本文依托于国家重大科学仪器专项“平板显示屏自动光学检测仪器的开发与应用”,利用TFT-LCD面板扫描图像,主要研究了缺陷检测,缺陷的特征选择和特征抽取,最后重点研究了点缺陷、线缺陷和Mura缺陷的分类问题。缺陷检测时,根据TFT-LCD面板的周期性特点,使用一维傅里叶变换虑除周期背景。滤除背景的同时引入了边界效应,通过使用多行拼接技术予以解决。对于固有的环境光照不均匀,使用全尺寸小波变换后,成功滤除周期性背景。对图像中存在的伪缺陷,通过对缺陷重新定义,剔除伪缺陷,用阂值法检测出TFT-LCD面板的真实缺陷。使用霍特林变换对缺陷进行最小外接矩形标记,计算出缺陷的基本形状特征。根据分类目的,再计算出缺陷的三类矩特征。针对数据冗余问题,使用主成分分析法对所选特征进行抽取,通过控制累积贡献率在95%以上,保证特征信息有效性的同时提高了处理速度,为下一步缺陷分类做好了数据准备工作。鉴于目前企业中TFT-LCD面板缺陷的分类大多都是由人员判定的,本文首先根据人员判别流程提出了一种基于规则的缺陷分类算法。由于支持向量机在分类算法中表现优异,并且多核在进行分类时具有较强的稳定性和灵活性,本文借鉴多核SVM思想,构造了2核SVM和4核SVM分类器并且将单核SVM作为对比试验。在分类器的设计过程中,使用基于梯度下降的多核SVM算法求解基核权重因子,并且进行交叉验证寻优,得到最优2核SVM分类器。实验使用林智仁先生的libSVM工具箱,对基于规则的分类器、单核SVM、2核SVM和4核SVM分类器的分类准确率进行比较,实验结果表明本文提出的2核SVM在对TFT-LCD面板缺陷进行分类时,计算效率和准确率综合表现最优。