http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
액정 표시 장치 표면 영상에서 히스토그램 비대칭도 기반의 적응적 결함 검출
구은혜(Eunhye Gu),박길흠(Kil-Houm Park) 대한전자공학회 2016 전자공학회논문지 Vol.53 No.1
TFT-LCD 영상에서 평균과 표준편차를 이용한 STD 결함 검출 방법은 실제 많은 검사 시스템에 활용되고 있다. STD방법은 문턱 값에 따라 검출 결과가 매우 의존적인 문제가 있다. 본 논문에서는 신뢰도 높은 결함 검출을 위해 영상에 따른 적응적 문턱 값을 사용한 STD 방법을 제안한다. 제안 방법에서는 문턱 값을 영상의 휘도 분포와 정규 분포의 유사도를 나타내는 비대칭도(Skewness)를 이용하여 적응적으로 결정한다. 실험을 통해 적응적 문턱 값을 사용한 STD 방법은 다양한 결함을 포함한 영상에 대해 일관성 있는 검출 결과를 나타내어 제안한 방법의 타당성을 확인할 수 있었다. STD method using a mean and standard deviation is widely used in various inspection systems. The result of detection using the STD method is very dependent on the threshold value. This paper proposes an adaptive defect detection algorithm to with a precise detection of an ultimate defect. The proposed method is determined threshold value adaptively using a skewness that indicates a similarity of intensity and normal distribution of image. In the experiment, we used a various TFT-LCD images for a quantitative evaluation of defect detection performance evaluation result to prove the performance of the proposed algorithm.
블랍 크기와 휘도 차이에 따른 결함 가능성을 이용한 TFT-LCD 결함 검출
구은혜(Eunhye Gu),박길흠(Kil-Houm Park) 한국산업정보학회 2014 한국산업정보학회논문지 Vol.19 No.6
TFT-LCD 영상은 다양한 특성의 결함을 포함하고 있다. 배경 영역과의 휘도 차이가 커서 육안으로 식별 가능한 결함부터 휘도 차이가 매우 적어서 육안 검출이 어려운 한도성 결함까지 포함한다. 본 논문에서는 휘도 차이를 이용하여 결함 영역에 포함될 확률이 높은 결함 화소부터 순차적으로 단계를 진행하면서 결함 후보 화소를 검출하고, 검출된 후보 화소를 블랍으로 구성하여 블랍의 크기와 주변 영역과의 휘도차이를 이용한 기법을 통해 최종적으로 결함 영역과 잡음을 구분하여 검출하는 알고리즘을 제안한다. 제안한 알고리즘의 타당성을 확인하기 위해 다양한 결함을 포함하는 영상에 대한 실험 결과를 살펴봄으로써 신뢰도 높은 결함 검출 결과를 입증하였다. TFT-LCD image includes a defect of various properties. TFT-LCD image have a recognizable defects in the human inspector. On the other hand, it is difficult to detect defects that difference between the background and defect is very low. In this paper, we proposed sequentially detect algorithm from pixels included in the defect region to limited defects. And blob analysis methods using the blob size and gray difference are applied to the defect candidate image. Finally, we detect an accurate defect blob to distinguish the noise. The experimental results show that the proposed method finds the various defects reliably.