[发明专利]一种基于稀疏表示的低分辨率触摸屏图像缺陷检测方法

说明书

技术领域

本发明涉及触摸屏图像缺陷检测的技术领域，特别涉及一种基于稀疏表示的低分辨率触摸屏图像缺陷检测方法。

背景技术

随着信息技术和平面显示技术的迅速发展，全球触摸屏市场以年均47％的增长率迅猛增长。与此同时，对触摸屏生产工艺及质量控制的要求也越来越苛刻。如何在触摸屏生产过程中实现对其表面缺陷的实时、准确检测，阻断存在缺陷的触摸屏产品进入后序工序，降低生产成本，提高产品的质量，避免使用存在缺陷的触摸屏造成重大损失是触摸屏工业生产过程中的最重要环节之一。

计算机视觉技术的发展使得其在生产过程质量控制方面得到越来越多的应用，使用计算机视觉技术替代人工检测具有许多优势：快速、安全、准确、可靠、可重复性强。这些优点是以往人工检测所不能具备的，尤其是在产品表面质量控制方面。计算机视觉技术目前得到了广泛的应用，例如印刷品缺陷检测、聚酯产品表面缺陷检测、玻璃缺陷检测、纺织物缺陷检测、TFT-LCD面板缺陷检测以及印刷电路板PCB上的金属层缺陷检测等等。在相关的基于图像处理技术的产品表面缺陷检测方面，Tsai等人通过缺陷图像的奇异值分解(SVD)，利用奇异值重构来分离LCD面板图像的前景(缺陷)及背景纹理部分，并在基于熵测度的PCB板金属表面缺陷检测(Tsai D M,Lin B T.Defect detection of gold-plated surfaces on PCBs using entropy measures[J].The International Journal of Advanced Manufacturing Technology,2002,20(6):420-428.)中提出了根据颜色和结构信息来对印刷电路板PCB上的金属面板进行缺陷检测。另外，他们对带纹理的产品表面检测、具有统计特性纹理的产品表面检测等方面也都进行了相关的研究。陈晓红在基于机器视觉的触摸屏玻璃缺陷检测方法研究(硕士论文，华南理工大学,2013)中对触摸屏玻璃缺陷检测系统总体方案进行了设计，并初步探索了利用缺陷的几何形状及边缘检测等方法来进行触摸屏缺陷检测的方法。另外，基于多分辨率分析和信息融合的玻璃缺陷分类方法[J](Liu H,Chen Y,Peng X,et al.A classification method of glass defect based on multiresolution and information fusion[J].The International Journal of Advanced Manufacturing Technology,2011,56(9-12):1079-1090.)则利用小波分析和人工神经网络来进行玻璃缺陷分类和识别。文献(Zhao J,Kong Q J,Zhao X,et al.A Method for Detection and Classification of Glass Defects in Low Resolution Images[C]//Image and Graphics(ICIG),2011 Sixth International Conference on.IEEE,2011:642-647.)将二值特征直方图(Binary Feature Histogram)与AdaBoost算法相结合检测玻璃中的气泡与杂质，并能对二者进行区分检测。在基于机器视觉的一种在线浮法玻璃缺陷检测方法(Peng X,Chen Y,Yu W,et al.An online defects inspection method for float glass fabrication based on machine vision[J].The International Journal of Advanced Manufacturing Technology,2008,39(11-12):1180-1189.)中提出了一套用于浮法玻璃缺陷的分布式在线检测系统，该系统可对气泡、油墨脏污、光学变形多种缺陷进行快速检测。

上述的这些缺陷检测研究大多集中在玻璃气泡、杂质的检测，LCD的显示效果、亮斑/黑斑检测等方面。在实际生产过程中，利用线阵CCD相机(Charge-coupled device)对触摸屏拍摄得到的图像中包含底纹，且触摸屏缺陷种类众多，如脏污、油墨、毛丝、异物等，加上光照条件、相机分辨率等问题，给利用图像处理手段进行触摸屏缺陷检测带来了较大的难度。