CN106556940B - 一种tft-lcd屏自动光学检测中的背景抑制方法 - Google Patents

一种tft-lcd屏自动光学检测中的背景抑制方法 Download PDF

Info

Publication number
CN106556940B
CN106556940B CN201610990996.4A CN201610990996A CN106556940B CN 106556940 B CN106556940 B CN 106556940B CN 201610990996 A CN201610990996 A CN 201610990996A CN 106556940 B CN106556940 B CN 106556940B
Authority
CN
China
Prior art keywords
band
image
frequency sub
subband
low
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610990996.4A
Other languages
English (en)
Other versions
CN106556940A (zh
Inventor
鲁方波
姚峰
邓标华
陈凯
沈亚非
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Jingce Electronic Group Co Ltd
Original Assignee
Wuhan Jingce Electronic Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan Jingce Electronic Group Co Ltd filed Critical Wuhan Jingce Electronic Group Co Ltd
Priority to CN201610990996.4A priority Critical patent/CN106556940B/zh
Priority to PCT/CN2017/077817 priority patent/WO2018086289A1/zh
Priority to KR1020197004865A priority patent/KR102047855B1/ko
Priority to US16/342,964 priority patent/US10621701B2/en
Priority to JP2019515974A priority patent/JP6735417B2/ja
Publication of CN106556940A publication Critical patent/CN106556940A/zh
Application granted granted Critical
Publication of CN106556940B publication Critical patent/CN106556940B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G02—OPTICS
    • G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
    • G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
    • G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour 
    • G02F1/13—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour  based on liquid crystals, e.g. single liquid crystal display cells
    • G02F1/1306—Details
    • G02F1/1309—Repairing; Testing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30121—CRT, LCD or plasma display

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Nonlinear Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Optics & Photonics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Liquid Crystal (AREA)

Abstract

本发明提供了一种TFT‑LCD屏自动光学检测中的背景抑制方法，包括下述步骤：S1：采集TFT‑LCD不同点屏模式下的图像；S2：对所述图像进行多级小波分解后获得一系列的高频子带和低频子带；S3：对每一级多个方向的高频子带进行系数平滑处理，对每一级低频子带进行对比度增强处理；S4：对处理后的高频子带和处理后的低频子带进行小波重构，获得背景抑制后的缺陷图像。本发明对图像进行多尺度多分辨率分解，并对分解后的高频和低频子带分别进行纹理抑制和图像增强，在抑制背景纹理的同时能够保持原有缺陷的对比度，纹理抑制效果好。

Description

一种TFT-LCD屏自动光学检测中的背景抑制方法
技术领域
本发明属于自动光学缺陷检测技术领域，更具体地，涉及一种TFT-LCD屏自动光学检测中的背景抑制方法。
背景技术
由于TFT-LCD(薄膜晶体管液晶显示器)的功耗低、清晰度高、辐射小等特点使其成为当前主流的显示设备，在二维以及三维信息传递过程中发挥着不可替代的作用。
TFT-LCD的生产工序非常复杂，使得在实际制备过程中不可避免会产生各种各样的显示缺陷，其中以Mura缺陷最难检测。传统的依靠人眼的检测方法存在诸多不足，具有成本高、不稳定、效率低的问题。近年来，机器视觉缺陷检测方法因具有自动化程度高、鲁棒性好等特性受到广泛关注。
Mura缺陷对比度低，边界较为模糊，而且，受TFT-LCD屏本身物理结构的影响，通过CCD相机等高清设备采集到的缺陷图像会产生规则排列的相互垂直的纹理背景信息，该纹理背景信息通常与Mura缺陷融为一体，从而进一步增加了机器视觉的检测难度。如何在不影响Mura缺陷原始特征的情况下对纹理背景进行抑制已成为对Mura缺陷进行检测的成功的关键。
在专利文献(发明名称为：一种TFT-LCD屏自动光学检测中的滤波方法，公开号为CN201310004940.3)中，采用Gabor滤波器的方法对纹理背景进行抑制，该方法将均匀分布的纹理背景视为噪声进行滤波处理，对图像进行多个频率，多个方向滤波卷积，从而滤除各个方向上的纹理背景，进而达到增强缺陷的目的。然而，该方法在去除不均匀背景的同时也减弱了Mura缺陷对比度本身，从而严重影响图像后处理中对缺陷的分割和分类判断。
发明内容
针对现有技术的缺陷，本发明的目的在于提供一种TFT-LCD屏自动光学检测中的背景抑制方法，旨在解决现有技术在背景抑制的同时减弱了缺陷对比度导致纹理抑制效果较差的技术问题。
本发明提供了一种TFT-LCD屏自动光学检测中的背景抑制方法，包括下述步骤：
S1：采集TFT-LCD不同点屏模式下的图像；
S2：对所述图像进行多级小波分解后获得一系列的高频子带和低频子带；
S3：对每一级多个方向的高频子带进行系数平滑处理，对每一级低频子带进行对比度增强处理；
S4：对处理后的高频子带和处理后的低频子带进行小波重构，获得背景抑制后的缺陷图像。
更进一步地，在步骤S1之后且在步骤S2之前，还包括下述步骤：获得小波分解的级数J；其中，小波分解级数J＝ceil(log2(TW+TH))，TW为点屏图像的水平纹理周期为，TH为垂直纹理周期，ceil为取大于某个数的最小整数。
更进一步地，在步骤S2中，对图像进行J级小波分解后得到高频子带和低频子带共3*J+1个；高频子带包括：水平子带H、垂直子带V和对角子带D，低频子带包括：近似子带A，其中第j级小波子带为： φ和ψ分别为尺度函数和小波函数，f为j-1级小波近似子带，近似子带也称为低频子带，分别为第j级小波分解的近似子带、水平子带、垂直子带以及对角子带，j＝1，2，…，J。
更进一步地，在步骤S3中，采用高斯低通滤波的方法对所述高频子带进行系数平滑处理；其中，不同级数的高频子带采用不同的高斯滤波核参数，所述高斯滤波核参数为：sizeW(j)＝(imgW/200)/2j，sizeH(j)＝(imgH/200)/2j，sigmaW(j)＝TW，sigmaH(j)＝TH，j＝1…J。
其中imgW和imgH为原始图像的宽和高，sizeW(j)和sizeH(j)为第j级小波子带对应的高斯滤波核的宽和高尺寸参数，sigmaW(j)和sigmaH(j)为第j级小波子带对应的高斯滤波核在水平和垂直方向上的标准差参数。
更进一步地，采用高斯低通滤波后的图像其中，Gaussian(j)为第j级小波子带对应的高斯低通滤波器，**为滤波卷积操作。
更进一步地，在步骤S3中，采用直方图均衡方法对每一级低频子带进行对比度增强处理。
更进一步地，在步骤S4中，缺陷图像为：
其中为低频子带增强后的图像，为高频子带系数抑制后的图像，m、n为第j级小波子带图像的宽和高。
通过本发明所构思的以上技术方案，与现有技术相比，本发明具有如下技术优点：
(1)本发明可以适用于液晶显示领域目前市面上所有规格尺寸，各种形态Mura缺陷的检测，通用性较强。
(2)本发明不需要任何参考样本，方法参数可以自适应调整，自适应和鲁棒性较强。
(3)本发明对图像进行多尺度多分辨率分解，并对分解后的高频和低频子带分别进行纹理抑制和图像增强，在抑制背景纹理的同时能够保持原有缺陷的对比度，纹理抑制效果好。
附图说明
图1为本发明提出的TFT-LCD屏自动光学检测中的背景抑制方法的实现流程图；
图2为本发明提出的TFT-LCD屏自动光学检测中的背景抑制方法中小波分解示意图；
图3(a)为带有滴落Mura缺陷的原始图像；
图3(b)为图3(a)经过本发明提供的背景抑制方法进行背景抑制后的图像；
图4(a)为带有水平淡线缺陷的原始图像；
图4(b)为图4(a)经过本发明提供的背景抑制方法进行背景抑制后的图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供了一种TFT-LCD屏自动光学检测中的背景抑制方法；该方法对TFT-LCD图像进行多尺度多方向小波分解，并对小波分解后的高频和低频子带分别进行抑制和增强，最终经小波重构得到纹理背景抑制后的缺陷图像，从而解决传统滤波方法在背景抑制的同时减弱了缺陷对比度的问题。
本发明提供的TFT-LCD屏自动光学检测中的背景抑制方法，包括下述步骤：
(1)采集TFT-LCD不同点屏模式下的图像。
(2)对图像进行多级小波分解得到一系列小波高频和低频子带。
(3)高频小波系数抑制：对每一级多个方向的高频子带运用高斯低通滤波方法进行系数平滑。
(4)低频子带系数增强：对每一级低频子带进行对比度增强。
(5)对系数抑制后的高频子带和系数增强后的低频子带进行小波重构得到背景抑制后的缺陷图像。
本发明提供了一种简单高效的TFT-LCD屏背景抑制方法，在抑制背景纹理的同时能够保持原有缺陷的对比度，能够克服传统的滤波方法或者背景拟合方法在背景抑制和缺陷保持方面不能兼顾的缺点，同时，多尺度多分辨率处理能够克服传统方法仅在单一尺度单一分辨率处理而导致纹理抑制效果较差的缺点。
图1示出了本发明实施例提供的一种TFT-LCD屏自动光学检测中的背景抑制方法流程图，该方法包括以下步骤：
步骤S101：采集TFT-LCD不同点屏模式下的图像，如白、灰、红、绿、蓝等模式下的点屏图像，如图3(a)和图4(a)所示，采集到的TFT-LCD点屏图像呈现规则排列的纹理背景，且纹理间隔周期基本恒定。
步骤S102：计算小波分解级数J，高斯滤波核标准差参数sigma以及滤波核尺寸参数size，具体计算方法如下：
(1)小波分解级数J的计算：设点屏图像的水平纹理周期为TW，垂直纹理周期为TH，水平或者垂直纹理周期可以直接从点屏图像中根据纹理周期来确定，则小波分解级数J表示为：J＝ceil(log2(TW+TH))，其中ceil为取大于某个数的最小整数。比如，图3(a)的水平和垂直纹理周期为9，则小波分解级数J＝4，图4(a)的水平和垂直纹理周期为6，则小波分解级数J＝3。
(2)高斯滤波核方差和尺寸参数采用自适应计算方法，不同级数的小波子带可以采用不同的高斯滤波核参数。具体为：
sizeW(j)＝(imgW/200)/2j，sizeH(j)＝(imgH/200)/2j，sigmaW(j)＝TW，sigmaH(j)＝TH，j＝1…J。
其中imgW和imgH为原始图像的宽和高，sizeW(j)和sizeH(j)为第j级小波子带对应的高斯滤波核的宽和高尺寸参数，sigmaW(j)和sigmaH(j)为第j级小波子带对应的高斯滤波核在水平和垂直方向上的标准差参数。
步骤S103：对图像进行J级小波分解得到小波高频和低频子带共3*J+1个。每一级图像经过小波变换后由近似子带A、水平子带H、垂直子带V以及对角子带D这四个子带组成，近似子带表示图像的基本信息，反映了图像亮度整体变化趋势；H、V和D三个子带表示了图像的高频信息，反映了图像亮度的突变和细节信息，而图像纹理背景在小波频率域中通常表现为高频信息，并主要分布在小波高频子带中，且对应小波系数值较大，因此，可以在小波高频子带中运用高斯低通滤波器(滤波器包括但不限于高斯低通滤波器)对反映纹理信息的小波系数进行抑制，从而达到去除纹理背景的目的。
其中第j级小波子带可表示为：
φ和ψ分别为尺度函数和小波函数，f为j-1级小波近似子带，近似子带也称为低频子带，分别为第j级小波分解的近似子带、水平子带、垂直子带以及对角子带，j＝1，2，…，J。
步骤S104：高频子带系数抑制。
对第j级小波细节子带进行高斯低通滤波，滤波后的图像为
其中Gaussian(j)为第j级小波子带对应的高斯低通滤波器，**为滤波卷积操作。
步骤S105：低频子带系数增强。
对小波分解后的最后一级低频子带以及每一级小波重建后的子带进行直方图均衡增强，图像增强方法包括但不限于直方图均衡方法。小波低频子带反映了图像整体亮度变化趋势，而Mura缺陷本身对比度又比较低，如果采用直接重建的方法势必会造成在纹理抑制的同时也降低了缺陷的对比度，极大的影响后续方法对缺陷的分割和识别。对小波低频子带进行增强可以进一步提高图像的对比度，从而有利于缺陷的分割和识别。
步骤S106：对系数抑制后的高频子带和系数增强后的低频子带进行小波重构得到背景抑制后的缺陷图像。
其中为低频子带增强后的图像，为高频子带系数抑制后的图像，m、n为第j级小波子带图像的宽和高，其它参数同上。
结合图3(a)、3(b)和图4(a)、4(b)可以得出，经过本发明的背景抑制方法，图像纹理背景基本得到较好的去除，同时缺陷部分也得以增强。图2中小波分解示意图也进一步说明了本发明运用多尺度多分辨率多方向的小波变换进行背景抑制的有效性，它可以将背景纹理从图像中分离出来，从而在抑制高频子带中纹理信息的同时不影响低频子带中图像的基本信息。
本发明实施例提供的TFT-LCD屏自动光学检测中的背景抑制方法能够将诸多缺陷如点、线、Mura缺陷等从复杂的纹理背景中提取出来，得到缺陷对比度高，背景分布均匀的图像，为实现TFT-LCD自动光学检测打下良好的基础。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种TFT-LCD屏自动光学检测中的背景抑制方法，其特征在于，包括下述步骤：
S1：采集TFT-LCD不同点屏模式下的图像；
S2：对所述图像进行多级小波分解后获得一系列的高频子带和低频子带；
其中，小波分解级数J＝ceil(log2(TW+TH))，TW为点屏图像的水平纹理周期，TH为垂直纹理周期，ceil为取大于某个数的最小整数；
S3：对每一级多个方向的高频子带进行系数平滑处理，对每一级低频子带进行对比度增强处理；
S4：对处理后的高频子带和处理后的低频子带进行小波重构，获得背景抑制后的缺陷图像。
2.如权利要求1所述的背景抑制方法，其特征在于，在步骤S2中，对图像进行J级小波分解后得到高频子带和低频子带共3*J+1个；
高频子带包括：水平子带H、垂直子带V和对角子带D，低频子带包括：近似子带A，其中第j级小波子带为：
φ和ψ分别为尺度函数和小波函数，f为j-1级小波近似子带，近似子带也称为低频子带，分别为第j级小波分解的近似子带、水平子带、垂直子带以及对角子带，j＝1，2，…，J。
3.如权利要求2所述的背景抑制方法，其特征在于，在步骤S3中，采用高斯低通滤波的方法对所述高频子带进行系数平滑处理；其中，不同级数的高频子带采用不同的高斯滤波核参数，所述高斯滤波核参数为：sizeW(j)＝(imgW/200)/2j，sizeH(j)＝(imgH/200)/2j，sigmaW(j)＝TW，sigmaH(j)＝TH，j＝1…J；imgW和imgH为原始图像的宽和高，sizeW(j)和sizeH(j)为第j级小波子带对应的高斯滤波核的宽和高尺寸参数，sigmaW(j)和sigmaH(j)为第j级小波子带对应的高斯滤波核在水平和垂直方向上的标准差参数。
4.如权利要求3所述的背景抑制方法，其特征在于，采用高斯低通滤波后的图像
其中，Gaussian(j)为第j级小波子带对应的高斯低通滤波器，**为滤波卷积操作。
5.如权利要求2所述的背景抑制方法，其特征在于，在步骤S3中，采用直方图均衡方法对每一级低频子带进行对比度增强处理。
6.如权利要求5所述的背景抑制方法，其特征在于，在步骤S4中，缺陷图像为：
其中为低频子带增强后的图像，为高频子带系数抑制后的图像，m、n为第j级小波子带图像的宽和高。
CN201610990996.4A 2016-11-10 2016-11-10 一种tft-lcd屏自动光学检测中的背景抑制方法 Active CN106556940B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201610990996.4A CN106556940B (zh) 2016-11-10 2016-11-10 一种tft-lcd屏自动光学检测中的背景抑制方法
PCT/CN2017/077817 WO2018086289A1 (zh) 2016-11-10 2017-03-23 显示面板自动光学检测中的背景抑制方法及检测装置
KR1020197004865A KR102047855B1 (ko) 2016-11-10 2017-03-23 디스플레이 패널 자동광학 탐지 중의 배경 억제 방법 및 탐지 장치
US16/342,964 US10621701B2 (en) 2016-11-10 2017-03-23 Background suppression method and detecting device in automatic optical detection of display panel
JP2019515974A JP6735417B2 (ja) 2016-11-10 2017-03-23 表示パネルの自動光学検出におけるバックグラウンド抑制方法及び検出装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610990996.4A CN106556940B (zh) 2016-11-10 2016-11-10 一种tft-lcd屏自动光学检测中的背景抑制方法

Publications (2)

Publication Number Publication Date
CN106556940A CN106556940A (zh) 2017-04-05
CN106556940B true CN106556940B (zh) 2019-11-19

Family

ID=58444075

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610990996.4A Active CN106556940B (zh) 2016-11-10 2016-11-10 一种tft-lcd屏自动光学检测中的背景抑制方法

Country Status (5)

Country Link
US (1) US10621701B2 (zh)
JP (1) JP6735417B2 (zh)
KR (1) KR102047855B1 (zh)
CN (1) CN106556940B (zh)
WO (1) WO2018086289A1 (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107847839B (zh) * 2015-08-21 2020-05-29 康明斯过滤Ip公司 高速旋转曲轴箱通风过滤介质和介质包
US10682601B2 (en) 2015-08-28 2020-06-16 Cummins Filtration Ip, Inc. Rotating coalescing element with directed liquid drainage and gas outlet
CN107742291B (zh) * 2017-10-20 2020-06-05 凌云光技术集团有限责任公司 一种光伏玻璃的缺陷检测方法及装置
US11113796B2 (en) * 2018-02-09 2021-09-07 Delta Electronics, Inc. Image enhancement circuit and method thereof
CN109801231B (zh) * 2018-12-25 2022-11-29 电子科技大学中山学院 一种电泳电子纸检测设备的图像处理方法
CN109949292B (zh) * 2019-03-20 2023-11-14 湖南镭目科技有限公司 一种带钢表面缺陷的检测方法及装置
CN109828394A (zh) * 2019-03-22 2019-05-31 惠科股份有限公司 一种显示面板的检测方法和检测机台
CN110227968B (zh) * 2019-05-16 2020-08-21 中国工程物理研究院激光聚变研究中心 基于小波变换的磁流变去除函数寄生条纹消除方法及装置
CN111462065B (zh) * 2020-03-27 2023-06-27 浙江杜比医疗科技有限公司 超声、红外序列图像融合的乳腺癌检测方法及其系统
CN111507974B (zh) * 2020-04-22 2023-10-24 广州柔视智能科技有限公司 缺陷检测方法、装置、缺陷检测设备及计算机存储介质
CN111797939A (zh) * 2020-07-20 2020-10-20 天津中德应用技术大学 基于小波分析的无人图书馆深度学习智能识别系统与方法
CN112053299B (zh) * 2020-08-27 2022-07-19 杭州安旭生物科技股份有限公司 一种基于胶体金免疫层析法的图像处理方法
WO2022075825A1 (en) * 2020-10-07 2022-04-14 Samsung Electronics Co., Ltd. Methods and systems for denoising media frames captured in low-light environment
CN113034400A (zh) * 2021-04-07 2021-06-25 深圳鱼亮科技有限公司 一种基于无线图像传感器阵列的图像降噪方法
CN113822884B (zh) * 2021-11-22 2022-06-28 中导光电设备股份有限公司 基于小波变换的mura缺陷检测方法和系统
CN115908207A (zh) * 2022-09-28 2023-04-04 南京颖图电子技术有限公司 一种金属表面下复杂背景的图像特征增强处理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102158701A (zh) * 2011-04-19 2011-08-17 湖南大学 一种基于压缩感知理论的分类量化图像编码方法
CN104200452A (zh) * 2014-09-05 2014-12-10 西安电子科技大学 基于谱图小波变换的红外与可见光图像融合方法及其装置
CN106067164A (zh) * 2016-05-26 2016-11-02 哈尔滨工业大学 基于自适应小波域处理的彩色图像对比度增强算法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002174564A (ja) * 2000-12-06 2002-06-21 Hitachi Ltd ディスプレイ装置の画質定量評価方法並びにディスプレイ装置
JP2004212392A (ja) * 2002-12-17 2004-07-29 Okayama Prefecture 表面検査方法
JP2006133196A (ja) * 2004-11-09 2006-05-25 Seiko Epson Corp 画素ムラ欠陥検出方法、画素ムラ欠陥検出装置、画素ムラ欠陥検出プログラムおよびこのプログラムを記録した記録媒体。
CN100454006C (zh) * 2006-09-07 2009-01-21 哈尔滨工业大学 一种基于机器视觉的液晶显示器斑痕缺陷检测方法与系统
US11197651B2 (en) * 2007-03-08 2021-12-14 Sync-Rx, Ltd. Identification and presentation of device-to-vessel relative motion
KR101587176B1 (ko) * 2007-04-18 2016-01-20 마이크로닉 마이데이타 에이비 무라 검출 및 계측을 위한 방법 및 장치
CN103913858A (zh) * 2013-01-07 2014-07-09 北京兆维电子(集团)有限责任公司 一种tft-lcd屏自动光学检测中的滤波方法
CN103674975A (zh) * 2013-09-09 2014-03-26 中华人民共和国四川出入境检验检疫局 基于Gabor滤波与C-V模型分割的LCD Mura缺陷机器视觉检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102158701A (zh) * 2011-04-19 2011-08-17 湖南大学 一种基于压缩感知理论的分类量化图像编码方法
CN104200452A (zh) * 2014-09-05 2014-12-10 西安电子科技大学 基于谱图小波变换的红外与可见光图像融合方法及其装置
CN106067164A (zh) * 2016-05-26 2016-11-02 哈尔滨工业大学 基于自适应小波域处理的彩色图像对比度增强算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种基于小波变换的非线性红外图像增强算法;刘兴淼;《红外技术》;20091231;第31卷(第12期);708-709 *

Also Published As

Publication number Publication date
KR102047855B1 (ko) 2019-11-22
JP6735417B2 (ja) 2020-08-05
KR20190031295A (ko) 2019-03-25
JP2019536128A (ja) 2019-12-12
US20200058102A1 (en) 2020-02-20
WO2018086289A1 (zh) 2018-05-17
US10621701B2 (en) 2020-04-14
CN106556940A (zh) 2017-04-05

Similar Documents

Publication Publication Date Title
CN106556940B (zh) 一种tft-lcd屏自动光学检测中的背景抑制方法
Yang et al. Wavelet u-net and the chromatic adaptation transform for single image dehazing
JP2019536128A5 (zh)
CN113837974B (zh) 一种基于改进beeps滤波算法的nsst域电力设备红外图像增强方法
CN107610074B (zh) 一种提高遥感图像质量的方法
CN100433795C (zh) 基于变换域数学形态学的图像降噪方法
CN112991199A (zh) 一种基于残差密集网络的图像高低频分解噪声去除方法
CN115829967A (zh) 一种工业金属表面缺陷图像去噪和增强方法
CN108932492A (zh) 一种基于非采样剪切波变换的图像指纹提取方法
CN107862689A (zh) 皮革表面明显破损自动识别方法及计算机可读存储介质
CN101957912B (zh) 基于多尺度各向异性扩散的人脸光照不变图像的获取方法
CN113487505A (zh) 一种基于噪声识别的红外图像混合降噪方法
CN110175959B (zh) 一种台风云图增强方法
CN110717869B (zh) 一种水下浑浊图像清晰化方法
Zhang et al. A LCD screen Mura defect detection method based on machine vision
CN114529518B (zh) 一种基于图像金字塔与nlm的冷冻电镜图像增强方法
Lin et al. Automatic noise removal in MR images using bilateral filtering associated with artificial neural networks
Paul et al. MR image enhancement using an extended neighborhood filter
Valliammal et al. Performance analysis of various leaf boundary edge detection algorithms
Dhar et al. A novel method for underwater image segmentation based on M-band wavelet transform and human psychovisual phenomenon (HVS)
Zhou et al. Bilateral linear operator for period noise image De-noising
Chen et al. An adaptive non-local means image denoising model
Biswas et al. Medical image fusion using regional statistics of shift-invariant shearlet domain
Zheng et al. Image contrast enhancement by contourlet transform and pcnn
Meidyani et al. Hybrid Denoising Development to Improve the Quality of Image Segmentation with Noise

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 430070 Hubei City, Hongshan Province, South Lake Road, No. 53, Hongshan Venture Center, building on the four floor, No.

Applicant after: Wuhan fine test electronics group Limited by Share Ltd

Address before: 430070 Hubei City, Hongshan Province, South Lake Road, No. 53, Hongshan Venture Center, building on the four floor, No.

Applicant before: Wuhan Jingce Electronic Technology Co., Ltd.

GR01 Patent grant
GR01 Patent grant