초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

LED-BLU는 LCD 패널을 조사하는 방식에 따라 직하형 과 엣지형으로 분류된다. 직하형 BLU는 후면 전체에 LED-확산 렌즈 패키지들이 배치되어 직접적으로 LCD 패널을 조사하는 방식이며, 엣지형 BLU에 비하여 광 효율이 높다. 직하형 BLU의 사용이 증가하면서 제조 공정 과정에서 발생하는 확산 렌즈의 결함, 광량의 부족으로 인한 휘도 불균일 등의 문제가 발생했다. 이러한 결함들은 LCD 패널에서 얼룩성 결함(Mura)의 형태로 나타나며 ...

LED-BLU는 LCD 패널을 조사하는 방식에 따라 직하형 과 엣지형으로 분류된다. 직하형 BLU는 후면 전체에 LED-확산 렌즈 패키지들이 배치되어 직접적으로 LCD 패널을 조사하는 방식이며, 엣지형 BLU에 비하여 광 효율이 높다. 직하형 BLU의 사용이 증가하면서 제조 공정 과정에서 발생하는 확산 렌즈의 결함, 광량의 부족으로 인한 휘도 불균일 등의 문제가 발생했다. 이러한 결함들은 LCD 패널에서 얼룩성 결함(Mura)의 형태로 나타나며 평판 디스플레이의 성능 저하 요인이 된다. Mura는 암부, 휘부와 같이 미세한 결함으로 나타나며, 휘도 불균형으로 인한 Mura는 LED-BLU의 성능을 검사하는 사람에 따라 결과가 다르게 나오기도 한다. 동일한 LED-BLU를 검사할 때, 검시자에 따라 결과가 다르게 나오는 이유는 인간이 감지 할 수 있는 휘도 변화폭이 작고, 심리적 요인이 작용하기 때문이다. 따라서, 본 논문에서는 BLU를 카메라로 촬영하여 얻은 영상에서 BLU의 성능을 분석하는 기법을 제안하였다. 제안된 기법은 이미지 센서나 고배율 렌즈로 인하여 발생하는 노이즈 및 왜곡을 제거하기 위하여 YUV색 공간 모델을 이용하여 Gray-Scale 영상을 만들었고, Weight-Threshold Histogram Normalization을 적용하여 노이즈를 제거하고 BLU의 휘도 특성을 강조하였다. 그리고 2개의 LuT를 매핑하여 왜곡을 보정하였으며, 미세한 휘도 차이를 시각화 하기 위하여 RGB Spectrum LuT를 매핑하였다. 그리고 노이즈 및 왜곡이 제거된 영상에서 MS Segmentation을 적용하여 Array 패키지의 광 특성을 추출하였고, 추출된 결과를 바탕으로 이상이 있는 패키지를 검출 하였다. 개선된 MS Segmentation 기법을 적용하여 얼룩형 결함, 선형 결함, 원형 결함, 비정형 결함 등을 검출 하였다. 제안된 2가지 기법을 이용하여 기존의 BLU 성능 분석 기법들의 결과와 실측값을 비교하였다. 본 논문의 실험의 신뢰성을 검증하기 위하여, 휘도계를 사용하여 측정한 값과 비교하였다. 검증 결과, 본 논문에서 제안하는 기법의 BLU 성능 평가 지표가 기존의 방법들에 비하여 개선되었다.
본 논문에서 제안하는 직하형 BLU의 성능 평가 기법은 LCD panel의 성능 평가, OLED panel의 성능 평가를 위하여 사용될 수 있으며, 앞으로도 보다 정확한 평판 디스플레이의 성능 평가를 위한 방법에 대한 연구가 진행될 것으로 사료된다.

Abstract ▼ AI-Helper

LED-BLU are classified as direct-type and edge-type depending on lighting method to LCD Panel. Direct-type BLU is a method in which LED and diffusion lens packages are disposed on the entire rear surface to directly illuminate LCD panel and also the light efficiency is higher than edge-type BLU. As ...

LED-BLU are classified as direct-type and edge-type depending on lighting method to LCD Panel. Direct-type BLU is a method in which LED and diffusion lens packages are disposed on the entire rear surface to directly illuminate LCD panel and also the light efficiency is higher than edge-type BLU. As the use of direct-type BLU increases, problems such as defects of diffusion lens and luminance unevenness due to insufficient amount of light occurred in manufacturing process. These defects appear in stain form(Mura) on LCD panel and are a performance degradation of flat panel display. Mura appear to be microscopic defects such as dark and bright areas, and different results can be obtained depending on who tests the performance of the LED-BLU. The reason of different results is that the width of change in brightness which human can be detected is narrow and psychological factors acts. Therefore, in this paper, we proposed schemes to analyze the performance of BLU in digital images obtained by cameras. First, in order to obtain images most similar to human’s sight, we eliminated noise and distortion. To remove the noise and distortion caused by image sensor or high magnification lens, we generate gray-scale image using YUV color space modeling and weighted-threshold histogram normalization is applied to eliminate noise and emphasize the luminance characteristics of BLU. Then, the distortion was corrected by mapping two LuTs, and we mapped RGB spectrum LuT to visualize the minute luminance difference. The optical characteristics of LED-diffusion lens array packages were extracted by applying MS segmentation to the image which eliminated sensor noises, communication noises and distortion, and defective package was detected based on extracted results. By using improved MS segmentation, we detected stain defects, line defects, circle defects and non-shaped defects. Using the two proposed schemes, we compared the results of conventional BLU performance analysis method with our method. To verify the reliability of our experiment, we used a luminance meter. As results of the verification, the performance index of the proposed method is improved than the conventional methods.

주제어