融合改进LBP和SVM的偏光片外观缺陷检测与分类

摘要：

偏光片的外观缺陷是影响TFT-LCD面板质量的重要因素之一.为提高偏光片外观缺陷图像识别的准确性,提出一种改进局部二值模式(Local Binary Pattern,LBP)描述符和支持向量机(Support Vector Machine,SVM)的识别方法.缺陷图像通过暗场成像原理获得,将缺陷图像划分为不同的区,对每一个区域提取LBP特征并组成高维复合特征.将不同分区的像素均值特征与LBP复合特征进行集成,利用主成分分析(Principal Component Analysis,PCA)消除特征间的相关性和噪声,使用线性判别分析(Linear Discriminant Analysis,LDA)进一步投影变换至低维特征,使用支持向量机对上述特征进行分类.结合改进LBP描述符、PCA、LDA和SVM四种算法的优点,在总数250的数据库中进行仿真实验,结果表明,该方法识别准确率达到99.2％,单张图像识别时间为0.92 s,完全满足工业生产线的实际应用要求.

关键词：偏光片、缺陷检测、LBP描述符、支持向量机(SVM)、主成分分析(PCA)、线性判别分析(LDA)

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;深圳市基础研究项目

在线出版日期：2020-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：251-255