臺灣博碩士論文加值系統

隨著電子產品的快速變化，使得檢測技術不斷被修正與開發，也造成相同產品被提出多種的檢測方式。且為了使產品在檢測時更有效率，許多研究中運用影像強化方式進行影像前處理，而強化方法的選擇多是透過經驗法則或試誤法，以得到初步的強化結果，而後進行後續新方法的開發，面對現今產品變化快速的生產模式下，恐造成檢測方法的開發時間冗長。因此本研究建構三階段的決策指標，使得操作者在影像增強技術的篩選上，可快速得到影像初步的強化結果。

本研究針對電子類產品提出三階段決策指標，以縮短影像強化技術之選擇，透過訓練影像於第一階段以鑑別分析得到兩鑑別函數，將影像區分為空間域或頻率域影像；第二階段將被區分至空間域影像，經由管制界線的初始類別判定，以及二次鑑別分析來建構第二階段的決策指標；第三階段則是將被區分至頻率域之影像，藉由閥值給予影像初始分類依據，以建構第三階段鑑別函數。本研究使用38張訓練影像建構出之影像強化方法分析流程，經強化後之影像其整體對比值，與原始影像、文獻中使用強化方法強化後影像之對比值透過統計手法之Boxplot可看出本研究之強化後影像對比值確實有提升；以Paired-t檢定本研究所決策之方法強化後影像與原始影像之對比值，其p-value為0.000；檢定本研究所決策之方法強化後影像與文獻中使用強化方法強化後影像之對比值，其p-value為0.002，故可証明本研究方法能有效提升影像對比值。

The detection technology is improved and developed continuously by electronic products. There are many researches is used image enhancement not only the detection more efficiently ,but also apply to develop new method. The method of image enhancement is decided by experience. This situation spent a lot of time to develop about the detection. The study is constructed a decision rule for image enhancement and can be get the preliminary result with our research in the shorter time.

To shorten the time of chose the image enhancement, this research proposed three stage decision indexes for the electronic products. First, this stage is to separate image into space domain or frequency domain. Second, the lower control limit is used to be chosen enhancement technology in the space domain. Then, the threshold is applied to this stage that constructed enhancement technology in the frequency domain. This study is constructed enhancement routing is trained by 58 images that, and tested by 30 images. Finally, we calculated the contrast value and analyzed those data by using Boxplot and Paired-t. The contrast value of research results is significant statistically with p-value is smaller than 0.05. Thus this research can improve the contrast effectively.

中文摘要 I
英文摘要 II
誌謝 III
目錄 IV
表目錄 VI
圖目錄 VIII
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究範疇與目的 3
1.3 研究流程與假設 3
1.4 研究架構 5
第二章 文獻回顧 6
2.1 影像強化方法 6
2.1.1 空間域方法 6
2.1.2 頻率域方法 10
2.2 影像衡量指標 12
2.3 需經影像強化作為前處理之文獻 15
第三章 研究方法 17
3.1 研究方法流程概述 17
3.2 區分影像所使用強化技術的類別 18
3.2.1 特徵指標選擇 20
3.2.2 影像分類 30
3.2.2.1 鑑別分析 31
3.3 影像增強方法 35
3.3.1 空間域影像增強技術 40
3.3.2 頻率域影像增強技術 45
3.3.2.1 理想低通濾波 45
3.3.2.2 理想高通濾波 46
3.4 評估影像強化後成效指標 47
第四章 實驗結果 48
4.1 第一階段：區分空間域與頻率域影像 48
4.2 第二階段：空間域影像強化方法之選擇 56
4.3 第三階段：頻率域影像強化方法之選擇 65
4.4 建構系統化低對比影像強化方法之使用流程 74
4.5 影像強化結果之評估 76
第五章 結論與未來研究方向 81
參考文獻 82
附錄A 85
附錄B 96
附錄C 98
附錄D 126
附錄E 129

王定一，2001年，「印刷電路板製程瑕疵檢測與分析之研究」，碩士論文，私立中原大學工業工程與管理系。

何端成，2004年，「一種基於離散餘弦轉換之針孔狀瑕疵影像偵測方法」，碩士論文，私立朝陽科技大學工業工程與管理系。

沈大誠，2002年，「應用一維小波轉換檢測積層陶瓷電容」，碩士論文，國立台北科技大學生產系統工程與管理研究所。

李光聖，1997年，「多階混合式光學字元辨識技術與分析」，碩士論文，私立元智大學工業工程與管理研究所。

林建達，2002年，「改良式相關係數法於瑕疵檢測之應用」，碩士論文，私立元智大學工業工程與管理研究所。

徐正聲、江行全，1998年，「光源模擬系統：應用於機器視覺系統中光源最佳位置之決定」，中國工業工程學刊，第十五卷，第一期，69-82頁。

陳順宇，1998年，「多變量分析」，華泰書局，台北。

陳春生，2005年，「應用近紅外線技術於砷化鎵晶圓之定位研究」，碩士論文，私立元智大學機械工程研究所。

陳璋琪，2003年，「應用小波理論於印刷電路板缺點之檢測」，碩士論文，國立成功大學電機工程學系暨研究所

曾彥馨，2002年，「應用機器視覺於TFT面板之表面瑕疵檢測與分類」，碩士論文，私立元智大學工業工程與管理研究所

楊程翔，2003年，「應用分位數散佈圖之相似度指標於瑕疵檢測」，碩士論文，私立元智大學工業工程與管理研究所

廖英翔，2002年，「印刷電路板佈線弧度之自動化檢測與製程管制探討—以具可撓曲特性之軟性電路板為例」，碩士論文，私立朝陽科技大學工業工程與管理研究所。

謝坤翰，2002年，「無參考樣板之球格陣列(BGA)基板表面瑕疵檢測」，碩士論文，私立元智大學工業工程與管理研究所。

蘇國輝，2004年，「利用人工智慧之SVM法則於BGA錫球檢測」，碩士論文，私立龍華科技大學工程技術研究所。

Bhaskaran, V. and K. Konstantinides,1997, “Image and video compression standards algorithms and architectures”, 2nd Ed., Kluwer Academic Publishers.

Gonzalez, R. C., and R. E. Woods, 1992, “Digital Image Processing,” Addison-Wesley Publishing Company, 2nd Edition.

Jiang, B. C., C. C. Wang, and Y. N. Hau, 2006, “Machine vision and background remover based approach for PCB solder joints inspection,” International Journal of Production Research, (Accepted), (SCI).

Jiang, B. C., C. C. Wang, K. D. Liao, and S. H. Lee, 2004, “Study of Dynamic X-Ray Image Enhancement and Defects Classification,” Journal of the Chinese Institute of Industrial Engineering, Vol.21, No.4, pp. 409-421.

Ibrahim Z., Al-Attas, S.A.R., Aspar, Z., Mokji, M.M., 2002, “Performance evaluation of wavelet-based PCB defect detection and localization algorithm,” Industrial Technology, IEEE ICIT’02. IEEE International Conference on, Vol. 1 pp.226-231.

Kang, S. C., and S. H. Hong, 2000, “Design and implementation of denoising filter for echocardiographic images based on wavelet method,” Conference On.Microtechnologies in Medicine and Biology, Lyon, France, pp. 80-83.

Ko, T., 2002, “Fingerprint enhancement by spectral analysis techniques,” Proceedings of the 31st Applied Imagery Pattern Recognition Workshop, pp.133-139.

Leu, J. G.., 1992, “Image contrast enhancement based on the intensities of edge pixels,” CVGIP:Graphical Models and Image Processing, Vol. 54, No. 6, pp. 497-506.

Morrow, W. M., R. B. Paranjape, R. M. Rangayyan, and J. E. L. Desautels, 1992,“Region-based contrast enhancement of mammograms,” IEEE Transactions on Medical Imaging, Vol. 11, No. 3, pp. 392-406.
Qian, W., L. P. Clarke, B. Zheng, M. Kallergi, and R. Clark, 1995, “Computer assisted diagnosis for digital mammography,” IEEE Engineering in Medicine and Biology Magazine, Vol. 14, No. 5, pp. 561-569.

Richard, O. D., E. H. Peter, and G. S. David, 2001, “Pattern Classification,” Join Wiley and Sons, Second Edition, New York, NY, USA.

Tsai, D. M. and T. Y. Huang, 2003, “Automated surface inspection for statistical textures,” Image and Vision Computing, Vol. 21, pp.307-323.

Tsai, D. M. and C. F. Tseng, 1999, “Surface Roughness Classification for Castings,” Pattern Recognition, Vol. 32, pp. 389-405; NSC88-2213-E-155-013. (SCI)

Tsai, D. M. and B. T. Lin, 2002, “Defect Detection of Gold-Plated Surfaces on PCBs Using Entropy Measures,” International Journal of Advanced Manufacturing Technology, Vol. 20, pp.420-428.

Umbaugh, S. E., 1998, “Computer vision and image process,” Prentice-Hall International, Inc., Upper Saddle River, NJ.