Image Demoireing Via U-Net for Detection of Display Defects
- 주제어 (키워드) Image demoireing , Deep learning , Anti-aliasing
- 발행기관 서강대학교 일반대학원
- 지도교수 강석주
- 발행년도 2022
- 학위수여년월 2022. 8
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000067095
- UCI I804:11029-000000067095
- 본문언어 영어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록
Mura defects, which occur during manufacturing display, degrade the quality of the display. Therefore, it is essential to eliminate Mura defect. When the camera is focused on the display panel for accurately detecting Mura defects, a moire pattern occurs in a captured image because of the frequency difference between the subpixels of the display and the color filter array of the camera. Typical image data handled with existing demoireing methods do not have Mura defects and include synthetic moire images. Therefore, we created a dataset to detect Mura defects that include real moire patterns, classified into two categories: weak and strong. We propose a new demoireing framework to remove the moire patterns in the captured image, thereby accurately detecting Mura defects. We also propose inserting ArUco markers for accurate alignment and automation, conducting multiple experiments with U-Net. Based on the captured data, the proposed U-Net, which combines a frequency loss and data augmentation, improves the performance by 6.41 dB higher for the weak moire pattern and 4.14dB higher for the strong moire pattern than state-of-the-art networks in terms of peak signal-to-noise ratio.
more초록
Display 제조 과정에서 발생하는 얼룩 결함은 display의 품질을 저하시킨다. 따라서, 얼룩결함 검출은 매우 중요하다. Camera가 얼룩결함을 정확하게 감지하기 위해 display에 초점을 맞추면 display의 subpixel과 camera의 color filterarray 간 주파수 차이로 인해 촬영된 영상에는moire pattern이 발생한다. 기존의 demoire방법론이 다루는 일반적인 영상 데이터는 얼룩결함이 없거나 인위적인 moire pattern을 포함한다. 따라서 우리는 weak moire와 strong moire 두 가지로 구성된 실제 moire pattern을 포함하는 얼룩결함 검출을 위한 dataset을 만들었다. 우리는 촬영된 영상에서 moire pattern을 제거하여 얼룩결함을 정확하게 탐지할 수 있는 새로운 demoireing framework를 제안한다. 또한 우리는 다양한 실험을 하기 위해 필요한 alignment의 자동화를 위해서 ArUco marker의 삽입을 제안한다. 촬영된 dataset을 기반으로 augmentation, frequencyloss, CBAM을 결합한 U-Net은 PSNR측면에서 SOTA network보다 weak moire pattern의 경우 6.41dB, strong moire pattern의 경우 4.14dB의 성능을 상승시킨다.
more