電容式觸控面板（Capacitive touch panel, CTP）具有防水、防汙、耐刮且反應速度快等優點，促使它在各種觸控式電子產品的應用越普及化。而CTP具多層結構且存在背景紋路為線狀結構性紋路，當瑕疵面積小且發生在背景紋路上，讓檢測工作更加困難。本研究主要針對表面具結構性的方向性紋路之CTP進行自動化瑕疵檢測，利用離散傅立葉轉換（Discrete Fourier transform, DFT）與離散餘弦轉換（Discrete cosine transform, DCT）之頻譜特性，分別搭配本研究所提之米形寬帶高斯濾波（Multi-crisscross band-Gaussian filtering, MC-BGF）與三向雙寬帶高斯濾波（Three ways double band-Gaussian filtering, 3W-DBGF）方法，同時考量高能量區域之寬帶寬度與角度並兼具寬帶濾波、閥值濾波與高斯分配濾波的特性，將能量較高之頻率值刪除，經反轉回空間域後可減弱背景紋路進而達到瑕疵增強之目的，最後使用簡易統計量設定二值化閥值界限，即可準確分離瑕疵與背景。
本研究使用148張待測影像(36張無瑕疵影像與112張瑕疵影像)進行瑕疵偵測，其檢測結果顯示DFT搭配MC-BGF方法之瑕疵檢出率 為93.42%、正常區域誤判率 為1.96%、正確判斷率(CR)為98.02%；而DCT搭配3W-DBGF方法之檢測結果為92.72% 、2.98% 、97.00%(CR)，此結果說明本研究所提之方法有不錯的檢測效益。此兩種濾波方法在濾波寬帶角度小偏移、影像亮度小與中偏移時，對檢測結果影響不大。在二值化閥值參數來源選擇方面，採用訓練之正常樣本的參數設定其檢測效果較佳。因此本研究所提之方法對於環境因素變動在中度以內亦能維持該一定檢測效果，具有不錯的穩健性。

Capacitive touch panels (CTP) with advantages of water-proof, stain-proof, scratch-proof, fast response, are widely used in various electronic products built in touch technology functions. The surfaces of CTPs are multi-layer structured and are classified as structural textures. It is a difficult inspection task when defects embedded in surfaces of CTPs with structural textures. This research proposes the discrete Fourier transform (DFT) based multi-crisscross band-Gaussian filtering (MC-BGF) method and the discrete cosine transform (DCT) based three ways double band-Gaussian filtering (3W-DBGF) method to inspect surface defects of CTPs. The two filtering approaches design filters to filter out the frequencies of the regions of multiple high-energy bands with considering the width and angle of the high-energy band, band filtering, threshold filtering, and characteristics of filtering with Gaussian distribution. The filtered image is then transformed back to the spatial domain. In the restored image, the homogeneous line regions in the original image will have an approximately uniform gray level, whereas the defective region will be clearly retained. Finally, the restored image is segmented by a simple threshold method and defects are located.
Real testing samples (including 36 normal images and 112 defective images) randomly selected from a manufacturing process are evaluated. Experimental results show that the DFT with MC-BGF method achieves a high 93.42% flaw detection rate , a low 1.96% false alarm rate , a high 98.02% correct classification rate (CR), and the performance indices of the DCT with 3W-DBGF method are 92.72% , 2.98% , and 97.00% (CR) on directional textured surfaces of CTPs. These results indicate that the two proposed methods have good detection effects. In additions, the two filtering methods were insensitive to small shift of band filtering angle and change of image brightness. In the source selection of thresholding parameters applied to restored images for defect separation, the use of parameters from training samples is better. Therefore, the proposed methods are also to maintain good defect detection results in moderate or little changes in environmental factors and have good robustness.

目錄
摘要 I
Abstract II
致謝 IV
目錄 V
圖目錄 VIII
表目錄 XIV
第一章 緒 論 1
1.1 研究背景 1
1.2 觸控面板生產製程與檢測規範及表面瑕疵類型 6
1.3 觸控面板檢測之困難與限制 10
1.4 研究動機與目的 13
1.5 本研究論文架構 14
第二章 文獻探討 15
2.1 自動化視覺檢測系統 15
2.2 觸控面板表面瑕疵檢測 16
2.3 紋路分析 17
2.4 傅立葉轉換應用於紋路分析 19
2.5 離散餘弦轉換應用於紋路分析 20
2.6 方向性紋路之瑕疵檢測 21
第三章 研究方法 25
3.1 離散傅立葉轉換 25
3.1.1 離散傅立葉轉換之定義 25
3.1.2 傅立葉轉換之特性 28
3.1.3 傅立葉轉換之能量頻譜分析 30
3.2 離散餘弦轉換 31
3.2.1 離散餘弦轉換之定義 32
3.2.2 離散餘弦轉換之特性 34
3.2.3 離散餘弦轉換之能量頻譜分析 37
3.3 頻率域濾波 39
第四章 研究流程與學理應用 43
4.1 頻率域轉換之應用與能量頻譜分析 44
4.1.1 頻率域轉換之應用 44
4.1.2 頻率域能量頻譜分析 47
4.2 頻率域濾波之設計 51
4.2.1 閥值濾波 51
4.2.2 寬帶濾波 54
4.2.3 寬帶閥值濾波 63
4.2.4 寬帶高斯濾波 66
4.3 影像重建與瑕疵分離 79
第五章 實驗與結果分析 83
5.1 影像擷取系統與檢測軟體開發 84
5.1.1 影像擷取系統 84
5.1.2 檢測軟體開發 85
5.2 電容式觸控面板表面瑕疵偵測之效益評估指標 86
5.3 樣本數量與檢測標準 87
5.4 小樣本測試實驗 89
5.4.1 濾波之寬帶寬度 90
5.4.2 頻率域切割閥值 90
5.4.3 寬帶能量閥值係數 92
5.4.4 比較不同寬帶濾波方法 93
5.5 大樣本分析實驗 94
5.6 比較不同檢測方法之效益評估指標 102
5.7 敏感度分析 107
5.7.1 濾波使用不同寬帶角度對檢測效益之影響 107
5.7.2 有無高斯特性平移對檢測效益之影響 115
5.7.3 有無保留DC值對檢測效益之影響 122
5.7.4 改變影像亮度對瑕疵檢測效益之影響 126
5.7.5 二值化閥值之參數選擇來源對檢測效益之影響 134
5.7.6 有無濾除橋接器對檢測效益之影響 139
5.7.7 檢測具不同背景紋路之電容式觸控面板影像 142
第六章 結論與未來研究方向 152
6.1 結論 152
6.2 未來研究方向 153
參考文獻 155
附錄 ROC曲線下面積的計算方式 161

圖目錄
圖1 使用觸控面板之產品 1
圖2 2009~2013年台廠手機及平板裝置用觸控面板出貨量變化及預測[10] 2
圖3 觸控面板運作示意圖[49] 2
圖4 電阻式觸控面板(RTP)結構 3
圖5 電容式觸控面板(CTP)結構 3
圖6 超音波式觸控面板(SAWTP)結構 4
圖7 光學式觸控面板(OTP)結構 4
圖8 電磁式觸控面板(ETP)結構 4
圖9 電容式觸控面板之基本製造流程 6
圖10 目前採用人工兩階段之目視檢測作業 7
圖11 本研究之待測樣本與其表面線路 11
圖12 觸控面板不同拍攝位置之背景紋路 11
圖13 觸控面板之不同瑕疵類型 12
圖14 因刮傷導致橋接器無法傳導之情形 12
圖15 不同特性之刮傷/裂痕瑕疵 12
圖16 使用空間域影像處理方法檢測電容式觸控面板表面瑕疵之結果影像 13
圖17 原始影像資訊經二維離散傅立葉正、反轉換後之影像資訊 28
圖18 傅立葉轉換之紋路特徵關係與旋轉特性 29
圖19 以一維轉換的串接計算二維傅立葉轉換 30
圖20 離散傅立葉轉換之頻譜特性示意圖 31
圖21 原始影像資訊經二維離散餘弦正、反轉換後之影像資訊 34
圖22 利用分離特性計算二維離散餘弦轉換之過程 35
圖23 DFT與DCT之一維轉換隱含週期[15] 36
圖24 影像重建誤差對區塊影像大小之影響[15] 36
圖25 二維離散餘弦轉換之正轉換過程 38
圖26 離散餘弦轉換之頻譜特性示意圖[59] 38
圖27 四種基本濾波器之濾波示意圖 40
圖28 以傅立葉轉換為例使用不同濾波器種類之濾波後與重建影像 41
圖29 以離散餘弦轉換為例使用不同濾波器種類之濾波後與重建影像 42
圖30 本研究之研究方法與步驟流程圖 43
圖31 具背景紋路之觸控面板正常與瑕疵影像對應之傅立葉能量頻譜影像與3D能量頻譜圖 45
圖32 待測影像對應之離散餘弦能量頻譜影像與3D能量頻譜圖 47
圖33 待測影像之表面紋路與對應傅立葉頻譜之角度關係 48
圖34 待測影像之表面紋路與對應離散餘弦頻譜之角度關係 50
圖35 使用DFT搭配閥值濾波(TF)之流程 53
圖36 使用DCT搭配閥值濾波(TF)之流程 53
圖37 DFT單向寬帶濾波之寬帶角度與寬度之示意圖 55
圖38 米形寬帶濾波之寬帶角度與寬度之示意圖 58
圖39 DCT寬帶濾波之寬帶角度與寬度之示意圖 59
圖40 三向寬帶濾波之寬帶角度與寬度之示意圖 61
圖41 使用DFT搭配米形寬帶濾波(MC-BF)之流程 62
圖42 使用DCT搭配三向寬帶濾波(3W-BF)之流程 63
圖43 使用DFT搭配米形寬帶閥值濾波(MC-BTF)之流程 65
圖44 使用DCT搭配三向寬帶閥值濾波(3W-BTF)之流程 66
圖45 訓練影像之DFT米形寬帶高斯濾波流程 67
圖46 訓練與測試頻譜影像之分配示意圖 69
圖47 使用DFT搭配米形寬帶高斯濾波(MC-BGF)之流程 70
圖48 米形雙寬帶濾波之4個方向寬帶之寬度示意圖 72
圖49 使用DFT搭配米形雙寬帶高斯濾波(MC-DBGF)之流程 73
圖50 訓練影像之DCT三向寬帶高斯濾波流程 75
圖51 使用DCT搭配三向寬帶高斯濾波(3W-BGF)之流程 76
圖52 三向雙寬帶濾波之3個方向寬帶之寬度示意圖 78
圖53 使用DCT搭配三向雙寬帶高斯濾波(3W-DBGF)之流程 79
圖54 觸控面板使用DFT濾波之瑕疵影像檢測流程圖 81
圖55 觸控面板使用DCT濾波之瑕疵影像檢測流程圖 81
圖56 本研究之實驗架構 83
圖57 本研究於實驗室環境取像之硬體設備與實驗設置 84
圖58 本研究所開發軟體之使用者操作介面 86
圖59 使用DFT搭配MC-BF之寬帶寬度分別為1, 5, 10像素之ROC曲線 91
圖60 使用DCT搭配3W-BTF之寬帶寬度為1且切割閥值分別為50, 100, 150之ROC曲線 91
圖61 使用DFT搭配MC-BGF之寬帶寬度為1且 分別為0.5, 3, 5之ROC曲線 92
圖62 使用DCT搭配3W-DBGF之參數固定而 為1, 2, 3之ROC曲線 93
圖63 大樣本實驗中使用DFT搭配MC-BGF之不同K值繪製成ROC曲線 95
圖64 使用DFT搭配MC-BGF之二值化閥值微調之部分瑕疵檢測結果影像(一) 96
圖65 使用DFT搭配MC-BGF之二值化閥值微調之部分瑕疵檢測結果影像(二) 97
圖66 大樣本實驗中使用DCT搭配3W-DBGF之不同K值繪製成ROC曲線 98
圖67 使用DCT搭配3W-DBGF之二值化閥值微調之部分瑕疵檢測結果影像(一) 99
圖68 使用DCT搭配3W-DBGF之二值化閥值微調之部分瑕疵檢測結果影像(二) 100
圖69 兩種頻率域濾波組合方法之ROC曲線圖 101
圖70 不同檢測方法之檢測效益ROC曲線圖 103
圖71 不同檢測方法之部份結果影像(一) 105
圖72 不同檢測方法之部份結果影像(二) 106
圖73 使用DFT搭配MC-BGF之寬帶角度小偏移 的檢測效益ROC曲線 108
圖74 使用DFT搭配MC-BGF之寬帶角度大偏移 的檢測效益ROC曲線 108
圖75 使用DFT搭配MC-BGF探討不同寬帶角度之部分瑕疵檢測結果影像(一) 109
圖76 使用DFT搭配MC-BGF探討不同寬帶角度之部分瑕疵檢測結果影像(二) 110
圖77 使用DCT搭配3W-DBGF之寬帶角度小偏移 的檢測效益ROC曲線 111
圖78 使用DCT搭配3W-DBGF之寬帶角度大偏移 的檢測效益ROC曲線 112
圖79 使用DCT搭配3W-DBGF探討不同寬帶角度之部分瑕疵檢測結果影像(一) 113
圖80 使用DCT搭配3W-DBGF探討不同寬帶角度之部分瑕疵檢測結果影像(二) 114
圖81 使用DFT搭配MC-BGF之有無高斯特性平移的檢測效益ROC曲線 116
圖82 使用DFT搭配MC-BGF探討有無高斯特性平移之部分瑕疵檢測結果影像(一) 117
圖83 使用DFT搭配MC-BGF探討有無高斯特性平移之部分瑕疵檢測結果影像(二) 118
圖84 使用DCT搭配3W-BGF參數為( , )之有無高斯特性平移的檢測效益ROC曲線 119
圖85 使用DCT搭配3W-BGF參數為( , )與( , )之有無高斯特性平移的檢測效益ROC曲線 119
圖86 使用DCT搭配3W-BGF探討有無高斯特性平移之部分瑕疵檢測結果影像(一) 120
圖87 使用DCT搭配3W-BGF探討有無高斯特性平移之部分瑕疵檢測結果影像(二) 121
圖88 使用DFT搭配MC-BGF之有無保留DC值的檢測效益ROC曲線 122
圖89 使用DFT搭配MC-BGF探討有無保留DC值之部分瑕疵檢測結果影像 123
圖90 使用DCT搭配3W-DBGF之有無保留DC值的檢測效益ROC曲線 124
圖91 使用DCT搭配3W-DBGF探討有無保留DC值之部分瑕疵檢測結果影像 125
圖92 不同影像亮度改變與其對應之灰階直方圖 127
圖93 使用DFT搭配MC-BGF之影像亮度改變中偏移( )與大偏移( )的ROC曲線 128
圖94 使用DCT搭配3W-DBGF之影像亮度改變中偏移( )與大偏移( )的ROC曲線 129
圖95 使用DFT搭配MC-BGF改變影像亮度對檢測結果影響之部分結果影像(一) 130
圖96 使用DFT搭配MC-BGF改變影像亮度對檢測結果影響之部分結果影像(二) 131
圖97 使用DCT搭配3W-DBGF改變影像亮度對檢測結果影響之部分結果影像(一) 132
圖98 使用DCT搭配3W-DBGF改變影像亮度對檢測結果影響之部分結果影像(二) 133
圖99 使用DFT搭配MC-BGF之不同參數選擇來源的的ROC曲線 134
圖100 使用DCT搭配3W-DBGF之不同參數選擇來源的ROC曲線圖 136
圖101 使用DFT搭配MC-BGF之不同二值化閥值參數選擇來源對檢測結果影響之部份結果影像 137
圖102 使用DCT搭配3W-DBGF之不同二值化閥值參數選擇來源對檢測結果影響之部份結果影像 138
圖103 使用DFT搭配MC-BGF之有無濾除橋接器之部分結果影像 140
圖104 使用DCT搭配3W-DBGF之有無濾除橋接器之部分結果影像 141
圖105 複雜背景紋路使用DFT濾波之瑕疵影像檢測流程圖 143
圖106 複雜背景紋路使用DCT濾波之瑕疵影像檢測流程圖 144
圖107 複雜背景紋路使用兩種頻率域濾波組合方法之ROC曲線 144
圖108 複雜背景紋路使用兩種頻率域濾波組合方法之部分結果影像 145
圖109 適中背景紋路使用DFT濾波之瑕疵影像檢測流程圖 146
圖110 適中背景紋路使用DCT濾波之瑕疵影像檢測流程圖 146
圖111 適中背景紋路使用兩種頻率域濾波組合方法之ROC曲線 147
圖112 適中背景紋路使用兩種頻率域濾波組合方法之部分結果影像 148
圖113 簡單背景紋路使用DFT濾波之瑕疵影像檢測流程圖 149
圖114 簡單背景紋路使用DFT濾波之瑕疵影像檢測流程圖 149
圖115 簡單背景紋路使用兩種頻率域濾波組合方法之ROC曲線 150
圖116 簡單背景紋路使用兩種頻率域濾波組合方法之部分結果影像 151

表目錄
表1 五種觸控面板技術之比較表[53][61][69] 5
表2 觸控面板常見的表面瑕疵類別 9
表3 電容式觸控面板之常見六種表面背景紋路類型 10
表4 本研究與相關文獻比較 23
表5 五種濾波方法之特性比較 82
表6 本研究使用之樣本數量 87
表7 不同頻率域轉換搭配多種寬帶濾波之ROC曲線下面積與參數設定 94
表8 大樣本實驗中使用DFT搭配MC-BGF之不同K值設定的檢測效益表 95
表9 大樣本實驗中使用DCT搭配3W-DBGF之不同K值設定的檢測效益表 98
表10 兩種頻率域濾波組合之檢測結果與參數組合 101
表11 不同檢測方法間之特性比較表 102
表12 不同方法之效益評估比較表 104
表13 使用DFT搭配MC-BGF之不同寬帶角度的效益評估表 108
表14 使用DCT搭配3W-DBGF之不同寬帶角度的效益評估表 112
表15 使用DFT搭配MC-BGF之有無高斯特性平移的檢測效益表 116
表16 使用DCT搭配3W-BGF之有無高斯特性平移的檢測效益表 119
表17 使用DFT搭配MC-BGF之有無保留DC值的檢測效益表 122
表18 使用DCT搭配3W-DBGF之有無保留DC值的檢測效益表 124
表19 使用DFT搭配MC-BGF之改變影像亮度檢測效益表 128
表20 使用DCT搭配3W-DBGF之改變影像亮度檢測效益表 129
表21 使用DFT搭配MC-BGF之不同二值化閥值參數選擇來源之檢測效益表 135
表22 使用DCT搭配3W-DBGF之不同二值化閥值參數選擇來源之檢測效益表 136
表23 使用DFT搭配MC-BGF之有無濾除橋接器的檢測效益表 139
表24 使用DCT搭配3W-DBGF之有無濾除橋接器的檢測效益表 139
表25 不同背景紋路之電容式觸控面板 142
表26 複雜背景紋路使用兩種頻率域濾波組合方法之效益評估表 144
表27 適中背景紋路使用兩種頻率域濾波組合方法之效益評估表 147
表28 簡單背景紋路使用兩種頻率域濾波組合方法之效益評估表 151

[1]Adamo, F., F. Attivissimo, A. D. Nisio, and M. Savino , “A low-cost inspection system for online defects assessment in satin glass,” Measurement, Vol. 42, pp.1304-1311, (2009).
[2]Ahmed, N., T. Natarajan, and K. R. Rao, “Discrete cosine transform,” IEEE Transactions on Computer, Vol. 23, No. 1, pp.90-93, (1974).
[3]Begueria, S., “Validation and evaluation of predictive models in hazard assessment and risk management,” Natural Hazards, Vol. 37, pp.315-329, (2006).
[4]Bhuvanesh, A., and M. M. Ratnam, “Automatic detection of stamping defects in lead-frames using machine vision: Overcoming translational and rotational misalignment,” International Journal of Advanced Manufacturing Technology, Vol. 32, pp.1201-1210, (2006).
[5]Catalona W. J., J. P. Richie, J. B. deKernion, F. R. Ahmann, T. L. Ratliff, B. L. Dalkin, L. R. Kavoussi, M. T. MacFarlane, and P. C. Southwick, “Comparison of prostate specific antigen concentration versus prostate specific antigen density in the early detection of prostate cancer: receiver operation characteristic curves,” J Urol, vol. 152, pp.2031-2036, (1994).
[6]Chen, B., S. Latifi, and J. Kanai, “Edge enhancement of remote sensing image data in the DCT domain,” Image and Vision Computing, Vol. 17, No. 12, pp.913-921, (1999).
[7]Chen, S. H., and D. B. Perng, “Directional textures auto-inspection using principal component analysis,” The International Journal of Advanced Manufacturing Technology, Vol. 55, pp.1099-1110, (2011).
[8]Chen, Y. C., J. H. Yu, M. C. Xie, and F. J. Shiou, “Automated optical inspection system for analogical resistance type touch panel,” International Journal of the Physical Sciences, Vol. 6, No. 22, pp.5141-5152 (2011).
[9]Chong M. Y., and G. Wilkinson, “Validation of 30-and 12-item versions of the Chinese Health Questionnaire (CHQ) in patient admitted for general health screening,” Psychol Med, vol. 19, pp.495-505, (1989).
[10]DIGITIMES，FPD零組件與設備，http://www.digitimes.com.tw，(2010).
[11]Dougherty, S., K. W. Bowyer, and C. Kranenburg, “ROC curve evaluation of edge detector performance,” in Proc. Int. Conf. Image Processing, vol. 2, pp.525-529, (1998).
[12]Downey T. J., D. J. Meyer, R. K. Price, and E. L. Spitznagel, “Using the receiver operating characteristic to asses the performance of neural classifiers,” Int. Joint Conf. Neural Networks, vol. 5, pp.3642-3646, (1999).
[13]Erturk, S., and T. J. Dennis, “Image sequence stabilization based on DFT filtering,” IEEE Proc.-Vis. Image Signal Process, Vol. 147, pp.95-102, (2000).
[14]Fezani, F., and A. Rahmani, “Wavelets analysis for defects detection in flat glass,” Multi-conference on Computational Engineering in Systems Applications (CESA), Beijing, China, pp.132-139, (2006).
[15]Gonzalez, R. C., and R. E. Woods, Digital Image Processing, 3rd Ed., Prentice Hall, New Jersey, (2008).
[16]Hanley J. A., and B. J. McNeil, “The meaning and use of the area under a receiver operating characteristic (ROC) curve,” Radiology, vol. 143, pp.29-36, (1982).
[17]Hanley J. A., and B. J. McNeil, “A method of comparing the areas under receiver operating characteristic curve derived from the same cases,” Radiology, vol. 148, pp.839-843, (1983).
[18]Jain, R., R. Kasturi, and B. G. Schunck, Machine Vision, International Editions, Mcgraw Hill, New Yark, pp.76-86, (1955).
[19]Kim, S. C., and T. J. Kang, “Texture classification and segmentation using wavelet packet frame and Gaussian mixture model,” Pattern Recognition, Vol. 40, pp.1207-1221, (2007).
[20]Li, W. C., and D. M. Tsai, “Automatic saw-mark detection in multicrystalline solar wafer images,” Solar Energy Materials & Solar Cells, Vol. 95, pp.2206-2220, (2011).
[21]Li, W. C., and D. M. Tsai, “Wavelet-based defect detection in solar wafer images with inhomogeneous texture,” Pattern Recognition, Vol. 45, pp.742-756, (2012).
[22]Lin, H. D., “Automated visual inspection of ripple defects using wavelet characteristic based multivariate statistical approach,” Image and Vision Computing, Vol. 25, pp.1785-1801, (2007).
[23]Lin, H. D., “Tiny surface defect inspection of electronic passive components using discrete cosine transform decomposition and cumulative sum techniques,” Image and Vision Computing, Vol. 26, pp.603-621, (2008).
[24]Lin, H. D., and D. C. Ho, “Detection of pinhole defects on chips and wafers using DCT enhancement in computer vision systems,” International Journal of Advanced Manufacturing Technology, Vol.34, No. 5-6, pp.567-583, (2007).
[25]Lin, H. D., and J. D. Jiang “Applying discrete cosine transform and grey relational analysis to surface defect detection of LED,” Journal of the Chinese Institute of Industrial Engineers, Vol. 24, No. 6, pp.458-467, (2007).
[26]Liu, H., Y. Wang, and F. Duan, “Glass bottle inspector based on machine vision,” International Journal of Computer Systems Science and Engineering, No. 3:3, pp.162-167, (2008).
[27]Lu, C. J., and D. M. Tsai, “Independent component analysis-based defect detection in patterned liquid crystal display surfaces,” Image and Vision Computing, Vol. 26, pp.955-970, (2008).
[28]Lusted L. B., “Signal detectability and medical decision-making,” Science, vol. 171, pp.1217-1219, (1971).
[29]Ma, S., B. Huang, H. Wang, and J. Guo, “Algorithm research on location of bottle mouth and bottom in intelligent empty bottle inspection system,” Proceedings of the IEEE International Conference on Automation and Logistics Shenyang, China, pp.819-824, (2009).
[30]Malamas, E. N., E. G. M. Petrakis, M. Zervakis, L. Petit, and J. D. Legat, “A survey on industrial vision system, applications, and tools,” Image and Vision Computing, Vol. 21, pp.171-188, (2003).
[31]Mossman, D., “Assessing predictions of violence: being accurate about accuracy,” Journal of Consulting and Clinical Psychology, vol. 62, pp.783-792, (1994).
[32]Muzzolini, R. E., Y. H. Yang, and R. A. Pierson, “Texture characterization using robust statistic,” Pattern Recognition, Vol. 27, pp.119-134, (1994).
[33]Oh, C. H., H. Joo, and K. H. Rew, “Detecting Low-Contrast Defect Regions on Glasses Using Highly Robust Model-Fitting Estimator,” International Conference on Control, Automation and Systems, 978-89-950038-6-2-98560, pp.2138-2141, (2007).
[34]Otsu, N., “A threshold selection method from gray level histogram,” IEEE Transactions on Systems, Man and Cybernetics, Vol. 9, pp.62-66, (1979).
[35]Park, C. H., and H. Park, “Fingerprint classification using fast Fourier transform and nonlinear discriminant analysis,” Pattern Recognition, Vol. 38, pp.495-503, (2005).
[36]Perng, D. B., S. H. Chen, and Y. S. Chang, “A novel internal thread defect auto-inspection system,” The International Journal of Advanced Manufacturing Technology, Vol. 47, pp.731-743, (2010).
[37]Perng, D. B., and S. H. Chen, “Directional textures auto-inspection using discrete cosine transform,” International Journal of Production Research, Vol. 49, No. 23, pp.7171-7187, (2011).
[38]Perng, D. B., W. C. Wang, and S. H. Chen, “A novel quasi-contact lens auto-inspection system,” Journal of the Chinese Institute of Industrial Engineers, Vol. 27, No. 4, pp.260-269, (2010).
[39]Rao, K. R., “Discrete cosine transform filtering,” International Conference on Acoustics, Speech, and Signal Processing, Vol. 3, pp.1281-1284, (1990).
[40]Swets, J. A., “Is there a sensory threshold ?,” Science, New Series, Vol. 134, No. 3473, pp.168-177, (1961).
[41]Swets J. A., R. M. Pickett, S. F. Whitehead, D. J. Getty, J. A. Schnur, J. B. Swets, and B. A. Freeman, “Assessment of diagnostic technologies,” Science, vol. 205, pp.753-759, (1979).
[42]Somoza, E., and D. Mossman, “Comparing and optimizing diagnostic tests: an information-theoretical approach,” Medical Decision Making, vol. 12, pp.179-188, (1992).
[43]Simpson, A. J., and M. J. Fitter, “What is the best index of detectability ?,” Psychological Bulletin, vol. 80, pp.481-488, (1973).
[44]Sun, T. H., C. C. Tseng, and M. S. Chen, “Electric contacts inspection using machine vision,” Image and Vision Computing, Vol. 28, pp.890-901, (2010).
[45]Tsai, D. M., and C. Y. Hsieh, “Automated surface inspection for directional textures,” Image and Vision Computing, Vol. 18, pp.49-62, (1999).
[46]Tsai, D. M., and S. M. Chao, “An anisotropic diffusion-based defect detection for sputtered surfaces with inhomogeneous textures,” Image and Vision Computing, Vol. 23, pp.325-338, (2005).
[47]Tsai, D. M., and T. Y. Huang, “Automated surface inspection for statistical textures,” Image and Vision Computing, Vol. 21, pp.307-323, (2003).
[48]Tsai, D. M., S. T. Chuang, and Y. H. Tseng, “One-dimensional-based automatic defect inspection of multiple patterned TFT-LCD panels using Fourier image reconstruction,” International Journal of Production Research, Vol. 45, pp.1297-1321, (2007).
[49]Wikipedia, http://www.wikipedia.org
[50]Woods, K., and K. W. Bowyer, “Generating ROC curves for artificial neural networks,” IEEE Trans. Medical Imaging, vol. 16, No. 3, pp.329-337, (1997).
[51]尹志瑋，「應用自組織支持向量資料描述於雙穩態膽固醇液晶顯示器之瑕疵檢測」，碩士論文，中原大學機械工程研究所，桃園(2008)。
[52]朱崇玄，「台灣電容式觸控面板產業之策略分析」，碩士論文，國立交通大學高階主管管理學程，新竹(2009)。
[53]李永彬，數位時代的「新一點靈」-觸控面板，產經資訊，第43頁(2003)。
[54]林明慶，「應用小波轉換(Wavelet transform)與曲線波轉換(Curvelet transform)於製程中多晶矽太陽能晶片之分類與識別」，碩士論文，元智大學工業工程所，桃園(2008)。
[55]拓墣產業研究所，一觸即發的觸控面板產業，TRI產業專題報告-97，拓墣科技，台北(2007)。
[56]邱學源，「導光板品質自動檢測系統之研製」，碩士論文，國立高雄第一科技大學機械與自動化工程所，高雄(2003)。
[57]洪崇祐，「應用一維傅立葉分析於TFT-LCD液晶顯示面板之瑕疵檢測」，碩士論文，元智大學工業工程與管理學系，桃園(2004)。
[58]徐民儕，「應用區域對比增強於不均勻光源下之人臉辨識」，碩士論文，國立台灣師範大學電子科系學系，台北(2007)。
[59]陳同孝、張真誠、黃國峰，數位元影像處理技術，松崗出版社，臺北(2001)。
[60]陳炳仁，「類神經網路ROC曲線的設計方法」，碩士論文，國立中山大學機械與機電工程研究所，高雄(2002)。
[61]陳昶宇，「使用串聯電阻降低電阻式觸控面板的功率消耗」，在職專班碩士論文，輔仁大學電子工程學系，台北(2007)。
[62]陳朝治，「應用影像處理與類神經網路於ITO導電玻璃之瑕疵分類」，碩士論文，國立台灣科技大學自動化及控制研究所，台北(2007)。
[63]陳興倫，「使用小波包分解與部份最小平方法於光學元件之可視瑕疵檢測」，碩士論文，朝陽科技大學工業工程與管理所，台中(2009)。
[64]許峻偉，「探討我國多點觸控技術之未來發展契機-以美國領先廠商與台灣廠商為例」，碩士論文，逢甲大學科技管理研究所，台中(2010)。
[65]游舜豪，「應用高解析度線掃描CCD於ITO導電玻璃表面瑕疵檢測之研究」，碩士論文，國立台灣科技大學自動化及控制研究所，台北(2005)。
[66]黃光明，「結合離散餘弦與運動估測檢測行車安全距離」，碩士論文，義守大學資訊工程研究所，高雄(2007)。
[67]黃智政，「應用區塊離散餘弦轉換搭配灰預測模式檢測車用鏡面玻璃表面瑕疵」，碩士論文，朝陽科技大學工業工程與管理所，台中(2009)。
[68]趙新民，「應用非線性擴散於非同質性紋路之ITO導電玻璃表面檢測」，碩士論文，元智大學工業工程與管理學系，桃園(2003)。
[69]劉美君，Truly Touched Everywhere-AMOLED面板發展與挑戰，工研院，IEK產業情報網(2011)。