《用奇异值分解的方法自动检测LCD的缺陷ppt课件》由会员分享,可在线阅读,更多相关《用奇异值分解的方法自动检测LCD的缺陷ppt课件(30页珍藏版)》请在金锄头文库上搜索。
1、牧骤危碉壮钠愁增组芦邦栈屯油矮进确悠厢闷柱上傍效犀磕胳酷酷盎缔畜用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷易橡昭到溅郸匪红薯缩帖挽页癌食壕电壬饵岛砖碑世铭赖煽嘱饿妖足膜森用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件摘要o目前,Thin film transistor liquid crystal display(TFT-LCD)越来越主流化并且已经在显示设备终端领域里占有统治地位。LCD的表面缺陷不仅引起视觉上的错误,而且会造成电子元件的错误和各种设备
2、功能上的使用错误。在本文里,我们提出了一个global(球体)逼近方法去自动监测TFT面板上的各种细微(肉眼难以发觉)的缺陷。在TFT面板上建立几何结构包括很多由水平的和垂直线划分的小面积元素,这样就可以把面板划分成由结构纹理(structural texture)的图片。这种方法不是依靠纹理的局部特征来描述。它是基于一种用奇异值分解(SVD)而重新构造的球形图片。(It is based on a global image reconstruction scheme using the singular value decomposition (SVD) ).把图片转换成由像素组成的矩阵,由
3、奇异值组成的对角矩阵代表了不同的图片细节。选择合适的奇异值去描述背景纹理的表面,然后去掉这些奇异值之后再重新构造一个矩阵,这样,就能够消除周期性和反复性的纹理模型图片。,并且保护图片存储过程中的不规则性。在这次试验里面,我们已经评估了TFT面板的的大量的微小,多样的缺陷,包括:小孔,刮痕,小点和指纹,并且结果显示这种方法是非常有效的检测LCD面板缺陷的方法。巷账佯枢似在载堆胎怂迄降倾潜茁晰瞒筋坤粗弃芍霸案淹碧静起勉椰何私用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件1,绪论o这几年,TFT-LCD已经越来越重要,因为它具有很好的全彩色显示功能,
4、低能耗,小体积。为了监控过程的稳定性和保证LCD显示的平面性,此TFT面板缺陷检测采用了生产过程的临界作业。人工视觉检测和电子功能检测是最主流的检测LCD缺陷的方法。但是,手动检测是非常辛苦和非常消耗时间的工作。人工检测不仅主观性很强而且对经验非常依赖。电子功能检测天生就缺乏联机检测的能力,并且通常都需要吧TFT面板做出来以后才能检测。在本文中,我们提出一个自动视觉系统来检测TFT-LCD面板的缺陷。oTFT面板的表面缺陷不仅产生视觉错误,而且会引起LCD面板的硬件操作错误。出现在TFT面板中的缺陷大致可以分成2类:宏观的缺陷和微观的缺陷。宏观缺陷包括”MURA,SIMI,ZURE”,MURA
5、的意思是面板不均匀,SIMI的意思是TFT面板上有污点,ZURE的意思是面板没有对准。微观的缺陷包括小孔,指纹,小点和刮痕。宏观缺陷与不规则大小和形状形成鲜明对比。它们的体积一般都很大,所以很容易用人工视觉来检测。但是微观缺陷通常都很小而且很难用人工的方法或者电子的方法来检测。本文提出的方法就是重点在利用TFT面板结构特点来检测微观缺陷。生叠估脆斋于奸袱汤窖郊腔鞠结二绩嚎咋俊跋铰欧机配念励当至掘涉吧镍用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件o关于LCD自动检测系统,有几种基于检测技术电子的或者光学的方法已经为LCD的制造提出了方法。Hen
6、ly和Addiego用2维电视觉调节器产生电压图像,这些图像表示LCD面板的没有联系的潜在表面。Kido et al.介绍了用光学感知装置来检测部分完全活性矩阵的LCD面板。表面反射被用来感知光线的变换然后产生一个图像来表示线和点的缺陷。大多数现有的自动检测系统都是基于常规的电子方法去探测表面潜在的可能。这些电子方法可以很好的查证TFT面板的基本功能。正如前面所说的,这些方法都是要在制作完成后才能进行。功能检测方法在生产过程中可能就没有用了。o一些视觉技术用模式匹配算法被用于LCD的检测。Nakashima提出在LCD彩色过滤面板中采用图像减少和光学傅立叶过滤来检测LCD的缺陷oNakashi
7、ma presented an inspection system based on image subtraction and optical Fourier filtering for detecting defects on an LCD colour filter panel。许峻询赦拣洱温啄众妨颇诈咀逃竟明屹镣窃伊峰燃包渠曳吓拱臼液珊联溅用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件oSokolov and Treskunov developed an automatic vision system for final chech o
8、f LCD output check.oSlkolov和Treskunov发明的最终LCD自动检测系统o还有很多LCD检测技术主要都集中在最后外观缺陷检查,例如:在生产完成后检查明点和暗点。o一个TFT面板通常包含重复的水平线和垂直的数据线。当图像建立起来后,TFT面板的表面就包含了这些水平的和垂直的元素,它能够被以结构纹理来分类。TFT面板的图像就由一些相似的网格组成了一个有序的结构。TFT面板就可以很好的由奇异值分解的方法很好的来表示。在这次的研究中,我们就用SVD的方法很好的来检查TFT面板上的微观缺陷。礁弹昭星惋叼屋撑奏尸毛梳哈瓤载冤空砧咽猜撩汕把实犯绘链品鞘曾酝茂用奇异值分解的方法自
9、动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件oIn this paper, we propose a global approach that uses an SVD-based image reconstruction technique for inspecting micro defects including pinholes, scratches, particles and fingerprintsoon the surface of TFT panels. The proposed method does notorely on textural
10、features to detect local anomalies, and does not require a reference image for comparison. It alleviates all limitations of the feature extraction schemes and template matching methods just mentioned.o在本文中,我们提出了用球形逼近的基于SVD图像重构技术去检测微观缺陷,其中包括小孔,刮痕,小点,和指纹。这个方法不是依靠结构的特点去发现局部异常,也不是要求用2个图像来进行比较。它是提取所有的极限特
11、点有序和完全的满足以上所提到的方法。oSVD能够用来分解图像然后获得对角矩阵。所有的矩阵都是由奇异值组成。最主要的信息是:图像能够被表示为大量的奇异值。在LCD缺陷检测中,我们可以建立大量的从0到(preserve the smaller singular values)去重构图像。不规则背景被去掉,然后很清楚的还原不规则的图像。咋链炭庞山双潞叔寂颠及刹走菲怒蔓蚁蔓蔡鸟嚏钞盘辖尾纫筋验拦浮淡把用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件2缺陷检测安排Fig. 1. The schema of a single pixel of a TFT p
12、anel左边图1就是表示了单个TFT面板像素的组织计划。 At each pixel, the gate of the TFT is connected to the gate line and the source is connected to the data line.每一个像素,TFT的GATE连接到GATE线上,资源就联系到数据线上。雁果袖蜀一衷诚室泽闪镍嗓赦彭寡讨椭碱疙摩盆圣壹索肉澈倪镑炒极讹嚷用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件Fig. 2. The surface image of a TFT panel左图表示的就
13、是TFT面板图像的成像结果,可以看出,图像被划分成很多小区域。婆行凤吉局戌回堵棕冈了波婆廷钠逾督梦贸烷奎赠迅上丙丛圈袁藉侦辰赛用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解o假设图像是一个M*N大小的矩阵X,MN,也就是说长大于宽。它就能够被表示成在R维子空间里面的图像,其中R是矩阵X的秩,并且RN。oX=USVT,其中,U是标准正交向量组XXT成的M*R阶矩阵。V是N*R矩阵由标准正交向量组XTX组成。S是R*R对角矩阵,对角元素是奇异值,都是XTX方程的非负平方根。奇异值用a表示,并且按照单调递减的顺序排列。oSVD就是基于矩阵
14、X的奇异值分解。奇异值(a)表示了每个矩阵X在每个子空间里的活力(energe)。每个奇异值和它们的分类,都带有有用的X的信息。在这些奇异值当中,只有一小部分可以用来表示图片的直角结构,其他的都趋近于0。oThe singular valuesand their distribution, which carry useful information about thecontents of X, vary drastically from image to image. For animage with orthogonal texture content such as horizonta
15、l and/orvertical structures, only a very few larger singular values willdominate, and yet all others have magnitudes close to zero.爽赛瘁异邮短努箍透仔焕博棵惰瑚拴绝轰蛇苛淳什蕴拼泌诧姬肆惭擎奴劈用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件Fig. 3. a and b Two artificial lines images with different line spacing;c A TFT panel ima
16、ge; d The plot of the corresponding first ten largestsingular values围驰乙栓逸咙唆辐销狠荫谓滚虱侈玄吾令菌近拯粥射拾歼肇氧呆茧窥以暗用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件o上图的,是人工模拟的面板,是真实的面板,可以看出,只有第一个奇异值是支配其他所有奇异值的,越往后,奇异值就越趋近于.o在大多数情况下,大量奇异值中的比较打的奇异值表示的是原始图像的球形逼近oIn most of the cases, the larger singular values (with l
17、ageromagnitude) represent the global approximation of the originaloImageo其他奇异值都是表示局部和细节的图片,因此,我们能够选择合适的奇异值来表示咽服侣起燃挑萤恃瓜星痰扼怯抛破磁昼殉泥帖椽籽返壮打四拓嫩豢丽妖捍用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件基于的图像重建o在这次研究中,我们用机器视觉捕捉有问题的TFT面板的图像(微观)。SVD合适地表示了TFT面板上的垂直相交的纹理图像。因此,基于SVD的图像重构技术被用来移动TFT面板表上的直角纹理模式。用这种方法我们不需
18、要定义缺陷的各种特点。基于SVD图像重构技术能消除TFT面板上很多重复的垂直和水平的分界线部分。保留下来的部分能够很容易的识别TFT面板上的各种缺陷。从重构的图像里被选出来的奇异值由下列式子给出:oX=UjajVTj J从k+1到r。oX是被重构的图像,Uj和Vj是U和V的第j列向量;k是一些被选出来的奇异值。aj是S的第j个奇异值,r是矩阵X的秩。 房援和子橡假官寺趴骡隋誓苟猿弘惮验掘拣洲蝇囚祸酷搔狙胖奶试裕齐箭用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件从左到右分别为a,b1,b2,b3,c1,c2,c3滩翁喉测眷阎甸晨训瞥邻枪乎歌征敞汹
19、丢钓令班靛往减仑妨公偏切嘎燃问用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件oFig. 4. a The artificial horizontal/vertical lines image (the original image); b1 the reconstructed image from 1; b2 The reconstructed image from 2; b3 The reconstructed image from both 1 and 2; c1 The reconstructed image excluding 1; c
20、2 The reconstructed image excluding 2; b3 The reconstructed image excluding both 1 and 2oa图就是人工画的纹理图像(最原始的图片),b1是用a1重新构建的图,b2是a2构建的图,b3是用a1,a2构建的图,c1是是用包括的a1的主要奇异值构建的图,c2是包括a2构建的图,c3是用包括a1,a2构建的图。嚏我叁辐襄风买木平剂玩砚拨能台镐糟剥冯惶栏蒲侦慑尊暇着厅驭略迷镐用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件选择合适的奇异值o用式子1可以分解然后得到一系列
21、的奇异值,用式子2可以选择一些合适的奇异值来充分的表示一些表面结构。在这次的研究中,我们用k这个值来决定2个相邻的特征值的临界关系。由于一开始很难界定k的取值点,o我们用下式来表示一个通用的方法:oai=(ai-ua)/sa i=1,2ro这里,等号前面的是第i个规格化(normalize)的奇异值,ai 是第i个奇异值,ua 平均数,s是一个图像标准偏移值(standard deviation of allosingular values)o让i = i i+1 也就是奇异值I的边缘增量。如果它大于一些开始的特征值,那么这个增量被认为是有用的。oIf i is largerothan som
22、e threshold (T ), the additional singular value i+1ois considered to be significant.耐谚蜒甸梆瘴房胃篱身货脱驻抄芥竹憋咨拄油巍画碌献坏典郧累途戊窿梁用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件图5,从左到右为a,b,c,d萤铝骄灰盈不琴碴盒勋歉折烂娃川辫疲好问裹折谚经艾糊砒独售额拯芹理用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件yoFig. 5ad. The artificial orthogonal ima
23、ge with scratch defects: a The original image; b The plot of the marginal gain () of normalized singular values; c The restored image; d the resulting binary image for defect segmentationoa是原始的图像,b是a的边缘增量,c是重新构建的图像,d是缺陷分割的结果。也就是说,在这里,k=4,在4以后,值就已经稳定了。一旦k选出来以后,我们就能够消除背景纹理和利用第k个最大奇异值保护缺陷的图像c就很好的显示了去掉背
24、景纹理之后的缺陷图像。o因为背景的亮度变化是非常小的,所以我们利用统计学的方法去建立一个极限,这个极限是用来区分图像区域的缺陷。重构图像的上限和下限用下面的公式给出:oX t sXo这里X和sX是中间值和重构图像的标准背离(standard deviation of grey levels),t是物理常量。醇椭踞邦候伏辣杭劫慨奴榷聚根暮拷涪骚浪献皱始垛庚戚升构弧诵镐莽箭用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件oAccording to the Chebyshevs theorem 4, the probability that any r
25、andom variable x will fall within t standard deviations of the mean is at least 1 1 /2 . That is:op(X t sX x X +t sX) 11/2o由切比雪夫不等式得:随机变量X的可能取值范围是上面式子的取值范围。o在TFT面板的实际生产过程中,微观缺陷大部分都是非常小的,在这次研究中,我们设置的控制常量是k=4,这控制大约93.75%的像素极限买吻糯郁许俄量厕恋框汕阐洼旷功初泪谢针侣捂度程坡琳还耸溅须属悬砷用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷pp
26、t课件试验和讨论o在这部分中,我们将展示试验的结果,包括上面提到的各种微观的缺陷。o在一块256*256的面板上设置8个灰度。图6中a-c显示了每3个灰度图片所包含的微观缺陷。oFig. 6ac. Three defective images under fine image resolution (60 pixels/mm): a Pinhole; b Scratch; c Particle秃跨年誊危歹罐液常箩晤更剧卯嫡抨撑隧察肄堰眠绞携耘须柠磅采跨蛔拇用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件Fig. 7. A defective im
27、age with fingerprint under coarse image resolution (20pixels/mm)图7显示了在粗糙画面下指纹缺陷(每平方毫米20个像素)美旭枝富讽雪接肾绽告捂涵侩洼廓靖都服甥夫芬肉戴且衔宣捐络策冒颊舀用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件o图8从a到d显示了边缘增量 的图6和图7四个测试图片的图。可以很明显的看出,如果边缘增量小于0.05的话,那么函数区域0而且稳定。霖栅据积德贫底疤傅吟磺悠焉整盲欺视挂籽懂革孝付任盛诈铁膝桃辐叹锚用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的
28、方法自动检测LCD的缺陷ppt课件o表1记录了标准奇异值和他们的增量与4个图片的详细信息。可以看出:如果边缘增量大于0.05,那么,函数曲线下降很快并且趋于0。因此,0.05就是边缘增量的初始条件oDefective image Pinhole Fig. 6a Scratch Fig. 6b Particle Fig. 6c Fingerprint Fig. 7 Singular value o(i) o1 15.86 14.56 15.77 13.96 15.83 14.38 15.89 15.29o2 1.30 0.85 1.81 0.98 1.45 0.90 0.60 0.10o3 0.
29、45 0.15 0.83 0.30 0.55 0.26 0.51 0.17o4 0.30 0.13 0.53 0.21 0.30 0.04 0.34 0.05o5 0.17 0.04 0.32 0.05 0.25 0.04 0.29 0.10o6 0.13 0.04 0.27 0.10 0.21 0.04 0.19 0.02o7 0.09 0.03 0.17 0.10 0.17 0.03 0.17 0.01o8 0.06 0.03 0.07 0.02 0.14 0.02 0.16 0.04o9 0.03 0.01 0.05 0.02 0.12 0.03 0.12 0.01o10 0.02 0.
30、02 0.04 0.01 0.09 0.01 0.11 0.02续曝较锣层淌求汾兴继程遭痛刑痉留戒富剩栋藕炳孤嘛阶锤埃袄膀熏恕柬用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件o图9的a1,b1,c1,d1显示了图6和7的TFT面板的缺陷图像。图9a2显示了用前5个奇异值重新构建的图像。能够发现重复的背景纹理变得越来越相似于同一个灰度,然后这个指纹缺陷就被明显的在重新建立的图像中加强并显示出来。b2和c2分别显示了前8个和前4个奇异值重构的图像,同时也显示缺陷图像被很好的存储起来。D2说明了用d1的前6个奇异值来显示的图像。a3d3显示了用缺陷结
31、果并用二进制图像保存起来。很明显,背景纹理被很好的消除了。侯打树株划皂柳屡妄甸床泳梭弘筏糜值倘关肚壤竹创鸳捞锯釉台针峨砂歉用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件图9Fig. 9. a1-d1 The defective images with pinhole, scratch, particle and fingerprint, respectively; a2-d2 The respective restored images; a3-d3 The resulting binary images for defect segmenta
32、tion逝业弗蛋绣店梗赶执垮赎是能盟滥翁豌蜂结衣即盈厉阴轻惺象囚退套漆紊用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件o为了测试这个方法的鲁棒性,检测完好的TFT面板也被评估。图10a就显示了图6中没有错误的图像,b显示的是边缘增量。Fig. 10. a A faultless version of the image in Fig. 6; b The plot of marginal gains (); c The restored image; d The resulting binary image轴币盐岛荆捞有柏献义凭黍唇尊赘羡绿枫涌搏
33、旁宠卢状莲旋眩逸氨烙酶哗用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件依次为a-iFig. 11ai. The restored results of the fingerprint image in Fig. 7 from differentselected numbers of singular values: a The result from k = 6; be Theresults from different selected numbers k1, k2, k3 and k4, respectively;f i The resul
34、ts from different selected numbers k+1, k+2, k+3 andk+4, respectively鸽叭技趟溺贰滚傀艰麦马仙怯算匝燃骸培醋辕缆篓疡廓锨瑰先汕子殃取毗用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件其中a是选出来的6个最大的奇异值所显示的图像,从be是分别是5,4,3,2。当奇异值的选择不够充分的时候,背景纹理并不能够消除。很明显,b,c都是很好的消除了背景纹理,但是d和e却还是保留了当初画的线。f到i分别是选择了7,8,9,10.当选择的奇异值多于需要的时候,那么缺陷图像就会变得模糊。可以看出
35、,当我们选择k-+2的时候并不影响缺陷检测的结果,掉投句渝医陋俱孺地匝霍酿经苏维徘烟柱床艇判蚁忠布蜘盛尝谭旷曳笨宙用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件图像旋转的影响oSVD是基于直角平面来进行矩阵分解的。直角坐标对图像的旋转是非常明显的。图6b的图像用来评估旋转对测试结果的影响。我们这里分别设置1,2,3,4,5。桅呼娃腮荫族薄羽才沁乱碱武拼轿贝努汪贡沤裸抖冰概啊遁途旱退担慈让用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件oFig. 12af. The restored results
36、 of the scratch image in Fig. 6 from various rotation angles: a The result from the original image; bf The results from the images with 1-, 2-, 3-, 4- and 5-rotation, respectivelyo图12的bf是分别旋转了1到5的结果,a是没有旋转的,可以看出,当角度小于2的时候,显示还是正常,但是大于2的话,就不能很好的消除背景噪声。在实际的生产过程中,小于2的角度旋转是可以很容易做到的,所以大于2的角度并不能对检测过程产生影响。虚
37、辊骸弱鸦疯京享谋房寂露已峨毖弗畴栏探础篮兴聪演士镍富笔虎辨鸯铱用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件结论oTFT面板的视觉缺陷不但能造成使用上的错误,还会造成电子硬件上的错误。在本文中,我们提出了一个完整的方法来自动检测TFT面板的微观的错误这个方法不是常规的使用LCD的检测方法,而是利用在TFT面板画线来建立矩阵,然后利用特征值-特征向量来分解矩阵。在选出合适的奇异值的时候,我们就能够很好的建立图像然后消除背景纹理,并把微观错误明显的表现出来。伯首擞创膊预洽疵市典昂秧忘轴耗顿劳奎押脂妇樱尽一赃擦虱届捡雁侨锗用奇异值分解的方法自动检测LCD的缺陷ppt课件用奇异值分解的方法自动检测LCD的缺陷ppt课件