一种LCD导光板的表面缺陷检测算法制造技术

本发明专利技术涉及检测算法技术领域，具体公开了一种LCD导光板的表面缺陷检测算法，其中，所述LCD导光板的表面缺陷检测算法包括：S110、采集LCD导光板图像训练数据；S120、对所述LCD导光板图像训练数据进行纹理能量特征提取，获得训练数据的多通道纹理能量特征；S130、根据所述训练数据的多通道纹理能量特征建立高斯混合模型；S140、采集待检测的LCD导光板的图像；S150、对所述待检测的LCD导光板的图像重复步骤S130；S160、根据所述高斯混合模型识别所述待检测的LCD导光板的图像的多通道纹理能量特征中的缺陷区域，得到检测结果。本发明专利技术提供的LCD导光板的表面缺陷检测算法具有检测精度高且检测能力强的优势。

A Surface Defect Detection Method for LCD Light Guide Plate

The invention relates to the technical field of detection algorithm, and specifically discloses a surface defect detection algorithm for LCD light guide plate, in which the surface defect detection algorithm for LCD light guide plate includes: S110, acquisition of LCD light guide plate image training data; S120, extraction of texture energy features from the training data of LCD light guide plate image, acquisition of multi-channel texture energy features of training data; According to the multi-channel texture energy characteristics of the training data, the Gauss mixture model is established; S140, the image of the LCD guide plate to be detected is collected; S150, the image of the LCD guide plate to be detected is repeated; S160, according to the Gauss mixture model, the defect areas in the multi-channel texture energy characteristics of the image of the LCD guide plate to be detected are identified, and the detection knot is obtained. Fruit. The surface defect detection algorithm of the LCD light guide plate provided by the invention has the advantages of high detection accuracy and strong detection ability.

【技术实现步骤摘要】
一种LCD导光板的表面缺陷检测算法
本专利技术涉及检测算法
，尤其涉及一种LCD导光板的表面缺陷检测算法。
技术介绍
液晶显示屏-导光板(LiquidCrystalDisplay-LightGuidePlateLCD-LGP)是生产液晶显示器背光源模组中的重要部件，其表面缺陷将影响液晶屏的显示效果。基于机器视觉的LCD导光板表面缺陷自动光学检测(AutoOpticalInspectionAOI)系统，相对人工视觉检测具有检出率高、误检率底、速度快、可全天无间断工作等优点。其中LCD导光板图像复杂背景下的缺陷检测技术是AOI系统视觉检测部分的核心，其难点问题在于：1)由于LCD导光板表面导光颗粒大小和散布密度的不同导致的背景纹理异性较大；2)成像面积较小的缺陷缺乏纹理特征容易被复杂背景干扰；3)单个导光颗粒缺失的区域无法提取用于检测的特征；4)对系统的检出率和实时性等性能指标的要求。根据LCD导光板表面常见缺陷的种类和缺陷特征提取的方式，传统的LCD导光板缺陷检测方法有：不变矩特征检测法和频域滤波检测法。不变矩特征检测法通过提取图像的矩不变量作为描述不同区域网点结构分布的特征量，但使用高阶矩表征图像细节信息时易受到噪声等因素的影响，而且难以对划痕、异物和点、线、面状等常见缺陷进行检测，而且矩不变量的计算较为复杂，难以达到检测系统实时性的要求。频域滤波检测法是生产中常用的检测方法，利用傅里叶变换从频域的角度对图像进行分割，剔除了具有周期性的背景图案，然后利用Otsu阈值法和形态学技术完成缺陷区域前景的提取。但是傅里叶变换是一种全局性的变化，缺乏局部化分析能力，易受到图像灰度局部分布不均的干扰。使用Gabor变换在频域中对多个固定的方向和尺度提取相关特征，Gabor滤波方法具有很好的频率选择性和方位选择性，克服了傅里叶变换的缺点，但其时频窗口的大小和形状不能随频率的变化而变化，不具备自适应能力。因此对于背景纹理变化和灰度分布易受光照影响的LCD导光板图像而言，常用的频域滤波检测法在重构图像的过程中容易出现缺陷信息丢失和背景去除不彻底的现象。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一，提供一种LCD导光板的表面缺陷检测算法，以解决现有技术中的问题。作为本专利技术的一个方面，提供一种LCD导光板的表面缺陷检测算法，其中，所述LCD导光板的表面缺陷检测算法包括：S110、采集LCD导光板图像训练数据；S120、对所述LCD导光板图像训练数据进行纹理能量特征提取，获得训练数据的多通道纹理能量特征；S130、根据所述训练数据的多通道纹理能量特征建立高斯混合模型；S140、采集待检测的LCD导光板的图像；S150、对所述待检测的LCD导光板的图像重复步骤S130；S160、根据所述高斯混合模型识别所述待检测的LCD导光板的图像的多通道纹理能量特征中的缺陷区域，得到检测结果。优选地，所述对所述LCD导光板图像训练数据进行纹理能量特征提取，获得训练数据的多通道纹理能量特征包括：采用相干增强扩散滤波对所述LCD导光板图像进行预处理；将预处理后的LCD导光板图像进行纹理能量特征提取，获得训练数据的多通道纹理能量特征。优选地，所述采用相干增强扩散滤波对所述LCD导光板图像进行预处理包括：构建依赖于结构张量的相干增强扩散模型，其中所述相干增强扩散模型为：其中，x、y表示LCD导光板图像像素的坐标，I(x,y,t)表示t时刻的LCD导光板图像数据，I0(x,y)表示t＝0的LCD导光板图像的初始图像数据，D表示2×2的扩散矩阵，且为正定对称矩阵；表示结构张量；扩散矩阵D的特征向量与结构张量Jρ相同；构建结构张量，并计算所述结构张量的特征值，其中所述结构张量表示为：计算Jρ的两个特征值为λ1,λ2：其中，Kρ表示高斯半径为ρ的高斯卷积核，令Jρ的特征值λ1>λ2，λ1,λ2对应的特征向量分别为v1,v2，v1与所述LCD导光板图像梯度方向平行，v2与所述LCD导光板图像梯度方向垂直；当λ1≈λ2≈0时，所述LCD导光板图像的相应区域有光滑特性；当λ1>>λ2≈0时，所述LCD导光板图像的相应区域有边缘或流线状结构；通过相干性公式中的相干性测度C来定义所述LCD导光板图像局部区域的相干性，其中，所述相干性公式表示为：C：＝(λ1-λ2)2；根据构建的所述相干增强扩散模型对所述LCD导光板图像进行滤波。优选地，所述将预处理后的LCD导光板图像进行纹理能量特征提取，获得训练数据的多通道纹理能量特征包括：选择多组二维Laws纹理滤波模板对所述LCD导光板图像进行卷积操作，且在纹理能量变化阶段增加高斯平滑操作。优选地，所述选择多组二维Laws纹理滤波模板对所述LCD导光板图像进行卷积操作，且在纹理能量变化阶段增加高斯平滑操作包括：将一维Laws模板向量两两卷积得到二维Laws纹理滤波模板；将经过CED滤波的LCD导光板图像和未经过CED滤波的LCD导光板图像采用多组二维Laws纹理滤波模板进行卷积操作；根据高斯滤波器对卷积操作后的LCD导光板图像进行纹理能量变换；将经过高斯平滑后的多个纹理特征分量按顺序组成多通道纹理能量图，完成LCD导光板图像的特征提取。优选地，所述根据所述训练数据的多通道纹理能量特征建立高斯混合模型包括：构建高斯混合模型，将多通道纹理能量特征采用K个高斯函数联合表示为：其中，Xj＝n＝[x1,n,x2,n,...,xd,n]T，αm,j表示j张训练数据中像素的观测值来自第m个分模型的先验概率；且αm,j满足αm,j≥0，θ＝{θ1,j,θ2,j,...,θm,j；α1,j,α2,j,...,αm,j}表示参数集合；φ(Xj|θm,j)表示Xj是第m个高斯分布的概率密度函数，对应d维高斯分布的参数为θm,j且均值和协方差分布为μm,j、Σm,j，φ(Xj|θm,j)的表达式为：将多通道纹理能量图像分区域添加至对应的高斯混合模型进行训练，计算对数似然函数的期望，以确定Q函数；根据Q函数求解，直至对数似然函数收敛于最优值。优选地，所述根据所述高斯混合模型识别所述待检测的LCD导光板的图像的多通道纹理能量特征中的缺陷区域，得到检测结果包括：将待检测的LCD导光板的图像以逐个像素点读入数据；计算待检测的LCD导光板的图像所属第m个分布后的后验概率；将所述后验概率与相应的高斯混合模型不匹配的像素作为缺陷检测结果输出；汇总每个区域所对应的高斯混合模型的判别结果，输出包含缺陷的子图像。优选地，所述对所述待检测的LCD导光板的图像重复步骤S130包括：对所述待检测的LCD导光板的图像根据所述训练数据的多通道纹理能量特征建立高斯混合模型。本专利技术提供的LCD导光板的表面缺陷检测算法，通过相干增强扩散滤波进行预处理，使用不同的纹理能量滤波模板对相同区域提取多组纹理能量特征，将随机纹理背景的多通道纹理能量特征作为高斯混合模型的训练数据，最后应用高斯混合模型识别图像中的缺陷，利用相干增强扩散滤波减少噪声和图像背景纹理信息的干扰，并增强了缺陷区域内部的连续性，提高了缺陷的线状纹理特征；组成的多通道纹理能量图像扩大了背景和缺陷纹理特性的差异；由于传统阈值法判别目标缺陷的精准度不高，本专利技术采用背景建模的思想，结合本文档来自技高网...

【技术保护点】
1.一种LCD导光板的表面缺陷检测算法，其特征在于，所述LCD导光板的表面缺陷检测算法包括：S110、采集LCD导光板图像训练数据；S120、对所述LCD导光板图像训练数据进行纹理能量特征提取，获得训练数据的多通道纹理能量特征；S130、根据所述训练数据的多通道纹理能量特征建立高斯混合模型；S140、采集待检测的LCD导光板的图像；S150、对所述待检测的LCD导光板的图像重复步骤S130；S160、根据所述高斯混合模型识别所述待检测的LCD导光板的图像的多通道纹理能量特征中的缺陷区域，得到检测结果。

【技术特征摘要】
1.一种LCD导光板的表面缺陷检测算法，其特征在于，所述LCD导光板的表面缺陷检测算法包括：S110、采集LCD导光板图像训练数据；S120、对所述LCD导光板图像训练数据进行纹理能量特征提取，获得训练数据的多通道纹理能量特征；S130、根据所述训练数据的多通道纹理能量特征建立高斯混合模型；S140、采集待检测的LCD导光板的图像；S150、对所述待检测的LCD导光板的图像重复步骤S130；S160、根据所述高斯混合模型识别所述待检测的LCD导光板的图像的多通道纹理能量特征中的缺陷区域，得到检测结果。2.根据权利要求1所述的LCD导光板的表面缺陷检测算法，其特征在于，所述对所述LCD导光板图像训练数据进行纹理能量特征提取，获得训练数据的多通道纹理能量特征包括：采用相干增强扩散滤波对所述LCD导光板图像进行预处理；将预处理后的LCD导光板图像进行纹理能量特征提取，获得训练数据的多通道纹理能量特征。3.根据权利要求2所述的LCD导光板的表面缺陷检测算法，其特征在于，所述采用相干增强扩散滤波对所述LCD导光板图像进行预处理包括：构建依赖于结构张量的相干增强扩散模型，其中所述相干增强扩散模型为：其中，x、y表示LCD导光板图像像素的坐标，I(x,y,t)表示t时刻的LCD导光板图像数据，I0(x,y)表示t＝0的LCD导光板图像的初始图像数据，D表示2×2的扩散矩阵，且为正定对称矩阵；表示结构张量；扩散矩阵D的特征向量与结构张量Jρ相同；构建结构张量，并计算所述结构张量的特征值，其中所述结构张量表示为：计算Jρ的两个特征值为λ1,λ2：其中，Kρ表示高斯半径为ρ的高斯卷积核，令Jρ的特征值λ1>λ2，λ1,λ2对应的特征向量分别为v1,v2，v1与所述LCD导光板图像梯度方向平行，v2与所述LCD导光板图像梯度方向垂直；当λ1≈λ2≈0时，所述LCD导光板图像的相应区域有光滑特性；当λ1>>λ2≈0时，所述LCD导光板图像的相应区域有边缘或流线状结构；通过相干性公式中的相干性测度C来定义所述LCD导光板图像局部区域的相干性，其中，所述相干性公式表示为：C:＝(λ1-λ2)2；根据构建的所述相干增强扩散模型对所述LCD导光板图像进行滤波。4.根据权利要求2所述的LCD导光板的表面缺陷检测算法，其特征在于，所述将预处理后的LCD导光板图像进行纹理能量特征提取，获得训练数据的多通道纹...

【专利技术属性】
技术研发人员：卢先领，张亚洲，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32