表面缺陷检测GPU并行图像处理技术

摘要

本文主要应用自动光学方法检测物体表面缺陷，以TFT-LCD面板表面缺陷检测为例，讨论了低对比度条件下含有周期性纹理背景的表面缺陷检测问题，并对非周期性纹理背景的表面缺陷检测问题做了分析。为了提高检测速度，应用了GPU/CUDA对相关算法做并行加速优化。　　对于表面含有周期性纹理背景的LCD面板，通过研究发现了一维灰度图中空间域的周期性峰值的间距△x与频率域中的周期性峰值的间距△u之间的关系，根据该关系利用一维傅立叶变换在频域中将周期性纹理背景滤除。为了提高缺陷特征的对比度，在频域中将高频部分滤除，保留缺陷所在的低频部分，突出了缺陷的局部信息。在得到行扫描图像的傅立叶重构图像后，应用全尺寸Haar小波变换消除了光照不均匀的影响，利用阈值统计法进行阈值分割，将液晶面板表面缺陷分割出来，并对缺陷进行连通域提取和最小外接矩形标记，获得缺陷的Blob属性。最后对非周期性纹理背景的表面缺陷检测也做了简单的讨论。　　为了提高表面缺陷的检测速度，应用NVIDIA的GPU/CUDA对图像进行并行处理，对算法中耗时的傅立叶变换、小波变换、连通域提取和最小外接矩形4个算法做了并行加速优化，并根据算法的特点提出了相应的并行优化策略。　　实验中对阈值分割系数k的选择和滤除高频信息下限参数w做了分析，讨论了光照强度对检测结果的影响，并对GPU并行加速与CPU做了性能比较，根据所处理的图像大小不同，取得了20～50倍的加速效果，对表面缺陷的实时在线检测具有很好的参考价值。

目录

文摘

英文文摘

致谢

插图清单

表格清单

第一章 绪论

1.1 课题研究背景

1.2 国内外研究现状

1.3 表面缺陷检测并行处理的意义

1.4 本文的组织安排

第二章 系统方案设计与GPU通用计算

2.1 表面缺陷检测系统的选择与设计

2.1.1 常见的表面缺陷检测系统组成

2.1.2 表面缺陷检测系统方案设计

2.2 图形处理器(GPU)通用计算概述

2.3 统一计算设备架构CUDA概述

2.3.1 Tesla GPU硬件架构

2.3.2 CUDA架构的编程模型

2.3.3 CUDA架构的存储器模型

2.3.4 CUDA架构的执行模型

2.3.5 CUDA优化策略

2.4 小结

第三章 液晶面板表面缺陷检测算法研究

3.1 总体方案设计

3.1.1 缺陷的分类

3.1.2 方案选择与设计

3.2 CCD相机图像采集

3.3 周期性背景液晶面板表面缺陷的提取与分析

3.3.1 周期性背景分析与滤除

3.3.2 边界效应的消除

3.3.3 提取目标缺陷

3.4 图像数据的网络传输

3.4.1 网络传输上位机服务器端编程与分析

3.4.2 网络传输下位机客户端编程与分析

3.5 缺陷的连通域提取

3.6 基于霍特林变换的缺陷标记

3.7 小结

第四章 基于GPU/CUDA加速的相关算法并行研究

4.1 基于GPU/CUDA的傅立叶变换实现

4.2 基于GPU/CUDA的一维小波变换并行实现

4.3 基于GPU/CUDA的连通域运算并行实现

4.4 基于GPU/CUDA与霍特林变换运算并行实现

4.5 小结

第五章 实验结果与分析

5.1 实验系统简介

5.2 规律性背景TFT-LCD缺陷检测结果与分析

5.3 无规律背景背光源缺陷检测结果与分析

5.4 GPU并行计算加速效果与分析

5.5 缺陷标记分析

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

攻读硕士学位期间发表的论文