獨(dú)立成分分析對(duì)液晶顯示面的缺陷檢測(cè)

1、基于帶圖案的LCD表面缺陷檢測(cè)的獨(dú)立成分分析法摘要：在本文中，我們提出了機(jī)器視覺(jué)方法來(lái)自動(dòng)檢測(cè)周期性圖案的微缺陷，尤其針對(duì)薄膜晶體管液晶顯示器（TFT-LCD）面板。該方法是基于圖像重建使用獨(dú)立成分分析（ICA）。 ICA是首次應(yīng)用到一個(gè)完美的訓(xùn)練圖像來(lái)確定去混合矩陣和相應(yīng)獨(dú)立組件（ICS）。訓(xùn)練圖像的全局結(jié)構(gòu)的集成電路被確定，相關(guān)集成電路的行向量被替換為最少結(jié)構(gòu)去混合的訓(xùn)練圖像。改造后的去混合矩陣是用來(lái)檢測(cè)TFT-LCD的圖像重建。該生成的圖像可有效去除球型結(jié)構(gòu)圖案，只保留局部異常，許多不同的TFT-LCD面板表面的微觀缺陷都通過(guò)這個(gè)方法。實(shí)驗(yàn)結(jié)果表明，該方法能很好地檢測(cè)周期性圖案表面各種不

2、明確的缺陷。2007年愛(ài)思唯爾B.V.保留所有權(quán)利。關(guān)鍵詞：缺陷檢測(cè);表面檢查; TFT-LCD面板;獨(dú)立成分分析。介紹：具有周期性結(jié)構(gòu)的表面，例如機(jī)械表面、IC晶片、有色濾光片和薄的影視晶體管的液晶（TFT-LCD）顯示面板經(jīng)常出現(xiàn)在工業(yè)產(chǎn)品上。TFT-LCD面板在最近幾年變得越來(lái)越重要，隨著它作為筆記本和個(gè)人電腦的核心，也可以用作手持的反光器件，例如移動(dòng)電話、PDA。為了提高成像質(zhì)量和提高生產(chǎn)量，TFT-LCD的缺陷檢測(cè)就成為了LCD制造業(yè)的主要任務(wù)。傳統(tǒng)人工檢查效率低、不可觀、成本高和高度依賴有經(jīng)驗(yàn)的檢測(cè)員，由于這個(gè)事實(shí)可傳承的TFT-LCD面板在感官影像方面形成了復(fù)雜的圖案。在這次的研

3、究中，我們通過(guò)機(jī)器視覺(jué)對(duì)周期性圖案表面的缺陷檢測(cè)，尤其是在TFT-LCD。在LCD生產(chǎn)過(guò)程中，垂線和門線被寫在玻璃基板上，因此，TFT-LCD圖像可以被分成紋理結(jié)構(gòu)的圖像由水平線和垂直線形成于表面。圖1（a）顯示了60像素/ 毫米的粗分辨率的扭轉(zhuǎn)向列型（TN）TFT-LCD面板，它可以從圖中可以看出與TN TFT-LCD面板的表面涉及到重復(fù)的、等距的水平線和垂直線，由于每個(gè)水平線都在TN LCD表面，它的輪廓包括周期性峰值如圖1（b） - （d）所示。所有TN LCD表面的水平線分辨路很低包含童謠的周期性圖案，除了它們具有不同幅度的峰值。（圖1）而TN的TFT-LCD的主要缺點(diǎn)之一板是窄的視角

4、，新型TFT-LCD使用多域垂直配向（MVA）技術(shù)1,2已經(jīng)解決了這個(gè)問(wèn)題，此技術(shù)應(yīng)用在一個(gè)復(fù)雜結(jié)構(gòu)圖案的MVA TFT-LCD面板表面上。MVA TFT-LCD面板的圖案化圖像如圖2（a）分辨率高達(dá)500像素/毫米，一些致命的面板缺陷只能在這種高分辨率下觀察，從圖2（a）看出該MVA TFT-LCD面板表面不僅涉及水平線和垂直線，而且還含有少量復(fù)雜圖案（TFT和公共線）反復(fù)出現(xiàn)在表面。對(duì)水平掃描線而言，MVA LCD涉及多個(gè)高分辨率重復(fù)圖案。圖2（b） - （d）給出了圖2（a）的三個(gè)灰度分布水平線，可以發(fā)現(xiàn)，該周期性圖案仍出現(xiàn)在每個(gè)水平線上，然而，每個(gè)周期圖案MVA LCD線圖像比TN L

5、CD線更復(fù)雜，只有在每個(gè)周期有一個(gè)峰值，由于復(fù)雜結(jié)構(gòu)的TFT-LCD表面的分辨率很高，它的感官圖像已經(jīng)遠(yuǎn)遠(yuǎn)超出了同類結(jié)構(gòu)圖案，對(duì)復(fù)雜圖案表面的微觀缺陷檢測(cè)變得極其困難。（圖2） TFT-LCD面板表面缺陷不僅造成視覺(jué)故障也可引起電氣故障。，F(xiàn)T-LCD面板的表面缺陷可粗略地分為兩類：宏觀和微觀缺陷。宏觀缺陷，如污點(diǎn)，不均顏色和TFT-LCD面板的錯(cuò)位，表現(xiàn)高對(duì)比度區(qū)域伴隨著不規(guī)則形狀和尺寸，它們一般尺寸大，因此，可以很容易的被檢測(cè)員檢測(cè)到。然而，微缺陷，如針孔，劃痕和TFT-LCD表面上的顆粒，通常是非常小的尺寸，不能被檢測(cè)員檢測(cè)到，所提方法主要集中在研究嵌入在TFT-LCD表面的微觀缺陷。對(duì)

6、于TFT-LCD自動(dòng)檢測(cè)系統(tǒng)，一些電學(xué)和光學(xué)檢驗(yàn)技術(shù)已經(jīng)開(kāi)始應(yīng)用于LCD制造。Henly和Addiego 使用2D電光調(diào)制器產(chǎn)生的電壓圖像來(lái)衡量潛在的缺陷，在非接觸的LCD表面，從所得到的電壓圖像中檢測(cè)出缺陷，Kidoet也提出了光學(xué)感應(yīng)充電技術(shù)對(duì)有源矩陣LCD面板的檢查。大多數(shù)自動(dòng)檢測(cè)系統(tǒng)是基于常規(guī)的電氣方法來(lái)檢測(cè)LCD表面缺陷，這些方法對(duì)TFT面板功能的檢驗(yàn)非常好，但它們只能是在制造完成后檢測(cè)。一些基本視覺(jué)技術(shù)已用于LCD檢查，Sokolov和Treskunov 開(kāi)發(fā)了一種自動(dòng)視覺(jué)系統(tǒng)對(duì)LCD產(chǎn)出的最后檢測(cè)，他們的方法基于LCD圖像的亮度分布，它比較LCD參考圖像和測(cè)試圖像的平均亮度，以檢

7、測(cè)外觀缺陷。Nakashima 提出的檢查系統(tǒng)通過(guò)圖像減法和光學(xué)傅立葉過(guò)濾來(lái)檢測(cè)LCD彩色濾光片面板的缺陷，圖像減法被用于檢測(cè)白色和黑色的缺陷，如黑矩陣孔和顆粒，傅里葉濾波用于檢測(cè)顆粒缺陷?，F(xiàn)有的視覺(jué)基礎(chǔ)技術(shù)通常需要一個(gè)預(yù)先存儲(chǔ)模板圖像進(jìn)行比較，它們需要大量的數(shù)據(jù)存儲(chǔ)卷以供參考，和精確環(huán)境，如調(diào)整和照明。此外，現(xiàn)有的技術(shù)是主要開(kāi)發(fā)用于具有像圖1（a）那樣簡(jiǎn)單圖案化結(jié)構(gòu)的TN LCD面板。他們不可以直接檢測(cè)缺陷對(duì)于復(fù)雜的 MVA TFT-LCD面板。在本文中，我們提出了圖像重建方案通過(guò)獨(dú)立成分分析來(lái)檢測(cè)TN和MVA TFT-LCD表面的微觀缺陷。，ICA是一種新型的統(tǒng)計(jì)信號(hào)處理技術(shù)。在基本IC模

8、型中，該觀察混合物信號(hào)X可表示為：X =AS其中，A是一個(gè)未知的混合矩陣，并且S表示潛在的源信號(hào)，ICA解決方案得益于無(wú)監(jiān)督學(xué)習(xí)過(guò)程，發(fā)現(xiàn)一個(gè)去混合矩陣W通過(guò)假定源信號(hào)是相互統(tǒng)計(jì)獨(dú)立的，去混合矩陣W用于轉(zhuǎn)化所觀察到的混合物信號(hào)X來(lái)得到獨(dú)立信號(hào)Y，即WX= Y，Y的行，稱為獨(dú)立成分（ICS），是單個(gè)源信號(hào)的概數(shù)。普通ICA模型已被廣泛應(yīng)用于醫(yī)學(xué)信號(hào)處理，例如腦電圖，磁共振成像和MEG數(shù)據(jù)，和音頻信號(hào)處理，目的是信號(hào)去噪和增強(qiáng)，它也應(yīng)用于特征提取和人臉識(shí)別。 一些研究已經(jīng)致力于ICA的結(jié)構(gòu)分析，Manduchi和Portilla 通過(guò)對(duì)ICA不同結(jié)構(gòu)進(jìn)行分類，他們用訓(xùn)練圖像的去混合矩陣作為特征矩陣

9、，去混合矩陣被用于增加試驗(yàn)圖像來(lái)估計(jì)條件似然評(píng)估，Bayesian根據(jù)條件似然評(píng)估技術(shù)用于結(jié)構(gòu)圖像分類，Chent al.用ICA建設(shè)帶圖案的模板對(duì)于結(jié)構(gòu)的分割。它們施加ICA到訓(xùn)練圖像中去學(xué)習(xí)混合矩陣，混合矩陣的行被視為珍貴結(jié)構(gòu)圖案的模板，K-均值算法用于圖案匹配對(duì)于分割結(jié)構(gòu)圖。Jenssen和Eltoft 考慮結(jié)構(gòu)分割這個(gè)問(wèn)題采用ICA濾波器，他們用訓(xùn)練圖像混合矩陣的列作為濾波器，在他們的方法中，頻域?yàn)V波器用于選擇一個(gè)子濾波器，具有高結(jié)構(gòu)分離性能，所選的濾波器被用作測(cè)試濾波器組圖像以生成特征向量。K-均值法用于結(jié)構(gòu)分割產(chǎn)生特征向量，前述基于ICA的方法結(jié)構(gòu)分析一般采用混合向量或去混合矩陣濾

10、波器或模式模板來(lái)表示結(jié)構(gòu)特征。濾波器具有所需的性能對(duì)于特殊結(jié)構(gòu)問(wèn)題的必須仔細(xì)挑選以產(chǎn)生有代表性的特征向量，然后，多維分類器需要分段或分類結(jié)構(gòu)，用這種方法，不同的結(jié)構(gòu)可能需要不同的結(jié)構(gòu)特征來(lái)描述結(jié)構(gòu)圖案，特征提取過(guò)程一般是通過(guò)試驗(yàn)和錯(cuò)誤校正，優(yōu)化濾波器的設(shè)計(jì)是一個(gè)非常復(fù)雜的任務(wù)，可能高度依賴于人的專業(yè)知識(shí)。ICA圖像數(shù)據(jù)通常與當(dāng)時(shí)位置有關(guān)，如圖像邊緣，把完美的訓(xùn)練2D圖像作為ICA數(shù)據(jù)矩陣模型，所述矩陣的每一行向量，即每個(gè)水平線圖像，被視為一個(gè)觀測(cè)混合物信號(hào)，然后，估計(jì)源矩陣的每一行向量Y從ICA中獲得，代表獨(dú)立的源信號(hào)，描述了帶圖案結(jié)構(gòu)表面的唯一邊界，所有這些獨(dú)立源信號(hào)通過(guò)復(fù)雜的TFT-LCD

11、結(jié)構(gòu)用作實(shí)驗(yàn)，這些IC然后可以作為TFT-LCD面板基本結(jié)構(gòu)功能的表面，IC有一個(gè)明顯的尖端輪廓代表該圖案結(jié)構(gòu)中的某些特定位置的邊緣發(fā)生尖峰，帶有扁平輪廓的IC代表圖像的唯一背景。在這項(xiàng)研究中，所提的基于ICA的方法使用圖像重建戰(zhàn)略以消除重復(fù)結(jié)構(gòu)的TFT-LCD表面，通過(guò)排除IC相應(yīng)行向量代表主要結(jié)構(gòu)圖案和僅保留與IC有關(guān)的行向量，代表唯一背景圖案的TFT-LCD圖像在去混合矩陣中以產(chǎn)生一個(gè)新的去混合矩陣，該新的去混合矩陣包含最少結(jié)構(gòu)圖案信息，可以被用作重建檢查圖像。對(duì)于一個(gè)完美的TFT-LCD圖像，球型結(jié)構(gòu)圖案的圖像將被有效的移除在圖像重建中，結(jié)果圖像的每一行形成唯一的輪廓；對(duì)于有缺陷的TF

12、T-LCD的圖像，局部異常在重建圖像中可明顯提高，局部異常將顯示為非均勻分段伴隨著大的灰色水平變動(dòng)，然而重復(fù)結(jié)構(gòu)圖案將被移除，成為唯一的重建圖像。因此，簡(jiǎn)單統(tǒng)計(jì)進(jìn)程控制限制用來(lái)設(shè)置閾值用于區(qū)分缺陷和清晰段對(duì)于每個(gè)重建圖像的行向量，該方法不需要定量特征進(jìn)行分類或參考模板匹配，它減輕了局限特征提取和模板匹配方法的限制。此外，該方法非常適用于掃描線系統(tǒng)在工業(yè)中的應(yīng)用，對(duì)于大尺寸的TFT-LCD面板每個(gè)行圖像被單獨(dú)地輸入作為行向量的數(shù)據(jù)矩陣，局部異常在重建圖像中可以被一行一行的分別檢測(cè)到。本文安排如下：第2章第一節(jié)介紹基本ICA模型的2D圖像。性能集成電路圖案化的TFT-LCD的圖像，然后進(jìn)行討論。接

13、著，對(duì)TFT-ICA的基于缺陷檢測(cè)方案LCD檢查徹底描述。第3章從各種微缺陷在簡(jiǎn)單的面板TN TFT_LCD和復(fù)雜的MVA TFT-LCD面板進(jìn)行說(shuō)明。 照明的變化和圖像的平移也在這個(gè)單元。本文的結(jié)論是在第4章?；贗CA的缺陷檢測(cè)基本ICA模型圖像： 設(shè)X是大小為nM的輸入圖像(Mn), 圖像X的水平掃描線用Xi(i=1,2n)表示。輸入圖像可以被視為一個(gè)矩陣X=【x1，x2,，xn】T，在此所述的ICA模型的結(jié)構(gòu)在此研究中有各行的圖像Xi作為觀察的混合信號(hào)。然后，將矩陣X可以建模其中，x ij是圖像X的坐標(biāo)（i，j）的灰度級(jí); 是nn去混合矩陣A的第i列; 是 nM原矩陣的第i行，向量潛在

14、的源行圖像不能直接從輸入圖像X中觀察，ICA模型旨在找到nn的去混合矩陣W使得其中yi是矩陣Y，I=1，2，.，n的第i行，該向量必須盡可能的統(tǒng)計(jì)獨(dú)立，被稱為獨(dú)立成分，它們是行圖像通過(guò)計(jì)算潛在的源圖像的結(jié)果。式（3）是去混合矩陣W的第i行，它被用于過(guò)濾所述輸入圖像X以產(chǎn)生相應(yīng)的獨(dú)立成分，即。 這兒有幾種ICA的演變算法。通常，IC通過(guò)使用去混合矩陣W乘以圖像X獲得，去混合矩陣W可以使用無(wú)監(jiān)督學(xué)習(xí)算法用最大限度地IC的數(shù)據(jù)獨(dú)立，提出FastICA算法海沃rinen等被本文采用，以解決去混合矩陣W。IC在帶圖案的TFT_LCD圖像中的性能：圖3顯示大小為32256的粗分辨率TFT-LCD完美圖像，

15、它包含了32個(gè)行圖像，每個(gè)大小為1256像素，通過(guò)將ICA圖像應(yīng)用到圖3中，它由去混合矩陣（W）大小為3232和32個(gè)獨(dú)立成分（yi）組成，每個(gè)大小為1256，圖4描繪了所得的32個(gè) IC的輪廓。由于ICA只能恢復(fù)源信號(hào)變換（和縮放），32個(gè)IC的順序在圖 4中不對(duì)應(yīng)原始圖像的行順序，從圖4可以看出，一些IC輪廓包含可見(jiàn)頂點(diǎn)，例如IC4就是個(gè)例子。IC輪廓的頂點(diǎn)代表TFT-LCD圖像的垂直導(dǎo)電線，由于垂直導(dǎo)電線是粗分辨率TFT-LCD面板行圖像的重復(fù)結(jié)構(gòu)，IC包含明顯頂點(diǎn)組成TFT-LCD圖像的主要結(jié)構(gòu)圖案，從圖4中也可發(fā)現(xiàn)一些IC具有近似一致的輪廓，例如IC12是個(gè)例子。具有平坦輪廓的IC導(dǎo)

16、電線不含邊緣信息，因此它代表TFT-LCD圖像的一致分割水平線輪廓，這些IC可以用來(lái)描述TFT-LCD的一致背景圖像。（圖3）（圖4）由于計(jì)算的IC代表訓(xùn)練圖像的各種結(jié)構(gòu)圖案，它們可以作為基本結(jié)構(gòu)功能來(lái)組成完整圖案的訓(xùn)練圖像，當(dāng)更多基本結(jié)構(gòu)功能被用于重建原始圖像，更好地逼近原始結(jié)構(gòu)圖案可以在重建圖像中獲得，TFT-LCD圖像的主要結(jié)構(gòu)圖案可以被重建只用IC包含明顯的頂點(diǎn)，由于它們描述了重建圖案的邊緣，隨著帶有明顯峰值的IC在重建進(jìn)程中，更多原始圖像X的細(xì)節(jié)可以用在結(jié)果圖像，設(shè)Y g為Nm的矩陣包含g，大部分IC的峰值含有剩下的n-g向量的的零項(xiàng)（gn），該重建行圖像Xig的原始行圖像Xi可以從

17、Yg中獲得通過(guò)其中ai為混合矩陣A的第i行從去混合矩陣W中獲得，i.e，A=W-1，i=1,2，n，當(dāng)g=n的時(shí)候Xin被完整的重建作為Xi從aiY中。舉個(gè)例子，圖5（a）描畫出了TN LCD行圖像的灰度級(jí)輪廓在圖1（b）。圖5（b） - （e）顯示重建行圖像的結(jié)果，當(dāng)g各自 等于10，15，20和25的時(shí)候，它可以觀察到重建行圖像的輪廓變得更接近原始行圖像，隨著IC的峰值在增加。需要注意的是32個(gè)IC中的20足以重建主要結(jié)構(gòu)原始行圖像，如圖5（d）所示。（圖5）具有明顯頂點(diǎn)的IC也可以很好的組成MVA型LCD圖像，它涉及高分辨率復(fù)雜結(jié)構(gòu)圖案，圖6-8示出了MVA LCD重建行圖像，圖2（b）

18、 - （d）來(lái)自變化數(shù)目IC的峰值。MVA型圖像的尺寸用于去混合矩陣W是48223，它48個(gè)IC，每個(gè)大小為1223。從圖6-8可以觀察到，當(dāng)IC的峰值用作重建被充分選擇，每三個(gè)原始MVA LCD行圖像的主要結(jié)構(gòu)可以很好地組成重建行圖像，而不管它的原始源圖案。（圖6）（圖7）（圖8）因此，在使用ICA對(duì)TFT-LCD缺陷檢測(cè)時(shí)，我們可以先識(shí)別包含顯著頂點(diǎn)的IC來(lái)代表圖案化表面的主要結(jié)構(gòu)，相應(yīng)的IC的被移除和替代用一個(gè)具體的WK對(duì)應(yīng)于平坦IC輪廓來(lái)重組去混合矩陣W，平坦IC代表相同區(qū)域，包含TFT-LCD面板表面結(jié)構(gòu)圖案的無(wú)邊緣信息，新形成的去混矩陣，表示為W *，它包含訓(xùn)練圖像的最少結(jié)構(gòu)圖案，

19、用新形成矩陣W*來(lái)重建檢查圖像述重復(fù)結(jié)構(gòu)圖案將被刪除，局部異常將在重建圖像中呈現(xiàn)，這一步驟中，新形成的去混合矩陣W來(lái)自訓(xùn)練圖像，重建一個(gè)檢測(cè)圖像來(lái)自新形成的去混合矩陣將被詳盡的描述，在接下來(lái)的單元?；贗CA的圖像重建方案：在所提出的基于ICA的圖像重建方案中，ICA首先被應(yīng)用到訓(xùn)練圖像XT來(lái)找到去混合矩陣W和獨(dú)立成分，訓(xùn)練圖像大小為nM從NM的無(wú)缺陷TFT-LCD面板圖像中獲得，為了從訓(xùn)練圖像更有效地推導(dǎo)出的IC，訓(xùn)練圖像的尺寸比所述檢查圖像更?。╥.e，nN），其中n是N的一個(gè)因素，由于IC伴隨重大頂點(diǎn)代表TFT-LCD圖像的主要結(jié)構(gòu)圖案，每個(gè)IC輪廓的變化可以用于識(shí)別IC。具有明顯頂點(diǎn)的

20、IC將有更大的變化，而平坦輪廓將擁有更小的變化，變化范圍的值用于本研究中衡量每個(gè)IC的變化程度。讓yi=（yi1，yi2，yiM）是第i個(gè)獨(dú)立成分，yi的值被定義為最大值和元素的最小的值之間的差，i.e 其中y ij是第i個(gè)IC的第j個(gè)元素，J =1，2，.，M。獲得每個(gè)IC的范圍值后，IC輪廓一遞減順序被分類基于它們相應(yīng)的變化范圍，被分類的IC輪廓可以被用作選擇適當(dāng)數(shù)目峰值的IC，他代表圖像的主要結(jié)構(gòu)圖案，讓ICi表示被分類為具有第i個(gè)最大范圍值的獨(dú)立成分，Wi是相應(yīng)的去混合矩陣W的行向量，由于有更大范圍值得IC包含明顯的頂點(diǎn)，我們可以選擇第一個(gè)g分類獨(dú)立成分ICs來(lái)代表圖像的球型結(jié)構(gòu)圖案，

21、這些被分類的ICs（i=1,2，g）用來(lái)代替IC，ICs相應(yīng)的行向量Wi將被移除和替換用具體的Wk來(lái)自W，使產(chǎn)生新的去混合矩陣，它包含最少的結(jié)構(gòu)圖案信息，具體的Wk被用作替換應(yīng)該包含唯一背景的表面信息。最小變化范圍的IC將有最平坦的輪廓，它包含訓(xùn)練圖像的最少結(jié)構(gòu)圖案信息，因此，相應(yīng)的被用作具體去混合行向量wk來(lái)替換，具有最小變化范圍的用于替換IC。檢查圖像XI的大小為NM被分成個(gè)子圖像，設(shè)為Xi，它的每個(gè)尺寸為nM（i=1,2，N/n），注意，n的值為N的因子，一旦混合矩陣W得到，檢查圖像XI將被重建為這里是重建源圖像，重建源圖像的尺寸為nM。重建源圖像可被認(rèn)為是結(jié)合了重建行圖像（i=1,2，

22、n），由下式給出其中wi是W*的行向量。 在每個(gè)重建行圖像中在無(wú)缺陷區(qū)所產(chǎn)生的強(qiáng)度變化將是非常小的，與缺陷區(qū)相比而言。我們可以用簡(jiǎn)單的統(tǒng)計(jì)過(guò)程控制限制來(lái)設(shè)置閾值從重建源圖像中找出缺陷，對(duì)于每個(gè)行圖像，上下限為其中，和I分別是平均值和的標(biāo)準(zhǔn)偏差，而t是一個(gè)控制常數(shù)。該常數(shù)t通常采取3作為統(tǒng)計(jì)過(guò)程控制，由于重建圖像在完美和有缺陷的區(qū)域之間的顯著灰度差，更高的固定值4 被用于本研究，如果灰度值落在控制極限內(nèi)，將被視為所述檢查表面的完美點(diǎn)，否則，它被歸為有缺陷的點(diǎn)。 所提出的方案的詳細(xì)過(guò)程可以概括如下：訓(xùn)練：輸入一個(gè)大小為nM的TFT_LCD圖像作為訓(xùn)練矩陣。美白中心圖像XT。計(jì)算大小為nn的去混合矩

23、陣W=【wi】和獨(dú)立組件yi（i=1,2，n）使用FastICA算法。計(jì)算每個(gè)獨(dú)立組件yi中Ri的變化范圍。排序ICs以遞減順序和重新排序ICs作為ICi（i=1,2，n）。選擇取代的數(shù)目ICi和相應(yīng)的Wi（i=1,2，g；gn）。用ICn代替IC與相應(yīng)的去混合排。重組原脫混合矩陣W以產(chǎn)生新的反混合矩陣，尺寸為nn，這里檢查：美白中心圖像XT大小為NM。重建的檢查圖像XI這里是XI的子圖像，是重建源圖像大小為nM，W是訓(xùn)練中得到的重整去混合矩陣。3. 使用控制界限二值化重構(gòu)源圖像：其中是圖像在坐標(biāo)（i，j）的灰度等級(jí)，和的平均值和圖像的第i行中的灰度值的標(biāo)準(zhǔn)偏差一樣，t是控制常數(shù)。代替IC的數(shù)

24、量可以手動(dòng)選擇基于觀察分類IC的峰值輪廓，它適用于監(jiān)督系統(tǒng)，因?yàn)槟繕?biāo)在生產(chǎn)過(guò)程中是提前預(yù)知的，適當(dāng)被替換數(shù)目的IC可以憑經(jīng)驗(yàn)提前確定，另外，被替換的IC數(shù)量可以自動(dòng)在線下訓(xùn)練平臺(tái)被確定，ICA模型的完美訓(xùn)練圖像和一組無(wú)缺陷的測(cè)試圖像要先準(zhǔn)備，從ICA模型所得的IC按遞減順序分類其相應(yīng)的范圍值是Ri，IC的替換數(shù)目g，從1開(kāi)始在每次循環(huán)中加1，在每次循環(huán)中，所有無(wú)缺陷的圖像的檢測(cè)結(jié)果被計(jì)算出（帶有固定的控制常數(shù)t = 4），如果無(wú)缺陷則全是無(wú)缺陷測(cè)試圖像，則當(dāng)前g的值被用作形成去混合矩陣，循環(huán)停止。所得值g可被視為取代IC的最小數(shù)目，可以對(duì)無(wú)缺陷的LCD面板產(chǎn)生清晰的表面，也足夠敏感以提高LCD

25、面板微觀缺陷的檢測(cè)。圖9（a）和（b）分別示出大小為32256的一個(gè)無(wú)缺陷的TN LCD圖像和含有針孔缺陷有缺陷的TN LCD圖像，兩個(gè)訓(xùn)練圖像圖9（a）和（b）之一在圖3中，相應(yīng)的32個(gè)ICs的訓(xùn)練圖像的輪廓被描繪在圖4，表1列出了以遞減順序的32個(gè)ICs的變化值在圖4，從表中看出具有最大的范圍值，相反，具有最小的變化范圍，從表1和圖4中可以發(fā)現(xiàn)，第一個(gè)20最大IC包含顯著的頂點(diǎn)，并且可以被選擇為代表TFT-LCD圖像主要結(jié)構(gòu)圖案。也就是說(shuō)，在第一20ICs，被認(rèn)為取代ICs.，相應(yīng)的行向量也被替代，剩下的12個(gè)ICs和它們相應(yīng)的被保留用于描述圖像的一致背景，由于具有最小范圍內(nèi)的值，并具有最

26、穩(wěn)定的輪廓，相應(yīng)的去混行矢量用來(lái)取代用于生成新的去混合矩陣W。（圖9）表一：圖10（a1）和（a2）中分別示出一個(gè)完美的TN LCD行圖像在圖9（a），重建行圖像用用矩陣，從圖10（a2）可觀察到，該重建行圖象是均勻平坦的，并且結(jié)構(gòu)圖案重復(fù)峰值被有效地移除，圖10（b1）中描繪出了有缺陷的TN LCD行圖像在圖9（b）表示越過(guò)針孔缺陷，重建行圖像圖10（b2）所得到的輪廓明顯保留了局部異常，而且球型結(jié)構(gòu)的圖案的周期性峰值被很好的移除，圖 11展示了使用上述類似的重建過(guò)程來(lái)演示復(fù)雜的MVA LCD圖像。圖11（a1）中顯示了一個(gè)完美的MVA LCD行圖像的灰度級(jí)，圖11（b1）中是一個(gè)有缺陷的M

27、VA LCD行圖像，從圖11（a2）和（b2）中也可以觀察到，所述重構(gòu)行圖像是大致均勻的無(wú)缺陷線圖像，而有缺陷的線圖像的重構(gòu)行圖像具有高的變化。（圖10）（圖11）為了顯示檢測(cè)結(jié)果，圖9中個(gè)別重建行圖像被分為兩種尺寸在圖12中。，圖12（a1）中描繪了重建2D圖像作為的無(wú)缺陷TN LCD圖像在圖9（a），可以發(fā)現(xiàn)，該無(wú)缺陷的重建2D圖像接近形成一致的個(gè)別行圖像，個(gè)別行圖像之間的灰度級(jí)差異是由于在ICA模型的縮放。圖12（b1）示出重建2D圖像作為有缺陷的TN LCD圖像在圖9（b），結(jié)果表明，TN LCD面板結(jié)構(gòu)圖案被移除、針孔缺陷被很好地保留在重建圖像中。（圖12）在該二值化處理過(guò)程中，控制

28、常數(shù)t = 4用于設(shè)置控制限制部分缺陷。圖12（a2）示出了結(jié)果二進(jìn)制圖像的重建圖像在圖12（a1），對(duì)于無(wú)缺陷的TFT-LCD表面，它是一個(gè)均勻的白色的圖像，也沒(méi)有缺陷。圖12（b2）中示出了圖12（b1）的二進(jìn)制圖像缺陷檢測(cè)結(jié)果，它表明，針孔缺陷在結(jié)果二進(jìn)制圖像中正確檢測(cè)到。圖13（a） - （c）示出的二值圖像為圖12（b2）中使用的控制常數(shù)t分別為3,4和5的圖像；圖13（a）一些嘈雜點(diǎn)伴隨針孔缺陷在當(dāng)t=3的時(shí)候被保留在二進(jìn)制圖像中，隨機(jī)噪聲很容易的移除通過(guò)形態(tài)結(jié)束操作；圖13（c）示出了用t = 5減少針孔缺陷的檢測(cè)和忽視微觀缺陷；在二進(jìn)制圖像圖13（b）中示出該針孔缺陷被很好的分

29、割，當(dāng)t=4的時(shí)候。因此，在控制常數(shù)t = 4被用于本研究中的所有測(cè)試樣品。（圖13）從圖12（b1）和（b2）中觀察到，和原始圖像相比，2D圓形針孔缺陷的重建圖像被分割，因?yàn)?D重建圖像是個(gè)別重建行圖像，在每個(gè)重構(gòu)行圖像中，一個(gè)非均勻段對(duì)應(yīng)于檢查圖像中缺陷的位置。當(dāng)重構(gòu)1D行圖像被組合以生成一個(gè)2D圖像，所有重建行圖像的非均勻段被加于2D圖像中，在重建圖像的缺陷就變成一個(gè)細(xì)長(zhǎng)的線或棒狀物體；因此，在重建圖像中檢測(cè)到的缺陷只表明其檢查圖像的位置，生成的形狀并不代表在原始圖像中的缺陷的原始輪廓位置。 實(shí)驗(yàn)結(jié)果：本節(jié)中提供了兩種不同類型的TFT-LCD面板表面的試驗(yàn)結(jié)果，以評(píng)估缺陷檢測(cè)方法的性能。

30、測(cè)試圖像涉及低分辨率簡(jiǎn)單圖案的TN TFT-LCD面板和高分辨率復(fù)雜圖案的MVA TFT-LCD面板，所有的測(cè)試圖像具有8位的灰度級(jí)，F(xiàn)astICA用于生成訓(xùn)練圖像的去混合矩陣。3.1簡(jiǎn)單模式的TN LCD面板：圖14（a1） - （c1）分別示出三種含有針孔，劃傷和污點(diǎn)微粒缺陷的TN TFT-LCD面板表面的圖像。注意圖14（a1）含有主要的針孔缺陷和一些小顆粒，圖14（d1）呈現(xiàn)了TN TFT-LCD完美圖像的樣本，TFT-LCD面板的尺寸是256256，分辨率是60像素/毫米。訓(xùn)練圖像是從32256的完美圖像中獲得，它和圖3的圖像相同。對(duì)應(yīng)的32ICs輪廓訓(xùn)練圖像和圖4的一樣。正如2.3

31、節(jié)所說(shuō)，這些被分類的ICs（i=1,2，g）用來(lái)代替IC，ICs相應(yīng)的行向量Wi將被移除和替換用具體的Wk來(lái)自W，使產(chǎn)生新的去混合矩陣。圖14（a2） - （d2）的結(jié)果圖像通過(guò)使用重整矩陣W*重建4個(gè)測(cè)試圖像分別在圖14（a1）-（d1），圖14（a3） - （d3）的缺陷檢測(cè)結(jié)果的二進(jìn)制圖像在圖14（a2） - （d2），控制常數(shù)t=4用于重建圖像在二值化分割缺陷進(jìn)程中，圖14（a1） - （c1），球型結(jié)構(gòu)圖案被有效地消除，針孔，劃痕和顆粒中的缺陷也被檢測(cè)到，生成的二進(jìn)制圖像分別在圖14（a3） - （c3），對(duì)于無(wú)缺陷的TFT-LCD表面圖像在圖14（d1），它的結(jié)果圖像是圖14（d3

32、）的二進(jìn)制圖像，是白色無(wú)缺陷的。（圖14）3.2。復(fù)雜模式MVA LCD面板：對(duì)于復(fù)雜結(jié)構(gòu)圖案的高分辨率500像素/毫米的MVA TFT-LCD面板該方法還是很好的，測(cè)試圖像寬是144223像素，而訓(xùn)練圖像的大小為48223像素，控制常數(shù)t= 4用于二進(jìn)制分割，圖15（a1） - （e1）顯示5種有缺陷的MVA圖像包含各種尺寸在不同位置的缺陷，圖 15（f1）描繪了一個(gè)無(wú)缺陷的MVA樣本，MVA LCD面板的周期性無(wú)缺陷區(qū)域被用作訓(xùn)練圖像，如圖 16，為了產(chǎn)生矩陣W *，圖15（a2） - （f2）分別示出了圖15（a1） - （f1）的重建圖像。從圖15（a3） - （e3）可以發(fā)現(xiàn)，在二進(jìn)

33、制圖像中很容易檢測(cè)到缺陷，不管缺陷的尺寸和位置；需要注意的是，小缺陷嵌入在復(fù)雜的背景下如圖15（c1），也可以可靠地被檢測(cè)到，所得的二值化圖像是均勻的白色的無(wú)缺陷的MVA LCD圖像如圖15（f3）。（圖15）（圖16）（圖17）3.3照明變化的影響：為了說(shuō)明變化的照明對(duì)ICA的影響，線性照明變化的影響在本小節(jié)進(jìn)行了評(píng)價(jià)。帶刻度改變的照度的圖像時(shí)，灰度級(jí)可以通過(guò)乘以一個(gè)常數(shù)s而獲得到原始檢查圖像的灰度級(jí)，i.e.可以通過(guò)以下步驟獲得所述重建圖像的灰度級(jí)，照明改變圖像的坐標(biāo)（i，j）其中是行向量的第i行，是圖像列向量的第j列，為重建原始圖像中的坐標(biāo)（i，j）的灰度級(jí)。結(jié)果從公式（8）表明灰度級(jí)在

34、重建圖像規(guī)律照明變化中仍是原來(lái)灰度級(jí)的倍數(shù)，檢查圖像的光亮度變強(qiáng)或者或者變暗相應(yīng)的重建圖像就會(huì)生成?；贗CA的方法，因此不變的光照強(qiáng)度用于檢測(cè)檢測(cè)圖像的尺寸變化。在圖像改變的照度（Xa）中，灰度級(jí)可以通過(guò)加入一個(gè)恒定的一個(gè)原始圖像的灰度級(jí)而獲得由于檢測(cè)圖像被居中到零均值檢查平臺(tái)，照明的附加改變被消除了，該方法是不改變附加光照。圖17（a1） - （c1）分別示出了三個(gè)有缺陷的MVA圖像的照明下水平在500，750和1000勒克斯，MVA圖像的無(wú)缺陷區(qū)在750 勒克斯光照，如圖16，被用作訓(xùn)練圖像以生成重整去混合矩陣。圖17（a2） - （c2）分別示出了17（a1） - （c2）的重建圖像，

35、從圖17（a3） - （c3）觀察到，所有的三個(gè) MVA圖像的缺陷被正確地分割到二值化圖像中當(dāng)控制常數(shù)t= 4的時(shí)候，而不管照明的變化。因此，建議ICA方法是不敏感的光照變化。移位改變的影響:為了充分計(jì)算ICA移動(dòng)對(duì)缺陷檢測(cè)的效果，通過(guò)水平移動(dòng)和垂直移動(dòng)進(jìn)行試驗(yàn)。從公式（5）可以發(fā)現(xiàn)，ICA基本方法的水平移動(dòng)對(duì)檢查圖像影響不大。由檢查圖像大小是nM，由M個(gè)列圖像組成，其大小為n1（）根據(jù)公式（5）的ICA重建模型，重建圖像尺寸為nM的 也可以被表示為重建圖像的組合圖像。這里為nn的重組混合矩陣。假設(shè)檢測(cè)圖像被水平地向右移動(dòng)p個(gè)像素。由于TFT-LCD圖像包含周期性圖案，水平移位只會(huì)改變檢測(cè)圖像

36、的列向量循環(huán)置換，ie.其中，L是所述圖像在水平方向上的周期，在這里，我們假設(shè)P L來(lái)簡(jiǎn)化記法，但不限制允許的可移動(dòng)范圍，重構(gòu)圖像的水平移動(dòng)圖像可通過(guò)以下公式獲得從公式（9）表明，水平移動(dòng)檢測(cè)圖像只會(huì)改變重建圖像的列向量，它不改變重建圖像的灰度級(jí)。因此，所提出的基于ICA的方法是不變的水平移動(dòng)。舉個(gè)例子，圖18（a1） - （c1）分別示出了水平地向右移動(dòng)5，10和20個(gè)像素的訓(xùn)練圖像的三個(gè)有缺陷的MVA圖像，圖18（a2） - （c2）分別描繪了從圖18（a1） -（c1）公式 （5）中獲得的重建圖像，圖18（a1）-（c1）的缺陷檢測(cè)結(jié)果被展現(xiàn)在二進(jìn)制圖像18（a3） - （c3），可以觀

37、察到MVA圖像的二進(jìn)制圖像仍然可以很好的分割缺陷，無(wú)論平移多少。因此，所提的基于ICA方法的水平移動(dòng)是不敏感的，而且檢測(cè)圖像含有周期性圖案。（圖18）（圖19）所提出的基于ICA的方法是不變的水平移位，然而，它不是獨(dú)立的垂直移位。在實(shí)際實(shí)施中，所提出的基于ICA的方法能容忍垂直移動(dòng)的幾個(gè)像素，因?yàn)橄噜徬袼氐幕叶戎凳潜舜讼嗨频?。舉個(gè)例子圖19（a1）-（c3）分別給出了三個(gè)有缺陷的MVA圖像，它們垂直的向下移動(dòng)了4,5,10個(gè)像素來(lái)檢測(cè)訓(xùn)練圖像；圖19(a2)(c2)給出了圖19(a1)(c1)的重建圖像，圖19(a1)(c1)的檢測(cè)結(jié)果被二進(jìn)制圖像到圖19(a3)(c3)，可以發(fā)現(xiàn)MVA圖像的

38、二進(jìn)制圖像可以很好的呈現(xiàn)缺陷，當(dāng)垂直移動(dòng)距離不超過(guò)5個(gè)像素。然而，當(dāng)垂直移動(dòng)距離的檢測(cè)圖像太大的時(shí)候，連同垂直線的一些殘差缺陷圖案被保留在所得的二值圖像中，如圖19(c3)?；跈z測(cè)結(jié)果從圖18、19和公式（9）可以得出結(jié)論，所提出的基于ICA的方法是不變的水平移動(dòng)，但是檢測(cè)圖像的垂直移動(dòng)很敏感伴隨著重復(fù)圖案。四個(gè)像素的基于ICA方法的可容忍垂直移動(dòng)距離的MVA LCD面板檢測(cè)500像素/毫米的分辨率下，在LCD制造中，TFT-LCD面板一般都完全一致的。4個(gè)像素的垂直移動(dòng)所提方案在實(shí)踐中應(yīng)該不會(huì)影響缺陷檢測(cè)。該方法可和模板匹配方法媲美。由于LCD面板含有重復(fù)圖案的固定周期，每個(gè)劃分模式的圖像

39、中的一個(gè)周期可相比與預(yù)先存儲(chǔ)的參考面板，或與它相鄰的圖案在相同的圖像比較，這些方法已被普遍使用在許多商業(yè)自動(dòng)化的視覺(jué)檢測(cè)系統(tǒng)，由于參考模板匹配法對(duì)照明變化非常敏感，并且要求檢測(cè)圖像精確對(duì)準(zhǔn)，它不是檢測(cè)復(fù)雜LCD表面微觀缺陷的方法，所提出方法的性能只與所述的模板匹配相比較，其中，每個(gè)分割的子圖像的一個(gè)周期從另一個(gè)周期區(qū)相同圖像中減去，并用顯著灰度級(jí)像素的不同來(lái)區(qū)分出缺陷，成功的自我比較法高度依賴精確分割重復(fù)圖案。圖 20（a1） - （c1）呈現(xiàn)了一個(gè)無(wú)缺陷的和兩個(gè)有缺陷的MVA LCD圖像進(jìn)行測(cè)試，每個(gè)測(cè)試圖像可以被水平地劃分成相等周期的3個(gè)子圖像，上部子圖像用于比較，圖20（a2） - （c

40、 2）是自比較模板匹配的減法結(jié)果，其中，亮度和灰度級(jí)的不同成比例，圖20（a3） - （c3）是圖20（a2） - （c2）的各自閾值結(jié)果，分別使用控制界限與合適的控制常數(shù)t = 3。實(shí)驗(yàn)結(jié)果表明，在邊緣周圍的事物可能被錯(cuò)誤地檢測(cè)為缺陷，并且真是缺陷不能確切的增強(qiáng)到二進(jìn)制圖像上。相反，所提的方法可以很好的增強(qiáng)微觀缺陷，在重建圖像中伴隨著一個(gè)清晰的背景。（圖20）4.結(jié)論：本文提出了機(jī)器視覺(jué)方法自動(dòng)檢測(cè)TFT-LCD面板表面的微觀缺陷，包括既簡(jiǎn)單又復(fù)雜的圖案，所提出的方法是基于使用獨(dú)立成分分析來(lái)重建圖像，所提出的缺陷檢測(cè)方案是一個(gè)監(jiān)督方法，它需要無(wú)缺陷圖像和選擇適當(dāng)數(shù)目的IC組成需要的去混合矩陣

41、。周期性圖案圖像的IC被視為完整結(jié)構(gòu)的圖案圖像的基礎(chǔ)結(jié)構(gòu)功能，通過(guò)排除行矢量相應(yīng)的IC，它代表主要結(jié)構(gòu)圖案和保留與IC有關(guān)的行向量，它代表唯一的背景圖案圖像去混合矩陣中，新形成的去混合矩陣包含最少的球型結(jié)構(gòu)圖案的訓(xùn)練圖像，重建源圖像的檢測(cè)圖像來(lái)自重組去混合矩陣，它可以有效的移除球型結(jié)構(gòu)和增強(qiáng)局部異常。在所提出的方法，所述去混合矩陣的計(jì)算，在訓(xùn)練過(guò)程中只執(zhí)行一次對(duì)一個(gè)給定類型圖案TFT-LCD面板表面。因此在檢測(cè)過(guò)程中非常有效的計(jì)算，因?yàn)樗鼉H涉及到乘法兩個(gè)矩陣，新形成的去混合矩陣和檢測(cè)圖像。實(shí)驗(yàn)已經(jīng)評(píng)估了一些微觀缺陷，包括TN TFT-LCD面板表面針孔、劃痕、顆粒和MVA TFT-LCD面板表

42、面的微缺陷。實(shí)驗(yàn)結(jié)果表明，所提方法能有效地檢測(cè)有簡(jiǎn)單結(jié)構(gòu)圖案的TN LCD和復(fù)雜結(jié)構(gòu)圖案的MVA LCD的微觀缺陷，水平移動(dòng)和光照變化是不會(huì)改變檢測(cè)結(jié)果的。在這項(xiàng)研究中所提出的基于ICA的圖像重建方案主要集中在圖案TFT-LCD面板表面。我相信該方法可以直接擴(kuò)展缺陷檢測(cè)圖案表面，一般只要檢測(cè)包含周期性圖案的表面。例如，所提出的方法也可以應(yīng)用到彩色濾光片基板的檢測(cè)在LCD制造過(guò)程中，濾色器包括紅，綠和藍(lán)色點(diǎn)重復(fù)出現(xiàn)在基片上，使得濾色器的圖像重復(fù)圖案，晶片和遮片的檢測(cè)在半導(dǎo)體制造中也很可能的應(yīng)用到如內(nèi)存芯片，移位寄存器，CCD陣列等，如前面提到的，所提出的方法的固有缺點(diǎn)是它檢查圖像對(duì)垂直移動(dòng)很敏感

43、，不能保留重建圖像中檢測(cè)到的缺陷的尺寸和形狀，確定形狀的缺陷提供了重要特征，對(duì)于分類有缺陷的類型，在過(guò)程監(jiān)控和控制LCD制造中。圖案化的TFT-LCD圖像檢測(cè)定型的缺陷正在研究過(guò)程中。參考文獻(xiàn)：Y. Koike, K. Okamoto超高品質(zhì)的MVA-TFT液晶顯示，富士通科技期刊35（1999）221-228。2. J.H. Park, Y. Choi, T.Y. Yoon, C.J. Yu, S.D. Lee自對(duì)準(zhǔn)上以垂直的聚合物光柵多域液晶顯示器排列配置，雜志社的信息顯示11（2003）283-287。3.K. Nakashima混合動(dòng)力檢測(cè)系統(tǒng)LCD彩色過(guò)濾板，第10屆國(guó)際會(huì)議儀器與測(cè)

44、量技術(shù)濱松，1994年，第689-692論文集。4. J. Hawthorne電子光學(xué)技術(shù)測(cè)試平板顯示器，激光世界36（2000）271-276。5. F.J. Henly, G. Addiego在線官能檢查和修理在液晶面板制造，SID研討會(huì)文摘方法32（1991）686-688。6. T. Kido, N. Kishi, H. Takahashi光電荷感應(yīng)方法測(cè)試和表征薄膜晶體管陣列，IEEE雜志選擇主題量子電子1（1995）993-1001。7. S.M. Sokolov, A.S. Treskunov最終測(cè)試自動(dòng)化視覺(jué)系統(tǒng)的IEEE國(guó)際論文集：液晶顯示器，會(huì)議機(jī)器人與自動(dòng)化，法國(guó)尼斯，1

45、992年。8. C.J. Lu, D.M. Tsai圖像的薄膜缺陷檢測(cè)晶體管，使用快速的液晶顯示面板的子圖像為基礎(chǔ)的生產(chǎn)的奇異值分解，國(guó)際雜志研究42（2004）4331-4351。9. C.J. Lu, D.M. Tsai自動(dòng)缺陷檢測(cè)，使用液晶顯示器奇異值分解，高級(jí)國(guó)際雜志制造技術(shù)25（2005）53-61。10. D.M. Tsai, C.Y. Hung圖像自動(dòng)缺陷檢測(cè)使用1-D傅里葉重建和小波TFT-LCD面板分解，生產(chǎn)國(guó)際期刊研究43（2005）4589-4607。11. A. Hyva rinen, J. Karhunen, E. Oja獨(dú)立元件分析，約翰威利，紐約，2001年。12

46、. A. Cichocki, S.I. Amari自適應(yīng)盲信號(hào)與圖像處理：學(xué)習(xí)算法及應(yīng)用，約翰威利，紐約，2002年。13. S. Ikeda, K. Toyama對(duì)于噪聲數(shù)據(jù)獨(dú)立成分分析- MEG數(shù)據(jù)分析，神經(jīng)網(wǎng)絡(luò)13（2000）1063年至1074年。14. R. Vigario, J. Sarela, V. Jousmaki, M. Hamalainen, E. Oja獨(dú)立分量的方法來(lái)EEG的分析和MEG錄音，生物醫(yī)學(xué)工程47 IEEE（2000）589-593。15. T.P. Jung, S. Makeig, M.J. McKeown, A.J. Bell, T.W. Lee, T.J.Sejnowski采用獨(dú)立分量成像的大腦動(dòng)態(tài)分析。16. C.J. James, O.J. Gibson, 時(shí)間約束的ICA：一個(gè)應(yīng)用程序神器抑制電磁大腦信號(hào)分析，IEEE生物醫(yī)學(xué)工程50（2003）1108至1116年。17. C.F. Bec