[发明专利]一种基于样本学习和人眼视觉特性的mura缺陷检测方法

摘要

本发明公开了一种基于样本学习和人眼视觉特性的mura缺陷检测方法，属于TFT‑LCD显示缺陷检测领域。本发明先利用高斯滤波平滑和Hough变换矩形检测对TFT‑LCD显示屏图像进行预处理，去除大量噪声并分割出待检测图像区域；接着引入学习机制，利用PCA算法对大量无缺陷样本进行学习，自动提取背景与目标的差异特征，重建出背景图像；然后对测试图像与背景的差分图像进行阈值化，通过对背景重建和阈值计算联合建模，基于训练样本的学习，建立出背景结构信息与阈值之间的关系模型，并提出基于人眼视觉特性的自适应分割算法。本发明的主要用途是检测出TFT‑LCD液晶显示屏中不同类型的mura缺陷，提高良品率，对mura缺陷的检测精度较高。

主权项

1.基于样本学习和人眼视觉特性的mura缺陷检测方法，其特征在于：本方法先利用高斯滤波平滑和Hough变换矩形检测对TFT-LCD显示屏图像进行预处理，以去除噪声并分割出待检测图像区域；接着引入学习机制，利用PCA算法对大量无缺陷样本进行学习，自动提取背景与待检测目标的差异特征，重建出背景图像；然后对测试图像与背景的差分图像进行阈值化，为降低目标大小变化对阈值确定的影响，通过对背景重建和阈值计算联合建模，基于训练样本的学习，建立出背景结构信息与阈值之间的关系模型，并提出基于人眼视觉特性的自适应分割算法，从而准确地将mura缺陷从背景图像中分割出来；该检测方法的步骤为：/n离线学习过程：/n第1步：采集图片，获取TFT-LCD液晶屏显示图片；/n第2步：对采集的源图像进行平滑去噪预处理；/n第3步：待检测目标图像的分割；/n第4步：选择N张尺寸为w×h的无缺陷的图片作为训练背景模型的样本集，构建出(w×h)×N的样本矩阵，利用PCA提取学习背景图像集样本矩阵的特征向量，并保存前90％的特征向量信息，即得到背景特征向量矩阵U；学习得到样本矩阵的背景特征向量矩阵的具体方法如下：/n(a)构造背景训练样本矩阵/n取N幅无缺陷的尺寸为w×h的图像矩阵X