| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 课题来源 | 第10页 |
| 1.2 研究背景与意义 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-16页 |
| 1.4 本文主要研究内容与章节安排 | 第16-18页 |
| 2 TFT-LCD缺陷检测系统设计 | 第18-26页 |
| 2.1 TFT-LCD检测需求分析 | 第18-19页 |
| 2.2 视觉系统设计与硬件选型 | 第19-24页 |
| 2.3 硬件设备工作流程 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于Gabor滤波的TFT-LCD图像纹理去除 | 第26-32页 |
| 3.1 Gabor变换 | 第26-29页 |
| 3.2 基于Gabor滤波的TFT-LCD图像纹理去除 | 第29-30页 |
| 3.3 纹理去除实验 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 基于缺陷区域预判的背景图像重构算法研究 | 第32-52页 |
| 4.1 基于频率域的背景图像重构方法 | 第33-35页 |
| 4.2 基于时域的背景图像重构方法 | 第35-37页 |
| 4.3 基于缺陷区域预判的背景图像重构算法 | 第37-48页 |
| 4.4 背景图像重构实验 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 基于水平集和主动轮廓模型的缺陷分割算法研究 | 第52-67页 |
| 5.1 基于阈值的分割算法 | 第52-55页 |
| 5.2 主动轮廓模型和水平集 | 第55-61页 |
| 5.3 基于水平集和主动轮廓模型的缺陷分割算法 | 第61-64页 |
| 5.4 缺陷分割实验 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 6 TFT-LCD缺陷特征量化与分类 | 第67-74页 |
| 6.1 缺陷特征量化 | 第67-70页 |
| 6.2 基于SVM的缺陷分类 | 第70-71页 |
| 6.3 缺陷分类实验 | 第71-73页 |
| 6.4 本章小结 | 第73-74页 |
| 7 算法加速与软件设计 | 第74-85页 |
| 7.1 TFT-LCD缺陷检测算法加速 | 第74-78页 |
| 7.2 TFT-LCD缺陷检测软件系统 | 第78-82页 |
| 7.3 软件流程 | 第82-84页 |
| 7.4 本章小结 | 第84-85页 |
| 8 实验设计与应用测试 | 第85-94页 |
| 8.1 算法鲁棒性和精度测试实验 | 第85-91页 |
| 8.2 Mura缺陷检测实验 | 第91-92页 |
| 8.3 算法应用测试 | 第92-93页 |
| 8.4 本章小结 | 第93-94页 |
| 9 总结与展望 | 第94-96页 |
| 9.1 全文总结 | 第94-95页 |
| 9.2 未来展望 | 第95-96页 |
| 致谢 | 第96-97页 |
| 参考文献 | 第97-101页 |
| 附录1 攻读硕士学位期间申请专利与投稿论文 | 第101页 |