本文依托于国家863项目“精密组装生产线的高速高精度视觉在线检测技术”,针对背光源表面扫描图像与TFT-LCD面板的扫描图像,研究在复杂背景与低对比度条件下的目标(缺陷)识别问题。　　 根据背光源表面扫描图像与TFT-LCD面板的扫描图像的特点,将问题分为周期性背景和非周期性背景两类。对于具有周期性背景的TFT-LCD图像,通过研究空间域中周期峰值的间距△x与频域中周期峰值的间距△u之间的关系,利用一维离散傅里叶变换,去除周期性背景对缺陷检测的影响,而对于具有复杂纹理及低对比度特点的背光源表面扫描图像,则可将其周期设定为无穷大。　　 选取合适的w值,保留缺陷所集中的低频部分,去除背景所在的高频部分,进一步突出缺陷特征,提高缺陷的对比度。在得到原始一维行图像的傅里叶重构图像后,本文针对背光源表面扫描图像中缺陷的特点,提出了先利用阈值分割检测出亮斑缺陷,再通过全尺寸小波变换提取图像中的高频信息,设定阈值界限提取毛发缺陷的方法。针对TFT-LCD面板的扫描图像,利用全尺寸小波变换检测TFT-LCD中的孔洞缺陷、划痕缺陷和粉尘缺陷。　　 实验选取Haar小波作为小波变换的基函数,对阈值分割中系数K的选取也做出了分析,并讨论了光照强度对检测结果的影响,其算法识别率可达96％以上。实验表明,本文提出的算法具有良好的实时性与鲁棒性。