[논문]Mura 검출을 위한 Model Fitting 및 Least Square Estimator의 비교

오창환; 주효남; 류근호

doi:10.5302/j.icros.2008.14.5.415

Abstract ▼ AI-Helper

Detecting and correcting defects on LCD glasses early in the manufacturing process becomes important for panel makers to reduce the manufacturing costs and to improve productivity. Many attempts have been made and were successfully applied to detect and identify simple defects such as scratches, den...

Detecting and correcting defects on LCD glasses early in the manufacturing process becomes important for panel makers to reduce the manufacturing costs and to improve productivity. Many attempts have been made and were successfully applied to detect and identify simple defects such as scratches, dents, and foreign objects on glasses. However, it is still difficult to robustly detect low-contrast defect region, called Mura or blemish area on glasses. Typically, these defect areas are roughly defined as relatively large, several millimeters of diameter, and relatively dark and/or bright region of low Signal-to-Noise Ratio (SNR) against background of low-frequency signal. The aim of this article is to present a robust algorithm to segment these blemish defects. Early 90's, a highly robust estimator, known as the Model-Fitting (MF) estimator was developed by X. Zhuang et. al. and have been successfully used in many computer vision application. Compared to the conventional Least-Square (LS) estimator the MF estimator can successfully estimate model parameters from a dataset of contaminated Gaussian mixture. Such a noise model is defined as a regular white Gaussian noise model with probability $1-\varepsilon$ plus an outlier process with probability $varepsilon$. In the sense of robust estimation, the blemish defect in images can be considered as being a group of outliers in the process of estimating image background model parameters. The algorithm developed in this paper uses a modified MF estimator to robustly estimate the background model and as a by-product to segment the blemish defects, the outliers.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

가설 설정

2) 적은 수의 Outher에 대해 강인하다.
3) 추정 분포로부터 벗어나는 경우 큰 영향이 없다.

제안 방법

본 논문에서 잡음에도 불구하고 LCD 않ass 위의 low contrast를 갖는 mum를 찾기 위해 매우 강인한 MF estimator 를 구현하여 MF method과 LS method의 성능을 비교하였다.
본 논문에서 제안한 방법은 LCD panel과 같이 시료 전반이동일 한 재질인 경우 이외에 2가지 이상의 다른 재질의 시료를 테스트하는 경우에도 사용할 수 있다. BGA나 LGA는 배경과 lead 부로 나눌 수 있고, 이때 IC 도면을 이용하여 금박 부분과 나머지 부분의 영역을 확인하여 Ground Trufli를 확인할 수 있다.
방법인 MF estimator# 적용할 것이다. 우선 mum를 검출에 적용할 MF estimator를 설명한 후 MF estimator와 LS estimator의 실험결과를 비교할 것이다.

이론/모형

2. Original and processed image using LS method.

성능/효과

1) 추정된 잡음 분포에 훌륭한 효율을 가진다.
MF estimator는 전통적인 LS estimator에 비하여 조명 불균일과 잡음에도 불구하고 과검율과 미검율이 낮아 무라 검출을 더 강인하게 할 수 있음을 보였다.

참고문헌 (16)

J. Y. Lee and S. I. Yoo, "Automatic detection of region-mura defect in TFT-LCD," IEICE TRANS. INF. & SYST., vol. E87-D, no. 10, pp. 2371-2378, 2004
K. H. Rew, T. H. Nam, H. Joo, and K. W. Ko, "Enhancement of illumination irregularity for the 2D blot detection under low contrast," Journal of the Korean Society for Precision Engineering, vol. 24, no. 4, pp. 29-35, 2007
D. Dechow, Integrating Machine Vision Systems manual from the Vision Show West 2005, Automated Imaging Association Pub., 2005
R. C. Gonzalez, R. E. Woods, and S. L. Eddins, Digital Image Processing Using MATLAB, Prentice-Hall Pub., Ch. 2-3, 2004
K. Taniguchi, K. Ueta, and S. Tatsumi, "A mura detection method," Pattern Recognition, vol. 39, no. 2, pp. 1044-1052, 2006

상세보기
H. C. Na, Y. K. Ryu, B. O. Rho, and H. S. Cho, "Design of a lighting system for PCB visual pattern inspection using reflectance property," Trans. of the KSME(B), vol. 18, no. 1, pp. 867-872, 1994
P. Dutre, P. Bekaert, and K. Bala, Advanced Global Illumination, AK Peters Pub., Ch. 6-7, 2003
D. Forsysth and J. Ponce, Computer Vision-a Modern Approach, PrenticeHall Pub., Ch. 5, 2003
M. Sonka, V. Hlavac, and R. Boyle, Image Processing, Analysis, and Machine Vision, Brooks/Cole Pub., Ch. 9, 1999
E. R. Davies, Machine Vision - Theory Algorithms Practicalities, Elsevier Pub., Ch. 27, 2005
P. Huber, Robust Statistics, NewYork, Wiley Pub., 1981
S. Z. Li, "Robustizing robust M-estimation using deterministic annealing," Pattern Recognition, vol. 29, no. 1, pp. 159-166, 1996

상세보기
X. Zhuang, T. Wang, and P. Zhang, "A highly robust estimator through partially likelihood function modeling and its application in computer vision," IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 14, no. 1, pp. 19-35, 1992

상세보기
X. Zhuang, Y. Huang, K. Palaniappan, Y. Zhao "Gaussian mixture density modeling, decomposition, and applications," IEEE Trans. on Image Processing, vol. 5, no. 9, pp. 1293-1302, 1996

상세보기
D. G. Sim and R. H. Park, "Robust reweighted MAP motion estimation," IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 20, no. 4, pp. 353-365, 1998

상세보기
C. V. Stewart, "Robust parameter estimation in computer vision," SIAM Review, vol. 41, no. 3, pp. 513-537, 1999

상세보기

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

Mura 검출을 위한 Model Fitting 및 Least Square Estimator의 비교
Comparison of Model Fitting & Least Square Estimator for Detecting Mura 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

가설 설정

제안 방법

이론/모형

성능/효과

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

Mura 검출을 위한 Model Fitting 및 Least Square Estimator의 비교 Comparison of Model Fitting & Least Square Estimator for Detecting Mura 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

가설 설정

제안 방법

이론/모형

성능/효과

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

주효남 (17) 류근호 (15)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

Mura 검출을 위한 Model Fitting 및 Least Square Estimator의 비교
Comparison of Model Fitting & Least Square Estimator for Detecting Mura 원문보기

AI 본문요약
AI-Helper