TFT-LCD面板缺陷分类方法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第1章 绪论 | 第16-21页 |
| 1.1 研究背景 | 第16页 |
| 1.2 缺陷分类的研究意义 | 第16-18页 |
| 1.3 TFT-LCD缺陷检测及分类研究现状 | 第18-19页 |
| 1.4 本论文的研究内容及章节安排 | 第19-21页 |
| 第2章 缺陷分类基本方法 | 第21-27页 |
| 2.1 缺陷分类概述 | 第21页 |
| 2.2 缺陷分类过程 | 第21-25页 |
| 2.2.1 图像处理 | 第22页 |
| 2.2.2 信息提取 | 第22-25页 |
| 2.2.3 分类器设计 | 第25页 |
| 2.3 缺陷分类质量评价 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 缺陷检测 | 第27-37页 |
| 3.1 图像扫描系统 | 第27-28页 |
| 3.2 TFT-LCD面板去背景 | 第28-34页 |
| 3.2.1 周期性背景滤除 | 第28-29页 |
| 3.2.2 解决边界效应 | 第29-30页 |
| 3.2.3 解决光照不均匀 | 第30-34页 |
| 3.2.4 去背景结果 | 第34页 |
| 3.3 缺陷检测结果 | 第34-36页 |
| 3.3.1 伪缺陷剔除 | 第34-35页 |
| 3.3.2 检测结果 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 特征选择与特征抽取 | 第37-56页 |
| 4.1 最小外接矩标记 | 第37-40页 |
| 4.2 缺陷特征选择 | 第40-47页 |
| 4.2.1 形状特征 | 第40-42页 |
| 4.2.2 一阶矩特征 | 第42-44页 |
| 4.2.3 二阶矩特征 | 第44-45页 |
| 4.2.4 不变矩特征 | 第45-47页 |
| 4.3 缺陷特征抽取(PCA) | 第47-48页 |
| 4.3.1 PCA原理及特性 | 第47-48页 |
| 4.3.2 PCA算法 | 第48页 |
| 4.4 特征抽取结果 | 第48-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 基于PCA的缺陷分类算法 | 第56-78页 |
| 5.1 基于规则的分类算法及实验结果 | 第56-59页 |
| 5.1.1 基于规则的分类算法 | 第56-58页 |
| 5.1.2 基于规则的分类结果 | 第58-59页 |
| 5.2 单核SVM缺陷分类算法及实验结果 | 第59-71页 |
| 5.2.1 SVM理论 | 第59-62页 |
| 5.2.2 单核学习SVM | 第62-64页 |
| 5.2.3 单核学习实验结果 | 第64-71页 |
| 5.3 多核SVM缺陷分类算法及实验结果 | 第71-76页 |
| 5.3.1 多核SVM算法步骤 | 第73页 |
| 5.3.2 多核SVM实验结果 | 第73-76页 |
| 5.4 分类结果对比分析 | 第76-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第6章 总结与展望 | 第78-80页 |
| 6.1 论文总结 | 第78页 |
| 6.2 课题展望 | 第78-80页 |
| 参考文献 | 第80-82页 |
