[发明专利]一种基于GPU的TFT-LCD Mura缺陷检测的方法

摘要

本发明公开了一种基于GPU的TFT‑LCD Mura缺陷检测的方法，包括下述步骤：(1)基于原始图像数据建立基于学生化残差的双二阶回归诊断模型，获得双二阶回归背景图像数据；(2)根据原始图像数据和所述双二阶回归背景图像数据获得各组数据点对拟合值的影响量；(3)根据所述影响量排除原始图像数据中的奇异点和影响点，获得新的像素点集；(4)根据新的像素点集建立双N阶多项式曲面拟合模型，获得双N阶背景图像数据；(5)根据所述双N阶背景图像数据和原始图像数据获得残差图像R并对残差图像进行阈值分割处理，获得阈值分割图像；(6)对阈值分割图像进行形态学处理，获得腐蚀膨胀后的图像，实现对亮度分布不均的Mura缺陷进行有效的分割。

主权项

1.一种基于GPU的TFT‑LCD Mura缺陷检测的方法，其特征在于，包括下述步骤：(1)基于原始图像数据建立基于学生化残差的双二阶回归诊断模型，并计算所述双二阶回归诊断模型的第一系数，并将所述第一系数进行拟合处理，获得双二阶回归背景图像数据；(2)根据所述原始图像数据和所述双二阶回归背景图像数据获得各组数据点对拟合值的影响量WK；其中，第i组数据点对于拟合值的影响量第i组数据点的数据删除模型表示为Z(i)＝X(i)β+ε(i)，其中，X(i)和Z(i)分别为坐标数据集X和灰度数据集Z去掉第i行和z_i后的数据集，z_i为第i个数据点的灰度值，为第i个数据点的坐标向量；p_ii为X生成的投影阵P＝X(X^TX)^‑1X^T的对角元素；(3)根据所述影响量WK排除所述原始图像数据中的奇异点和影响点，获得新的像素点集ΦB；(4)根据新的像素点集ΦB建立双N阶多项式曲面拟合模型，重新计算双N阶多项式曲面拟合模型的第二系数，并根据所述第二系数估计双N阶背景图像数据；(5)根据所述双N阶背景图像数据和所述原始图像数据获得残差图像并对所述残差图像进行阈值分割处理，获得阈值分割图像；为由原始图像最终拟合的双N阶背景图像数据；(6)对所述阈值分割图像进行形态学处理，获得腐蚀膨胀后的图像；步骤(1)具体为：(1.1)建立基于学生化残差的双二阶回归诊断模型：Z＝Xβ+ε＝p00+p10x+p01y+p20x2+p11xy+p02y2+ε；(1.2)根据最小二乘法计算所述双二阶回归诊断模型的第一系数的估计值(1.3)将所述第一系数的估计值进行拟合处理，获得双二阶回归背景图像数据其中，X表示二维图像的横轴和纵轴坐标的矩阵表示形式；Z为X中对应坐标位置处的像素灰度值；p₀₀,p₀₁,…,p₂₀为双二阶回归诊断模型的第一系数；ε为残差值，满足ε～(0,σ²I)，I为单位矩阵，β为第一系数的向量表示形式，β的水平为1‑α的置信域可表示为如下形式：p为双二阶回归诊断模型系数个数；n为图像像素点总数；和为第一系数β和方差σ的最小二乘估计；F(p,n‑p)为F分布。