【技术实现步骤摘要】
本专利技术涉及TFT LCD mura缺陷机器视觉检测
,更具体地说,涉及基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法。
技术介绍
随着液晶显示器(Liquid crystal display,LCD)向大画面、轻薄化、高分辨率的方向发展,屏幕的缺陷检测工作也愈加重要。mura缺陷用来描述人眼观察显示器时感知到的亮度不均衡性,是一种没有固定形状、边缘模糊的低对比度目标,其产生原因主要是电路或构造上的缺陷以及材料特性的不均匀,是LCD缺陷检测的研究重点和难点。目前国内外大多采用人工检测的方法完成TFT LCD产品生产线后端检测工作,存在效率低、成本高、稳定性与可靠性差等问题,基于机器视觉的图像检测算法具有很好的发展前景。目前国内外对于mura缺陷的检测方法主要分为基于统计学理论和图像处理理论的方法,后者主要是通过抑制纹理或重建图像背景等方法实现mura区域的提取。常见的纹理背景抑制方法包括一维傅立叶变换、离散余弦变换和小波变换等,基于背景重建的方法常见的有奇异值分解法、基于独立成分分析的方法、基于改进的线性回归诊断方法等。但是这些方法的滤波或重建能力有限,容易出现过检、漏检等情况,且由于mura的弱边缘特性,这些方法往往无法准确定位mura弱边缘位置。经检索,中国专利申请号:2013104057358,申请日:2013年9月9日,专利技术创造名称为:基于Gabor滤波与C-V模型分割的LCD Mura缺陷机器视觉检测方法,该申请案涉及一种基于Gabor滤波与C-V模型分割的LCD Mura缺陷机器视觉检测方法,包括如下步 ...
【技术保护点】
基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法,包括以下步骤:步骤一、图像采集,具体为在低亮度环境中采集LCD屏幕图像,采集到的原始彩色图像为Mrgb(x);步骤二、对步骤一获得的原始彩色图像Mrgb(x)进行ROI区域分割与角度矫正,获得角度矫正后的ROI区域彩色图像Iroi(x);步骤三、对步骤二获得的ROI区域彩色图像Iroi(x)进行多色彩通道提取;步骤四、利用二维DFT对步骤三中提取的多色彩通道进行背景抑制,分别得到背景抑制后的单通道图像I(x);步骤五、利用混合自适应水平集模型对步骤四所得的背景抑制后单通道图像I(x)进行mura缺陷的分割;步骤六、对步骤五所得的分割结果进行结果融合与显示。
【技术特征摘要】
1.基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法,包括以下步骤:步骤一、图像采集,具体为在低亮度环境中采集LCD屏幕图像,采集到的原始彩色图像为Mrgb(x);步骤二、对步骤一获得的原始彩色图像Mrgb(x)进行ROI区域分割与角度矫正,获得角度矫正后的ROI区域彩色图像Iroi(x);步骤三、对步骤二获得的ROI区域彩色图像Iroi(x)进行多色彩通道提取;步骤四、利用二维DFT对步骤三中提取的多色彩通道进行背景抑制,分别得到背景抑制后的单通道图像I(x);步骤五、利用混合自适应水平集模型对步骤四所得的背景抑制后单通道图像I(x)进行mura缺陷的分割;步骤六、对步骤五所得的分割结果进行结果融合与显示。2.根据权利要求1所述基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法,其特征在于,步骤一的具体过程为:在低亮度环境中利用高精度CCD相机采集LCD屏幕图像,相机摄像头的中轴线方向与LCD屏幕法向同向,且LCD屏幕处于相机拍摄范围的中心区域,采集到的原始彩色图像为Mrgb(x)。3.根据权利要求2所述基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法,其特征在于,步骤二的具体过程为:设置阈值对原始彩色图像Mrgb(x)进行二值化获得预分割结果,利用Harris角点检测与Hough变换获得角点信息和屏幕边缘直线信息,三者结合实现对原始彩色图像Mrgb(x)边缘的精确定位,获得分割后的ROI区域;分割后的ROI区域为一旋转矩形,将其旋转角度调至0,实现角度矫正,获得角度矫正后的ROI区域彩色图像Iroi(x)。4.根据权利要求3所述基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法,其特征在于,步骤三的具体过程为:提取步骤二所得ROI区域彩色图像Iroi(x)的灰度图G(x),以及ROI区域彩色图像Iroi(x)的hsv色彩空间的s通道图像S(x),用于后续图像处理。5.根据权利要求4所述基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法,其特征在于,步骤四的具体过程为:对步骤三中的灰度图G(x)、s通道图像S(x)分别利用二维DFT滤除规律网格纹理背景,获得背景抑制后单通道图像I(x),包括背景抑制后的灰度图g(x)和背景抑制后的s通道图像s(x)。6.根据权利要求5所述基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法,其特征在于,步骤五的具体过程为:利用混合自适应水平集模型对背景抑制后单通道图像I(x)进行分割,混合自适应水平集模型将I(x)的全局信息和局部信息融合,并引入惩罚项和自适应内外灰度差异项。7.根据权利要求6所述基于混合自适应水平集模型与多通道结合的TFT LCD mura缺陷检测方法,其特征在于:所述混合自适应水平集模型包括全局拟合项、局部拟合项、长度项、惩罚项和自适应内外灰度均值差异项,表达式如下:E=λEglobal(φ)+αElocal(φ,f1,f2)+νL(φ)+μP(φ)+βT(φ,φ0)a、第一项Eglobal(φ)为全局拟合项,为水平集演化提供全局动力,λ为全局拟合项权值系数,实际表示为λ1和λ2两个数值。Eglobal(φ)的表达式如下:Eglobal(φ)=λ1∫|I(x)-c1|2Hε(φ(x))dx+λ2∫|I(x)-c2|2(1-Hε(φ(x)))dx其中,φ表示水平集函数;权值系数λ1>0,λ2>0为常数;I(x)为背景抑制后单通道图像;c1和c2分别为图像I(x)在目标区域和背景区域中的灰度均值,Hε(x)为Heaviside函数,ε取1.0,且c1、c2、Hε(x)的表达式分别如下: c 1 = ∫ I ( x ) H ϵ ( φ ( x ) ) d x ∫ H ϵ ( φ ( x ) ) d x , c 2 = ∫ I ( x ) ( 1 - H ϵ ( φ ( x ) ) ) d x ∫ ( 1 - H ϵ ( φ ( x ) ) ) d x ]]> H ϵ ( x ) = 1 2 [ 1 + 2 π arctan ( x ϵ ) ] ]]>b、第二项Elocal(φ,f1,f2)为局部拟合项,α为局部拟合项权值系数,实际表示为α1和α2两个数值。Elocal(φ,f1,f2)的表达式如下:Elocal(φ,f1,f2)=α1∫[∫Kσ(x-y)|I(y)-f1(x)|2Hε(φ(y))dy]dx+α2∫[∫Kσ(x-y)|I(y)-f2(x)|2(1-Hε(φ(y)))dy]dx其中,Kσ表示标准差为σ的高斯函数,取σ为1.5;权值系数α1>0,α2>0为常数;式中x和y代表图像I(x)中两个点,x表示曲线上一点,y表示对点x进行局部近似范围内的某一点;空间可变函数fi(x)为图像I(x)在点x处的局部拟合值,用以对轮廓周围进行局部近似,且f1(x)、f2(x)的表达式分别如下: f 1 ( x ) = K σ ...
【专利技术属性】
技术研发人员:李勃,朱赛男,董蓉,王秀,何玉婷,史德飞,
申请(专利权)人:南京汇川图像视觉技术有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。