《用亮度流估计的图像增强法自动检测Lppt课件》由会员分享，可在线阅读，更多相关《用亮度流估计的图像增强法自动检测Lppt课件（18页珍藏版）》请在金锄头文库上搜索。
1、用亮度流估计的图像加强法自动检测LCD摘要o我们提出一个最正确估计TFT-LCD外表除去缺陷区域的过滤的方法。估计不均匀变化外表的TFT-LCD面板区域，利用4方向的高斯过滤法那么是基于图像渐增构造的image pyramid structure。实验的结果校正了这个方法的性能。1绪论绪论o由于TFT-LCD市场的不断扩展，成产的效率变得越来越重要，但是，总的来说，自动检测系统被看成是特别重要的。然而，当我们要求自动检测系统的面板外表图像时有非常严厉的亮度变化和这些亮度变化都主要是由TFT-LCD的面板的构造引起的。在这些亮度变化下，我们不能找到几个准确的区域；因此，我们要使得TFT-LCD图
2、像单调化，除去有缺陷的区域，并保证有稳定性和鲁棒性的检测结果。o为了做这些，下面的过程可以被用到：第一步为TFT-LCD图像建立一个准确的模型，第二步是评价这个模型，最后是有效的扁平化缺陷分割。有很多知的数学模型可以有效的匹配，例如多项式近似值和B-方栓方法。但是这些模型方法都不能用于稳定性和鲁棒性的缺陷分割要求由于这些模型都要求在分割前就要知道缺陷的信息。换一句话说，假设我们用多项式逼近的方法去评价外表，那么我们就不能建立一个合理的评价多项式。同样，在B-方栓方法中，在我们知道最大缺陷大小之前我们不能确定分散矩阵的大小。虽然我们建立最初规范去寻觅TFT外表的粗略评价，我们同样不能发现模糊的缺
3、陷。o因此，我们提出一个除去缺陷区域之外的TFT-LCD面板外表的优化评价的全新的过滤方法。我们用傅立叶变化的频率分析的方法减少非规那么的亮度变化。首先，我们描画面板上的非规那么的特性和分析它去顺应自动检测系统有多困难，然后我们在细节上标志我们提出的方法和讨论这个方法的前提。另外，实验结果和与其他外表匹配方法都会被提到2TFT-LCD的非规那么亮度变化。的非规那么亮度变化。o通常来说，TFT-LCD由很多特殊金属板组成很多层构造。BLUback light unit是金属底层之一元素，是担任照明整个面板的。BLU是由一些荧光灯和一些分散盘组成。荧光灯组成照明的光源，然后光就经过分散盘分散到整个
4、面板上。思索到TFT-LCD内部的空间狭小，我们可以看到在边缘的空间处没有足够的地方去放置更多的荧光灯所以那里缺乏光源和这点会呵斥整个面板的亮度变化不均匀，甚至我们用设计得最好的分散盘。o当我们要求TFT-LCD面板显示图像的时候，我们可以看极爱他面板上的亮度变化和我们把这个变化在图1中表示出来。因此，我们可以发现大部分的TFT-LCD面板的亮度变化都是不均匀的，这个也是开发自动检测系统中的一个重要问题。这个问题可以变得非常严重，当自动检测系统要求到达很高的准确度的时候。3评价评价TFT-LCD外表图像的亮度流外表图像的亮度流o我们从如今开场将提及亮度变化的减少作为图像平整。在图1中，我们可以
5、看见亮度的变化有低频率相关联与缺陷或者噪声有关系。所以任何过程在频率领域里都比在空间领域里更有效的减少亮度变化。在空间领域中，我们要思索太多东西，例如大小和缺陷的强度。用傅立叶变化求解频率领域时，普通低经过滤器可以被圈型的从直流电半径来表示。o然而，在分析LCD外表图像时，我们的目的是减少不规那么的亮度变化，这个变化是由光源的限制产生的，因此，经过照明方向能更高效率的分析低频率系数。o好似先前所描画的，我们由于空间的限制而不能放置更多的荧光灯。所以，按照惯例，通常在TFT-LCD面板的周围放置荧光光源，光源的评价中，不能少于4个边。我们可以很容易的知道非规那么的亮度变化的根本效率是随X-Y轴变
6、化的。假设亮度的变化只随Y轴变化，那么傅立叶变化频率的反响能够只发生在Y轴上 o下面的等式1显示了2维坐标上的傅立叶变化，等式2是X，Y轴上的分解。o在等式2中，很清楚的是X轴上的变化表示了2维空间里的垂直变化，Y轴上的变化表示了程度的变化。因此，我们可以减少程度的低频率用Y轴上的边停顿过滤，在傅立叶变化领域。同样，我们可以减少垂直的低频率用X轴上边停顿过滤。o这里，我们不用2维过滤，但是用4方向的过滤，由于光源会非常复杂，这些光源可以被用于描画左上角和右上角。但是我们在检测过程之前没有任何信息，所以我们不得不利用斜过滤，这是同时经过程度和垂直变化产生各种照明的方式。所以我们定义一下过滤：o我
7、们可以容易判别变化的带宽的不同的值，图2中显示了我们设计的过滤的外形。利用等式3，我们可以分割原始图像上的亮度变化和缺陷的区域。 o然而，我们不得不判别我们提议的方法的准确的带宽为了有效的分割原始图像的有缺陷的部分，但是准确的带宽不一定能找到由于已获得的图像中，背景图像和缺陷图像混合了。同时我们在检测完成之前不能获得预先知道的缺陷信息。o但是缺陷的大小，它是在消费过程中产生的，可以被LCD消费者知道。因此，在确定亮度流之前我们把缺陷的大小反射出来作为条件。图3显示了这个方法中亮度流确实定。o在图3中，金字塔型图像是用来减少带宽描画的问题。原始图像被分解了N次。N的大小取决于最大缺陷的大小。假设
8、一些TFT-LCD制造商能提供缺陷大小，例如32*32，那么N的就=32.在这个问题中，最大缺陷大小是像素中的1/32，我们就可以确定背景的纯亮度流。o同时，亮度流应该被在后图像中下分解。但是亮度流的空间发生频率比缺乏少，所以信息的丧失在这个问题中显得不那么重要。更进一步说，我们用分级图像来确定信息流失量。 o4式o亮度流的噪声比率信号在比起高阶段来，低阶段中更多。因此另外一个就是确定额外开销在低阶段中比高阶段中大，这是为了获得亮度流。这个可以被下面的等式描画。o5式o在本文中，思索到以上2个要素，额外开销的值要被作为一个单调递增的值从低到高阶段，图4中显示了5个阶段的值4，实验结果，实验结果
9、o我们的方法是基于PC电脑用C言语实现的。PC系统的CPU是3.4G的奔腾CPU和1G内存。整个过程破费了2秒钟。为了确定亮度流，5个阶段被利用和每个阶段的额外开销在图4中显示。o图3显示了2个原始图像都是512512像素和他们所确定的亮度流，和线的划分组合。在图5a和d中，用圈圈起来的缺陷部分和背景部分构成对比。a中的缺陷没有d中缺陷那么明显。评价的亮度流在b和e中显示出来。从b和e中，我们能看见亮度流把原始图像很好的表现出来，除开缺陷部分。线划分组合用箭头在abde中表示的，在c和f中很好的表示出来。o在c和f中，原始图像的评价亮度流跟随亮度变化，不受丧失信息的影响，同时原始图像和他们所确
10、定的亮度流足够吧缺陷部分分割出来。o为了校验我们所提议的方法的缺陷的分割部分，我们用适宜的极限值确定一个二进制图像，这个图像可以表示缺陷的区域。在图6的e和f中，我们可以用亮度流分辨出缺陷的区域。假设我们做一个原始图像的二进制图像，那么缺陷的区域就可以隐藏起来，例如c和d中所示。因此，我们说我们提出的这个方法对自动检测系统有很大的协助。 5，结论，结论o在本文中，是用评价亮度流的方法表示TFT-LCD的背景亮度变化。评价4TFT-LCD的非规那么亮度变化区域，用基于4方向的高斯变化在图像的金字塔状图像中被用到。实验的结果显示这个方法可以很好确实定亮度流的变化和对检测TFT-LCD面板有很大的协助。
