一种基于样本学习和人眼视觉特性的mura缺陷检测方法

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。

该方法首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。

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。