TFT-LCD Mura缺陷自动检测方法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第16-21页 |
| 1.1 课题研究的背景和意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-18页 |
| 1.3 论文的研究内容 | 第18-19页 |
| 1.4 本文的章节安排 | 第19-21页 |
| 第二章 LCD-Mura缺陷分析与检测技术 | 第21-30页 |
| 2.1 Mura缺陷分析 | 第21-26页 |
| 2.1.1 TFT-LCD结构及显示原理 | 第21-23页 |
| 2.1.2 TFT-LCD生产流程 | 第23-24页 |
| 2.1.3 Mura缺陷形成原因及分类 | 第24-26页 |
| 2.1.4 Mura缺陷特征及检测中的难点 | 第26页 |
| 2.2 Mura缺陷检测 | 第26-29页 |
| 2.2.1 图像采集与处理 | 第27-28页 |
| 2.2.2 关键技术研究 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 Mura缺陷背景模型研究 | 第30-42页 |
| 3.1 像素矩阵分解 | 第30-33页 |
| 3.1.1 奇异值分解 | 第30-31页 |
| 3.1.2 缺陷图像奇异值分布研究 | 第31-33页 |
| 3.2 动态奇异值选取方法 | 第33-36页 |
| 3.2.1 图像信息计算 | 第34-35页 |
| 3.2.2 奇异值与熵值计算关系推导 | 第35-36页 |
| 3.2.3 有效奇异值计算 | 第36页 |
| 3.3 添加反馈机制的背景模型设计 | 第36-38页 |
| 3.3.1 微调因子与反馈机制 | 第36-37页 |
| 3.3.2 建立高质量背景模型 | 第37-38页 |
| 3.4 验证分析 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 Mura缺陷增强与分割 | 第42-60页 |
| 4.1 Mura缺陷亮度噪声改善 | 第42-48页 |
| 4.1.1 背景抑制后的Mura缺陷图像组成 | 第42-43页 |
| 4.1.2 缺陷亮度增强研究 | 第43-45页 |
| 4.1.3 零方阵单位结构元素形态学去噪推导 | 第45-48页 |
| 4.2 Mura缺陷分割 | 第48-54页 |
| 4.2.1 分割概述 | 第48-49页 |
| 4.2.2 全散度变分C-V模型推导 | 第49-51页 |
| 4.2.3 B样条连续水平集函数推导 | 第51-54页 |
| 4.3 Mura量化识别 | 第54-55页 |
| 4.4 验证分析 | 第55-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 Mura缺陷检测系统仿真与分析 | 第60-68页 |
| 5.1 系统平台 | 第60-61页 |
| 5.2 结果与分析 | 第61-67页 |
| 5.3 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 工作总结 | 第68-69页 |
| 6.2 不足与展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第74-75页 |
