一种AMOLED显示屏Mura缺陷检测方法转让专利
申请号 : CN201710792457.4
文献号 : CN107705290B
文献日 : 2021-07-02
发明人 : 肖君军 , 李雄杰 , 姚杏枝
申请人 : 哈尔滨工业大学深圳研究生院
摘要 :
权利要求 :
1.一种AMOLED显示屏Mura缺陷检测方法,其特征在于:首先对AMOLED显示屏Mura图像采用均值漂移算法进行预分割,得到水平集算法所需的初始轮廓,然后再采用结合了图像的局部和全局信息的水平集算法对AMOLED显示屏Mura图像进行分割;
采用水平集算法对AMOLED显示屏Mura图像进行分割包括以下步骤:C‑V模型是基于区域的活动轮廓模型,其能量函数定义为:式中I为原图像,L为轮廓曲线C的长度,A为轮廓曲线C内部面积,μ,ν≥0,λ1,λ2>0是各项的加权系数,c1,c2分别为轮廓曲线C内部和外部的灰度均值,当轮廓曲线C位于图像目标边界时,能量函数E取得最小值,为求得E的最小值,利用Lipschitz函数φ的零水平集表示轮廓曲线C,则E可表示为:
式中H为Heaviside函数,δ为Dirac函数,其平滑形式为:c1,c2为:
利用变分法和最速下降法,得到式(8)水平集偏微分方程:C‑V模型利用了全局信息对图像进行分割,即轮廓曲线内部和外部的灰度均值信息;
局部尺寸拟合能量模型的主动轮廓模型如下所示:e1,e2为:
2
ei(x)=∫Kσ(y‑x)|I(x)‑fi(y)|dy,i=1,2 (15)f1,f2分别为轮廓曲线C内部和外部的局部灰度均值,其中,Kσ是方差σ的高斯核函数;
局部尺寸拟合能量模型利用了局部信息对图像进行分割;
结合全局和局部图像信息的主动轮廓模型为:权重系数ω(0≤ω≤1)作用是控制全局力和局部力对模型的影响,当图像的灰度不均情况比较严重时,分割的精度主要依赖于局部力,在这种情况下,选择较大的ω;当图像的灰度不均情况较轻时,全局力就可以牵引演化曲线分割目标,此时,选择较小的ω。
2.根据权利要求1所述的AMOLED显示屏Mura缺陷检测方法,其特征在于:所述均值漂移算法包括先计算当前点的偏移均值,然后移动该点到偏移均值,再以此为新的起始点,继续移动,直到满足一定的条件结束。
3.根据权利要求1所述的AMOLED显示屏Mura缺陷检测方法,其特征在于:均值漂移算法计算一个像素点的迭代步骤为:(1)随机选择一个初始点x;(2)计算其均值漂移量mh(x);
(3)令误差为ε',如果||mh(x)‑x||≤ε′,停止漂移迭代;否则,将mh(x)赋值给x,然后重复步骤(2)、(3)。
4.根据权利要求1所述的AMOLED显示屏Mura缺陷检测方法,其特征在于:对AMOLED显示屏Mura图像采用均值漂移算法进行预分割,得到水平集算法所需的初始轮廓。
5.根据权利要求1所述的AMOLED显示屏Mura缺陷检测方法,其特征在于:所述水平集算法的迭代步骤为:(1)由均值漂移算法得到初始水平集函数φ1,设置参数大小;(2)求解函数c1,c2,e1,e2;(3)根据主动轮廓模型演化水平集函数;(4)判断水平集函数是否收敛,若收敛则迭代结束,否则重复步骤(2)、(3)、(4)。
6.根据权利要求1所述的AMOLED显示屏Mura缺陷检测方法,其特征在于:对AMOLED显示屏Mura图像采用均值漂移算法进行预分割包括以下步骤:均值漂移算法存在迭代过程,先计算当前点的偏移均值,然后移动该点到偏移均值,再以此为新的起始点,继续移动,直到满足一定的条件结束,其推导过程如下:d
假设一个d维空间R 里有n个样本点,用xi表示每个样本点的属性值,其中i=1,2,…,n,d
在R中任选一个样本点x,x点的均值漂移向量表示如下:其中,Sh为半径h的高维球区域,属于该区域的点满足以下条件,T 2
Sh(xi)={xi:(xi‑x) (xi‑x)≤h} (2)式(2)中的x是高维球区域的中心点;
k表明在n个样本点xi中有多少位于Sh内;
(xi‑x)是样本点xi对应点x的偏移向量,式(1)中表示的均值漂移向量Mh(x)是位于Sh区域内的k个样本点对应x点的平均偏移向量,样本点xi从概率密度函数f(x)获得,并且概率密度增加最大的方向根据非零概率密度梯度确定,从均值来看,高维球区域Sh内的样本点相当多的落在概率密度梯度方向,因此,均值漂移向量Mh(x)指向概率密度梯度方向;
通过引进核函数和样本权值对原来的均值漂移向量Mh(x)改写:其中,G(x)是核函数,H是带宽矩阵,ω(xi)是高维球内样本点的权值矩阵,通过与图像中心点的距离设定权值,距离小的权值相对大,距离大的权值相对小,取H正比于单位矩阵,2
即H=hI,因此式(3)改写为:式(4)可以简化为如下形式:
利用式(5)计算得到均值漂移量mh(x):在核函数、权值矩阵和漂移终止条件确定的前提下,漂移终止条件即误差ε',均值漂移算法计算一个像素点的迭代步骤如下:(1)随机选择一个初始点x;
(2)计算其均值漂移量mh(x);
(3)如果||mh(x)‑x||≤ε′,停止漂移迭代;否则,将mh(x)赋值给x,然后重复步骤(2)、(3)。
说明书 :
一种AMOLED显示屏Mura缺陷检测方法
技术领域
背景技术
的缺陷,如点缺陷、线缺陷、Mura缺陷(Mura名称来源于日文单词,特指面板瑕疵,用来表征
当显示器以恒定亮度显示时,显示区域的不均匀)的存在,将对AMOLED显示屏的发光均匀
性、图像清晰性、寿命等产生影响。
不清晰,相比于显示屏的其他光学类缺陷,Mura缺陷较难检测。传统的人眼检测方法主要依
靠检测者的经验和主观感受来检测Mura缺陷及评定其等级,这就导致了不同的检测者对同
一Mura缺陷的判定结果可能不一致。
发明内容
像的局部和全局信息的水平集算法对AMOLED显示屏Mura图像进行分割。
止漂移迭代;否则,将mh(x)赋值给x,然后重复步骤(2)、(3)。
水平集函数;(4)判断水平集函数是否收敛,若收敛则迭代结束,否则重复步骤(2)、(3)、
(4)。
处理灰度不均图像的问题。
附图说明
以及由水平集算法得到的最终分割效果图。
以及由水平集算法得到的最终分割效果图。
以及由水平集算法得到的最终分割效果图。
具体实施方式
2,…,n。在R中任选一个样本点x,x点的均值漂移向量表示如下:
(xi‑x)≤h} (2)
率密度增加最大的方向根据非零概率密度梯度确定,从均值来看,高维球区域Sh内的样本
点相当多的落在概率密度梯度方向。因此,均值漂移向量Mh(x)指向概率密度梯度方向。
2
比于单位矩阵,即H=hI,因此式(3)改写为:
标边界时,能量函数E取得最小值。为求得E的最小值,利用Lipschitz函数φ的零水平集表
示轮廓曲线C,则E可表示为:
廓很敏感。
ω;当图像的灰度不均情况较轻时,全局力就可以牵引演化曲线分割目标,此时,就应该选
择较小的ω。
算法结合了局部和全局图像信息,解决了全局图像模型不能处理灰度不均图像的问题。
不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的
保护范围。