地，他们为相同的摄像头产生相似的形状。在本文中，我们选择Mitsunaga and Nayar算法，因为它能够简单的适应我们的系统。 函数s能够被各种变换的因素影响，例如随机噪声，混乱和背景降格。在数字摄影中，噪声能够表现出作为像素模板噪声，射击噪声，和读取噪声的形式，能够被合适的过滤减少，例如中间值，中线值和平滑过滤。混乱通常产生于有意的摄像头散焦去获得平滑图像。因此，最好的方法是减少混乱因素。然而，如果我们不能避免散焦，我们能够还原边缘通过一些清晰方法。当我们假设几何形变可以忽略的话，这个真实的关系就在理想图像之间了，f(x,y)，反应屏幕辐射和获得图像，g(