TELKOM NIKA Indonesia n  Journal of  Electrical En gineering   Vol. 12, No. 8, August 201 4, pp. 6036 ~ 6046   DOI: 10.115 9 1 /telkomni ka. v 12i8.519 1          6036     Re cei v ed  No vem ber 2 2 , 2013; Re vi sed  April 3, 2014;  Accept ed Ap ril 20, 2014   Nonuniform Defect Detection of Cell Phone TFT-LCD  Display       Jahan gir Ala m  S.M.*, Hu Guoqing   Dep a rtment of Mecha n ica l  & Electric al E ngi neer ing,  Xi ame n  Univ ersit y ,   Room 2 28, Sci ence Bu ild in g, 361 00 5, Simin g  Distric t, Xiam en, F u jia n, Chi na, telp/fa x: + 86-59 2-21 86 39 3   *Corres p o ndi n g  author, e-ma i l : jaha ngir _ u i ts@ y ah oo.com       A b st r a ct   Unev en and Nonunifor m ity  ( M ur a) of Thin  Film  Transistor  Liqu id Crystal Display (TFT-LCD) is  a  ma jor pro b l e m of cell pho ne  displ a y. T he di fferent ty pes of uneve n  an d n onu nifor m ity ar e decre ase d  the  p e r fo rm an ce   of TFT-L CD. To  e c o nom i z e an d  in crea se   its p e r fo rm an ce ,  it is ne ce ssa ry to  d e t e c t the s e  kin d s  o f  de fe ct s. Th e  cau s e  o f  th e s e typ e s  o f  no i sy  d e f ects ca n   b e  stim ula t ed  b y  the   m a te ria l  o f   TFT,   intens ity of ba ck light, total  i n terna l  reflecti on, mirror for m  of others  mat e rials, i n tern al  light, a nd exter n a l   light. T he  en er gy loss  an d ga in i n  LC D dis p l a y is a noth e r i ssue to  mak e  t hese  un even  a nd n o n unifor m i t y.  T he obj ective  of this study is to investigate  and d e te ct the defects of cell pho ne  dis p l a y consi deri ng so me   para m eters w i th i m age  a naly s is. T he  back   side  an d th e fr ont si de  of th e  defects  hav e  bee n  observ e d  to   find the u n iq ue ness of that  de fects and its mode l.    Ke y w ords : un even a nd n o n u n ifor mity, defec t detection, dev iatio n , ener gy     Copy right  ©  2014 In stitu t e o f  Ad van ced  En g i n eerin g and  Scien ce. All  rig h t s reser ve d .       1. Introduc tion   No w a day, the use of TF T-L CD is very popular. Th e cell pho ne displ a y is on e of the  wide  part s  of  TFT-L C D di splay. If the perfo rman ce s of mobile p hone  display s  a r e not  hig her  then it will n o t  be e c ono mi zed. T o  stim u l ate  the cell p hone  TFT-LCD di splay m a rket  and  attra c t  the custo m er,  it is  ne ce ssa r y to p r od uce  the n on  defe c t TFT -L CD d i splay. To  p r o duce the  go o d   quality and  hi gher pe rform ance TFT -L CD, it is n eed ed to d e tect  the defe c ts  such  as Mu ra  or  uneven d e fe cts o r  non un iformity. Thus very  sm all  scal e  un eve n  and n onun iformity can  be  detecte d by using Fa st Fo urie r Tran sfo r m ( FFT). The  FFT can det ect different types of unev en  and no nunifo rmity on cell  phon e TFT-L CD di spl a y.  The sm all si zes of non unif o rmity, uneven  impact of col o r, light inten s ities a nd en ergy di ssip ate, reflected n o ise a r e defe c t on cell p h o n e   TFT-L C D di splay. The r e a r e two  came ra sy stems  th at ca n dete c t  the all type s of uneve n  a nd  nonu niformity  whi c h  dete c t  by u s ing  FF T after th at  it differentiate   the qu ality of the TF T-L C D  displ a y .  The  cha r a c t e ri st ic s si ze  of  no n - inf o rm al d e fects and  un e v en impa ct can be  mea s u r ed.   Then it  can  be defin ed th e mod e l of the dete c t ed  defect s . Cu rrently, there a r e ma ny defe c t s   detectio n  alg o rithm s  ha s b een e s tabli s h ed [1-8] for  T FT-L CD  su ch  as  Wavelet  Tran sfo r m [1, 2]  and level-set  method [3]. It is noted that the reg r e s sion di agn ost i cs al go rithm  [4] and usin g  adaptive thre shol d algo rithm to detect  defect in  T FT-L CD  are  prop osed [5,  6] to detect the  defect s . It has bee n devel oped the Mini mum Error T h re shol ding A l gorithm by J.  Kittler [7].  Image seg m entation, thre sho u ldin g, FFT an al ysis, an gle  adju s tment , energy   perfo rman ce   analysi s  a r e   helpe d to d e tect the  uneve n  an d no nunif o rmity on  TF T-L CD. F o r hi gh  perfo rman ce  and bette r efficien cy, it needs to in sp ect the image segmentat io n  with its prope rly   wind ow  re sol u tion an d si zes. It is n e ce ssary to di sti ngui sh the  d e fect an d no n defe c t ima ges  then it m u st  be  se gment ed the  un even a nd/or  n onunifo rmity  to dete c t the  defe c ts. T h ese   segm ented i m age s can b e  pro d u c ed  b y  FFT analyzing [9]. Finall y  all kind s of  cha r a c teri sti c s  can b e  dete r mine d from  the model. After su cce ssfully defe c t detection  on TFT-LCD, i t   differentiate s the perfo rma n ce of the p r o ductio n .      2. Res earc h   Method   High  re soluti on Allied  GIGE 490 0 an d Keyen c e h i gh spee d H200 C mod e l  came ra s  have b een  u s ed to t a ke  pi cture i n  Fig u re  1, in spe c t, a nd o b serve  th e un even  and  non uniformity  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     Non uniform  Defe ct Dete ction of Cell Ph one TFT -L CD Displ a y (Ja h angir Alam  S.M.)  6037 on TFT-LCD.  To inspe c tio n  of uneven and nou nifo rmity on mobile phone TF T-LCD, it has been   use d  the s e t w o  cam e ra s  whi c h  can  ca pture  high  re solution im age s. Two  came ra ha s b een  u s ed   for disting u ished the differences. To  ch eck def e c ts  on TFT-LCD,  it has been  use d  ba ck lig ht  whi c h can co ntrolled by A R M sy stems.  The ba ck  lig ht make s the  intensity of back si de of the  TFT-L C D. In the front up  side, it inspe c ts  the uneven a nd non uniformity or any defects.           Figure 1. Une v en and Non uniformity Inspectio n  Equip m ents      3.   Theore t ical Analy s is   3.1.   Fast Fourie r  Transform   The frequ en cy transfo rm  of the Fast Four ie r Tra n sform is the most impo rtant for  freque ncy  re spo n ses of  any si gnal  [10]. The  FF T an alysi s   can d e tect th e un even  a n d   nonu niformity  on TFT-LCD whi c h  ca n  faster an d  save the tim e  [1]. To economi z e a n d  to   prod uce a la rge amo unt of  prod uct by th is metho d   is  more  efficient  and in th e ro botic visi on, it is  necessa ry to  dete c t the  defect s  mo re  vastly. T he  defect s   cha r acteri stics, p o sition, d ept h of  defect, mo del  of defe c ts,  si ze s of va riati ons,  and  ba ck  to front  sid e s’ i n sp ectio n ,  it is ne ce ssary  to introdu ce the 3D FF T. The FFT can b e  m odified int o  3D FFT to  detect the def ect as:     , ,  ∑∑ ∑  , ,                         ( 1 )     Whe r e,   , ,   is the gray level of the world co ordin a tes  , ,  of  3D imag e sig nal in   the Equation  (1). Here  , ,  are  the coo r dina tes in freq ue ncy domai n a nd  ,  ,    are the  size   of image axis, resp ectively. The re al ima ges a r e  in the  time domain  whi c h can be  transl a ted int o   freque ncy re spo n se [9]. Then if there  is any  defe c t the freq ue ncy re sp on se can  sh ow  the   uneven a nd n onunifo rmity on the re spo n s e s   by solvin g the followin g  equatio n as:    , , 300  ,    1 , , 9               ( 2 )     If  a, b  and  c  are sm all, the value  , ,  is larger. The  small  a, b, c  means lo w  freque ncy re gion. So, the more lo w freque ncy va l ue is multipl i ed by the large r  value [9].  Ke y ence  ca m e ra  1 Ke y ence  ca m e ra  2 Ca p tured Im a g e ARM S y ste m s Cell Phone T F T- LCD Displa y   GigE  4900C   Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 8, August 2014:  603 6 –  6046   6038 Thro ugh thi s   pro c e ss, the  more lo w fre q uen cy co m p o nent is to put  a high p r op ortion and for t h is  purp o se the Equation (2)  can b e  rea r ra nged a s  follo ws:     , ,  1, 1, 1  , , ,        1 , , 9              (3)     , ,  1, 129 , 1  , , ,       1 , , 9            (4)       ∑ ∑ ∑ | , , | ∑∑ | , , |                     ( 5 )     The value   is obtaine d from  Equation (5).  If this value large r  than sp ecific value  , i t  is   determi ned t hat the segm ented ima ge  has  defe c t. In  the op po site ca se, the  segmente d  im age   doe s not  hav e defe c t. The  lowe r frequ e n cy  comp one nt of segme n ted ima ge  whi c h  ha s defe c t  is  large r  than th at of segm en ted image  wh ich h a s  not defect. The  specifi c  value   is defined as  follow as :     √                          ( 6 )     Whe r e,   0 . 0 1 ,   is gray level me an of the seg m ented ima g e  and    is win dow  size   and it i s  a s sumed th at  128 . The  con s tant  value   is o b tained  expe rimentally by  usi n g   Equation (6).     3.2. 3D Discr ete Cosine T r ansform   The  3D Di screte   Co sin e  Tran sform  (DCT ) stra ightforwardly  de scrib ed the  3 D   measurement s from discre t e resp on se s [9]. T he une ven and non uniformity also unified by 2D  image pla ne  and re st of the dimen s io n  can hel p to  detect for ch ara c teri stics  of defects m odel  and source of  defects, de pth of defects.  Thus  h e re the 3D DCT  ca n be define d  as follo ws:      , ,   ,,     1 2               1 2      1 2    i. e.    , ,   , ,     1 2                                  ( 7 )     Her e ,  ,  ,   are  3D DCT len g th of the axis;  ,  ,   is the step from left to right   side  an d fron t to ba ck o r   b a ck to  front  resp on se s  whi c h i s  in cre a sed the  fre que ncy by  1/2  cy cle   in the Equatio n (7). The val ue of  ,  ,   are the scala r  fact or;  , ,   is the am plitude scalin g   of the DCT [ 1 ]. The angle  of cosin e  ca n indicate  the angle of de fects by usi n g different an gle   and different  positio n of the cam e ra s  shown in Figu re 1. It can b e  increa se d the efficien cy  to  detect the un even and n o n uniformity of cell ph one TF T-L CD di spl a y.  The Mo dified  DCT  (M DCT )  as th e lap p ed tran sfo r m ed is  com p a r ed to Fou r ie r-rel a ted   transfo rm s [1 1] with Equat ion (7 ). Usua lly it  has a h a lf of many outputs a s  in puts. It can  be  defined  as  a l i near fun c tion  as,  :  → ; where    is real n u mbe r  sets. Th e  2N   re a l  nu mb ers  ,…,    can  be t r an sform ed into   the  N  real  nu mbers  ,…,   acco rding to th e formul a   as:     ∑                      ( 8 )     The inve rse  MDCT i s   kno w n  as the IM DCT  an d thi s  tech niqu e i s   kno w n  a s  tim e -do m ain   aliasi ng  can c ellation (TDA C). Th e IMDCT tra n sfo r m s   N  re al nu mbers  ,… ,  into  2N   real   numbe rs  ,…,    accordin g to the formula fro m  above Equati on (8 ) ca n be  transfo rmed  into  IMDCT a s :   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     Non uniform  Defe ct Dete ction of Cell Ph one TFT -L CD Displ a y (Ja h angir Alam  S.M.)  6039 ∑                        ( 9 )     In the case  of a wind owe d  MDCT  with  the usual  wind ow normali zati on, the  norm a lization  coefficie n t in  front of the IMDCT  shoul d be multiplie d by 2 (i.e., becomi ng 2/ N). It  can  be n o ted  for 3 D  DCT  as 2/3. T h e  wind ow  ha s con s id ere d  for ima ge p r o c e ssi ng a s  t he  IMDCT  wind o w  and the im age si gnal h a s  bee n pro c e s sed a s  a DCT signal p r o c essing [12].     3.2.    Nonunifor m  Discrete F ourier Tran s f orm   3D No nunifo rm Discrete F ourie r Tra n sf orm (NDF T) [11] of a sequence   , ,  of  siz e      is :     ,  ,  ∑∑ ∑ , ,                      ( 1 0 )     Whe r e,   0 , 1 ,…., ,  ,  ,  is the 3D z-tra n s form  of , , , a nd   ,  ,   are arbitra r il y distinct   points in the  4D  , ,  space. The above   equatio n (10 )  can be exp r e s sed a s  the vector fo rm a s :                    ( 1 1 )     Whe r e, the matrix   is also dep end s only on the  choi ce of those sam p ling  points.   Ho wever,  even if tho s e  sampling  poin t s are di stinct,   could  still  be  sing ular.  No  rule s fo r  determi ning   wheth e r th e  matrix is no nsin gula r  o r   not have  be en fou nd. T herefo r e, fo r all   impleme n tation of 3D  NDFT, it is nee ded to ju st check  det  for a specifi c  set of  sampli ng  points. Thi s  3 D  NDFT is h e l pful to detect  for discrete u neven an d no nuniformity.      4.   Unev en and Nonuni form Detec t ion Process   Size of image  is  4872 3276  in Figure  2. The image  has be en se gmented to d e tect the  defect s  an d i t  performan ce. The ima g e  se gmentati on impo rtant  for efficie n t insp ectio n , e a ch  segm ented  i m age i s   overl appe d ne arby se gmente d  i m age  at lea s t  2 pixel s  in  th e ho rizontal  a n d   vertical di re ction [13]. If segme n ted  im age is  not overlap p ed other  se gmented im age,  perfo rman ce  of the prop osed algo rithm  tries to defe c t inspe c tion f o r ea ch  seg m ented ima g e .  The Figu re 3  sho w s the order of inspe c tion of segm e n ted image.         (a)     (b)     Figure 2. Une v en and Non uniform  Defe cts (a ) white (b) differe nt types of defe c t s       And then, pe rform 3 D  FFT  to each se gm ented  ima ge  and  calculate  comp actn ess that is  mean of lo w frequ en cy regi on. In orde r t o  cal c ul ate  compa c tne ss,  it has to defin e low fre que n c y  regio n . The l o w fre que ncy  regio n  is d e fined a s  9 - by-9 uppe r left side exce pt first ro w an d first  colum n  an d 9 - by-9 l o wer le ft side except  first column.  On the  cell p hone T FT-LCD di splay p a n e l   it can b e  lo cated the r e dif f erent type s  of def ect s  o r   uneven  and  nonu niformity  in Figu re 2.  To   analyze the i m age  here it  has bee n  con s ide r ed  the  Fi gure  2(a) t hat  have two d e fects which  a r e  Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 8, August 2014:  603 6 –  6046   6040 white poi nts (white un even n and no nuni formity). Afte r FFT pro c e s sing, it can loo k  in view of 3 D   plane in Fig u r e 3. The two  peaks value  in the  Figure  3(a)  sho w s the 3D mo del  of the uneven  and n onu nifo rmity on the   surfa c e  which ha s b een i ndicated by  arrow  whi c h  i s  not able. In  the  Figure 3(b ) , there a r e hi dd en layers re prese n tation of uneven a nd n onunifo rmity.        (a)     (b)     Figure 3. Une v en and Non uniformity Ch eck by  3D Co ntours and  Hi dden L a yers Analysis       5.   Resul t s and  Discus s ions   The pe rform ance of defe c t detectio n  of  the uneve n  and no nu niformity have been   cal c ulate d  by  differe nt met hod s. Abo u t  100  cell  ph o ne TF T-L C D  displ a ys  we re che c ked  a s  a  sampl e  to de tect uneven  and no nunifo rmity by us in g prop osed  algorith m . Th e statistics al so  defined to  d e tect the  def ect such a s   Mura  or  une ven and  non uniformity [1 2]. The stati s tical  results  are in spe c ted  by compa r ing i n  t he d e fecte d   and  non -defe c ted im age  o r  cell p hon e  TFT- LCD p anel. T he d e fect  ca n  be i ndentifie d by o b serv in g the m ean  a nd d e viation  statistics  of the   displ a y panel . The mean,  varian ce, an d deviation were o b served  on the display panel in th e   different po sit i ons  of the ROI. If there is  any  defe c t exist on  ROI of  TFT-L C D the n  the mea n  a nd  varian ce val ue is hi ghe r than non  d e fect ROI. Mean a nd d e viation ca n  find by followin g   equatio n:     ∑   ,       ∑                 ( 1 2 )     Whe r e,   is th e standa rd deviation,   is the mean,   is  sampl e  spa c e on ROI and   is  the numb e r o f  sample val u e on  ROI. Th us the  defe c ts on th e cell phon e TFT -L CD  display can   be define d  as:    ,      Def ect         ; σ , μ  much  gr eat e r than no  def e c t   R OI         No d ef ect  ;   σ , μ  much less  than d e f e c t ed R OI                   ( 1 3 )     Whe r e,  ,  is the image pl an e. The ca ptured imag e ha s been  segm e n ted for p r ep aring   the ROI an d  che c ks the  b o x sp aces.  T he filterin g  proce s s i s  h e lpf u l for elimin ating the  noi se   and  more  con c ise l y. For b e tter analy s is  and  getting  bette r result this p r ocess i s  i m p o rtant to fini sh   the statistical  pro c e ss by  usin g Equati on (1 3) . The  all pro c e s se d has b een  expre s sed in  the   followin g  pro posed alg o rit h m in Figure 4.  The mea n  a nd deviation  has b een  co mpared by  intensity mea s ureme n t [6]. On cell   phon e TFT -L CD di splay, t here  a r e  som e  sample  sp ace  ha s  bee n create d  o n  cell  ph one  T FT- LCD ima ge  p anel  by ‘Halcon’  softwa r e i n  Figu re  5(a).  The  sample   spa c e  ha s  be en in dicated  by  red  sq uare b o x. The  size s of the  squ a re  box e s  a r e sa me. Th e r e a r e t w o  square b o xes  are  indicated  by arrow whi c h has an  u nev en  an d  no nu niformity vast ly i.e. there a r e defe c ted  ROI  whi c h ha s be en sh own as  a magnified i m age in Fig u re 5(b ) .      Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     Non uniform  Defe ct Dete ction of Cell Ph one TFT -L CD Displ a y (Ja h angir Alam  S.M.)  6041     Figure 4. Une v en and Non uniformity De tection Algo rithm        (a)     (b )     Figure 5. Intensity Comp are on the Cell  P hone TFT -L CD  Display Panel (a ) ori g in al, (b)  magnifying        The im age  h a s  been  an al yzed  by ‘Hal con’ an d  che c ked   the statistical  results a s  sho w n  in Table  1. The arro w indi cated t w o red  squ a re d box es that h a ve an un even a nd no nunifo rmity  and thei r devi a tion is hi ghe r than oth e r red sq ua r ed b o x. The other red  squa re d box on ROI h a s   no defe c ts. T he defe c ted two ROI devia tions are 6.24  and 6.27.   Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 8, August 2014:  603 6 –  6046   6042 Table 1. Mea n  and Deviation on the Cel l  Phone TFT -LCD Di splay  Panel     ROI1   ROI2   ROI3   ROI4   ROI5   ROI6   ROI7   ROI8   ROI9   Mean   196.80   201.03   204.33   207.22   206.30   160.17   209.14   223.98   196.76   Deviation  3.86  6.24  4.15  4.17  6.27  4.49  4.01  4.22  4.49      The Fig u re  6  sho w s the  region  gro w in g si mul a tion  results fo r u neven  situati on an d  nonu niform  d e fect dete c tio n . The  captu r ed imag e ha s been  pro c e s sed i n to medi an imag es  as a  mirro r im age.  In the  medi a n  imag e, the r e is ge nerat e d  a  ci rcl e  in  tolera nce  whi c h can  acce pt  the   ROI pixel v a lue. Th e m edian im age  divides i n to  seg m ent fo r re gion  gro w ing [1 4]. The  ‘regio n g r owi n g’ metho d  i s  used to  fin d  the  defe c ts. Th e tole ra nce  of the  ‘region gro w in g ’  is  arou nd 2 pixels to 3 pixels for this det ection. In  the 2 pixel to 3  pixel toleran c e, the indicat ed  uneven a nd n onunifo rmity can  be dete c t ed by usi ng ‘ H al con’  software in Fi gu re  6(a )  and  Figu re   6(b )  sh ows that the indicated circ le of  defects a r e  smalle r tolera nce. Out of this toleran c e  all  defect s  also can be dete c te d by this method.         (a)     (b)     Figure 6. Def e ct Dete ction  by Regio n  Grow in g at Tole ran c e (a)  3 level, (b) 2 level        (a)     (b)       (c )     (d)     Figure 7. FFT  Proce s sing o f  Defected TF T-L CD  Di spla y (a) filtered i m age, (b ) co nvolution FFT ,  (c) image F F T, (d) correlat ion FFT   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     Non uniform  Defe ct Dete ction of Cell Ph one TFT -L CD Displ a y (Ja h angir Alam  S.M.)  6043 The Figu re  8 sho w s the r e is n o  def ect of the T FT-L CD  disp lay panel. Here it is  pro c e s sed th e imag e  with  simila r  way  by ‘Hal co n’.  Since i n  thi s   cell  pho ne T FT-L C D di spl a y  panel h a s  no  defect s  or  u neven  situation an d non u n iformity in Fi gure  8, theref ore, the r e a r e  no  uneven a nd n onunifo rmity events on the  panel. The  compa r ison of Figure 7 and  Figure 8 sh o w s  that wh ether there  is any  d e fect  o r  n o t.  By using  eq u a tion (11 ) , it  also  ha s  bee n dete r min e d  that  the uneven a nd non uniformity is absent .  Depth of def ects  can b e  found fro m  focu s t hat is ca lled Depth F r om Focus (DFF) [10].  This i s   a m e thod th at en a b les the  re co nstru c tion  of  3D  su rface in formation  of  several im ag es  taken  at different fo cu s di stan ce s bet ween  came ra   and the  defe c ts. With  dep th from focus, it  can be  re con s tru c ted the surface of a 3D defe c t based on the kn o w led ge that defect regi on h a s  different dist ances to the  camera and  the ca mera  has a limited depth of field in Figure  3.  Dep endin g   o n  the  di stan ce an d th e fo cus,  the  def ect s  regi on are displ a yed mo re or le ss sha r ply  in the im age , i.e., only those  pixel s   wi thin the  co rrect di stan ce   to the  came ra are fo cu se d.  Takin g  im age s  with vari ou s p o ints on  the d e fect s to  mea s u r e th e  dista n ces,  e a ch  defe c t p o int  on the d e fect regio n  can  be di splaye d sh arply in  at least  on e pixel of a n  image. Su ch  a   seq uen ce  of i m age s i s   call ed “fo c u s   sta c k” [14]. By d e termini ng in   whi c h im age   an o b ject  poi nt  is in focu s, i.e., sharply imaged, the d i stan ce  of ea ch defe c t poi nt on the defect regi on to the   came ra  can b e  cal c ulate d  [14]. This pri n ciple i s  displa yed in Figure 9.        (a)     (b)       (c )     (d)     Figure 8. FFT  Proce s sing o f  Non-d e fecte d  TFT-L C D Display (a ) filtered ima ge, (b ) convol ution  FFT, (c) imag e FFT, (d)  correlation FF T       If  the maximum focus pix e l length is  ∆    and the lengt h of depth in hidden layer is   ∆  ,  then the  total 3D defecte d pixel length is  ∆  ∆   along wit h  Z-axis, in th e   image pla ne i f  the defect le ngth is  ∆  to X-axis and the  ∆  to the Y-axis  then the defe c t depth in  pixel can b e  defined a s :          ∆x ∆y  d x  d y  dz                 ( 1 4 )   Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 8, August 2014:  603 6 –  6046   6044     Figure 9. DF F on 3D Plan e of Cell Pho ne TFT-LCD  Display       The Fig u re 1 0  sh ows the   back  side  of the def e c ts. T he pe ak val u e of the b a ck  side  and   the front  side  are  not same.  The inte nsity  of ba ck sid e  and  front  si de   are not sam e   whi c h ca n be  comp ared wit h  Figure 5.          Figure 10. 3D Che cki ng fro m  the View of Back Side of  Defect s      The  defe c ts  are  u s ually  n on lin ear thu s  the  n on li n ear defe c ts i n  Fig u re  3 ( b )  ca n  be  expre s sed a s  the autoreg ressive model  as:      ∑    ∈                        ( 1 5 )     Whe r e,   is the coeffici ents param eters,   is the con s ta nt value,   is the hide n laye rs  para m eters a nd  ∈  is the white noise of  the linear d e fects mo del  [13, 15]. Th e back shift  operator can stimulate  the model  by   an d then the Eq uation (1 5)  ca n be written a s :     ∑    ∈                    ( 1 6 )     The polyno m i a l rep r e s entat ion of the defect model  ca n be expre ssed as:     ∅  ∈                       ( 1 7 )     The  ba ck shift ope rator a n d  the  hidd en  l a yer  paramet ers of th e  no n line a r eq uat ion  can  be sho c ked  of the defe c ts mod e l. The  sou r ce  of th e uneve n  an d the non unif o rmity and th e  depth of defe c ts can be fin a lize d  by the followin g  mod e l.  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     Non uniform  Defe ct Dete ction of Cell Ph one TFT -L CD Displ a y (Ja h angir Alam  S.M.)  6045 ∅  ∈                        ( 1 8 )       Finally the po wer  sp ectral den sity of the m odel is  co rrelated an d the varian ce i s  relate d   to the con s u m ption of the defect s . Thu s  it can be exp r esse d as:       ∑                                             ( 1 9 )      ,                      ( 2 0 )      Whe r e,   is th e varian ce,   is the frequ en cy re sp on se,   is the i ndex t e rm. Th e en e r gy  cal c ulatio n of the uneve n  a nd no nunifo rmity is sho w n   in Table  2. It is note d  that the en ergy lev e l  of the defects are highe r than t he non-d e fected ROI in Figure 5. T here a r e two  highe st two p eak  energy level for the above non-li nea r defect s  mod e l as 0.106 7  and 0.1017  on the defected  regio n  ROI2  and ROI5 in Figure 5.      Table 2. Energy Dissipate  by the Defect s    ROI1   ROI2   ROI3   ROI4   ROI5   ROI6   ROI7   ROI8   ROI9   Energ y  (mV)   0.0343   0.1067   0.0486   0.0487   0.1017   0.0795   0.0869   0.0653   0.0301       6.   Conclu sion   This  wo rk re pre s ent s u n e v en and  non uniformity (M ura )  dete c tio n  algo rithm  of cel l   phon e TFT -L CD di spl a y b y  using different techni que s such  as  3D  FFT, 3D  DCT , 3D MDCT, a n d   NDCT. It is p r opo se d a no vel detection  algorith m   for  the cell p hon e TFT-LCD di splay con s isti ng   image segm e n tation, filtering, and 3 D  chara c te ri sti c s. Image seg m entation  an d filtering are  the  effic i ent process  to complete this   work .  In t he 3D F FT processin g  it can  able  to determi ne  the   low fre que ncy information  after that it compute  the  d epth an d cha r acte ri stics of  defecte d mo del  easily. Thi s  i n formatio n can be i m po rtant for u nev en an d no nu niformity det ection  on m o bile  phon e TFT-L CD di spl a y for highe r pe rfo r man c e a nd b e tter efficien cy.      Ackn o w l e dg ements   Wa rm exp r e s sion  and  sin c ere th an ks to  Chin a  United  Tech. Co.  Ltd., Shenzhen , Chin a   esp e ci ally to Mr. David  Hu ang, Li Mi ng,  Ou Ji   He ng  a nd Gu o Bo fo r their  su ppo rt to accompli sh   the experim e n t.      Referen ces   [1]  Chen SL,  Chou ST .  T F T-L CD Mura  d e fect  detecti on  usi n g  w a vel e t a n d  cosi ne tr ansfo rms.  J. Adv.  Mech. Des. System . 20 08; 2: 441- 453.   [2]  Song  T C , Cho i  DH, P a rk KH . W a velet  bas ed  imag e e n h ancem ent for  defect d e tectio n i n  thi n  fi l m   transistor li qui d  cr y s tal p ane l.  Jpn. J. Appl. Physics.  200 6; 4 5 (6A): 501 6– 5 072.   [3]  X i n B, Chungang Z, H an  D. A ne w  m u ra defect inspection  w a y  for tft-lcd  using lev e l set  method.  IEEE   Sign al Process .  Letter.  2009; 16(4): 31 1– 314 .  [4]  F an SK, Chu ang YC. Auto matic detectio n  of  Mura d e fect in T F T - LCD b a sed  o n  regress i o n   dia gnostics.  Pattern Recognition Letters.  20 1 0 ; 31: 239 7-24 04.   [5]  Noh  CH, L ee S L , Kim D H , Ch ung  CW , Kim  SH. An effectiv e an d  efficient  defect i n specti on s y stem f o r   T F T - LCD po lar i sed  films  usi n g a d a p tive t h r e sho l ds  an d s hap e-bas ed  im age  a nal ys es.  Internatio na l  Journ a l of Prod uction R e se arch.  2010; 4 8 (17) : 5115-5 1 3 5 .  [6]  Kim SY, Song  YC, Jung  CD, Park KH. Effective defect  d e tection  in T h in  F ilm T r ansistor Liq u id  Cr y s t a l   Displ a y   imag e s  using a dapti v e multi-lev e l  defec t detecti o n  and pr oba bil i t y  de nsit y  fu n c tion.  Optical  Review.  201 1; 18(2): 19 1-1 9 6 .   [7]  Kittler J, Illing w orth J.  Minimu m error thresh oldi ng.  Pattern Reco gniti on.  1 986; 19: 4 1 -47.   [8]  Yun JP, C hoi  S, Seo B, Ki m SW , Real-ti m e vi si on-b a s ed d e fect ins p ection for  hi gh -spee d stee l   prod ucts.  Optical Eng i ne eri ng.  2008; 4 7 (7).   Evaluation Warning : The document was created with Spire.PDF for Python.