1、觸控技術(shù)作為當(dāng)前自然人機(jī)交互的主流技術(shù)，幾乎占領(lǐng)了所有的智能終端設(shè)備。觸摸屏的質(zhì)量對(duì)觸摸屏制造企業(yè)至關(guān)重要。由于觸摸屏缺陷自動(dòng)檢測(cè)裝置價(jià)格昂貴，目前國(guó)內(nèi)許多企業(yè)仍然采用人工檢測(cè)的方法對(duì)觸摸屏進(jìn)行缺陷檢測(cè)。但是隨著觸摸屏的規(guī)?；a(chǎn)，人工檢測(cè)已經(jīng)很難滿足實(shí)際的生產(chǎn)要求。因此，觸摸屏生產(chǎn)廠商迫切需求研究出自動(dòng)的觸摸屏表面圖像缺陷檢測(cè)技術(shù)。本文基于計(jì)算機(jī)視覺(jué)、圖像處理等相關(guān)知識(shí)，提出了自動(dòng)的低分辨率觸摸屏表面缺陷檢測(cè)方法，具體研究成果如下:<

2、br>　　(1)針對(duì)低分辨率觸摸屏表面圖像低對(duì)比度、噪聲和細(xì)微缺陷相似的問(wèn)題，提出了基于Gabor統(tǒng)計(jì)特征的字典稀疏表示觸摸屏圖像缺陷檢測(cè)算法。該算法引入了Gabor特征用于描述觸摸屏表面圖像，利用Gabor統(tǒng)計(jì)特征構(gòu)造字典并對(duì)字典進(jìn)行優(yōu)化，將稀疏表示分類的方法應(yīng)用于低分辨率的觸摸屏表面缺陷檢測(cè)。
　　(2)特征提取和分類算法是觸摸屏表面缺陷檢測(cè)算法中的關(guān)鍵。本文提出了基于局部及全局特征，并利用SVM(Support Vector

3、 Machine)進(jìn)行分類的觸摸屏表面缺陷檢測(cè)方法。該方法提取圖像的局部Gabor特征和全局GLCM(Gray LevelCo-occurrence Matrix)特征，分別搭建合理的SVM分類模型，實(shí)現(xiàn)了低分辨率觸摸屏表面缺陷檢測(cè)。同時(shí)提出了Gabor濾波參數(shù)尋優(yōu)準(zhǔn)則和GLCM特征描述的優(yōu)選方案。
　　通過(guò)上述基于特征提取和分類的檢測(cè)方法，實(shí)現(xiàn)了低分辨率觸摸屏圖像自動(dòng)缺陷檢測(cè)。實(shí)驗(yàn)表明，基于Gabor特征和稀疏表示的觸摸屏表面缺