检测非制冷红外机芯图像像素缺陷点方法研究

本文涉及非制冷红外机芯图像像素缺陷点(在非制冷红外机芯图像中表现为与周围众多像素点不同的较亮或较暗的像素点,简称缺陷点)检测技术,提出了一种基于图像采集卡检测非制冷红外机芯图像像素缺陷点的方法。

液晶显示屏的像素缺陷

液晶显示屏(liquidcrystaldisplay),外加电压使液晶分子取向改变,以调制透过液晶的光强度,产生灰度或彩色图像的显示器件。

基于K-means聚类和LVQ神经网络的 OLED缺陷像素识别

提出改进的K-means聚类分割和LVQ神经网络分类的方法,用于有机发光二极管显示面板喷墨打印制程中缺陷像素的识别。首先采用改进的K-means聚类算法对预处理后的打印像素进行分割,然后采用连通域水平矩形确定每一个打印像素的坐标及几何特征,再通过灰度共生矩阵提取其纹理特征,最后通过LVQ神经网络对所述特征进行分类,完成缺陷像素的标记及分类统计。结果表明,本文算法的识别率明显优于其他常用分类识别算法,平均缺陷检测率为100%,分类准确率达到98.9%,单像素检测时间为8.3ms。

图像采集系统帧序列上缺陷像素的识别

给出了缺陷像素的定义。对由图像帧序列构成矩阵去除直流分量所得到的余量矩阵作主成分分解建立特征图像。对特征图像作方差分析并结合为像素所定义的Mahalanobis距离,建立起概率分布意义上的缺陷像素识别的数学模型。实验结果分析表明,在给定每帧图像所包含的像素数时,通过距离基准限及一个可调节常量的设置,该概率模型可以满足图像采集系统在不同精度要求下对包括图像采集帧上的瑕点、闪烁像素以及漂移像素等缺陷像素的识别。

基于HSV颜色特征的苹果病斑点检测系统设计与实现

为提高苹果表面质量检测的效率,降低劳动强度,设计了苹果表面病斑点程度自动化检测软件系统,主要包括样本图像采集等预处理、HSV颜色过滤、苹果整体定位、整体像素统计、病斑点区定位、病斑点区像素统计等多种功能.以C#2005为开发平台,综合利用数字图像处理中的多种方法,通过对大量的数据样本进行测试,实验表明能够有效地对苹果图像进行精确检测.

基于颜色特征的苹果表面质量检测系统设计与实现

为提高苹果表面质量检测的效率,降低劳动成本的投入,设计了苹果表面质量自动化检测系统,其主要包括用户登录、样本图像采集、颜色过滤、苹果定位,完好区像素、缺陷区定位、缺陷区像素、数据处理和人工学习等多种功能。以VS.net2005为开发平台,综合利用数字图像处理中的各种方法,通过对大量的数据样本进行测试,能够有效地对苹果图像进行精确检测,具有更为广泛的推广价值。